基于卫星遥感光谱指数与高程预测模型的洪水动态监测方法：巴西南部城市洪涝案例研究及其对灾害风险管理的意义

本研究针对城市化与气候变化加剧的城市洪涝问题，创新性地结合HAND模型与多光谱遥感指数（NDWI/WNDWI），对巴西南部阿雷格里港大都会区的洪水动态进行监测与验证。研究结果表明，WNDWI在浑浊水体与异质城市环境中表现更优，洪水范围识别精度达98–99%，Kappa系数达0.75–0.82，HEC-RAS模型验证显示其与实测洪水范围高度一致。该研究为城市洪水风险精准评估、早期预警系统构建及韧性城市规划提供了可靠的技术支撑与方法体系。

　　

随着全球气候变化和城市化进程的加速，极端降雨事件频发，城市洪涝灾害日益严重，尤其是在发展中国家的大都市区。巴西南部的阿雷格里港大都会区（MRPA）就是一个典型代表。该区域近年来经历了两次特大洪水事件——2015年的历史性洪水和2024年破纪录的灾难性洪水，后者导致瓜伊巴河水位升至5.7米，淹没整个社区长达数周，暴露出基础设施老化和排水系统不足的严重问题。城市化扩张侵占了自然排水区和湿地，不透水地表面积在30年间增加了约38%，自然蓄水能力下降了40%，显著增加了地表径流和洪水风险。传统的实地测量和物理模型虽能提供精确数据，但成本高、耗时长，难以快速响应大范围洪涝监测需求。因此，开发一种高效、可靠且易于推广的洪水动态监测方法，对于提升城市洪涝风险管理能力至关重要。

在这一背景下，本研究提出了一种综合遥感（RS）与地形建模的方法，旨在通过结合高程数据和光谱指数，实现对洪水易发区域的精准识别与动态监测。研究以MRPA为案例，利用30米分辨率的SRTM数字高程模型（DEM）生成高程Above最近的排水口（HAND）模型，用以评估地形上的洪水敏感性；同时，基于Landsat卫星影像，应用归一化水体指数（NDWI）和加权归一化水体指数（WNDWI）进行洪水范围提取，并通过HEC-RAS水动力模型进行验证。整个研究方法包括数据获取（DEM和卫星影像）、处理（HAND计算和光谱指数分析）以及结果验证（与HEC-RAS模拟结果对比）三个主要阶段。

关键技术方法主要包括：1）使用SRTM DEM数据构建HAND模型，通过相对高程分类（0–1米为极高风险至25–100米为极低风险）识别洪水易发区；2）应用Landsat 5 TM和Landsat 8 OLI影像，计算NDWI和WNDWI指数，其中WNDWI引入了加权近红外（NIR）和短波红外（SWIR）波段，以增强在浑浊水体和城市环境中的探测能力；3）采用模糊逻辑和Otsu阈值法对指数进行二值化处理，区分水与非水像素；4）利用HEC-RAS 2D非恒定流模型（基于LiDAR DEM和实地水文数据校准）生成的洪水范围作为验证基准，通过整体精度、Kappa系数、AUC和F1-score等指标评估光谱指数的性能；5）结合多时相土地利用/覆盖（LULC）数据（来自MapBiomas）分析城市化影响。所有数据处理依托Google Earth Engine（GEE）平台完成，确保了方法的可重复性和高效性。

3.1. 洪水易发区Mapping

HAND模型成功识别出MRPA内沿主要河流（如Jacuí和Gravataí河）及低洼地区的洪水高风险区，分类显示0–1米相对高程区域具有极高敏感性。然而，在平坦且高度城市化的区域（如Porto Alegre市中心），由于SRTM DEM的垂直分辨率限制（约1米），模型对细微地形变化的敏感性不足，未能完全捕捉已知洪水区域，表明高分辨率DEM（如LiDAR）的必要性。模型还揭示了城市化导致的自然排水系统退化，进一步加剧了洪水风险。

3.2. 光谱指数在洪水监测中的敏感性分析

通过500个随机样本点的统计分析，WNDWI在2015和2024年洪水事件中均表现出优于NDWI的性能。在极高风险区，WNDWI的相关系数（r）和均方根误差（RMSE）更稳定，尤其在2024年高浑浊洪水条件下，WNDWI的AUC值达0.74，而NDWI仅为0.44。WNDWI能更准确地识别城市中的洪水范围，减少了由于建筑物阴影和植被造成的误分类。Histograms显示，WNDWI值在洪水像素中集中分布于正值区间，与水体光谱特征一致，且2024年事件中分布更广，反映了更大的洪水范围。

3.3. 主题精度验证

以HEC-RAS模拟结果为参考，WNDWI在2015和2024年的整体精度分别为98.45%和99.10%，Kappa系数分别为0.75（实质性一致）和0.82（几乎完美一致），显著高于NDWI的96.20%和0.52。ROC曲线和F1-score进一步证实了WNDWI的优越性，尤其在浑浊水体和城市异质环境中。视觉对比显示，WNDWI绘制的洪水范围与HEC-RAS输出高度吻合，而NDWI则倾向于低估城市洪水并高估植被区。

3.4. 不同环境下的指数性能比较

在农业和城市区域，WNDWI因结合SWIR波段，能有效抑制高反射地表（如屋顶和道路）的干扰，减少误报。例如，在农业周边区，WNDWI值可达0.45，而NDWI仅0.15；在城市洪水区，WNDWI值超过0.6，NDWI则低于0.2。然而，两者在过渡区（如混合土地利用区）均存在光谱混合问题，精度下降，突显了集成多源数据的必要性。

研究结论强调，集成HAND模型与WNDWI光谱指数提供了一种高效、可靠的洪水监测方法，特别适用于快速城市化和气候脆弱区。WNDWI在复杂环境中的优异性能使其成为洪水早期预警和风险管理的理想工具，支持了城市规划和韧性策略的实施。讨论部分指出，尽管该方法存在局限性（如DEM分辨率不足和光谱混合挑战），但通过结合高分辨率数据和深度学习技术，未来可进一步提升精度。这项研究不仅为MRPA提供了实用的解决方案，也为全球类似地区的洪水风险管理提供了可借鉴的框架，发表在《Science of The Total Environment》上的这些发现，突出了多学科方法在应对城市洪涝挑战中的重要性，倡导在政策制定中融入遥感与建模技术，以增强社会气候适应性。