利用多源SAR影像对洪水淹没模型进行验证

《Water Research》：Validation of flood inundation modelling using multi-source SAR imagery

本研究利用多源SAR影像开发自动阈值分割方法提取洪水范围，验证二维水力模型在数据稀缺地区的适用性，结果显示模型与SAR数据吻合度高（88.8%），水力传导率影响显著，为洪水管理提供可靠框架。

　　

高丹|王文婷|尹杰|于大鹏|卢毅|袁学松|李梅轩|杨宇涵

地理信息科学重点实验室（教育部），华东师范大学，上海200241，中国

摘要

由于气候变化，极端降水事件的频率不断增加，给洪水风险管理带来了重大挑战。虽然各种水力模型被广泛用于洪水监测，但在数据稀缺地区的验证仍然是一个关键障碍。卫星遥感技术，特别是合成孔径雷达（SAR）图像，通过独立于天气条件捕捉洪水动态提供了可行的解决方案。在本研究中，我们使用来自多源SAR数据的洪水范围来验证二维（2D）水力模拟。FloodMap-HydroInundation2D模型被应用于模拟2024年中国南阳发生的洪水事件。我们开发了一个基于阈值的自动化框架，从GF-3和Sentinel-1 SAR图像中提取洪水范围。结果表明，基于阈值的分割方法能够快速有效地提取水域范围，总体准确率超过85%，Kappa系数超过0.6。模型模拟结果与SAR生成的洪水地图高度一致，命中率为88.8%，偏差为0.058，关键成功指数为72.7%。敏感性分析显示，水力传导性对模拟结果的影响大于曼宁粗糙系数。我们的研究为数据稀缺地区的洪水模型验证提供了一个健壮且可扩展的框架，从而支持洪水灾害的缓解和应急响应。

引言

洪水是最具破坏性的自然灾害之一，造成全球范围内大量人员伤亡和社会经济损失（Devitt等人，2023年）。2000年至2018年间，全球约有2.9亿人受到洪水事件的影响（Tellman等人，2021年）。近年来，加速的气候变化和快速的城市化显著增加了极端洪水的强度和频率（Fischer和Knutti，2015年；IPCC，2021年；Liu等人，2024年）。例如，2024年西班牙瓦伦西亚发生的灾难性洪水导致超过200人死亡，是该地区四十年来最严重的洪水灾害（Llasat，2024年）。同样，2021年中国郑州发生的破纪录洪水，由于每小时降雨量达到201.9毫米，造成380人死亡和409亿元人民币的直接经济损失（Yang等人，2023年）。这些事件凸显了日益严重的洪水风险，对公共安全和社会经济稳定构成了系统性威胁（Rentschler等人，2022年；Yin等人，2023年）。因此，通过严格的验证提高洪水建模性能对于改进洪水风险管理和缓解策略至关重要（Paprotny等人，2025年）。

近几十年来，已经开发了各种洪水模型（例如水文模型、水力模型、基于地理信息系统（GIS）的模型和基于机器学习的模型）来评估洪水影响（Fraehr等人，2023年；Najafi等人，2024年；Nearing等人，2024年；Xu等人，2025年）。其中，二维（2D）水力模型（例如LISFLOOD-FP、FloodMap、HEC-RAS 2D）因其能够物理表示复杂地形上的水流和淹没动态而受到特别重视（Bates等人，2010年；Yu和Coulthard，2015年；Brunner，2016年；Hankin等人，2019年）。例如，Morales-Hernández等人（2021年）引入了TRITON，这是一个开源的2D模型，可以在异构高性能架构上运行，实现大规模水力模拟。同样，Haces-Garcia等人（2025年）应用HEC-RAS 2D模拟了低海拔地区的高分辨率城市降雨洪水。尽管这些模型应用广泛，但一个关键且常被忽视的问题是许多实际研究中缺乏系统、透明和多尺度的验证（Wing等人，2021年；Mahmood等人，2025年）。模型校准和评估通常依赖于最少或不足的数据，在某些情况下，模型根本没有经过验证（Molinari等人，2019年）。一个根本性的挑战是缺乏全面和高质量的地面观测数据，这对于在数据稀缺地区进行稳健的验证至关重要（Rollason等人，2018年；Bates，2023年）。

迄今为止，洪水淹没建模的验证方法主要依赖于两类数据集：传统数据集和非传统数据集。传统方法通常使用现场测量数据，如河流测量站和洪水后的调查。例如，Williams等人（2013年）依靠传统的点速度测量来评估模型性能。Smith等人（2021年）在172个高水位标记的观测点上评估了模型性能。虽然这些数据具有权威性，但受到空间稀疏性、时间采样不频繁以及难以访问偏远或快速变化环境的限制（Teng等人，2017年）。为了克服这些限制，研究人员越来越多地转向非传统数据来源，包括监控摄像头图像（Zeng等人，2024年）、众包数据（Songchon等人，2023年）、志愿提供的地理信息（Drews等人，2023年）、社交媒体报告（Guo等人，2022年）和官方发起的公民科学数据（Yu等人，2016年）。然而，这些替代数据往往具有不均匀的空间覆盖范围、时间滞后、异构的格式和不确定的准确性，限制了它们作为验证基准的适用性（Gao等人，2025年）。此外，大多数当前的验证实践侧重于静态或事件后的比较，忽略了模型和观测中的固有不确定性（Liu等人，2020年；Xu等人，2025年）。

合成孔径雷达（SAR）卫星遥感提供了一个有前景的替代方案。与光学传感器不同，SAR具有全天候、日夜成像的能力，即使在云层覆盖下也能进行大规模和高频率的洪水动态监测（Meng等人，2024年；Chen等人，2024年）。例如，Wang等人（2022年）使用多时相SAR图像评估了台风引起的淹没损失。基于SAR的洪水制图方法取得了显著进展，可以大致分为基于阈值的技术（例如Otsu、CFAR）或基于深度学习的语义分割（例如U-Net、DeepLabv3+）（Sharma和Saharia，2025年；Amitrano等人，2024年；Guo等人，2022年）。例如，Chen等人（2023年）提出了可解释的深度神经网络（DNN）用于基于SAR的水体检测。Verma等人（2021年）使用U-Net和DeepLabV3+深度学习算法进行了河流识别的二分类任务。虽然深度学习方法可以实现高精度的自动 delineation，但它们需要大量的标记数据集和大量的计算资源，而这在突发洪水灾害后往往无法快速部署（Zhang等人，2019年；Savner和Kanhangad，2023年；Lang等人，2025年）。相比之下，基于阈值的方法由于其计算效率和较低的数据需求而仍然被广泛用于快速提取水体，特别是在开阔水域区域（Bioresita等人，2018年；Liang等人，2020年；Bao等人，2021年）。然而，在复杂环境中，仅基于强度的阈值方法由于障碍物、非均匀散射和虚假水体信号等因素而可靠性较低（Hu和Ban，2014年；Zhuang等人，2025年）。最近的进展表明，将干涉SAR（InSAR）或多时相InSAR（MT-InSAR）与强度数据结合使用可以显著提高洪水检测的可靠性（Pelich等人，2021年；Zhao等人，2024年；Garg等人，2024年）。因此，从多源SAR图像开发稳健的洪水制图方法仍然是一个重要的研究挑战。

尽管有这些技术进步，大多数当前的基于SAR的研究主要集中在水体提取上，并没有充分利用多传感器SAR数据在动态验证水力模型方面的潜力（Zhao等人，2024年；Lang等人，2025年）。现有的验证工作通常依赖于单传感器SAR数据，忽视了多波段、多分辨率和多极化卫星星座的互补优势。这限制了验证数据集的时空丰富性，主要将分析限制在最大淹没范围的静态比较上（例如Breznik等人，2025年）。很少有研究利用SAR的连续监测能力来评估模型模拟的洪水演变的时间动态，这是评估水力模拟物理真实性的一个关键方面。此外，许多基于SAR的验证在宏观尺度上进行，无法解析细尺度的局部淹没过程（例如Bernhofen等人，2018年；Eilander等人，2023年；Wing等人，2017年）。因此，迫切需要一种使用多源SAR图像进行快速、动态和详细洪水模型验证的方法。

为了解决这些挑战和研究空白，本研究旨在提出一个使用多源SAR卫星观测的稳健动态验证框架用于洪水淹没建模。本文的主要贡献有三个方面。首先，我们开发了一种基于阈值的自动化方法，从GF-3和Sentinel-1图像中提取洪水范围。通过整合这些互补的SAR来源，构建了一个动态的多时相淹没数据集。这种方法减轻了单传感器分辨率和重访频率的限制，并为模型验证提供了全面的观测基准，特别是在数据稀缺地区特别有价值。其次，我们提供了一个健壮的方案，整合了多源SAR衍生的洪水范围，以评估不同空间和时间尺度上的模拟淹没动态。该方案应用于评估2D水力模型（FloodMap-HydroInundation2D）（Yu和Lane，2006a；2006b；2011年；Yu和Coulthard，2015年）在模拟2024年南阳发生的洪水事件时的性能。最后，我们对关键模型参数进行了敏感性分析，为进一步参数优化提供了见解。该框架增强了洪水模型验证的透明度和可靠性，支持从粗略到精确的洪水模拟和预测的转变，从而为洪水风险管理和缓解提供了更强的科学支持。本文的其余部分组织如下。第2节描述了数据和方法论，包括概述、研究区域、数据和处理、水体提取和准确性评估、洪水淹没建模、模型验证和敏感性分析。第3节展示了结果和分析。第4节提出了讨论、局限性和未来研究方向。第5节总结了主要发现。

章节片段

概述

使用多源SAR图像进行洪水淹没建模的验证分为四个阶段（图1）。在第一阶段，使用基于阈值的自动化分割方法从GF-3和Sentinel-1 SAR图像中提取洪水范围。该方法利用了光滑水面（表现出低雷达回波）和非水域地形之间的显著后向散射差异，从而高效且一致地划分出淹没区域。

从多源SAR图像中提取水体

图4展示了研究区域A在洪水前和洪水期间的水体范围，数据来自GF-3图像。在原始SAR数据中，水体表现出低后向散射，显示为暗色区域。洪水前（7月12日18:00；图4a）和洪水期间（7月15日18:00；图4b）的图像对比显示，极端降雨事件后通河沿岸的水体显著扩张，导致相邻农田大面积淹没。应用基于阈值的方法

多源SAR在洪水制图中的重要性

合成孔径雷达（SAR）由于其全天候、日夜成像的能力，不受云层覆盖或降雨的影响，在洪水监测方面具有显著优势。其在分辨率、极化和观测几何形状方面的灵活性进一步使得表面信息的详细检索成为可能。在本研究中，我们利用了Sentinel-1和GF-3 SAR任务的互补优势。Sentinel-1提供了高时间分辨率（约6天重访一次），而GF-3

结论

本研究利用来自SAR卫星图像的洪水范围来评估二维水力模型在模拟洪水事件时的性能。进行了两组模拟，一组用于探索模型对关键参数的敏感性，另一组用于评估水力传导性的不确定性。洪水范围是使用基于阈值的自动方法从SAR场景中提取的

未引用的参考文献

Al Mehedi等人，2024年；Zhao等人，2024年；Gu等人，2022年；Hashemi-Beni和Gebrehiwot，2021年；Liu等人，2024年；Sauer等人，2024年

CRediT作者贡献声明

高丹：撰写——原始草稿、可视化、验证、软件、方法论、正式分析、数据管理。王文婷：撰写——审阅与编辑、验证、软件。尹杰：撰写——审阅与编辑、验证、监督、软件、方法论、资金获取。于大鹏：撰写——审阅与编辑、验证、软件、方法论。卢毅：撰写——审阅与编辑、软件、方法论、调查、数据管理。袁学松：撰写——审阅与编辑

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢

本研究得到了国家自然科学基金（项目编号：42371076、42461160294）、上海市教育委员会（项目编号：2024AI01006）和上海基础研究试点计划（项目编号：TQ20240209）的支持。我们感谢审稿人的宝贵和建设性意见。