Integrating sentinel-1 SAR and sentinel-2 optical data for crop mapping and flood inundation assessment in agricultural systems

对洪水对农业系统影响的精准及时评估，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产区。本研究提出了一种综合遥感方法，利用Sentinel-1和Sentinel-2多光谱影像，识别作物类型并评估2018至2022年间中国江汉平原重要农业区（具体为荆州研究区）的洪水范围及其对农业系统的影响。利用双极化（VV和VH）Sentinel-1 C波段SAR数据，绘制了2020年7月一次重大洪水事件的淹没范围图。采用变化检测方法结合基于直方图的阈值分割（Otsu法）对VV/VH比值进行处理，提取了受淹区域，从而清晰区分了洪水区与非洪水区，以及永久水体与非洪水区。基于2020年Sentinel-2时间序列影像的随机森林分类器总体精度达到92.7%，Kappa系数为0.892。该分类器将农业总面积划分为11,442平方公里，其中水稻、小麦和棉花的种植面积分别为888平方公里、384平方公里和43平方公里。本研究展示了结合光学与SAR数据进行近实时、作物特异性洪水监测的潜力。