随着全球气候变化的加剧和极端天气事件的频发，洪水灾害对人类社会和生态环境的威胁日益增加，严重威胁人民的生命财产安全。传统的地面观测手段在大范围洪水监测方面存在局限性，难以满足快速、高效的应急需求。本研究基于雷达卫星影像信息，引入双极化水体指数法（SDWI-OSTU）、支持向量机(SVM)和随机森林(RF)等多种方法，并利用分类三元搭配(CTC)的集成策略，对巢湖流域2016年5月~7月和2020年6月~8月典型日期的洪涝淹没范围进行识别和精度评估，洪涝淹没范围监测误差保持在10%以内。采用“算法名称+日期”的方式命名数据文件。
Sentinel-1卫星是欧洲航天局哥白尼计划（GMES）中的对地观测卫星，由两颗卫星组成，分别为Sentinel-1A和Sentinel-1B，载有C波段合成孔径雷达，可提供连续图像（白天、夜晚和各种天气）。Sentinel-1有4种条带扫描模式，其中IW模式的SAR图像特别设计用于获取陆地表面的图像，具有VV和VH两种极化模式。因此，研究选用IW模式下Level-1的地距多视影像（Ground Range Detected，GRD）数据产品，从欧空局官网（https://scihub.copernicus.eu/） 下载了巢湖流域2016年和2020年汛期流域性大洪水期间的遥感影像，空间分辨率为10m。
基于多时相雷达影像数据，开展了基于双极化水体指数法、支持向量机、随机森林方法的水体识别模拟，并采用三套水体识别结果基于分类三元搭配的平衡指标计算单元计算各自的平衡精度和集成权重，加权计算多模型水体识别结果三元组合，并基于检验样本集评价水体集成识别精度，将集成结果的像元数据转为矢量边界，得到流域洪涝淹没范围边界。
对于雷达影像人工标注样本点，分类三元搭配方法在不同时间下的识别稳定性和精度更高，平均Accuracy达到0.969，Precision为0.965，能够更有效地整合单一模型的优势，洪水淹没范围识别中提供更加一致和准确的分类结果的。对于无人机影像人工标注样本点，分类三元搭配方法的Accuracy和Precision均达到了0.900以上，能够较准确地识别水体区域。对于水域面积识别，分类三元搭配模型在大多数情况下能够提供较为准确的水域面积识别结果，洪涝淹没范围监测误差保持在10%以内。
| # | 编号 | 名称 | 类型 |
| 1 | 2021YFC3000100 | 长江下游洪涝灾害集成调控与应急除险技术装备 | 国家重点研发计划 |
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.NHRI.DB6788.2025
10.12072/ncdc.nhri.db6788.2025
