整合Sentinel-1 SAR（合成孔径雷达）和Sentinel-2光学数据，用于农业系统中的作物制图和洪水淹没评估

《Scientific Reports》：Integrating sentinel-1 SAR and sentinel-2 optical data for crop mapping and flood inundation assessment in agricultural systems

　　```

摘要

准确并及时地评估洪水对农业系统的影响对于制定粮食安全战略和应对灾害至关重要，尤其是在主要农作物生产地区。本研究提出了一种综合遥感方法，利用 Sentinel-1 和 Sentinel-2 的多光谱图像来识别作物类型，并评估中国江汉平原这一重要农业区（具体为荆州区）从 2018 年到 2022 年期间的洪水范围及其对农业系统的影响。2020 年 7 月一次重大洪水事件期间，使用双极化（VV 和 VH）Sentinel-1 C 波段 SAR 数据进行了洪水淹没范围的测绘。通过变化检测结合基于直方图的阈值分割方法（Otsu 方法）对 VV/VH 比值进行处理，能够清晰区分洪水和非洪水区域，以及永久性水体和非洪水区域。对于 2020 年的 Sentinel-2 时间序列图像，随机森林分类器的总体准确率为 92.7%，Kappa 值为 0.892。该分类器确定总农业面积为 11,442 平方公里，其中水稻种植面积为 888 平方公里，小麦为 384 平方公里，棉花为 43 平方公里。本研究展示了结合光学数据和 SAR 数据进行有效且针对具体作物实时洪水监测的潜力。

```