基于CiteSpace的洪澇災害遙感監測評估研究進展

石倩 彭煥華 夏浩南 唐梓涵 陳浩

摘要：衛星遙感技術由于具有覆蓋范圍廣、周期短、時效性強等優勢，在洪澇災害風險分析、損失評估以及災后恢復與重建等方面發揮了巨大作用，受到國內外學者的廣泛關注與研究。為深入了解當前洪澇災害遙感監測評估研究熱點及變化趨勢，對2001～2021年國內外該領域相關文獻進行定量分析與歸納總結。利用CiteSpace等可視化分析工具，從發文量、作者、主要發文機構及研究熱點關鍵詞等多方面，對洪澇災害遙感監測與評估研究的特征與趨勢進行分析。結果表明：① 遙感技術應用于洪澇災害監測評估研究的成果數量隨時間變化呈增加趨勢，外文文獻數量上升態勢明顯高于中文文獻數量；2018年以后國內學者在外文期刊論文發表數已超過中文期刊論文發表數。② 在洪澇災害遙感監測評估研究領域，中國學者發文量占全球總發文量的17.72%，中國科學院以54篇占據研究機構發文數量首位；中國學者國際合作比率為31.9%，國際合作積極性高，但學術影響力及國際合作比例還有提升空間。③ 歐美及南亞等國家和地區學者的研究成果得到較高關注，高被引論文主題從風險分析與評估逐步向機器學習、城市洪澇等內容轉變。④ 地表分類、水體提取、動態監測、風險評估等主題是國內外學者長期關注的重點研究內容，城市洪澇、承洪韌性、機器學習等正成為洪澇災害遙感監測領域新的研究熱點?；谠朴嬎愕臋C器學習與深度學習技術發展將會給洪澇災害遙感監測、評估與風險分析帶來新機遇。

摘要：洪澇災害； 遙感監測； GIS； CiteSpace； 研究熱點

中圖法分類號： TV122

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2024.01.005

0 引 言

洪澇災害是指因降水、融雪、風暴潮等造成的江河洪水、潰澇、山洪等災害，以及由其引發的次生災害。據全球緊急災難數據庫（Emergency Events Database，EM-DAT）的記錄，全球各種自然災害造成的損失中，洪澇災害造成的經濟損失占各類自然災害總損失的30%以上［1］。洪澇災害因其頻發性和破壞性給人類社會的可持續發展帶來嚴重影響。在中國，洪澇災害在5種主要自然災害造成的經濟損失中占到8成以上，死亡人口數量也居首位［2］。如，2010年南方大暴雨和長江流域大洪水成災面積8 727 890 hm2，因洪災致死人口3 222人，造成直接經濟損失總額高達3 745.43 億元［3］；2021年7月河南省一次罕見特大暴雨，造成1 478.6萬人受災，因災死亡失蹤398人，直接經濟損失達1 200.6億元［4］。從上述數據可見，在氣候變化加劇以及社會高速發展的今天，洪澇災害帶來的危害及影響越來越大，如何利用現代先進技術及時、準確開展洪澇災害的風險分析、災情評估以及災后恢復與重建等工作已成為學術界和政府部門重點關注的熱點問題之一。

科學有效的洪水監測是防洪救災的重要依據，20世紀60年代發展起來的衛星遙感監測技術由于具有覆蓋范圍廣、周期短、時效性強等顯著優勢，逐漸成為現代洪澇災害監測的主要手段，為防洪決策和抗災救災工作提供了重要支撐［5］。近年來，洪澇災害遙感監測評估研究愈加受到重視，發表文獻數量明顯增多。不同專業背景的學者試圖從各自專業視角出發，研究洪澇災害遙感監測算法與模型、災害致災因子、氣候變化影響以及洪澇災害風險分析等，研究關鍵詞越來越豐富，相關研究的數據源、研究方法及研究領域日益多元化，洪澇災害遙感監測與評估研究向著多學科交叉的方向發展。鑒于洪澇災害類型復雜及遙感監測技術快速更新，對目前洪澇災害遙感監測與評估研究成果開展階段性梳理分析，有利于辨析洪澇災害遙感監測評估研究前沿熱點及變化趨勢，可為災情分析及洪澇災害風險管理決策制定提供科學參考。

文獻計量分析是當前研究科學研究熱點與變化的重要方法，最初由Pritchard［6］在20世紀60年代末提出。其根據設定的研究主題獲取文獻信息，定量分析該領域的作者、出版物數量和研究機構的分布，還能以知識圖譜的形式提供關鍵詞、機構、國家聯系和分布特征，并量化研究主題的現狀和發展趨勢［7-9］。因此，本文利用CiteSpace等文獻計量分析工具對相關領域文獻進行系統分析，以期深入了解當前洪澇災害遙感監測與評估國內外研究現狀，通過研究熱點關鍵詞分析揭示當前洪澇災害遙感監測與評估的研究熱點及未來研究趨勢，研究結果將對進一步深入推進遙感技術在洪澇災害監測與評估中的應用具有重要指導意義。

1 研究數據與方法

合理、準確的文獻檢索很大程度上能直接決定文獻計量分析時的有效性和準確性［10］。參考已有研究，在對國內外文獻檢索前對檢索詞反復校準并對檢索方式所得結果進行多次比較，最終確定文獻檢索方式及內容。其中，外文文獻主要來源于美國科學情報所研發的WOS（Web of Science Core Collection）數據庫。采用主題檢索方式，設定檢索主題為（TS=（flood disaster）OR TS=（flood damage））AND（TS=（mapping）OR TS=（GIS）OR TS=（remote sensing）OR TS=（3S）OR TS=（RS）），文獻語言為英文，文獻類型為研究論文或綜述，時間跨度為2001～2021年，共檢索到外文文獻2 428條，刪除重復以及與本研究主題不相關的文獻后，共獲得有效外文文獻1 326篇。中文文獻主要來源于中國知網（CNKI），設定中文檢索主題為“洪澇災害&遙感”“洪澇災害&測繪”“洪澇災害& 3S”“洪澇災害& GIS”，期刊來源類別為SCI（Science Citation Index）來源期刊、EI（Engineering Index）來源期刊、北大核心期刊、CSSCI（Chinese Social Science Citation Index）來源期刊以及CSCD（Chinese Science Citation Database）來源期刊，時間跨度為2001～2021年。對檢索結果進行人工篩選，去除重復條目、報紙和無作者信息條目以及內容不相關條目，共檢索出575篇相關中文文獻。

CiteSpace基于計量學以及數據可視化技術，集合了共現網絡、關聯規則以及聚類分析等方法，適用于多元、分時、動態的復雜網絡分析，可以探測出某一學科或領域的熱點主題，通過圖譜方式直觀地展示科學知識的結構、分布規律及其相關關系，在國內外學術界得到了廣泛應用［7-9，11］。本文將獲取的1 901篇文獻信息導入CiteSpace 5.8軟件，使用發表文獻數量分析總體研究趨勢，使用總引用及作者信息索引識別研究的主要作者、國家和機構，使用關鍵詞分析研究熱點和研究主題的變化趨勢。

2 結果與分析

2.1 年發文數量的特征

年發文量在一定程度上可以反映該研究領域被關注的趨勢。圖1給出了2001～2021年的發文數量數據，由圖1可知：近20 a來遙感及GIS技術應用于洪澇災害監測與評估的中文與外文文獻數量均隨著時間的變化呈增加趨勢，但外文文獻數量上升態勢明顯高于中文文獻數量。具體來說，2001～2021年間，WOS中收錄的文獻數可細分為2001～2004年、2005～2013年以及2014～2021年3個不同階段。其中，2001～2004年為平穩階段，該階段的研究成果較少，平均為6.8篇/a；2005～2013年為緩慢增長階段，該階段數量較之前有了較大的增加，平均為26.0篇/a；2014～2021年則為快速增長階段，平均發文量達到136.4篇/a。CNKI中檢索的中文文獻數量顯示，中文研究成果可細分為2001～2006年和2007～2021年兩個階段。其中，2001～2006年為平穩階段，該階段中文文獻成果不多，平均為18.7篇/a；2007～2021年為緩慢增長階段，平均為31.0篇/a。對比可知，外文和中文文獻發文數量以2013年為轉折點，出現了明顯的增長差異。究其原因，在全球極端天氣增多、暴雨洪澇災害事件頻發背景下，國外洪澇災害遙感監測與評估研究十分活躍，越來越多的研究機構參與到相關研究中。另一方面，外文數量的急劇增加也與國內研究學者將研究成果發表在外文期刊密切相關。從WOS中不同國籍作者發文量（見圖1（b））可知，2013年以后中國學者在外文期刊發表的論文數量持續增加，且在2018年以后外文期刊所發表論文量已超過在中文期刊所發表論文量。

2.2 主要發文國家（地區）及研究機構

對洪澇災害遙感監測評估研究文獻發表的主要國家和地區進行分析。采用中心性表示該國家（地區）在網絡中的重要性，節點越大表示該國家（地區）發文數量越多。兩個節點間的連線表示兩者之間存在合作關系，連線越粗，代表國家（地區）之間合作關系越強。圓環的顏色代表相應的發表時間；邊緣呈紫色的節點代表其具有較高的中心性，紫色圓環越厚，代表其在最新的研究中所處的中心性越高［12-13］。圖2和圖3分別給出了在外文文獻（1 326篇）發文量前10的國家和地區關系圖。從圖2～3中可知：中國（235篇，以第一作者國籍統計）、美國（221篇）和印度（116篇）為發文量前3的3個國家，分別占總發文量的17.72%，16.67%和8.75%，其他國家和地區的發文量均少于100篇。從中心性排名來看，美國以0.50的中心度排第一，其次是中國0.16。綜合年發文量數據，中國學者在洪澇災害遙感監測評估領域積極性高且發文量多，但影響力較美國存在一定差距。

此外，從論文通訊作者與論文其他作者的國家地區關系可以看出相關研究的國際合作關系。以MCP（Multiple Country Publications）代表與其他國家作者合著論文數量，SCP（Single Country Publications）代表同國籍作者合著論文數量，MCP_Ratio（MCP/Articles）代表國際合作比率。如表1所列，通訊作者來源于中國的文獻有248篇，其中論文其他作者也來源于中國的有169篇（SCP），其他作者來源于其他國家和地區的有79篇（MCP），在這些國際合作的79篇論文中，中國與美國合作達36篇，中美在該領域的合作最為密切。從國際合作比率來看，中國國際合作的比率大概為31.9%，僅低于澳大利亞、日本及西班牙，但高于發文量較大的美國和印度，表明中國學者在洪澇災害遙感監測評估領域的學術交流方面十分活躍，但整體上國際合作比例還有提升空間。

表2給出了開展洪澇災害遙感監測評估研究的前10位研究機構，統計結果顯示發文量最大的研究機構是中國科學院（54篇），其次是武漢大學（28篇）以及越南都柏林大學（23篇），緊隨其后的有意大利國家研究委員會（20篇）等科研機構。從研究機構的共現性及中心性關系圖看（見圖4），中國科學院、北京師范大學和意大利國家研究委員會的中心性較高，是洪澇災害遙感監測評估領域中的主要以及關鍵研究機構。從研究起始年份來看，意大利國家研究委員會、中國科學院、武漢大學等在洪澇災害遙感監測評估領域具有較長的研究歷史，而越南孫德勝大學和都柏林大學等則是最近幾年在該研究領域比較活躍的新興研究機構。

2.3 主要發文期刊

對洪澇災害遙感監測評估研究領域論文所發表的期刊統計結果如表3所列，外文期刊中發文量前三位的期刊中Natural Hazards發文量最多，為144篇，占總數的10.86%，其次是Remote Sensing和Water。中文期刊中，《自然災害學報》《災害學》和《人民長江》是當前發表關于洪澇災害遙感監測評估研究中文論文的前三位期刊。從發文期刊來看，該領域的文章多發表在與災害內容相關的期刊，其次是與水利內容相關的期刊。同時與遙感、測繪內容相關的Remote Sensing和《測繪科學》等期刊在該研究領域的相關發文量在逐年增加。

表4給出了外文期刊中被引次數最多的10篇文章，從中可以看出，截至2021年，馬來西亞的研究者Tehrany于2014年在Journal of Hydrology發表的“Flood susceptibility mapping using a novel ensemble weights-of-evidence and support vector machine models in GIS”總被引為674次，排名第一，同時該研究者2013年在同一期刊上發表的“Spatial prediction of flood susceptible areas using rule based decision tree （DT）and a novel ensemble bivariate and multivariate statistical models in GIS”引用次數也達到594次，是目前該研究領域最高被引學者。其次，德國、意大利、美國、土耳其、瑞士以及伊朗等國學者分別占據著單篇文獻被引次數的前10位。對中文期刊被引前10的文獻統計顯示，來自東北師范大學的張會等人在2005年發表在《自然災害學報》上的《基于GIS技術的洪澇災害風險評估與區劃研究——以遼河中下游地區為例》總被引304次，排名第一，其次是來自于中國水利水電科學研究院的丁志雄以及北京師范大學雷添杰等的論文占據被引用的前三位（見表5）。從高被引論文題目來看，發表時間較早的論文主要集中在探討GIS及遙感技術在洪澇災害風險評估及風險區劃等方面的研究，后期機器學習算法、多源遙感數據源相關的論文數量逐漸增加。

2.4 洪澇災害遙感監測評估研究熱點及趨勢

文獻關鍵詞是作者對于文章內容的高度濃縮和概括，通常反映了該文獻的主要研究內容及主題［14］。因此，可以通過獲取一段時間內有相互聯系、數據較豐富的文獻關鍵詞，采用關鍵詞熱點分析發現洪澇災害遙感監測評估領域的研究熱點。在本研究中，對研究熱點設定時間跨度為2001年1月至2021年12月，時間切片為1 a，采用LLR對數似然算法（Log-Likelihood Ratio algorithm）獲取關鍵詞網絡聚類結構。表6和圖5分別給出了中外文文獻中出現的主要高頻關鍵詞以及關鍵詞共現網絡。結果顯示，中外文文獻中前10位的高頻關鍵詞中“風險”“遙感”“GIS”“災害”等由于文獻檢索內容設定，均表現了較強的中心性。但其他高頻關鍵詞中“Model”“Climate change”“Impact”以及“Vulnerability”等關鍵詞占外文文獻的主導部分，顯示國外研究者的研究熱點除了關注遙感與GIS在災害風險方面的研究，也更多關注洪澇災害模型、氣候變化對洪澇災害的影響以及脆弱性評價等方面。中文期刊高頻關鍵詞顯示國內學者研究熱點除了遙感與GIS技術在洪澇災害實時監測方面的應用外，重點關注風險區劃、風險及損失評估等方面。整體上國外的研究熱點比國內更加豐富，且更具交叉性，這在圖5關鍵詞共現網絡中的表現為外文成果的網絡密度值（D=0.012 5）要比中文成果的網絡密度值（D=0.005 7）更高。

除了高頻統計外，關鍵詞中出現的突變詞可以用來顯示相對較短時間內的成果中頻率較高或使用頻率較高的詞匯，根據突變詞隨時間的變化，可以用來判斷研究前沿熱點變化趨勢［15-16］。由于本研究外文期刊占比近70%，因此通過對外文期刊突變詞的時序變化進行研究熱點趨勢變化分析。圖6顯示，突變詞“GIS”“遙感（Remote sensing）”以及“洪水（Flood）”相關的文獻占據發文量的前三。與“GIS”相關的論文發表年份中位數（2017年）早于“遙感”（2019年），這與前面高被引論文研究主題變化相一致。從突變詞持續時間看，“土地利用（Land use）”“水體淹沒區制圖（Inundation maps）”以及“洪水管理（Flood management）”基本持續了10 a以上時間。到目前為止，與洪澇災害密切相關的土地利用、水體淹沒制圖研究仍較活躍［17-18］，這表明在全球氣候變化的背景下，洪澇災害遙感監測評估研究中地表分類、水體提取、動態監測、風險評估仍是國內外研究者重點研究內容。除此之外，從圖上部分最近年份的突變詞可以看出，“哨兵一號（Sentinel-1）”“機器學習（Machine Learning）”“承洪韌性（Resilience）”“城市洪澇（Urban flood）”以及“深度學習（Deep Learning）”已成為當前洪澇災害遙感監測評估領域新的研究熱點。

從高頻關鍵詞與突變詞的變化可知，當前洪澇災害遙感監測評估領域的研究熱點及趨勢主要集中在以下幾個方面：

（1） 數據與算法模型。從突變詞可見RadarSat、Terrasar-X、Sentinel-1以及MODIS等數據都是當前洪澇災害遙感監測的常用數據源，其中前3個均是雷達數據，可見對于洪澇災害實時監測而言，能夠穿云透雨的微波波段可避免云污染，在洪澇災害發生時能及時有效獲取洪水變化信息而得到研究者們的優先采用［19-21］。因此對雷達數據處理與分析［21］、雷達信號水體信息提?。?2］以及提高數據精度［19］的研究，將對洪澇災害遙感監測與評估產生重要影響。MODIS作為所采用的數據中出現的光學衛星，主要由于其具有快速的重返周期以及能夠提供豐富且長時序的光學信息，可在災前土地利用、長時序水體變化［23］以及災后評估與恢復評價［24］中產生重要作用。在算法模型方面除了較簡單的閾值法、譜間分析法和多波段運算法［25］，對多特征及非線性問題具有絕對優勢的機器學習和深度學習算法正成為當前洪澇災害遙感監測水體識別［26-27］、土地利用分類［28］以及災害評估［29］研究的熱點。

（2） 洪澇災害風險評估。遙感監測獲取的淹沒范圍、淹沒歷史、承災體數量等災情信息是后續利用GIS空間分析開展洪澇災害空間分布規律和洪澇災害風險分析的基礎［30］。對洪澇災害風險評估而言，構建決策支持系統對開展洪澇災害風險評估具有重要作用［31］，多數研究主要從致災因子、孕災環境以及承災體等3個方面開展“危險性（Hazard）”“脆弱性（Vulnerability）”以及“韌性（Resilience）”分析［32-33］。其中，韌性是適應能力的表現，是減少脆弱性的途徑［34］。當前，隨著可持續發展觀念的深入，對洪澇災害承洪韌性分析正成為洪澇災害風險評估的研究熱點［35-36］，大量研究也正致力于綜合運用數理統計理論、隨機統計理論、模糊理論、灰色理論等［37-39］對洪澇災害風險進行度量分析。

（3） 城市及典型區域洪澇監測。隨著城市經濟的快速發展，城市洪澇目前正成為洪澇災害遙感監測與評估的主要研究對象，城市內澇識別［40］、城市承洪韌性［41］、城市洪澇損失評估［42-43］成為當前新的研究熱點主題。另一方面，不同國家和地區由于生態環境及災害特征規律等不同，在洪澇災害研究重點方面存在差異。從已有文獻來看，洪澇災害遙感監測評估的研究區域主要集中在西歐、南亞和美國。其中，馬來西亞作為受洪澇災害影響較嚴重的國家，是出現在突變詞中唯一的地區詞，其研究主要關注洪澇災害引發的環境、社會等基本問題［37，44］；歐美等學術前沿國家的地區，在研究洪澇災害問題上更多將研究重點集中在如何提高人居水平、城市韌性等主題［45］。除此之外，受全球氣候變化以及海平面上升導致沿海國家及城市也正成為洪澇災害遙感監測評估重點研究區域之一［46-47］。

3 結論與展望

本文采用文獻計量分析方法對2001～2021年CNKI和WOS核心集數據庫中的洪澇災害遙感監測評估領域1 901篇中外文期刊文獻，從研究成果數量變化、主要發文國家（地區）及核心研究機構、熱點期刊與論文及關鍵詞研究熱點與變化趨勢等幾個方面進行了總結分析，主要結論如下：

（1） 中外文文獻數量均呈增加趨勢，隨著國內科研水平提高，國內學者發表在外文期刊的文獻數量大幅提升；

（2） 中國在洪澇災害遙感監測評估領域發文量居全球首位，國際合作處于較高水平，但國際影響力還有待進一步提升；

（3） 歐美及南亞等國家和地區學者的研究成果得到較高關注，高被引論文主題前期以風險分析與評估為主，后期逐漸增加機器學習、多源遙感數據應用主題；

（4） 國外研究熱點主題較國內更加豐富，地表分類、水體提取、動態監測、風險評估仍是洪澇災害遙感監測評估國內外研究者重點研究內容，城市洪澇、承洪韌性、機器學習等正成為該領域新的研究熱點。

隨著地球大數據、人工智能、云計算等新技術在遙感數據處理方面的應用，未來遙感技術在洪澇災害全天候、全天時、大范圍監測與評估方面將會發揮越來越重要的作用。隨著越來越多的衛星發射升空，將提供多層次、多角度、全方位和全天候的多模態衛星觀測數據，進而大幅提升洪澇災害遙感實時監測能力。如，基于Sentinel-1雙星座可以實現部分地區6 d重復觀測，而吉林一號衛星星座利用多衛星組網觀測可實現全球任意地點每天20次以上重返，大大提高了遙感技術在洪澇監測方面的實時性。未來多平臺、多傳感器、多時相、多光譜以及多空間分辨率的遙感數據融合與復合應用，也將大幅提升洪澇災害遙感監測數據全覆蓋，洪澇遙感監測也將從應急監測逐步提升到全天候、全天時監測。當然，隨著海量復雜和非結構化的地球大數據增加，基于云計算（如：GEE、AI Earth、PIE-Engine等）為主導的機器學習與深度學習以及多源數據融合和重建技術發展，將對多源遙感數據處理與洪澇災害識別帶來新機遇，讓更高精度、更高時效、更長期的大范圍洪澇災害監測成為可能。

參考文獻：

［1］ 張繼權，李寧.主要氣象災害風險評價與管理的數量化方法及其應用［M］.北京：北京師范大學出版社，2007.

［2］ 曹瑋.洪澇災害的經濟影響與防災減災能力評估研究［D］.長沙：湖南大學，2013.

［3］ 國家防汛抗旱總指揮部，中華人民共和國水利部.2010年中國水旱災旱公報［J］.中華人民共和國水利部公報，2011（4）：8-23.

［4］ 國務院災害調查組.河南鄭州“7·20”特大暴雨災害調查報告［R］.北京：國務院災害調查組，2022.

［5］ 周成虎.洪澇災害遙感監測研究［J］.地理研究，1993，12（2）：63-68.

［6］ PRITCHARD A.Statistical bibliography or bibliometrics？［J］.Journal of Documentation，1969，25：348-349.

［7］ 王娟，陳世超，王林麗，等.基于 CiteSpace 的教育大數據研究熱點與趨勢分析［J］.現代教育技術，2016，26（2）：5-13.

［8］ WU J，WU X，ZHANG J.Development trend and frontier of stormwater management （1980-2019）：a bibliometric overview based on CiteSpace［J］.Water，2019，11（9）：1908.

［9］ 陳悅，陳超美，劉則淵，等.CiteSpace 知識圖譜的方法論功能［J］.科學學研究，2015，33（2）：242-253.

［10］ 沈艷紅，張娣.文獻計量分析中的數據準備工作研究［J］.圖書館建設，2012（5）：90-92.

［11］ FU L，MAO S，CHEN F，et al.Graphene-based electrochemical sensors for antibiotic detection in water，food and soil：a scientometric analysis in CiteSpace （2011-2021）［J］.Chemosphere，2022，297：134127.

［12］ 陳必坤.學科知識可視化分析研究［D］.武漢：武漢大學，2014.

［13］ 林德明，陳超美，劉則淵.共被引網絡中介中心性的 Zipf-Pareto 分布研究［J］.情報學報，2011，30（1）：76-82.

［14］ 馮佳，王克非，劉霞.近二十年國際翻譯學研究動態的科學知識圖譜分析［J］.外語電化教學，2014（155）：11-20.

［15］ 孫雨生，仇蓉蓉，鄧興.國內知識圖譜研究進展：基于 CiteSpace Ⅱ 的分析［J］.現代情報，2014，34（1）：84-88.

［16］ 李杰，陳超美.CiteSpace 科技文本挖掘及可視化［M］.北京：北京首都經濟貿易大學出版社，2016.

［17］ JONGMAN B，WARD P J，AERTS J C J H.Global exposure to river and coastal flooding：long term trends and changes［J］.Global Environmental Change，2012，22（4）：823-835.

［18］ HENSTRA D，MINANO A，THISTLETHWAITE J.Communicating disaster risk？ An evaluation of the availability and quality of flood maps［J］.Natural Hazards And Earth System Sciences，2019，19（1）：313-323.

［19］ 王敬明，王世新，王福濤，等.基于 Sentinel-1 SAR 數據洪水淹沒提取方法研究［J］.災害學，2021，36（4）：214-220.

［20］ DEVRIES B，HUANG C，ARMSTON J，et al.Rapid and robust monitoring of flood events using Sentinel-1 and Landsat data on the Google Earth Engine［J］.Remote Sensing of Environment，2020，240：111664.

［21］ TWELE A，CAO W，PLANK S，et al.Sentinel-1-based flood mapping：a fully automated processing chain［J］.International Journal of Remote Sensing，2016，37（13）：2990-3004.

［22］ XUE W，YANG H，WU Y，et al.Water body automated extraction in Polarization SAR images with dense-coordinate-feature-concatenate network［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2021，14：12073-12087.

［23］ ATIF S，UMAR M，ULLAH F.Investigating the flood damages in Lower Indus Basin since 2000：spatiotemporal analyses of the major flood events［J］.Natural Hazards，2021，108（2）：2357-2383.

［24］ TARIQ A，SHU H，KURIQI A，et al.Characterization of the 2014 Indus River flood using hydraulic simulations and satellite images［J］.Remote Sensing，2021，13（11）：2053.

［25］ 李丹，吳保生，陳博偉，等.基于衛星遙感的水體信息提取研究進展與展望［J］.清華大學學報（自然科學版），2020，60（2）：147-161.

［26］ LIU J，WANG Y.Water body extraction in remote sensing imagery using domain adaptation-based network embedding selective self-attention and multi-scale feature fusion［J］.Remote Sensing，2022，14（15）：3538.

［27］ HASHEMI-BENI L，GEBREHIWOT A.Flood extent mapping：an integrated method using deep learning and region growing using UAV optical data［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2021，14：2127-2135.

［28］ WENG Q，MAO Z，LIN J，et al.Land-use classification via extreme learning classifier based on deep convolutional features［J］.IEEE Geoscience and Remote Sensing Letters，2017，14（5）：704-708.

［29］ PHAM B T，LUU C，VAN DAO D，et al.Flood risk assessment using deep learning integrated with multi-criteria decision analysis［J］.Knowledge-Based Systems，2021，219：106899.

［30］ 孫紹騁.遙感技術在洪澇災害防治體系建設中的應用［J］.地理科學進展，2002，21（3）：282-288.

［31］ LIU Y，ZHOU J，SONG L，et al.Efficient GIS-based model-driven method for flood risk management and its application in central China［J］.Natural Hazards and Earth System Sciences，2014，14（2）：331-346.

［32］ ANDARYANI S，NOURANI V，HAGHIGHI A T，et al.Integration of hard and soft supervised machine learning for flood susceptibility mapping［J］.Journal of Environmental Management，2021，291：112731.

［33］ REHMAN S，SAHANA M，HONG H，et al.A systematic review on approaches and methods used for flood vulnerability assessment：framework for future research［J］.Natural Hazards，2019，96（2）：975-998.

［34］ SMIT B，WANDEL J.Adaptation，adaptive capacity and vulnerability［J］.Global Environmental Change，2006，16（3）：282-292.

［35］ GUO P，LI Q，GUO H，et al.A bibliometric and visual analysis of global urban resilience research in 2011-2020：Development and hotspots［J］.Sustainability，2021，14（1）：229.

［36］ LIAO K H.A theory on urban resilience to floods：a basis for alternative planning practices［J］.Ecology and Society，2012，17（4）：48.

［37］ KIA M B，PIRASTEH S，PRADHAN B，et al.An artificial neural network model for flood simulation using GIS：Johor River Basin，Malaysia［J］.Environmental Earth Sciences，2012，67（1）：251-264.

［38］ LIU Y，FAN Z P，ZHANG Y.Risk decision analysis in emergency response：a method based on cumulative prospect theory［J］.Computers & Operations Research，2014，42：75-82.

［39］ 周燕蓮，董銘，劉維明等.基于GIS的岷江流域洪災動態風險性評價研究［J］.人民長江，2022，53（5）：20-27.

［40］ 黃華兵，王先偉，柳林.城市暴雨內澇綜述：特征、機理、數據與方法［J］.地理科學進展，2021，40（6）：1048-1059.

［41］ RUAN J，CHEN Y，YANG Z.Assessment of temporal and spatial progress of urban resilience in Guangzhou under rainstorm scenarios［J］.International Journal of Disaster Risk Reduction，2021，66：102578.

［42］ AHIABLAME L，SHAKYA R.Modeling flood reduction effects of low impact development at a watershed scale［J］.Journal of Environmental Management，2016，171：81-91.

［43］ 高凱，楊志勇，高希超，等.城市洪澇損失評估方法綜述［J］.水利水電技術（中英文），2021，52（4）：57-68.

［44］ TEHRANY M S，PRADHAN B，JEBUR M N.Flood susceptibility mapping using a novel ensemble weights-of-evidence and support vector machine models in GIS［J］.Journal of Hydrology，2014，512：332-343.

［45］ LI L，UYTTENHOVE P，VAN EETVELDE V.Planning green infrastructure to mitigate urban surface water flooding risk：a methodology to identify priority areas applied in the city of Ghent［J］.Landscape and Urban Planning，2020，194：103703.

［46］ 林志東，陳興偉，林木生，等.東南沿海西溪流域暴雨洪水的時空變化特征［J］.山地學報，2017，35（4）：488-495.

［47］ VOUSDOUKAS M I，MENTASCHI L，VOUKOUVALAS E，et al.Climatic and socioeconomic controls of future coastal flood risk in Europe［J］.Nature Climate Change，2018，8（9）：776-780.

（編輯：謝玲嫻）

Research progress on flood disaster remote sensing monitoring and assessment based on CiteSpace

SHI Qian1，PENG Huanhua2，XIA Haonan1，TANG Zihan1，CHEN Hao2

（1.School of Geosciences and Spatial Information Engineering，Hunan University of Science and Technology，Xiangtan 411201，China； 2.Institute for Local Sustainable Development Goals，Hunan University of Science and Technology，Xiangtan 411201，China）

Abstract：

Due to the advantages of wide data coverage，short repetition period，and strong data timeliness，remote sensing technology has played a crucial role in flood disaster monitoring and risk assessment.Numerous researchers have used remote sensing techniques to conduct risk analysis or loss assessment for flood disasters and post-disaster recovery and reconstruction.To gain a deeper insight into current research hotspots and trends in flood disaster remote sensing monitoring and assessment，we used CiteSpace to conduct a bibliometric analysis using the 1 901 literatures from WOS and CNKI in this field from 2001 to 2021 from the aspects of number of published papers，authors，major publishing organizations and keywords.The research findings indicated：① The total number of research papers applying remote sensing technology to flood monitoring and assessment has shown a significant increasing trend over time，with the number of English literature increasing more prominently than that of Chinese literature.Since 2018，Chinese scholars have published more papers in foreign journals than in Chinese journals.② In the field of flood disasters remote sensing monitoring and assessment research，papers published by Chinese scholars account for 17.72% of all papers published worldwide，with the Chinese Academy of Sciences ranking first among research institutions with 54 published papers.The level of international collaboration among Chinese scholars is 31.9%，indicating a high level of international cooperation；however，there is still room for improvement in terms of academic influence and the international cooperation ratio.③ Research achievements by scholars from regions such as Europe，America，and South Asia have received considerable attention，and highly cited paper topics have gradually shifted from risk analysis and assessment to machine learning，urban flooding，and flood resilience.④ Land cover classification，water body extraction，dynamic monitoring，and risk assessment are key research topics that have long been the focus of scholars both domestically and internationally.Urban flooding，flood resilience and machine learning are emerging as new research hotspots.The development of machine learning and deep learning technologies based on cloud computing will hold promising new opportunities for flood disaster remote sensing monitoring，assessment and risk analysis.

Key words：

flood disaster；remote sensing monitoring；GIS；CiteSpace；research hotspots