多模态遥感影像助力洪涝灾害应急监测

创作时间:

作者:

@小白创作中心

多模态遥感影像助力洪涝灾害应急监测

引用

澎湃

https://www.thepaper.cn/newsDetail_forward_16846511

随着全球气候变化的加剧，洪涝灾害的发生频率和危害性逐年增加。传统的洪涝灾害监测方法存在时效性差、数据处理链路长等问题，难以满足应急响应的需求。武汉大学研究团队提出了一种多模态序列遥感影像一体化配准与洪涝灾害自动变化监测方法，能够实现小时级的灾害应急信息提取，为防灾减灾提供了有力的技术支持。

研究背景与意义

气候变化导致洪涝灾害的发生频率与危害性逐年增加。通过卫星观测发现，2000—2015年全球受洪涝灾害影响的总人口达8 600万人，全球遭受洪水灾害的人口比例增加了20%~24%，比之前的估计高出10倍。中国是洪涝灾害频繁发生的国家，因暴雨导致的山洪暴发、河道溃堤、农田被淹、城市内涝等洪水灾害严重威胁着人民生命财产安全。

现有技术存在的问题

洪灾发生后，启动应急观测获取的数据来源多样、传感器类型差异大，不同数据处理需要的软件平台不同、处理流程不同，多源数据协同处理需要在不同软件平台中切换，导致处理链路长、智能化水平低，难以满足应急监测的时效性需求。目前，多模态序列遥感影像在洪涝应急监测应用中主要存在以下几个问题：

由于传感器类型、成像方式和时间差异，多源异质遥感影像导致传统的配准方法自动化程度低、精度不高；
洪涝灾害发生后地表变化复杂，多时相遥感影像的洪涝范围提取智能化水平不高；
灾前基础地理信息不完备、现势性不强，导致灾损信息提取耗时长、精度不高。

创新方法与技术流程

针对上述问题，研究团队提出了一种多模态序列遥感影像一体化配准与洪涝灾害自动变化监测方法。该方法主要包括以下几个关键步骤：

顾及深度特征和语义信息的光学与SAR遥感影像配准：通过深度学习方法提取匹配特征，实现多时相遥感影像的快速自动配准。
多源序列遥感影像洪涝范围提取：结合灾前光学影像和灾后SAR影像，采用Deep U-Net-CRF-RR模型和DD-Net模型进行水体范围提取和变化检测。
洪涝灾损信息提取：融合深度学习与导航数据，提取高精度的道路网和建筑区数据，为灾损评估提供基础数据支持。

应用案例与效果验证

研究团队以2020年7月安徽蒙洼蓄洪区和2021年7月河南新乡洪涝灾害为案例，验证了该方法的实际应用效果。结果显示，该方法能够准确提取洪涝变化范围，并实现道路和建筑等承灾体的灾损信息快速评估。具体效果如下：

安徽蒙洼蓄洪区：通过GF-2光学数据和GF-3 SAR影像监测，成功提取了7月13日、20日和21日的洪涝变化范围。分析显示，泄洪后蒙洼蓄洪区区域内被淹没的道路总长度约57.67 km，芦曹路、蒙洼大桥等多条道路遭受洪水淹没，其中曹集镇道路受淹面积较大，占总淹没道路的43.96%；村庄居民区方面受洪水影响淹没范围达到1.79 km2，受影响比例达到14.81%。

河南新乡：通过哨兵2号卫星数据和GF-3影像监测，成功提取了7月21日和7月22日的洪涝变化范围。结果显示，新乡7月22日共产主义渠洪水漫溢进入卫河和大沙河，新乡市及周边区域有较大范围被洪水淹没，其中共产主义渠和卫河沿岸、辉县、大块镇、凤泉区、卫辉县为重灾区。

结论与展望

研究团队提出的多模态序列遥感影像一体化配准与洪涝灾害自动变化监测方法，有效解决了云雨天气导致的光学影像无法实时监测洪灾的问题，并将洪涝范围和灾损信息提取时间缩短到数小时，基本满足应急快速响应需求。该方法的成功应用为防灾减灾提供了有力的技术支持，也为未来遥感技术在灾害监测领域的应用提供了新的思路和方向。