基于多源遙感數(shù)據(jù)的蓄洪區(qū)洪澇遙感監(jiān)測與分析

朱 輝，何祺勝，李金陽，陳 麗

(1.河海大學(xué)水文水資源學(xué)院，江蘇 南京 210098；2. 江蘇省水利科學(xué)研究院，江蘇 南京 210017)

我國地域遼闊、自然地理和氣候條件復(fù)雜、各地自然災(zāi)害頻繁發(fā)生，并且在全球變暖以及人為干擾的影響下，極端降水頻發(fā)[1]，導(dǎo)致洪澇災(zāi)害的發(fā)生。洪澇災(zāi)害被認為是最具破壞性、最廣泛和最頻繁的災(zāi)害之一[2-3]，是自然災(zāi)害鏈中造成巨大損失的重要一環(huán)[4-6]，已成為制約經(jīng)濟社會持續(xù)健康發(fā)展的突出瓶頸[7]。為了科學(xué)有效地應(yīng)對洪澇災(zāi)害，降低災(zāi)害造成的經(jīng)濟財產(chǎn)損失，快速準確地提取洪澇災(zāi)害范圍，尤其是近實時、高頻次的洪澇動態(tài)監(jiān)測制圖，以及災(zāi)后對洪澇災(zāi)害受災(zāi)區(qū)域的時空變化特征進行詳細準確的分析至關(guān)重要，是洪澇災(zāi)害治理領(lǐng)域研究的重要內(nèi)容。

由于遙感技術(shù)的時效性和低成本性，衛(wèi)星數(shù)據(jù)在洪澇災(zāi)害淹沒范圍提取中發(fā)揮了重要的作用[8-11]。湯玲英等[12]基于Sentinel-1A SAR數(shù)據(jù)，采用面向?qū)ο蟮姆椒ㄌ崛V西壯族自治區(qū)桂林市臨桂縣會仙巖溶濕地區(qū)域的洪澇災(zāi)害淹沒范圍，繪制災(zāi)前、災(zāi)中、災(zāi)后水體變化監(jiān)測圖。蘇亞麗等[13]利用多源衛(wèi)星遙感數(shù)據(jù)，采用一種基于NDVI變化特征值的方法對安徽省巢湖地區(qū)進行洪澇災(zāi)害動態(tài)信息的提取。Liu等[14]采用時空上下文學(xué)習(xí)的方法和Modest AdaBoost分類器，實現(xiàn)了在HJ-1A和GF-4影像上提取洪澇范圍。Wan等[15]根據(jù)SAR影像，采用結(jié)合閾值自動選擇、面向像元和面向?qū)ο蠓诸愐约半p向區(qū)域增長的一種洪水自動提取混合方法對吉林省的洪澇災(zāi)害淹沒范圍進行提取。Abdelhakim等[16]采用SAR和sentinel-2訓(xùn)練監(jiān)督分類器，實現(xiàn)洪水范圍的自動提取。Son等[17]利用含水率模型(WFM)，在MODIS影像中提取越南南方的洪澇災(zāi)害動態(tài)淹沒范圍。Xie等[18]引入大津算法，實現(xiàn)基于Landsat 8影像的洪水無監(jiān)督自動提取。高偉等[19]利用MODIS數(shù)據(jù)和達特茅斯洪水?dāng)?shù)據(jù)庫，通過數(shù)據(jù)協(xié)同的方法對舉水流域洪水范圍進行時間序列分析。李思慧[20]基于GF-1和MODIS遙感數(shù)據(jù)，結(jié)合地面氣象觀測數(shù)據(jù)和基礎(chǔ)地理信息數(shù)據(jù)，對通遼市洪水范圍進行提取及分析。上述研究注重于洪澇災(zāi)害信息提取的精確性，在洪澇災(zāi)害信息的時效性和高頻次方面有所欠缺，而時效性和高頻次對于快速制定響應(yīng)計劃和減小損失非常重要。在時效性方面，需要考慮信息提取方法的效率問題；在高頻次方面，由于衛(wèi)星的重訪周期以及洪澇災(zāi)害期間云量較大，光學(xué)影像質(zhì)量差，需要考慮數(shù)據(jù)源的選取問題。

蓄滯洪區(qū)是指河堤外洪水臨時貯存的低洼地區(qū)及湖泊等，包括行洪區(qū)、分洪區(qū)、蓄洪區(qū)和滯洪區(qū)，是流域防洪工程體系中的重要組成部分，是減輕災(zāi)害損失、保障人民生命財產(chǎn)安全的重大工程。如鄱陽湖區(qū)設(shè)有康山、珠湖、黃湖、方洲斜塘4座蓄滯洪區(qū)，極大地提升了鄱陽湖區(qū)防洪體系的災(zāi)害防御能力[21]；大名泛區(qū)是承擔(dān)著漳衛(wèi)河系滯瀝和漳河超量洪水分洪任務(wù)的蓄滯洪區(qū)[22]；位于安徽省阜陽市的蒙洼蓄洪區(qū)是淮河流域極其重要的防汛工程，從1954—2020年期間已開閘蓄洪16次，在淮河流域抗洪救災(zāi)中具有不可替代的地位。開閘蓄洪對蒙洼蓄洪區(qū)造成相當(dāng)大的經(jīng)濟損失，據(jù)統(tǒng)計，2003年蒙洼蓄洪區(qū)開閘蓄洪直接經(jīng)濟損失達3.8億元，2007年直接經(jīng)濟損失達6億元，2020年7—8月直接經(jīng)濟損失達6.7億元。

基于此，本文借助遙感和GIS技術(shù)，以蒙洼蓄洪區(qū)為研究區(qū)，選取哨兵一號、二號和高分系列衛(wèi)星影像作為數(shù)據(jù)源，采用區(qū)域生長算法對覆蓋研究區(qū)的9景高質(zhì)量遙感影像進行洪澇信息快速提取，分析洪澇期間蒙洼蓄洪區(qū)受災(zāi)區(qū)域的時空變化，并結(jié)合研究區(qū)的土地利用類型覆蓋圖，分析蒙洼蓄洪區(qū)各土地利用類型受災(zāi)情況的時空變化，以期為蓄洪期間減災(zāi)救災(zāi)、降低蒙洼蓄洪區(qū)經(jīng)濟損失等提供參考。

1 研究區(qū)概況

蒙洼蓄洪區(qū)位于安徽省阜陽市阜南縣境內(nèi)(115°35′20″E～115°56′38″E、32°25′1″N～32°36′47″N)，淮河干流洪河口至南照集間，南臨淮河，北臨蒙河分洪道，汛期四面環(huán)水[23]。蒙洼蓄洪區(qū)東西長約40 km，南北寬2～10 km，呈西南—東北走向的狹長地帶，地勢由上游王家壩向下游曹臺孜傾斜，由淮堤漸向蒙河分洪道傾斜[24]。其總面積約180.4 km2，設(shè)計蓄洪量7.5億m3，涉及4個鄉(xiāng)鎮(zhèn)，75個行政村、131座莊臺、17萬余人，耕地面積約13 160 hm2。圖1為研究區(qū)Landsat 8 OLI 7、3、2波段遙感影像。

圖1 蒙洼蓄洪區(qū)Landsat 8 OLI遙感影像(7、3、2波段)Fig.1 Landsat 8 OLI remote sensing image of Mengwa flood storage area (7, 3 and 2 bands)

2020年7月20日，由于淮河上游汛情緊張，王家壩閘開閘蓄洪，蒙洼蓄洪區(qū)第16次啟用。7月23日，王家壩閘關(guān)閘。8月1日，經(jīng)過12 d的蓄滯洪后，蒙洼蓄洪區(qū)退水閘正式開閘退水。

2 研究數(shù)據(jù)與研究方法

2.1 數(shù)據(jù)源

選取災(zāi)前、災(zāi)中質(zhì)量較高的哨兵一號(Sentinel-1A)、二號(Sentinel-2A)數(shù)據(jù)和高分系列衛(wèi)星(GF-1、GF-3和GF-4)2020年7—8月數(shù)據(jù)進行洪澇災(zāi)害淹沒范圍的提取，包括7月8日(災(zāi)前)、7月20日、7月21日、7月26日、8月1日、8月4日、8月17日、8月18日和8月24日的影像，各影像數(shù)據(jù)的成像時間及級別見表1，其他輔助數(shù)據(jù)包括Google高分辨率影像和研究區(qū)矢量邊界。

表1 遙感衛(wèi)星2020年7—8月數(shù)據(jù)信息

Sentinel-1A衛(wèi)星于2014年4月3日發(fā)射，是歐洲空間局哥白尼計劃發(fā)射的首顆環(huán)境監(jiān)測衛(wèi)星，在近極地太陽同步軌道上運行，軌道高度約700 km，重訪周期為12 d。它搭載一臺C波段合成孔徑雷達，成像系統(tǒng)采用4種成像模式，分別為WV(wave mode)、EW(extra-wide swath mode)、IW(interferometric wide swath)和SW(strip map mode)，極化方式為VV/VH，其中WV模式為單極化成像，EW、IW和SW模式均分為單極化和雙極化成像。

Sentinel-2A衛(wèi)星是2015年發(fā)射的一顆新星高分辨率多光譜成像衛(wèi)星，在可見光、近紅外(VNIR)和短波紅外(SWIR)光譜波段上設(shè)置有13個光譜波段(4個10 m波段，6個20 m波段，3個60 m波段)，主要用于陸地植被、土壤及水資源等在內(nèi)的全球陸地觀測[25]。Sentinel-2A衛(wèi)星搭載一臺多光譜成像儀，幅寬為290 km，輻射分辨率為12 bit，是第一個包含3條紅邊波段的陸地觀測光學(xué)衛(wèi)星。

GF-1衛(wèi)星是2013年發(fā)射的我國第一顆高分辨率對地觀測衛(wèi)星，搭載了2臺高分辨率相機，分別是1臺2 m空間分辨率的全色相機、1臺8 m空間分辨率的多光譜相機，以及4臺16 m空間分辨率的中低分辨率多光譜寬幅相機。全色相機的重訪周期為4 d，多光譜相機的重訪周期為2 d，其中全色相機的波長范圍為0.45～0.90 μm，包含藍色波段(0.45～0.52 μm)、綠色波段(0.52～0.59 μm)、紅色波段(0.63～0.69 μm)和近紅外波段(0.77～0.89 μm)，幅寬大于60 km；多光譜寬幅相機幅寬大于800 km，因此GF-1影像具有探測范圍大、空間分辨率高的優(yōu)點。

GF-3衛(wèi)星是我國于2016年8月10日發(fā)射的首顆全極化雷達衛(wèi)星，軌道高度為755 km，軌道類型為太陽同步回歸晨昏軌道，天線類型為波導(dǎo)縫隙相控陣，重訪周期為 2～3 d[26]。GF-3衛(wèi)星具有12種常規(guī)成像工作模式，4種在軌試驗工作模式，分辨率為1～500 m，成像幅寬10～650 km，具有單極化、雙極化、全極化成像能力，最長單次成像時間50 min。

GF-4衛(wèi)星是我國于2015年12月29日發(fā)射的第一顆地球同步軌道對地觀測遙感衛(wèi)星，搭載了一臺可見光和近紅外50 m/中波紅外400 m分辨率、幅寬大于400 km的凝視相機，通過面陣凝視方式成像，具備可見光、近紅外和中紅外同時成像的能力[27]。

2.2 數(shù)據(jù)預(yù)處理

Sentinel-1 GRD產(chǎn)品是經(jīng)過多視和地理編碼矯正處理的SAR數(shù)據(jù)，無需進行地理配準。使用歐洲航天局(European Space Agency)研發(fā)的SNAP(Sentinel Application Platform)軟件對其進行預(yù)處理，主要流程包括輻射校正、幾何地形校正、去除噪聲和后向散射系數(shù)影像轉(zhuǎn)換，并重采樣為30 m分辨率。

Sentinel-2 L1C產(chǎn)品是已經(jīng)過系統(tǒng)幾何精校正的光學(xué)影像，無需再進行幾何精校正。使用SNAP軟件對其進行預(yù)處理，調(diào)用SNAP軟件的Sen2Cor模塊進行大氣校正，然后對校正好的數(shù)據(jù)進行重采樣。

GF-1和GF-4影像屬于光學(xué)影像，以Sentinel-2為基準進行幾何校正，誤差控制在1個像素以內(nèi)。GF-3影像屬于雷達影像，使用航天宏圖信息技術(shù)股份有限公司研發(fā)的PIE-SAR(Pixel Information Expert for SAR)軟件進行預(yù)處理，主要流程包括輻射定標、極化濾波、正射校正和地理編碼，最后利用ArcMap將影像重采樣為30 m分辨率。

2.3 土地利用分類

為了得到蒙洼蓄洪區(qū)土地利用類型分布圖，用于分析研究區(qū)內(nèi)各土地利用類型受災(zāi)情況及其時空變化特征，同時考慮到蒙洼蓄洪區(qū)面積較小，人類活動因素對其土地利用類型分布影響較大，故基于谷歌地球引擎(Google Earth Engine)云平臺，參照2020年4月的Google影像進行目視解譯，以確保解譯結(jié)果的準確性。蒙洼蓄洪區(qū)的土地利用類型分為農(nóng)田、養(yǎng)殖塘、莊臺、保莊圩、河流、道路和其他，其土地利用類型分布圖如圖2所示。

圖2 蒙洼蓄洪區(qū)土地利用類型Fig.2 Land-use type of Mengwa flood storage area

2.4 水體提取

利用遙感技術(shù)獲取大范圍水體的空間信息具有很大的優(yōu)勢，目前水體提取較為常用的方法主要有單波段閾值法、水體指數(shù)法、譜間關(guān)系法、監(jiān)督分類法以及區(qū)域生長法。①單波段閾值法是利用水體在近紅外波段反射率較低、易與其他地物區(qū)分的特點，根據(jù)確定的分類閾值進行水體提取[28]。②水體指數(shù)法是根據(jù)水體和其他地物類型的光譜特征，選取相應(yīng)波段進行代數(shù)運算，從而在影像上突出水體信息，通過閾值分析提取水體。該方法常用的水體指數(shù)有歸一化差異水體指數(shù)(NDWI)、改進的歸一化差異水體指數(shù)(MNDWI)和修訂型歸一化差異水體指數(shù)(RNDWI)等。③譜間關(guān)系法是通過分析地物的光譜曲線特征，利用邏輯判別運算進行水體提取[29]。上述3種方法操作流程簡單，但易受到陰影、建筑物等地物的影響，且水體指數(shù)法和譜間關(guān)系法不能用于雷達影像。④監(jiān)督分類法是根據(jù)選取的訓(xùn)練區(qū)樣本，建立和訓(xùn)練分類器，利用分類器進行圖像分類。該方法雖然精度較高，但需要選取樣本，耗時過長，且同樣不能用于雷達影像。⑤區(qū)域生長法是目前應(yīng)用較為廣泛的圖像分割方法之一，思路簡單，只需提供若干種子點即可完成，能夠提供良好的邊界信息，產(chǎn)生較好的分割結(jié)果及較快的分割速度[30-31]。該方法側(cè)重于集中連片水體的提取，適合洪澇水體這類大范圍水體的快速提取[32]。

本文選擇區(qū)域生長法進行水體提取。區(qū)域生長法適合于光學(xué)和雷達影像，其基本思想是根據(jù)事先定義的準則將像素點聚合在一起，即以一組種子點作為生長的起點，根據(jù)定義的準則，將種子點周圍的像素點與種子點進行對比，合并具有相似性質(zhì)(光譜特征或紋理特征等)的像素點，并繼續(xù)向外生長，直到?jīng)]有滿足同質(zhì)準則的相鄰像素點為止，然后進行區(qū)域合并以減少區(qū)域的數(shù)量[33]。

選擇合適的種子點是區(qū)域生長法水體提取精度的關(guān)鍵因素，合適的種子點應(yīng)該符合以下條件：①必須位于水體之內(nèi)，最好位于水體的中央?yún)^(qū)域；②應(yīng)選擇在光譜反射或后向散射較為均勻的水體區(qū)域內(nèi)，并且種子點的像素值在該區(qū)域內(nèi)具有一定的代表性，否則會導(dǎo)致聚類結(jié)果的區(qū)域過小，影響水體提取的效率。若影像上水體區(qū)域的光譜反射或后向散射不均勻，需要將影像進行分塊后再進行水體提取。

合適的閾值是水體提取的另一關(guān)鍵因素。區(qū)域生長法的閾值代表在同一景影像中用于判別像素點是否同質(zhì)的光譜信息或后向散射信息的差值。閾值過小將導(dǎo)致聚類結(jié)果的區(qū)域太小，影響水體提取的效率；閾值過大將導(dǎo)致其他地物被劃分在水體之中，降低水體提取的精度。圖3(a)～(c)分別為基于2020年8月1日Sentinel-1雷達影像，選擇同一種子點(紅色點)，閾值設(shè)為10、20和40時，區(qū)域生長法提取的水體(圖中藍色邊框)，圖3(d)(e)分別為基于2020年8月4日GF-1光學(xué)影像，選擇同一種子點，閾值設(shè)為5、10和15時，區(qū)域生長法提取的水體。由圖3(a)～(c)可以看出，對于Sentienl-1影像，20是水體提取較為合適的閾值，閾值為10時聚類結(jié)果的區(qū)域偏小，閾值為40時其他地物被劃分在水體之中，提取精度不高；而對于圖3(d)(e)的GF-1影像，10是較為合適的閾值。

圖3 區(qū)域生長法水體提取結(jié)果Fig.3 Water extraction results of region growing algorithm

采用區(qū)域生長法初步提取水體之后，參照對應(yīng)影像，通過目視解譯進行驗證，并使用ArcGIS軟件對提取的水體進行人工修改，得到高精度的水體矢量數(shù)據(jù)。

3 結(jié)果與分析

3.1 水體提取結(jié)果

采用區(qū)域生長法提取水體，并結(jié)合目視解譯進行人工修改，得到研究區(qū)的水體分布數(shù)據(jù)。圖4(a)～ (j)分別為蒙洼蓄洪區(qū)2020年7月8日、7月20日、7月21日、7月23日、7月26日、8月1日、8月4日、8月17日、8月18日和8月24日的水體范圍。其中7月23日缺少高質(zhì)量的遙感影像提取水體，但由于該日王家壩閘關(guān)閘，理論上7月23日是受災(zāi)最嚴重的一天，因此根據(jù)7月21日和26日的水體，使用ArcGIS進行疊加操作，以此作為7月23日當(dāng)天的水體。

圖4 蒙洼蓄洪區(qū)水體提取分布Fig.4 Extraction distribution of water body in Mengwa flood storage area

3.2 受災(zāi)區(qū)域的空間變化特征

根據(jù)提取的蒙洼蓄洪區(qū)水體分布數(shù)據(jù)，分析受災(zāi)區(qū)域的空間變化特征。使用ArcGIS軟件的空間分析模塊，對除7月8日(災(zāi)前)外的所有水體矢量數(shù)據(jù)進行空間分析，得到蒙洼蓄洪區(qū)各個區(qū)域淹沒持續(xù)時間分布圖，以此判斷各個區(qū)域的受災(zāi)程度。蒙洼蓄洪區(qū)淹沒持續(xù)時間分布如圖5所示。

圖5 蒙洼蓄洪區(qū)淹沒時間分布Fig.5 Distribution of inundation time in Mengwa flood storage area

根據(jù)研究區(qū)的最大淹沒歷時，設(shè)淹沒歷時大于20 d的區(qū)域為重度受災(zāi)區(qū)，5～20 d為中度受災(zāi)區(qū)，小于5 d為輕度受災(zāi)區(qū)。從圖5可以看出，蒙洼蓄洪區(qū)中部和東北部地區(qū)受災(zāi)情況較為嚴重，淹沒歷時均達20 d以上，為重度受災(zāi)區(qū)；輕度受災(zāi)區(qū)和中度受災(zāi)區(qū)大部分位于蒙洼蓄洪區(qū)的西南部地區(qū)；無受災(zāi)區(qū)，即未淹沒的區(qū)域，大部分分布在蒙洼蓄洪區(qū)的圈堤附近，少部分分布比較廣泛，無規(guī)律。

結(jié)合蒙洼蓄洪區(qū)的地域特征和土地利用類型分布圖，分析蓄洪區(qū)受災(zāi)區(qū)域空間變化特征的原因為：①蒙洼蓄洪區(qū)的地勢由上游王家壩向下游曹臺孜傾斜，西南高，東北低，蓄洪期間洪水匯聚在地勢低的區(qū)域，因此蓄洪區(qū)輕度受災(zāi)區(qū)和中度受災(zāi)區(qū)大部分位于西南部，重度受災(zāi)區(qū)位于中部和東北部；②保莊圩是由新建圩堤和淮河大堤連接起來形成的圩區(qū)，莊臺是截面為正梯形的土臺，地勢較高，皆可有效預(yù)防洪澇災(zāi)害。無受災(zāi)區(qū)的地理位置與蓄洪區(qū)內(nèi)的保莊圩和莊臺的分布基本一致，因此蒙洼蓄洪區(qū)內(nèi)的無受災(zāi)區(qū)基本是保莊圩和莊臺。

3.3 受災(zāi)區(qū)域的時間變化特征

根據(jù)提取的蒙洼蓄洪區(qū)水體分布數(shù)據(jù)，統(tǒng)計出蒙洼蓄洪區(qū)2020年7月20日、7月21日、7月23日、7月26日、8月1日、8月4日、8月17日、8月18日和8月24日的淹沒面積分別為38.08 km2、102.33 km2、150.29 km2、133.09 km2、125.02 km2、119.61 km2、91.80 km2、76.99 km2和40.14 km2?？梢钥闯觯転?zāi)期間以7月23日的淹沒面積最大，20日水體面積最小； 23日之前淹沒面積呈上升趨勢，23日之后呈下降趨勢。

綜上，總結(jié)研究區(qū)受災(zāi)區(qū)域時間變化特征為：①7月20日，西南部最先受災(zāi)，并逐漸向東北部延伸，淹沒面積增長明顯，至7月23日達到最大值；②7月26日，西南部開始退洪，總體淹沒面積逐漸下降，下降趨勢不大；③8月4日開始，淹沒面積明顯下降，至8月18日，淹沒面積下降至最大淹沒面積的一半以下。

蒙洼蓄洪區(qū)啟用各措施的時間是7月20日開始蓄洪、23日王家壩閘關(guān)閘、8月1日開始退洪，上述淹沒面積時間變化特征與蒙洼蓄洪區(qū)開展蓄洪措施的時間基本吻合。

3.4 各土地利用類型受災(zāi)情況的時空變化特征

根據(jù)圖2，使用ArcGIS計算出各土地利用類型的面積為：農(nóng)田120.7 km2，養(yǎng)殖塘37.7 km2，保莊圩9.6 km2，莊臺5.7 km2，河流2.1 km2，道路1.4 km2，其他6.1 km2。可以看出，農(nóng)田是蒙洼蓄洪區(qū)面積最大的土地利用類型，養(yǎng)殖塘其次，而其余土地利用類型的面積相對于農(nóng)田和養(yǎng)殖塘都較小，蓄洪前后其受災(zāi)面積不會發(fā)生明顯變化。此外，農(nóng)田和養(yǎng)殖塘是蒙洼蓄洪區(qū)的主要經(jīng)濟來源，其洪澇災(zāi)害受災(zāi)情況與造成的經(jīng)濟損失密切相關(guān)，而保莊圩和莊臺不會受洪澇災(zāi)害的影響，因此主要分析農(nóng)田和養(yǎng)殖塘這兩種土地利用類型的淹沒面積時間變化。

表2為2020年7月8日、7月20日、7月21日、7月23日、7月26日、8月1日、8月4日、8月17日、8月18日和8月24日蒙洼蓄洪區(qū)內(nèi)農(nóng)田、養(yǎng)殖塘淹沒面積的時間變化。由表2可以看出，蒙洼蓄洪區(qū)農(nóng)田和養(yǎng)殖塘的淹沒面積在7月23日達到最大值，分別為109.01 km2和35.30 km2，23日之前淹沒面積呈上升趨勢，23日之后淹沒面積呈下降趨勢；7月20日至8月18日農(nóng)田和養(yǎng)殖塘的平均淹沒面積分別為74.77 km2和24.19 km2，占各自總面積的61.95%和64.16%，受災(zāi)情況均較為嚴重。

表2 蒙洼蓄洪區(qū)農(nóng)田、養(yǎng)殖塘淹沒面積時間變化

由圖2可以看出，農(nóng)田和養(yǎng)殖塘在蓄洪區(qū)內(nèi)的分布相對均勻，因此其淹沒面積的時間變化特征與總區(qū)域淹沒面積的時間變化特征基本一致。此外，農(nóng)田在蓄洪區(qū)的東北部地區(qū)分布較多，養(yǎng)殖塘在蓄洪區(qū)的中部地區(qū)分布較多，而東北部和中部地區(qū)均為重度受災(zāi)區(qū)，因此農(nóng)田和養(yǎng)殖塘受災(zāi)情況均較為嚴重。

4 結(jié) 論

a.區(qū)域生長算法能夠高效精確地識別大面積連片的水體，并且適用于光學(xué)和雷達影像；該算法結(jié)合多源衛(wèi)星遙感數(shù)據(jù)能夠?qū)崿F(xiàn)洪澇災(zāi)害動態(tài)監(jiān)測的時效性和高頻次。

b.2020年7月20日至8月18日蒙洼蓄洪區(qū)平均受災(zāi)面積約105 km2。蒙洼蓄洪區(qū)中部區(qū)域為受災(zāi)面積最大的區(qū)域，其次是東北部區(qū)域，最小是西南部區(qū)域?；诿赏菪詈閰^(qū)西南部地勢高、東北部地勢低的地域特征，結(jié)合蒙洼蓄洪區(qū)受災(zāi)區(qū)域的空間變化特征，風(fēng)險較高的區(qū)域主要位于蒙洼蓄洪區(qū)的中部和東北部；蒙洼蓄洪區(qū)內(nèi)的農(nóng)田和養(yǎng)殖塘受災(zāi)均較為嚴重，原因在于農(nóng)田在蓄洪區(qū)的東北部分布較多，養(yǎng)殖塘在蓄洪區(qū)的中部分布較多，均為高風(fēng)險、受災(zāi)嚴重地區(qū)。

c.蒙洼蓄洪區(qū)受災(zāi)情況的時間變化特征與蓄洪措施存在有很強的相關(guān)性。洪澇災(zāi)害期間連續(xù)降雨，云量較多，7月23日沒有高質(zhì)量的光學(xué)影像，而由于重訪周期的原因同樣沒有相應(yīng)雷達影像，因此7月23日的水體覆蓋數(shù)據(jù)是疊加合成的數(shù)據(jù)，在后續(xù)研究中可增加更多的衛(wèi)星影像，確保數(shù)據(jù)的獲取。