中。光学传感器虽然 有着 巨大的洪水监测潜力，但时间分辨率和空间分辨率往往不能兼顾，而且由于所用波段的波长特性，易受云层和天气影响，只能进行灾后评估，无法做到实时监测。合成孔径雷达（ＳＡＲ，Ｓｙｎｔｈｅｔｉｃ　Ａｐｅｒｔｕｒｅ　Ｒａｄａｒ）则很好地解决了这个问题。ＳＡＲ 选用的微波波段具有很强的穿透云雾的能力，可实现全天候、全天 时的 大面积观测。Ｋｉａｇｅ等［９］通过实验证明 Ｒａｄａｒｓａｔ－１ＳｃａｎＳＡＲ数据非 常 适 合 进 行 水 体 检 测。Ｈｅｓｓ等［１０］证 明 了ＳＡＲ 数据可以有效地识别出混杂在植被等干扰地物里的水体信息。Ｒａｍｓｅｙ等［１１］则证明了不同极化类型的 ＳＡＲ 影 像 数 据 对 水 体 信 息 的 反 映 差 异。Ｗｏｏｄ等［１２］则利用最新的ＳＡＲ 影像数据，实现了较高精度的洪水监测。新世纪以来，随着 ＥＮＶＩＳＡＴＳＡＲ 以及Ｓｅｎｔｉｎｅｌ－１等卫星相继升空和投入应用，国内外众多学者做出了大量的努力，极大地发展了ＳＡＲ 影像在区域性洪水监测方面的应用。Ｓｅｎｔｉｎｅｌ－１是由 Ａ、Ｂ两颗同轨的极轨卫星组成的星座，是欧空局“哥白尼计划”的地球观测卫星系列之一。其 中 Ｓｅｎｔｉｎｅｌ－１Ａ 于 ２０１４ 年 ４ 月 发 射 升空，数 据 影 像 存 在 ＩＷ （Ｉｎｔｅｒｆｅｒｏｍｅｔｒｉｃ　Ｗｉｄｅｓｗａｔｈ）、ＥＷ（Ｅｘｔｒａ－Ｗｉｄｅ　ｓｗａｔｈ）、ＳＭ（Ｓｔｒｉｐｍａｐ）和ＷＶ（Ｗａｖｅ）４种成像模式［１３－１５］（表１）。本文基于欧空局发布的Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ 数据，选择２０１７年６月末我国湖南省宁乡市的洪涝灾前和灾中数据，采用双峰法、Ｏｔｓｕ算法和区域生长法，分别进行洪水淹没区监测，并与Ｉｎ－ＳＡＲ 处理获取的淹没区进行比较，分析各监测方法优劣。表１　Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ数据参数Ｔａｂｌｅ　１　Ｔｈｅ　ｂａｓｉｃ　ｐａｒａｍｅｔｅｒｓ　ｏｆＳｅｎｔｉｎｅｌ－１ＡＳＡＲ　ｄａｔａ模式 入射角／° 幅宽／ｍ 分辨率／（距离向（ｍ）×方位向（ｍ）） 极化类型ＳＭ　 ２０～４５　 ８０　 ５×５ ＨＨ＋ＨＶ，ＶＨ＋ＶＶ，ＨＨ，ＶＶＩＷ　 ２９～４６　 ２５０　 ５×２０ ＨＨ＋ＨＶ，ＶＨ＋ＶＶ，ＨＨ，ＶＶＥＷ　 １９～４７　 ４００　 ２０×４０ ＨＨ＋ＨＶ，ＶＨ＋ＶＶ，ＨＨ，ＶＶＷＶ　 ２２～３５／３５～３８　 ２０×２０　 ５×５ ＨＨ图１　宁乡市地理位置Ｆｉｇ．１　Ｔｈｅ　ｇｅｏｇｒａｐｈｉｃａｌ　ｌｏｃａｔｉｏｎ　ｏｆ　Ｎｉｎｇｘｉａｎｇ２　宁乡市概况宁乡市，原为宁乡县，２０１７年撤县建市后，成为湖南省长沙市管辖下的县级市。宁乡市地处长株潭城市群和洞庭湖生态经济圈的结合处，下管３３个乡镇、１个国家经济开发区和１个省级经济开发区，东临望城县，南接湘潭、湘乡，西与涟源、安化交界，北与益阳、桃江毗连。东西方向最大跨度为８８ｋｍ，南北方向纵长６９ｋｍ，总面积约２　９０６ｋｍ２，总人口约１４２．２５万。宁乡市气候属大陆性季风湿润气候，四季分明，温度适宜，雨水充足，炎热期较长，寒冷期较短，全年日平均气温约１６．８ ℃，年均无霜期约２７４ｄ，年均日照时间约１　７３７．６ｈ，年均降水约１　３５８．３ｍｍ，年均相对湿度约 ８１％。地形以丘陵为主，辅以山地、丘陵和平原。水文方面，主要是沩水、乌江、楚江和靳７４６第４期　　 　　　　　郭欣等：基于Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ的湖南省宁乡市洪水淹没监测　 　　　　　　　条主要干流。３　数据选择与预处理３．１　数据选择本文选用ＩＷ 模式下的 Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ 单视复数 （ＳＬＣ）产 品 （ｈｔｔｐ：／／ｓｃｉｈｕｂ．ｃｏｐｅｒｎｉｃｕｓ．ｅｕ）（表２），配合对应日期的精密轨数 据（ｈｔｔｐｓ：／／ｑｃ．表２　Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ影像数据Ｔａｂｌｅ　２　Ｔｈｅ　Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ　ｉｍａｇｅ　ｄａｔａ　ｕｓｅｄ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ序号 产品类型获取时间极化方式分辨率（距离向（ｍ）×方位向（ｍ））１ ＳＬＣ产品 ２０１７－６－４ ＶＶ　 ５×２０２ ＳＬＣ产品 ２０１７－６－４ ＶＨ　 ５×２０３ ＳＬＣ产品 ２０１７－６－２８ ＶＶ　 ５×２０４ ＳＬＣ产品 ２０１７－６－２８ ＶＨ　 ５×２０５ ＳＬＣ产品 ２０１７－７－１０ ＶＶ　 ５×２０ｓｅｎｔｉｎｅｌ１．ｅｏ．ｅｓａ．ｉｎｔ）进行洪水淹没区监测。辅助数据包括 ２０１０ 年 中 国 县 级 行 政 区 划、ＧｌｏｂｅＬａｎｄ３０地表分类数据和 ＳＲＴＭ－３Ｖｅｒｓｉｏｎ４ＤＥＭ 等。３．２　 数据预处理本文 使 用 ＳＡＲｓｃａｐｅ５．２．１ 软 件 进 行 Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ 数据预处理工作，具体包括影像和轨道数据导入、轨道校正、多视、配准、滤波、地理编码和辐射校正、重采样、重投影、研究区裁剪等。多视处理中，选择距离向和方位向的视数为８和２；选择 Ｒｅ－ｆｉｎｅｄ　Ｌｅｅ滤波器进行滤波处理，既可以消除斑点噪声，又能保留图像边缘信息［１６］。最终获得空间分辨率为３０ｍ，ＷＧＳ－８４坐标系下的后向散射系数（σ）影像（图２）。选择水体区域明显的田坪水库（位置１）和黄材水库（位置２）作为监测方法评价的样本区。４　洪水监测方法水体信息是洪水淹没区监测的出发点，灾中相对灾前的扩张水体即为需要监测的淹没区域。由微波散射原理可知，ＳＡＲ 影像像元值由目标像元的回波强度决定。在雷达参数固定不变，复介电常数变化不大的情况下，回波强度主要由地物的形状和表面粗糙度决定。不同于非水体，水体表面相对平滑，以镜面反射为主，后向散射系数较小，在影像中表现为暗色调。本文基于水体像元后向散射特性，采用双峰法、Ｏｔｓｕ算法和区域生长法提取水体信息，确定灾前水体和淹没区的分布（图３）。图２　Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ后向散射系数影像Ｆｉｇ．２　Ｔｈｅ　ｐｒｅｔｒｅａｔｅｄ　ｂａｃｋｓｃａｔｔｅｒ　ｃｏｅｆｆｉｃｉｅｎｔ　ｉｍａｇｅ　ｏｆ　Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ４．１　双峰法４．１．１　双峰法原理１９９６年，Ｐｒｅｗｉｔｔ提 出 了 直 方 图 双 峰 法 （ｄｏｕ－ｂｌｅｔ）［１７］，即若图像像元直方图统计结果呈现明显的双峰状，则选取两峰之间的谷底所对应的像元值作为阈值，完成影像分割（图４）。根据水体的后向散射特点，像元值低于该阈值的像元即为水体像元。直方图统计曲线显示，水体区域的像元大致符合高斯混 合 模 型 分 布。 本 文 通 过 混 合 高 斯 模 型（ＧＭＭ 模型）非 线 性 拟 合 的 方 法 来 确 定 最 终 水 体提取阈值。４．１．２　ＧＭＭ 模型高斯 混 合 模 型［１８］（Ｇａｕｓｓｉａｎ　Ｍｉｘｔｕｒｅ　Ｍｏｄｅｌ，ＧＭＭ）是高斯函数模型的延伸，通过选择适当的混合单高斯模型混合个数和参数，理论上能够近似地平滑模拟任意样本集合的分布情况。单高斯模型分８４６　　　　　　　　　　　　　　　遥　感　技　术　与　应　用　　　　　　　　　　　　　第３３卷　样本，在二维区间近似为椭圆，在多维区间近似为椭球体。如果某一样本集合 Ｘ，无法用单一高斯模型进行拟合，则认为该样本 Ｘ 的分布是由若干单高斯模型混合而成，即高斯混合模型。图３　洪水淹没区监测处理流程Ｆｉｇ．３　Ｔｈｅ　ｐｒｏｃｅｓｓ　ｆｌｏｗ　ｃｈａｒｔ　ｏｆ　ｆｌｏｏｄ　ｉｎｕｎｄａｔｉｏｎ　ａｒｅａ　ｍｏｎｉｔｏｒｉｎｇ图４　双峰法原理Ｆｉｇ．４　Ｔｈｅ　ｐｒｉｎｃｉｐｌｅ　ｏｆ　ｄｏｕｂｌｅｔ　ｍｅｔｈｏｄ　　本文对现有的 ＧＭＭ 模型稍作调整，选择高斯函数为混合模型单体。假设样本 Ｘ 由 Ｍ（Ｍ＞０）个高斯模型混合而成，单个高斯模型表达式为：Ｐ（Ｘ；ｍｉ，ｂｉ，ｃｉ）＝ｍｉｅ－ｘｉ－ｂｉｃｉ（ ）２（１）　　则 ＧＭＭ 模型表达式为：Ｐ（Ｘ；ｎｉ，ｂｉ，ｃｉ）＝∑Ｍｉ＝１ｎｉＰ（ｘｉ） （２）令ｐｉ＝ｍｉｎｉ，则 ＧＭＭ 模型表达式转化为：Ｐ（Ｘ；ｐｉ，ｂｉ，ｃｉ）＝∑Ｍｉ＝１ｐｉｅ－ｘｉ－ｂｉｃｉ（ ）２（３）其中：Ｐ （Ｘ；ｍｉ，ｂｉ，ｃｉ）为 第ｉ 个 高 斯 模 型 分 量；Ｐ（Ｘ；ｐｉ，ｂｉ，ｃｉ）为样本高斯混合模型；Ｘ 为样本数据；Ｍ 为高斯模型混合数；ｐｉ、ｍｉ、ｎｉ、ｂｉ和ｃｉ为模型参数。采取非线性拟合的方法，确定模型参数数值，实现 ＧＭＭ 模型拟合。具体步骤如下：（１）直方图统计。获取像元值的分布频率直方图，并以 ０．３ 为步长，绘 制 像 元 值—频 率 分 布 散 点图，作为样本 Ｘ。（２）构 建模型，完成 拟 合。根据 样本 散 点图情况，选择合适的高斯模型混合数 Ｍ ，计算拟合参数，完成拟合。（３）收敛步骤。不断测试高斯模型混合数 Ｍ ，重复步骤（２），直至连续两次迭代获得的参数之差低于１０－５，确定最终参数。４．２　Ｏｔｓｕ算法本文采用 Ｏｔｓｕ方法［１９］，获得最优分割阈值 Ｔ，根据水体像元后向散射系数特征，取像元值低于阈９４６第４期　　 　　　　　郭欣等：基于Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ的湖南省宁乡市洪水淹没监测　 　　　　　　　基于Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ的湖南省宁乡市洪水淹没监测郭　欣，赵银娣（中国矿业大学环境与测绘学院，江苏 徐州　２２１１１６）摘要：洪涝灾害以其高频发、大危害的特点，严重危害人类的生命和财产安全，洪水监测也因此至关重要。２０１７年６月末，我国湖南省县级市宁乡市发生有记录以来最严重降水，引发严重洪水灾害。选取宁乡市灾前和灾中的 Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ 数据，采用基于 ＧＭＭ 模型的双峰法、Ｏｔｓｕ算法和区域生长法提取水体信息，进行洪水淹没区监测，再与从Ｉｎ－ＳＡＲ 干涉图中获得的淹没区域进行比较，评定方法优劣。结果表明：完全基于统计的双峰法提取结果与Ｉｎ－ＳＡＲ 干涉图提取结果差异最大，查全率和查准率均最低；Ｏｔｓｕ算法和区域生长法提取效果相当，Ｏｔｓｕ算法查全率较高，区域生长法查准率稍强；Ｏｔｓｕ算法监测宁乡市洪水淹没区面积为８．４９ｋｍ２，区域生长法监测宁乡市洪水淹没区面积为８．７１ｋｍ２，均高于过去两年同期水平。关　键　词：洪水监测；监测方法；Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ；监测方法评价中图分类号：ＴＰ７９　　文献标志码：Ａ　　文章编号：１００４－０３２３（２０１８）０４－０６４６－１１１　引　言洪水 区 域 是 指 暂 时 性 被 水 体 淹 没 的 陆 地 区域［１］。不同国家对洪水的定 义 有 一 定 差 别。在 美国，持续时间达到７２ｈ以上的扩张水体，称为洪水，而在欧洲，规定的持续时间更长［２］。洪水灾害危害极大，不只是直接的生命财产损失，还 会 引 发 局 部 的 物 种 入 侵 和 疾 病 传 播。１９９８年，长江、嫩江、松花江等流域发生特大洪水，长江下游沿岸蜗牛栖息地向内陆扩张，新栖息地的蜗牛缺乏天敌，数量急剧增长，严重威胁到了局部的生态平衡［３］；洪水过后，安徽省血吸虫病［４］（洪灾后的常见疾病）感染和疑似急性感染病例数均较往年有明显上升，疫情一度恶化。只有实时准确的洪水监测，及时的灾害预警，才能最大限度地减少灾害损失，控制灾后疾病。水体信息是洪水监测的出发点。传统的监测方法主要通过采样调查，耗时耗力，花费巨大，遥感技术的发展和应用则提供了一种新的选择。Ｊａｉｎ等［５］利用ＩＲＳ　ＬＩＳＳ　ＩＩＩ和 Ｌａｎｄｓａｔ　ＴＭ 数据选用简单密度切片、缨帽变换和水体指数等方法进行水体信息获取和精度比较，最终确定归一化水指数（ＮＤＷＩ）具备 最 好 的 水 体 提 取 效 果。ＡＶＨＲＲ（ＡｄｖａｎｃｅｄＶｅｒｙ　Ｈｉｇｈ　Ｒｅｓｏｌｕｔｉｏｎ　Ｒａｄｉｏｍｅｔｅｒ）由国 家 海 洋 和大气管 理 局 （ＮＯＡＡ）发 布，具 有 极 高 的 时 间 分 辨率，可实现目标区域逐天重复观测。Ｓｈｅｎｇ等［６］利用 ＮＯＡＡ　ＡＶＨＲＲ 时间序列数据，对淮河流域水体信息进 行动态监 测。与 ＮＯＡＡ　ＡＶＨＲＲ 类 似，ＭＯＤＩＳ（Ｍｏｄｅｒａｔｅ　Ｒｅｓｏｌｕｔｉｏｎ　Ｉｍａｇｉｎｇ　Ｓｐｅｃｔｒｏｒａｄｉ－ｏｍｅｔｅｒ）也可实现逐天观测，同时还具备丰富的波段信息。Ｆｅｎｇ 等［７］利 用 ＭＯＤＩＳ 数 据，获 取 鄱 阳 湖２０００～２０１０年间的洪水分布信息，作为洪水趋势预测的依据；Ｏｖａｎｄｏ等［８］则更进一步，将 ＭＯＤＩＳ 时间序列影像应用于玻利维亚亚马逊河地区进行洪水 的像元为水体像元，否则，为非水体。阈值获取公式为：Ｍ（ｘ）＝σ２（ｘ）σ２１（ｘ）＋σ２２（ｘ）（４）其中：ｘ 为作为临时阈值的像元值；σ２（ｘ）为自由水体和非自由水体的类间方差；σ２１（ｘ）为水体的类内方差；σ２２（ｘ）为非水体的类内方差。σ２１（ｘ）和σ２２（ｘ）通过统计获得，σ２（ｘ）获取方式为：σ２（ｘ）＝ω１× μ１ －μ（ ）２＋ω２ × μ２ －μ（ ）２（５）　　等价于：σ２（ｘ）＝ω１×ω２ × μ２ －μ１（ ）２（６）ω１ ＋ω２ ＝１ （７）其中：ω１和ω２分别为水体和非水体像元所占比重；μ１和μ２分别为水体和非水体的像元均值；μ为总体像元均值。最优阈值 Ｔ 为 Ｍ （ｘ）取最大值时对应的像元值ｘ：Ｔ ＝ａｒｇ　ｍ［ａｘＭ（ｘ）］ （８）　　分别提取灾前和灾后水体，进行叠加分析，灾后相比灾前的扩张的水域，即为洪水淹没监测区域。４．３　区域生长法区域生长法（ｒｅｇｉｏｎ　ｇｒｏｗｉｎｇ）是一种传统的图像分割方法，最早是由 Ｌｅｖｉｎｅ等［２０］提 出 的。基 本原理为，从若干种子点出发，确定的生长规则和生长顺序，分析周围像元与种子点的一致性，若一致性符合生长规则要求，则将其归入生长区域内，反之则丢弃，符合要求的像元按照生长顺序先后成为新的种子点，向外扩张，最终实现整幅影像的分割。区域生长法图像分割的效果好坏主要由种子点和生长规则决定。参照 ＧｌｏｂｅＬａｎｄ３０ 地 表 分 类 数据，统计宁乡市水体部分的像元均值μ和标准差σ，以μ为聚类中心和初始种子点，针对像元值ｆ（ｘ，ｙ）的生长规则为：ｆ（ｘ，ｙ）－μ槡［ ］２＜３σ （９）　　执行算法，提取水体信息。４．４　监测方法优劣性分析４．４．１　Ｉｎ－ＳＡＲ处理提取洪水淹没区相关系数是Ｉｎ－ＳＡＲ 技术的关键。相对其他像元，水体表面相对光滑，以镜面反射为主，回波信号较弱，在影像上呈现为多呈现为灰暗色调。因此，水体区域像元值的波动也很小，表现出较好的一致性，相关系数也较小。根据水体相关系数的这一特征，选择适当的相位解缠的相关系数阈值和解缠等级，使水体区域在Ｉｎ－ＳＡＲ 干涉图中凸显出来。Ｉｎ－ＳＡＲ 处理包括：基线估算、干涉图生成、干涉图去平、干涉图自适 应 滤波和相 干性计算、相位解缠、轨道重定义、高程／形变转换。经过配准后的主从ＳＡＲ 影像相位差可以得到地面点到传感器的距离差。通过两幅影像的共轭相乘可以得到干涉图，反映地形和位移信息。干涉图经过去平后，干涉相位表达式为：Ｐｈａｓｅ＝ＡＴＡＮ　［Ｉｍａｇ（Ｉ）／Ｒｅａｌ（Ｉ）］ （１０）其中：Ｒｅａｌ（Ｉ）和Ｉｍａｇ（Ｉ）代表干涉图的实部和虚部。以 Ｐｈａｓｅ、Ｒｅａｌ（Ｉ）和Ｉｍａｇ（Ｉ）进行彩色合成，可以获取水域分布，灾中相对灾前的扩张水体即为Ｉｎ－ＳＡＲ 处理获取的洪水淹没区。４．４．２　淹没区监测方法优劣性评价将淹没区人工提取结果和Ｉｎ－ＳＡＲ 处理提取结果进行比较，采用查全率和查准率［２１］两种指标对３种监测方法进行优劣性评价，查全率越高，提取结果可靠性越高，查准率越高，监测准确性越高。Ｉ＝Ｓ（Ｗｒ）∩Ｓ（Ｗｅ）Ｓ（Ｗｒ）（１１）Ｐ ＝Ｓ（Ｗｒ）∩Ｓ（Ｗｅ）Ｓ（Ｗｅ）（１２）Ｐｐ ＝１－Ｐ （１３）其 中：Ｉ 为 查 全 率；Ｐ 为 查 准 率；Ｐｐ为 虚 警 率；Ｓ（Ｗｒ）为Ｉｎ－ＳＡＲ 处理获得的洪水淹没区像元集合；Ｓ（Ｗｅ）为人工提取的洪水淹没区像元集合。５　洪水监测结果５．１　双峰法洪水提取结果根据直方图统计结果（图５），确定 ＧＭＭ 模型参数和拟合曲线（图６、表３、４）。根据拟合结果确定 ＶＶ极化数据在田坪水库（位置１）和黄材水库（位置２）的灾前水体提取阈值分别为－１７．９８ｄＢ和 －１７．７６ｄＢ，灾中水体提取阈值分别为－１５．７２ｄＢ 和－１５．６６ｄＢ；确定 ＶＨ 极化数据在田坪水库（位置１）和黄材水库（位置２）的灾前水体提取阈值分别为－２０．５８ｄＢ和－２１．０１ｄＢ，灾中水体提取阈值分别为 －２０．９３ｄＢ和－２０．９２ｄＢ。以 田 坪 水 库 （位 置 １）和 黄 材 水 库（位置２）水体提取阈值的均值为宁乡市整体的水体提取阈值，获取灾前和灾中水体信息，叠加分析，确定灾前水体和洪水淹没区分布（图７）。根据双峰法监测结果，宁乡市灾前水体区域像元总数为３４　１１０，洪水淹没区像元总数为１０　２７１；田坪水库（位置１）和黄材水库（位置２）洪水淹没区像元数分别为６８３和２　１３５。０５６　　　　　　　　　　　　　　　遥　感　技　术　与　应　用　　　　　　　　　　　　　第３３卷　图５　Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ直方图统计Ｆｉｇ．５　Ｔｈｅ　ｈｉｓｔｏｇｒａｍ　ｓｔａｔｉｓｔｉｃｓ　ｏｆ　Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ　ｉｍａｇｅ　ｕｓｅｄ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ６１５第４期　　 　　　　　郭欣等：基于Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ的湖南省宁乡市洪水淹没监测　 　　　　　　　图６　ＧＭＭ 模型拟合结果Ｆｉｇ．６　Ｔｈｅ　ｆｉｔｔｉｎｇ　ｒｅｓｕｌｔ　ｏｆ　ＧＭＭ　ｍｏｄｅｌ６２５　　　　　　　　　　　　　　　遥　感　技　术　与　应　用　　　　　　　　　　　　　第３３卷　表３　ＶＶ极化 ＧＭＭ 模型拟合结果Ｔａｂｌｅ　３　Ｔｈｅ　ｆｉｔｔｉｎｇ　ｒｅｓｕｌｔ　ｏｆ　ＧＭＭ　ｍｏｄｅｌ　ｏｆ　ＶＶ　ｐｏｌａｒｉｚｉｎｇ　Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ时间 Ｍ 参数 阈值／ｄＢ　 ＲＳＭＥ　 Ｒ位置１灾前 ３灾后 ３ｐ１＝０．１５３　８ ｂ１＝－８．１６６ ｃ１＝３．０６６ｐ２＝０．０２１　７９ ｂ２＝２０．９３ ｃ２＝１．３２８ｐ３＝０．００６　４１ ｂ３＝－１０．８６ ｃ３＝１０．１４ｐ１＝０．１４０　１ ｂ１＝－８．４８９ ｃ１＝２．２２８ｐ２＝０．０２８　２７ ｂ２＝－１８．６６ ｃ２＝１．６４８ｐ３＝０．０４８　２６ ｂ３＝－８．８２ ｃ３＝４．１８４－１７．９８　 ０．００１　２３４　 ０．９９９　１－１５．７２　 ０．００１　９５６　 ０．９９８　１位置２灾前 ５灾后 ３ｐ１＝０．５１１　１ ｂ１＝－７．４６ ｃ１＝３．２１８ｐ２＝－０．４０９ ｂ２＝－７．２６９ ｃ２＝３．０５２ｐ３＝０．００３　０９２ ｂ３＝－７．２８１ ｃ３＝０．７１７　５ｐ４＝０．０１５　０２ ｂ４＝－２０．７ ｃ４＝１．７２９ｐ５＝０．０１６　０９ ｂ５＝－９．５７５ ｃ５＝６．６１７ｐ１＝０．０１８　２ ｂ１＝１８．６１ ｃ１＝２．３７７ｐ２＝０．１１０　１ ｂ２＝－８．３７９ ｃ２＝４．０９８ｐ３＝０．０３０　３３ ｂ３＝－８．９５９ ｃ３＝２．２３９－１７．６７　 ０．０００　７１４　９　 ０．９９９　６－１５．６６　 ０．０００　８６３　４　 ０．９９９　４表４　ＶＨ 极化 ＧＭＭ 模型拟合结果Ｔａｂｌｅ　４　Ｔｈｅ　ｆｉｔｔｉｎｇ　ｒｅｓｕｌｔ　ｏｆ　ＧＭＭ　ｍｏｄｅｌ　ｏｆ　ＶＨ　ｐｏｌａｒｉｚｉｎｇ　Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ时间 Ｍ 参数 阈值／ｄＢ　 ＲＳＭＥ　 Ｒ位置１灾前 ３灾后 ６ｐ１＝０．０２４　６７０ ｂ１＝－２３．０４ ｃ１＝１．５３２ｐ２＝０．０３９　８２０ ｂ２＝－１４．５６ ｃ２＝４．４７４ｐ３＝０．１４３　８００ ｂ３＝－１３．２３ ｃ３＝１０．１４ｐ１＝０．１４０　１００ ｂ１＝－１４．４６ ｃ１＝２．１００ｐ２＝０．０８４　８１０ ｂ２＝－１３．２３ ｃ２＝２．４３６ｐ３＝０．０１９　９５０ ｂ３＝－１５．２３ ｃ３＝５．１１５ｐ４＝０．００８　８８２ ｂ４＝－１４．９４ ｃ４＝０．２８６７ｐ５＝０．０２３　３００ ｂ５＝－１３．２３ ｃ５＝３．５１４ｐ５＝０．０３０　９６０ ｂ５＝－２３．４６ ｃ５＝１．３２４－２０．５８　 ０．００１　５５４　 ０．９９８　９－２０．９３　 ０．００１　２９２　 ０．９９９　４位置２灾前 ３灾后 ３ｐ１＝０．０５７　３３ ｂ１＝－１４．４６ ｃ１＝２．２８６ｐ２＝０．０９５　８２ ｂ２＝－１３．９ ｃ２＝４．２０１ｐ３＝０．０１９　５７ ｂ３＝－２３．４ ｃ３＝１．６８１ｐ１＝０．０５７　８８ ｂ１＝－１４．４６ ｃ１＝２．２８６ｐ２＝０．０２２　６９ ｂ２＝－２３．４８ ｃ２＝１．８２７ｐ３＝０．１０１　１ ｂ３＝－１４．３６ ｃ３＝３．８４２－２１．０１　 ０．０００　９３８　８　 ０．９９９　３－２０．９２　 ０．０００　９３１　６　 ０．９９９　５５．２　Ｏｔｓｕ法洪水提取结果采用 Ｏｔｓｕ算法，确定 ＶＶ 极化方式下，宁乡市灾前和灾中水体区域提取阈值为－１５．７５４　３ｄＢ 和－１５．８９８　０ｄＢ；ＶＨ 极化方式下，灾前和灾中水体区域提取阈值分别为－２０．８８９　４ｄＢ和－２０．４３４　２ｄＢ。提取灾前和灾中水体信息，叠加分析，确定灾前水体和淹没区分布（图８）。根据 Ｏｔｓｕ法监测结果，宁乡市灾前水体区域像元总数为５０　８９１，淹没区像元总数为９　４３７；田坪水库（位置１）和黄材水库（位置２）洪水淹没区像元数分别为５５２和１　７０５。５．３　区域生长法洪水提取结果对 ＶＶ 和 ＶＨ 极化数据分 别采 用区 域 生长法提取水体区域，并做交集处理，获得灾前水体和灾中水体，再将灾前和灾中水体叠加，获得最终的宁乡市洪水分布图（图９）。根据区域生长法监测结果，宁乡市灾前水体区域像元总数为５０　２０４，淹没区像元总数为９　６６４；田坪水库（位置１）和黄材水库（位置２）洪水淹没区像元数分别为５３８和１　６６９。５．４　淹没区监测方法优劣性评价将双峰法、Ｏｔｓｕ法和区域生长算法获取的田坪３５６第４期　　 　　　　　郭欣等：基于Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ的湖南省宁乡市洪水淹没监测　 　　　　　　　图１０　 Ｉｎ－ＳＡＲ处理获得的水体区域Ｆｉｇ．１０　Ｗａｔｅｒ　ａｒｅａ　ｏｂｔａｉｎｅｄ　ｂｙ　Ｉｎ－ＳＡＲ表５　田坪水库洪水监测精度Ｔａｂｌｅ　５　Ｔｈｅ　ｆｌｏｏｄ　ｍｏｎｉｔｏｒｉｎｇ　ｐｒｅｃｉｓｉｏｎｏｆ　Ｔｉａｎｐｉｎｇ　Ｒｅｓｅｒｖｏｉｒ方法 Ｓ（Ｗｒ） （Ｓ（Ｗｅ）（Ｓ（Ｗｒ）∩Ｓ（Ｗｅ）Ｉ／％ Ｐ／％ Ｐｐ／％双峰法 ５８５　 ６８３　 ３７５　 ６４．１　 ５４．９　 ４５．１Ｏｔｓｕ算法 ５８５　 ５５２　 ４４３　 ７５．７　 ８０．３　 １９．７区域生长法 ５８５　 ５３８　 ４３８　 ７４．９　 ８１．４　 １８．６表６　黄材水库洪水监测精度Ｔａｂｌｅ　６　Ｔｈｅ　ｆｌｏｏｄ　ｍｏｎｉｔｏｒｉｎｇ　ｐｒｅｃｉｓｉｏｎｏｆ　Ｈｕａｎｇｃａｉ　Ｒｅｓｅｒｖｏｉｒ方法 Ｓ（Ｗｒ） （Ｓ（Ｗｅ）（Ｓ（Ｗｒ）∩Ｓ（Ｗｅ）Ｉ／％ Ｐ／％ Ｐｐ／％双峰法 １　７７６　 ２　１３５　 １　２０４　 ６５．９　 ５６．４　 ４３．６Ｏｔｓｕ算法 １　７７６　 １　７０５　 １　３８５　 ７８．０　 ８１．２　 １８．８区域生长法 １　７７６　 １　６６９　 １　３７６　 ７７．５　 ８２．５　 １７．５可能会漏测某些局部水体。６　结　语文基于欧空局发布的 Ｓｅｎｔｉｎｅｌ－１Ａ ＳＡＲ 数据，采用双峰法、Ｏｔｓｕ 法和 区域 生长法对宁乡 市 ２０１７年６月末的洪水淹没情况进行监测。结果证明，完全基于统计的双峰法监测效果最差，查全率和准确性均最低。Ｏｔｓｕ方法和区域生长法整体监测效果相当，各有所长。Ｏｔｓｕ方法查全率稍高，区域生长法准确性稍高。Ｏｔｓｕ方法监测宁乡市灾前水水体面积为 ４５．８０ｋｍ２，淹没区面积为８．４９ｋｍ２；区域生长法提取的灾前水水体面积为 ４５．１８ｋｍ２，淹没区面积为 ８．７１ｋｍ２。采 用 Ｏｔｓｕ 方 法 监测确定 ２０１６年同期宁乡市洪水淹没区面积为３．８９ｋｍ２，２０１５年同期宁乡市洪水淹没区面积为４．９９ｋｍ２。２０１７年６月末的宁乡市洪水灾害达到了近３年之最。参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］　Ｐａｔｅｌ　Ｄ　Ｐ，Ｓｒｉｖａｓｔａｖａ　Ｐ　Ｋ．Ｆｌｏｏｄ　Ｈａｚａｒｄｓ　Ｍｉｔｉｇａｔｉｏｎ　ＡｎａｌｙｓｉｓＵｓｉｎｇ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ａｎｄ　ＧＩＳ：Ｃｏｒｒｅｓｐｏｎｄｅｎｃｅ　ｗｉｔｈ　ＴｏｗｎＰｌａｎｎｉｎｇ　Ｓｃｈｅｍｅ［Ｊ］．Ｗａｔｅｒ　Ｒｅｓｏｕｒｃｅｓ　Ｍａｎａｇｅｍｅｎｔ，２０１３，２７（７）：２３５３－２３６８．［２］　Ｌｉ　Ｌ，Ｄｉ　Ｌ　Ｐ，Ｙｕ　Ｅ　Ｇ，ｅｔ　ａｌ．Ａ　Ｒｅｖｉｅｗ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｉｎＦｌｏｏｄ　Ａｓｓｅｓｓｍｅｎｔ［Ｃ］∥Ｆｉｆｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎＡｇｒｏ－Ｇｅｏｉｎｆｏｒｍａｔｉｃｓ．ＩＥＥＥ，２０１６：１－４．［３］　Ｚｈｏｕ　Ｘｉ　Ｎ，Ｌｉ　Ｄ　Ｄ，Ｙａｎｇ　Ｈ　Ｍ，ｅｔ　ａｌ．Ｕｓｅ　ｏｆ　Ｌａｎｄｓａｔ　ＴＭ　Ｓａｔ－ｅｌｌｉｔｅ　Ｓｕｒｖｅｉｌｌａｎｃｅ　Ｄａｔａ　ｔｏ　Ｍｅａｓｕｒｅ　ｔｈｅ　Ｉｍｐａｃｔ　ｏｆ　ｔｈｅ　１９９８Ｆｌｏｏｄ　ｏｎ　Ｓｎａｉｌ　Ｉｎｔｅｒｍｅｄｉａｔｅ　Ｈｏｓｔ　Ｄｉｓｐｅｒｓａｌ　ｉｎ　ｔｈｅ　ＬｏｗｅｒＹａｎｇｔｚｅ　Ｒｉｖｅｒ　Ｂａｓｉｎ［Ｊ］．Ａｃｔａ　Ｔｒｏｐｉｃａ，２００２，８２（２）：１９９－２０５．［４］ Ｇｅ　Ｊｉｈｕａ，Ｚｈａｎｇ　Ｓｈｉｑｉｎｇ，Ｗａｎｇ　Ｔｉａｎｐｉｎｇ　ｅｔ　ａｌ，Ｅｆｆｅｃｔｓ　ｏｆＦｌｏｏｄｓ　ｏｎ　ｔｈｅ　Ｐｒｅｖａｌｅｎｃｅ　ｏｆ　Ｓｃｈｉｓｔｏｓｏｍｉａｓｉｓ　ｉｎ　Ａｎｈｕｉ　Ｐｒｏｖ－ｉｎｃｅ　ｉｎ　１９９８［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｔｒｏｐｉｃａｌ　Ｄｉｓｅａｓｅ　ａｎｄ　Ｐａｒａｓｉｔｏｌｏｇｙ，２００４，２（３）：１３１－１３４．［葛继华，张世 清，汪 天 平，等．１９９８ 年 特大洪水对安徽 省 血 吸 虫 病 流 行 的 影 响 ［Ｊ］．热 带 病 与 寄 生 虫学，２００４，２（３）：１３１－１３４．］［５］　Ｍｃｆｅｅｔｅｒｓ　Ｓ　Ｋ．Ｔｈｅ　Ｕｓｅ　ｏｆ　ｔｈｅ　Ｎｏｒｍａｌｉｚｅｄ　Ｄｉｆｆｅｒｅｎｃｅ　ＷａｔｅｒＩｎｄｅｘ（ＮＤＷＩ）ｉｎ　ｔｈｅ　Ｄｅｌｉｎｅａｔｉｏｎ　ｏｆ　Ｏｐｅｎ　Ｗａｔｅｒ　Ｆｅａｔｕｒｅｓ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，１９９６，１７（７）：１４２５－１４３２．［６］　Ｓｈｅｎｇ　Ｙ　Ｗ，Ｇｏｎｇ　Ｐ，Ｘｉａｏ　Ｑ　Ｈ．Ｑｕａｎｔｉｔａｔｉｖｅ　Ｄｙｎａｍｉｃ　ＦｌｏｏｄＭｏｎｉｔｏｒｉｎｇ　ｗｉｔｈ　ＮＯＡＡ　ＡＶＨＲＲ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆＲｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２００１，２２（９）：１７０９－１７２４．［７］　Ｆｅｎｇ　Ｌ，Ｈｕ　Ｃ　Ｍ，Ｃｈｅｎ　Ｘ　Ｌ，ｅｔ　ａｌ．Ａｓｓｅｓｓｍｅｎｔ　ｏｆ　ＩｎｕｎｄａｔｉｏｎＣｈａｎｇｅｓ　ｏｆ　Ｐｏｙａｎｇ　Ｌａｋｅ　Ｕｓｉｎｇ　ＭＯＤＩＳ　Ｏｂｓｅｒｖａｔｉｏｎｓ　ｂｅ－ｔｗｅｅｎ　２０００ａｎｄ　２０１０［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆ　Ｅｎｖｉｒｏｎｍｅｎｔ，２０１２，１２１（２）：８０－９２．［８］　Ｏｖａｎｄｏ　Ａ，Ｍａｒｔｉｎｅｚ　Ｊ　Ｍ，Ｔｏｍａｓｅｌｌａ　Ｊ，ｅｔ　ａｌ．Ｍｕｌｔｉ－ｔｅｍｐｏｒａｌＦｌｏｏｄ　Ｍａｐｐｉｎｇ　ａｎｄ　Ｓａｔｅｌｌｉｔｅ　Ａｌｔｉｍｅｔｒｙ　Ｕｓｅｄ　ｔｏ　Ｅｖａｌｕａｔｅ　ｔｈｅＦｌｏｏｄ　Ｄｙｎａｍｉｃｓ　ｏｆ　ｔｈｅ　Ｂｏｌｉｖｉａｎ　Ａｍａｚｏｎ　Ｗｅｔｌａｎｄｓ［Ｊ］．Ｉｎｔｅｒ－ｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ａｐｐｌｉｅｄ　Ｅａｒｔｈ　Ｏｂｓｅｒｖａｔｉｏｎ　＆ Ｇｅｏｉｎｆｏｒ－ｍａｔｉｏｎ，２０１８，６９：２７－４０．［９］　Ｋｉａｇｅ　Ｌ　Ｍ，Ｗａｌｋｅｒ　Ｎ　Ｄ，Ｓｈｒｅｅｋａｎｔｈ　Ｂａｌａｓｕｂｒａｍａｎｉａｎ，ｅｔ　ａｌ．Ａｐｐｌｉｃａｔｉｏｎｓ　ｏｆ　Ｒａｄａｒｓａｔ－１Ｓｙｎｔｈｅｔｉｃ　Ａｐｅｒｔｕｒｅ　Ｒａｄａｒ　Ｉｍａｇｅｒｙｔｏ　Ａｓｓｅｓｓ　Ｈｕｒｒｉｃａｎｅ－ｒｅｌａｔｅｄ　Ｆｌｏｏｄｉｎｇ　ｏｆ　Ｃｏａｓｔａｌ　Ｌｏｕｉｓｉａｎａ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２００５，２６（２４）：５３５９－５３８０．［１０］　Ｈｅｓｓ　Ｌ　Ｌ，Ｍｅｌａｃｋ　Ｊ　Ｍ，Ｆｉｌｏｓｏ　Ｓ，ｅｔ　ａｌ．Ｄｅｌｉｎｅａｔｉｏｎ　ｏｆ　Ｉｎｕｎｄａ－ｔｅｄ　Ａｒｅａ　ａｎｄ　Ｖｅｇｅｔａｔｉｏｎ　Ａｌｏｎｇ　ｔｈｅ　Ａｍａｚｏｎ　Ｆｌｏｏｄｐｌａｉｎ　ｗｉｔｈｔｈｅ　ＳＩＲ－Ｃ　Ｓｙｎｔｈｅｔｉｃ　Ａｐｅｒｔｕｒｅ　Ｒａｄａｒ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓｏｎ　Ｇｅｏｓｃｉｅｎｃｅ　＆ Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，１９９５，３３（４）：８９６－９０４．６５５第４期　　 　　　　　郭欣等：基于Ｓｅｎｔｉｎｅｌ－１ＡＳＡＲ的湖南省宁乡市洪水淹没监测　 　　　　　　　（位置１）和黄材水库（位置２）的洪水淹没区，与Ｉｎ－ＳＡＲ 干涉处 理 确 定 的 淹 没 区 域 （图 １０）进 行 比较，采用查全率和查准率两种指标进行优劣性评价（表５、表６）。结果表明，双峰法监测监测结果与Ｉｎ－ＳＡＲ 处理获得的淹没区域差异最大，查全率和查准率均最低监测效果最差。因为双峰法是完全基于统计的方法，灾前和灾中的阈值跨度较大，具有较大的不确定性；Ｏｔｓｕ算法和区域生长法监测效果相当，Ｏｔｓｕ算法查全率较高，准确性稍差，区域生长法则恰恰相 反。 因 为 Ｏｔｓｕ 算 法 直 接 基 于 阈 值 进 行 监测，容易伴随一定的噪声，区域生长法由于种子点尽可能恰当的选择，较好地避开了一些噪声影响，但也图７　双峰法洪水分布图Ｆｉｇ．７　Ｔｈｅ　ｆｌｏｏｄ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｍａｐ　ｂｙ　ｄｏｕｂｌｅｔ　ｍｅｔｈｏｄ图８　Ｏｔｓｕ算法洪水分布图Ｆｉｇ．８　Ｔｈｅ　ｆｌｏｏｄ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｍａｐ　ｂｙ　Ｏｔｓｕ图９　区域生长法洪水分布图Ｆｉｇ．９　Ｔｈｅ　ｆｌｏｏｄ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｍａｐ　ｂｙ　ｒｅｇｉｏｎ　ｇｒｏｗｉｎｇ６４５　　　　　　　　　　　　　　　遥　感　技　术　与　应　用　　　　　　　　　　　　　第３３卷