全自动的Sentinel-1全球洪水监测服务：科学挑战与未来发展方向

《Remote Sensing of Environment》：The fully-automatic Sentinel-1 Global Flood Monitoring service: Scientific challenges and future directions

基于Sentinel-1的全球洪水监测（GFM）服务通过三算法集成实现自动化洪水制图，提供 flood extent、likelihood layer及排除区域等数据，5小时内完成处理并达到72%的CSI精度，在温带和热带地区表现最佳，干旱区存在漏检，未来计划整合VH极化及ROSE-L数据提升精度。

　　全球洪水监测服务（GFM）的诞生标志着卫星遥感技术在灾害管理领域的重大进展。GFM利用哨兵-1（Sentinel-1）合成孔径雷达（SAR）数据，实现了对全球范围内的洪水事件进行全自动、近实时的监测。该服务在2021年启动，作为欧洲哥白尼紧急管理服务（CEMS）的一部分，旨在克服以往依赖人工操作的洪水地图生成服务的局限性。GFM的独特之处在于其处理所有哨兵-1陆地SAR图像的能力，这些图像以VV极化方式采集，能够在云层覆盖或光照条件不佳的情况下提供可靠的洪水监测信息。通过整合三种互补的洪水监测算法和参考水体数据集，GFM能够区分被淹没区域与永久性或季节性水体，为应急响应提供更准确的数据支持。

SAR技术在云层覆盖条件下对地表水体的监测具有独特优势。它能够穿透大气层，并且水体与地形之间的回波信号对比度较高。然而，实际应用中，一些环境因素如风、雨、水深变化和障碍物的存在，可能使水体表面产生波纹，从而显著增加回波强度。此外，植被和建筑物等表面结构可能引起直接散射或双路径反射效应，这可能会使水体与非水体的回波对比度降低甚至消失。为了应对这些挑战，GFM引入了参考水体地图、排除掩膜和建议标志，以帮助用户识别哪些区域的洪水监测可能不可靠或不可行。这些数据层来源于一个包含约3790亿个陆地表面像素的全球20米分辨率的回波数据立方体。

GFM的洪水地图通常在图像采集后五小时内生成，这为灾害响应提供了快速的信息支持。然而，由于覆盖范围的限制，一些洪水事件可能未被检测到。初步评估显示，GFM在较大规模的洪水和温带及热带地区的监测准确度较高，但在小规模洪水和干旱地区准确度较低。为了提升服务质量和监测能力，GFM计划通过改进算法和引入额外数据（如哨兵-1的VH通道或即将部署的ROSE-L任务中的L波段数据）来优化洪水检测。

在方法上，GFM采用了三种不同的洪水监测算法，分别由德国航空航天中心（DLR）、卢森堡科学与技术研究所（LIST）和维也纳技术大学（TU Wien）开发。这些算法分别基于单图像、双图像和时间序列数据进行分析，以提高洪水监测的鲁棒性和准确性。此外，GFM还整合了多种辅助数据集，如土地覆盖信息、雷达阴影掩膜和地形指数，以进一步提高监测结果的可靠性。GFM的输出包括二进制洪水地图、洪水可能性层和详细的上下文信息层，这些信息层能够帮助用户更全面地了解洪水情况。

为了实现全球范围内的自动化处理，GFM采用了基于云平台的数据立方体处理架构。这种架构允许将每张新采集的SAR图像与历史数据进行对比，从而进行时间序列分析。通过这种方式，GFM能够生成每月的参考水体地图，这些地图用于区分被淹没区域与永久性或季节性水体。此外，GFM还开发了一个排除掩膜，用于标识哨兵-1无法有效监测洪水的区域，例如森林、城市和低回波区域。建议标志则用于提示用户注意由于气象或地形条件导致的模糊雷达信号。

GFM的处理流程包括数据预处理、图像分析、算法执行和数据输出等步骤。所有数据被预处理并纠正，然后输入到数据立方体中进行分析。通过三种算法的组合，GFM生成了二进制洪水地图和洪水可能性层。数据输出前，还需进行后处理，包括噪声过滤和数据格式转换。整个处理流程充分利用了云平台的计算能力和存储资源，以确保数据的快速处理和分发。

GFM的洪水地图覆盖了全球大部分陆地表面，但仍有部分区域由于传感器灵敏度或地形因素无法有效监测。例如，高海拔地区、沙漠和干旱地区由于回波特征与水体相似，导致监测困难。此外，城市和森林等高反射率区域也可能因传感器的局限性而无法准确识别洪水。为了应对这些挑战，GFM不断优化其算法和数据处理流程，同时引入新的数据源，如VH极化数据和L波段数据，以提高监测的全面性和准确性。

GFM的洪水地图和相关数据层已被广泛应用于洪水影响评估和灾害响应。通过将洪水地图与人口数据和土地覆盖数据叠加，GFM能够快速识别受影响的区域和人口。此外，GFM还提供了一个开放的数据访问平台，用户可以通过注册获取实时和历史数据。这些数据被用于多种分析和应用，包括洪水影响评估、土地利用变化监测和灾害预警。

GFM的实施和运行依赖于先进的云平台技术和高效的数据处理架构。为了确保数据的快速处理和分发，GFM采用了高性能计算环境和大规模存储解决方案。此外，GFM还通过与多个研究机构和数据提供者的合作，不断优化其算法和数据处理流程。例如，GFM的算法开发团队通过案例研究和实际应用，不断改进其算法性能，以提高洪水监测的准确性和可靠性。

GFM的未来发展方向包括引入更多数据源、优化算法性能和提升数据处理效率。随着哨兵-1任务的扩展，如哨兵-1C和哨兵-1D的部署，GFM的覆盖范围和监测能力将得到进一步提升。此外，GFM计划与其他卫星任务（如ROSE-L）的数据进行整合，以提高洪水监测的全面性和准确性。通过这些改进，GFM旨在为全球洪水监测和灾害管理提供更加可靠和全面的数据支持。