题目：Flood Monitoring in the Middle and Lower Basin of the Yangtze River Using Google Earth Engine and Machine Learning Methods
期刊：ISPRS International Journal of Geo-Information
第一作者：王景明
发表单位：南京大学
发表日期：2023年
1 摘要
研究背景：该研究是关于利用Google Earth Engine和机器学习方法对长江中下游流域进行洪水监测的研究。长江是中国最大的河流，其中下游地区经常受到洪水灾害威胁，因此有效的洪水监测具有重要意义。
拟解决的科学问题：该研究旨在解决长江中下游地区洪水监测面临的挑战。传统的洪水监测方法通常依赖于人工判读遥感影像或使用单一指标进行分析，效率低且容易出错。因此，本研究旨在探索基于Google Earth Engine平台和机器学习算法来实现自动化、高效且准确的洪水监测方法。
创新点： 本研究的创新点如下：
1)利用Google Earth Engine平台集成了多源遥感数据，为洪水监测提供了更全面、时序连续的数据基础。
2)引入机器学习方法，在传统人工判读或单一指标分析之外，实现了自动化、高效且准确的洪水监测。
3)结果验证部分考虑到历史洪灾事件，并使用多种评价指标来衡量模型性能，提高了结果的可信度。
2 研究方法
本文采用了以下主要方法：
数据获取：利用Google Earth Engine平台获取了多时相卫星影像数据，包括Sentinel-1合成季度回波系数（backscatter coefficient）数据和MODIS地表温度数据等。
特征提取：通过对卫星影像进行预处理，并从中提取与洪水相关特征如反射率、NDVI指数等。
机器学习算法：采用支持向量机（SVM）和随机森林（Random Forest）等常见的分类算法进行洪水监测模型建立。提出了一种新的函数模型来去除洪水图中的山影。
模型评估和验证：通过与实地观测数据、历史洪水事件对比，以及使用准确率、召回率和F1-score等指标评估模型的性能和可靠性。
3 研究结果
基于GEE云平台和Sentinel-1 SAR影像，利用SVM模型提取洪水期间的洪水水体，然后分析MLB的洪水灾害情况，解决大范围流域提取精度低、洪水灾害和山影消除困难的问题。结果表明：
(1)训练好的SVM模型在测试数据集中的评价指标准确率和kappa系数分别为97.77%和0.9521。
(2)与其他三种山体阴影去除方法相比，基于样本提出的线性函数模型效果最好，阴影识别率为75.46%。将函数模型应用于洪水水体提取图可以减轻山体阴影的干扰。
(3)基于多时相洪水水体提取图进行洪涝灾害分析。此次洪水共淹没土地8526平方公里，其中耕地受损最为严重，占总淹没面积的72.25%。洪水严重损害了MLB的农业生产。
遥感图像作为地表信息的记录，从图像中提取的信息与实际地表信息存在差异。本文提出的洪水监测方法虽然精度较高，但SAR影像记录地表信息的偏差、洪水信息提取的误差以及难以进行大范围精度评估，导致洪水监测的不准确性。我们选择了高质量的遥感图像和智能算法来减少这种不确定性。未来可以在更多地区开展精度评估，降低洪水监测精度的不确定性。
本文提出的洪水监测方法和技术流程可用于实际洪水监测，生产效率高。可为相关部门应急响应、救灾提供重要支撑，对提高灾害应急管理能力具有重要意义，为后续洪水发展趋势、灾后损失评估等研究提供重要保障。
MLB在中国的地理位置
研究区域内哨兵-1号图像的地理覆盖范围
研究区域内的培训区域和测试区域
训练样本在VH-VV二维空间中的分布
高程和坡度二维空间中的水体和阴影样本。水体和影子样本数量分别为23265个和41214个
山体阴影去除方法示意图。(a) 方法 1，(b) 方法 2，(c)方法3，(d)方法4
2020年7月10日至20日水体镶嵌结果经过后处理的详细地图
去除山影后的详细地图
去除所选区域中山体阴影的结果。(a) Landsat 8 图像，
(b) 地面实况，(c) 水体结果
研究区土地利用淹没地分布图
太湖水位过程图。水文站水位数据以吴淞高程为准
太湖水域面积的变化
太湖流域水体的空间分布图。(a) 升水阶段，(b) 降水阶段
鄱阳湖水域面积的变化
鄱阳湖内水体的空间分布图。(a) 升水阶段，(b) 降水阶段
东洞庭湖的水域面积变化
东洞庭湖水体空间分布图. (a) 升水阶段，(b) 降水阶段
4 讨论与结论
研究结果表明利用Google Earth Engine平台和机器学习方法可以有效监测长江中下游地区的洪水情况。通过特征提取和分类算法，能够在卫星影像上准确识别并提取出洪水信息。模型经过验证具有较高的精度，并且与实际观测数据相吻合。
5 参考文献
Jingming W,Futao W,Shixin W, et al. Flood Monitoring in the Middle and Lower Basin of the Yangtze River Using Google Earth Engine and Machine Learning Methods[J]. ISPRS International Journal of Geo-Information,2023,12(3).
转自：“生态遥感前沿”微信公众号
如有侵权，请联系本站删除！
