遥感技术在洪涝灾害防御中的前沿应用与面临挑战

▲ 遥感技术在洪涝灾害防御中的应用  作者供图

引言

洪涝灾害历来是我国面临的重大自然灾害之一，其突发性强，发生频次高，受灾范围广，破坏强度大，给人民群众生命财产和经济社会发展造成了严重影响。据资料记载，从公元前206年至1949年间，我国共发生1092次较大的洪涝灾害。1954年长江中下游地区洪涝造成5省123县受灾，淹没耕地4755万亩，受灾人口超过1800万人。1998年长江、嫩江、松花江等流域发生全流域性的特大洪水，全国29个省份遭受了不同程度的洪涝灾害，受灾人口达2.23亿人。20世纪90年代以来，我国平均每1.65年发生一次重大洪涝灾害。

习近平总书记高度重视洪涝灾害治理与防御工作，提出了“节水优先、空间均衡、系统治理、两手发力”治水思路以及“两个坚持、三个转变”防灾减灾救灾新理念，亲自擘画、部署和推动治水事业。水利部持续推进构建雨水情监测预报“三道防线”，强调做好预报、预警、预演、预案工作，加快构建安全可靠的水旱灾害防御体系。

在海河“23·7”流域性特大洪水应对中，通过精准调度水库拦洪，启用蓄滞洪区，最大限度减轻了灾害损失。洪涝灾害防御不仅关系人民群众的生命和财产安全，更与经济社会可持续发展和国家安全稳定息息相关。

目前，我国在洪涝灾害防御方面取得了显著进展，但仍然面临诸多问题和挑战。主要表现在以下方面：

①洪涝成因复杂。 既有气象因素如强降雨、台风，也有地理因素如地貌、水系分布、土壤地质，还包括人为因素如不合理的土地利用、不达标的水利工程等。这些因素往往共同作用、相互影响，使得洪涝灾害的预测、预防和应急响应变得异常困难。

②洪涝突发性强。 受气候影响，短历时高强度暴雨导致降雨时间集中、降雨强度大，继而诱发山洪、内涝、泥石流等次生灾害，其突发性对灾害预警预报提出了更高要求。

③部分防洪设施不达标。 由于建设年代久远、运行时间长或设计不达标，存在部分水库“带病运行”、溢洪道堵塞、蓄滞洪区建设不完善等问题，难以满足现代洪涝灾害防御需求。

④城市化进程加剧洪涝风险。 快速的城市化进程导致不透水面持续扩张，削弱了自然的排水和蓄水能力。

⑤信息化手段应用不足。 尽管遥感、物联网、大数据、云计算和边缘计算、数字孪生等新技术在防洪抗洪中逐渐应用，但推广应用仍然不足，技术手段与实际需求脱节。

实时掌握河湖库水域的范围、水位、流量、水量等水安全要素变化和趋势等关键信息是洪涝灾害防御的基础。 传统的监测手段，如地面观测站、河道监测和人工巡查，虽然一定程度上发挥了作用，但其覆盖范围有限，信息获取不及时，同时对站点布设位置和运维成本有较高要求，偏远地区和复杂地形区域监测困难，难以满足现代洪涝防御需求。相比之下， 遥感技术以其高时空分辨率、大范围覆盖和准实时监测的特点，在洪涝灾害防御中展现出了独特优势。 将遥感技术与传统手段相结合，可以形成宏观观测与局部重点监测的互补与协同，有利于大范围洪涝灾害监测、预报和预警，显著提高洪涝灾害防御的综合能力。因此，引入遥感等新兴技术手段，加快形成和发展面向洪涝灾害防御的新质生产力，赋能现代洪涝灾害防御，是当前重要发展方向。

面向洪涝灾害防御的立体数据采集体系

洪涝的发生和发展通常具有突发性和复杂的空间格局。 在洪涝防御方面，数据的获取与传输需要满足获取速度快、时空覆盖度大、存取延迟低、跨平台协同好等要求。面向洪涝防御的“天空地”一体化立体数据采集体系如下图所示。

▲ 面向洪涝防御的“天空地”一体化立体数据采集体系

在洪涝防御中，满足卫星数据实时性、时空覆盖、多星源协同等方面要求是确保监测和预警有效性的关键。 航空遥感在局部区域或灾后评估中，能够提供高分辨率地表影像和实时监测数据，补充卫星观测的不足。通过结合光学、SAR、气象卫星和航空遥感的多源数据，以及基于这些数据的分析模型，可以提供全面、及时和高精度的洪涝监测和预警支持，不仅增强了防灾减灾能力，也为应急响应和灾后恢复重建提供了重要的数据支撑。目前在洪涝防御工作中常用的在轨卫星数据情况如下表所示。

▲ 面向洪涝防御的常用在轨卫星数据情况

气象卫星

气象卫星 可以提供全球范围内的大气、云层和降水数据，能够实时获取大气环境和降水情况，在降水监测与量化、洪水预测与模拟、洪水监测与预警、洪水风险评估、灾后评估与监测等方面提供重要的数据和技术支持，帮助实现对洪水的监测、预测、预警和科学应对，减少洪涝灾害的损失和影响。

气象卫星如GOES、Himawari，能够提供实时气象数据，包括降雨量、云层运动和温度变化。利用卫星遥感技术可开展温度、降水等要素指标的动态观测，分析高时空分辨率的降水数据，对降水量进行空间分布和时间演变的监测与量化分析，对潜在的降雨事件进行监测和预警，是实现大范围连续空间洪涝监测不可或缺的技术手段。基于气象卫星数据和气象、水文模型，可以进行水文模拟和洪水预测。通过对洪水频率、强度和持续时间等参数的统计分析，估计洪水的规模、范围和影响，进而评估不同地区的洪水风险，确定洪水防御和应对的重点区域，辅助制定科学决策。

雷达卫星

雷达卫星 具有全天候、全天时、高分辨率监测能力，可以穿透云层和降水，对地表水体和地形进行探测和观测，提供高质量地表水体监测数据，可用于洪水监测与预警、洪水范围识别与评估、地表水体监测与测量、洪水风险评估与预测、灾后评估与监测等，帮助减轻洪涝灾害造成的损失和影响。

SAR卫星如高分三号、Sentinel-1，适用于云层覆盖时的地表水体变化观测和监测。通过雷达数据实时监测并准确识别受洪水影响的地区，评估洪水范围，及时发出洪水预警，为洪涝防御和应对策略制定提供依据，帮助降低洪涝灾害风险；通过获取多时相雷达数据，监测洪水形成、扩散和变化情况，结合水文模型和GIS空间分析模型，模拟洪水发生和演变过程，评估洪水规模、影响范围和受灾程度；通过对灾情空间分布和损失情况评估，可以及时调动救援资源，帮助灾区恢复和重建。

光学卫星

光学卫星 使用光学传感器来观测地物和现象，光谱范围通常包括可见光和红外光。它们可以提供高时空分辨率影像，用于洪涝防御方面的观测和监测任务，包括洪涝监测、洪水预警、洪水演变分析和洪涝损失评估等。结合其他遥感数据和GIS技术，如高程、气象、地形等数据，进行多源数据融合和综合分析，提高对洪涝灾害的监测、预警和应对能力。

光学卫星如高分系列、资源系列、Landsat、Sentinel-2等，能够提供高分辨率地表影像，适用于监测洪水前后的地表变化。通过定期获取时序高分辨率卫星影像，可以监测洪水范围和水位变化，研判洪水演变情况和洪水发展趋势及影响范围，及时发出预警并制定洪水防御及应对策略，提高洪涝防御效率；可以识别受灾区域和分析受灾区域的变化，评估洪涝对农田、城市和基础设施的影响，帮助降低洪涝灾害的损失，进一步为灾后救援和重建提供参考依据。

在实际应用中，根据卫星影像的可获得性，通常将气象卫星、雷达卫星和光学卫星组合使用，以便获得更及时、完整、清晰的洪涝影像。在此基础上，结合各种模型进行分析和评估，为洪涝防御提供客观依据。

遥感监测方法和典型应用场景

各种卫星影像和航空遥感、地面遥感影像以及地面监测站点数据，构成了洪涝防御时的主要数据源，从中进行洪涝灾害相关要素的提取、建模、测算、估算、模拟等，是基于遥感的洪涝监测和预警的关键。如下图所示，给出了几种主要的遥感监测方法和典型应用。

▲ 基于遥感技术的洪涝灾害防御体系及典型应用

为有效预防、应对洪涝灾害，需要实时准确监测目标区域的水体范围、水位、水量、降水量、土壤墒情等水安全要素的变化，从而对洪涝进行可靠模拟，同时还需要监测洪涝可能导致的山体滑坡、建筑和农作物受损等现象，从而估算洪涝灾害可能带来的损失。

水体提取

水体提取是洪涝监测的基础，基于遥感技术的水体提取是当前最有效、最便捷的水体监测手段。 遥感影像时序性强、覆盖范围广，能够从中准确识别出洪水淹没范围和堰塞湖等潜在危险，大量实验和应用也验证了其高精度和高效性。遥感水体提取涉及 遥感数据源获取 和 水体提取方法 两个方面。卫星或无人机上搭载的多光谱或高光谱传感器可以获得丰富的地表水体反射、辐射或散射的电磁波信息，是遥感水体提取的数据和物理基础。水体指数法、机器学习法等是常用的水体提取方法。

水体指数法 是利用遥感影像的不同波段组合计算出特定的水体指数，如归一化水体指数（NDWI）、改进的归一化水体指数（MNDWI）等，然后通过自动或人工确定分割阈值来提取水体，具有简单、高效的优势。

机器学习方法 通过建立统计模型或使用已有算法进行分类和回归分析来提取水体，具有更高的鲁棒性和精度，常见的机器学习方法包括支持向量机（SVM）、随机森林、K均值聚类等。近年来，深度神经网络被越来越多地用于从高分辨率卫星影像中识别水体，并取得了长足进展，其中应用最为广泛的为卷积神经网络（CNNs），如UNet、PSPNet、DeepLab、SegNet和RefineNet等模型。与其他方法相比，CNNs能有效提取低层次的位置信息和高层次的语义信息，具有强大的多尺度特征表示能力。结合时序影像，通过水体指数或深度学习模型等方法提取出洪水淹没范围，进而跟踪洪水的动态变化，可以实现对洪涝灾害的准实时监测和预警。同时，利用遥感影像的多时相信息，对山区水体进行动态监测，可以及时发现和预警堰塞湖的形成和发展，为防范可能的洪涝灾害提供支持。

水位测算

水位测算是洪涝监测的重要内容和需求，能够提供洪水淹没深度和受灾区域的具体情况。 传统的水位测算主要采用 测站法 、 激光测距法 、 声呐探测法 等，这些方式的观测数据稳定可靠，但观测范围小，还容易受外界环境、仪器故障、数据流噪声和数据异常等因素影响，且人力和设备成本较高。

另外，在地形复杂、交通不便的山区进行观测的难度较大，数据缺失情况较严重。随着卫星测高技术以及雷达高度计传感器技术的不断发展，卫星测高已由最初的海洋和冰盖测量，逐渐应用于内陆水体的水位测量。测高卫星为水位的周期性动态监测提供了有效手段和数据支持，且具备连续性、高精度和大尺度等特点。当前应用广泛的测高卫星主要包括TOPEX/Poseidon、Jason系列、Sentinel-3等，它们提供了长期、连续的测高数据。与此同时，雷达高度计回波信号在内陆地区容易受到地貌和地表覆盖物的干扰，导致回波悬挂效应和水位计算精度下降。为定位高度计回波信号中水体回波的准确采样点，相关学者开展了大量波形重跟踪处理算法研究，以此提高内陆水体的水位测量精度。利用卫星测高技术可以对水库、河流、湖泊等水域进行大范围、周期性、低成本水位监测，相比于传统水文观测在一定程度上可以弥补数据缺失的不足，提高监测的实时性。

降水测量

降水测量和监测是洪涝灾害防御的关键环节之一，能够提供降水量和降水分布情况，为洪水预警和防治提供依据。 当前，降水观测的主要手段包括 地面雨量站 、 地基气象雷达 和 卫星传感器 三种方式。

地面雨量站 提供了精度高、持续时间长的数据记录，在各领域得到广泛应用。然而，由于存在站点稀疏、分布不均、地形复杂、资料缺失严重等问题，该方法难以精确反映时空连续的降雨信息，从而在用于大尺度洪涝灾害监测时受到极大制约。

气象雷达 为降水测量带来了新思路和新方法，可以获得分钟和公里级别的高时空分辨率降水数据。地基气象雷达系统的建立和应用为大范围、实时、精细降水测量提供了可能性，但依然存在缺陷，如雷达覆盖空间面积有限，信号受地形影响大，维护成本较高等。相较于地面观测，基于卫星遥感的降水测量覆盖范围更广，数据连续性更强，受外界因素影响更小，已成为全球范围降水观测的新型手段。

卫星雷达 通过主动发射电磁波并接收从降水粒子反射回的信号来测量降水，获取降水的垂直剖面信息。被动微波辐射计通过检测地表和大气辐射的微波信号间接推算降水量，这种方法对海洋上空的降水测量尤为有效。另外，通过红外和可见光传感器，可以监测云顶温度和云层性质，以此推算降水量。

随着卫星遥感监测和反演降水技术的迅速发展，研发和生产了一系列卫星遥感降水技术和产品，如全球降水测量综合多卫星检索产品（IMERG）、气候灾害组织红外降水与站点产品（CHIRPS）、全球降水卫星制图产品（GSMaP）、热带降雨测量任务卫星产品（TRMM）等，为大范围开展洪涝灾害监测和防御工作提供了新的数据支撑。

流量估算

河流流量是水文循环过程中的重要指标，也是水量平衡方程中的基本组成要素，其基本定义为单位时间内流经河流特定过水断面的水量。 通过水文站点获取实测河流流量的传统方法需要消耗大量人力物力，且在空间上依赖于站点的分布情况，导致难以获取大范围、连续、全面的流量数据。利用遥感技术估算河流流量主要包括 基于经验回归方程 和 基于水文模型 两类方法。

基于经验方程估算流量 的单变量关系回归方程需要通过卫星同步观测水面宽度和水面高程。水面宽度几乎能从所有星源的遥感影像中获取，有不少学者通过反演河流的形态特征构建河流流量和等效水面宽度之间的关系。但对于地形平坦的中小河流横断面，水面宽度变化引起的流量变化并不敏感，这就发展了通过水面高程来估算流量的遥感方法，例如通过建立水文测站水位-流量的经验关系式，利用测高卫星数据结合地面实测数据反演河流流量。除了利用宽度或水位进行单变量回归，为了更加精准估算河流流量，许多研究还包含了坡度、水深等变量。但这种方式仍然需要实测数据作为验证，难以在水文站点稀疏的区域大范围应用。

基于水文模型的流量估算 是将整个流域视为生态系统，将降雨数据作为系统的输入，计算流域出口断面的流量，然而在应用时需用实测数据来校准参数。已有研究表明，在水文模型中加入遥感观测数据，模型模拟精度会有所提高。同时，当缺乏地面实测数据时，遥感技术还提供了一种替代的率定方法。该方法用遥感观测的水情信息如水面高程、宽度等对模型参数加以率定，经率定后的模型直接应用于连续流量估算。这种方法能够融合水文模型和卫星观测数据的优势，既克服了单独使用遥感数据时间不连续的问题，也解决了单独使用水文模型对地面实测数据的依赖问题。此外，2021年发射的地表水和海洋地形计划卫星（Surface Water and Ocean Topography，SWOT）可以获得全球范围高时空分辨率的海洋与地表水表面高程、水面及水体范围，为多尺度流量估算提供了全新的遥感监测基础数据。目前已形成多种利用SWOT数据估算流量的方法。

洪涝模拟与预报

洪涝模拟通常依赖于 水文模型 和 水动力模型 。水文模型考虑了汇流过程的复杂性，通过计算径流进而得到出口断面的流量。该方法相对简单，但无法提供详细的水深等水情信息。 由于洪涝模型通常需要兼顾精度和计算效率，基于水动力的方法逐渐成为主流 。但这些方法仍然需要大量实测数据，且在空间、时间上都存在分辨率不高等问题。遥感技术对此提供了有效解决方案，通过卫星影像可以不到现场就能获取大范围的洪涝信息，并进行洪涝模拟与预报。例如研究人员利用SAR影像不受天气影响的特性，采用阈值法、机器学习法或者变化检测法等多种方法提取洪涝范围。其中阈值法相对简单，但需要足够的先验知识作为基础；监督分类方法需要选择合适的洪涝样本作为基础，有研究者使用光学影像提取洪涝范围作为训练样本来训练分类器，然后用于SAR影像的洪涝范围识别。当前，以Google Earth Engine（GEE）、PIE-Engine为代表的在线可视化计算和分析云平台逐渐成为研究洪涝模拟的重要工具。GEE平台存储遥感领域常用的各种卫星遥感影像，数据集存储量超过80 PB。相比于ENVI等传统的遥感影像处理工具，GEE在处理海量遥感影像方面有显著优势，不仅能够提供丰富的计算资源，还可以节约数据下载和预处理时间，使实现洪涝模拟的实时更新和动态监测成为可能。

灾害损失估计

灾害损失估计模型为洪涝灾害应急预案的制定提供技术和数据支持。洪涝灾害直接经济损失主要包括建筑物、构筑物等基础设施的损坏，社会财产损失以及社会资源的损坏。目前常见的灾害损失估计方法可以分为 经验公式法 和 综合公式法 。

早期，研究者会采用经验公式进行城市洪水损失的估算，而当前的研究则综合了水动力建模、洪水风险分析、未来情景和适应策略等，并结合气象、水文、土壤以及农作物产量等众多社会经济统计数据，来评估洪水风险及动态，进而为制定灾害风险和应急预案提供数据基础。 近年来，无人机技术的迅速发展使得基于无人机遥感的农作物减产评估更为精细化。 无人机能够提供实时、高分辨率的遥感影像，在洪水发生时能及时启动响应预案，通过红波段、近红外波段的反射率反演叶面积指数、归一化植被指数、生物量等指标，快速捕捉分析洪水发生期间和之后的农作物产量情况，精确评估受灾农田减产情况。无人机遥感不仅能提高数据时效性和精度，也能降低地面调查的人力、物力成本和难度。

难点与挑战

监测数据可用性

遥感技术应用于洪涝灾害防御中，虽然具有很多优势，但也存在一些难点和技术挑战。

云层遮挡和不断变化的天气条件会影响遥感影像的获取，特别是在光学卫星影像中，将导致无法获取到地表信息，使得洪水边界的准确识别和水体面积测量变得困难，影响洪涝预警和应急响应的时效性。不同数据源之间的数据格式、分辨率和时效性差异会增加多源数据整合和融合的复杂度和难度，需要开发适用的数据融合技术和算法，支持不同类型数据的高速传输和集成，使现场数据准确到达云环境或决策部门，并通过超强算力实现对洪涝的全面监测和综合分析，及时预警和响应洪涝灾害。涉及地理空间信息等敏感信息时需要采取严格的数据安全措施、隐私保护机制、加密传输和访问控制等技术，以确保网络存取的安全性和完整性。在洪涝防御数字孪生应用中，传感器采集的实时数据分布于算力中心的远端，需要强化边缘计算，形成云-边-端协同的计算模式，通过互联网或通信网将实时数据处理结果快速传输到孪生系统，使不同形态的孪生体均能及时、准确反映物理实体的当前状态，并通过实时传输的反馈数据，对物理实体进行即时监控、调整和优化。

遥感监测方法

遥感技术是监测洪涝灾害的新兴有效手段，具有广泛应用前景，但也存在难以权衡数据的时间分辨率与空间尺度差异、数据的精度与地面实测差距等难点与挑战。

在水体提取方面， 当前遥感影像的时间分辨率和幅宽仍不能全面满足精细化、实时化的应急需求，且光学遥感影像在洪水季节受云层影响严重。因此，需要进一步提高遥感传感器的时空分辨率，增加幅宽，同时促进多源数据和传感器融合。

在水位测量方面， 尽管新一代测高卫星提高了空间分辨率，但对于狭窄河流、湖泊，分辨率仍有不足，难以捕捉到细节变化。当前卫星测高技术测量的水位精度在逐渐提高，内陆水体测量精度通常在10 cm左右甚至更高。对于大部分业务需求（如内陆大湖水位监测等），这种精度已基本可满足要求，然而对于精度要求更高的应用（如小型水体管理、洪水预警、水资源精细调度等），尚有提升空间。

在降水测量方面， 大多数卫星降水数据的空间分辨率和时间分辨率仍不能满足局地突发降水事件监测和预警需求。同时，在山区、城市等复杂地形区域，卫星降水估算存在一定误差和不确定性。未来的研究需要在提高分辨率、改进算法、有效融合多源数据和准确识别降水类型等方面深入探索，以进一步提高降水量的精度测算。

在流量估算方面， 高精度的气象和水文数据获取与处理仍然是主要挑战，流量遥感估算需要多参数率定，通常需要结合多源、长期的观测数据，因此在多源异构数据融合与处理、数据误差分析等多个方面仍存在技术难题。要实现高精度的流量估算，既需要技术手段的创新，也需要多源长时序数据的持续完善。

在洪涝模拟与预报方面， 主要挑战包括模型复杂性、真实数据难获取以及计算资源要求高等。洪涝灾害模拟需要准确的地形和水文模型才能获得高质量模拟结果，且传统模型在应对复杂多变、极端突发的洪涝事件时往往表现出极大的不确定性，使得洪涝模拟更为复杂。虽然目前有很多在线云计算平台，但在针对洪涝事件的大数据处理、模型优化、网络存取方面存在很多技术难题。

在灾害损失估计方面， 难点在于提高模型的适用性，不同区域、不同类型的洪涝灾害，其损失估计的模型和参数可能存在显著差异，如何在模型中准确反映这些差异是一个难点。尽管无人机遥感技术的发展为损失估计提供了新的手段，但在数据处理、指标反演和误差分析方面，还存在不少技术难题。

洪水有效管理

降水、径流等水文过程是引发流域洪涝的主要因素。因此，对流域水文过程进行有效监测和分析可以提高对洪涝灾害的预警和防范能力。这也是实现洪水管理、合理利用水资源、改善水环境的基础工作。但是水文过程涉及诸多要素，耦合和反馈机制复杂，综合分析难度大。此外，流域内不同要素之间的广泛联系和空间关系对水文过程也有重要影响，如地形、土壤类型、植被覆盖等。遥感技术能够提供地形、土壤湿度、植被覆盖等关键参数，如何将这些参数与流域多要素建立耦合关系，从而实现洪水的有效管理是一大难点。特别是在洪水期间，蓄滞洪区的优化选择运用不仅可以控制洪水的泛滥，还可以充分利用洪水资源，满足以后灌溉和城市用水等需求。对于突发性强又没有蓄滞洪区的洪涝灾害，如何将损失降到最低也是一项具有挑战性的任务。可以利用遥感，结合地形、人口、经济等数据，制定完善洪水应急预案和管理措施。通过遥感技术监测实时洪水演变，结合GIS对人口分布、经济活动等数据的分析，提前预判和识别洪水路径，将洪水引导到经济价值较低、人口稀少的围堰或低洼区，提高洪水管理效益和水资源利用率。

结语

本文探讨了遥感技术在洪涝灾害防御中的前沿应用，分析梳理了面向洪涝灾害防御的卫星数据来源和多种遥感监测方法，涉及水体提取、水位测算、降水测量、洪涝模拟等典型应用场景。大量研究表明，遥感技术在洪涝灾害监测和管理中发挥着不可替代的作用，充分利用高时空分辨率数据，可以显著提高灾害应急响应和灾后评估效率及准确性。然而目前也面临诸多挑战，如监测数据可用性、遥感监测方法精度和洪水有效管理的复杂性。为解决这些问题，需完善“天空地”一体化观测技术，优化数据获取和处理技术，改进计算模式和网络存取效率，提升遥感算法和模型精度，并加强多部门协调与合作，以构建更加完善的洪涝灾害防御体系。

随着遥感技术的不断发展，尤其是新型卫星和无人机技术的发展，以及大数据、人工智能、数字孪生等技术的交叉、复合应用，遥感在洪涝灾害防御中的作用更加显著，将为灾害应急管理和科学决策提供强有力的支持。

• 0人已收藏

• 0人已打赏

  免费
• 2人已点赞

• 分享

  复制链接 新浪微博 微信扫一扫