针对南方山区复杂地形下大范围农田淹没实时监测难题，广东省科学院广州地理研究所创新创新研发了多源遥感协同制图方法。该技术通过整合超高分辨率光学影像与合成孔径雷达（SAR）数据，耦合主动学习与语义分割算法，成功对广东省复杂山区实现了高精度的农田洪涝淹没范围动态制图。

该研究提出一种数据驱动的两步骤方法：在农田制图步骤中，针对现有5套全球公开农田数据产品（ESA、ESRI、FCS30、FROM、GlobeLand30）在广东山区存在显著误判的问题，利用Google超高清卫星影像结合Segformer深度学习框架构建主动学习系统，提取了复杂山区的农田精准分布数据集（GSC）。在水域识别步骤，系统评估了单一阈值法、Otsu自适应阈值法、主动轮廓分割及受控分水岭算法（MCW）的识别农田淹没范围的适用性。

实验结果表明，在农田制图方面，GSC数据集在农田制图精度指标（IoU）和面积吻合度方面显著优于5套公开产品，并有效解决了ESA产品鱼塘误判和ESRI产品山区漏分的典型问题。在水域识别方面，MCW算法展现出较好的大范围泛化能力，突破传统方法对复杂参数调整的依赖，在无需辅助数据条件下实现跨年际（2017-2022）洪涝监测。

通过该方法，在收到数据后6小时内，能够完成广东农田淹没范围的快速制图。研究团队自2022年以来完成了多次农田洪涝淹没范围评估技术服务，包括2022年龙舟水、台风暹芭，2023年台风苏拉及2024年龙舟水等。

相关研究成果发表于《Journal of Hydrology》期刊（水文领域中科院一区），姜浩副研究员、许剑辉副研究员为共同第一作者，周霞研究员为通讯作者。该研究获国家自然科学基金资助，相关技术服务获应急管理部国家减灾中心感谢信。

引用格式：

Jiang H, Xu J, Zhang X, Zhou X*, Liu Y, Ku M, Jia K, Dai X, Sun Y, Chen S. Cropland inundation mapping in a mountain dominated region based on multi-resolution remotely sensed imagery and active learning for semantic segmentation. Journal of Hydrology. 2024 Jul 2:131609.

原文链接：

https://www.sciencedirect.com/science/article/pii/S0022169424010059

撰稿：姜浩

审核：刘飒

审定发布：吴旗韬