基于SAR影像数据的2024年团洲垸溃堤淹没监测及灾情分析OA

【目的】针对农业圩垸区半淹没耕地与水体的后向散射特征相似导致SAR提取精度不足的问题,本研究融合土地利用先验知识,实现2024年团洲垸溃堤洪水的精准淹没监测与灾情分析。【方法】以2024年团洲垸溃堤事件为例,基于多时相Sentinel-1与高分三号SAR影像及灾前土地利用数据,构建融合土地利用先验知识的SAR影像分区自适应水体提取模型(SDWI-LU),采用差异化阈值优化策略提取水体,并对比多方法水体提取精度验证其有效性;结合时序影像与水文数据,系统分析洪水的时空演化规律及受灾情况。【结果】(1)SDWI-LU分区自适应阈值法有效抑制了半淹没耕地的误判,F1均值达0.982,提取精度显著优于传统单一阈值等方法。(2)溃堤洪水演化呈现“渐进扩张—爆发扩散—滞后消退”三阶段特征,退水阶段淹没面积的消退速率(1.87 km^(2)/d)远低于溃堤后爆发扩散阶段的日激增幅度(40.15 km^(2)/d),亦明显缓于溃堤前水位持续抬升阶段的渐进扩张速率。(3)耕地与建设用地为主要受灾地类,约83%的耕地遭受10 d以上的持续淹没,农业受损严重。【结论】融合土地利用先验知识的分区自适应策略有效突破了复杂地表覆盖下SAR水体提取的精度瓶颈,客观揭示了突发溃堤洪水的时空演化规律。未来研究可进一步探索该方法的自动化运行,并结合轻量级深度学习模型,以提升农业圩垸区洪涝应急监测的智能化水平与决策效能。