《Geomatics, Natural Hazards and Risk》：Quantifying flash flood inundation and assessing damage using satellite earth observations: the case of 2022 flash flood in Bangladesh
编辑推荐：
本文利用Sentinel-1合成孔径雷达（SAR）影像与Otsu阈值法，量化分析了2022年孟加拉国锡尔赫特特大洪涝的时空动态。研究表明，该洪涝事件导致锡尔赫特地区超1600 km2土地被淹，哈比甘杰（Habiganj）受灾最重，超50万人直接受影响，农田（累计受损4701.30 km2）与城市建成区（40.9 km2）遭受严重破坏。成果为洪涝风险防控、农业韧性提升及灾害应急管理提供了重要数据支撑。
ABSTRACT
洪涝是孟加拉国面临的最严重自然灾害之一，频繁造成生命、财产、基础设施和生计损失。本研究通过整合Sentinel-1合成孔径雷达（SAR）影像与社会经济数据集，分析了2022年锡尔赫特洪涝的时空动态。采用Otsu阈值法估算了锡尔赫特地区洪涝事件发生前、期间及后的水体范围。结果显示，锡尔赫特专区超过1600 km2土地被淹没，其中哈比甘杰县淹没面积最大。超过50万人直接受影响，农田和城市区域遭受重大破坏。此外，研究还强调了洪涝对各区县城市建成区和农田的显著影响。累计农田损毁从6月的3376.30 km2增至7月的4701.30 km2，表明对农业生产力造成严重冲击；同时，受影响的建成区达40.9 km2，凸显了对人类聚居地的冲击。通过详细评估洪涝范围与损害，本研究为政策制定者、规划者及灾害管理部门提供了有价值的见解，支持孟加拉国脆弱地区制定针对性洪涝风险削减、农业韧性提升及未来灾害影响减缓策略。
1. 引言
全球范围内，洪涝是发生最频繁、破坏性最强的自然灾害。据世界气象组织（WMO）统计，1970–2019年间亚洲共发生3454起灾害，导致97.56万人死亡和1.2万亿美元经济损失。气候变化加剧了极端海平面事件，使低洼大城市、三角洲、内陆地区、沿海地带和岛屿的洪涝风险上升。孟加拉国因其地理位置和气候条件而频发洪涝，全国约三分之一地区每年受洪涝影响，其中锡尔赫特地区是洪涝高风险区。2022年，印度梅加拉亚邦和阿萨姆邦的强降雨引发锡尔赫特122年来最严重洪灾，约72%的区域被淹，720万人受影响，50万人被疏散至1432个应急避难所。洪涝导致80人死亡，毁坏8772个池塘和孵化场，84,301公顷农田受损，46.4万吨稻米产量损失。因此，开展快速、准确的洪涝淹没制图与损害评估对灾害应急响应和恢复规划至关重要。
2. 材料与方法
2.1. 研究区
锡尔赫特专区位于孟加拉国东北部，北接印度梅加拉亚邦，南邻特里普拉邦，东靠阿萨姆邦，地理范围在北纬23°58′–25°12′、东经90°56′–92°30′之间。全区包括锡尔赫特、苏纳姆甘杰、莫乌利巴扎尔和哈比甘杰四个县，共35个Upazila（次区）、323个Union（乡）和10,185个村庄。该区属热带季风气候（K?ppen Am），年均温23.6°C，年降雨量5048 mm，4–10月为雨季。锡尔赫特盆地中的Haor（浅碟形洼地）汇纳周边河流与渠道的地表径流，易发生溢流和广泛洪涝。
2.2. 数据集
研究使用Sentinel-1 SAR（VV极化，10 m分辨率）数据，在Google Earth Engine（GEE）平台上进行预处理与分析，包括轨道校正、热噪声去除、辐射定标和地形校正，并采用5×5 Lee滤波去除斑点噪声。同时，利用Planet Labs光学影像（云量<5%）进行精度验证；人口数据采用Meta（Facebook）提供的30 m格网人口数据；土地利用/覆盖数据采用ESRI 2022年全球10 m土地覆盖产品；降雨数据采用NASA的GPM IMERG每半小时降水产品。
2.3. 数据分析
2.3.1. Sentinel-1数据在GEE中的处理
采用Otsu法（最大类间方差法）自动确定淹没区与非淹没区的最优阈值，实现洪涝范围提取。为降低异质性地表（如稠密植被或城市区域）导致的误分，结合无云PlanetScope影像进行视觉交叉验证。
2.3.2. 水体范围精度评估
以2022年7月7日Sentinel-1分类结果与同日Planet影像为基准，随机生成100个样本点（水体与非水体各50个），计算用户精度（UA）、生产者精度（PA）、总体精度（OA）和Kappa系数。结果显示，总体分类精度达86%，Kappa系数为0.72，水体制图精度良好。
2.3.3. 对人口、农田和建成区的影响评估
利用分区统计方法，将洪涝范围矢量与Meta人口栅格、ESRI土地覆盖数据叠加，估算受灾人口、淹没农田和受损建成区面积。
3. 结果
3.1. 2022年锡尔赫特洪涝期间的降雨特征
2022年6月锡尔赫特遭遇62年来最强降雨，IMERG数据显示6月17日出现最高日均降雨量（局部超70 mm）。强降雨主要集中在北部地区，加之印度阿萨姆邦上游来水，共同导致河流水位上涨和低洼地区广泛淹没。
3.2. 水体范围精度
2022年7月7日洪涝制图的用户精度：水体类76%，非水体类96%；生产者精度：水体类95%，非水体类80%；总体精度86%，Kappa系数0.72，表明分类结果可靠。
3.3. 2022年锡尔赫特地区洪涝范围
水体范围随时间显著波动：4月04–13日，全区水体面积2689.25 km2；6月06–14日增至5538.53 km2；6月30日–7月07日达到峰值7143.54 km2；8月03–11日回落至5858.41 km2。其中，哈比甘杰县在洪峰期间淹没面积从571.39 km2激增至1372.20 km2，增幅最大。全区洪涝水体（相对于4月基线）总计1605.01 km2。
3.4. 人口受灾情况
受灾人口从6月的39.79万人增至7月的57.31万人。苏纳姆甘杰县受影响最严重，7月受灾人口达30.94万人；锡尔赫特县次之，为16.56万人。
3.5. 对农田和城市建成区的影响
累计农田淹没面积从6月3376.30 km2上升至7月4701.30 km2；建成区受淹面积从22.7 km2增至40.9 km2。各县中，哈比甘杰农田损毁面积增幅最大（6月383.82 km2→7月1054.72 km2），苏纳姆甘杰建成区受损面积最高（7月14.70 km2）。
4. 讨论
孟加拉国是全球洪涝热点地区，已采取修建防洪堤、泄洪闸、疏浚渠道等工程措施提升抗灾能力，但传统手段在维护不足、侵占严重及跨域协调有限的情况下效果不彰。本研究展示了Sentinel-1 SAR数据结合Otsu阈值法在洪涝快速制图与损害评估中的实用性，其全天候、高重访周期（6–12天）特性特别适合应急响应。结果揭示哈比甘杰为淹没增幅最大区域，需优先加强预警。研究也存在一定局限：Otsu法在淹没植被区与城市区可能因后向散射增强而产生误分；卫星过境间隔可能遗漏峰值洪涝范围；全球人口与土地覆盖数据在本地适用性上存在不确定性。未来可引入机器学习算法、融合DEM（数字高程模型）、土壤、坡度、河流流量等多源数据，提升洪涝制图精度与机制理解。
5. 结论
本研究综合运用卫星对地观测数据，系统评估了2022年锡尔赫特洪涝的淹没范围与灾害损失。结果显示，超过1600 km2土地被淹，50余万人直接受灾，农田和城市建成区损毁严重。建议孟加拉国政府构建融合卫星监测与社区响应的洪涝早期预警体系，在哈比甘杰等高危区实施土地用途管制，并加强以社区为基础的抗灾韧性建设，从而提升脆弱区域的洪涝风险应对能力。
