对于洪水检测，经常使用合成孔径雷达 (SAR) 卫星图像。这里显示了 SAR 图像用于洪水检测的优缺点。

优点：
- 无论天气如何，都能够捕获图像，从而实现高时间分辨率。
- 由于镜面反射，很容易区分水和其他物体。

缺点：
- 图像中有很多斑点噪声。
- 凭直觉很难理解图像中出现的对象。

在本文中，我们使用公开数据集演示了 SAR 的检测能力。

数据集

我们使用FLOODBASE创建的Sen1Floods11数据集。它由 2016 年至 2019 年全球发生的 11 次洪水事件的 446 对光学和 SAR 哨兵图像组成。光学图像有13个光谱带（可见光~SWIR），SAR有两种偏振（VV、VH）。所有洪水区域均由专家注释并提供标记数据。下图显示了数据集中包含的洪水地图和示例图像。

DNN的训练

由于我们的目标是通过 SAR 检测洪水，因此我们没有使用光学数据进行训练。我们训练了一个具有二元分类（洪水或非洪水）的语义分割模型。所有图像均被裁剪为 256×256 像素的图块，最终形成 1780 个图块。我们分别使用其中 80% 和 20% 进行训练和验证。

结果

总体验证 IoU 为 0.885。下图显示了 SAR 和光学图像、地面实况标签以及模型预测的示例。

图像上的预测精度有所不同，但总体 IoU 相当不错。还应该注意的是，由于标签数据是由光学数据制成的，因此一些洪水区域没有像第二个示例那样通过云进行标记。然而，用 SAR 数据训练的模型可以正确预测。这是SAR的一个显着优势。

看法

最近，多模态数据与 SAR 相结合已被用于遥感任务以提高性能。尽管仅使用 SAR 数据训练的 DNN 模型表现良好，但为了更好的洪水预测，值得结合其他数据。