【2024遥感应用组一等奖】基于ENVI Deep Learning的多源SAR影像海带水淹区域提取与分析

作品介绍01应用背景

近年来，随着全球气候变化的加剧，海岸带地区面临的洪水威胁日益严重。这些极端天气事件，特别是由热带气旋引发的洪水，不仅给沿海地区带来了巨大的经济损失，还对当地居民的安全和生活产生了深远影响。因此，能够准确识别海岸地区的水淹区域对于防灾减灾、制定应对策略至关重要。然而，传统的变化检测方法常常受到图像噪声的影响，导致提取精度不够，并且在处理大量数据时效率低下。在这种背景下，结合SAR影像穿云透雾的优势以及深度学习技术的强大数据处理能力，可以大大提高洪水区域的识别精度和速度。本研究聚焦于两个典型的沿海研究区域，作为深度学习模型的测试集：福州长乐区，该区域在2023年9月6日因台风“海葵”引发的洪水受到了严重影响；以及美国休斯顿，该区域在2017年8月29至9月5日因飓风“哈维”引发的洪水灾害中受损严重。通过多源SAR影像，结合光学影像数据，本研究旨在应对沿海地区复杂的洪水监测挑战，为进一步防灾减灾提供科学依据。图1 福州东部沿海图2 休斯顿沿海02应用目标

基于ENVI的深度学习模块，结合多源SAR影像海岸带水淹区域数据，通过数据扩充和模型优化，提升对复杂海岸带区域洪水变化的快速识别能力。具体目标包括：建立高效的洪水识别模型：通过深度学习技术，结合多源SAR影像，建立一个能够快速识别洪水区域的模型。该模型能够在极端天气条件下（如台风、暴雨）对洪水进行实时监测，并为相关部门提供决策支持。生成高精度的变化水体样本数据集：通过精确的样本数据制作，为模型提供可靠的训练基础，弥补了相关数据的不足之处，确保模型在复杂海岸带环境中的应用效果。验证模型的可推广性：通过不同区域的测试，验证模型在复杂地形、不同气候条件下的适应性和可推广性，确保模型在实际应用中的稳定性和可靠性。03使用数据

图3