[0001] 本发明涉及识别技术领域，尤其涉及一种水灾区域识别方法、装置和电子设备。

[0002] 暴雨造成的洪水、内涝等水灾是目前农业面临的最主要的自然灾害，也是可能造成严重减产，甚至绝产等较大损失的自然灾害。快速、准确的受灾范围识别技术可以为救灾指导、保险公司理赔查勘、银行农业信贷偿还能力评估等提供客观的数据支持，提供受灾数据的时效性、准确性都将影响相关业务开展的效果，需要能够有便捷、快速、准确的技术方法支持水灾受灾范围的快速、准确识别。

[0003] 相关技术中，通常采用基于深度学习算法的识别模型对水灾区域进行识别。

[0004] 但上述相关技术中，在训练识别模型时，需要通过人工踏勘的方式对样本遥感影像进行水灾区域的标注，造成标注速度较慢，从而降低了对水灾区域的识别效率。另外，由于样本遥感影像中包括的地域范围和实际进行水灾区域识别时拍摄的遥感影像中包括的地域范围可能不一致，因此，在通过识别模型进行水灾区域识别时，会使得识别精度不高。

[0025] 为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0026] 目前通过遥感技术监测水灾区域一般是采用监督分类方式开展，需要采集样本遥感影像，并通过人工现场调查方式调查一部分受灾区域，对样本遥感影像中的水灾区域进行标注，作为受灾样本，通过机器学习算法的分类器进行区域分类，或者采用深度学习算法训练区域识别模型，通过区域识别模型可以识别出遭受水灾的区域以及水灾区域面积等信息。但采用监督分类方式的区域识别模型时，需要通过人工踏勘的方式对样本遥感影像进行水灾区域的标注，样本的标注速度较慢，且样本遥感影像中包括的地域范围和实际进行水灾区域识别时拍摄的遥感影像中包括的地域范围可能不一致，会造成通过区域识别模型进行水灾区域识别时，识别的精度较低的问题。

[0027] 基于此，本发明提供一种水灾区域识别方法，在确定出灾后地表反射率影像后，能够基于灾后地表反射率影像中各像元在各目标波段下的地表反射率值，确定对水灾识别敏感的目标指数，进而可以筛选出处于预设指数范围内的目标指数值对应的至少一个目标像元，由于预设指数范围为基于确定发生水灾的随机点的目标指数值确定出的，因此，筛选出的目标像元均为水灾区域内的像元，从而可以将所有目标像元组成的区域确定为水灾区域，克服了相关技术中在通过区域识别模型进行水灾区域识别时，在训练区域识别模型时，每次都需要通过人工踏勘的方式标注样本，导致区域识别模型的训练速度较慢，进而造成水灾区域识别效率较低的缺陷，同时，能够克服由于样本遥感影像中包括的地域范围和实际进行水灾区域识别时拍摄的遥感影像中包括的地域范围可能不一致，导致通过区域识别模型进行水灾区域识别时，识别的精度较低的问题，从而提高了水灾区域识别的准确度。

[0028] 下面结合图1‑图4描述本发明的水灾区域识别方法。该基于水灾区域识别方法的执行主体可以为终端、平板电脑、计算机等电子设备，也可以是设置在该电子设备中的水灾区域识别装置，该水灾区域识别装置可以通过软件、硬件或两者的结合来实现。

[0029] 图1为本发明实施例提供的水灾区域识别方法的流程示意图，如图1所示，该水灾区域识别方法包括以下步骤：步骤101、获取目标区域的灾后遥感影像。

[0030] 其中，目标区域可以为需要进行水灾区域识别的任意区域，也可以称之为研究区。

[0031] 在本步骤中，以XX省XX市XX县为目标区域为例，根据目标区域发生水灾的时间，将在发生水灾后获取的目标区域的遥感影像作为灾后遥感影像。

[0032] 步骤102、基于灾后遥感影像获取多个目标波段的灾后地表反射率影像。

[0033] 在本步骤中，在获取到灾后遥感影像后，对灾后遥感影像进行辐射定标、通过大气校正模型（Fast Line‑of‑sight Atmospheric Analysis of Spectral Hypercubes，FLAASH）进行大气校正、几何配准和正射校正等预处理，以获取多个目标波段的灾后地表反射率影像，这里的目标波段包括第3波段、第4波段、第8波段和第11波段，共4个波段。其中，第3波段为绿波段、第4波段为红波段、第8波段为近红外波段、第11波段为短波红外波段。

[0034] 步骤103、针对灾后地表反射率影像中的各像元，基于像元在各目标波段下的地表反射率值，确定像元的目标指数值，该目标指数为对水灾识别敏感的指数。

[0035] 在本步骤中，目标指数包括比值水指数（Water Resources Index，WRI）和/或差值植被指数（Difference Vegetation Index，DVI），其中，比值水指数WRI能够显著反映水灾受灾区域，对水灾区域内的水体敏感，受弱植被信息干扰小，而差值植被指数DVI对水灾区域内的植被信息敏感，受水灾区域水体干扰小，因此，比值水指数WRI和差值植被指数DVI均为对水灾识别比较敏感的指数，在发生水灾后，受灾区域的比值水指数WRI会显著升高，差值植被指数DVI会显著降低，这两个指数适用于水灾区域的识别。

[0036] 对于灾后地表反射率影像中的每个像元，可以根据像元在各个目标波段下的地表反射率值，确定出该像元的比值水指数WRI和/或差值植被指数DVI。其中，地表反射率值通常指的是地表物体对太阳辐射的反射能力，是一个物理量，用于描述物体表面反射的太阳辐射能量与入射的太阳辐射能量之比。在遥感领域，地表反射率值常用于评估地表物体的光谱特性，是遥感影像解译和分类的重要依据。

[0037] 步骤104、确定灾后地表反射率影像中处于预设指数范围内的目标指数值对应的至少一个目标像元，该预设指数范围为基于各随机点的目标指数值确定的，随机点为在灾后地表反射率影像中确定的表征发生水灾的点。

[0038] 具体地，在获取到多个目标波段的灾后地表反射率影像后，在灾后地表反射率影像的基础上进行水灾区域样本点目视解译和精度验证点解译工作，以确定多个水灾区域解译样本点，也即随机点，其中，水灾区域解译样本点用于辅助水体指数和植被指数类别筛选，以及筛选出的比值水指数WRI和/或差值植被指数DVI的预设指数范围厘定。其中，在确定出多个随机点后，为了进一步提升随机点的准确性，还可以进行实地调研。

[0039] 另外，精度验证点解译工作主要用于水灾区域识别完成后的精度验证工作，可以通过在目标区域内耕地地块范围中随机布设并解译验证点，从而通过这些验证点对水灾区域识别后的识别精度进行验证。

[0040] 在确定出灾后地表反射率影像中各像元的目标指数后，可以筛选出上述随机点对应像元的目标指数值，从而将这些像元的目标指数值组成的数值范围确定为对应的预设指数范围。

[0041] 以目标指数包括比值水指数WRI和差值植被指数DVI为例，图2为本发明实施例提供的比值水指数WRI的值域分布图，如图2所示，假设确定的随机点为520个，在确定出520个随机点的比值水指数WRI后，以这520个随机点的比值水指数WRI为基础绘制水灾区域的比值水指数WRI的值域频次折线图，通过分析值域频次折线图的值域范围，可以确定出比值水指数WRI对应的预设指数范围，如0.4‑0.7。

[0042] 图3为本发明实施例提供的差值植被指数DVI的值域分布图，如图3所示，在确定出上述520个随机点的差值植被指数DVI后，以这520个随机点的差值植被指数DVI为基础绘制水灾区域的差值植被指数DVI的值域频次折线图，通过分析值域频次折线图的值域范围，可以确定出差值植被指数DVI对应的预设指数范围，如0.086‑0.6。

[0043] 由于随机点为表征发生水灾的点，基于随机点对应像元的目标指数值确定出的预设指数范围，可以表征水灾区域的指数范围，因此，可以确定灾后地表反射率影像中处于预设指数范围内的目标指数值所对应的至少一个目标像元，应理解，这些目标像元均为水灾区域内的像元。

[0044] 步骤105、基于所有目标像元，确定目标区域内的水灾区域。

[0045] 在本步骤中，在确定出灾后地表反射率影像中所有处于预设指数范围内的目标指数值对应的目标像元后，可以将这些目标像元提取得到的区域，确定为目标区域内的水灾区域。

[0046] 本发明实施例提供的水灾区域识别方法，通过获取目标区域的灾后遥感影像，并基于灾后遥感影像获取多个目标波段的灾后地表反射率影像，针对灾后地表反射率影像中的各像元，基于像元在各目标波段下的地表反射率值，确定像元的目标指数值，该目标指数为对水灾识别敏感的指数，并确定灾后地表反射率影像中处于预设指数范围内的目标指数值对应的至少一个目标像元，该预设指数范围为基于各随机点的目标指数值确定的，随机点为在灾后地表反射率影像中确定的表征发生水灾的点，从而基于所有目标像元，确定目标区域内的水灾区域。由于预设指数范围为基于确定发生水灾的随机点的目标指数值确定出的，因此，筛选出的目标像元均为水灾区域内的像元，从而可以将所有目标像元组成的区域确定为水灾区域，克服了相关技术中在通过区域识别模型进行水灾区域识别时，在训练区域识别模型时，每次都需要通过人工踏勘的方式标注样本，导致区域识别模型的训练速度较慢，进而造成水灾区域识别效率较低的缺陷，同时，能够克服由于样本遥感影像中包括的地域范围和实际进行水灾区域识别时拍摄的遥感影像中包括的地域范围可能不一致，导致通过区域识别模型进行水灾区域识别时，识别的精度较低的问题，从而提高了水灾区域识别的准确度。

[0047] 示例性的，在上述实施例的基础上，灾后遥感影像包括第一空间分辨率的第3波段、第4波段和第8波段的地表反射率影像、以及第二空间分辨率的第11波段的地表反射率影像，第二空间分辨率小于第一空间分辨率。在基于灾后遥感影像获取多个目标波段的灾后地表反射率影像时，具体可通过以下方式实现：对第二空间分辨率的第11波段的地表反射率影像进行重采样，得到第一空间分辨率的第11波段的地表反射率影像，并将第一空间分辨率的第3波段、第4波段和第8波段的地表反射率影像、以及第一空间分辨率的第11波段的地表反射率影像进行叠加，得到多个目标波段的地表反射率影像。

[0048] 其中，第一空间分辨率为10米分辨率，第二空间分辨率为20米分辨率。

[0049] 具体地，对灾后遥感影像进行辐射定标、大气校正和正射校正等预处理后，可以得到预处理后的遥感影像，该预处理后的遥感影像包括10米分辨率的第3波段、第4波段和第8波段的地表反射率影像、以及20米分辨率的第11波段的地表反射率影像。

[0050] 对20米分辨率的第11波段的地表反射率影像进行空间分辨率重采样，得到10米分辨率的第11波段的地表反射率影像，将10米分辨率的第3波段、第4波段和第8波段的地表反射率影像、以及重采样后得到的10米分辨率的第11波段的地表反射率影像进行叠加组合，得到组合影像，并采用目标区域的界线对组合影像进行裁剪，获得目标区域的4波段的地表反射率影像，其中，4波段的地表反射率影像例如可以为10米分辨率的多光谱数字正射影像图（Digital Orthophoto Map，DOM）。

[0051] 在本实施例中，将获得的第二空间分辨率的第11波段的地表反射率影像进行空间分辨率重采样，得到第一空间分辨率的第11波段的地表反射率影像，再将第一空间分辨率的第3波段、第4波段和第8波段的地表反射率影像、以及第一空间分辨率的第11波段的地表反射率影像进行叠加，得到多个目标波段的地表反射率影像，便于后续基于多个目标波段的地表反射率影像对水灾区域进行识别。

[0052] 示例性的，在上述实施例的基础上，目标波段包括第3波段、第4波段、第8波段和第11波段。在基于像元在各目标波段下的地表反射率值，确定像元的目标指数值时，可以是基于像元在第3波段、第4波段、第8波段和第11波段下各自的地表反射率值，确定像元的比值水指数值，并基于像元在第8波段和第4波段下各自的地表反射率值，确定像元的差值植被指数值，再将比值水指数值和差值植被指数值确定为目标指数值。

[0053] 目前，常用的水体指数和植被指数中，用于敏感分析的主要水体指数包括归一化湿度指数（Normalized Difference Moisture Stress Index，NDMSI）、归一化水塘指数（Normalized Ponded Water Index，NPDI）、简单水指数（Simple Water Index，SWI）、比值水指数（Water Ratio Index，WRI）、归一化水体指数（Normalized Difference Water Index，NDWI）等；用于敏感分析的主要植被指数包括归一化植被指数（Normalized Difference Vegetation Index，NDVI）、比值植被指数（Ratio Vegetation Index，RVI）、增强植被指数（Enhanced Vegetation Index，EVI）、差值植被指数（Difference Vegetation Index，DVI）、红外百分比植被指数（Infrared Percentage Vegetation Index，IPVI）、绿色归一化植被指数（Green Normalized Difference Vegetation Index，GNDVI）等。

[0054] 结合解译出的520个表征水灾区域的随机点在各波段下的地表反射率值，最终确定比值水指数WRI和差值植被指数DVI对识别水灾区域的信息较为敏感，因此，将比值水指数WRI和差值植被指数DVI作为目标指数。

[0055] 对于灾后地表反射率影像中的各像元来说，在基于像元在第3波段、第4波段、第8波段和第11波段下各自的地表反射率值，确定像元的比值水指数WRI时，可以通过确定像元在第3波段和第4波段下的地表反射率值的和值，并确定像元在第8波段和第11波段下的地表反射率值的差值，再将和值和差值的比值，确定为像元的比值水指数。

[0056] 具体地，可以通过如下公式（1）确定像元的比值水指数WRI值：（1）
其中， 表示绿波段，也即第3波段下的地表反射率值， 表示红波段，也即第4波段下的地表反射率值， 表示近红外波段，也即第8波段下的地表反射率值，表示短波红外波段，也即第11波段下的地表反射率值。

[0057] 对于灾后地表反射率影像中的各像元来说，在基于像元在第8波段和第4波段下各自的地表反射率值，确定像元的差值植被指数时，可以是将像元在第8波段和第4波段下的地表反射率值的差值，确定为像元的差值植被指数。

[0058] 具体地，可以通过如下公式（2）确定像元的差值植被指数DVI值：（2）
其中，通过上述方式，可以快速且准确的计算出灾后地表反射率影像中各像元的比值水指数WRI值和差值植被指数DVI值。

[0059] 另外，将比值水指数值和差值植被指数值确定为目标指数值，由于比值水指数对水体较为敏感，而差值植被指数对植被较为敏感，因此，后续基于比值水指数和差值植被指数对目标区域内的水灾区域进行识别时，可以提升识别结果的准确性。

[0060] 示例性的，在上述实施例的基础上，前述的预设指数范围包括预设比值水指数范围和预设差值植被指数范围。在确定灾后地表反射率影像中处于预设指数范围内的目标指数值对应的至少一个目标像元时，可以通过如下方式实现：确定灾后地表反射率影像中处于预设比值水指数范围内的比值水指数对应的第一像元集，并确定灾后地表反射率影像中处于预设差值植被指数范围内的差值植被指数对应的第二像元集，将所有第一像元集和所有第二像元集的交集，确定为至少一个目标像元。

[0061] 具体地，当目前指数包括比值水指数WRI和差值植被指数DVI时，对应的，预设指数范围也包括预设比值水指数范围和预设差值植被指数范围，例如，预设比值水指数范围可以为0.4‑0.7，预设差值植被指数范围可以为0.086‑0.6。

[0062] 通过遍历灾后地表反射率影像中的各像元的比值水指数值，以此筛选处于预设比值水指数范围内的比值水指数值对应的第一像元集，并遍历灾后地表反射率影像中的各像元的差值植被指数值，以此筛选处于预设差值植被指数范围内的差值植被指数值对应的第二像元集。

[0063] 为了提升最终确定出的目标像元的准确性，可以取所有第一像元集和所有第二像元集之间的交集，并将交集确定为至少一个目标像元。

[0064] 在本实施例中，通过从比值水指数WRI和差值植被指数DVI两个维度共同确定目标像元，可以使得确定出的目标像元更准确。

[0065] 示例性的，在上述实施例的基础上，在基于所有目标像元，确定目标区域内的水灾区域时，还可以通过如下方式确定：获取目标区域的灾前遥感影像，基于灾前遥感影像确定第一空间分辨率的灾前地表反射率影像，并对第一空间分辨率的灾前地表反射率影像进行超分辨率重建，得到第三空间分辨率的地表反射率影像，第一空间分辨率小于第三空间分辨率，基于第三空间分辨率的地表反射率影像，确定目标区域内的耕地区域后，将所有目标像元对应的区域和耕地区域的交集，确定为水灾区域。

[0066] 具体地，灾前遥感影像，可以理解为在水灾发生之前拍摄的遥感影像。与灾后遥感影像类似，可以对灾前遥感影像进行辐射定标、大气校正和正射校正等预处理后，可以得到预处理后的灾前遥感影像，该预处理后的灾前遥感影像包括10米空间分辨率的第3波段、第4波段和第8波段的地表反射率影像、以及20米空间分辨率的第11波段的地表反射率影像。

[0067] 对20米空间分辨率的第11波段的地表反射率影像进行空间分辨率重采样，得到10米空间分辨率的第11波段的地表反射率影像，将10米空间分辨率的第3波段、第4波段和第8波段的地表反射率影像、以及重采样后得到的10米空间分辨率的第11波段的地表反射率影像进行叠加组合，得到灾前组合影像，并采用目标区域的界线对灾前组合影像进行裁剪，获得目标区域的第一空间分辨率的灾前地表反射率影像，其中，第一空间分辨率的灾前地表反射率影像例如可以为10米空间分辨率的多光谱数字正射影像图（Digital Orthophoto Map，DOM）。

[0068] 进一步地，可以采用影像超分辨率重建技术，将第一空间分辨率的灾前地表反射率影像的空间分辨率超分至第三空间分辨率，得到第三空间分辨率的地表反射率影像。其中，第三空间分辨率例如可以为2米空间分辨率。

[0069] 由于2米分辨率的地表反射率影像的分辨率较高，能够较为清晰的分辨出地表的情况，因此，可以采用耕地地块智能遥感解译解技术进行耕地地块识别检测，获取目标区域内灾前的耕地地块的分布数据，从而得到耕地区域。

[0070] 在实际应用中，在发生水灾灾害之后，通常需要统计耕地区域的受灾面积。而所有目标像元组成的区域为发生水灾的区域，因此，可以进一步将目标像元组成的区域和确定出的耕地区域取交集，从而可以去除其他地类的影响。确定所有目标像元组成的区域和耕地区域的交集后，就可以得到目标区域内发生水灾的耕地区域，并核算出受灾面积。

[0071] 在本实施例中，通过基于目标区域的灾前遥感影像确定目标区域内的耕地区域，并将所有目标像元对应的区域和耕地区域的交集，确定为水灾区域，从而可以确定出发生水灾的耕地区域，排除了其他地类的影响，为后续进行有效受灾面积的核算提供了基础。

[0072] 示例性的，在上述各实施例的基础上，在确定灾后地表反射率影像中处于预设指数范围内的目标指数值对应的至少一个目标像元时，可以是对各像元的目标指数值进行归一化，得到各像元的归一化后的目标指数值后，确定灾后地表反射率影像中处于预设指数范围内的归一化后的目标指数值对应的至少一个目标像元。

[0073] 具体地，以目标指数包括比值水指数WRI和差值植被指数DVI为例，由于比值水指数WRI和差值植被指数DVI的运算方式不一致，因此，需要分别对这两个指数进行规则化处理，以将这两个指数的数值范围调整至0‑1之间。

[0074] 例如，可以基于如下公式（3）对各像元的目标指数值进行归一化，得到各像元的归一化后的目标指数值：（3）
其中，表示像元的目标指数值， 表示像元的归一化后的目标指数值， 表示灾后地表反射率影像中所有像元的目标指数值的最小值， 表示灾后地表反射率影像中所有像元的目标指数值的最大值。

[0075] 应理解，将各像元的目标指数值进行归一化后，基于随机点的目标指数值确定出的预设指数范围也为基于归一化后的数值确定的。因此，可以遍历灾后地表反射率影像中各像元的归一化后的目标指数值，将处于预设指数范围内的归一化后的目标指数值对应的像元，确定为目标像元。

[0076] 在本实施例中，通过对各像元的目标指数值进行归一化，由此将目标指数值均调整至0‑1之间，从而能够简化计算量，提高目标像元的确定效率。

[0077] 图4为本发明实施例提供的水灾区域识别方法的整体示意图，如图4所示，获取目标区域的灾前遥感影像和灾后遥感影像，分别对灾前遥感影像和灾后遥感影像进行预处理，并对20米空间分辨率的第11波段的地表反射率影像进行重采样后，将10米空间分辨率的第3波段、第4波段和第8波段和重采样后的第11波段的地表反射率影像进行叠加以及空间裁剪后，得到多个目标波段的灾前地表反射率影像和多个目标波段的灾后地表反射率影像。

[0078] 针对灾后地表反射率影像，进行目视解译后，得到表征发生水灾的多个随机点以及进行精度验证的多个验证点。根据灾后地表反射率影像，可以基于各像元在各目标波段下的地表反射率值，确定出每个像元的比值水指数值以及差值植被指数值，对比值水指数值以及差值植被指数值进行归一化处理，得到每个像元归一化后的比值水指数值和归一化后的差值植被指数值。

[0079] 将随机点的归一化后的比值水指数值确定为预设比值水指数范围，将随机点的归一化后的差值植被指数值确定为预设差值植被指数范围。将灾后地表反射率影像中处于预设比值水指数范围内的比值水指数值对应的第一像元集，以及灾后地表反射率影像中处于预设差值植被指数范围内的差值植被指数值对应的第二像元集的交集，确定为目标像元，并确定所有目标像元组成的受灾区域。

[0080] 针对灾前地表反射率影像，对灾前地表反射率影像进行超分辨率处理，得到2米空间分辨率的灾前地表反射率影像，并从2米空间分辨率的灾前地表反射率影像中识别目标区域内的耕地区域，从而将耕地区域和所有目标像元组成的受灾区域的交集，确定为水灾区域。

[0081] 进一步地，将通过确定的验证点进行水灾区域的识别精度的验证，如验证这些验证点是否处于确定出的水灾区域内等，当验证通过时，说明确定出的水灾区域是准确的，若验证未通过，则将基于随机点的归一化后的比值水指数值和归一化后的差值植被指数值重新调整预设比值水指数范围和预设差值植被指数范围，以进一步提高水灾区域确定的准确性。

[0082] 例如，本发明在XX省XX市XX县采集的地表反射率影像基础上，随机抽选175个验证点进行人工目视解译作为真值，同遥感识别结果建立混淆矩阵，进行精度评价。表1为目视判读的结果：表1

[0083] 其中，TP（真正，True Positive），预测为受灾且实际也为受灾的样本数量；TN（真负，True Negative），预测为未受灾且实际也为未受灾的样本数量；FP（假正，False Positive），预测为受灾但实际为未受灾的样本数量，即误报；FN（假负，False Negative），预测为未受灾但实际为受灾的样本数量，即漏报。用于精度评价的指标包括准确率Precision、召回率Recall和F1，准确率Precision可以采用以下公式（4）表示，召回率Recall可以采用以下公式（5）表示，F1可以采用以下公式（6）表示：（4）
（5）
（6）
经计算，通过本发明中的方式，识别出水灾区域的识别准确率为98.02%，召回率为
96.12%，F1值为97.06%。

[0084] 精度评价结果表明本发明的水灾区域识别方法可以有效识别水灾受灾区域，在没有实地调查样本的情况下可以高精度、快速的识别受灾范围，在结合实地调查样本的时相比传统目视判读方式也能很大程度上提高识别效率，保证识别精度。实际使用过程中，可以采用本发明中所述的方法快速识别水灾区域，为救灾指导、农业保险快速理赔、农业信贷偿还能力评估等提供及时数据参考，在获取实地调查样点数据后，可以对识别结果进一步修正，以提高最终识别结果的准确度。

[0085] 下面对本发明提供的水灾区域识别装置进行描述，下文描述的水灾区域识别装置与上文描述的水灾区域识别方法可相互对应参照。

[0086] 图5为本发明实施例提供的水灾区域识别装置的结构示意图，如图5所示，该水灾区域识别装置500包括获取模块11和确定模块12，其中：获取模块11，用于获取目标区域的灾后遥感影像；
所述获取模块11，还用于基于所述灾后遥感影像获取多个所述目标波段的灾后地表反射率影像；
确定模块12，用于针对所述灾后地表反射率影像中的各像元，基于所述像元在各所述目标波段下的地表反射率值，确定所述像元的目标指数值，目标指数为对水灾识别敏感的指数；
所述确定模块12，还用于确定所述灾后地表反射率影像中处于预设指数范围内的目标指数值对应的至少一个目标像元，所述预设指数范围为基于各随机点的目标指数值确定的，所述随机点为在所述灾后地表反射率影像中确定的表征发生水灾的点；
所述确定模块12，还用于基于所有所述目标像元，确定所述目标区域内的水灾区域。

[0087] 本发明提供的水灾区域识别装置，通过获取目标区域的灾后遥感影像，并基于灾后遥感影像获取多个目标波段的灾后地表反射率影像，针对灾后地表反射率影像中的各像元，基于像元在各目标波段下的地表反射率值，确定像元的目标指数值，目标指数为对水灾识别敏感的指数，并确定灾后地表反射率影像中处于预设指数范围内的目标指数值对应的至少一个目标像元，该预设指数范围为基于各随机点的目标指数值确定的，随机点为在灾后地表反射率影像中确定的表征发生水灾的点，从而基于所有目标像元，确定目标区域内的水灾区域。由于预设指数范围为基于确定发生水灾的随机点的目标指数值确定出的，因此，筛选出的目标像元均为水灾区域内的像元，从而可以将基于所有目标像元提取的区域确定为水灾区域，克服了相关技术中在通过区域识别模型进行水灾区域识别时，在训练区域识别模型时，每次都需要通过人工踏勘的方式标注样本，导致区域识别模型的训练速度较慢，进而造成水灾区域识别效率较低的缺陷，同时，能够克服由于样本遥感影像中包括的地域范围和实际进行水灾区域识别时拍摄的遥感影像中包括的地域范围可能不一致，导致通过区域识别模型进行水灾区域识别时，识别的精度较低的问题，从而提高了水灾区域识别的准确度。

[0088] 基于上述任一实施例，所述灾后遥感影像包括第一空间分辨率的第3波段、第4波段和第8波段的地表反射率影像、以及第二空间分辨率的第11波段的地表反射率影像，所述第二空间分辨率小于所述第一空间分辨率；获取模块11，具体用于：
对所述第二空间分辨率的第11波段的地表反射率影像进行重采样，得到所述第一空间分辨率的第11波段的地表反射率影像；
将所述第一空间分辨率的第3波段、第4波段和第8波段的地表反射率影像、以及所述第一空间分辨率的第11波段的地表反射率影像进行叠加，得到所述多个目标波段的地表反射率影像。

[0089] 基于上述任一实施例，所述目标波段包括第3波段、第4波段、第8波段和第11波段；所述确定模块12，具体用于：
基于所述像元在所述第3波段、所述第4波段、所述第8波段和所述第11波段下各自的地表反射率值，确定所述像元的比值水指数；
基于所述像元在所述第8波段和所述第4波段下各自的地表反射率值，确定所述像元的差值植被指数；
将所述比值水指数和所述差值植被指数确定为所述目标指数值。

[0090] 基于上述任一实施例，所述确定模块12，具体用于：确定所述像元在所述第3波段和所述第4波段下的地表反射率值的和值；
确定所述像元在所述第8波段和所述第11波段下的地表反射率值的差值；
将所述和值和所述差值的比值，确定为所述像元的比值水指数；
所述确定模块12，具体用于：
将所述像元在所述第8波段和所述第4波段下的地表反射率值的差值，确定为所述像元的差值植被指数。

[0091] 基于上述任一实施例，所述预设指数范围包括预设比值水指数范围和预设差值植被指数范围；确定模块12，具体用于：
确定所述灾后地表反射率影像中处于所述预设比值水指数范围内的比值水指数对应的第一像元集；
确定所述灾后地表反射率影像中处于所述预设差值植被指数范围内的差值植被指数对应的第二像元集；
将所有所述第一像元集和所有所述第二像元集的交集，确定为所述至少一个目标像元。

[0092] 基于上述任一实施例，确定模块12，具体用于：获取所述目标区域的灾前遥感影像；
基于所述灾前遥感影像确定第一空间分辨率的灾前地表反射率影像，并对所述第一空间分辨率的灾前地表反射率影像进行超分辨率重建，得到第三空间分辨率的地表反射率影像，所述第一空间分辨率小于所述第三空间分辨率；
基于所述第三空间分辨率的地表反射率影像，确定所述目标区域内的耕地区域；
将所有所述目标像元对应的区域和所述耕地区域的交集，确定为所述水灾区域。

[0093] 基于上述任一实施例，确定模块12，具体用于：对各所述像元的目标指数值进行归一化，得到各所述像元的归一化后的目标指数值；
确定所述灾后地表反射率影像中处于预设指数范围内的归一化后的目标指数值对应的至少一个目标像元。

[0094] 图6为本发明实施例提供的电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器（processor）610、通信接口（Communications Interface）620、存储器（memory）630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行水灾区域识别方法，该方法包括：获取目标区域的灾后遥感影像；基于所述灾后遥感影像获取多个所述目标波段的灾后地表反射率影像；针对所述灾后地表反射率影像中的各像元，基于所述像元在各所述目标波段下的地表反射率值，确定所述像元的目标指数值，目标指数为对水灾识别敏感的指数；确定所述灾后地表反射率影像中处于预设指数范围内的目标指数值对应的至少一个目标像元，所述预设指数范围为基于各随机点的目标指数值确定的，所述随机点为在所述灾后地表反射率影像中确定的表征发生水灾的点；基于所有所述目标像元，确定所述目标区域内的水灾区域。

[0095] 此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read‑Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

[0096] 另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的水灾区域识别方法，该方法包括：获取目标区域的灾后遥感影像；基于所述灾后遥感影像获取多个所述目标波段的灾后地表反射率影像；针对所述灾后地表反射率影像中的各像元，基于所述像元在各所述目标波段下的地表反射率值，确定所述像元的目标指数值，目标指数为对水灾识别敏感的指数；确定所述灾后地表反射率影像中处于预设指数范围内的目标指数值对应的至少一个目标像元，所述预设指数范围为基于各随机点的目标指数值确定的，所述随机点为在所述灾后地表反射率影像中确定的表征发生水灾的点；基于所有所述目标像元，确定所述目标区域内的水灾区域。

[0097] 又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的水灾区域识别方法，该方法包括：获取目标区域的灾后遥感影像；基于所述灾后遥感影像获取多个所述目标波段的灾后地表反射率影像；针对所述灾后地表反射率影像中的各像元，基于所述像元在各所述目标波段下的地表反射率值，确定所述像元的目标指数值，目标指数为对水灾识别敏感的指数；确定所述灾后地表反射率影像中处于预设指数范围内的目标指数值对应的至少一个目标像元，所述预设指数范围为基于各随机点的目标指数值确定的，所述随机点为在所述灾后地表反射率影像中确定的表征发生水灾的点；基于所有所述目标像元，确定所述目标区域内的水灾区域。

[0098] 以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

[0099] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。

[0100] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。