Multi-Temporal Assessment of Bimodal Monsoon Flood Dynamics and Agricultural Exposure Using Integrated Sentinel-1 SAR and Sentinel-2 Optical Data in Punjab, Pakistan

在季风主导的流域，洪水表现出高度的时空变异性，因此需要高分辨率、多传感器方法来进行可靠监测和影响评估。在易受洪水影响的农业区域，利用光学遥感进行连续监测常常受到季风期密集云层的阻碍。本研究在Google Earth Engine（GEE）中建立了一个综合多传感器框架，以考察2025年巴基斯坦旁遮普省季风洪水的时空动态及其对地表的影 响。利用12天Sentinel-1合成孔径雷达（SAR）时间序列，通过双阈值变化检测方法进行洪水淹没制图。同时，利用Sentinel-2影像，通过随机森林分类器提取土地利用/土地覆盖（LULC）变化和植被动态，总体精度分别达到93%（洪水前）、91%（洪水期间）和94%（洪水后）。尽管在淹没峰值期水体、饱和土壤和植被之间存在光谱混淆，这三个阶段的精度水平仍保持一致，表明在季风条件下分类性能稳定。分析揭示出明显的双峰洪水情势，其特征是7—8月季风早期峰值和8—9月更为严重的季风晚期峰值。累计最大洪水范围达到9495.33 km²，单日最大淹没面积达到5449 km²。在洪水峰值期，制图耕地减少6.7%（8181 km²），到观测期末仍有3.9%（4796 km²）为非耕地；通过空间交集识别出5892 km²的洪水前耕地被淹没。此外，归一化植被指数（NDVI）下降28.6%，从0.28降至0.20，表明植被绿度显著降低。利用联合国卫星中心（UNOSAT）和联合国粮食及农业组织（FAO）独立收集的数据进行了空间一致性检验，结果显示具有中等空间一致性。所提出的框架对于连续洪水监测具有高度可扩展性，为受数据稀缺和持续多云困扰的季风地区的灾害管理和气候适应规划提供了关键见解。鉴于该方法依赖免费可用的Sentinel数据和无需专门地面基础设施的云端处理，它尤其适用于近实时业务化监测。