Großflächige Fluterkennung und -kartierung im Einzugsgebiet des Yangtse (2016–2021) unter Verwendung von Convolutional Neural Networks mit Sentinel-1 SAR-Bildern

Die Technologie des Synthetic Aperture Radar (SAR) bietet unvergleichliche Vorteile, da sie qualitativ hochwertige Bilder unter allen Wetterbedingungen liefert und effektives Flood Monitoring ermöglicht. Diese Fähigkeit liefert massive Fernerkdaten für die Flutkartierung, während jüngste schnelle Fortschritte im Deep Learning (DL) Methodologien für die großflächige Flutkartierung bieten. Das vollständige Potenzial des Deep Learning in der großflächigen Flutüberwachung unter Verwendung von Fernerkdaten bleibt jedoch weitgehend ungenutzt, was eine weitere Erkundung sowohl der Daten als auch der Methodologien erforderlich macht. Dieses Papier stellt einen innovativen Ansatz vor, der Convolutional Neural Networks (CNNs) mit Sentinel-1 SAR-Bildern für die großflächige Inundationserkennung und dynamische Flutüberwachung im Yangtse-Einzugsgebiet (YRB) nutzt. Ein effizientes CNN-Modell mit dem Namen FloodsNet wurde basierend auf der Extraktion und Wiederverwendung mehrskaliger Merkmale entwickelt. Die Studie sammelte 16 Flutereignisse, die aus 32 Sentinel-1-Bildern für das Training, die Validierung, die Inundationserkennung und die Flutkartierung bestanden. Ein halbautomatischer Ansatz zur Inundationserkennung wurde entwickelt, um repräsentative Flutproben mit Labels zu generieren, was zu insgesamt 5296 gekennzeichneten Flutproben führte. Das vorgeschlagene Modell FloodsNet erreicht ein 1–2 % höheres F1-Score als die fünf anderen DL-Modelle auf diesem Datensatz. Die experimentelle Inundationserkennung im YRB von 2016 bis 2021 und die dynamische Flutüberwachung in den Dongting- und Poyang-Seen bestätigten die herausragende Leistung des Schemas durch verschiedene Validierungsverfahren. Diese Studie stellt die erste Anwendung von Deep Learning mit SAR-Bildern für die großflächige Flutüberwachung im YRB dar und bietet einen wertvollen Referenzpunkt für zukünftige Forschungen zu Flutkatastrophen. Diese Studie untersucht das Potenzial von SAR-Bildern und Deep Learning in der großflächigen Flutüberwachung im Einzugsgebiet des Yangtse und bietet einen wertvollen Referenzpunkt für zukünftige Forschungen zu Flutkatastrophen.