09洪涝灾害雷达遥感监测方法
洪涝灾害遥感监测方法：光学遥感方法使用最多的是美国NOAA气象卫星和陆地资源卫星，也使用风云气象卫星开展洪涝灾害的监测；微波遥感的方法主要是利用主动成像的雷达遥感方法进行洪涝灾害的监测。

水体光谱特征，CH3小于图像平均值为洪水期，反之为非洪水期；CH1相对减小，CH2相对增加，有向陆地逐渐过渡的趋势，往往该部分水体被陆地包围或覆盖在陆地上。

水体空间特征，水体相对于陆地或云层等呈现出较为均一的图斑，无明显纹理特征；水体图斑边界相对云层较稳定，河流的现状特征（湖泊、海洋的面状特征）较明显。

气象卫星高时间分辨率、成像范围大等特征使其成为大范围洪涝动态监测的重要手段。

洪涝灾害雷达遥感监测：雷达遥感具有全天候、全天时的数据获取能力和对一些地物穿透的能力，成为监测洪涝灾害最为有效的遥感技术之一。

多颗在轨运行的航天雷达卫星在时相互补，可对同一地区形成连续观测。

灵活、机动的机载雷达系统可用于特殊时期的快速监测，这些从技术上保证了采用雷达监测洪涝灾害的可能性与有效性。

水体由于镜面反射回波强度较小，在图像上呈现出暗色或黑色，而陆地的回波强度较大，呈现灰白色或黑灰色，故在雷达图像上水陆界线分明，可以清晰地看到洪水到达地段及其淹没范围，利用雷达孔径图像能很快地监测受灾地区的情况。

发展SAR图像与其他图像的融合势在必行，受灾中的SAR 图像和灾前的TM或ETM、SPOT等多光谱光学图像数据具有很强的互补性。

基于DEM的SAR图像洪水水体的提取，在地形数据的支持下，实现星载SAR图像洪水水体的半自动提取。

洪涝灾害SAR图像斑点滤波方法：斑点滤波方法的主要目的是从含有斑点的SAR图像中恢复SAR图像；进行反演工作需要图像像元值的可信度，感兴趣的信息是面目标，如果还考虑边缘保持的情况则没有多少意义；而如果进行边缘信息提取等工作，主要考虑的是边缘信息，这种情况下考虑其他标准是不必要的。

基于半变异函数的SAR图像地表淹没程度分析：SAR由于具有一定的穿透性，在一定条件下能穿透植被冠层，在植被冠层和水面之间形成双向散射，因而能监测到植被覆盖下的水体，从而在一定程度上获取植被覆盖下的淹没范围。

完全被淹没的水域呈镜面反射，植被覆盖的半淹没区呈双向散射，而未被淹没的区域呈漫散射。

空间自相关特性，在SAR图像上的表现就是图像灰度值之间的空间自相关性和图像的纹理特征。

不同淹没程度下的地表在图像表现出不同空间自相关性和纹理特征，而半变异函数能充分反映图像数据的随机性和结构性，即充分反映了图像数据的空间自相关性和纹理特征。

半变异函数理论：变程，描述了当观测变量的空间依赖性达到最大时的地面距离，它和图像中地物的大小有关，反映随机变量的影响范围。

基值，定义了从数据中获取到的最大的半变异值，和被地物覆盖的区域范围有关。

基台值，表征了观测数据之间的随机方差或者是空间独立变量，不受位置改变的影响。

基于纹理与成像知识的高分辨率SAR图像水体检测：由于SAR侧视成像，根据像素灰度值很难将地物阴影和水体分开，采用DEM来模拟雷达图像，从中获取山体阴影，将水体和山体阴影分开，实现水体检测，也可以对光学图像和SAR图像融合来提取水体，小目标往往以纯像元形式存在，能够反映小目标的散射特征、位置特征和结构特征等复杂信息。

基于知识的目标检测是根据目标成像机理、拓扑关系、几何形状与结构信息、目标纹理特征等进行检测。

试验结果分析：面向对象方法，不再以单独像元为研究对象，而是以地物对象为研究对象，可以灵活地利用地物本身的光谱、形状等信息，从而可以大大提高分类精度。

通过多尺度分割技术将图像分割成代表图像信息的对象，再利用对象本身所包含的信息（光谱、形状等）对对象进行分类。

其采用模糊分类法，对类进行描述时采用了隶属度函数的方法，代替
了传统的是非方法。

其整体过程模拟再现了人眼对图像进行分类的过程，快速而准确。

洪涝灾害遥感监测流程：
从边缘提取和斑点滤波的角度，探讨了洪涝灾害雷达图像的前期处理方法，提出利用半变异函数方法和面向对象方法，进行极化雷达图像洪涝淹没范围的自动探测。

半变异函数方法能提取到植被覆盖下的淹没范围，而面向对象方法不再以单独像元为研究对象，而是以地物对象为研究对象，对多极化雷达图像的淹没程度进行有效提取。

基于纹理和雷达成像知识，高分辨率雷达图像水体检测方法能区分出雷达图像上的建筑物阴影与水体，达到检测水体的目的。