《水利水电技术（中英文）》已迁移至新网站https://sjwj.cbpt.cnki.net，旧网站已经关闭。
摘 要：
洪涝灾害严重危害人类的生命和财产安全，洪涝灾害的应急监测对灾情评估具有重要意义。灾害发生时期往往伴随恶劣天气，针对洪涝灾害期间光学遥感数据使用受限问题，研究选取“7·20”重灾区(河南省鹤壁市浚县)灾害前后Sentinel-1、Sentinel-2多时相主被动遥感影像为数据源，有效提取洪水淹没范围，并对土地利用/覆盖类型受灾情况进行评估。首先，在对Sentinel-1A雷达数据进行多视、配准、地理编码等处理的基础上，进行阈值分割提取水体；然后，基于随机森林集成学习对灾前Sentinel-2光学影像进行地类提取；最后，结合GIS地理信息分析技术进行研究区乡镇淹没面积、淹没空间特征分析，并评估灾情影响。结果显示：(1)Sentinel-1雷达数据能够快速、有效提取受灾后水体面积达96.3%,能够为不同地类受灾评估提供有效支撑。(3)新镇、小河镇受灾最为严重，洪水面积均在34 km2以上，主要原因为上游泄洪、水满溢出河堤。研究结果表明，协同多时相Sentinel-1/2主被遥感影像能够在恶劣天气条件下有效提取水淹区域，可为应急救灾提供数据支持。
主被动遥感;洪涝监测;水体提取;灾害评估;随机森林算法;GIS分析;
作者简介：
孙书腾(1996—),男，硕士研究生，主要从事遥感灾害监测及应用研究。
*刘培(1985—),男，副教授，博士，主要从事资源环境遥感、数据挖掘与模式识别等方面的研究。
基金：
热带海洋学院崖洲湾创新研究院开放课题资助(2022CXYKFKT03);
国家自然科学基金项目(42011530174);
海南省省本级项目(2021,2022);
引用：
孙书腾, 刘培, 王光彦. 基于多时相主被动遥感协同处理的洪涝灾害应急监测[J]. 水利水电技术(中英文), 2022, 53(9): 25- 35.
SUN Shuteng, LIU Pei, WANG Guangyan. Cooperative processing of multi-temporal active and passive remotely sensed data for flood disaster monitoring [J]. Water Resources and Hydropower Engineering, 2022, 53(9): 25- 35.
0 引 言
洪涝灾害是对人类生活影响最严重的自然灾害之一，具有突发性、季节性、区域性、可重复性等特点，每年在全球造成大量的人员伤亡和巨急处理等方面具有重要意义。目前对洪涝灾害的监测方式主要有地面观测和遥感技术两种，对于突发性的区域洪涝灾害，有限的地面监测站仅能适用于当地情况，而遥感技术具有大面积同步观测、时效性、经济性等特点，可以弥补地面观测方法的不足，因此利用遥感技术对洪水淹没范围的提取在洪涝灾害的应急监测中得到越来越多的应用。
洪涝监测的关键在于水体范围的识别和水体信息的提取。基于遥感影像提取水体的数据源主要包括光学影像、雷达影像以及两者融合后的数据。数据源提取常用的方法主要包括阈值法、滤波法、深度学习法、结合地形辅助信息法等。其中基于光学影像普遍使用的阈值法是根据水体的光谱特征曲线，选择合适的波段构建模型提取水体,如光学归一化差异水体指数(NDWI,normalized difference water index)是利用绿光波段和近红外波段的比值以突出水体信息。后续的学者又针对不同的研究背景提出了改进的归一化差异水体指数(MNDWI,modified NDWI)[7]、多波段水体指数(MBWI,multi-band water index)、多光谱水体指数(MuWI,Multi-spectral water index)、背景差异水体指数(BDWI,background difference water index)等。但是洪涝灾害发生时往往伴随着云、雨等天气，光学传感器获得无云高质量影像困难，因此研究者们景信息。
合成孔径雷达(SAR)具有全天时、全天候、穿透性强等优点，不受云层、降雨等天气的影响，在洪涝监测中发挥着越来越重要的作用。SHU等基于SAR数据绘制洪水变化监测图，显示了雷达传感器在洪水监测领域的巨大潜力。基于SAR影像的水体信息提取方法中阈值法简单易行，应用广泛。阈值的确定主要有经验法、双峰法、最大类间方差法等。陈玲艳等依据水体服从Gamma分布以及背景服从高斯分布的假设，将两种分布的概率密度曲线的分离点作为最佳阈值对Radarsat-2进行分割，实现高精度的水体自动提取。谷鑫志等将阈值分割法与马尔可夫随机场(MRF)相结合，实现了对GF-3影像水体的精细提取，结果优于基于光学影像的水体指数法。李景刚等利用改进的最大类间方差阈值法对洞庭湖区域枯水期和洪水期影像进行研究，其确定的阈值提取水体的精度比双峰法和最大类间方差法提取的精度更高。
因此，本文以Sentinel-1雷达遥感数据和Sentinel-2光学遥感数据为数据源，综合运用随机森林算法和SDWI VH/VV极化波段分析对光学和雷达数据进行处理，实现主被动遥感信息优势互补，快速提取洪水信息和不同地表类型的受灾状况。并选取灾前、灾中、灾后多期数据，对“7·20”重灾区河南省鹤壁市浚县进行应用分析，以期为洪涝灾害监测的研究提供技术借鉴。
1 研究区及数据
1.1 研究区介绍
浚县隶属鹤壁市，位于河南省北部，东经114°11′,北纬35°54′,是“7·20”河南特大暴雨受灾最为严重的区域之一。浚县北与安阳接壤，东与濮阳毗邻，南与新乡交界，西与鹤壁相连，处于四个市辐射带的中心位置(见图1)。境内河流总长435.5 km, 淇河、卫河、共产主义渠贯穿全境。浚县地处太行山与华北平原过渡地带，气候适宜，土地肥沃，自古就有“黎阳收，顾九州”之称，是全国粮食生产先进县。
图1 研究区位置
自2021年7月中旬以来，研究区作为主降雨区和主泄洪区，遭遇了历史极值的强降雨和行洪过程，为保证上下游城市安全度过汛期，境内5个蓄滞区全部启用，全县46.7%的地区被洪水淹没，42.6万人受灾，占总人口的58.7%,其中转移安置223个村、31.4万人。全县房屋倒塌1.6万间、严重受损7.6万间，农作物受灾占全县耕地面积的75%、畜牧养殖场、农田水利等基础设施损失严重。
1.2 数据源
研究分别以洪灾发生前后的欧空局哨兵一号(Sentinel-1)雷达、哨兵二号(Sentinel-2)光学遥感影像为数据源(见表1)。Sentinel-1A卫星于2014年4月发射升空，搭载一台C波段合成孔径雷达(SAR),包括SM、IW、EW、WV四种成像模式，可提供全天时、全天候的雷达影像。其中，IW模式的影像为Sentinel-1的主要拍摄数据。本文采用的Sentinel-1A数据为斜距单视复数产品(SLC),成像方式是干涉宽幅模式(IW),极化方式为VH、VV,方位向分辨率为20 m, 距离向分辨率为5 m。
Sentinel-2A卫星于2015年6月发射成功并投入使用，Sentinel-2B卫星于2017年3月发射升空。Sentinel-2A/B搭载的传感器为多光谱成像仪(MSI),涵盖了从可见光到短波红外共13个波段，按照空间分辨率可将波段分为10 m、20 m和60 m, 不同分辨率的波段可应用于陆表监测、植被监测、地质监测、海洋监测等不同的应用领域。本文采用Sentinel-2A/B L1C大气表观反射率产品，该产品经过正射校正和亚像元级几何精校正，研究选取B2、B3、B4、B8波段的空间分辨率均为10 m。
除了哨兵遥感数据外，本研究还收集了包括2020年Globeland30全球土地类型覆盖产品数据、行政区划的矢量边界和研究区DEM(见图2)等基础地理数据。
图2 研究区DEM
2 研究方法
灾前的土地覆盖类型，然后提取灾后洪水的淹没范围，最后结合GIS空间分析技术对浚县各乡镇受灾空间分布和灾情状况进行定量评估(见图3)。
图3 灾害应急监测技术流程
2.1 数据预处理
本研究使用的Sentinel-1A数据为一级产品数据，SAR的单视复数数据(SLC)产品包含很多斑点噪声，为了抑制这些噪声及后续对光学数据进行协同处理，需要分别对Sentinel-1A进行多视、滤波、地理编码等预处理，获得后向散射系数。首先对SLC影像进行多视处理抑制影像的斑点噪声并将其转化为雷达强度数据；然后以灾前的影像为基准，对灾前、灾后的影像进行配准，使得不同日期的影像像元精确对应地表同一位置。同时为了抑制噪声对影像解译的影响，对洪灾前后的多时相数据进行滤波；最后借助研究区DEM数据，对滤波后的雷达数据进行地理编码，将影像从雷达坐标系统转换到制图坐标系统。
研究选用Sen2Cor方法对2021年6月6日、7月26日、7月31日的Sentinel-2 L1C数据进行大气校正，预处理后生成L2A级别的产品，将L2A级别产品的10米分辨率波段B2、B3、B4、B8进行彩色合成，并结合研究区行政区划进行裁剪，2021年6月6日研究区的彩色影像如图4所示。
图4 研究区Sentinel-2A影像(波段组合为R=B4,G=B3,B=B2)
2.2 基于随机森林的地表覆盖信息提取
对预处理后的研究区光学影像，选用随机森林算法进行地表覆盖信息提取。随机森林分类器是使用一组树进行预测的集成分类器，相比于单棵决策树更加稳健，泛化性能更加良好。首先从给定的训练集中多次随机挑选一部分样本作为bootstrap数据集，对每个数据集构建对应的决策树，每棵决策树根据一组与输入样本有关的随机向量进行分割产生，众多决策树构成一个随机森林。最后每棵决策树对训练集进行分类，用投票的方法对所有决策树的分类结果进行综合，得票最多的类别将是最终结果。
本研究使用ENVI软件平台扩展工具ENMAP-BOX进行随机森林分类，将树的数量设置为500。根据《土地利用现状分类&土地分类国家标准》及参考2020年Globeland30全球土地类型覆盖产品数据的分类结果，结合研究区实际情况，将研究区分为水体、耕地、道路、建设用地、其他用地等5种土地类型。在灾前Sentinel-2A波段合成后的影像上目视解译选择样本，各个类别样本之间的分离度大于1.8,运用随机森林分类器进行分类，分类后的结果如图5所示。
图5 2021年6月6日分类
参照谷歌地球高分辨率影像，通过目视解译的方法在研究区内随机选择一定数量的样本作为精度评价的验证样本，对灾前的土地利用分类图进行评价，得到总体分类精度为96.3%,Kappa系数为0.93,分类结果与研究区实际情况基本吻合，可以用于后续的灾情分析。
2.3 基于SDWI的水灾范围提取
图6为研究区经过预处理后的2021年7月27日和8月8日的SAR VH极化影像。从图像上可以看出影像呈现不同深浅的色调，原因在于水体与非水体的后向散射系数值不同。对于越不平整的情况，后向散射的能力就越强，影像呈灰色或者灰白色，对于平整的水面，后向散射能力弱，在影像上显示暗色或者黑色。
图6 预处理后的Sentinel-1A影像
在洪涝灾害应急的情况下，对于较大范围内的水体信息提取，应考虑到原理简单、应用方便的需求，综合考虑SAR影像的水体提取方法，其中阈值分割法原理简单、分割速度快。阈值分割法是根据不同地物在SAR影像上的散射系数不同，设置合适的阈值，将影像中的地物划分为水体与非水体。阈值分割法的难点在于不同雷达数据的水体后向散射系数差异较大，很难确定统一的阈值。
贾诗超等受到归一化植被指数(NDVI)和归一化差异水体指数(NDWI)的启发，结合水体在SAR影像上的特点，提出了基于SDWI(Sentinel-1 Dual-Polarized Water Index)的水体信息提取方法，其核心思想是构建VH极化、VV极化影像之间的拟合关系式。
水体信息提取模型为
式中，KSDWI为水体提取指数，当KSDWI大于0时为水体，小于0时为非水体。
为扩大水体与非水体差异，将VH极化、VV极化方式的影像进行相乘并乘以10。
本文首先对预处理后的Sentinel-1 VH、VV极化影像进行波段运算以增强水体特征，然后将波段运算后的影像进行阈值分割得到二值图，进而提取洪水淹没范围。
3 试验结果及分析
3.1 灾后水体范围提取
在洪灾的评估过程中，洪水的淹没范围是最先要确定的。VH极化方式的灾中、灾前、灾前合成(RGB)假彩色影像[见图7(a)],及VH极化方式的灾后、灾前、灾前合成(RGB)假彩色影像[见图7(b)],影像中呈蓝色的为洪水范围。
图7 极化波段合成
基于预处理后VH极化和VV极化的影像，先按照模型ln(10×VV×VH)进行波段运算，得到呈现双峰直方图，如图8、图9所示。
图8 7月27日水体指数直方图
图9 8月8日水体指数直方图
从水体指数直方图可以看出，当像素值在8时刚好处于波谷，故判断当像素值为8时为阈值。再按照KSDWI值大于0时为水体，KSDWI值小于0时为非水体，在波段运算中得到水体的分布范围，如图10所示。与按照SAR VH极化方式影像波段合成后确定的洪水范围进行对比，可以确定阈值取8时可以合理的区分水体与非水体。
图10 洪水分布范围
在2021年7月26日、7月31日影像上随机选取了一定数量的样本，分别作为Sentinel-1A 7月27日和8月8日影像水体提取结果精度评价的验证样本，基于对象样本的混淆矩阵精度评价方法对水体提取结果进行精度评价。其中7月27日提取结果的总体精度为97.9%,kappa系数为0.96,8月8日提取结果的总体精度为90.8%,kappa系数为0.82。相比于7月27日，8月8日提取结果精度降低的原因是验证样本是在7月31日的影像上选取的，7月31日至8月8日水体存在变化的情况。
3.2 淹没面积统计
将灾前研究区的土地覆盖类型分类图与灾后研究区多时相数据提取的洪水范围重投影到UTM Zone50 N/WGS84坐标系下，通过自动配准进行不同传感器数据之间的空间位置匹配，对研究区内各乡镇的洪水淹没面积进行统计，结果如表2所列。
监测结果显示，2021年6月6日水体总面积为5.98 km2,7月27日水体总面积为95.755 km2,8月8号水体总面积为103.368 km2。洪涝事件发生后，对比6月6日和7月27日的水体面积变化，洪水面积约增加了90 km2,其中新镇洪水的面积增加最大，为34.319 km2。对比7月27日至8月8日期间的水体面积变化，洪水总面积约增加7.6 km2,其中小河镇和白寺镇的淹没范围进一步扩大，小河镇水体面积从28.753 km2增加至35.941 km2,洪水面积增加了7.2 km2,白寺镇水体面积从16.21 km2增加至34.678 km2,洪水面积增加了18.5 km2。新镇镇的水体面积从35.328 km2减少至10.516 km2,洪水面积减少了24.8 km2,洪水面积大幅度消退。对比6月6日、7月27日和8月8号的各乡镇的水体面积变化，小河镇、新镇、白寺镇三个乡镇洪水淹没面积变化最大，分别为35.393 km2、34.319 km2、34.128 km2。城关镇、善堂镇的水体面积几乎没有变化，没有受到洪涝灾害的严重影响。值得注意的是王庄镇，虽然提取的水体面积范围变化只有2.963 km2,但参考卫星的重访周期并结合彩色合成后影像目视解译，受洪涝灾害的影响应该更加严重。
3.3 淹没空间分析与灾情评估
通过对研究区内各淹没乡镇的洪水面积进行统计，截至7月27日，研究区内新镇洪水淹没面积最大。从降水量来看，7月17—22日连续几天降雨，新镇累计降水量达410 mm。从空间位置来看，浚县新镇与淇县、滑县、延津县、卫辉市“三县一市”相邻，淇河、卫河、共产主义渠三河交汇。三条河流携上游洪水加上当地的强降水，沿线堤坝多日浸泡，致使浚县新镇彭村段卫河决堤，洪水迅速淹没附近村庄。7月27日至8月8日期间，新镇洪水面积减少，在于7月26日溃口封堵合龙，洪水流到别处或渗入地下。
7月27日到8月8日，小河镇、白寺镇等乡镇洪水面积增加，从空间位置上看，共产主义渠斜贯整个研究区，这些乡镇位于共产主义渠两岸，上游泄洪影响，堤防漫溢导致附近乡镇洪水肆虐。
以洪涝发生前基于Sentinel-2A数据的土地利用分类图作为真实地表实况，以洪涝发生后的水体分布范围估算灾情损失。由于单个遥感卫星的重访周期较长，洪涝发生后获得的多时相数据源时间序列并不紧密，为尽量减少水体下渗或流向别处等因素的影响，因此只估算7月27日新镇、8月8日小河镇、白寺镇三个乡镇的受灾情况。具体如表3,从统计的被淹耕地面积来看，三个乡镇受灾都比较严重，被淹耕地达84 km2以上。
4 讨 论
利用遥感数据绘制洪涝灾害期间的淹没范围，对抗险救灾和灾害财产损失的快速评估至关重要。在洪涝灾害极端天气情况下，光学影像提取水体的有效性受到云层和其它天气条件的限制，波段穿透性有限，被云层、水汽等遮挡地物难以在影像中显现处理。而SAR几乎可以在任何天气条件下、全天时的绘制洪涝淹没范围。但由于SAR影像成像原理复杂，数据处理、解译难度大，使其使用的领域和范围受到限制。
针对以上问题，本研究提出的主被动遥感数据协同处理的洪涝灾害应急监测方法，具有以下优势：
(1)能够充分利用光学和雷达遥感数据在地表信息提取和灾情解译方面的应用特点，实现优势互补。本文利用雷达影像VH、VV多极化数据进行波段运算以增加水体特征，并将波段运算后影像生成的双峰直方图谷底作为阈值进行分割，解决了阈值选择困难问题，能够快速提取洪水范围并应用于洪涝灾情的评估工作中；
(2)针对洪涝灾害发生时范围大、时间紧、灾情变化快等特点，结合水体在SAR影像上的特点，选择的SDWI(Sentinel-1 Dual-Polarized Water Index)水体信息提取方法，原理简单、应用方便、提取精度高，2021年7月26洪水提取结果总体精度约为98%,能够满足防汛需求；
(3)针对灾前、灾后评估的需求，研究选取随机森林分类算法提取地表覆盖信息，相比支持向量机、深度学习方法，具有地表淹没范围提取精度高、效率快等特点，对灾前的土地利用分类图的定量评价结果显示，总体分类精度为96.3%,可以用于后续的灾情分析，有利于支撑灾前快速灾情评估。
数相近，在一定程度上会影响到水体提取的精度。同时阈值法中阈值难以确定，自动化程度较低。
在实际的应用情况，需要根据实际情况灵活选择提取方法，根据洪涝灾害和水淹性质，对于淹没的水田/旱地等地物复杂带有地物轮廓区域建议选择本研究监测方法。在后续的研究中可以加强以下方面的工作：(1)进一步研究不同场景下水体散射特性，总结水体多发区最优阈值的确定方法，形成自动化处理流程；(2)结合多种高分辨率SAR数据，选择更多时相的数据对洪涝灾害进行动态监测，特别是结合GEE云平台，提高监测的时效性；(3)加强主被动遥感数据融合的研究，通过优势互补提高有效信息提取的准确性。
5 结 论
本文以Sentinel-1和Sentinel-2影像为数据源，针对2021年河南省鹤壁市浚县洪涝灾害，对灾中、灾后水体信息进行动态监测，统计出研究区内各乡镇的水体面积变化及农作物淹没情况，结论如下：
(1)基于SAR数据的水体提取方法中，阈值分割法处理速度快，在平原地区分割效果良好，能够提取洪水的淹没范围，适用于洪涝灾害的应急监测。
(2)本文基于Sentinel-1A SAR数据提取洪水淹没范围，提取结果总体精度均在90%以上，Kappa系数均在0.8以上。表明Sentinel-1A SAR数据可以快速、准确的监测受灾区域，在提取洪水信息方面具有巨大的潜力。
(3)统计数据显示，自洪涝灾害发生后，研究区内水体面积呈现为“陡升”的变化趋势。截至2021年7月27日，水体面积约增加了90 km2,增加比例约为灾前水体面积的10倍。
(4)新镇位于浚县县城西南处，淇河、共产主义渠、卫河三条河流在新镇境内汇流，卫河上游行洪加上连日强降雨，堤防漫溢最终转化为决口，附近村庄受灾严重，被淹耕地面积达25.738 km2。共产主义渠从浚县东北方向斜贯西南方向，小河镇、白寺镇、王庄镇等乡镇位于共产主义渠两侧，上游泄洪、堤防漫溢导致洪水肆虐，其中小河镇、白寺镇被淹耕地面积分别为29.197 km2、29.184 km2。
水利水电技术（中英文）
水利部《水利水电技术（中英文）》杂志是中国水利水电行业的综合性技术期刊（月刊），为全国中文核心期刊，面向国内外公开发行。本刊以介绍我国水资源的开发、利用、治理、配置、节约和保护，以及水利水电工程的勘测、设计、施工、运行管理和科学研究等方面的技术经验为主，同时也报道国外的先进技术。期刊主要栏目有:水文水资源、水工建筑、工程施工、工程基础、水力学、机电技术、泥沙研究、水环境与水生态、运行管理、试验研究、工程地质、金属结构、水利经济、水利规划、防汛抗旱、建设管理、新能源、城市水利、农村水利、水土保持、水库移民、水利现代化、国际水利等。
