CN111929680B - 一种基于sar图像的洪水淹没程度快速评价方法 - Google Patents
一种基于sar图像的洪水淹没程度快速评价方法 Download PDFInfo
- Publication number
- CN111929680B CN111929680B CN202010142307.0A CN202010142307A CN111929680B CN 111929680 B CN111929680 B CN 111929680B CN 202010142307 A CN202010142307 A CN 202010142307A CN 111929680 B CN111929680 B CN 111929680B
- Authority
- CN
- China
- Prior art keywords
- disaster
- ground
- classification
- ground objects
- change
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
- G01S13/953—Radar or analogous systems specially adapted for specific applications for meteorological use mounted on aircraft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
- G01S13/955—Radar or analogous systems specially adapted for specific applications for meteorological use mounted on satellite
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Geophysics And Detection Of Objects (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于SAR图像的洪水淹没程度快速评价方法,包括以下步骤:(1)分析确定研究区内的地物基本类型;(2)灾前地物光学分类;(3)处理灾前图像组和灾中图像组;(4)对灾前图像组和灾中图像组进行监督分类;(5)统计各类地物的平均反射率并升序排列;(6)确定各类地物不同淹没程度的反射特征变化规律;(7)对地物依次进行编号;(8)对灾前和灾中的地物分类进行变化检测;(9)确定淹没范围和等级。本发明将由淹没导致的地物反射特征变化检测转变为由地物反射特征改变导致的地物分类变化检测,避免了提取淹没区的复杂阈值确定过程;建立基于地物反射特征分类变化的淹没提取模型;提供洪水淹没程度快速评价方法。
Description
技术领域
本发明涉及洪水淹没程度快速评价方法,尤其涉及一种基于SAR图像的洪水淹没程度快速评价方法。
背景技术
SAR(Synthetic Aperture Radar),即合成孔径雷达,是一种主动式的对地观测系统,可安装在飞机、卫星、宇宙飞船等飞行平台上,全天时、全天候对地实施观测、并具有一定的地表穿透能力。SAR是分辨率较高的相干成像雷达系统,它是通过天线给物体发射能量,同时也通过SAR接收能量,全部的能量都通过电子设备记录下来,最后形成图像。
近年来暴雨灾害频发,在城区形成城市内涝,在郊区或农村形成洪水,都造成了巨大的经济损失以及严重威胁到了灾区人民的生命安全。基于水文模型的灾害模拟和基于遥感手段的灾害提取是对洪涝灾害评估的两种主要手段。基于水文模型的灾害模拟往往需要大量高精度的辅助数据,这些数据获取困难且往往属于保密数据,适用于小范围精细化灾害预测,对于大范围灾害的快速反应存在不足。基于遥感手段的灾害提取,可以通过遥感图像实现灾害的大范围提取,但是洪涝灾害时,天气通常为云雨天气,这导致洪涝灾害时光学遥感图像质量较差。
发明内容
发明目的:本发明的目的是提供一种将由灾害导致的地物反射特征的变化检测转化为地物反射特征改变导致的分类变化检测的基于SAR图像的洪水淹没程度快速评价方法。
技术方案:本发明所述的一种基于SAR图像的洪水淹没程度快速评价方法,包括以下步骤:(1)分析确定研究区内的地物基本类型;(2)灾前地物光学分类;(3)处理灾前图像组和灾中图像组;(4)对灾前图像组和灾中图像组进行监督分类;(5)统计各类地物的平均反射率并升序排列;(6)确定各类地物不同淹没程度的反射特征变化规律;(7)对地物依次进行编号;(8)对灾前和灾中的地物分类进行变化检测;(9)确定淹没范围和等级。
所述步骤(2)选取最靠近灾害事件的高质量灾前光学影像,以监督分类的方法获取灾前地物光学分类。
所述步骤(3)分别对灾前和灾中的雷达图像进行基本处理,并将处理后的雷达图像分别与灾前地物光学分类结果构成两个图层组。
所述步骤(4)对所述步骤(3)的两个图层组采用同样的标准进行监督分类,对于灾前和灾中的样本选择均以地物未被淹没时的状态为准,得到基于反射特征修正后的灾前和灾中的地物分类结果。
所述步骤(5)根据地物反射特征大小,把各类地物当成不同的淹没状态,并作为淹没分析的先验知识一。
所述步骤(6)得到的反射特征变化规律,作为先验知识二。
所述步骤(7)根据地物反射率升序,对地物依次以2n(n为从0开始的自然数)进行编号,并将灾前和灾中的地物分类以编号表示。
所述步骤(8)采用象元检测的方法对灾前和灾中的地物分类进行变化检测。
所述步骤(9)根据地物分类变化的程度以及所述步骤(5)和步骤(6)中的先验知识,确定淹没范围和等级。
有益效果:本发明与现有技术相比,其显著效果如下:1、将由淹没导致的地物反射特征变化检测转变为由地物反射特征改变导致的地物分类变化检测,避免了传统利用雷达图像提取淹没区的复杂阈值确定过程;2、建立全面的基于地物反射特征分类变化的淹没提取模型;3、提供洪水淹没程度快速评价方法。
附图说明
图1为本发明的评价方法流程图;
图2为本发明的研究区光学影像;
图3为本发明的地物光学分类图;
图4为本发明的灾前雷达图像A;
图5为本发明的灾前雷达图像B;
图6为本发明的灾中雷达图像A;
图7为本发明的灾中雷达图像B;
图8为本发明的灾前地物分类;
图9为本发明的灾中地物分类;
图10为本发明的变化检测结果;
图11为本发明的淹没等级分布图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明做进一步详细描述。
如图1所示为本发明的评价方法流程图,具体步骤如下:(1)获得灾前光学影像(2)灾前地物光学分类;(3)处理灾前图像组和灾中图像组;(4)对灾前图像组和灾中图像组进行监督分类;(5)统计各类地物的平均反射率并升序排列;(6)确定各类地物不同淹没程度的反射特征变化规律;(7)对地物依次进行编号;(8)对灾前和灾中的地物分类进行变化检测;(9)确定淹没范围和等级。
洪涝灾害往往伴随着多云雨的天气,光学图像受天气影响较大难以获得高质量的数据,雷达图像具有穿云透雨的能力,不受天气的影响,是用来进行洪涝研究的最佳数据。雷达影像反应了地物反射特征,光学影像反应了地物在不同波段下的光学特性,雷达影像可以敏感地揭示地物反射特征的变化,光学影像可以进行高精度地物分类。以雷达图像为主体,光学图像为辅助数据进行洪水淹没程度快速评估。选取最靠近灾害事件的高质量光学图像,利用监督分类的方法进行研究区地物光学分类。在光学分类基础上分别加入灾前和灾中的雷达影像再次进行监督分类,得到根据地物反射特征进行调整后的灾前和灾中地物分类图像,比较这两个地物分类图像的差异即可得到有洪涝导致的地物分类变化信息。以各类地物的反射特征为先验知识,以各类地物的平均反射特征大小为参考,将各类地物看成不同的淹没状态,水体即为完全淹没。分析地物分类变化过程,即可确定淹没范围及程度。
以一个位于乡村的研究区为例,详细步骤如下:
(1)区域内主要地位类型为水体、有棚农田、无棚农田、道路、建筑区。
(2)图2为该研究区的距离灾害最近的光学影像,利用该图像进行随机森林分类,得到如图3所示的灾前地物光学分类结果。
(3)对灾前和灾中该研究区的不同极化方式下的雷达图像进行预处理,即对灾前和灾中该研究区的不同极化方式下的雷达图像进行辐射校正、地理编码、空间滤波、归一化等预处理,得到归一化后向散射系数产品,为了增大数据差异,根据公式(1)对后向散射系数进行幂变化:
s-Gamma=√(100×Gamma) (1)
其中,Gamma为归一化后向散射系数,s-Gamma为变化后的后向散射系数产品;
图4和图5为灾前预处理后的雷达图像,图6和图7为灾中预处理后的雷达图像,将灾前和灾中的雷达图像分别与步骤(2)得到的地物光学分类结果组合构成两个图层组。
(4)将步骤(3)中的图层组进行随机森林的监督分类,其样本选择均需确保地物处于未淹没状态,分别得到图8和图9所示的结果。
(5)在完成地物的分类之后,分别统计各类地物的平均反射率(其中,平均反射率1和平均反射率2是两种不同极化方式下的平均反射率),结果见表1所示。
表1平均反射率表
类别 | 编号 | 平均反射率1 | 平均反射率2 |
水体 | 1 | 1.45 | 0.96 |
无棚农田 | 2 | 3.69 | 2.10 |
有棚农田 | 4 | 4.18 | 2.11 |
道路 | 8 | 4.67 | 2.33 |
建筑 | 16 | 6.48 | 2.54 |
(6)除植被外,其他各类地物被淹时,反射率下降,植被被淹时反射增加;将淹没程度定为五个等级:完全淹没、重度淹没、中度淹没、轻度淹没、未淹没。当地物变化级别为1时,认为是轻度淹没;当地物变化级别为2时,认为是中度淹没;当地物等级变化为3时,认为是重度淹没;当地物等级变化为4时是完全淹没。除无棚农田外,其他各类均为向反射率更小的类别变化,无棚农田则向反射率更大的类别变化,当灾中类别为水体时,一律认为是完全淹没,其他情况均认为未淹没,具体判断规则见表2所示。
表2积涝等级判断规则表
(7)根据地物反射率升序,对地物依次以2n(n为从0开始的自然数)进行编号(如表1所示),并将灾前和灾中的地物分类以编号表示。
(8)利用象元检测的方法,对灾前和灾中的地物分类进行变化检测,结果如图10所示。
(9)根据步骤6,确定最终淹没分布图,如图11所示。
Claims (5)
1.一种基于SAR图像的洪水淹没程度快速评价方法,其特征在于,包括以下步骤:(1)分析确定研究区内的地物基本类型;(2)灾前地物光学分类;(3)处理灾前图像组和灾中图像组;(4)对灾前图像组和灾中图像组进行监督分类;(5)统计各类地物的平均反射率并升序排列;(6)确定各类地物不同淹没程度的反射特征变化规律;(7)对地物依次进行编号;(8)对灾前和灾中的地物分类进行变化检测;(9)确定淹没范围和等级;
所述步骤(5)根据地物反射特征大小,把各类地物当成不同的淹没状态,并作为淹没分析的先验知识一;
所述步骤(6)得到的反射特征变化规律,作为先验知识二;
所述步骤(7)根据地物反射率升序,对地物依次以2n进行编号,n为从0开始的自然数,并将灾前和灾中的地物分类以编号表示;
所述步骤(9)根据地物分类变化的程度以及所述步骤(5)和步骤(6)中的先验知识,确定淹没范围和等级。
2.根据权利要求1所述的基于SAR图像的洪水淹没程度快速评价方法,其特征在于,所述步骤(2)选取最靠近灾害事件的高质量灾前光学影像,以监督分类的方法获取灾前地物光学分类。
3.根据权利要求1所述的基于SAR图像的洪水淹没程度快速评价方法,其特征在于,所述步骤(3)分别对灾前和灾中的雷达图像进行基本处理,并将处理后的雷达图像分别与灾前地物光学分类结果构成两个图层组。
4.根据权利要求3所述的基于SAR图像的洪水淹没程度快速评价方法,其特征在于,所述步骤(4)对所述步骤(3)的两个图层组采用同样的标准进行监督分类,对于灾前和灾中的样本选择均以地物未被淹没时的状态为准,得到基于反射特征修正后的灾前和灾中的地物分类结果。
5.根据权利要求1所述的基于SAR图像的洪水淹没程度快速评价方法,其特征在于,所述步骤(8)采用象元检测的方法对灾前和灾中的地物分类进行变化检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010142307.0A CN111929680B (zh) | 2020-03-03 | 2020-03-03 | 一种基于sar图像的洪水淹没程度快速评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010142307.0A CN111929680B (zh) | 2020-03-03 | 2020-03-03 | 一种基于sar图像的洪水淹没程度快速评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111929680A CN111929680A (zh) | 2020-11-13 |
CN111929680B true CN111929680B (zh) | 2022-12-23 |
Family
ID=73316128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010142307.0A Active CN111929680B (zh) | 2020-03-03 | 2020-03-03 | 一种基于sar图像的洪水淹没程度快速评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111929680B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591714A (zh) * | 2021-07-30 | 2021-11-02 | 金陵科技学院 | 一种基于卫星遥感图像洪涝检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005189100A (ja) * | 2003-12-25 | 2005-07-14 | National Institute Of Information & Communication Technology | Sarによる植生被覆分類観測方法 |
CN104915757A (zh) * | 2015-05-22 | 2015-09-16 | 同济大学 | 基于波段运算的洪涝灾害淹没评估信息处理方法 |
CN105913361A (zh) * | 2016-04-08 | 2016-08-31 | 民政部国家减灾中心 | 一种洪涝灾害评估系统和方法 |
CN106872956A (zh) * | 2017-02-28 | 2017-06-20 | 民政部国家减灾中心 | 洪涝灾害范围提取方法及系统 |
CN108022053A (zh) * | 2017-12-19 | 2018-05-11 | 中国水利水电科学研究院 | 洪水风险评估方法和装置 |
CN110570462A (zh) * | 2019-09-12 | 2019-12-13 | 中山大学 | 基于极化雷达遥感影像的洪水淹没范围自动提取方法 |
-
2020
- 2020-03-03 CN CN202010142307.0A patent/CN111929680B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005189100A (ja) * | 2003-12-25 | 2005-07-14 | National Institute Of Information & Communication Technology | Sarによる植生被覆分類観測方法 |
CN104915757A (zh) * | 2015-05-22 | 2015-09-16 | 同济大学 | 基于波段运算的洪涝灾害淹没评估信息处理方法 |
CN105913361A (zh) * | 2016-04-08 | 2016-08-31 | 民政部国家减灾中心 | 一种洪涝灾害评估系统和方法 |
CN106872956A (zh) * | 2017-02-28 | 2017-06-20 | 民政部国家减灾中心 | 洪涝灾害范围提取方法及系统 |
CN108022053A (zh) * | 2017-12-19 | 2018-05-11 | 中国水利水电科学研究院 | 洪水风险评估方法和装置 |
CN110570462A (zh) * | 2019-09-12 | 2019-12-13 | 中山大学 | 基于极化雷达遥感影像的洪水淹没范围自动提取方法 |
Non-Patent Citations (2)
Title |
---|
基于半变异函数的多极化SAR图像地表淹没程度分析;沈国状 等;《遥感技术与应用》;20051231;第569-573页 * |
基于遥感监测的农业洪涝灾害评估方法研究;曾微波 等;《安徽农业科学》;20191231;第251-254页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111929680A (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107169492B (zh) | 基于fcn-crf主从网络的极化sar目标检测方法 | |
CN111339827A (zh) | 基于多区域卷积神经网络的sar图像变化检测方法 | |
CN110334623B (zh) | 一种基于Sentinel-2A卫星遥感影像提取崩岗信息的方法 | |
Lê et al. | Multiscale framework for rapid change analysis from SAR image time series: Case study of flood monitoring in the central coast regions of Vietnam | |
CN115452759B (zh) | 一种基于卫星遥感数据的河湖健康指标评价方法及系统 | |
CN115984778A (zh) | 一种基于多特征优化的Sentinel-1数据快速动态洪灾监测方法 | |
CN111611965B (zh) | 一种基于Sentinel-2影像的陆表水体提取方法 | |
Chunyang et al. | Sea fog detection using U-Net deep learning model based on MODIS data | |
Kwak et al. | A new approach for rapid urban flood mapping using ALOS-2/PALSAR-2 in 2015 Kinu River Flood, Japan | |
CN114119642A (zh) | 洪涝灾害水体提取方法及装置、设备和存储介质 | |
CN116758049A (zh) | 一种基于主被动卫星遥感的城市洪涝立体监测方法 | |
CN111929680B (zh) | 一种基于sar图像的洪水淹没程度快速评价方法 | |
CN116152678A (zh) | 小样本条件下基于孪生神经网络的海洋承灾体识别方法 | |
CN113642475B (zh) | 基于卷积神经网络模型的大西洋飓风强度估算方法 | |
CN113469097B (zh) | 一种基于ssd网络的水面漂浮物多相机实时检测方法 | |
CN115019192A (zh) | 基于双通道主干网络和联合损失函数的洪灾变化检测方法及系统 | |
US7058511B2 (en) | Sub-visible cloud cover assessment: VNIR-SWIR | |
Wei et al. | Texture feature analysis in oil spill monitoring by SAR image | |
CN112085725B (zh) | 基于启发式迭代算法的残膜残留量检测方法及预警系统 | |
CN117710508A (zh) | 基于改进条件生成对抗网络的近地表温度反演方法和装置 | |
CN116844049A (zh) | 基于图像差值法的森林扰动监测方法、系统、设备及介质 | |
CN115063437B (zh) | 一种红树林冠层可见光图像指数特征分析方法及系统 | |
Haddad et al. | Identification and filtering of rainfall and ground radar echoes using textural features | |
CN112800826A (zh) | 一种基于遥感影像分类的城市变化监测方法及系统 | |
CN114545410A (zh) | 基于合成孔径雷达双极化数据相干性的作物倒伏监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |