基于统计时序特征分类与像素级TCEV建模的SAR洪水异常制图

《Remote Sensing》:SAR Flood Anomaly Mapping Through Statistical Time-Series Feature Classification and Pixel-Wise TCEV Modeling

【字体: 大 中 小 】 时间:2026年09月27日 来源:Remote Sensing 4.3

编辑推荐:

  利用合成孔径雷达(SAR)观测进行洪水制图对于快速灾害响应至关重要,然而现有方法由于缺乏时间上下文以及对洪水异常的表征不足,往往难以刻画罕见的极端洪水事件。本研究提出了一种结合极端值理论的统计时间序列特征分类与像素级双分量极值(TCEV)建模方法,用于SAR洪

  
利用合成孔径雷达(SAR)观测进行洪水制图对于快速灾害响应至关重要,然而现有方法由于缺乏时间上下文以及对洪水异常的表征不足,往往难以刻画罕见的极端洪水事件。本研究提出了一种结合极端值理论的统计时间序列特征分类与像素级双分量极值(TCEV)建模方法,用于SAR洪水异常制图。研究人员利用长期哨兵一号(Sentinel-1)SAR时间序列构建了九个统计特征,采用表格先验数据拟合网络(TabPFN)进行洪水分类,同时使用独立拟合的双分量极值(TCEV)模型计算事件期间的异常概率。随后将得到的空间分类掩膜与基于TCEV的异常概率相结合,生成时序洪水异常图(TFAMs)。研究人员利用不同环境条件下的四次极端洪水事件对所提方法进行了评估。生成的TFAMs成功刻画了与洪水相关的时间异常,其中在新南威尔士州取得了最高的受试者工作特征曲线下面积(ROC-AUC)0.87和平均精度(Average Precision)0.81。相应的由TFAM导出的二元洪水范围图取得了最高的F1分数0.81、交并比(IoU)0.69和Kappa系数0.72。
1. 研究背景与研究动机
在全球环境变化背景下,自然灾害的频率和强度日益增加,对防灾减灾和风险管理构成了巨大挑战。在所有自然灾害中,洪水是最频繁且最具破坏性的灾害之一,每年造成数千亿美元的经济损失。因此,及时准确的洪水制图对于应急响应、灾害评估和灾后恢复至关重要。
遥感技术为大范围、快速的洪水监测提供了有效手段。其中,合成孔径雷达因其全天候、昼夜成像能力,成为最广泛使用的洪水制图数据源之一。开放获取的哨兵一号任务凭借高空间分辨率和频繁的重访周期,为捕捉大区域洪水动态提供了宝贵的观测数据。其基本原理是利用水面的低后向散射特性来识别洪水区域。现有的SAR洪水制图方法主要分为单影像法和多时相法。单影像法虽然计算高效,但对环境条件高度敏感,容易产生误判。多时相法利用洪前和洪后的SAR观测差异来识别变化,但其性能严重依赖合适参考影像的质量和可用性。
近年来,机器学习和深度学习方法在改进SAR洪水制图中展现出巨大潜力。然而,这些数据驱动的方法主要将洪水制图视为模式识别问题,依赖于训练样本的统计特征,在面对未见过的环境或罕见事件时泛化能力有限。实际上,洪水是对正常地表状态的异常偏离,而非普通的土地覆盖转换。因此,准确刻画SAR观测的异常程度和稀有性,对于提高洪水检测模型的鲁棒性和可解释性至关重要。
为此,研究人员引入了极端值理论,它专注于概率分布的尾部行为,天然适合表征极端洪水事件。其中,双分量极值模型通过分离普通变化和极端事件来考虑异质的极端机制,特别引人关注。然而,基于EVT的方法很少与深度学习结合用于SAR洪水制图。将极端事件理论与多时相SAR统计特征构建相结合,可能为具有统计可解释性的SAR洪水异常制图提供一条有效途径。
2. 研究内容与主要发现
本研究开发了一个框架,整合了从长期Sentinel-1观测构建的统计特征、基于TabPFN的空间分类以及像素级TCEV建模,用于SAR洪水异常制图。该方法的主要贡献在于:(1)整合了两个互补的组成部分:TabPFN利用从历史季节性SAR观测构建的九个统计描述符识别潜在洪水区,而独立拟合的TCEV模型则评估每个像素事件期观测的统计稀有性;(2)构建了连续的时序洪水异常图,刻画估计洪水掩膜内像素特定的SAR异常,从而补充了二元淹没描绘。
研究选取了四个极端洪水事件作为案例,包括中国广西(2025年秋季)、哥伦比亚科尔多瓦(2026年2月)、希腊扎戈拉(2023年9月)和澳大利亚新南威尔士州(2022年初),这些地区涵盖了不同的环境和土地覆盖类型。研究人员收集了2015年至2026年间的Sentinel-1 SAR观测数据,经过季节性过滤后,共保留了272景影像用于分析。
3. 关键技术方法
  • •
    统计特征构建与TCEV拟合:首先对每个像素建立长期季节性SAR观测的背景分布。通过对数变换和符号反转,将洪水信号转化为上尾极端事件。计算经验累积分布函数,并通过双对数极值概率变换放大尾部差异。采用分段线性拟合提取九个统计描述符(C1-C9),包括斜率比、分段斜率和截距、断点、振幅和上尾均值等。同时,为每个像素独立拟合一个TCEV模型,作为历史季节性分布的参数化近似,用于计算事件期观测的累积概率作为异常分数。
  • •
    TabPFN洪水分类:使用从广西地区高分辨率Planet光学影像手动解译的83个标记样本(44个洪水,39个非洪水)作为上下文示例。TabPFN是一种基于Transformer的表格基础模型,具备上下文学习能力,无需梯度重训练即可进行像素级分类。利用九个统计特征(C1-C9)推断像素属于历史洪水类别的概率,并以0.5为阈值生成二元最大洪水范围掩膜。
  • •
    TFAM生成与评估:将TabPFN识别的最大洪水范围与TCEV导出的像素级异常概率结合,生成TFAM。TFAM提供连续的统计异常分数,数值越大表示事件期观测相对于历史行为的偏离越显著。评估指标包括ROC曲线下面积、平均精度、F1分数、IoU和Kappa系数。
4. 研究结果
4.1 TFAMs与导出BFEMs的整体表现
TFAMs在不同洪水事件中实现了0.76至0.87的ROC-AUC值和0.43至0.81的AP值,表明连续异常分数能有效区分洪水和非洪水区域。经阈值分割后,导出的二元洪水范围图取得了0.55至0.81的F1分数、0.38至0.69的IoU和0.49至0.72的Kappa系数。新南威尔士州事件表现最佳,F1分数0.81、IoU 0.69、Kappa系数0.75、AUC 0.87、AP 0.81。
4.2 各极端洪水事件的制图结果
  • •
    科尔多瓦事件:TFAMs揭示了明显的洪水异常模式,与参考数据集识别为洪水的区域高度一致。三个观测日期的AUC分别为0.79、0.81和0.86,AP分别为0.43、0.49和0.44。误报分析显示,71.0%的假阳性像素位于草地,19.8%位于湿地,表明植被和地表湿度变化可能产生类似淹没的信号。
  • •
    扎戈拉事件:TFAMs在两个观测日期分别取得AUC 0.76和0.78,AP 0.67和0.69。导出的BFEMs取得了F1分数0.69和0.74,IoU 0.53和0.59。
  • •
    新南威尔士州事件:TFAMs识别出广泛的洪水相关异常,与独立的COSMO-SkyMed参考数据一致性良好,展示了捕捉大规模淹没格局的能力。
4.3 广西洪水事件的水文气象一致性评估
由于缺乏独立参考数据,研究人员利用GPM降水和ERA5-Land土壤湿度数据进行间接验证。结果显示,Sentinel-1采集日期前存在多次强降水事件,土壤湿度也呈现升高趋势,为TFAM检测到的洪水信号提供了有利的环境背景证据。
4.4 跨采集日期的SAR异常模式变化
TFAMs展示了四个事件中洪水异常的时空演变特征。科尔多瓦事件表现为逐渐增强和持续的高异常响应;扎戈拉事件呈现从低到高的快速转变;新南威尔士州事件显示出空间异质性异常模式;广西事件则展现了捕捉精细尺度洪水结构的能力。
4.5 交叉区域迁移实验结果
广西与新南威尔士州之间的互逆迁移实验显示,概率图的皮尔逊相关系数高达0.89-0.96,表明主概率结构在迁移后得以保持。二元候选掩膜的IoU为0.41-0.52,Kappa系数为0.57-0.64,证明了跨区域空间模式的迁移能力。
5. 讨论与结论
讨论部分总结:本研究引入TCEV从极端偏离的角度刻画洪水相关的SAR响应,相较于传统方法更具适应性。像素级极端事件表征减少了对人工选定阈值的依赖,提供了更可解释的洪水异常识别。TFAM提供的连续异常表示优于二元分类,能更好地表征空间差异和时间变化。然而,残留的斑点噪声、叠掩、阴影和局部入射角变化仍可能影响异常分数,尤其在山区。季节性永久水体和水陆边界混合像元也可能产生与洪水无关的异常SAR响应。研究未建立通用的TFAM阈值转换标准,未来需利用独立事件进行评估。此外,有限的观测数量可能影响四参数TCEV拟合的稳定性,后续应通过重采样评估参数稳定性并比较替代异常模型。
研究结论翻译:本研究提出了一种统计时间序列特征分类和像素级TCEV建模方法,用于SAR洪水异常制图。通过整合像素级极端值建模、多时相SAR观测的统计特征构建以及基于异常的刻画,所提方法能够基于观测相对于历史变异的偏离来识别洪水相关的SAR响应,为多时相洪水监测提供了一种可解释的方法。主要结论如下:(1)TCEV与TabPFN的结合将极端事件表征与时序学习相结合,使得从长期观测中识别和刻画罕见的洪水相关SAR异常成为可能。(2)所提出的TFAM将传统的二元洪水制图扩展为连续异常表示,允许更详细地刻画洪水响应的空间异质性和时间变化。(3)所提方法展示了在不同洪水情景和环境条件下的适用性。未来研究应进一步整合多源遥感观测和水文信息,发展场景自适应方法,并将该方法扩展到持续、长期的洪水监测中,以支持业务化灾害响应和气候适应策略。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号