全球气候变化引起的极端降雨、洪涝灾害是导致不可移动文物受损的重要破坏因素。合成孔径雷达SAR（Synthetic Aperture Radar）具有全天时、全天候、大范围周期性对地观测的优势，是大区域水体监测的重要手段，对不可移动文物水域淹没及风险监测具有重要意义。本文利用时间序列SAR图像提出基于残差U-Net的不可移动文物水域淹没及风险监测框架。首先，基于双峰阈值分割法结合专家知识辅助进行水体样本生成，提高样本制作效率；其次，引入残差模块建立U型卷积网络，综合残差结构及U-Net的特点，缓解梯度更新时的弥散、消失等现象，通过卷积层之间累加和跳跃链接，保留多尺度的地物特征信息，以实现水体快速、高精度的语义分割；最后通过将结果与不可移动文物点位进行空间叠加分析，实现对不可移动文物水淹状况的监测。选取鄱阳湖及南昌市昌邑北垱遗址作为试验研究对象。获取了21景覆盖鄱阳湖区域不同时相Sentinel-1 SAR图像，并结合Sentinel-2光学图像进行结果分析与评价。实验结果表明：本文方法在鄱阳湖试验区对水体提取总精度优于95%，相较于FCN（Fully Convolutional Networks）与U-Net方法具有更好的精度。利用不同时相SAR图像获得时间序列水体分布范围变化图，与昌邑北垱遗址点位进行空间叠加分析，得到不可移动文物水域淹没长时间序列监测结果。实验结果表明本文提出的方法可以有效提取水体范围，对不可移动文物水域淹没及风险监测可以提供有力支撑。

PDF全文下载地址:

http://www.ygxb.ac.cn/rc-pub/front/front-article/download?id=19404618