欢迎访问一起赢论文辅导网
经济管理论文
当前位置:首页 > 经济管理论文
基于Sentinel-1ASAR的湖南省宁乡市洪水淹没监测
来源:一起赢论文网     日期:2019-02-27     浏览数:326     【 字体:

 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 测。Hess等[10]证 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 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 

[返回]
上一篇:基于SAR图像纹理的北极海冰厚度的反演研究
下一篇:高分辨率光学和SAR遥感影像在地震地质灾害调查中的应用