洪涝灾害外文文献翻译.docx
《洪涝灾害外文文献翻译.docx》由会员分享，可在线阅读，更多相关《洪涝灾害外文文献翻译.docx（10页珍藏版）》请在冰豆网上搜索。
洪涝灾害外文文献翻译
信息提取的遥感数据应用到洪水监测与灾情评估
塞巴斯蒂安B塞尔皮科，西尔瓦娜迪利皮安，加布里埃莱莫泽，埃琳娜安吉尔提
摘要：
在一个抽象的洪水风险的框架之中，现有的技术能成功的通过卫星遥感提供信息，开发传感技术不仅需要准确和可靠的图像分析方法以提取所需的专题信息，而且此信息是以基于物理模型相结合的能力所观察到的过程。
这是一个多学科的方法，它结合了地球物理科学，遥感等。
在这种情况下，水文气象是根本。
在本文中，我们调查涉及的卫星开发的关键问题和对应急和灾后阶段重点数据损伤进行了评估。
这种方法涉及了多学科图像分析和水文气象组合，以指导和优化工艺的目的，从卫星提取的数据信息是根据民事保护免受洪水的要求。
实验也提出了一些相关的案例研究的例子。
1简介
地球观测卫星（EO）的任务，目前适用于提供独特的观察能力和地球表面的空间分布式和分辨率时间重复的方式，这种方式的范围从几公里到小于一米。
对成功开发的灾害监测数据进行这样的财富和风险评估，从EO图像中提取的信息必须与基于物理的模型所观察到的现象合并，也就是一个目标，即要求多学科的方法涉及遥感和地球物理科学，因此从创建的场景之一来创建任务场景。
我们定义一个景象是“在一个具体时间的静止图像”。
一个场景是不足以预测所观察到的过程的演变，因为它不包含对所观察到的现象的物理信息。
一个“情景”是一个时间序列的空间分布和过程中给定的时刻的观测数据，铸为物理动态模型，可以预测该方案将进化（预防和应对行动）或进化（灾后评估）。
在本文中，我们专注于洪水风险研究的关键是参与操作EO数据的利用，还有研究洪水风险监测和评估链。
有效的结合图象分析和水文气象是指导和优化信息提取过程的关键，而EO图像是基于民法保护的。
努力参与这种多学科的方法论问题和途径，将有一些相关的案例研究的例子讨论和实验然后显示出来。
洪涝风险在预防和预测阶段，可以通过提高风险防范能力与可能的危险事件的风险评估；本文主要阐述问题（II）和（III）。
（II）在减缓和风险评估阶段，它允许一个更好元素在风险和脆弱性的定义；和（III）在阶段中的监测和管理，它允许一个详细的洪水的实际地面效应评估。
关于脆弱性评估，标准的地图信息可能不是最新的，和现场调查通常的时间消费和可能的缓慢的时间相关，这是城市建成区的演变。
而卫星遥感则提供了一种可行的方法来减轻这些限制，因为两者是采取空间分布的观察能力和机会利用先进的图像分析方法。
特别的是，土地覆盖信息是一个重要的输入脆弱性模型和EO，它是基于土地覆盖映射可行的监督图像分类技术，也是基于一个模式识别方法。
对于什么时候针对城市建成区，另一个重要的输入是由三维结构表示的脆弱性评估。
一个一个的城市地区的三维模型，可以通过使用遥感影像。
在图像处理的研究进展中能够准确地提取出感兴趣的特征建筑物的三维映射，同时还能够减少人为干预。
对于相关问题（III），目前，洪涝风险的损伤评估是不发达的，特别在相对于其他风险时。
但是，最近的重要成果是采用基于卫星观测技术传感器。
损失评估可以依赖于整合上述特性和现有的脆弱性，在受事件影响的地面区域进行精确检测，即，淹没区进一步地变化。
重复性视图的星载光电允许这样的事件，驱动的提供时间间断地被捕获。
这个目标可以用于支持当局急救灾后及时提供受影响地区的地图，或有助于制作详细的量化损伤测绘成果。
在这里，特别是有关SAR数据，因为他们在白天和黑夜，穿云获取能力由于重访时间短（上12小时），新的SAR星座进行授予（特别是，COSMO-卫星星座）。
再次在战场进行模式识别和图像处理、特征提取分类和分割技术，可用于正式的映射淹没和变化区域的问题，以下给出了SAR图像的收购事件发生之前和之后。
2远程水力和洪水响应与传感管理
一个最成熟的应用卫星信息在减少灾害风险（DRR）周期中有响应和恢复阶段。
遥感技术有助于克服这两个关键方面的损失估计，在时间和空间尺度分别来讨论。
首先，流逝的时间和可用性之间的事件损失估计在评估的价值是至关重要的信息。
然后，空间广泛的损害评估通常是困难和昂贵的，而卫星信息提供了一个概览。
显然，这些细节可以利用遥感技术评估通常低于通过地面检查，但以上优势中，DRR的提供有不可估量的贡献。
在最好的和损坏的最终目的和最快的方式事件评估后，卫星信息可以结合液压和脆弱性模型。
为此首先，土地覆盖图应聚集成类，在洪水风险方面有类似的行为元素。
第二，适当的损失函数应该分配给每一类这样的损害，这是众所周知的功能，比如液压强迫（例如，最大水深）。
第三，在根据简化模型或物理形态时，通过水力模型约束的划定淹没地区，水的深度的地图和其他液压参数可以计算出实际情况的最佳估计。
最后，把所有得到的信息融合来估计的实际损失。
A漏洞：
在损伤评估的一个核心概念
漏洞可以被定义为一个给定的损失程度元素或元素组的发生风险的给定大小，这是一种自然现象，表达从0级（无损伤）到1（损失）。
一旦一个给定的资产被确定为不同的脆弱性洪水的大小，它是通过元素的值相乘得到的可能获得的经济损失。
漏洞可以指定为v=ƒ（E，EI，S），其中ƒ是一个合适的函数，而E，EI，S表示向量的风险要素，曝光，和敏感性指标，分别为：
E指定社会，经济和生态的单位或量，系统，是被洪水影响的风险；EI提供有关风险要素的信息（例如，位置，抬高，接近河），侧重于一般洪水特征（例如，时间，速度，淹没深度）；和绝对和相对的措施影响的洪水风险的个体因素，也包括社会语境（例如，防范，应对，恢复）。
最简单和最常用的表达方式是“损失函数V”或“损失功能，“与洪水的破坏/洪水灾害易损性暴露指标（例如，淹没深度）不同的风险要素类的敏感性通常被忽略。
脆弱性映射算法可以自动助理一个风险要素的损失函数系统。
然而，当地的形态和拓扑特征与特定的建筑类型也能深入地修改建筑损失函数。
为了这个目的，损失函数也可以在专家判断的基础上以交互方式调整。
B风险要素
确定风险向量的元素，会由一个基本的信息输入土地覆盖图块，其中元素必须被重新分类到一个新的表征，考虑到他们的行为与洪涝灾害脆弱性。
首先，从卫星影像土地覆盖图中自动相比其他土地利用/覆盖信息，当可用的，可能需要之间的换算表，不同的土地使用标准和风险要素类的映射是平凡的，多对多的，和随后的交互式步骤往往必要完全分类。
在风险要素类。
一个有效的方法是在计算一个质量指标的每个像素的基础上，提供各种来源和accordancediscordance可用性。
该指标可以被认为是一起的分类指导交互步骤，其中错误分类的区域由操作员纠正。
当单建筑是可用的功能，每个建筑自动分配一个考虑几何特征的类型相关的体积元。
在这种情况下，一个互动步骤可以遵循验证自动处理结果。
C水深测量
对洪水曝光影响最大的是指示灯驱深度。
为了提供动态一致的液压深度，有效的方法可以是一个基于一个简化的版本的二维实时使用的水力模型，浅水方程，受satelliteretrieved淹没区影响，这种模式的主要特点是计算速度较快，简单的初始化和允许模型可用于洪水的实时仿真事件。
合奏的模型运行的是一套生产初始条件（即，专家猜测基于淹没从映射的卫星领域）。
最好的一般从SAR图像洪水扩展，然后选择。
环氧乙烷的静态信息是这样在一个动态的和一致的方式中解释，结合有用的洪水暴露指标（例如，水的深度，流速，和洪灾地区的进化）。
估计该模型地填充通过单次EO场景还留有间隙，例如，在最大洪水的延伸和大小。
场景的其他特性也能估计，如流量流行的方向，如果通过具体事件的动力学允许，未来也可能有其他的剧情发展，如图所示。
（a）土地覆盖地图
D损失评估
一般来说，当土地覆盖变化造成的事件，变化检测技术是有用的工具。
不过，
洪水造成的破坏是点很少有破坏可以通过卫星直接看到。
因此，一个复杂的和间接的工作流的通常要实施在广泛征求淹没面积损伤数据的。
损害评估链的最后一步将损失功能和暴露指标提供的百分比和损伤的地图一部分受损失的元素，风险通常是计算其价值面的功能，然后，如果值计算出风险因素是可用的，那么粗糙的经济量化的损害也可以得出。
3从遥感专题信息提取遥感影像
在这一部分中，主要的方法是用开发来解决信息抽取的主要任务，洪水的应用EO数据（见上节）已经简要论述了进一步的细节中可以找到的东西。
A土地覆盖制图
土地覆盖测绘任务与观测数据的处理可以用模式识别方法和形式化为监督图像分类的问题。
这个问题被广泛研究了几十年，涉及遥感影像数据越来越先进的类型，从多光谱，高光谱，从粗到高分辨率（VHR）。
当前的科学发展在这一研究领域，再加上不断增加的计算通过硬件软件平台提供的能力，使它成功的应用了先进的遥感图像和分类技术，不仅在实验室的实验而且使操作的要求需要得到满足。
监督图像分类的固有困难问题是需要从一个有限的概括（通常小）的训练样本集的一个可靠的模型来进行未知的卫星观测的统计相关性和类标签。
在同一时间，所需的一种图像分类的性能，也包括对噪声的灵敏度有限的维数和鲁棒性问题的可能，从空间信息相关的利益与图像来考虑。
这样的多目标提出了一个具有挑战性科学的任务，并已通过许多的方法，包括贝叶斯决策理论，神经网络，模糊逻辑，基于核的学习，多分类器系统，和空间上下文技术。
在这里，我们简要地讨论三个主题的方法（即，支持向量机，马尔可夫随机域，和基于区域的方法），依靠明确的方法论基础，被发现在许多土地覆盖制图中准确应用。
支持向量机（SVM）是目前代表行之有效的和广泛的遥感方法进行数据分类。
支持向量机是一个家庭的理论上严格的技术，它可以提供有说服力的响应，对于泛化能力的方法论问题，在维数的鲁棒性上，防止局部是极小的。
在学习应用支持向量机的巨大的扩散上承认他们的作用，作为一个成熟的开发效果，在过去的几十年的模式识别中运用。
他们成功在现实世界应用程序，尽管他们有大量的计算负担，也因为是可行的有效的数值优化策略，输入参数的数量可调谐，可自动的介绍这些参数的优化算法。
然而，在支持向量机分类在很大程度上仍然开放的问题是相关理论模型的输入数据，从而忽略了像素间的相关性。
第二种方法，即马尔可夫随机场（MRF）模型，具有互补的特性。
MRFS是广泛的一类二维随机过程概率模型。
他们代表了灵活而强大的与空间上下文信息模型图像。
他们的感应相关性在偏远的原因之一是严格的数学形式，和全局和局部图像特征之间的关系性能；
（二）一个非凡的灵活性将多个信息源；和（三）许多精确的结果贝叶斯图像分析的问题。
MRF模型最近引起更大的关注，也作为一个结果向计算效率的方法的发展（例如，图割）相关的复杂的优化问题。
现在甚至进一步通过目前流行的强调在遥感空间信息模型的作用，高分辨率遥感传感器，用高分辨率影像，不仅相关像素还有空间的几何结构是显而易见的，特别是当图像被接管城市地区的基础设施。
三分之一个有趣的方法进行高分辨率遥感图像分类，这是特别相关的，是为代表的基于区域和基于对象的方法，结合分类和分割合并在映射过程中的几何信息。
B三维建筑图
三维建筑物提取的各种方法已是基于VHR光学和激光雷达提出的。
虽然新的可能性被极化，干涉合成孔径雷达一直是许多研究的重点努力，共同实践仍然主要基于光学数据。
传统上，三维测量的提取是基于双重影像，如摄影或立体像对。
最近，随着精密卫星传感器的可用性定位模型，三维信息的提取是也可以通过一个单一的光学图像。
几十年来，数字影像建筑物提取已手动进行，这就需要训练有素的操作员缓慢和昂贵的程序。
今天，（半）自动从光学图像的特征提取是由建筑通过图像处理算法。
此感兴趣的对象是轮廓提取，如一个建筑的屋顶，是经典的策略为代表的edgebased方法，其中，通常成功的只有简单的场景。
主动轮廓的方法是能够轮廓信息的形状模型集成，虽然有复杂性相关的初始化和参数设置造成重大的问题，可重复性和鲁棒性基于模型的方法已被提出，以解决不同类型的问题，相关的尺度，和各方面感兴趣的对象。
主要的限制是，所有的变异性必须完全考虑在模型之内。
在目前的应用中，虽然他们已较少探讨分割方法的使用，但还是代表了一个有趣的方法。
在图像分割中的主要进展是对于颜色特征和不断增长的使用有关的单区。
针对后者，基于种子区域分割特别适合的情况下它需要几个不同的对象段。
因此，这种类型对建筑物提取分割是有用的，因为它调查一部分图像，从而最大限度地减少计算时间和使它能够处理大量的图像。
即，像素属于感兴趣的对象（例如，一个屋顶），可以手动插入或自动检测的初始化方法。
特别是一个自适应的基于种子区域分割方法，利用检测光学建筑屋顶的彩色图像分析高分辨率遥感影像。
C变化检测和淹没面积测绘雷达
洪水后的一对多时相SAR图像。
在紧急情况下，该事件后的图像可能会是第一个可行的收购后洪水，而之前的图像通常是一种事件存档的采集。
因此，一个基本的操作假设是SAR图像档案存在过监测地区。
检测淹没区的变化发生之间的两个收购是一个具有挑战性的的问题，由于斑点，因为需要不关于这两个场景的训练数据来进行。
改变和淹没面积检测通常是包含在rapidmapping程序被洪水冲击后不久进行的。
因此，结果将在该事件后的图像采集后大约几小时出来，一时间，随着训练数据集通常不相容。
如果有多个在事件发生后的EO图像是可用的，类似的评论适用于受影响地区的演化映射（例如，淹没区干燥）。
一种无监督的变化检测，变化检测方法以判断两个SAR观测之间的地面面积是否在发生变化。
这项任务是特别具有挑战性的一些因素，如：
（我）需要准确的统计模型的改变不变的图像区域没有事先培训信息；
（二）的SAR数据分布的非高斯性，这是一些不方便安装的经典参数估计方法，如最大似然法；（三）的散斑和由此产生的需要将空间上下文信息；及（四）需要捕捉的时间由地面的变化引起的变化，而不强调时间变化的差异在收购引起的的方式（例如，不同的视角）或残留登记错误。
各种方法已探索，涉及比运营商以及贝叶斯决策理论，信息理论，Copula函数，马尔可夫模型，和Mellin变换。
执行的能力在精度和计算时间的要求目前，确保由一批timeefficient的可用性概率模型及参数估计算法。
两个例子在可能的方法的基础上进行梅林变换的概率密度估计和在MRF模型的进展。
洪灾区的彩色显示-当目标是一个快速和一个事件容易解释，多时相数据则可融合，创建一个特定的图像显示。
渠道在RGB空间可以与现有的相关图像，获得伪彩色显示，可以视觉欣赏淹没区。
SAR的后向散射从提取的强度和进一步的信息多时是相对的（例如，干涉SAR相干）。
该组合物的结果也可以被用来作为在其他图像分析的初步数据融合步骤算法，如分类、变化检测。
静止的几乎没有解决，但有关问题的研究中最佳的颜色成分的标准为鲁棒性，和重现性。
一个复杂的问题是精确的辐射这两个图像的校准，这往往是受测量误差。
图像处理的方法是必要确保图像校准方法的基础上，进行理论模型或直方图匹配了，但是他们通常涉及对SAR的先验知识形成过程。
在一个用于检测方法洪泛区通过RGB组成了，自动横在多时相SAR图像中没有一个先验模型。
详细的淹没面积检测定量结果能够准确识别水淹区基本块信息的损伤评估链。
为此，分割，分类，变化检测可以应用。
在紧急的严格的时间要求响应，监督分类算法可以确定淹没区。
尽管它们的复杂性的参数有选择和重复性，统计活动轮廓模型允许洪水被精确地划定界限。
但作为一种替代分割技术被广泛用于检测淹没或永久水地区。
为了这个目的，基于模型的edgebased，分裂与合并，和区域增长的分割技术是最常见的策略。
一个特别有趣的方法是用模糊的方法表示。
内在的不确定性和变异性的输入数据和在明确的模型中经常不可用，拍摄的场景为模糊方法的主要动机。
模糊分割已被证明是鲁棒的形状复杂，噪声，低对比度边界。
类似的建筑物三维检测，淹没面积测绘在整个图像的分割是基于区域分割的种子也具有一定的优势。
如果用户/操作员确定种子像素属于该地区的利益（即，一个淹没或永久水域），一组特定的类签名可以自动派生和用于聚焦，只有在该地区的利益分割过程的种子生长和模糊连接度的集成特别重要。
这种内在的适应性的方法，使得有可能使用相同的算法获得的图像用不同的方式和决议。
这种快速和半当前的可用性或完全自动的方法使图像处理方法是利用多时相的遥感操作分析遥感图像获得之前，期间和之后，洪水，会议在精度方面的相关要求，精密，和执行时间。
（b）危险的地图要素
4实验的例子和案例研究
现有两个相关的案例研究，最近发生了阿尔巴尼亚的洪水。
在这里，我们强调跨学科，上面提到的EO图像分析之间的协同效应和环境建模。
我们不详细描述每个采用的技术，并没有讨论的定量精度和各处理的结果；然而，说明采用
方法和实验验证，包括随着先进技术的比较，可以发现在相关的技术文献中这些地图将显示叠加到地理层内的纳斯卡网络地理信息系统（WebGIS）的3D应用程序，这是包含在Web平台实现OWIS，acrotec公司（萨沃纳，意大利）在歌剧的框架，这是由意大利航天局资助的项目。
A士科德州（阿尔巴尼亚），2010
第一个案例研究探讨发生在士科德州（阿尔巴尼亚）2010年1月11日的大洪水。
地图在风险的脆弱性和元素，一个30米分辨率的Landsat-5TM图像在九月收购了，图像描绘了大约27×24公里²场景。
一个专家照片的解释直观地确定了五个主要的土地覆盖类为“城市建设用地的，”农业，”森林，”“水，”和“赤裸的土壤，”并选择相应的培训像素。
在特定的分类方法中，它是基于一个支持向量机和MRF方法分析整合，是应用这些训练样本映射土地覆盖。
输入特征包括TM渠道额外的纹理特征。
地图的目视检查，如与输入图像相比，表现出显着的精度在土地覆盖制图。
在分类的基础上，一个危险的地图和脆弱性地图元素，其中导出了包含损失函数的信息。
两个COSMO卫星星座图像被用于RGB的显示和详细的地图生成洪泛区。
两个图像被洪水后获得，因为没有在事件图像是可用的。
一个图像于2010年1月10日收购，第二图像是在一月三十一日即获得，21天之后第一图像。
由于很大一部分水撤退从被洪水淹没的地区，该第二图像中使用在之前的活动图像的实验。
考虑的现场约34×44公里²和原始分辨率从5米降低到10米，有足够多的分辨率为后续的进行水力分析。
初步过滤用于降低散斑的RGB的显示效果，获得了提出的方法：
洋红的像素表示洪泛区，暗红色区域表明了永久性的水，和不变的地面区域显示在青色。
这种颜色的地图允许对灾区的评价与能力位于主损伤区。
被洪水淹没的地区地图图a所示是通过多时了种子生长分割技术。
这一结果确定淹没区与永久性水。
通过视觉比较的两个多时相SAR图像，它是可以说，在无花果两个地图。
（d）和（e）展览在鉴定结果准确和淹没条件永久性水的地区，并允许对综合显示在一个单一的图像泛滥的情况。
（c）脆弱性地图
基于被洪水淹没的地区，从cosmoskymed检索图像，二维水力模型运行设置在边界条件和初始条件。
这程序需要由洪水模型专家仔细评估获得的河流段的初步设想驱油源，泛滥的水的体积，和所输入的数字地形模型（DTM）的一致性。
从卫星获得的图像区域提供重要帮助，定义了所有的这些方面。
在这个案例中，只有一个低分辨率（90米）的DTM是可用的。
两个主要的道路目前在士科德州泛滥平原是显而易见的，SAR图像的处理结果，他们代表了重大突破对于注水开发的线。
如果不使用的DTM检查与淹没卫星地图的一致性地区，水的深度图将在
它的水力模型的洪水淹没区扩大，更多的南部与所见的比较从基于SAR的结果。
这是因为断了线的DTM检测但割裂了抽样结果的问题。
简单的强迫性打破线创建图中看到的结果（b）和几乎完美匹配的淹没区在扩展不同的时空场景。
这样的结果是可能的，遥感和液压建模综合利用组件和代表现实世界中的一个显着的例子。
只使用一个这两个组件的情况下（即，后者）会导致错误的结论的，相应的损伤地图也在图（c）和报告类似于最大水深的模式，损伤率趋于饱和，因为在风险的最脆弱性（即漫反射元件，栽培）域中。
B塔纳罗河（北意大利），2009
第二个案例是一个洪水的塔纳罗河河（在意大利北部），发生在2009年4月28日。
土地覆盖地图是基于一个VHRIKONOS影像生成（4分辨率，5×5公里²）。
训练数据是由一个专家的选择翻译：
“照片对七类城市建设用地的，”“农业，“牧场”，“林”，“水”，“湿土壤，”“赤裸的土壤。
”有些班表现出一个明确的空间的几何结构，主要是由于建筑和农业领域规则的几何形状。
正确地捕捉到这一几何信息，它结合了MRF模型与多尺度的基于区域的方法应用的土地覆盖图的视觉歧视，包括那些由自然纹理（例如，“森林”）和前面提到的那些展示空间的几何结构。
在此基础上土地覆盖图，一个风险要素地图生产和转换成一个脆弱性地图。
高空间分辨率允许检测的重要城市化功能，如孤立的建筑物或小的连接道路，
目前比较脆弱的巨大差异背景，这主要是由牧场栽培领域组成。
在事件采集中铁是没有可用的SAR，但观察多COSMO-卫星星座图像后，两COSMO-卫星星座在四月三十日和31获得的图像（25×11公里²）被用来实验的探讨受影响地区的行为。
在这种情况下，原来的空间5米分辨率的保存。
在相同的技术以前的案例研究应用到产生一个RGB颜色，被淹地区的显示和洪泛区图。
两者的结果相媲美的视觉这两个SAR图像的解释，从而证实了所采用的方法的有效性。
此外，它使用MRFs和方法，基于Mellin变换模型的空间相关性信息和图像的统计，分别应用的COSMO-卫星星座的多时相对，导致变化图引起的变化在撤退，因此洪泛区是确定的。
支持一个更全面的损伤分析，在三维附近的一些农业建筑模型塔纳罗河，从两个VHR航拍图像中提取。
为了这个目的，在基于颜色分割的方法被用来提取的屋顶边缘。
然后，为每个考虑建筑，由于提取的屋顶周长和之前在建筑物的高度信息，则一个三维模型生成。
在这个案例中，洪水的时间尺度是非常短，这使得它很难捕捉到卫星的最大洪水延伸的典型场景。
此外，许多液压断开是因为晒出的某些地区和永久积水的。
然而，液压建模成为可能重建的水通道同时保持液压连通性。
这一优势，更是增强了该漏洞的信息，高分辨率，在这种情况下，达到了单体建筑水平。
事实上，确定建筑物的淹没区以外的检测从卫星数据，因此无法标记伤害值。
然而，液压仿真很明显，检测淹没区聚集区，虽然他们的洪水还涉及其他地区（包括那些确定的建筑站）已经干在卫星收购时代。
因此，采用水力模拟，建筑物也可以明显的损伤值的重要性，将遥感和液压建模综合利用组件已经明确证实。
5结论
对远程开发相关的主要问题，遥感数据和协同使用基于物理的水文气象模型进行洪水风险监测评估进行了讨论。
特别是，遥感的作用在易受洪水映射图像，元素风险事件损失后，进行了概述，并以提取相关观测数据的专题信息进行了综述。
图像分析结果表明，对于两个案例研究。
此外，可以得到的输出的例子由水力模型（例如，水的深度图），其中卫星图像被用来确定初始的条件下示出。
显然，后者的结果不可利用的卫星图像。
然而，没有来自卫星的信息图像，该模型的输出将是错误的。
因此，在确认两个被认为是真实世界的情况，综合利用来自卫星的专题地图和水力模型允许洪水方案是正确理解和表征，而仅使用其中的一个组件分开会导致错误的或有限的结果。
与传统方法相比，这是主要的，根据现场调查，这种综合方法具有互补的特性。
一方面，当关注小的特定区域（例如，一个建筑），原位调查通常确保在高精度和脆弱性分析损伤。
另一方面，EO数据允许这样的信息被映射到大的地区，在空间上分布的方式，要在时间上重复的方式更新。
图（d）RGB彩色显示
模式识别和图像处理方法已被用于在本文的实验以前经过几个数据集验证，定性（即，通过可视化分析的映射的结果）和定量（即，通过计算参数的准确性与适用地面真实地图；输入EO数据馈送，这里，这些方法都是类似于那些用于验证的目的，这表明类似的精度可以预期的一样。
EO洪水风险的作用依赖于几个重要的集体贡献的电流的可行性因素，EO的洪水风险的监测和评估体系。
首先，从大量的观测数据的不断增加不同来源（卫星多光谱和SAR），目前允许一个综合卫星覆盖的支持，给
升级会员 