3、灾害类型与遥感特征：常见自然灾害的遥感可观测特征与监测需求
自然灾害的遥感监测并非“万能钥匙”，其有效性高度依赖于对灾害类型、致灾因子、承灾体与遥感观测手段之间内在关系的理解。不同灾害在时间尺度（从秒级的地震到数月级的干旱）、空间尺度（从百米级的滑坡到千公里级的台风）和地表表征（光谱、纹理、几何、热红外异常）上差异巨大。本章将系统梳理洪水、地震、滑坡、泥石流、干旱、火灾、台风七类典型灾害的遥感可观测特征，明确各自的监测需求与数据选择逻辑，为后续应急响应方案设计奠定物理基础。
3.1 洪水灾害：水体提取与淹没范围动态监测
核心原理：洪水灾害的遥感监测核心在于水体与其他地物的光谱差异和微波散射特性差异。在光学波段，水体在近红外（NIR）和短波红外（SWIR）波段具有强吸收特性，反射率显著低于植被和土壤；在合成孔径雷达（SAR）影像中，平静水面呈镜面反射，后向散射系数极低，在图像上表现为暗色区域。这一物理基础使得洪水监测可以跨越昼夜和云雨限制，实现全天时、全天候观测。
判断方法与操作流程：
- 数据选择：优先选用SAR数据（如Sentinel-1、GF-3、RADARSAT-2），因其不受云层影响；若天气晴朗，可结合光学数据（Sentinel-2、Landsat-9、GF-6）进行精细化水体提取。
- 水体提取方法：常用方法包括阈值分割法（基于SAR后向散射系数阈值，通常-15dB以下判为水体）、水体指数法（NDWI=(Green-NIR)/(Green+NIR)，MNDWI=(Green-SWIR)/(Green+SWIR)）、面向对象分类法和深度学习语义分割法（如U-Net、DeepLabV3+）。
- 淹没范围变化分析：利用多时相影像进行差值分析，计算淹没面积、淹没历时、最大淹没范围，并结合DEM数据评估淹没水深。
- 产品输出：生成淹没范围专题图、淹没历时曲线、受灾人口与耕地统计报表。
| 数据源 | 空间分辨率 | 重访周期 | 洪水监测适用性 |
|---|---|---|---|
| Sentinel-1 SAR | 10m | 6-12天 | 高（全天候，适合大范围淹没制图） |
| GF-3 SAR | 1-500m | 1.5天（侧摆） | 高（中国自主，多极化模式） |
| Sentinel-2 MSI | 10-20m | 5天 | 中高（仅晴天，但光谱信息丰富） |
| MODIS | 250-500m | 1-2天 | 中（快速大范围评估，精度有限） |
3.2 地震灾害：形变测量与建筑物损毁评估
核心原理：地震灾害的遥感监测分为两个层面：一是地壳形变测量，利用合成孔径雷达干涉测量（InSAR）技术，通过两幅或多幅SAR影像的相位差提取厘米级甚至毫米级的地表位移；二是建筑物损毁评估，利用高分辨率光学影像的纹理变化、阴影变化和光谱变化识别倒塌建筑。地震本身是瞬时事件，但震后形变和损毁评估需要快速响应。
判断方法与操作流程：
- InSAR形变提取：选取震前与震后SAR影像对，进行配准、干涉、滤波、解缠、地理编码，生成形变图。差分干涉（D-InSAR）可提取同震形变场，时间序列InSAR（SBAS、PS-InSAR）可监测震后余滑和震间形变。
- 建筑物损毁识别：基于灾前灾后光学影像的变化检测，包括光谱差异法、纹理特征变化法（灰度共生矩阵GLCM）、面向对象分类法。深度学习模型（如ResNet、Transformer）在震后建筑损毁分类中表现优异，可区分“完好、轻微损坏、严重损坏、倒塌”四级。
- 次生灾害排查：结合高分辨率光学影像和LiDAR数据，识别滑坡、崩塌、堰塞湖等次生灾害体。
案例拆解：2023年土耳其-叙利亚双震（Mw 7.8和Mw 7.5）中，国际灾害救援组织利用Sentinel-1A/B升降轨数据，在震后48小时内生成了同震形变场，最大形变量达6米。同时，利用Maxar和Planet的高分辨率光学影像（0.3-3m），结合深度学习模型对哈塔伊省建筑物损毁进行了逐栋评估，识别出倒塌建筑约2.4万栋，精度达85%以上。这一过程中，关键输入数据包括：震前DEM（Copernicus GLO-30）、震前震后SAR影像对、灾后光学影像（0.5m分辨率）、OSM建筑轮廓数据。分析判断过程经历了“形变异常区识别→重点区域建筑损毁分类→现场验证修正”三个阶段。实际操作中，由于震区多云，光学影像获取受限，SAR数据成为主力；但SAR对建筑倒塌的识别能力有限，最终采用“SAR形变定位+光学损毁确认”的协同策略。风险与代价在于：高分辨率商业影像成本高昂（约$15-25/km²），且获取链路较长；复盘经验表明，建立“SAR快速形变筛查+光学精细损毁评估”的双层架构是地震应急遥感的有效范式。
3.3 滑坡与泥石流：多时相地形变化与运动特征识别
核心原理：滑坡和泥石流属于局地性、突发性地质灾害，其遥感可观测特征包括：地形几何变化（坡体位移、裂缝扩展、堆积体形成）、地表覆盖变化（植被破坏、裸露土壤）、以及运动过程中的热红外异常（摩擦生热）。由于灾害体尺度较小（数十米至数百米），需要高空间分辨率数据，且往往需要多时相对比才能捕捉变化。
判断方法与操作流程：
- 光学遥感识别：利用高分辨率光学影像（如GF-2、WorldView-3、无人机影像）识别滑坡后壁、侧壁、堆积区、裂缝等微地貌特征。滑坡体在影像上通常表现为色调异常（新鲜裸露面呈浅色或灰白色）、纹理粗糙、几何形态呈圈椅状或舌状。
- SAR形变监测：利用InSAR技术（尤其适合缓慢蠕滑型滑坡）监测坡体位移速率，识别潜在滑坡隐患点。对于高速滑坡，可采用像素偏移跟踪（POT）方法。
- LiDAR应用：机载LiDAR可穿透植被获取林下微地形，生成高精度DEM（0.5-1m），用于识别古滑坡、老滑坡的复活迹象。
- 泥石流沟道监测：重点监测物源区（松散堆积物）、流通区（沟道纵坡）和堆积区（扇形地），利用多时相影像评估物源量变化。
| 灾害类型 | 主导遥感特征 | 推荐数据源 | 监测频率 |
|---|---|---|---|
| 缓慢蠕滑滑坡 | 毫米-厘米级形变 | Sentinel-1（InSAR） | 每6-12天 |
| 突发性滑坡 | 地形突变、植被破坏 | GF-2、无人机光学 | 灾后即时 |
| 泥石流 | 沟道物源变化、堆积扇扩展 | 高分光学+LiDAR | 雨季前/后各一次 |
3.4 干旱灾害：植被水分胁迫与温度异常监测
核心原理：干旱是一个缓慢发展的过程，遥感监测的核心在于捕捉植被水分胁迫和土壤水分亏缺的信号。主要可观测特征包括：植被冠层温度升高（蒸腾减少导致）、植被指数下降（叶绿素含量降低）、土壤表面温度升高、以及微波后向散射系数变化（土壤介电常数变化）。干旱监测需要长时间序列数据，以计算距平值和干旱指数。
判断方法与操作流程：
- 植被状态指数（VCI）：基于NDVI长时间序列，计算当前NDVI与历史同期NDVI的比值，反映植被生长状况偏离程度。
- 温度植被干旱指数（TVDI）：利用LST（地表温度）与NDVI的特征空间，拟合干湿边方程，计算TVDI值（0-1），值越大表示越干旱。
- 微波遥感土壤水分：SMAP、SMOS、FY-3B等卫星可提供全球土壤水分产品，空间分辨率约25-36km，适合大区域干旱监测。
- 综合干旱指数：如帕尔默干旱指数（PDSI）、标准化降水蒸散指数（SPEI），可结合遥感与气象数据。
常见误区：① 将NDVI数值直接用于干旱判断，忽略了不同植被类型和物候期的差异；② 忽视云覆盖对LST反演的影响，导致TVDI计算出现异常值；③ 仅关注当前干旱状态，未结合前期降水距平和土壤墒情进行综合研判。
3.5 森林与草原火灾：热异常探测与火烧迹地评估
核心原理：火灾遥感监测基于两个物理基础：一是燃烧释放的热量导致地表温度异常升高，可在热红外波段（3.7-4.1μm和10.4-12.5μm）被探测；二是燃烧后植被碳化，导致光谱反射率显著下降，在近红外和短波红外波段变化明显。火灾监测分为火点探测（主动监测）和火烧迹地评估（灾后评估）两个阶段。
判断方法与操作流程：
- 火点探测：利用MODIS（250m-1km）、VIIRS（375m）、FY-4A/4B（静止轨道，分钟级观测）等数据，基于亮温阈值法（如中红外波段亮温>320K且与背景温差>15K）识别活跃火点。VIIRS的375m分辨率在中小型火灾探测中表现优于MODIS。
- 火情监测：利用静止卫星（如Himawari-8/9、FY-4A）实现10分钟级火情动态监测，跟踪火线蔓延方向、速度和强度变化。
- 火烧迹地提取：利用Sentinel-2（10m）或Landsat（30m）影像，计算归一化燃烧比（NBR=(NIR-SWIR)/(NIR+SWIR)），通过灾前灾后NBR差值（dNBR）评估燃烧严重度。
- 损失评估：结合土地利用数据，统计过火面积、受损森林蓄积量、生态服务价值损失。
| 监测阶段 | 关键参数 | 数据源 | 时间分辨率需求 |
|---|---|---|---|
| 火点探测 | 亮温异常、火点坐标 | VIIRS、MODIS、FY-4A | 分钟-小时级 |
| 火线蔓延 | 火线位置、蔓延速率 | Himawari-8、FY-4B | 10分钟级 |
| 火烧迹地 | dNBR、过火面积 | Sentinel-2、Landsat-9 | 灾后1-3天 |
3.6 台风灾害：云系结构与风场反演
核心原理：台风是发生在热带海洋上的强烈气旋性风暴系统，其遥感监测主要依赖气象卫星的可见光、红外和水汽通道。可观测特征包括：螺旋云带结构、台风眼（中心晴空区）、云顶温度（反映对流强度）、以及海面风场（通过微波散射计和辐射计反演）。台风监测的核心需求是路径预报和强度估计，需要高频次、大范围的观测能力。
判断方法与操作流程：
- 云系结构分析：利用静止卫星（如FY-4A、Himawari-9）的可见光和红外通道，识别台风中心位置、螺旋雨带、眼区大小。云顶亮温低于-70℃的区域通常对应强对流核心区。
- 强度估计：采用德沃夏克技术（Dvorak Technique），基于云型特征（中心密集云区CDO大小、眼区清晰度、螺旋带紧密程度）估算台风强度等级。FY-4A的AGRI仪器可提供类似MODIS的5通道云图，支持自动化Dvorak分析。
- 风场反演：利用星载微波散射计（如CFOSAT散射计、MetOp ASCAT）获取海面10m风场，空间分辨率12.5-25km，可监测台风外围风圈结构。对于台风内核区域，可采用云导风技术（从连续云图追踪云块运动）估算高空风场。
- 降水监测：利用GPM（全球降水测量）卫星的微波成像仪和双频降水雷达，反演台风降水强度和三维结构。
3.7 多灾种复合链与遥感协同监测策略
核心原理：实际灾害往往不是孤立发生的，而是形成灾害链。例如，地震→滑坡→堰塞湖→洪水，或台风→暴雨→洪涝→滑坡。多灾种复合链对遥感监测提出了更高要求：需要多源数据协同、多时相连续观测、多参数联合反演。单一传感器无法满足复杂灾害链的全过程监测需求。
协同监测策略：
- “光学+SAR”互补：光学数据提供丰富的光谱和纹理信息，SAR提供全天候形变和水体信息。两者结合可覆盖灾害链的多个环节。
- “高空间分辨率+高时间分辨率”协同：利用高分辨率数据（亚米级-米级）精确定位灾害体，利用中低分辨率高频数据（MODIS、Sentinel-1）捕捉动态变化过程。
- “卫星遥感+无人机+地面传感”三级联动：卫星遥感负责大范围筛查，无人机负责重点区域详查，地面传感器（GNSS、位移计、水位计）提供连续定量数据。
- “历史存档数据+实时数据”对比：充分利用历史存档影像建立基线，通过变化检测识别异常。
总结复盘：灾害类型与遥感特征的匹配关系是应急监测方案设计的逻辑起点。核心要点可归纳为：① 洪水依赖SAR的水体强吸收特性，需高频次、大幅宽观测；② 地震的核心是InSAR形变测量与高分辨率损毁评估，需快速响应和升降轨联合；③ 滑坡/泥石流需要高分辨率多时相数据，强调“广域筛查+重点详查”；④ 干旱依赖长时间序列的植被指数和温度产品，需考虑物候差异；⑤ 火灾需要热红外高频探测与灾后光谱评估相结合；⑥ 台风依赖静止卫星的高频云图与微波风场反演；⑦ 多灾种复合链要求多源数据协同，建立“卫星-无人机-地面”三级监测体系。在实际应急响应中，应根据灾害类型、发展阶段、天气条件和现有数据资源，动态调整监测策略，避免“一刀切”式的数据选择。