基于Sentinel-1 SAR数据的印度孟买城市洪水时空分析

《Earth》：Spatio-Temporal Analysis of Urban Floods in Mumbai, India, Using Sentinel-1 SAR Data

　　

城市洪水在沿海特大城市中仍然是极具挑战性的难题，印度孟买的重复性淹没由极端降雨、排水设施不足以及地形脆弱性共同驱动。本研究利用Sentinel-1 SAR数据（VV和VH极化方式），结合自动阈值分割与无监督分类技术，对2018至2025年间孟买的洪水时空动态进行了分析。VV极化方式始终比VH极化方式探测到更大的洪水范围，其中2024年VV极化方式探测的最大淹没面积达到152 km²，而VH极化方式仅为67 km²，凸显了VV极化方式对地表水体的灵敏度优势。分区（ward）分析表明，Chembur West（16.47 km²）、Matunga（12.33 km²）和Ghatkopar（5.43 km²）是最易遭受洪涝灾害的区域，而Colaba和Marine Lines由于海拔较高且排水基础设施较好，洪水暴露程度较低。年度洪水变化与强降雨事件密切相关，特别是2020年、2023年和2024年单日降雨量超过300 mm的事件。与Brihanmumbai Municipal Corporation（BMC）公布的洪水数据进行验证，SAR-derived洪水区域与之具有高度空间一致性，证实了该地理空间模型的可靠性。遥感技术、降雨数据与分区级别分析的融合为城市洪水风险制图提供了可扩展的框架。研究结果强调了对弹性排水规划、绿色基础设施以及实时洪水监测系统的需求。

研究背景方面，洪水已成为全球最为紧迫的环境问题之一，在气候变化和快速城市化的双重作用下不断加剧。据联合国减少灾害风险办公室（UNDRR）统计，1998年至2025年间超过90%的重大灾害与气候相关，其中洪水约占40%。纽约、雅加达、马尼拉、北京等全球主要城市近期均遭受了毁灭性洪水侵袭，凸显了水文气象极端事件与不受管制城市发展共同作用下的多维城市洪水特征。在印度背景下，季风主导的气候与维护不善的排水系统使印度城市特别容易遭受雨洪（pluvial flooding）灾害。孟买作为印度最大的沿海都市，在2005年、2021年、2022年和2024年均遭遇了重复性洪水事件，造成交通中断和经济活动受阻。尽管洪水事件频发，但现有研究多集中于单次洪水制图、短期降雨分析或局部淹没评估，缺乏利用连续卫星观测进行多年份、空间化解析的洪水动态分析，更鲜有将卫星遥感洪水范围与分区级城市基础设施特征及市政洪水记录相整合的研究。

为此，研究人员开展了2018年至2025年孟买城市洪水的综合分析，利用Sentinel-1 SAR数据和自动地理空间阈值分割技术，构建了多年份SAR洪水监测框架。该研究发表在《Earth》期刊。

研究所采用的主要关键技术方法包括：多时期Sentinel-1 C波段SAR数据（干涉宽幅模式IW，双极化VV和VH，10米空间分辨率，6至12天重访周期），全球地表水季节性数据集（GSWS v1.4）用于掩膜永久性水体，NASA/USGS的约30米分辨率数字高程模型（DEM）用于地形校正与阴影掩膜，CHIRPS降雨产品获取日降水量数据用于确认降雨触发的洪水事件。SAR预处理采用ESA SNAP v9.0软件进行精确配准、热噪声去除、边界校正、Lee Sigma滤波降噪、辐射定标至分贝（dB）单位，并进行入射角归一化处理。水体与洪水分类采用Hartigan's Dip Test检测后向散射直方图的双峰性，对通过检验的区块采用核密度估计确定最优洪水阈值，结合无监督分割与形态学滤波生成水体掩膜，最终建立2018-2025年的多时期城市洪水档案。验证数据来源于BMC洪水管理门户和印度国家城市事务研究所（NIUA）年度报告提供的超过500个验证点，侧重空间一致性与洪水热点区域的空间匹配评估。

研究结果部分按照以下结构展开：

"2018年至2025年洪水制图"显示，2018和2019年洪水较为分散，多限于河岸和低洼地区Metropolitan Region区域；2020年洪水范围从2019年的34 km²增至85 km²，2021年为72 km²；2024年和2025年洪水范围显著扩展，其中2024年达到最大洪水范围152 km²（VV极化方式），Chembur West（16.47 km²）、Matunga（12.33 km²）和Dahisar（12.63 km²）为重灾区；2025年虽略有改善，但多地仍因排水不畅和前期事件残留饱和而出现持续积水。

"VV和VH波段的年度淹没面积估算"表明，VV波段始终比VH波段探测到更高的洪水范围，2024年VV估算超过150 km²，2019和2022年为最低值；研究发现峰值降雨与总淹没面积之间存在显著正相关关系（Pearson's r = 0.72, p < 0.01）。

"分区级别的时空洪水分布"分析显示，Chembur West、Chembur East、Dahisar、Colaba和Grand Road等分区持续表现出最高淹没水平，其中Chembur West在2024年记录到16.47 km²的峰值淹没面积，且2020年后多年洪水范围普遍超过5 km²；Dahisar和Colaba在主要洪水年份也反复记录到超过6 km²的淹没面积；而Bandra、Khar和Kandivali等分区则相对较低。

"洪水季节降雨模式"揭示了2020年、2023年和2024年等洪水范围较大的年份与多次超过250 mm/day的极端降雨事件相吻合；需要说明的是，降雨曲线为非连续性，因其仅包括与洪水活跃期（洪水前、洪水期间、洪水后即刻）对应的降雨观测，无洪水发生日已被排除。

"模型验证"通过与BMC数据的交叉验证，证实了Chembur East（M/E）、Chembur West（M/W）和Ghatkopar（N）等SAR探测洪水区域与BMC报告洪水热点之间存在显著空间重叠，而Colaba（A）和Byculla（E）等SAR后向散射异常较低的区域也被BMC识别为低洪水暴露区。

讨论部分，研究人员指出孟买洪水已从偶发性天气干扰演变为年度 recurring urban hazard，2018年约93 km²的VV极化探测淹没面积增至2024年的152 km²，增幅约63%。Chembur West、Ghatkopar、Dahisar和Matunga等中心及北部分区因高建筑密度、非正规定居点和老化排水设施而成为persistent affected zones；2025年尽管累积降雨量低于2024年，洪水仍持续存在，表明残留地表饱和和有限排水恢复能力的影响。VV极化方式因镜面反射降低雷达回波而具有更高的开放水体探测灵敏度，这一优势在 dense urban settings 中尤为突出，该发现与先前SAR洪水研究一致。研究的创新之处在于提供了多年份、分区级别的洪水强度量化，而非聚焦于孤立事件或单年分析。验证表明该方法在印度 heterogeneous urban environments 中具有空间可靠性。研究局限性在于缺乏高分辨率DEM难以精确估算洪水深度，以及Sentinel-1 SAR无法capture洪水持续时间和流向。

研究结论部分翻译如下：本研究证明了利用多时期Sentinel-1 SAR数据结合自动地理空间阈值分割技术，检测、监测和评估2018年至2025年孟买城市洪水的有效性。分析表明VV极化方式始终比VH极化方式探测到更大的洪水范围，表明其对地表水反射的灵敏度更高。2024年使用VV极化方式探测的最大淹没面积达到152 km²，而VH极化方式在同一事件中探测到67 km²，凸显了VV极化方式用于城市洪水划界的能力提升。峰值淹没出现在2024年，Chembur West（16.47 km²）、Matunga（12.33 km²）和Ghatkopar发生大范围洪水，证实了这些区域受低海拔、密集不透水面和低效排水基础设施影响而成为重复性热点。值得注意的是，2025年尽管降雨减少，中心区域仍然存在洪水，凸显了残留地表饱和和排水响应机制不足的作用。洪水暴露的空间趋势表明，低洼地形、密集建筑区域和老旧基础设施是重复性洪水风险的主要贡献因素。相比之下，Colaba和Marine Lines等南部沿海分区由于较高海拔梯度和更有效的雨水管理系统而经历了相对较低的淹没。SAR-derived洪水探测与BMC市政洪水记录的整合验证了该方法的可靠性，并证实了其在真实城市洪水风险评估中的适用性。本研究的主要贡献在于开发了一个可扩展且可重复的基于SAR的城市洪水制图框架，将自动阈值分割、降雨分析和分区级洪水评估相整合，用于沿海城市洪水易发区的长期监测。这些结果提供了数据驱动的见解，可以支持城市规划、基础设施升级和灾害缓解，特别是在气候驱动降雨极端事件日益增加的压力下。从全球视角看，本研究为快速城市化的沿海特大城市洪水监测提供了一个可复制且经济有效的模型，其中许多城市面临着类似的基础设施和气候挑战。