張若旭　張麗萍　李小濤等

關(guān)鍵詞：洪澇災(zāi)害；遙感；地面調(diào)查；農(nóng)作物災(zāi)情；精細(xì)評估

中圖分類號：ＴＰ７９；ＴＶ１２２ 文獻(xiàn)標(biāo)志碼：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２４．０１．００９

引用格式：張若旭，張麗萍，李小濤，等．遙感和地面調(diào)查相結(jié)合的洪澇農(nóng)作物災(zāi)情評估研究［Ｊ］．人民黃河，２０２４，４６（１）：４９－５５．

０ 引言

中國是世界上洪水災(zāi)害最嚴(yán)重的國家［１－３］ ，近年來洪澇災(zāi)害的發(fā)生頻率與影響程度均在不斷提高［４－６］ ，嚴(yán)重影響人民群眾的生產(chǎn)生活。作為洪澇災(zāi)害承災(zāi)體之一的農(nóng)作物在洪澇災(zāi)害中的絕收、減產(chǎn)嚴(yán)重影響人民群眾的經(jīng)濟(jì)收益。對洪水所造成的農(nóng)作物受災(zāi)情況進(jìn)行準(zhǔn)確、精細(xì)的評估，有助于受災(zāi)地區(qū)的抗災(zāi)救災(zāi)、災(zāi)后重建和補(bǔ)助工作。

傳統(tǒng)的基于各級行政主管部門統(tǒng)計上報資料的評估統(tǒng)計方法，消耗大量的人力、物力和時間，且評估統(tǒng)計結(jié)果人為因素較大，無法滿足災(zāi)后應(yīng)急響應(yīng)的需求［７］ 。隨著技術(shù)的快速發(fā)展，遙感、ＧＩＳ 和數(shù)值模擬等技術(shù)在洪澇災(zāi)害損失評估中得到廣泛的應(yīng)用［８－９］ ，其優(yōu)秀的空間分析能力在洪澇災(zāi)害災(zāi)情監(jiān)測與評估統(tǒng)計方面有良好的表現(xiàn)［１０－１１］ 。李晟銘等［１２］ 利用Ｓｎｔｉｎｅｌ－１Ａ雷達(dá)遙感數(shù)據(jù)和ＦＲＯＭ－ＧＬＣ ３０ ｍ 分辨率的全球土地覆蓋數(shù)據(jù)，對２０１６ 年長江中下游流域洪澇災(zāi)害進(jìn)行了動態(tài)監(jiān)測與災(zāi)情評估，依據(jù)遙感數(shù)據(jù)反演洪水過程并進(jìn)行統(tǒng)計，但未對受災(zāi)程度進(jìn)行劃分，所獲得的災(zāi)情評估結(jié)果精細(xì)程度低；汪權(quán)方等［１３］ 在長時間序列多期遙感數(shù)據(jù)的支持下，以洪水淹沒歷時為主要因素，構(gòu)建了洪災(zāi)擴(kuò)展動態(tài)指數(shù)（Ｖａｒｉａｔｉｏｎ Ｉｎｄｅｘ ｏｆ Ｆｌｏｏｄ，ＶＩＦ）和區(qū)域間災(zāi)情比較指數(shù)（ Ｃｏｍｐａｒｉｓｏｎ Ｉｎｄｅｘ ｏｆ ＦｌｏｏｄＤｉｓａｓｔｅｒ，ＣＩＦＤ），將其與受災(zāi)地區(qū)的災(zāi)情程度進(jìn)行了相關(guān)分析，實現(xiàn)了洪澇災(zāi)害時間和空間上的災(zāi)情程度對比，但無法對單一受災(zāi)區(qū)域進(jìn)行評估；伍俊斌等［１４］ 將區(qū)域洪水淹沒歷時作為致災(zāi)因子強(qiáng)度指標(biāo)，構(gòu)建了一種應(yīng)急災(zāi)情指數(shù)，依此對洪澇災(zāi)害中受災(zāi)地區(qū)的災(zāi)情程度進(jìn)行了空間連續(xù)的等級劃分，但僅從洪水要素的角度對洪澇災(zāi)害的嚴(yán)重程度進(jìn)行定義，對下墊面地物分布的受災(zāi)情況有所忽視； Ｚｏｋａ 等［１５］ 利用Ｓｅｎｔｉｎｅｌ－２數(shù)據(jù)對受災(zāi)地區(qū)的土地覆蓋進(jìn)行了分類，并依此對受災(zāi)情況進(jìn)行評估，但其地物分類方法僅依靠經(jīng)驗與遙感影像，沒有真實地物分布數(shù)據(jù)的支撐。

地表覆蓋類型的空間分布是洪澇災(zāi)害災(zāi)情評估的關(guān)鍵要素，現(xiàn)階段農(nóng)業(yè)洪澇災(zāi)害評估通常是基于現(xiàn)有土地利用數(shù)據(jù)疊加洪澇災(zāi)害淹沒面積，實現(xiàn)農(nóng)作物的受災(zāi)面積評估統(tǒng)計?，F(xiàn)有土地利用產(chǎn)品存在兩個方面的不足，一是對地物的分類通常停留在一級地物上，如耕地、居民地等，分類層次不夠精細(xì)，且精度較低；二是土地利用產(chǎn)品的時效性差，無法及時反饋災(zāi)害發(fā)生期間的真實地物覆蓋情況。隨著科學(xué)技術(shù)的發(fā)展，交通工具與基礎(chǔ)設(shè)施不斷完善，洪澇災(zāi)害災(zāi)后的實地調(diào)研與樣本采集成為獲得災(zāi)害下墊面精細(xì)地物類型數(shù)據(jù)的有效手段，可以實現(xiàn)農(nóng)業(yè)洪澇災(zāi)害的精細(xì)評估。

本文以２０２１ 年７ 月中下旬河南特大暴雨災(zāi)害事件為研究案例，基于災(zāi)后實地調(diào)研所獲得的真實地面樣本數(shù)據(jù)，綜合利用國內(nèi)外光學(xué)、雷達(dá)遙感數(shù)據(jù)對重點受災(zāi)區(qū)衛(wèi)輝市開展地物遙感精細(xì)分類，獲取研究區(qū)內(nèi)的不同受災(zāi)程度地區(qū)和災(zāi)前下墊面農(nóng)作物種植結(jié)構(gòu)與空間分布數(shù)據(jù)，以此為依據(jù)對研究區(qū)進(jìn)行災(zāi)情的快速、精細(xì)評估。

１ 研究方法

本研究對洪澇災(zāi)害災(zāi)情評估的技術(shù)路線如圖１所示。

在洪澇災(zāi)害發(fā)生后的第一時間，針對受災(zāi)地區(qū)開展資料收集與實地調(diào)研工作。經(jīng)過數(shù)據(jù)的預(yù)處理，得到基礎(chǔ)數(shù)據(jù)、真實地物樣本數(shù)據(jù)以及災(zāi)前災(zāi)后的光學(xué)、雷達(dá)遙感數(shù)據(jù)。

依據(jù)多源遙感數(shù)據(jù)以及水體提取方法，獲取多時相的洪水淹沒范圍，并基于淹沒范圍信息估算空間化的洪水淹沒歷時。

基于實地調(diào)研與多源遙感數(shù)據(jù)，依據(jù)隨機(jī)森林監(jiān)督分類模型，獲取洪水退水狀態(tài)以及受災(zāi)地區(qū)農(nóng)作物的種植結(jié)構(gòu)及空間分布信息，作為洪澇災(zāi)害災(zāi)情評估的地面真值與基礎(chǔ)數(shù)據(jù)。

結(jié)合洪水退水狀態(tài)與淹沒歷時信息，分析獲取洪澇災(zāi)害受災(zāi)地區(qū)的災(zāi)情程度分布數(shù)據(jù)，基于精細(xì)化的農(nóng)作物分類結(jié)果，對洪澇災(zāi)害農(nóng)業(yè)受災(zāi)情況進(jìn)行統(tǒng)計，實現(xiàn)農(nóng)業(yè)損失的精細(xì)化評估。

１．１ 洪澇災(zāi)害淹沒歷時演算方法

１．１．１ 洪澇災(zāi)害淹沒范圍提取方法

洪澇災(zāi)害遙感監(jiān)測多采用全天時、全天候成像的

雷達(dá)衛(wèi)星遙感數(shù)據(jù)作為監(jiān)測數(shù)據(jù)源，對受災(zāi)地區(qū)的洪水進(jìn)程進(jìn)行應(yīng)急監(jiān)測，以避免降雨天氣中的云霧影響。

本研究綜合利用多源遙感數(shù)據(jù)，綜合多期國產(chǎn)ＧＦ－３、歐洲航天局Ｓｅｎｔｉｎｅｌ－１ 雷達(dá)數(shù)據(jù)和ＧＦ－１、Ｓｅｎｔｉｎｅｌ－２光學(xué)數(shù)據(jù)作為洪澇災(zāi)害的遙感監(jiān)測數(shù)據(jù)，對河南省主要受災(zāi)地區(qū)進(jìn)行洪水監(jiān)測與淹沒歷時估算。針對雙極化方式的雷達(dá)數(shù)據(jù)，采用基于Ｓｅｎｔｉｎｅｌ－１ 雷達(dá)數(shù)據(jù)所提取的水體指數(shù)ＳＤＷＩ（Ｓｅｎｔｉｎｅｌ－１ Ｄｕａｌ－ｐｏｌａｒｉｚｅｄ ＷａｔｅｒＩｎｄｅｘ）進(jìn)行受災(zāi)地區(qū)的水體提取，并將其擴(kuò)展應(yīng)用到ＧＦ－３ 數(shù)據(jù)的水體提取上；針對光學(xué)遙感數(shù)據(jù)，采用Ｍｃｆｅｅｔｅｒｓ［１６］ 提出的歸一化差分水體指數(shù)ＮＤＷＩ（Ｎｏｒ?ｍａｌｉｚｅｄ Ｄｉｆｆｅｒｅｎｃｅ Ｗａｔｅｒ Ｉｎｄｅｘ），依據(jù)計算的水體指數(shù)，選取合適的閾值對水體與背景進(jìn)行分割，從而獲得水體二值圖，完成水體提取。

在訓(xùn)練樣本集和待預(yù)測影像被輸入后，隨機(jī)森林算法會按節(jié)點計算數(shù)據(jù)集的各個特征及其對應(yīng)特征值的基尼系數(shù)，選擇最小的基尼系數(shù)對應(yīng)指標(biāo)作為最優(yōu)特征和最優(yōu)特征值，對待預(yù)測數(shù)據(jù)進(jìn)行分類，得到影像的分類結(jié)果。

１．３ 洪澇災(zāi)害精細(xì)化評估方法

基于淹沒歷時演算方法，獲取洪澇災(zāi)害發(fā)生期間的淹沒歷時空間分布。鑒于遙感數(shù)據(jù)自身的局限性，信息提取結(jié)果未得到真實地物驗證，其數(shù)據(jù)可靠性有待證實。本研究運(yùn)用實地調(diào)研所獲取的真實地面樣本數(shù)據(jù)，依據(jù)洪澇災(zāi)害期間的光學(xué)遙感影像進(jìn)行地物監(jiān)督分類，獲取洪澇災(zāi)害遙感監(jiān)測日期ｔ 的退水狀態(tài)分布，對基于遙感的淹沒歷時信息進(jìn)行修正。

本研究認(rèn)為，經(jīng)過實地調(diào)研獲取的洪水退水狀態(tài)為地面真實數(shù)據(jù)，即光學(xué)遙感日期ｔ 的未退水體皆為淹沒歷時為Ｔ 的淹沒水體。以退水狀態(tài)數(shù)據(jù)為基底對淹沒歷時數(shù)據(jù)進(jìn)行逐像元修正運(yùn)算，若像元淹沒歷時大于退水狀態(tài)中的淹沒歷時Ｔ，則保留淹沒歷時信息；若淹沒歷時小于退水狀態(tài)中的淹沒歷時Ｔ，則保留退水狀態(tài)中的淹沒歷時Ｔ，運(yùn)算公式如下：

以修正后的淹沒歷時空間分布數(shù)據(jù)為洪澇災(zāi)害淹沒強(qiáng)度數(shù)據(jù)，綜合淹沒范圍與地物精細(xì)分類結(jié)果，分析獲取受災(zāi)地區(qū)的主要受災(zāi)農(nóng)作物類型Ｓ。查閱前人研究資料，對主要受災(zāi)農(nóng)作物Ｓ 的洪水淹沒歷時敏感性進(jìn)行分析，依據(jù)不同淹沒歷時Ｄ_ｎ條件下的主要受災(zāi)農(nóng)作物Ｓ 的損失程度，構(gòu)建洪澇災(zāi)害受災(zāi)程度劃分表（見表１）。

基于以上研究結(jié)果，對洪澇災(zāi)害受災(zāi)地區(qū)不同淹沒程度下的農(nóng)作物受災(zāi)面積進(jìn)行統(tǒng)計和災(zāi)情評估。

２ 實例應(yīng)用

２．１ 研究區(qū)與數(shù)據(jù)概況

河南省位于黃河中下游地區(qū)，地勢西高東低，由平原、盆地、山地、丘陵、水面構(gòu)成，地跨海河、黃河、淮河、長江四大流域。２０２１ 年７ 月，河南省出現(xiàn)歷史罕見特大暴雨，持續(xù)性強(qiáng)降水天氣導(dǎo)致多地受災(zāi)，多條河流發(fā)生超警洪水。以受災(zāi)嚴(yán)重的河南新鄉(xiāng)衛(wèi)輝市為研究區(qū)，其地處黃河以北、太行山南麓，地勢西北高而東南低。

本研究綜合運(yùn)用多源遙感數(shù)據(jù)，包括國產(chǎn)高分一號（ＧＦ－１）、高分三號（ＧＦ－３）以及歐空局Ｓｅｎｔｉｎｅｌ－１、Ｓｅｎｔｉｎｅｌ－２ 遙感數(shù)據(jù)，為洪澇災(zāi)害長時序淹沒歷時分析和下墊面真實地物分類提供遙感數(shù)據(jù)支撐，具體數(shù)據(jù)情況見表２。為提高洪澇災(zāi)害淹沒歷時分析的精度，將研究中用到的全部遙感數(shù)據(jù)空間分辨率重采樣至５ ｍ，并對不同類型遙感數(shù)據(jù)進(jìn)行預(yù)處理。其中：光學(xué)遙感數(shù)據(jù)的預(yù)處理主要包括輻射定標(biāo)、大氣校正以及正射校正，最終獲取光學(xué)正射影像圖；雷達(dá)遙感數(shù)據(jù)的預(yù)處理包括軌道校正、斑點濾波、輻射定標(biāo)、正射校正、多視處理以及分貝化。

２．２ 遙感監(jiān)測與淹沒歷時分析

本文基于多源遙感數(shù)據(jù)，針對研究區(qū)洪澇災(zāi)害期間不同時期遙感數(shù)據(jù)進(jìn)行水體提取，將７ 月１５ 日水體提取結(jié)果作為研究區(qū)原有水體，統(tǒng)計７ 月２０ 日—９ 月１５ 日的洪水淹沒面積，并繪制變化趨勢圖（見圖２）。

此次衛(wèi)輝市洪澇災(zāi)害的主要受災(zāi)時期為７ 月下旬，洪水在此期間發(fā)展至頂峰，最大淹沒面積為９８ｋｍ^２。至８ 月洪峰退去后，衛(wèi)輝市的受淹面積明顯減小。從面積變化趨勢來看，監(jiān)測期內(nèi)共有４ 次淹沒—退水過程，洪峰所在的淹沒時期為７ 月２０ 日之后，至７ 月３１ 日達(dá)到最大淹沒面積，隨后開始退水過程。復(fù)雜的洪水演變過程導(dǎo)致洪澇災(zāi)害災(zāi)情評估工作難以準(zhǔn)確進(jìn)行?；诙嗥诤闈碁?zāi)害遙感監(jiān)測獲取的洪水空間分布結(jié)果，對衛(wèi)輝市轄區(qū)內(nèi)的洪水淹沒歷時進(jìn)行計算分析，得到洪水淹沒歷時分布圖（見圖３）及不同洪水淹沒歷時的淹沒面積變化圖（見圖４）。

依據(jù)圖３ 和圖４ 分析如下：

１）衛(wèi)輝市的洪澇災(zāi)害呈現(xiàn)兩種致災(zāi)形態(tài)。從空間分布上看，水系水位暴漲超出承受能力所導(dǎo)致的洪水入侵主要分布在衛(wèi)輝市中部的共產(chǎn)主義渠、衛(wèi)河兩岸以及東部的共產(chǎn)主義渠、衛(wèi)河與淇河交匯處；長期暴雨所導(dǎo)致的大面積內(nèi)澇滯留主要分布在衛(wèi)輝市西南側(cè)的耕地區(qū)域。

２）在淹沒區(qū)域的歷時分布上，受多次淹沒—退水過程影響的區(qū)域絕大多數(shù)淹沒時長在３０ ｄ 以內(nèi)，極少部分地區(qū)因地勢低洼、無法有效排洪而出現(xiàn)超長歷時情況。

２．３ 實地調(diào)研與真實地物分類

本次實地調(diào)研選取２０２１ 年７ 月３１ 日洪峰過后以及９ 月９ 日洪水退去時期的Ｓｅｎｔｉｎｅｌ－２Ａ 遙感數(shù)據(jù)作為影像參考，對以河南新鄉(xiāng)衛(wèi)輝市為中心的周邊地區(qū)受災(zāi)程度及主要地物分布進(jìn)行樣本采集與實地調(diào)研。為增加實地調(diào)研樣本的豐富度，提高地物分類的精度，將調(diào)研區(qū)域擴(kuò)展至衛(wèi)輝市周邊多個區(qū)縣范圍。

實地調(diào)研所獲取的樣本總數(shù)為２ ６８２ 個，經(jīng)室內(nèi)預(yù)處理后篩選無效樣本２２８ 個，有效樣本數(shù)占總樣本的９１．５０％。

根據(jù)洪澇災(zāi)害災(zāi)情評估的實際需求，選取主要地物類型居民地、林地、水體以及農(nóng)作物共４ 個一級類，農(nóng)作物中選取水稻、大豆、花生和玉米４ 個二級類，采用２０２０ 年９ 月４ 日的Ｓｅｎｔｉｎｅｌ－２Ａ 無云光學(xué)遙感數(shù)據(jù)作為洪澇災(zāi)害災(zāi)前地物監(jiān)督分類的依據(jù)，獲取災(zāi)前真實地物分類結(jié)果（見圖５）作為災(zāi)情評估的下墊面本底數(shù)據(jù)，真實地物分類結(jié)果的Ｋａｐｐａ 系數(shù)為９０．００％。

２．４ 災(zāi)情程度劃分與精細(xì)評估

依據(jù)洪水淹沒歷時和真實地物分布的分析結(jié)果，可以獲悉衛(wèi)輝市的農(nóng)作物以玉米為主，輔以少量的花生和大豆，因此受災(zāi)程度劃分的依據(jù)選用玉米產(chǎn)量與洪澇淹沒之間的關(guān)系。玉米是我國的主要糧食作物之一，具有較強(qiáng)的抗旱能力和抗熱能力，需水量大卻不耐澇。國內(nèi)學(xué)者針對玉米產(chǎn)量與淹水持續(xù)時間之間的關(guān)系進(jìn)行了大量研究。李香顏等［１８］ 研究發(fā)現(xiàn)，不同生長期的玉米產(chǎn)量損失率對淹水持續(xù)時間的敏感度不一，拔節(jié)期積水的影響明顯大于抽雄期，且分別提出二者的產(chǎn)量損失率評估模型，模型計算結(jié)果表明拔節(jié)期水淹１ ｄ 對玉米產(chǎn)量幾乎無影響，積水３ ｄ 以上減產(chǎn)率達(dá)到４０％以上，積水７ ｄ 基本絕收；陳振等［１９ － ２０］ 將試驗改進(jìn)到大田模式中，更好地反映玉米受淹的真實場景，結(jié)果表明拔節(jié)期的夏玉米受淹１～３ ｄ 影響較小，淹水５～９ ｄ 產(chǎn)量明顯降低，淹水９ ｄ 產(chǎn)量損失率高達(dá)７０％。上述研究表明，７ 月下旬華北平原的夏玉米正處于拔節(jié)期，該生長期受洪水淹沒時長的影響在產(chǎn)量上的反映十分明顯，水淹１ ～３ ｄ 基本無影響，３ ～５ ｄ 影響較小，５～９ ｄ 產(chǎn)量明顯降低，水淹時間９～１５ ｄ 產(chǎn)量損失嚴(yán)重，１５ ｄ 以上則可視為絕產(chǎn)。將玉米產(chǎn)量受損率與淹水時長之間的關(guān)系作為判斷洪水淹沒程度的依據(jù)，對淹沒歷時分析結(jié)果進(jìn)行災(zāi)情程度劃分（見表３），并繪制基于淹沒歷時分布的洪澇災(zāi)害災(zāi)情程度分布圖（見圖６）。

選用實地調(diào)研獲取的真實地物樣本數(shù)據(jù)中受災(zāi)地區(qū)一級類下的已退水樣本和仍淹沒樣本作為２０２１ 年７ 月３１ 日的洪水淹沒狀態(tài)的分類依據(jù)，得到基于地面資料的７ 月３１ 日洪水淹沒范圍精確數(shù)據(jù)。根據(jù)７ 月３１ 日洪水淹沒范圍，結(jié)合監(jiān)測期淹沒面積變化趨勢分析結(jié)果可知，７ 月３１ 日之前的淹沒—退水過程僅有一次，至３１ 日達(dá)到最大淹沒面積。因此，將３１ 日仍淹沒地區(qū)視為淹沒歷時達(dá)１６ ｄ 的極重災(zāi)區(qū)，對基于淹沒歷時的受災(zāi)程度分布進(jìn)行修正，從而完善洪水淹沒歷時分析所缺少的地面資料，提高洪水淹沒程度劃分的數(shù)據(jù)精度，得到基于遙感和實地調(diào)研的災(zāi)情程度分布（見圖７）。

基于災(zāi)情程度分布圖以及真實地物分類圖，對衛(wèi)輝市境內(nèi)的洪澇災(zāi)害進(jìn)行精細(xì)化的災(zāi)情評估，評估結(jié)果見表４。

結(jié)合洪澇災(zāi)害災(zāi)情程度分布圖、地物分類圖與評估統(tǒng)計結(jié)果可以看出，衛(wèi)輝市整體災(zāi)情呈現(xiàn)出惡劣形勢。洪水入侵地區(qū)未受災(zāi)面積最小，絕大部分地區(qū)有災(zāi)情發(fā)生。受災(zāi)地物以玉米、林地、居民地為主，水稻、大豆、花生等農(nóng)作物因種植面積小，成災(zāi)面積較小。

居民地主要為輕度受災(zāi)和極重受災(zāi)，災(zāi)情程度兩極分化明顯，極重受災(zāi)地區(qū)主要集中在衛(wèi)輝市城區(qū)內(nèi)部，輕度災(zāi)區(qū)零散分布在周邊鄉(xiāng)鎮(zhèn)地區(qū)；林地方面，不同災(zāi)情程度受災(zāi)面積和與之相應(yīng)的淹沒面積呈現(xiàn)線性變化趨勢。從地物分類圖上可以看出，受災(zāi)地區(qū)的林地主要為道路、河流兩旁的綠植，無明顯的集群種植區(qū)。玉米作為此次洪澇災(zāi)害在衛(wèi)輝市的主要影響地物，其受災(zāi)面積最大，且災(zāi)害類型復(fù)雜，絕產(chǎn)面積達(dá)到４８．３１ ｋｍ^２。玉米受災(zāi)區(qū)在空間上主要分布在衛(wèi)輝市中部、共產(chǎn)主義渠沿岸的頓坊店鄉(xiāng)以及東部衛(wèi)河、淇河與共產(chǎn)主義渠交界處的上樂村鎮(zhèn)。除頓坊店鄉(xiāng)和上樂村鎮(zhèn)外，衛(wèi)輝市西南側(cè)的孫杏村鎮(zhèn)有較大面積的極重受災(zāi)區(qū)，長期內(nèi)澇導(dǎo)致玉米絕產(chǎn)。

３ 結(jié)論

本文綜合利用多源遙感數(shù)據(jù)和真實地面樣本數(shù)據(jù)，以２０２１ 年河南省暴雨洪澇災(zāi)害重要受災(zāi)地區(qū)衛(wèi)輝市為研究區(qū)進(jìn)行長時間序列的洪水淹沒歷時分析和災(zāi)情精細(xì)評估研究。

１）本研究提出的基于衛(wèi)星和地面調(diào)查的洪澇農(nóng)作物災(zāi)情精細(xì)評估方法，能夠結(jié)合衛(wèi)星遙感與真實地面樣本數(shù)據(jù)，實現(xiàn)洪澇災(zāi)害受災(zāi)區(qū)的農(nóng)作物種植結(jié)構(gòu)與空間分布的真實分類，并修正基于遙感的淹沒歷時信息提取結(jié)果，開展洪澇災(zāi)害農(nóng)作物受災(zāi)程度的精細(xì)評估。依據(jù)此方法得出的洪澇災(zāi)害災(zāi)情程度評估結(jié)果與實際災(zāi)情一致，且評估效率高，能夠提高洪澇災(zāi)害應(yīng)急監(jiān)測評估的時效性與可信度，滿足抗災(zāi)救災(zāi)以及賠償、重建工作的需求。

２）基于本研究評估方法，以２０２１ 年河南省衛(wèi)輝市洪澇災(zāi)害為例，評估結(jié)果如下：衛(wèi)輝市洪澇災(zāi)情主要呈現(xiàn)兩種形態(tài)，一是分布在河流沿岸的高水位入侵洪水災(zāi)害，二是地勢低洼地區(qū)長期內(nèi)澇滯水災(zāi)害。洪水的淹沒歷時多在３０ ｄ 以內(nèi)，其中７ 月下旬為洪峰時期，最大淹沒面積于７ 月３１ 日出現(xiàn)，達(dá)到９８．６２ ｋｍ^２。主要受災(zāi)地物為玉米、林地和居民地。玉米作為主要耕地類型，受災(zāi)面積最大，且受災(zāi)程度嚴(yán)重，絕產(chǎn)面積達(dá)到４８．３１ ｋｍ^２；受災(zāi)林地不同災(zāi)情程度受災(zāi)面積與相應(yīng)的淹沒面積變化基本一致，主要為道路兩側(cè)的綠化帶；居民地的受災(zāi)情況兩極分化嚴(yán)重，城區(qū)以極重災(zāi)區(qū)為主，鄉(xiāng)鎮(zhèn)受災(zāi)程度較輕。

綜上所述，本研究基于多源遙感數(shù)據(jù)和真實地物樣本的洪澇災(zāi)害精細(xì)評估，在方法上能夠做到洪澇災(zāi)害應(yīng)急監(jiān)測，并對受災(zāi)地區(qū)進(jìn)行及時的洪澇災(zāi)害實地調(diào)研，獲取時效性強(qiáng)、可信度高的地面數(shù)據(jù)資料，從而對洪水受災(zāi)地區(qū)進(jìn)行受淹程度及受災(zāi)地物的精細(xì)化分類，便于后續(xù)災(zāi)情的精細(xì)評估，為災(zāi)區(qū)的抗災(zāi)救災(zāi)、災(zāi)后賠償與重建工作提供科學(xué)精準(zhǔn)的數(shù)據(jù)支撐，在洪澇災(zāi)害的實際監(jiān)測評估決策中有極高的應(yīng)用價值。

【責(zé)任編輯 許立新】