摘要 農(nóng)田澇災(zāi)遙感識(shí)別并非簡(jiǎn)單的水域信息增強(qiáng)與提取，因“作物-水體”的復(fù)合而呈現(xiàn)特定的空間異質(zhì)性和復(fù)雜性?；谶b感等空間信息技術(shù)手段，研究顧及多種農(nóng)田澇災(zāi)影像特征的澇災(zāi)信息快速提取方法。2021年7月中下旬，河南省經(jīng)歷了特大洪澇災(zāi)害，以衛(wèi)輝市和?？h為研究區(qū)域，使用Sentinel-2影像數(shù)據(jù)，分析農(nóng)田澇災(zāi)的影像特征，基于歸一化植被指數(shù)，快速提取了衛(wèi)輝市和浚縣的農(nóng)田澇災(zāi)空間分布信息。經(jīng)實(shí)地采集的信息驗(yàn)證，2縣（市）提取精度均在90%以上。

關(guān)鍵詞 農(nóng)田澇災(zāi)；復(fù)合信息；影像特征；信息提取

中圖分類(lèi)號(hào) S 127 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2024）23-0211-05

doi：10.3969/j.issn.0517-6611.2024.23.046

Image Feature Analysis and Extraction Method Study of Farmland Waterlogging Based on Remote Sensing

CHEN Yuan-yuan1， JIAO Wei-jie1， WANG Lai-gang2 et al

（1. Big Data Development Center， Ministry of Agriculture and Rural Affairs， Beijing 100125;2. Henan Academy of Agricultural Sciences， Zhengzhou， Henan 450002）

Abstract The previous researches on the recognition of farmland waterlogging using remote sensing usually focus on the enhancement and extraction of waterbody information. In fact， the features of farmland waterlogging in remote sensing image are different from those of water， presenting specific heterogeneity and complexity due to the composite of crops and waterbody. The method of rapid extraction of farmland waterlogging based on spatial information technology was explored， which takes into account the complexity of farmland waterlogging. Mid to late July in 2021， catastrophic flood disaster occurred in Henan Province. Taking Weihui City and Junxian as the research areas and Sentinel 2 image as the main data， we analyzed the image characteristics of farmland flood disasters and the distribution information of farmland waterlogging in research areas was extracted by combining normalization difference vegetation index and visual interpretation. The accuracies of the two research areas were more than 90%， based on the in situ data.

Key words Farmland waterlogging;Composite information;Image characteristics;Information extraction

基金項(xiàng)目 國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2019YFE0115200，2023YFB3906-205）。

作者簡(jiǎn)介 陳媛媛（1985—），女，河北衡水人，高級(jí)工程師，博士，從事農(nóng)業(yè)災(zāi)害遙感監(jiān)測(cè)研究。*通信作者，正高級(jí)工程師，碩士，從事農(nóng)業(yè)遙感應(yīng)用與信息化研究。

收稿日期 2023-11-27

洪澇災(zāi)害是指由于降水過(guò)多或過(guò)于集中，特定區(qū)域無(wú)法承受或排出過(guò)量水體而被浸泡或完全淹沒(méi)的現(xiàn)象［1］，其發(fā)生往往具有突發(fā)性和不確定性。我國(guó)洪災(zāi)災(zāi)害發(fā)生頻率高，尤其是在每年的7和8月，東北、華北和江淮一帶時(shí)常發(fā)生洪澇災(zāi)害，強(qiáng)降雨導(dǎo)致的農(nóng)田積水、河道決堤給農(nóng)業(yè)生產(chǎn)帶來(lái)不少損失［2］。準(zhǔn)確、快速提取農(nóng)田范圍內(nèi)的洪澇災(zāi)害信息，有助于各級(jí)農(nóng)業(yè)管理部門(mén)第一時(shí)間掌握災(zāi)情范圍和受災(zāi)程度，快速制定合理的救災(zāi)和減災(zāi)方案，最大程度減少災(zāi)害損失，同時(shí)也有利于農(nóng)業(yè)保險(xiǎn)部門(mén)制定精準(zhǔn)的理賠方案，創(chuàng)新理賠模式［3-4］。洪澇發(fā)生后，往往造成多條道路積水嚴(yán)重，車(chē)輛無(wú)法通行，加之農(nóng)業(yè)澇災(zāi)多成片大面積發(fā)生，靠人力很難在短時(shí)間內(nèi)全面勘察清楚。以遙感為主的空間信息技術(shù)具有觀測(cè)范圍大、表達(dá)信息客觀以及與地理信息系統(tǒng)結(jié)合使用強(qiáng)大的空間數(shù)據(jù)分析等優(yōu)勢(shì)，是洪澇災(zāi)害信息提取和分析的有效手段［5］。

首次運(yùn)用遙感技術(shù)進(jìn)行洪澇災(zāi)害監(jiān)測(cè)和制圖試驗(yàn)的是美國(guó)學(xué)者Rango［6］，之后不少研究者開(kāi)展了基于遙感影像的洪澇災(zāi)害信息提取研究，創(chuàng)建了歸一化差異水體指數(shù)（normalized difference water index，NDWI）、基于Sentinel-1的雙極化水體指數(shù)等模型來(lái)突出水體與背景信息的差異，并將相關(guān)指數(shù)用在不用區(qū)域不同時(shí)間的災(zāi)害監(jiān)測(cè)研究中。例如，周晗［7］用NDWI提取2017年斯里蘭卡特大洪災(zāi)淹沒(méi)區(qū)；代輝等［8］用歸一化差異水體指數(shù)監(jiān)測(cè)了2012年內(nèi)蒙古巴彥淖爾的特大暴雨。此外，蘇亞麗［9］利用MODIS時(shí)序數(shù)據(jù)采用歸一化植被指數(shù)（NDVI）關(guān)注澇災(zāi)開(kāi)始時(shí)間和持續(xù)時(shí)長(zhǎng)；汪權(quán)方等［5］建立了洪災(zāi)擴(kuò)展動(dòng)態(tài)度指數(shù)和區(qū)域?yàn)?zāi)情比較指數(shù)，研究了2016年夏季鄱陽(yáng)湖區(qū)域的農(nóng)業(yè)澇災(zāi)時(shí)空變化趨勢(shì)；眭海剛等［10］提出了多模態(tài)序列遙感影像的一體化配準(zhǔn)和洪澇災(zāi)損信息提取方法。隨著近年來(lái)雷達(dá)影像技術(shù)的發(fā)展，Sentinel-1、Gaofen 3等微波數(shù)據(jù)也被應(yīng)用到洪澇災(zāi)害監(jiān)測(cè)領(lǐng)域［11-14］，但是雷達(dá)影像中的相干斑噪聲往往導(dǎo)致水體提取結(jié)果中“椒鹽現(xiàn)象”比較明顯，提取精度和智能化水平往往較光學(xué)影像低［7，15］。分析既有研究不難發(fā)現(xiàn)，前人利用遙感技術(shù)提取洪澇區(qū)域的研究往往側(cè)重于水域信息的增強(qiáng)和提?。?，16-18］。實(shí)際上，就農(nóng)田澇災(zāi)而言，其影像特征不同于水域，會(huì)因“萎蔫或死亡作物-水體”復(fù)合程度的不同而呈現(xiàn)復(fù)雜的影像特征［1］，具有空間異質(zhì)性。除了明顯的水體特征外，還存在因長(zhǎng)時(shí)間水淹而萎蔫的作物以及淹沒(méi)區(qū)水體和作物共存的混合現(xiàn)象等，這也往往會(huì)導(dǎo)致澇災(zāi)遙感識(shí)別的不確定性。以前研究往往“將洪災(zāi)區(qū)域視為水域”來(lái)進(jìn)行提?。?9］，對(duì)“農(nóng)田洪澇災(zāi)區(qū)的空間異質(zhì)性與復(fù)雜性”問(wèn)題關(guān)注不多，這也是快速提取澇災(zāi)區(qū)域的難點(diǎn)所在。光學(xué)影像較雷達(dá)數(shù)據(jù)表達(dá)的地物信息更為豐富，適合用于關(guān)注和研究農(nóng)田洪澇災(zāi)區(qū)的空間異質(zhì)性和復(fù)雜性問(wèn)題。

面向農(nóng)田澇災(zāi)信息業(yè)務(wù)化監(jiān)測(cè)需求，筆者以2021年7月河南省歷史上罕見(jiàn)的特大澇災(zāi)為關(guān)注點(diǎn)，研究農(nóng)田澇災(zāi)的空間異質(zhì)性問(wèn)題；利用第二次全國(guó)土地調(diào)查（以下簡(jiǎn)稱(chēng)“二調(diào)”）等基礎(chǔ)地理信息數(shù)據(jù)作為輔助，探索一種適合農(nóng)田洪澇災(zāi)區(qū)目標(biāo)多樣化特征的農(nóng)業(yè)澇災(zāi)快速提取策略。該研究一方面為農(nóng)業(yè)部門(mén)快速客觀掌握洪澇災(zāi)損信息提供參考，另一方面也為因水淹而受損的農(nóng)業(yè)災(zāi)害精準(zhǔn)理賠提供有價(jià)值的空間信息。

1 研究區(qū)域與數(shù)據(jù)源

1.1 研究區(qū)域

2021年7月17日開(kāi)始，河南省多地持續(xù)出現(xiàn)暴雨甚至特大暴雨，本輪降雨基本在7月23日才停止。全省各地出現(xiàn)了不同程度的汛情，其中鄭州、新鄉(xiāng)、鶴壁等市災(zāi)情嚴(yán)重。衛(wèi)輝市位于新鄉(xiāng)市北部，屬于全市海拔最低的地方；?？h位于鶴壁市東部，緊鄰衛(wèi)輝市。共產(chǎn)主義渠、衛(wèi)河、東孟姜女河等河流都在衛(wèi)輝、?？h境內(nèi)交匯，是上游排水的必經(jīng)之處。受連續(xù)強(qiáng)降雨影響，7月23日凌晨，共產(chǎn)主義渠開(kāi)始漫堤溢洪，衛(wèi)河決堤，河流流經(jīng)的衛(wèi)輝市和浚縣較大范圍被洪水淹沒(méi)，成為受降雨和泄洪雙重因素影響的洪澇重災(zāi)區(qū)。因此該研究以衛(wèi)輝市和?？h為研究區(qū)域（圖1），利用Sentinel-2光學(xué)影像分析2縣（市）耕地受災(zāi)情況。

1.2 遙感影像

研究區(qū)域在7月17—30日間均有不同程

度的降水，該研究獲取了研究區(qū)域2021年7月31日的

Sentinel-2無(wú)云遙感影像。Sentinel-2衛(wèi)星于2015年發(fā)射成功，攜帶的多光譜成像儀幅寬290 km，具有從可見(jiàn)光至短波紅外的13個(gè)波段，空間分辨率為10、20和60 m。該研究使用的Sentinel-2數(shù)據(jù)是從Google Earth Engine平臺(tái)上下載的標(biāo)準(zhǔn)地表反射率產(chǎn)品，經(jīng)裁剪后得到覆蓋衛(wèi)輝市和?？h的遙感影像（圖2），用于分析澇災(zāi)影像特征及信息提取方法研究。

1.3 其他地理信息數(shù)據(jù)

基礎(chǔ)地理信息數(shù)據(jù)對(duì)于業(yè)務(wù)化洪澇災(zāi)害快速監(jiān)測(cè)是必要的。該研究重點(diǎn)關(guān)注農(nóng)田澇災(zāi)的空間分布范圍和信息，因此利用二調(diào)數(shù)據(jù)中旱地、水田、水澆地的矢量圖斑，合成耕地圖層。對(duì)二調(diào)數(shù)據(jù)中村級(jí)的土地利用類(lèi)型進(jìn)行合并，形成村級(jí)行政界線(xiàn)數(shù)據(jù)。

1.4 野外調(diào)查數(shù)據(jù)

7月下旬，研究區(qū)域道路和農(nóng)田積水過(guò)多，野外調(diào)查于8月份進(jìn)行，調(diào)查區(qū)域主要是人能到達(dá)或是視野能觸及的農(nóng)田區(qū)域。調(diào)查重點(diǎn)在共產(chǎn)主義渠、東孟姜女等河流漫溢、決堤周邊重災(zāi)區(qū)一帶開(kāi)展。在高精度GPS的支持下，衛(wèi)輝市和?？h分別搜集了37、51個(gè)野外調(diào)查數(shù)據(jù)（圖3），記錄了每個(gè)調(diào)查點(diǎn)處的經(jīng)緯度、作物淹沒(méi)情況，用于輔助澇災(zāi)農(nóng)田遙感影像特征分析及提取結(jié)果的驗(yàn)證。

2 方法

研究按照災(zāi)情目標(biāo)信息分析—災(zāi)情區(qū)域提取—災(zāi)情信息統(tǒng)計(jì)與驗(yàn)證的思路開(kāi)展，具體流程見(jiàn)圖4。

2.1 災(zāi)情目標(biāo)信息分析

受降雨時(shí)長(zhǎng)和河流決堤等主次生

因素疊加影響，截至7月底，研究區(qū)域內(nèi)有的地方洪水仍未

消退，伴有嚴(yán)重積水、輕度積水等不同狀態(tài)，類(lèi)似水體特征；有的地方水已消退，但作物因長(zhǎng)時(shí)間浸泡呈現(xiàn)萎蔫或死亡態(tài)；有的地方呈現(xiàn)水體和作物的混合特征（圖5）。因此，該研究的災(zāi)情目標(biāo)信息涉及3類(lèi)，分別為水體、萎蔫或死亡作物、由水體-萎蔫或接近死亡作物構(gòu)成的混合承災(zāi)體，單純提取農(nóng)田內(nèi)的水體不能完全提取出受災(zāi)區(qū)域。利用遙感影像的紅和近紅外波段計(jì)算NDVI值，即（近紅外-紅）/（近紅外+紅），發(fā)現(xiàn)這3類(lèi)承災(zāi)體的共同特征是NDVI值較未受洪災(zāi)影響而正常生長(zhǎng)的作物區(qū)域明顯偏低，這也與前人研究結(jié)論相一致［20-21］。根據(jù)幾何形狀和沿一定方向延伸的特征判斷，研究區(qū)域內(nèi)存在部分寬度較窄、在二調(diào)耕地圖層中并

未去除的道路信息，其光譜特征值與因長(zhǎng)時(shí)間受淹而萎蔫或死亡的

作物光譜特征類(lèi)似，其N(xiāo)DVI值與因長(zhǎng)時(shí)間受淹而萎蔫或死亡的作物NDVI值接近，在災(zāi)損信息圖層中去除這類(lèi)信息難度較大。

2.2 災(zāi)情區(qū)域提取

此次農(nóng)田澇災(zāi)提取的關(guān)鍵在于如何從遙感影像中快速提取出上述3類(lèi)目標(biāo)信息。針對(duì)受云雨天氣影響無(wú)法保障多時(shí)次光學(xué)影像的情況，該研究抓住3類(lèi)目標(biāo)信息具有NDVI值偏低這一共同特性，制定了農(nóng)田澇災(zāi)提取策略。具體過(guò)程如下：針對(duì)“2.1”中的發(fā)現(xiàn)，首先用NDVI圖像，通過(guò)設(shè)置閾值將原始影像二值化，提取出低于閾值的區(qū)域。衛(wèi)輝市和?？h的NDVI閾值分別為0.65、0.75。使用基于二調(diào)數(shù)據(jù)合成的耕地圖層對(duì)NDVI低閾值區(qū)域進(jìn)行掩膜，得到農(nóng)田澇災(zāi)的初步提取結(jié)果；針對(duì)“2.1”中的發(fā)現(xiàn)并結(jié)合前人研究，人類(lèi)視覺(jué)系統(tǒng)在感知外界環(huán)境時(shí)有極強(qiáng)的辨識(shí)力，即使對(duì)遙感影像的少數(shù)具有微弱光譜信號(hào)地物，也能憑借其亮度、顏色、形狀等的綜合性狀與周邊像元不同而快速處理，從而能夠分辨出這些目標(biāo)對(duì)象［1］，這也是部分狹窄田間道路能夠被人眼識(shí)別出來(lái)但卻不能被計(jì)算機(jī)分類(lèi)出來(lái)的原因。因此，該研究對(duì)初步結(jié)果進(jìn)行柵格—矢量轉(zhuǎn)換，通過(guò)人機(jī)交互和目視判讀的方式進(jìn)行修正，刪除混在初步提取結(jié)果中的狹窄道路信息，得到精確的農(nóng)田澇災(zāi)空間分布圖（圖6）。

2.3 災(zāi)情信息統(tǒng)計(jì)與驗(yàn)證

將所提農(nóng)田澇災(zāi)空間分布結(jié)果與村界矢量圖層進(jìn)行疊加分析，統(tǒng)計(jì)各個(gè)村的農(nóng)田澇災(zāi)情況。以實(shí)地調(diào)查的樣點(diǎn)受災(zāi)與否信息與遙感提取的農(nóng)田澇災(zāi)結(jié)果的符合情況評(píng)估本文結(jié)果的準(zhǔn)確性，如公式（1）所示。

A=N1/N2×100%（1）

式中：A表示文本結(jié)果的準(zhǔn)確率；N1和N2分別表示實(shí)地調(diào)查與遙感結(jié)果吻合的調(diào)查點(diǎn)數(shù)量、調(diào)查點(diǎn)總數(shù)。

3 結(jié)果及驗(yàn)證

3.1 結(jié)果

衛(wèi)輝市7月31日農(nóng)田澇災(zāi)面積17 160.94 hm2，占全市耕地面積的38.40%，涉及340個(gè)行政村。其中，頓坊店鄉(xiāng)下馬營(yíng)村農(nóng)田受災(zāi)面積居全市農(nóng)田受災(zāi)面積之首，為373.89 hm2，占全市農(nóng)田受災(zāi)面積的2.18%。緊鄰其后的是邵莊村、黃土崗村、東紙坊村、萬(wàn)戶(hù)寨村，受災(zāi)面積均超過(guò)300 hm2，占全市農(nóng)田受災(zāi)面積的7.37%。63個(gè)村的農(nóng)田受災(zāi)面積在100～300 hm2，占全市農(nóng)田受災(zāi)面積的58.84%；272個(gè)村的農(nóng)田受災(zāi)面積在100 hm2以下，占全市農(nóng)田受災(zāi)面積的31.60%?？？h7月31日農(nóng)田澇災(zāi)面積32 860.91 hm2，占全縣耕地面積的45.03%，涉及468個(gè)行政村。受災(zāi)最為嚴(yán)重的是白寺鎮(zhèn)白寺村，農(nóng)田受災(zāi)面積731.71 hm2，占全縣農(nóng)田受災(zāi)面積的2.22%；其次是新鎮(zhèn)鎮(zhèn)新鎮(zhèn)村、刑固村、54854部隊(duì)、衛(wèi)賢鎮(zhèn)趙崗村、新鎮(zhèn)鎮(zhèn)牛村、申店村，農(nóng)田受災(zāi)面積在300～600 hm2，占全縣農(nóng)田受災(zāi)面積的7.17%。118個(gè)村的農(nóng)田受災(zāi)面積在100～300 hm2，占全縣農(nóng)田受災(zāi)面積的58.11%；343個(gè)村的農(nóng)田受災(zāi)面積在100 hm2以下，占全縣農(nóng)田受災(zāi)面積的32.49%。

從受災(zāi)區(qū)域的空間分布來(lái)看，大部分受災(zāi)區(qū)域位于共產(chǎn)主義渠及其衛(wèi)河沿線(xiàn)地帶，這些地方地勢(shì)偏低，洪水和泄洪引發(fā)的次生洪澇疊加使得過(guò)量水體無(wú)法外排，積水成災(zāi)。

3.2 驗(yàn)證

根據(jù)實(shí)地調(diào)查，GPS記錄的所有調(diào)查點(diǎn)均遭受了洪澇災(zāi)害侵襲，大部分驗(yàn)證點(diǎn)在調(diào)查時(shí)間積水還較多，少量驗(yàn)證點(diǎn)處積水已褪去，但作物已經(jīng)萎蔫，幾乎面臨絕產(chǎn)。衛(wèi)輝市的37個(gè)驗(yàn)證點(diǎn)中，35個(gè)驗(yàn)證點(diǎn)的實(shí)地調(diào)查情況與遙感提取結(jié)果吻合，準(zhǔn)確率94.59%；浚縣的51個(gè)驗(yàn)證點(diǎn)中，47個(gè)驗(yàn)證點(diǎn)的實(shí)地調(diào)查情況與遙感提取結(jié)果吻合，準(zhǔn)確率92.16%。

4 結(jié)論與討論

不同于已公開(kāi)文獻(xiàn)中大多關(guān)注水體信息的強(qiáng)化與提取研究，該研究針對(duì)農(nóng)田洪澇災(zāi)害的空間異質(zhì)性問(wèn)題，以農(nóng)田澇災(zāi)業(yè)務(wù)化提取為導(dǎo)向，結(jié)合遙感和基礎(chǔ)空間地理信息數(shù)據(jù)，提出了農(nóng)田澇災(zāi)快速提取方法。所提方法使用一期遙感影像，避免了陰雨天氣多時(shí)次高質(zhì)量遙感影像獲取困難的問(wèn)題。將所提方法應(yīng)用在2個(gè)縣（市）的耕地洪澇災(zāi)害信息提取中，經(jīng)基于實(shí)地采集點(diǎn)的驗(yàn)證，所提方法精度均在90%以上。

由于農(nóng)田澇災(zāi)影像特征的復(fù)雜多樣性以及精準(zhǔn)耕地圖層數(shù)據(jù)的缺失，為準(zhǔn)確提取農(nóng)田澇災(zāi)信息，該研究對(duì)基于NDVI閾值提取的農(nóng)田澇災(zāi)圖層進(jìn)行了目視修正，這屬于定性或半定量的研究范疇［22］。未來(lái)，繼續(xù)探索挖掘澇災(zāi)農(nóng)田的光譜特征信息，構(gòu)建針對(duì)農(nóng)田澇災(zāi)復(fù)雜多樣性的特征指數(shù)和定量遙感識(shí)別方法是農(nóng)業(yè)洪澇災(zāi)害領(lǐng)域的一個(gè)發(fā)展方向。

受天氣及地形等因素影響，洪澇災(zāi)情往往處于不斷的動(dòng)態(tài)變化之中，需使用澇災(zāi)發(fā)生之后多時(shí)序的影像數(shù)據(jù)進(jìn)行災(zāi)情變化趨勢(shì)和災(zāi)損程度分析。實(shí)際應(yīng)用中，獲取特定時(shí)間特定地點(diǎn)的多時(shí)次影像依然是一項(xiàng)客觀挑戰(zhàn)，大范圍洪澇災(zāi)害空間信息獲取與災(zāi)情評(píng)估也因此存在響應(yīng)速度不夠及時(shí)的問(wèn)題。加強(qiáng)國(guó)產(chǎn)大寬幅遙感影像數(shù)據(jù)及產(chǎn)品的服務(wù)能力，強(qiáng)化多源遙感數(shù)據(jù)、遙感與非遙感數(shù)據(jù)協(xié)同監(jiān)測(cè)，提升災(zāi)區(qū)信息智能化提取水平，是快速進(jìn)行農(nóng)業(yè)洪澇災(zāi)情評(píng)估需重視的方向之一。

參考文獻(xiàn)

［1］ 汪權(quán)方，張雨，汪倩倩，等.基于視覺(jué)注意機(jī)制的洪澇淹沒(méi)區(qū)遙感識(shí)別方法［J］.農(nóng)業(yè)工程學(xué)報(bào)，2019，35（22）：296-304.

［2］ 張少春，高惠瑛.全國(guó)年度和場(chǎng)次洪澇災(zāi)情評(píng)估研究［J］.人民長(zhǎng)江，2020，51（6）：5-10.

［3］ 隋學(xué)艷，梁守真，張金盈，等.不同生育時(shí)期玉米洪澇脅迫遙感監(jiān)測(cè)與評(píng)估［J］.作物學(xué)報(bào)，2021，47（1）：177-184.

［4］ 劉振功.基于遙感技術(shù)的農(nóng)業(yè)保險(xiǎn)業(yè)務(wù)模式創(chuàng)新研究［D］.濟(jì)南：山東大學(xué)，2016.

［5］ 汪權(quán)方，孫佩，王新生，等.基于洪水過(guò)程的農(nóng)業(yè)洪災(zāi)變化遙感快速評(píng)估模型及其應(yīng)用［J］.長(zhǎng)江流域資源與環(huán)境，2017，26（11）：1831-1842.

［6］ RANGO A，ANDERSON A T.Flood hazard studies in the Mississippi River basin using remote sensing［J］.Journal of the American water resources association，1974，10（5）：1060-1081.

［7］ 周晗.基于Sentinel1/2的斯里蘭卡洪澇淹沒(méi)范圍提取研究［D］.北京：中國(guó)科學(xué)院大學(xué)（中國(guó)科學(xué)院遙感與數(shù)字地球研究所），2018.

［8］ 代輝，武文波，劉純波，等.洪澇災(zāi)害天空地一體化災(zāi)情查勘技術(shù)研究［J］.自然災(zāi)害學(xué)報(bào)，2014，23（1）：1-6.

［9］ 蘇亞麗.耕地暴雨洪水災(zāi)害多源衛(wèi)星遙感監(jiān)測(cè)方法研究［D］.西安：西安科技大學(xué)，2018.

［10］ 眭海剛，趙博飛，徐川，等.多模態(tài)序列遙感影像的洪澇災(zāi)害應(yīng)急信息快速提?。跩］.武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2021，46（10）：1441-1449.

［11］ ALEXANDRE C，JOHARY R，CATRY T，et al.A Sentinel-1 based processing chain for detection of Cyclonic flood Impacts［J］.Remote sensing，2020，12（2）：1-18.

［12］ 周琳.基于改進(jìn)SLIC算法的融合影像水體提取研究：以GF-1與GF-3為例［D］.贛州：江西理工大學(xué)，2019.

［13］ ZHANG M M，CHEN F，LIANG D，et al.Use of Sentinel-1 GRD SAR images to delineate flood extent in Pakistan［J］.Sustainability，2020，12（14）：1-19.

［14］ 賈詩(shī)超，薛東劍，李成繞，等.基于Sentinel-1數(shù)據(jù)的水體信息提取方法研究［J］.人民長(zhǎng)江，2019，50（2）：213-217.

［15］ 李丹，吳保生，陳博偉，等.基于衛(wèi)星遙感的水體信息提取研究進(jìn)展與展望［J］.清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，60（2）：147-161.

［16］ 唐德可，王峰，王宏琦.基于馬爾科夫分割的單極化SAR數(shù)據(jù)洪澇水體檢測(cè)方法［J］.電子與信息學(xué)報(bào)，2019，41（3）：619-625.

［17］ UDDIN K，MATIN M A，MEYER F J.Operational flood mapping using multi-temporal Sentinel-1 SAR images：A case study from Bangladesh［J］.Remote sensing，2019，11（13）：1-19.

［18］ AMITRANO D，DI MARTINO G，IODICE A，et al.Unsupervised rapid flood mapping using Sentinel-1 GRD SAR images［J］.IEEE transactions on geoscience and remote sensing，2018，56（6）：3290-3299.

［19］ 伍俊斌，劉雷震，田豐，等.面向重大洪澇災(zāi)害應(yīng)急響應(yīng)的災(zāi)情動(dòng)態(tài)評(píng)估方法研究：以2018年8月山東壽光洪澇災(zāi)害為例［J］.北京師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，56（6）：846-855.

［20］ 畢京佳.基于遙感和GIS的洪水淹沒(méi)范圍估測(cè)與模擬研究［D］.青島：中國(guó)科學(xué)院研究生院（海洋研究所），2016.

［21］ 解文歡，張有智，劉述彬.農(nóng)業(yè)洪澇災(zāi)害研究進(jìn)展［J］.中國(guó)農(nóng)業(yè)資源與區(qū)劃，2020，41（1）：204-211.

［22］ 王大鵬，李長(zhǎng)安，李輝.基于遙感的武漢植被覆蓋動(dòng)態(tài)變化研究［J］.農(nóng)機(jī)化研究，2009，31（7）：74-78.