在閱讀此文前，麻煩您點一下關注，友善以後的讨論和分享，感謝支援~
文|瓜汁橘長Dr
編輯|瓜汁橘長Dr
引言
洪水在氣候變化背景下更加頻繁發生，洪水監測能力尚未得到很好的建立，使用協同制圖架構來表征2020年夏季洪水的發生。
以及從洪水範圍和強度的角度看對揚子江平原中下遊的農田的影響，從7月到8月，總的洪水範圍為4936平方公裡，而洪水強度方面。
有1658平方公裡、1382平方公裡和1896平方公裡的地區經曆了三次、兩次和一次洪水，總共有2282平方公裡的農田被淹沒，主要來自鄱陽湖和洞庭湖流域。
其中包含着高比例的中等損害農田，2020年新增的洪水範圍比2015-2019年間曆史上的最大洪水範圍要大29%，這項研究有望為快速區域洪水災害評估提供參考，并為減輕洪水災害提供服務。
遙感技術在近實時洪水監測中的應用與地球科學相關
全球洪水呈上升趨勢，及時而準确的洪水資訊尤為重要，因為它為農業部門的災害預防和災後恢複政策的制定提供了必要的資訊，進而有益于糧食安全。
盡管基于傳統河流測量資料的洪水識别可以在國家範圍内預測洪水面積的數字變化，但它無法提供洪水影響的空間模式。
有關提供空間分布資訊的洪水制圖的研究可以根據所使用的水文資料的擷取時間，通常可以分為洪水事件後、實時和準實時制圖。
洪水事件後的洪水制圖利用多時相資料和各種水力洪水模型在洪水事件後進行嚴重洪水的長期損害評估，這些模型僅适用于小型或中型洪水制圖以及有少數支流的短河段。
已經提出了阿富汗洪水危險圖，用于提取全國範圍的洪水範圍，但它無法提供洪水動态的空間模式。
實時制圖利用水位計傳感器的資料和及時的官方洪水報告來生成洪水機率圖，由于實時水文觀測資料的限制，很難在大範圍内提取及時的洪水資訊。
準實時洪水圖可以在洪水事件後不久進行洪水監測，為及時且準确的大範圍洪水損害評估提供了可行的方法。
近幾十年來，遙感技術在近實時洪水監測中的應用越來越多，由于洪水往往伴随着降水和雲層覆寫，主動式基于衛星的傳感器，如合成孔徑雷達。
比光學傳感器更适用于近實時洪水監測，因為它們允許在各種天氣條件下進行地球觀測，努力提取基于SAR圖像的洪水資訊。
這些圖像可以分為三類：基于單幅圖像的洪水制圖，基于變化檢測的洪水制圖，多時相洪水制圖，與基于單一圖像的方法相比。
基于變化檢測的方法使用與永久水體比較的反射率減小來區分瞬時洪水和永久水體，由于在此期間永久水體沒有顯着變化。
是以這些方法能夠克服由于幹燥和浸沒的植被混淆而引起的後向散射異質性的缺點，但方法的準确性高度取決于非洪水參考圖像的選擇。
基于變化檢測的方法僅使用洪水期間的單一圖像無法描繪整個大範圍洪水制圖，使用多時相資料的制圖可以實作全面的大範圍洪水制圖。
并提供對不同土地覆寫類型季節行為的更好了解，時間序列分析依賴于高頻率的SAR資料和複雜處理的可用性。
谷歌地球引擎平台不斷更新Sentinel-1SAR資料，并托管時間序列資料處理算法，這使得處理近實時洪水監測成為可能。
基于多時相資料的揚子江平原近實時洪水監測與洪水影響評估
對洪水的範圍、強度和頻率的綜合分析可以有助于精确管理和預防，特别是在受洪水影響嚴重的農田損害方面。
以往的研究主要集中在單一時段的洪水範圍、多年洪水頻率或多年洪水頻率方面，幾乎沒有研究關注大規模的洪水事件。
中國南方遭受了嚴重的洪水災害，大規模的洪水主要發生在揚子江平原中下遊，2020年7月，受持續的暴雨影響，揚子江平原和主要湖泊的水位不斷超過警戒水準。
太湖水位超過了最大水位，鄱陽湖的一些站點的水位達到了曆史最高紀錄，2020年8月，長江上遊的閩江和嘉陵江經曆了另一次巨大的洪水。
根據中華人民共和國應急管理部的資料，2020年夏季揚子江平原的洪水影響了11個省份的3420萬人，直接經濟損失為1322億元人民币，在這種情況下。
亟需對揚子江流域的洪水和洪水動态進行近實時監測，現有研究主要集中在揚子江平原的部分地區，如鄱陽湖和巢湖盆地，而很少有研究涉及整個揚子江平原的洪水監測和洪水嚴重性評估。
在這種背景下，本文旨在将基于變化檢測的方法和多時相資料相結合，實作揚子江平原洪水的快速而準确的監測，提供洪水嚴重性的全面評估，
并分析洪水對農田的影響，基于GEE平台提供的S1 SAR多時相資料，使用兩種變化監測方法的協同作用來獲得從2015年到2020年的MLYP的洪水地圖和2020年農田淹沒地圖。
旨在回答以下科學問題：CDAT和NDFI算法的協同作用是否适用于繪制MLYP的洪水地圖？與以往的年份相比，2020年的洪水嚴重性具體表現為何。
以及2020年洪水災害如何影響農田？所提出的方法允許建構準确、一緻的洪水地圖，總體精度為96.5%，F分數值為0.93。
以評估洪水地圖區分洪水和永久水體的能力，顯示了整合NDFI和CDAT算法的一緻性洪水地圖，縮放區域與東洞庭湖平原的部分參考圖像相比給出了合理的洪水區域。
揚子江平原洪水的範圍、強度和頻率綜合分析及其對農田的影響評估
兩張地圖的對比在淹水區域具有空間一緻性，基于Sentinel-2的洪水圖在洞庭湖平原上提取了額外的洪水區域。
大多數點散布在1:1線沿着，決定系數為0.94，表明兩張地圖具有相對良好的相關性，然而，基于S2的洪水圖由于以下原因高估了洪水情況。
30米的空間分辨率導緻嚴重的混合像素現象，無法排除非洪水道路和房屋，增加了洪水識别的不确定性，多雲天氣會降低圖像品質，幹擾洪水提取。
将稻田劃分為洪水區域也高估了洪水區域，三個階段的洪水影響區域分别為3249平方公裡，3652平方公裡和2450平方公裡，在380個縣中。
洪水影響了111個、133個和124個縣在三個階段，洪水的第二階段影響了大多數縣，這是政府部門需要最關注的防洪期。
洞庭湖平原和鄱陽湖平原附近的縣市是受災最嚴重的地區，其中江西省九江市和餘幹縣一直是三個階段洪水中受災最嚴重的五個縣之一。
由于湖泊面積的嚴重萎縮，特别是洞庭湖，湖泊的防洪能力已經減弱，由于河流上遊的土壤侵蝕産生了大量的沉積物，這些沉積物淤積在中遊盆地，湖泊面積逐年縮小。
上世紀的湖岸開墾破壞了湖泊作為防洪水庫的功能，關于洪水強度，1896平方公裡、1382平方公裡和1658平方公裡的區域分别經曆了一次、兩次和三次洪水。
分别占洪水影響面積的38％、34％和28％，圖4A和4B顯示了10公裡和縣級尺度上平均洪水強度的空間分布模式，高洪水強度的大面積位于湖泊周圍或主要水道沿岸。
這是由于水位迅速上升，零星的内陸洪水區域的洪水強度較低，可能是由于雨季連續降雨引起的積水。
至于縣級尺度上不同強度的洪水影響區域，洞庭湖平原的沅江縣和嶽陽縣以及鄱陽湖平原的鄱陽縣受洪水嚴重影響，導緻大面積的淹沒區域。
在所有三個縣中，高強度區域的面積約為低強度區域的兩倍，這表明大多數受洪水影響的區域遭受了反複洪水。
不斷損壞了農田和人工基礎設施，，在靠近湖泊或河流的低窪地區，一些嚴重淹沒的區域是用作洪水存儲區37以防止城市洪水泛濫的區域。
頻繁受洪水影響的區域位于湖泊或河流附近，洞庭湖平原和鄱陽湖平原分别遭受了六次洪水，代表了2015年至2020年洪水季節這些地區的每一年洪水。
長江及其支流經常受到洪水的影響，主要水道附近的三次洪水，支流中主要1-2次，2020年新增的洪水影響區域占2015年至2019年間最大洪水的29％。
可以觀察到2020年長江主流附近的洪水面積比前幾年更廣泛，位于兩個湖泊平原的嶽陽縣和鄱陽縣是與其他縣相比受洪水影響最大的農田地區。
2020年的洪水影響了最大的農田面積，為2282平方公裡，占總洪水面積的46％，2016年的洪水淹沒的農田面積排名第二，為1372平方公裡，占總洪水面積的57％。
洪水對不同地區的農田造成不同程度的損害，嚴重受損地區集中在洞庭湖平原和鄱陽湖平原，占25％。
而中等損害區域主要分布在湖北和安徽的長江主要平原，占47％；輕微損害區域位于湖北和江西省的支流平原周圍，占28％。
近一半的農田受到了中等程度的損害，其中包括953平方公裡的稻田和101平方公裡的其他作物，損害程度是根據洪水強度和反映植被生長的植被指數計算的。
這種分布模式暗示了農田遭受了較低次數的淹沒和适度的生長損害，隻要水退去，農民可以通過重新種植适合的作物，如蔬菜，來進行補償。
以減少經濟損失并避免地區貧困，本研究提出了一個在2015年至2020年間基于整合CDAT和NDFI算法、所有可用的S1影像和GEE平台上的雲計算實作MLYP近實時洪水監測的架構。
根據的洪水結果圖，全面比較了洪水的範圍、強度和年際變化，通過将結果洪水圖與高分辨率農田資料相結合，量化了洪水對農田的影響，發現了2020年受影響最大的農田面積。
總結
準确和及時描述洪水嚴重程度可以幫助執行防洪政策，減少經濟損失并保護容易受洪水影響的農田，與現有的大規模洪水制圖研究不同，這些研究大多以一張地圖描述洪水事件。
将洪水期間分為三個時間段，以分析動态模式和淹沒強度，進而支援嚴重洪水影響地區的精确管理和預防，年際比較反映了淹沒頻率和洪水熱點。
與其他研究隻提供洪水頻率圖的不同，27,30的研究分析了2020年洪水的新增淹沒區域，以衡量洪水的嚴重程度和影響新區域的未來趨勢，這些近實時高分辨率洪水制圖的全面結果可以通過以下事實來解釋。