Global flood forecasting for averting disasters worldwide
2
2018
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
... Sentinel-1影像的空间分辨率为10 m,所以它很难监测面积小的水体聚集区.洪水期间水流的汇集使淹没范围变化十分迅速,而Sentinel-1受卫星影像时间分辨率限制,影像也许不能准确记录洪水最大范围,以致提取的洪水最大范围有可能偏小.此外,未能完全去除的山地阴影影响、城市建筑物信号两次反射[1]、大风和降雨会使水面粗糙改变水的镜面反射特性,这些因素都会降低洪水识别的准确度.在数据处理中,对提取的洪水细小碎片进行了筛除,这也可能是误差的来源. ...
Flood monitoring in rural areas of the Pearl River Basin (China) using Sentinel-1 SAR
2
2021
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
... 关于SAR提取洪水的研究可以分为3类:一是适用于自动化、近实时的洪水监测和监控的阈值法[17].如,根据使用长时序影像、考虑洪水的不同深度的归一化洪水指数算法(Normalized Difference Flood Index,NDFI)[18];基于纹理进行提取、根据洪水前后变化阈值提取算法(Change Detection And Threshold,CDAT)[19];基于大津法(OTSU)的全局自动阈值算法及局部阈值算法[2,20-23].二是能够提供更高的精度需要模型训练的方法,更适用于小区域内的精准测绘.比如针对纹理增强的单张SAR图像提出的神经模糊洪水监测方法[24];利用机器学习算法和阈值法结合[25-26]和基于航天飞机水体数据集的全自动分类树方法[20].三是联合其他数据判断洪水区域的方法,侧重于洪水造成的损失估算.如基于时间序列影像多时间变化监测洪水和洪水后土地覆盖的差异法[27];卫星数据与人群来源数据相结合推导的洪水范围图[28]等. ...
2006年中国水旱灾害公报
2
2008
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
... (4)洪水历史数据.主要来源于中国水利部的《水旱公报》[3-7](http://www.mwr.gov.cn/2006-2018)和国际灾难数据库的EM-DAT全球洪水档案[44](https://www.emdat.be/).记录了1960~2018年阶段发生洪水的次数、影响面积以及遭受的人员和财产损失.历史数据可以辅助判断洪水发生的年份以及发生的高峰月份. ...
2006年中国水旱灾害公报
2
2008
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
... (4)洪水历史数据.主要来源于中国水利部的《水旱公报》[3-7](http://www.mwr.gov.cn/2006-2018)和国际灾难数据库的EM-DAT全球洪水档案[44](https://www.emdat.be/).记录了1960~2018年阶段发生洪水的次数、影响面积以及遭受的人员和财产损失.历史数据可以辅助判断洪水发生的年份以及发生的高峰月份. ...
2007 China Flood and Drought Disaster Bulletin
0
2009
《中国水旱灾害公报2010》发布公告
0
2011
《中国水旱灾害公报2010》发布公告
0
2011
2009年中国水旱灾害公报
2
2011
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
... (4)洪水历史数据.主要来源于中国水利部的《水旱公报》[3-7](http://www.mwr.gov.cn/2006-2018)和国际灾难数据库的EM-DAT全球洪水档案[44](https://www.emdat.be/).记录了1960~2018年阶段发生洪水的次数、影响面积以及遭受的人员和财产损失.历史数据可以辅助判断洪水发生的年份以及发生的高峰月份. ...
2009年中国水旱灾害公报
2
2011
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
... (4)洪水历史数据.主要来源于中国水利部的《水旱公报》[3-7](http://www.mwr.gov.cn/2006-2018)和国际灾难数据库的EM-DAT全球洪水档案[44](https://www.emdat.be/).记录了1960~2018年阶段发生洪水的次数、影响面积以及遭受的人员和财产损失.历史数据可以辅助判断洪水发生的年份以及发生的高峰月份. ...
Remote sensing of floods and flood-prone areas: An overview
1
2014
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
Assisting flood disaster response with earth observation data and products: a critical assessment
1
2018
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
Automated water extraction index: a new technique for surface water mapping using Landsat imagery
1
2014
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
Flood detection and flood mapping using multi-temporal synthetic aperture radar and optical data
1
2020
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
Measuring surface water from space
1
2007
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
Flood detection from multi-temporal SAR data using harmonic analysis and change detection
1
2015
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
Sentinel-1 and Sentinel-2 data fusion for wetlands mapping: Balikdami,Turkey
1
2018
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
Identifying floods and flood-affected paddy rice fields in bangladesh based on Sentinel-1 imagery and Google Earth Engine
1
2020
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
An era of Sentinels in flood management: potential of Sentinel-1, -2, and -3 satellites for effective flood management
1
2021
... 洪水灾害是全球发生最频繁、影响最严重的自然灾害之一[1].1970~2015年期间,全球共报告了约12 000起水文灾害,超过67亿人受灾,总损失超过26 000亿美元[2].根据中国水利部发布的水旱公报[3-7],2006~2018年,我国洪水总受灾人口14.73亿人,直接损失共计25 770.6亿元人民币,平均每年1 982.3亿元人民币.因此,加强对洪水灾害的现状监测和事后评估,辅助政府部门决策,对于抢救打捞、应急处置和未来科学规划都具有重要意义.卫星遥感技术具有速度快、时效性强、视野广阔等特点,已成为现代洪水监测与评估工作的重要手段[8].一般来说,可以使用两种类型的卫星遥感影像来观测洪水区域,光学影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像[9].光学传感器,包含可见光、近红外、短波红外等波段,能够监测不同土地覆盖的反射特征,可用于识别水域[10].但是,光学传感器易受云雨天气影响,常在洪涝期间缺乏有效监测数据[11],难以用于洪灾监测.SAR属于主动遥感,可发射雷达脉冲记录地表信息,能够穿过云层并在夜间收集数据[12-13].使用SAR进行洪水灾害监测具有巨大优势.当前运行的SAR卫星有Sentinel-1、Alos、Radarsat-2、COSMO-SkyMed、ERS-2/SAR以及国内的高分三号,时间分辨率在2~24 d左右.其中,Sentinel-1 SAR传感器干涉宽幅(Interferometric Wide swath,IW)模式的空间分辨率为10 m[14],扫描范围可达400 km,时间分辨率为6~12 d[15],具有高精度、数据源稳定、获取成本低、时间分辨率较短等优点,适用于洪水长期监测[16]. ...
Flood mapping based on synthetic aperture radar: An assessment of established approaches
1
2019
... 关于SAR提取洪水的研究可以分为3类:一是适用于自动化、近实时的洪水监测和监控的阈值法[17].如,根据使用长时序影像、考虑洪水的不同深度的归一化洪水指数算法(Normalized Difference Flood Index,NDFI)[18];基于纹理进行提取、根据洪水前后变化阈值提取算法(Change Detection And Threshold,CDAT)[19];基于大津法(OTSU)的全局自动阈值算法及局部阈值算法[2,20-23].二是能够提供更高的精度需要模型训练的方法,更适用于小区域内的精准测绘.比如针对纹理增强的单张SAR图像提出的神经模糊洪水监测方法[24];利用机器学习算法和阈值法结合[25-26]和基于航天飞机水体数据集的全自动分类树方法[20].三是联合其他数据判断洪水区域的方法,侧重于洪水造成的损失估算.如基于时间序列影像多时间变化监测洪水和洪水后土地覆盖的差异法[27];卫星数据与人群来源数据相结合推导的洪水范围图[28]等. ...
Normalized difference flood index for rapid flood mapping: taking advantage of EO Big Data
1
2018
... 关于SAR提取洪水的研究可以分为3类:一是适用于自动化、近实时的洪水监测和监控的阈值法[17].如,根据使用长时序影像、考虑洪水的不同深度的归一化洪水指数算法(Normalized Difference Flood Index,NDFI)[18];基于纹理进行提取、根据洪水前后变化阈值提取算法(Change Detection And Threshold,CDAT)[19];基于大津法(OTSU)的全局自动阈值算法及局部阈值算法[2,20-23].二是能够提供更高的精度需要模型训练的方法,更适用于小区域内的精准测绘.比如针对纹理增强的单张SAR图像提出的神经模糊洪水监测方法[24];利用机器学习算法和阈值法结合[25-26]和基于航天飞机水体数据集的全自动分类树方法[20].三是联合其他数据判断洪水区域的方法,侧重于洪水造成的损失估算.如基于时间序列影像多时间变化监测洪水和洪水后土地覆盖的差异法[27];卫星数据与人群来源数据相结合推导的洪水范围图[28]等. ...
Multi-temporal synthetic aperture radar flood mapping using change detection
1
2018
... 关于SAR提取洪水的研究可以分为3类:一是适用于自动化、近实时的洪水监测和监控的阈值法[17].如,根据使用长时序影像、考虑洪水的不同深度的归一化洪水指数算法(Normalized Difference Flood Index,NDFI)[18];基于纹理进行提取、根据洪水前后变化阈值提取算法(Change Detection And Threshold,CDAT)[19];基于大津法(OTSU)的全局自动阈值算法及局部阈值算法[2,20-23].二是能够提供更高的精度需要模型训练的方法,更适用于小区域内的精准测绘.比如针对纹理增强的单张SAR图像提出的神经模糊洪水监测方法[24];利用机器学习算法和阈值法结合[25-26]和基于航天飞机水体数据集的全自动分类树方法[20].三是联合其他数据判断洪水区域的方法,侧重于洪水造成的损失估算.如基于时间序列影像多时间变化监测洪水和洪水后土地覆盖的差异法[27];卫星数据与人群来源数据相结合推导的洪水范围图[28]等. ...
Automated extraction of surface water extent from Sentinel-1 data
2
2018
... 关于SAR提取洪水的研究可以分为3类:一是适用于自动化、近实时的洪水监测和监控的阈值法[17].如,根据使用长时序影像、考虑洪水的不同深度的归一化洪水指数算法(Normalized Difference Flood Index,NDFI)[18];基于纹理进行提取、根据洪水前后变化阈值提取算法(Change Detection And Threshold,CDAT)[19];基于大津法(OTSU)的全局自动阈值算法及局部阈值算法[2,20-23].二是能够提供更高的精度需要模型训练的方法,更适用于小区域内的精准测绘.比如针对纹理增强的单张SAR图像提出的神经模糊洪水监测方法[24];利用机器学习算法和阈值法结合[25-26]和基于航天飞机水体数据集的全自动分类树方法[20].三是联合其他数据判断洪水区域的方法,侧重于洪水造成的损失估算.如基于时间序列影像多时间变化监测洪水和洪水后土地覆盖的差异法[27];卫星数据与人群来源数据相结合推导的洪水范围图[28]等. ...
... [20].三是联合其他数据判断洪水区域的方法,侧重于洪水造成的损失估算.如基于时间序列影像多时间变化监测洪水和洪水后土地覆盖的差异法[27];卫星数据与人群来源数据相结合推导的洪水范围图[28]等. ...
Operational flood detection using Sentinel-1 SAR data over large areas
0
2019
Automatic flood detection using Sentinel-1 images on the Google Earth Engine
0
2021
1
2022
... 关于SAR提取洪水的研究可以分为3类:一是适用于自动化、近实时的洪水监测和监控的阈值法[17].如,根据使用长时序影像、考虑洪水的不同深度的归一化洪水指数算法(Normalized Difference Flood Index,NDFI)[18];基于纹理进行提取、根据洪水前后变化阈值提取算法(Change Detection And Threshold,CDAT)[19];基于大津法(OTSU)的全局自动阈值算法及局部阈值算法[2,20-23].二是能够提供更高的精度需要模型训练的方法,更适用于小区域内的精准测绘.比如针对纹理增强的单张SAR图像提出的神经模糊洪水监测方法[24];利用机器学习算法和阈值法结合[25-26]和基于航天飞机水体数据集的全自动分类树方法[20].三是联合其他数据判断洪水区域的方法,侧重于洪水造成的损失估算.如基于时间序列影像多时间变化监测洪水和洪水后土地覆盖的差异法[27];卫星数据与人群来源数据相结合推导的洪水范围图[28]等. ...
Towards operational SAR-based flood mapping using neuro-fuzzy texture-based approaches
1
2018
... 关于SAR提取洪水的研究可以分为3类:一是适用于自动化、近实时的洪水监测和监控的阈值法[17].如,根据使用长时序影像、考虑洪水的不同深度的归一化洪水指数算法(Normalized Difference Flood Index,NDFI)[18];基于纹理进行提取、根据洪水前后变化阈值提取算法(Change Detection And Threshold,CDAT)[19];基于大津法(OTSU)的全局自动阈值算法及局部阈值算法[2,20-23].二是能够提供更高的精度需要模型训练的方法,更适用于小区域内的精准测绘.比如针对纹理增强的单张SAR图像提出的神经模糊洪水监测方法[24];利用机器学习算法和阈值法结合[25-26]和基于航天飞机水体数据集的全自动分类树方法[20].三是联合其他数据判断洪水区域的方法,侧重于洪水造成的损失估算.如基于时间序列影像多时间变化监测洪水和洪水后土地覆盖的差异法[27];卫星数据与人群来源数据相结合推导的洪水范围图[28]等. ...
Development of a method for flood detection based on Sentinel‐1 images and classifier algorithms
1
2021
... 关于SAR提取洪水的研究可以分为3类:一是适用于自动化、近实时的洪水监测和监控的阈值法[17].如,根据使用长时序影像、考虑洪水的不同深度的归一化洪水指数算法(Normalized Difference Flood Index,NDFI)[18];基于纹理进行提取、根据洪水前后变化阈值提取算法(Change Detection And Threshold,CDAT)[19];基于大津法(OTSU)的全局自动阈值算法及局部阈值算法[2,20-23].二是能够提供更高的精度需要模型训练的方法,更适用于小区域内的精准测绘.比如针对纹理增强的单张SAR图像提出的神经模糊洪水监测方法[24];利用机器学习算法和阈值法结合[25-26]和基于航天飞机水体数据集的全自动分类树方法[20].三是联合其他数据判断洪水区域的方法,侧重于洪水造成的损失估算.如基于时间序列影像多时间变化监测洪水和洪水后土地覆盖的差异法[27];卫星数据与人群来源数据相结合推导的洪水范围图[28]等. ...
Exploring Sentinel-1 and Sentinel-2 diversity for flood inundation mapping using deep learning
1
2021
... 关于SAR提取洪水的研究可以分为3类:一是适用于自动化、近实时的洪水监测和监控的阈值法[17].如,根据使用长时序影像、考虑洪水的不同深度的归一化洪水指数算法(Normalized Difference Flood Index,NDFI)[18];基于纹理进行提取、根据洪水前后变化阈值提取算法(Change Detection And Threshold,CDAT)[19];基于大津法(OTSU)的全局自动阈值算法及局部阈值算法[2,20-23].二是能够提供更高的精度需要模型训练的方法,更适用于小区域内的精准测绘.比如针对纹理增强的单张SAR图像提出的神经模糊洪水监测方法[24];利用机器学习算法和阈值法结合[25-26]和基于航天飞机水体数据集的全自动分类树方法[20].三是联合其他数据判断洪水区域的方法,侧重于洪水造成的损失估算.如基于时间序列影像多时间变化监测洪水和洪水后土地覆盖的差异法[27];卫星数据与人群来源数据相结合推导的洪水范围图[28]等. ...
Automatic near real-time flood detection using Suomi-NPP/VIIRS data
1
2018
... 关于SAR提取洪水的研究可以分为3类:一是适用于自动化、近实时的洪水监测和监控的阈值法[17].如,根据使用长时序影像、考虑洪水的不同深度的归一化洪水指数算法(Normalized Difference Flood Index,NDFI)[18];基于纹理进行提取、根据洪水前后变化阈值提取算法(Change Detection And Threshold,CDAT)[19];基于大津法(OTSU)的全局自动阈值算法及局部阈值算法[2,20-23].二是能够提供更高的精度需要模型训练的方法,更适用于小区域内的精准测绘.比如针对纹理增强的单张SAR图像提出的神经模糊洪水监测方法[24];利用机器学习算法和阈值法结合[25-26]和基于航天飞机水体数据集的全自动分类树方法[20].三是联合其他数据判断洪水区域的方法,侧重于洪水造成的损失估算.如基于时间序列影像多时间变化监测洪水和洪水后土地覆盖的差异法[27];卫星数据与人群来源数据相结合推导的洪水范围图[28]等. ...
Enhancing the temporal resolution of Satellite-based flood extent generation using crowdsourced data for disaster monitoring
1
2018
... 关于SAR提取洪水的研究可以分为3类:一是适用于自动化、近实时的洪水监测和监控的阈值法[17].如,根据使用长时序影像、考虑洪水的不同深度的归一化洪水指数算法(Normalized Difference Flood Index,NDFI)[18];基于纹理进行提取、根据洪水前后变化阈值提取算法(Change Detection And Threshold,CDAT)[19];基于大津法(OTSU)的全局自动阈值算法及局部阈值算法[2,20-23].二是能够提供更高的精度需要模型训练的方法,更适用于小区域内的精准测绘.比如针对纹理增强的单张SAR图像提出的神经模糊洪水监测方法[24];利用机器学习算法和阈值法结合[25-26]和基于航天飞机水体数据集的全自动分类树方法[20].三是联合其他数据判断洪水区域的方法,侧重于洪水造成的损失估算.如基于时间序列影像多时间变化监测洪水和洪水后土地覆盖的差异法[27];卫星数据与人群来源数据相结合推导的洪水范围图[28]等. ...
Google Earth Engine平台支持下的赣南柑橘果园遥感提取研究
1
2018
... Google Earth Engine(GEE)借助于谷歌公司强大的计算能力和海量的在线数据,为大规模遥感数据处理和挖掘分析提供有利条件[29],能够分析对比不同方法的精度并应用于大量影像上.因此,研究中依托GEE对比适用的方法有利于迅速选取高精度方法并实际应用.阈值法是用于图像二值分类的最快速的方法[30],在应急情况下能够快速提供支持,因此最先被考虑采用.各类阈值法中,NDFI和CDAT相对于OTSU法精度更高,但在阈值的确认上需要更详尽的工作和更详细的洪水期前后影像,削弱了在不同地区快速应用的可能.因此研究优先对比了OTSU单波段阈值法、SDWI指数法和谱间关系结合OTSU这3种方法,选取精度最高的应用巢湖流域.当前,对于巢湖流域,相关研究使用有Grey-Markov预测理论对洪水进行预测的[31],或者过去600 a内的洪水历程分析[32],或是针对巢湖流域洪涝灾害进行风险评价[33],或是就防洪规划进行探讨、对近期洪水分析及应对思考[34-36].另外,使用遥感监测的重点则多在水质环境安全[37],而非洪水监测,关于巢湖流域的单个洪水事件分析则多从水利的角度出发,未对大范围长时序流域洪水特征进行统一表述. ...
Google Earth Engine平台支持下的赣南柑橘果园遥感提取研究
1
2018
... Google Earth Engine(GEE)借助于谷歌公司强大的计算能力和海量的在线数据,为大规模遥感数据处理和挖掘分析提供有利条件[29],能够分析对比不同方法的精度并应用于大量影像上.因此,研究中依托GEE对比适用的方法有利于迅速选取高精度方法并实际应用.阈值法是用于图像二值分类的最快速的方法[30],在应急情况下能够快速提供支持,因此最先被考虑采用.各类阈值法中,NDFI和CDAT相对于OTSU法精度更高,但在阈值的确认上需要更详尽的工作和更详细的洪水期前后影像,削弱了在不同地区快速应用的可能.因此研究优先对比了OTSU单波段阈值法、SDWI指数法和谱间关系结合OTSU这3种方法,选取精度最高的应用巢湖流域.当前,对于巢湖流域,相关研究使用有Grey-Markov预测理论对洪水进行预测的[31],或者过去600 a内的洪水历程分析[32],或是针对巢湖流域洪涝灾害进行风险评价[33],或是就防洪规划进行探讨、对近期洪水分析及应对思考[34-36].另外,使用遥感监测的重点则多在水质环境安全[37],而非洪水监测,关于巢湖流域的单个洪水事件分析则多从水利的角度出发,未对大范围长时序流域洪水特征进行统一表述. ...
Towards operational near real-time flood detection using a split-based automatic thresholding procedure on high resolution TerraSAR-X data
1
2009
... Google Earth Engine(GEE)借助于谷歌公司强大的计算能力和海量的在线数据,为大规模遥感数据处理和挖掘分析提供有利条件[29],能够分析对比不同方法的精度并应用于大量影像上.因此,研究中依托GEE对比适用的方法有利于迅速选取高精度方法并实际应用.阈值法是用于图像二值分类的最快速的方法[30],在应急情况下能够快速提供支持,因此最先被考虑采用.各类阈值法中,NDFI和CDAT相对于OTSU法精度更高,但在阈值的确认上需要更详尽的工作和更详细的洪水期前后影像,削弱了在不同地区快速应用的可能.因此研究优先对比了OTSU单波段阈值法、SDWI指数法和谱间关系结合OTSU这3种方法,选取精度最高的应用巢湖流域.当前,对于巢湖流域,相关研究使用有Grey-Markov预测理论对洪水进行预测的[31],或者过去600 a内的洪水历程分析[32],或是针对巢湖流域洪涝灾害进行风险评价[33],或是就防洪规划进行探讨、对近期洪水分析及应对思考[34-36].另外,使用遥感监测的重点则多在水质环境安全[37],而非洪水监测,关于巢湖流域的单个洪水事件分析则多从水利的角度出发,未对大范围长时序流域洪水特征进行统一表述. ...
Forecast of flood in Chaohu Lake Basin of China based on Grey-Markov theory
1
2007
... Google Earth Engine(GEE)借助于谷歌公司强大的计算能力和海量的在线数据,为大规模遥感数据处理和挖掘分析提供有利条件[29],能够分析对比不同方法的精度并应用于大量影像上.因此,研究中依托GEE对比适用的方法有利于迅速选取高精度方法并实际应用.阈值法是用于图像二值分类的最快速的方法[30],在应急情况下能够快速提供支持,因此最先被考虑采用.各类阈值法中,NDFI和CDAT相对于OTSU法精度更高,但在阈值的确认上需要更详尽的工作和更详细的洪水期前后影像,削弱了在不同地区快速应用的可能.因此研究优先对比了OTSU单波段阈值法、SDWI指数法和谱间关系结合OTSU这3种方法,选取精度最高的应用巢湖流域.当前,对于巢湖流域,相关研究使用有Grey-Markov预测理论对洪水进行预测的[31],或者过去600 a内的洪水历程分析[32],或是针对巢湖流域洪涝灾害进行风险评价[33],或是就防洪规划进行探讨、对近期洪水分析及应对思考[34-36].另外,使用遥感监测的重点则多在水质环境安全[37],而非洪水监测,关于巢湖流域的单个洪水事件分析则多从水利的角度出发,未对大范围长时序流域洪水特征进行统一表述. ...
Study on flood and drought disasters in Chaohu Lake Basin since 600 years
1
2011
... Google Earth Engine(GEE)借助于谷歌公司强大的计算能力和海量的在线数据,为大规模遥感数据处理和挖掘分析提供有利条件[29],能够分析对比不同方法的精度并应用于大量影像上.因此,研究中依托GEE对比适用的方法有利于迅速选取高精度方法并实际应用.阈值法是用于图像二值分类的最快速的方法[30],在应急情况下能够快速提供支持,因此最先被考虑采用.各类阈值法中,NDFI和CDAT相对于OTSU法精度更高,但在阈值的确认上需要更详尽的工作和更详细的洪水期前后影像,削弱了在不同地区快速应用的可能.因此研究优先对比了OTSU单波段阈值法、SDWI指数法和谱间关系结合OTSU这3种方法,选取精度最高的应用巢湖流域.当前,对于巢湖流域,相关研究使用有Grey-Markov预测理论对洪水进行预测的[31],或者过去600 a内的洪水历程分析[32],或是针对巢湖流域洪涝灾害进行风险评价[33],或是就防洪规划进行探讨、对近期洪水分析及应对思考[34-36].另外,使用遥感监测的重点则多在水质环境安全[37],而非洪水监测,关于巢湖流域的单个洪水事件分析则多从水利的角度出发,未对大范围长时序流域洪水特征进行统一表述. ...
巢湖流域洪水灾害风险评价与情景分析
1
2014
... Google Earth Engine(GEE)借助于谷歌公司强大的计算能力和海量的在线数据,为大规模遥感数据处理和挖掘分析提供有利条件[29],能够分析对比不同方法的精度并应用于大量影像上.因此,研究中依托GEE对比适用的方法有利于迅速选取高精度方法并实际应用.阈值法是用于图像二值分类的最快速的方法[30],在应急情况下能够快速提供支持,因此最先被考虑采用.各类阈值法中,NDFI和CDAT相对于OTSU法精度更高,但在阈值的确认上需要更详尽的工作和更详细的洪水期前后影像,削弱了在不同地区快速应用的可能.因此研究优先对比了OTSU单波段阈值法、SDWI指数法和谱间关系结合OTSU这3种方法,选取精度最高的应用巢湖流域.当前,对于巢湖流域,相关研究使用有Grey-Markov预测理论对洪水进行预测的[31],或者过去600 a内的洪水历程分析[32],或是针对巢湖流域洪涝灾害进行风险评价[33],或是就防洪规划进行探讨、对近期洪水分析及应对思考[34-36].另外,使用遥感监测的重点则多在水质环境安全[37],而非洪水监测,关于巢湖流域的单个洪水事件分析则多从水利的角度出发,未对大范围长时序流域洪水特征进行统一表述. ...
巢湖流域洪水灾害风险评价与情景分析
1
2014
... Google Earth Engine(GEE)借助于谷歌公司强大的计算能力和海量的在线数据,为大规模遥感数据处理和挖掘分析提供有利条件[29],能够分析对比不同方法的精度并应用于大量影像上.因此,研究中依托GEE对比适用的方法有利于迅速选取高精度方法并实际应用.阈值法是用于图像二值分类的最快速的方法[30],在应急情况下能够快速提供支持,因此最先被考虑采用.各类阈值法中,NDFI和CDAT相对于OTSU法精度更高,但在阈值的确认上需要更详尽的工作和更详细的洪水期前后影像,削弱了在不同地区快速应用的可能.因此研究优先对比了OTSU单波段阈值法、SDWI指数法和谱间关系结合OTSU这3种方法,选取精度最高的应用巢湖流域.当前,对于巢湖流域,相关研究使用有Grey-Markov预测理论对洪水进行预测的[31],或者过去600 a内的洪水历程分析[32],或是针对巢湖流域洪涝灾害进行风险评价[33],或是就防洪规划进行探讨、对近期洪水分析及应对思考[34-36].另外,使用遥感监测的重点则多在水质环境安全[37],而非洪水监测,关于巢湖流域的单个洪水事件分析则多从水利的角度出发,未对大范围长时序流域洪水特征进行统一表述. ...
安徽省巢湖市城市防洪研究
1
... Google Earth Engine(GEE)借助于谷歌公司强大的计算能力和海量的在线数据,为大规模遥感数据处理和挖掘分析提供有利条件[29],能够分析对比不同方法的精度并应用于大量影像上.因此,研究中依托GEE对比适用的方法有利于迅速选取高精度方法并实际应用.阈值法是用于图像二值分类的最快速的方法[30],在应急情况下能够快速提供支持,因此最先被考虑采用.各类阈值法中,NDFI和CDAT相对于OTSU法精度更高,但在阈值的确认上需要更详尽的工作和更详细的洪水期前后影像,削弱了在不同地区快速应用的可能.因此研究优先对比了OTSU单波段阈值法、SDWI指数法和谱间关系结合OTSU这3种方法,选取精度最高的应用巢湖流域.当前,对于巢湖流域,相关研究使用有Grey-Markov预测理论对洪水进行预测的[31],或者过去600 a内的洪水历程分析[32],或是针对巢湖流域洪涝灾害进行风险评价[33],或是就防洪规划进行探讨、对近期洪水分析及应对思考[34-36].另外,使用遥感监测的重点则多在水质环境安全[37],而非洪水监测,关于巢湖流域的单个洪水事件分析则多从水利的角度出发,未对大范围长时序流域洪水特征进行统一表述. ...
安徽省巢湖市城市防洪研究
1
... Google Earth Engine(GEE)借助于谷歌公司强大的计算能力和海量的在线数据,为大规模遥感数据处理和挖掘分析提供有利条件[29],能够分析对比不同方法的精度并应用于大量影像上.因此,研究中依托GEE对比适用的方法有利于迅速选取高精度方法并实际应用.阈值法是用于图像二值分类的最快速的方法[30],在应急情况下能够快速提供支持,因此最先被考虑采用.各类阈值法中,NDFI和CDAT相对于OTSU法精度更高,但在阈值的确认上需要更详尽的工作和更详细的洪水期前后影像,削弱了在不同地区快速应用的可能.因此研究优先对比了OTSU单波段阈值法、SDWI指数法和谱间关系结合OTSU这3种方法,选取精度最高的应用巢湖流域.当前,对于巢湖流域,相关研究使用有Grey-Markov预测理论对洪水进行预测的[31],或者过去600 a内的洪水历程分析[32],或是针对巢湖流域洪涝灾害进行风险评价[33],或是就防洪规划进行探讨、对近期洪水分析及应对思考[34-36].另外,使用遥感监测的重点则多在水质环境安全[37],而非洪水监测,关于巢湖流域的单个洪水事件分析则多从水利的角度出发,未对大范围长时序流域洪水特征进行统一表述. ...
巢湖流域2020年特大洪涝灾害应对实践与思考
0
2021
巢湖流域2020年特大洪涝灾害应对实践与思考
0
2021
巢湖流域2020年洪水分析
1
2021
... Google Earth Engine(GEE)借助于谷歌公司强大的计算能力和海量的在线数据,为大规模遥感数据处理和挖掘分析提供有利条件[29],能够分析对比不同方法的精度并应用于大量影像上.因此,研究中依托GEE对比适用的方法有利于迅速选取高精度方法并实际应用.阈值法是用于图像二值分类的最快速的方法[30],在应急情况下能够快速提供支持,因此最先被考虑采用.各类阈值法中,NDFI和CDAT相对于OTSU法精度更高,但在阈值的确认上需要更详尽的工作和更详细的洪水期前后影像,削弱了在不同地区快速应用的可能.因此研究优先对比了OTSU单波段阈值法、SDWI指数法和谱间关系结合OTSU这3种方法,选取精度最高的应用巢湖流域.当前,对于巢湖流域,相关研究使用有Grey-Markov预测理论对洪水进行预测的[31],或者过去600 a内的洪水历程分析[32],或是针对巢湖流域洪涝灾害进行风险评价[33],或是就防洪规划进行探讨、对近期洪水分析及应对思考[34-36].另外,使用遥感监测的重点则多在水质环境安全[37],而非洪水监测,关于巢湖流域的单个洪水事件分析则多从水利的角度出发,未对大范围长时序流域洪水特征进行统一表述. ...
巢湖流域2020年洪水分析
1
2021
... Google Earth Engine(GEE)借助于谷歌公司强大的计算能力和海量的在线数据,为大规模遥感数据处理和挖掘分析提供有利条件[29],能够分析对比不同方法的精度并应用于大量影像上.因此,研究中依托GEE对比适用的方法有利于迅速选取高精度方法并实际应用.阈值法是用于图像二值分类的最快速的方法[30],在应急情况下能够快速提供支持,因此最先被考虑采用.各类阈值法中,NDFI和CDAT相对于OTSU法精度更高,但在阈值的确认上需要更详尽的工作和更详细的洪水期前后影像,削弱了在不同地区快速应用的可能.因此研究优先对比了OTSU单波段阈值法、SDWI指数法和谱间关系结合OTSU这3种方法,选取精度最高的应用巢湖流域.当前,对于巢湖流域,相关研究使用有Grey-Markov预测理论对洪水进行预测的[31],或者过去600 a内的洪水历程分析[32],或是针对巢湖流域洪涝灾害进行风险评价[33],或是就防洪规划进行探讨、对近期洪水分析及应对思考[34-36].另外,使用遥感监测的重点则多在水质环境安全[37],而非洪水监测,关于巢湖流域的单个洪水事件分析则多从水利的角度出发,未对大范围长时序流域洪水特征进行统一表述. ...
基于多源遥感数据的巢湖水华长时序时空变化(2009~2018年)分析与发生概率预测
1
2021
... Google Earth Engine(GEE)借助于谷歌公司强大的计算能力和海量的在线数据,为大规模遥感数据处理和挖掘分析提供有利条件[29],能够分析对比不同方法的精度并应用于大量影像上.因此,研究中依托GEE对比适用的方法有利于迅速选取高精度方法并实际应用.阈值法是用于图像二值分类的最快速的方法[30],在应急情况下能够快速提供支持,因此最先被考虑采用.各类阈值法中,NDFI和CDAT相对于OTSU法精度更高,但在阈值的确认上需要更详尽的工作和更详细的洪水期前后影像,削弱了在不同地区快速应用的可能.因此研究优先对比了OTSU单波段阈值法、SDWI指数法和谱间关系结合OTSU这3种方法,选取精度最高的应用巢湖流域.当前,对于巢湖流域,相关研究使用有Grey-Markov预测理论对洪水进行预测的[31],或者过去600 a内的洪水历程分析[32],或是针对巢湖流域洪涝灾害进行风险评价[33],或是就防洪规划进行探讨、对近期洪水分析及应对思考[34-36].另外,使用遥感监测的重点则多在水质环境安全[37],而非洪水监测,关于巢湖流域的单个洪水事件分析则多从水利的角度出发,未对大范围长时序流域洪水特征进行统一表述. ...
基于多源遥感数据的巢湖水华长时序时空变化(2009~2018年)分析与发生概率预测
1
2021
... Google Earth Engine(GEE)借助于谷歌公司强大的计算能力和海量的在线数据,为大规模遥感数据处理和挖掘分析提供有利条件[29],能够分析对比不同方法的精度并应用于大量影像上.因此,研究中依托GEE对比适用的方法有利于迅速选取高精度方法并实际应用.阈值法是用于图像二值分类的最快速的方法[30],在应急情况下能够快速提供支持,因此最先被考虑采用.各类阈值法中,NDFI和CDAT相对于OTSU法精度更高,但在阈值的确认上需要更详尽的工作和更详细的洪水期前后影像,削弱了在不同地区快速应用的可能.因此研究优先对比了OTSU单波段阈值法、SDWI指数法和谱间关系结合OTSU这3种方法,选取精度最高的应用巢湖流域.当前,对于巢湖流域,相关研究使用有Grey-Markov预测理论对洪水进行预测的[31],或者过去600 a内的洪水历程分析[32],或是针对巢湖流域洪涝灾害进行风险评价[33],或是就防洪规划进行探讨、对近期洪水分析及应对思考[34-36].另外,使用遥感监测的重点则多在水质环境安全[37],而非洪水监测,关于巢湖流域的单个洪水事件分析则多从水利的角度出发,未对大范围长时序流域洪水特征进行统一表述. ...
基于云模型的洪涝灾害风险评价与风险管理研究
1
2019
... 巢湖流域在安徽省腹地,位于117°17'~117°52' E、31°43'~31°25' N之间,流域总面积13 486 km2(图1).其集水范围包括两市五县,属于长江下游左岸水系[38].流域内地形复杂,大部分地区比较低缓,河网密布.巢湖流域属亚热带季风气候,年平均降雨量为1 100 mm,雨季(6~8月)降水量占年降水量51%.这些复杂自然条件,加之巢湖流域属于安徽省经济较发达区,人口稠密,是重要的产粮区[39],人类活动对下垫面的影响比较大.降雨期间汇水量急剧增加,使得巢湖流域成为洪灾多发区[40].面对这一现实,需要对巢湖流域的洪灾风险评价研究,掌握区域洪灾风险空间分布特征及演变规律,加强洪水管理,从而指导规划防洪减灾. ...
基于云模型的洪涝灾害风险评价与风险管理研究
1
2019
... 巢湖流域在安徽省腹地,位于117°17'~117°52' E、31°43'~31°25' N之间,流域总面积13 486 km2(图1).其集水范围包括两市五县,属于长江下游左岸水系[38].流域内地形复杂,大部分地区比较低缓,河网密布.巢湖流域属亚热带季风气候,年平均降雨量为1 100 mm,雨季(6~8月)降水量占年降水量51%.这些复杂自然条件,加之巢湖流域属于安徽省经济较发达区,人口稠密,是重要的产粮区[39],人类活动对下垫面的影响比较大.降雨期间汇水量急剧增加,使得巢湖流域成为洪灾多发区[40].面对这一现实,需要对巢湖流域的洪灾风险评价研究,掌握区域洪灾风险空间分布特征及演变规律,加强洪水管理,从而指导规划防洪减灾. ...
基于粮食安全的皖江城市带耕地资源安全评价及保障措施研究
1
2011
... 巢湖流域在安徽省腹地,位于117°17'~117°52' E、31°43'~31°25' N之间,流域总面积13 486 km2(图1).其集水范围包括两市五县,属于长江下游左岸水系[38].流域内地形复杂,大部分地区比较低缓,河网密布.巢湖流域属亚热带季风气候,年平均降雨量为1 100 mm,雨季(6~8月)降水量占年降水量51%.这些复杂自然条件,加之巢湖流域属于安徽省经济较发达区,人口稠密,是重要的产粮区[39],人类活动对下垫面的影响比较大.降雨期间汇水量急剧增加,使得巢湖流域成为洪灾多发区[40].面对这一现实,需要对巢湖流域的洪灾风险评价研究,掌握区域洪灾风险空间分布特征及演变规律,加强洪水管理,从而指导规划防洪减灾. ...
基于粮食安全的皖江城市带耕地资源安全评价及保障措施研究
1
2011
... 巢湖流域在安徽省腹地,位于117°17'~117°52' E、31°43'~31°25' N之间,流域总面积13 486 km2(图1).其集水范围包括两市五县,属于长江下游左岸水系[38].流域内地形复杂,大部分地区比较低缓,河网密布.巢湖流域属亚热带季风气候,年平均降雨量为1 100 mm,雨季(6~8月)降水量占年降水量51%.这些复杂自然条件,加之巢湖流域属于安徽省经济较发达区,人口稠密,是重要的产粮区[39],人类活动对下垫面的影响比较大.降雨期间汇水量急剧增加,使得巢湖流域成为洪灾多发区[40].面对这一现实,需要对巢湖流域的洪灾风险评价研究,掌握区域洪灾风险空间分布特征及演变规律,加强洪水管理,从而指导规划防洪减灾. ...
巢湖流域防洪形势与治理对策分析
1
2018
... 巢湖流域在安徽省腹地,位于117°17'~117°52' E、31°43'~31°25' N之间,流域总面积13 486 km2(图1).其集水范围包括两市五县,属于长江下游左岸水系[38].流域内地形复杂,大部分地区比较低缓,河网密布.巢湖流域属亚热带季风气候,年平均降雨量为1 100 mm,雨季(6~8月)降水量占年降水量51%.这些复杂自然条件,加之巢湖流域属于安徽省经济较发达区,人口稠密,是重要的产粮区[39],人类活动对下垫面的影响比较大.降雨期间汇水量急剧增加,使得巢湖流域成为洪灾多发区[40].面对这一现实,需要对巢湖流域的洪灾风险评价研究,掌握区域洪灾风险空间分布特征及演变规律,加强洪水管理,从而指导规划防洪减灾. ...
巢湖流域防洪形势与治理对策分析
1
2018
... 巢湖流域在安徽省腹地,位于117°17'~117°52' E、31°43'~31°25' N之间,流域总面积13 486 km2(图1).其集水范围包括两市五县,属于长江下游左岸水系[38].流域内地形复杂,大部分地区比较低缓,河网密布.巢湖流域属亚热带季风气候,年平均降雨量为1 100 mm,雨季(6~8月)降水量占年降水量51%.这些复杂自然条件,加之巢湖流域属于安徽省经济较发达区,人口稠密,是重要的产粮区[39],人类活动对下垫面的影响比较大.降雨期间汇水量急剧增加,使得巢湖流域成为洪灾多发区[40].面对这一现实,需要对巢湖流域的洪灾风险评价研究,掌握区域洪灾风险空间分布特征及演变规律,加强洪水管理,从而指导规划防洪减灾. ...
GMES Sentinel-1 mission
1
2012
... 研究涉及的主要卫星数据为Sentinel-1 SAR.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[41],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GEE(https://developers.google.com/earth-engine)获取(表1).接着通过预处理获得每个像素的后向散射系数:①应用轨道文件(用恢复的轨道文件更新轨道元数据);②GRD边界噪声去除(去除低强度噪声和场景边缘上的无效数据);③消除热噪声(通过减少多带采集的子带的不连续性来消除附加噪声);④辐射校准(使用传感器校准参数校准反向散射强度);⑤使用航天飞机雷达地形任务(SRTM-DEM)或ASTER DEM进行地形校正(将数据从地面范围几何转换为后向散射系数).最终得到2015~2020年5~8月的所有可用数据(表2),总计228景影像. ...
Mapping and sampling to characterize global inland water dynamics from 1999 to 2018 with full landsat time-series
1
2020
... (1)全球地表水动态数据集(Global Surface Water Dynamic Dataset,GSWD)[42].GSWD包含了1999~2020年所有Landsat 5、7、8的全球影像,记录了这一时期的地表水的范围变化,并提供了永久水体、季节性水体、流失水体等.源于马里兰大学全球土地分析和发现实验室(https://www.glad.umd.edu/dataset/global-surface-water-dynamics).本数据集被用于验证洪水提取结果的精度. ...
《中华人民共和国土地覆被地图集》(1∶100万)正式出版
1
2017
... (3)土地利用数据集.此数据集涵盖了2015年巢湖流域范围内的土地利用情况,源于《中华人民共和国土地覆被地图集》[43].农田与建设用地面积范围是研究中主要使用的数据,用于洪水提取后的影响分析. ...
《中华人民共和国土地覆被地图集》(1∶100万)正式出版
1
2017
... (3)土地利用数据集.此数据集涵盖了2015年巢湖流域范围内的土地利用情况,源于《中华人民共和国土地覆被地图集》[43].农田与建设用地面积范围是研究中主要使用的数据,用于洪水提取后的影响分析. ...
On the use of global flood forecasts and Satellite-Derived inundation maps for flood monitoring in data-sparse regions
1
2015
... (4)洪水历史数据.主要来源于中国水利部的《水旱公报》[3-7](http://www.mwr.gov.cn/2006-2018)和国际灾难数据库的EM-DAT全球洪水档案[44](https://www.emdat.be/).记录了1960~2018年阶段发生洪水的次数、影响面积以及遭受的人员和财产损失.历史数据可以辅助判断洪水发生的年份以及发生的高峰月份. ...
A comparative performance study of several global thresholding techniques for segmentation
1
1990
... (1)OTSU单波段阈值法:OTSU法是一种通过检查所有可能的值来找到分割阈值的迭代方法.当图像具有双峰分布,且目标要素占据图像30%以上时,OTSU的阈值接近最佳分割值,当目标区域降低到10%时,OTSU的分割性能略显不足[45].研究范围内存在明显的双峰分布(图3(c)),较为适用. ...
基于Sentinel-1数据的水体信息提取方法研究
1
2019
... (3)谱间关系结合OTSU法的自动分割算法.首先,VV与VH极化影像相乘,以放大水体与其他地物的差距[46],然后对整个流域执行OTSU阈值方法从而对影像进行二值化.在实际操作中需要对单日的影像进行镶嵌,并在执行二值化操作后计算水体的面积以筛选不完整的影像(图2).在有山区的雷达图像上,基于合成孔径雷达(SAR)提取地表水体容易与山体阴影的亮度值混淆.因此需要通过DEM地形建模掩膜山体阴影,提高水体提取精度.在此次研究中直接调用了GEE中的Hill Shade算法计算了山体阴影的范围并在生成的水体范围中应用. ...
基于Sentinel-1数据的水体信息提取方法研究
1
2019
... (3)谱间关系结合OTSU法的自动分割算法.首先,VV与VH极化影像相乘,以放大水体与其他地物的差距[46],然后对整个流域执行OTSU阈值方法从而对影像进行二值化.在实际操作中需要对单日的影像进行镶嵌,并在执行二值化操作后计算水体的面积以筛选不完整的影像(图2).在有山区的雷达图像上,基于合成孔径雷达(SAR)提取地表水体容易与山体阴影的亮度值混淆.因此需要通过DEM地形建模掩膜山体阴影,提高水体提取精度.在此次研究中直接调用了GEE中的Hill Shade算法计算了山体阴影的范围并在生成的水体范围中应用. ...
基于混淆矩阵的分类器选择集成方法研究
1
2016
... 对于生成的洪水地图准确性评估分为两部分:①通过历史记录数据确认洪水事件.②参考GSWD包含的水体范围,使用永久水体掩膜后与洪水提取结果对比.评估的主要方法为混淆矩阵.混淆矩阵也称误差矩阵,是表示精度评价的一种标准格式,用n行n列的矩阵形式来表示.具体评价指标有总体精度、制图精度、用户精度等,这些精度指标从不同的侧面反映了图像分类的精度[47].混淆矩阵需要准确的参照点:首先根据洪水历史记录选取发生过特大洪水的年份作为参照,接着排除由于降雨或阴云对影像造的质量不佳的情况,调用GSWD永久水体掩膜月度水体范围数据,得到月度洪水范围图后对图像进行采样获取验证点,再手动确认每一个验证点是否为洪水.最后代入混淆矩阵计算测定洪水地图的准确性. ...
基于混淆矩阵的分类器选择集成方法研究
1
2016
... 对于生成的洪水地图准确性评估分为两部分:①通过历史记录数据确认洪水事件.②参考GSWD包含的水体范围,使用永久水体掩膜后与洪水提取结果对比.评估的主要方法为混淆矩阵.混淆矩阵也称误差矩阵,是表示精度评价的一种标准格式,用n行n列的矩阵形式来表示.具体评价指标有总体精度、制图精度、用户精度等,这些精度指标从不同的侧面反映了图像分类的精度[47].混淆矩阵需要准确的参照点:首先根据洪水历史记录选取发生过特大洪水的年份作为参照,接着排除由于降雨或阴云对影像造的质量不佳的情况,调用GSWD永久水体掩膜月度水体范围数据,得到月度洪水范围图后对图像进行采样获取验证点,再手动确认每一个验证点是否为洪水.最后代入混淆矩阵计算测定洪水地图的准确性. ...