利用10年卫星雷达数据全球监测洪水

洪水每年造成广泛的全球性损害，使得有效监测至关重要。虽然卫星观测在洪水检测和跟踪方面已证明 invaluable，但长时间跨度的全球洪水数据集仍稀缺。本研究引入一种新型深度学习洪水检测模型，利用合成孔径雷达（SAR）卫星影像的穿透云层能力，实现在云层覆盖及昼夜条件下持续的洪水范围映射。通过将该模型应用于10年SAR数据，我们创建了一个独特的、纵向的全球洪水范围数据集，其预测结果不受云层影响，为过去十年历史上洪涝频发区域提供了全面且一致的洞察。我们利用模型预测识别埃塞俄比亚的历史洪涝热点区域，并演示了在2024年5月肯尼亚洪水期间的实时灾害响应能力。此外，我们的纵向分析揭示了全球洪水范围随时间可能呈现上升趋势，尽管需进一步验证以探索其与气候变化的关联。为最大化影响力，我们提供公开访问模型预测及代码仓库，使世界各地的研究人员和实践者能够推动洪水监测，增强灾害响应策略。