目录
简介
检测洪水地区的拟议方法
在本例中，提供两张Sentinel图像（Sentinel-1 SAR和Sentinel-2光学图像）来检测洪水区域并估计受影响的人群。由于云层覆盖率高，利用光学带训练网络的算法（例如机器学习技术）无法完全提取泛洪像素，特别是在阴影区域和多云像素中。相比之下，发射微波波长信号的主动传感器提供了一种查看不可见区域（例如多云像素）的替代方案（\cite{ANUSHA}）。因此，在这项工作中，使用Sentinel-1的合成口径雷达（SAR）产品来创建洪水淹没地图。为了检测泛洪像素，提出了一种算法并在Google Earth Engine（GEE）平台上实现。在提出的算法中，首先过滤斑点噪音，然后通过两个步骤（使用Hansen数据集（\cite{Hansen}）和用户定义的阈值）从图像中屏蔽永久水，最终使用Otsu阈值方法将泛洪像素与非泛洪像素分离。如果柱状图的分布是高斯分布&#