《Remote Sensing Applications: Society and Environment》：Flood impact assessment on jute crop (Corchorus spp.) using multi-temporal Sentinel-1 (SAR) and Sentinel-2 (optical) data over the north-eastern region of India.
编辑推荐：
本研究评估了2024年6—7月期间反复发生的洪涝事件对印度东北地区黄麻作物的影响。研究采用多时相Sentinel-2光学数据对黄麻种植分布进行制图，获得了85%的总体分类精度。研究同时分析了Sentinel-1 VH极化后向散射在洪前、洪中和洪后条件下的时序变
本研究评估了2024年6—7月期间反复发生的洪涝事件对印度东北地区黄麻作物的影响。研究采用多时相Sentinel-2光学数据对黄麻种植分布进行制图，获得了85%的总体分类精度。研究同时分析了Sentinel-1 VH极化后向散射在洪前、洪中和洪后条件下的时序变化，并结合田间观测，对洪涝损害严重程度及洪后作物恢复情况进行了评价。基于同时考虑洪涝强度与持续性的决策矩阵（decision matrix）框架，研究将黄麻种植区划分为未受淹（正常）和受洪涝影响区域，进一步依据洪涝影响程度将受灾区分为轻度、中度和重度类别，并利用地面真实值数据进行了验证。结果表明，约20.2%的黄麻面积遭受轻度洪涝，10.3%和3.6%的面积分别遭受中度和重度洪涝。研究进一步通过作物收割试验（Crop Cutting Experiments, CCE，田间收割测产试验）量化洪涝对黄麻生物量、纤维产量及纤维品质的影响。结果显示，与未受淹条件相比，轻度洪涝分别导致生物量和干纤维产量下降24.2%和26.7%，同时低等级纤维比例上升，其中TDN5和TDN4分别增加6%和8%。由于重度洪涝条件下样本数量有限，研究将重度与中度洪涝类别合并分析，结果表明生物量和纤维产量分别下降32%和45.5%。洪涝对纤维品质的影响更为显著，TDN5和TDN4等级较正常条件分别增加29%和11%，表明纤维品质发生了明显劣化。
该文发表于《Remote Sensing Applications: Society and Environment》，围绕印度东北部黄麻主产区在2024年6—7月连续洪涝过程中的受灾识别、损失分级与产量品质响应开展了系统研究。黄麻是印度东部和东北部农业经济中的重要经济作物，主要分布于Hooghly河与Brahmaputra-Barak河流域冲积平原，兼具农业增收与纺织工业原料供应双重意义。由于黄麻生育期处于4—8月，恰与前季风和季风降雨高发期重合，因此作物在生长过程中常遭遇早期干旱与后期洪涝胁迫。其中，过量降雨和持续积水可引发土壤缺氧（hypoxia），进而造成植株生长受抑、叶片衰老、叶面积下降、气孔关闭，并进一步导致株高、茎基径、主根干重、纤维长度、纤维强度及纤维产量下降。既有研究已表明，渍涝持续时间与作物生长和产量损失呈正相关。然而，相较于水稻、玉米、马铃薯等作物，针对黄麻洪涝损害的遥感评估研究仍较少，且黄麻具有高生物量和较高株高等特征，容易遮蔽下垫面积水信号，使得仅依赖单一遥感指标难以准确识别实际受害程度。此外，黄麻受淹后的损失不仅表现为面积受灾，更直接体现在生物量、纤维产量和纤维品质等级劣化上，因此开展面向黄麻的洪涝影响评估具有明显的生产管理与灾后决策价值。
针对上述问题，研究人员选择印度Assam-Kochbihar区域作为研究区，覆盖阿萨姆邦11个地区及西孟加拉邦Kochbihar地区，结合多平台卫星数据、田间观测和作物收割试验，建立了黄麻洪涝影响评估流程。研究首先利用云量较低的多时相Sentinel-2数据提取黄麻空间分布，再基于6—7月Sentinel-1 SAR数据中VH极化后向散射的洪前—洪中—洪后变化，判定受淹黄麻区域，并依据洪涝强度和持续性构建决策矩阵实现灾情分级。随后，研究通过田间样点与地面真实值数据进行验证，并采用CCE对不同洪涝等级下黄麻的生物量、干纤维产量及纤维品质进行定量分析。研究结果表明，多时相光学—雷达协同方法能够较好支撑大区域黄麻洪涝受灾识别；在2024年连续洪涝背景下，研究区黄麻受灾面积较大，且洪涝不仅显著降低生物量与纤维产量，也明显推动低等级纤维比例上升，说明洪灾对数量和质量均产生了实质性不利影响。该研究的重要意义在于提出了一套适用于大范围业务化监测的黄麻洪涝损失评估思路，并通过产量与品质实测证据增强了遥感灾损判读结果的农业学解释力。
在技术方法方面，研究主要采用三类关键方法。其一，利用2024年3月下旬至6月上旬的无云Sentinel-2时序光学影像，结合移动端应用采集的地面样本，建立黄麻光谱时序特征并完成种植面积制图与精度验证。其二，利用6—7月多时相Sentinel-1 SAR影像，分析VH后向散射在洪前、洪中和洪后阶段的变化，结合洪涝强度与持续时间构建决策矩阵，对黄麻受灾等级进行判别。其三，在农户田块开展作物收割试验（CCE），对正常、轻度及中/重度受灾样本的生物量、干纤维产量和纤维等级进行实测比较，以实现遥感识别结果的农业损失量化验证。样本来源包括研究区田间调查与地面真实值观测数据。
以下结合论文主体部分进行结果解读。
Flood situation in Assam and adjoining areas, India
研究首先描述了2024年研究区洪涝发生背景。印度气象部门（IMD）降雨资料显示，2024年6月下半月至7月上半月出现了极强降雨过程，导致阿萨姆下游及Brahmaputra-Barak河漫滩平原发生大范围、反复性洪涝。该时段研究区主要种植作物为黄麻，作物龄期约50—70 d，株高约5—6英尺。此时黄麻已进入较高生物量阶段，既是洪涝敏感期，也是遥感监测面临遮蔽积水信号挑战的关键时期。该部分为后续灾情识别提供了气象和农业背景依据，说明本次洪涝具备多次发生、过程连续和影响范围广的特征。
Study Area
研究区位于印度东北部Assam-Kochbihar地区，纬度范围约24°N—28°N，经度范围约89.5°E—96°E，包括阿萨姆邦11个地区及西孟加拉邦Kochbihar地区。区域具有高温湿润生态特征，年降水量约200—300 cm，土壤以Entisols（新成土）和Inceptisols（始成土）为主，属于深厚肥沃的近代冲积沉积物分布区。这类河流冲积平原既适宜黄麻生长，也高度暴露于季风期洪涝风险之下，因此研究区具有典型代表性。
Methodology
方法部分构建了从作物识别到灾情分级再到损失量化的完整流程。研究人员首先利用3月下旬至6月上旬无云Sentinel-2光学影像进行黄麻种植区提取。田间调查表明，黄麻主要在3月末至4月初播种，播后初期田块多呈休闲地或稀疏植被状态，归因于土壤背景占优势，其归一化植被指数（NDVI）较低；随4—6月作物快速生长，黄麻高度增加，NDVI同步上升，从而形成可用于识别黄麻的时序轨迹。研究结合移动端采集的地面样本构建光谱特征并完成精度验证。随后，研究采用6—7月多时相Sentinel-1 SAR影像，重点分析VH极化后向散射在洪前、洪中和洪后的变化。考虑到黄麻高秆高生物量条件下单纯积水信息不易直接显现，研究进一步通过决策矩阵综合洪涝强度与持续性，对黄麻地块划分为正常、轻度、中度和重度受灾等级，并用地面真实值进行验证。最终，利用CCE定量分析不同受灾等级对应的生物量、纤维产量和纤维品质差异。
Mapping of jute crop across the study area
该部分结果表明，基于多时相Sentinel-2数据可以较好实现研究区黄麻种植面积制图。研究利用黄麻从播后低覆盖到快速营养生长阶段形成的时序光学特征完成分类，并取得85%的总体精度。这一结果说明，在云量条件允许的情况下，黄麻与其他地物之间的时间序列光谱差异具有较强可分性，也为后续受灾评估提供了可靠的作物底图。由于洪涝损失评估首先依赖于作物空间边界的准确界定，因此该步骤是整个研究框架的基础。
基于Sentinel-1的洪涝影响识别与分级结果
在黄麻分布图基础上，研究进一步利用Sentinel-1 VH后向散射时序变化刻画洪涝影响。研究并非仅依据某一时点的水体信号，而是综合洪前、洪中和洪后多期影像变化，并将洪涝强度与持续性纳入决策矩阵，从而实现对黄麻受灾情况的等级化判定。结果显示，研究区黄麻地中约20.2%遭受轻度洪涝，10.3%遭受中度洪涝，3.6%遭受重度洪涝。该结果说明，连续性洪涝对研究区黄麻生产造成了广泛影响，且不同地块在淹水深浅、历时和灾后恢复程度方面存在明显空间差异。田间观测与地面真实值验证支持了该分级方案的有效性。
Crop Cutting Experiments（CCE）与洪涝损失量化
为了将遥感受灾等级转化为农业损失量化指标，研究开展了CCE并对生物量、干纤维产量和纤维等级进行比较分析。结果表明，与未受淹地块相比，轻度洪涝条件下黄麻生物量下降24.2%，干纤维产量下降26.7%，说明即使是相对较轻的淹水事件，也足以对黄麻产量形成明显抑制。同时，纤维品质也发生退化，低等级纤维TDN5和TDN4分别增加6%和8%，反映出洪涝不仅降低了黄麻纤维数量，也削弱了商品质量。由于重度洪涝样本数量有限，研究将中度与重度类别合并处理。合并结果显示，生物量下降32%，纤维产量下降45.5%，其减产幅度明显高于轻度受灾情形，表明灾害程度增加会显著放大产量损失。更重要的是，纤维品质恶化更加突出，TDN5和TDN4分别较正常条件增加29%和11%，显示较严重洪涝对纤维质量等级的冲击大于其对部分数量指标的影响。
Discussion
讨论部分强调，黄麻种植区集中于印度Ganga-Hooghly和Barak-Brahmaputra河流域，在高温湿润且强降雨频发的4—8月生育季中，作物长期暴露于洪涝和渍水风险之下，因此构建面向大区域的快速灾损评估方法具有现实必要性。该研究提出了基于卫星遥感和农户田间CCE结合的业务化评估框架，能够同时识别受灾面积及其对应的产量损失。论文指出，黄麻不同于低矮作物，其高株高和高生物量会掩盖下层积水信号，使洪涝识别更具挑战性；同时，生育阶段和受淹持续时间决定了损失程度，因此必须采用多时相信息而非单时相判读。研究借助Sentinel-1与Sentinel-2数据的协同优势，在作物识别、灾情分级和损失验证之间建立了紧密联系，提高了评估结果的实用性。讨论还表明，纤维品质退化是洪涝影响中不可忽视的一环，若仅以面积或产量评价灾损，可能低估黄麻产业链层面的经济损失。
Conclusions
结论部分指出，本研究利用多时相、多平台卫星数据结合地面观测，评估了2024年6—7月印度东北地区反复洪涝事件对黄麻作物造成的损害。研究采用时间序列Sentinel-2光学数据完成黄麻制图，总体精度为85%；利用Sentinel-1 VH后向散射在洪前、洪中和洪后的变化表征洪涝损害强度，并据此实现受灾区域与受灾等级识别。结果表明，研究区黄麻地中轻度、中度和重度受灾面积占比分别为20.2%、10.3%和3.6%。CCE结果进一步证实，洪涝显著降低黄麻生物量和纤维产量，并导致纤维品质下降，其中较高灾害等级下的品质退化尤为明显。总体而言，该研究表明，多时相Sentinel-1（SAR）与Sentinel-2（optical）数据结合田间实测能够有效支持黄麻洪涝影响监测与损失评估，为洪泛平原地区黄麻灾后管理、政策干预和大尺度业务化监测提供了科学依据。
