应众多读者的需求和建议，遥感地理视界创建了学习交流群，想加入交流的可扫描下方二维码添加。请进群后按照群公告备注如“学位-学校(或机构)-昵称”格式（详情请查看公众号置顶推文）。![]()
标题：Urban flood mapping by fully mining and adaptive fusion of the polarimetric and spatial information of Sentinel-1 images
期刊：《International Journal of Applied Earth Observation and Geoinformation》(中科院1区，IF=7.6)
作者：Qi Zhang, et al.
doi：10.1016/j.jag.2024.104251
近年来，洪水等自然灾害频繁发生，对人类社会造成了巨大的破坏。洪水不仅毁坏基础设施，影响人们的生活，还可能导致人员伤亡和疾病的传播。因此，准确绘制洪水区域地图对于理解洪水的时间和空间演变模式、制定灾后救援措施和重建计划至关重要。遥感图像映射方法因其及时性、高效性和广泛的监测范围，逐渐成为城市洪水映射的主要方法之一。然而，现有的基于遥感图像的洪水映射方法存在局限性，尤其是在城市场景中，地面物体的复杂性增加了，导致在洪水映射过程中容易产生不同程度的混淆。此外，现有研究中对SAR图像信息的利用不足，尽管SAR图像波段较少，但其中包含的极化、空间和伪彩色特征可以被充分利用以提高城市洪水映射的准确性。本研究提出了一种新颖的无监督多尺度机器学习方法，从信息挖掘和融合的角度出发，利用Sentinel-1 SAR图像进行城市洪水映射。本研究使用了Sentinel-1 C波段GRD数据集，包括VV和VH两种极化模式的强度图像以及Sentinel-1 SDWI指数。研究首先提取和融合了多种特征，如极化、伪彩色和空间特征，以增强水体的可区分性。特别是，本研究通过伪彩色合成和颜色空间转换为SAR图像构建了一些新的伪彩色特征。在此基础上，生成了洪水概率图（FPM），并对其进行了多尺度超像素分割。然后，设计并实现了一个基于机器学习的无监督分类模型，该模型借助于高斯混合模型的不确定性分析来辅助洪水映射。最后，提出了一种基于最小不确定性的多尺度信息自适应融合策略，以整合不同尺度的洪水映射结果，生成最终的洪水图。该方法无需人工标注样本，具有无监督特性，能够最小化映射不确定性，提高映射的准确性和可靠性。研究结果表明，所提出的方法在洪水映射中是有效的，并且与现有方法相比具有一定的优势。特别是在减少误检和正确识别不确定像素类别方面表现出色。实验结果还表明，本研究构建的伪彩色特征也有助于提高洪水映射的准确性。在比较实验中，使用多种常用SAR变化检测方法进行洪水映射，以验证本方法的有效性和优越性。此外，本研究还比较了三种不同特征组合（极化、伪彩色和空间特征）在洪水映射中的准确性差异，以探讨不同特征对洪水映射的贡献。结果表明，当同时使用极化、伪彩色和空间特征时，洪水映射的准确性最佳。从整体映射性能（指标OA和KC）来看，不同特征组合的映射准确性从高到低依次为PolSpaCol > ColSpa > PolSpa > PolCol > Pol，表明引入空间特征和伪彩色特征可以帮助提高洪水映射的准确性。此外，空间特征在本研究中对提高洪水映射准确性的重要性最高，因为当洪水映射中不使用空间特征时，准确性下降最为明显。同样，极化特征显示出最少的重要性。实验结果还表明，引入伪彩色特征可能有助于减少洪水映射中的漏检。理论上，伪彩色特征可以帮助增强水体的可区分性，从而提高洪水映射的准确性。本研究提出了一种基于机器学习的无监督多尺度城市洪水映射方法，该方法利用双时相SAR图像作为数据源，充分挖掘SAR图像中的极化、伪彩色和空间特征，以提高城市洪水映射的准确性和可靠性。研究结果表明，与现有方法相比，本方法在洪水映射中具有优势，尤其是在减少误检和正确识别不确定像素类别方面。此外，本研究还发现，通过同时整合SAR图像的极化、伪彩色和空间特征，可以获得最准确的洪水映射结果。尽管本方法在洪水映射中表现出了一定的优势，但仍存在一些不足，例如在识别一些细长的洪水区域时效果不佳。未来的研究将致力于构建更有针对性的水体特征或细长地物的空间结构和形态特征，以改进本方法，并进一步探索如何有效结合DEM数据和水文模型来优化本方法，从而提高洪水映射的准确性和可靠性。
文章来源 ：Zhang, Q., & Hu, X. (2024). Urban flood mapping by fully mining and adaptive fusion of the polarimetric and spatial information of Sentinel-1 images. International Journal of Applied Earth Observation and Geoinformation, 135, 104251.
免责声明 ：本公众号发布的内容仅供学习交流使用，内容版权归原作者所有。如有侵犯您的权益，请及时与我们联系。
