Google Earth Engine Python ——使用sentinel-1数据识别火灾前后的结果

本次我们这次使用sentinel-1数据，然后检查区域火灾前后的结果。

本次用到的数据

哨兵一号任务提供来自5.405GHz（C波段）的双极化C波段合成孔径雷达（SAR）仪器的数据。这个集合包括S1地面范围探测（GRD）场景，使用Sentinel-1工具箱处理，以产生一个校准的、正交校正的产品。该集合每天都会更新。新的资产会在它们可用后的两天内被摄取。

这个集合包含了所有的GRD场景。每个场景都有3种分辨率（10、25或40米）、4种波段组合（与场景偏振相对应）和3种仪器模式之一。在马赛克背景下使用该集合，可能需要过滤到一个同质的波段和参数集。关于收集的使用和预处理的细节，请参见这篇文章。每个场景包含4个可能的偏振带中的1个或2个，这取决于仪器的偏振设置。可能的组合是单波段VV或HH，以及双波段VV+VH和HH+HV。

VV：单一共极化，垂直发射/垂直接收
HH：单同极化，水平发射/水平接收
VV+VH：双波段交叉极化，垂直发射/水平接收
HH + HV：双波段交叉极化，水平发射/垂直接收
每个场景还包括一个额外的 "角度 "波段，它包含了每一个点的椭圆体的近似入射角，单位是度。这个波段是通过内插每个资产提供的'geolocationGridPoint'网格化字段的'入射角'属性而产生的。

每个场景都用Sentinel-1工具箱进行了预处理，具体步骤如下。

消除热噪声
辐射测量校准
使用SRTM 30或ASTER DEM对纬度大于60度的地区进行地形校正，在SRTM不可用的情况下。最终的