基于极化SAR数据融合与变化检测模型的洪涝灾害区域精准识别新方法

来自中国的研究团队针对传统单极化SAR图像在洪涝检测中的局限性，创新性地提出基于双极化(VV/VH)SAR数据融合与PWU-Net变化检测网络的新方法。通过灰度共生矩阵(GLCM)提取纹理特征构建三通道融合图像，结合卷积-坐标注意力模块(CCAM)和Wave-MLP模块，在2023年北京洪灾Sentinel-1数据中实现F1值提升9.1%，为复杂环境下的灾害监测提供高精度解决方案。

　　

洪水作为最具破坏性的自然灾害之一，其精准监测始终是遥感领域的重大挑战。传统基于单极化合成孔径雷达(SAR)的方法在复杂环境下表现受限，而这项研究巧妙利用双极化(VV/VH)SAR数据，通过灰度共生矩阵(GLCM)纹理特征提取技术，构建包含极化信息与纹理特征的三通道融合图像。

研究团队设计的PWU-Net网络采用编码器-解码器架构，创新性地集成卷积-坐标注意力模块(CCAM)实现特征融合，并引入Wave-MLP模块增强对细微变化的敏感性。在2023年北京洪灾的Sentinel-1数据验证中，该方法不仅显著放大了极化信息的细节特征，更突出表现了洪水特有的纹理模式。实验数据显示，其精确度(Precision)、召回率(Recall)和F₁分数全面超越现有先进方法，其中F₁值提升幅度达9.1%，为灾害应急响应提供了更可靠的决策依据。