.png){kind=icon}
返回
Inter-annual flood mapping using a cloud computing platform and multi-source spatial data
.png){kind=icon}
OA
AI
DOI：10.1080/10106049.2026.2684368.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
洪水是全球性的毁灭性自然灾害之一，由于数据可用性不足，发展地区尤为脆弱。本研究开发了一个基于Google Earth Engine平台的年度洪水范围制图框架，利用多源空间数据集评估洪水模式和土地利用影响（2020—2024年）。通过阈值法变化检测使用Sentinel-1 SAR数据绘制洪水范围，而结合随机森林算法的Sentinel-2数据实现了土地利用分类。结果表明，洪水范围存在显著的年度变化，介于2024年的30,823公顷和2021年的488,070公顷之间，与区域降雨模式呈强相关性。农田区域在2023年遭受了高达39,363公顷的洪水，而建成区在2021年记录了约80,711公顷的淹没。推导出的降雨阈值为基础预警系统提供了依据。该可扩展方法有助于提升洪水风险管理水平和气候韧性，为易发洪水地区的可持续发展目标政策制定提供信息支持。
Keyword:
Climate resilience
disaster preparedness
flood risk management
insufficient data availability
machine Learning
期刊
IF:
3.5
论文数:
2.4K
被引数:
6.9K
机构
引用论文
The climate hazards infrared precipitation with stations—a new environmental record for monitoring extremes带有站点的气候危害红外降水-监测极端情况的新环境记录
OAAI
OAAI分享收藏Google Earth Engine Cloud Computing Platform for Remote Sensing Big Data Applications: A Comprehensive ReviewGoogle Earth Engine云计算平台遥感大数据应用综述OAAI
OAAI分享收藏Semantic segmentation of high-resolution remote sensing images using fully convolutional network with adaptive threshold.png)
CONNECTION SCIENCE
CONNECTION SCIENCEIF3.4
PREAI
分享收藏分享收藏
查看更多内容