基于CiteSpace的洪涝灾害遥感监测评估研究进展

石倩 彭焕华 夏浩南 唐梓涵 陈浩

摘要：卫星遥感技术由于具有覆盖范围广、周期短、时效性强等优势，在洪涝灾害风险分析、损失评估以及灾后恢复与重建等方面发挥了巨大作用，受到国内外学者的广泛关注与研究。为深入了解当前洪涝灾害遥感监测评估研究热点及变化趋势，对2001～2021年国内外该领域相关文献进行定量分析与归纳总结。利用CiteSpace等可视化分析工具，从发文量、作者、主要发文机构及研究热点关键词等多方面，对洪涝灾害遥感监测与评估研究的特征与趋势进行分析。结果表明：① 遥感技术应用于洪涝灾害监测评估研究的成果数量随时间变化呈增加趋势，外文文献数量上升态势明显高于中文文献数量；2018年以后国内学者在外文期刊论文发表数已超过中文期刊论文发表数。② 在洪涝灾害遥感监测评估研究领域，中国学者发文量占全球总发文量的17.72%，中国科学院以54篇占据研究机构发文数量首位；中国学者国际合作比率为31.9%，国际合作积极性高，但学术影响力及国际合作比例还有提升空间。③ 欧美及南亚等国家和地区学者的研究成果得到较高关注，高被引论文主题从风险分析与评估逐步向机器学习、城市洪涝等内容转变。④ 地表分类、水体提取、动态监测、风险评估等主题是国内外学者长期关注的重点研究内容，城市洪涝、承洪韧性、机器学习等正成为洪涝灾害遥感监测领域新的研究热点。基于云计算的机器学习与深度学习技术发展将会给洪涝灾害遥感监测、评估与风险分析带来新机遇。

摘要：洪涝灾害； 遥感监测； GIS； CiteSpace； 研究热点

中图法分类号： TV122

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2024.01.005

0 引 言

洪涝灾害是指因降水、融雪、风暴潮等造成的江河洪水、溃涝、山洪等灾害，以及由其引发的次生灾害。据全球紧急灾难数据库（Emergency Events Database，EM-DAT）的记录，全球各种自然灾害造成的损失中，洪涝灾害造成的经济损失占各类自然灾害总损失的30%以上［1］。洪涝灾害因其频发性和破坏性给人类社会的可持续发展带来严重影响。在中国，洪涝灾害在5种主要自然灾害造成的经济损失中占到8成以上，死亡人口数量也居首位［2］。如，2010年南方大暴雨和长江流域大洪水成灾面积8 727 890 hm2，因洪灾致死人口3 222人，造成直接经济损失总额高达3 745.43 亿元［3］；2021年7月河南省一次罕见特大暴雨，造成1 478.6万人受灾，因灾死亡失踪398人，直接经济损失达1 200.6亿元［4］。从上述数据可见，在气候变化加剧以及社会高速发展的今天，洪涝灾害带来的危害及影响越来越大，如何利用现代先进技术及时、准确开展洪涝灾害的风险分析、灾情评估以及灾后恢复与重建等工作已成为学术界和政府部门重点关注的热点问题之一。

科学有效的洪水监测是防洪救灾的重要依据，20世纪60年代发展起来的卫星遥感监测技术由于具有覆盖范围广、周期短、时效性强等显著优势，逐渐成为现代洪涝灾害监测的主要手段，为防洪决策和抗灾救灾工作提供了重要支撑［5］。近年来，洪涝灾害遥感监测评估研究愈加受到重视，发表文献数量明显增多。不同专业背景的学者试图从各自专业视角出发，研究洪涝灾害遥感监测算法与模型、灾害致灾因子、气候变化影响以及洪涝灾害风险分析等，研究关键词越来越丰富，相关研究的数据源、研究方法及研究领域日益多元化，洪涝灾害遥感监测与评估研究向着多学科交叉的方向发展。鉴于洪涝灾害类型复杂及遥感监测技术快速更新，对目前洪涝灾害遥感监测与评估研究成果开展阶段性梳理分析，有利于辨析洪涝灾害遥感监测评估研究前沿热点及变化趋势，可为灾情分析及洪涝灾害风险管理决策制定提供科学参考。

文獻计量分析是当前研究科学研究热点与变化的重要方法，最初由Pritchard［6］在20世纪60年代末提出。其根据设定的研究主题获取文献信息，定量分析该领域的作者、出版物数量和研究机构的分布，还能以知识图谱的形式提供关键词、机构、国家联系和分布特征，并量化研究主题的现状和发展趋势［7-9］。因此，本文利用CiteSpace等文献计量分析工具对相关领域文献进行系统分析，以期深入了解当前洪涝灾害遥感监测与评估国内外研究现状，通过研究热点关键词分析揭示当前洪涝灾害遥感监测与评估的研究热点及未来研究趋势，研究结果将对进一步深入推进遥感技术在洪涝灾害监测与评估中的应用具有重要指导意义。

1 研究数据与方法

合理、准确的文献检索很大程度上能直接决定文献计量分析时的有效性和准确性［10］。参考已有研究，在对国内外文献检索前对检索词反复校准并对检索方式所得结果进行多次比较，最终确定文献检索方式及内容。其中，外文文献主要来源于美国科学情报所研发的WOS（Web of Science Core Collection）数据库。采用主题检索方式，设定检索主题为（TS=（flood disaster）OR TS=（flood damage））AND（TS=（mapping）OR TS=（GIS）OR TS=（remote sensing）OR TS=（3S）OR TS=（RS）），文献语言为英文，文献类型为研究论文或综述，时间跨度为2001～2021年，共检索到外文文献2 428条，删除重复以及与本研究主题不相关的文献后，共获得有效外文文献1 326篇。中文文献主要来源于中国知网（CNKI），设定中文检索主题为“洪涝灾害&遥感”“洪涝灾害&测绘”“洪涝灾害& 3S”“洪涝灾害& GIS”，期刊来源类别为SCI（Science Citation Index）来源期刊、EI（Engineering Index）来源期刊、北大核心期刊、CSSCI（Chinese Social Science Citation Index）来源期刊以及CSCD（Chinese Science Citation Database）来源期刊，时间跨度为2001～2021年。对检索结果进行人工筛选，去除重复条目、报纸和无作者信息条目以及内容不相关条目，共检索出575篇相关中文文献。

CiteSpace基于计量学以及数据可视化技术，集合了共现网络、关联规则以及聚类分析等方法，适用于多元、分时、动态的复杂网络分析，可以探测出某一学科或领域的热点主题，通过图谱方式直观地展示科学知识的结构、分布规律及其相关关系，在国内外学术界得到了广泛应用［7-9，11］。本文将获取的1 901篇文献信息导入CiteSpace 5.8软件，使用发表文献数量分析总体研究趋势，使用总引用及作者信息索引识别研究的主要作者、国家和机构，使用关键词分析研究热点和研究主题的变化趋势。

2 结果与分析

2.1 年发文数量的特征

年发文量在一定程度上可以反映该研究领域被关注的趋势。图1给出了2001～2021年的发文数量数据，由图1可知：近20 a来遥感及GIS技术应用于洪涝灾害监测与评估的中文与外文文献数量均随着时间的变化呈增加趋势，但外文文献数量上升态势明显高于中文文献数量。具体来说，2001～2021年间，WOS中收录的文献数可细分为2001～2004年、2005～2013年以及2014～2021年3个不同阶段。其中，2001～2004年为平稳阶段，该阶段的研究成果较少，平均为6.8篇/a；2005～2013年为缓慢增长阶段，该阶段数量较之前有了较大的增加，平均为26.0篇/a；2014～2021年则为快速增长阶段，平均发文量达到136.4篇/a。CNKI中检索的中文文献数量显示，中文研究成果可细分为2001～2006年和2007～2021年两个阶段。其中，2001～2006年为平稳阶段，该阶段中文文献成果不多，平均为18.7篇/a；2007～2021年为缓慢增长阶段，平均为31.0篇/a。对比可知，外文和中文文献发文数量以2013年为转折点，出现了明显的增长差异。究其原因，在全球极端天气增多、暴雨洪涝灾害事件频发背景下，国外洪涝灾害遥感监测与评估研究十分活跃，越来越多的研究机构参与到相关研究中。另一方面，外文数量的急剧增加也与国内研究学者将研究成果发表在外文期刊密切相关。从WOS中不同国籍作者发文量（见图1（b））可知，2013年以后中国学者在外文期刊发表的论文数量持续增加，且在2018年以后外文期刊所发表论文量已超过在中文期刊所发表论文量。

2.2 主要发文国家（地区）及研究机构

对洪涝灾害遥感监测评估研究文献发表的主要国家和地区进行分析。采用中心性表示该国家（地区）在网络中的重要性，节点越大表示该国家（地区）发文数量越多。两个节点间的连线表示两者之间存在合作关系，连线越粗，代表国家（地区）之间合作关系越强。圆环的颜色代表相应的发表时间；边缘呈紫色的节点代表其具有较高的中心性，紫色圆环越厚，代表其在最新的研究中所处的中心性越高［12-13］。图2和图3分别给出了在外文文献（1 326篇）发文量前10的国家和地区关系图。从图2～3中可知：中国（235篇，以第一作者国籍统计）、美国（221篇）和印度（116篇）为发文量前3的3个国家，分别占总发文量的17.72%，16.67%和8.75%，其他国家和地区的发文量均少于100篇。从中心性排名来看，美国以0.50的中心度排第一，其次是中国0.16。综合年发文量数据，中国学者在洪涝灾害遥感监测评估领域積极性高且发文量多，但影响力较美国存在一定差距。

此外，从论文通讯作者与论文其他作者的国家地区关系可以看出相关研究的国际合作关系。以MCP（Multiple Country Publications）代表与其他国家作者合著论文数量，SCP（Single Country Publications）代表同国籍作者合著论文数量，MCP_Ratio（MCP/Articles）代表国际合作比率。如表1所列，通讯作者来源于中国的文献有248篇，其中论文其他作者也来源于中国的有169篇（SCP），其他作者来源于其他国家和地区的有79篇（MCP），在这些国际合作的79篇论文中，中国与美国合作达36篇，中美在该领域的合作最为密切。从国际合作比率来看，中国国际合作的比率大概为31.9%，仅低于澳大利亚、日本及西班牙，但高于发文量较大的美国和印度，表明中国学者在洪涝灾害遥感监测评估领域的学术交流方面十分活跃，但整体上国际合作比例还有提升空间。

表2给出了开展洪涝灾害遥感监测评估研究的前10位研究机构，统计结果显示发文量最大的研究机构是中国科学院（54篇），其次是武汉大学（28篇）以及越南都柏林大学（23篇），紧随其后的有意大利国家研究委员会（20篇）等科研机构。从研究机构的共现性及中心性关系图看（见图4），中国科学院、北京师范大学和意大利国家研究委员会的中心性较高，是洪涝灾害遥感监测评估领域中的主要以及关键研究机构。从研究起始年份来看，意大利国家研究委员会、中国科学院、武汉大学等在洪涝灾害遥感监测评估领域具有较长的研究历史，而越南孙德胜大学和都柏林大学等则是最近几年在该研究领域比较活跃的新兴研究机构。

2.3 主要发文期刊

对洪涝灾害遥感监测评估研究领域论文所发表的期刊统计结果如表3所列，外文期刊中发文量前三位的期刊中Natural Hazards发文量最多，为144篇，占总数的10.86%，其次是Remote Sensing和Water。中文期刊中，《自然灾害学报》《灾害学》和《人民长江》是当前发表关于洪涝灾害遥感监测评估研究中文论文的前三位期刊。从发文期刊来看，该领域的文章多发表在与灾害内容相关的期刊，其次是与水利内容相关的期刊。同时与遥感、测绘内容相关的Remote Sensing和《测绘科学》等期刊在该研究领域的相关发文量在逐年增加。

表4给出了外文期刊中被引次数最多的10篇文章，从中可以看出，截至2021年，马来西亚的研究者Tehrany于2014年在Journal of Hydrology发表的“Flood susceptibility mapping using a novel ensemble weights-of-evidence and support vector machine models in GIS”总被引为674次，排名第一，同时该研究者2013年在同一期刊上发表的“Spatial prediction of flood susceptible areas using rule based decision tree （DT）and a novel ensemble bivariate and multivariate statistical models in GIS”引用次数也达到594次，是目前该研究领域最高被引学者。其次，德国、意大利、美国、土耳其、瑞士以及伊朗等国学者分别占据着单篇文献被引次数的前10位。对中文期刊被引前10的文献统计显示，来自东北师范大学的张会等人在2005年发表在《自然灾害学报》上的《基于GIS技术的洪涝灾害风险评估与区划研究——以辽河中下游地区为例》总被引304次，排名第一，其次是来自于中国水利水电科学研究院的丁志雄以及北京师范大学雷添杰等的论文占据被引用的前三位（见表5）。从高被引论文题目来看，发表时间较早的论文主要集中在探讨GIS及遥感技术在洪涝灾害风险评估及风险区划等方面的研究，后期机器学习算法、多源遥感数据源相关的论文数量逐渐增加。

2.4 洪涝灾害遥感监测评估研究热点及趋势

文献关键词是作者对于文章内容的高度浓缩和概括，通常反映了该文献的主要研究内容及主题［14］。因此，可以通过获取一段时间内有相互联系、数据较丰富的文献关键词，采用关键词热点分析发现洪涝灾害遥感监测评估领域的研究热点。在本研究中，对研究热点设定时间跨度为2001年1月至2021年12月，时间切片为1 a，采用LLR对数似然算法（Log-Likelihood Ratio algorithm）获取关键词网络聚类结构。表6和图5分别给出了中外文文献中出现的主要高频关键词以及关键词共现网络。结果显示，中外文文献中前10位的高频关键词中“风险”“遥感”“GIS”“灾害”等由于文献检索内容设定，均表现了较强的中心性。但其他高频关键词中“Model”“Climate change”“Impact”以及“Vulnerability”等关键词占外文文献的主导部分，显示国外研究者的研究热点除了关注遥感与GIS在灾害风险方面的研究，也更多关注洪涝灾害模型、气候变化对洪涝灾害的影响以及脆弱性评价等方面。中文期刊高频关键词显示国内学者研究热点除了遥感与GIS技术在洪涝灾害实时监测方面的应用外，重点关注风险区划、风险及损失评估等方面。整体上国外的研究热点比国内更加丰富，且更具交叉性，这在图5关键词共现网络中的表现为外文成果的网络密度值（D=0.012 5）要比中文成果的网络密度值（D=0.005 7）更高。

除了高频统计外，关键词中出现的突变词可以用来显示相对较短时间内的成果中频率较高或使用频率较高的词汇，根据突变词随时间的变化，可以用来判断研究前沿热点变化趋势［15-16］。由于本研究外文期刊占比近70%，因此通过对外文期刊突变词的时序变化进行研究热点趋势变化分析。图6显示，突变词“GIS”“遥感（Remote sensing）”以及“洪水（Flood）”相关的文献占据发文量的前三。与“GIS”相关的论文发表年份中位数（2017年）早于“遥感”（2019年），这与前面高被引论文研究主题变化相一致。从突变词持续时间看，“土地利用（Land use）”“水体淹没区制图（Inundation maps）”以及“洪水管理（Flood management）”基本持续了10 a以上时间。到目前为止，与洪涝灾害密切相关的土地利用、水体淹没制图研究仍较活跃［17-18］，这表明在全球气候变化的背景下，洪涝灾害遥感监测评估研究中地表分类、水体提取、动态监测、风险评估仍是国内外研究者重点研究内容。除此之外，从图上部分最近年份的突变词可以看出，“哨兵一号（Sentinel-1）”“機器学习（Machine Learning）”“承洪韧性（Resilience）”“城市洪涝（Urban flood）”以及“深度学习（Deep Learning）”已成为当前洪涝灾害遥感监测评估领域新的研究热点。

从高频关键词与突变词的变化可知，当前洪涝灾害遥感监测评估领域的研究热点及趋势主要集中在以下几个方面：

（1） 数据与算法模型。从突变词可见RadarSat、Terrasar-X、Sentinel-1以及MODIS等数据都是当前洪涝灾害遥感监测的常用数据源，其中前3个均是雷达数据，可见对于洪涝灾害实时监测而言，能够穿云透雨的微波波段可避免云污染，在洪涝灾害发生时能及时有效获取洪水变化信息而得到研究者们的优先采用［19-21］。因此对雷达数据处理与分析［21］、雷达信号水体信息提取［22］以及提高数据精度［19］的研究，将对洪涝灾害遥感监测与评估产生重要影响。MODIS作为所采用的数据中出现的光学卫星，主要由于其具有快速的重返周期以及能够提供丰富且长时序的光学信息，可在灾前土地利用、长时序水体变化［23］以及灾后评估与恢复评价［24］中产生重要作用。在算法模型方面除了较简单的阈值法、谱间分析法和多波段运算法［25］，对多特征及非线性问题具有绝对优势的机器学习和深度学习算法正成为当前洪涝灾害遥感监测水体识别［26-27］、土地利用分类［28］以及灾害评估［29］研究的热点。

（2） 洪涝灾害风险评估。遥感监测获取的淹没范围、淹没历史、承灾体数量等灾情信息是后续利用GIS空间分析开展洪涝灾害空间分布规律和洪涝灾害风险分析的基础［30］。对洪涝灾害风险评估而言，构建决策支持系统对开展洪涝灾害风险评估具有重要作用［31］，多数研究主要从致灾因子、孕灾环境以及承灾体等3个方面开展“危险性（Hazard）”“脆弱性（Vulnerability）”以及“韧性（Resilience）”分析［32-33］。其中，韧性是适应能力的表现，是减少脆弱性的途径［34］。当前，随着可持续发展观念的深入，对洪涝灾害承洪韧性分析正成为洪涝灾害风险评估的研究热点［35-36］，大量研究也正致力于综合运用数理统计理论、随机统计理论、模糊理论、灰色理论等［37-39］对洪涝灾害风险进行度量分析。

（3） 城市及典型区域洪涝监测。随着城市经济的快速发展，城市洪涝目前正成为洪涝灾害遥感监测与评估的主要研究对象，城市内涝识别［40］、城市承洪韧性［41］、城市洪涝损失评估［42-43］成为当前新的研究热点主题。另一方面，不同国家和地区由于生态环境及灾害特征规律等不同，在洪涝灾害研究重点方面存在差异。从已有文献来看，洪涝灾害遥感监测评估的研究区域主要集中在西欧、南亚和美国。其中，马来西亚作为受洪涝灾害影响较严重的国家，是出现在突变词中唯一的地区词，其研究主要关注洪涝灾害引发的环境、社会等基本问题［37，44］；欧美等学术前沿国家的地区，在研究洪涝灾害问题上更多将研究重点集中在如何提高人居水平、城市韧性等主题［45］。除此之外，受全球气候变化以及海平面上升导致沿海国家及城市也正成为洪涝灾害遥感监测评估重点研究区域之一［46-47］。

3 结论与展望

本文采用文献计量分析方法对2001～2021年CNKI和WOS核心集数据库中的洪涝灾害遥感监测评估领域1 901篇中外文期刊文献，从研究成果数量变化、主要发文国家（地区）及核心研究机构、热点期刊与论文及关键词研究热点与变化趋势等几个方面进行了总结分析，主要结论如下：

（1） 中外文文献数量均呈增加趋势，随着国内科研水平提高，国内学者发表在外文期刊的文献数量大幅提升；

（2） 中国在洪涝灾害遥感监测评估领域发文量居全球首位，国际合作处于较高水平，但国际影响力还有待进一步提升；

（3） 欧美及南亚等国家和地区学者的研究成果得到较高关注，高被引论文主题前期以风险分析与评估为主，后期逐渐增加机器学习、多源遥感数据应用主题；

（4） 国外研究热点主题较国内更加丰富，地表分类、水体提取、动态监测、风险评估仍是洪涝灾害遥感监测评估国内外研究者重点研究内容，城市洪涝、承洪韧性、机器学习等正成为该领域新的研究热点。

随着地球大数据、人工智能、云计算等新技术在遥感数据处理方面的应用，未来遥感技术在洪涝灾害全天候、全天时、大范围监测与评估方面将会发挥越来越重要的作用。随着越来越多的卫星发射升空，将提供多层次、多角度、全方位和全天候的多模态卫星观测数据，进而大幅提升洪涝灾害遥感实时监测能力。如，基于Sentinel-1双星座可以实现部分地区6 d重复观测，而吉林一号卫星星座利用多卫星组网观测可实现全球任意地点每天20次以上重返，大大提高了遥感技术在洪涝监测方面的实时性。未来多平台、多传感器、多时相、多光谱以及多空间分辨率的遥感数据融合与复合应用，也将大幅提升洪涝灾害遥感监测数据全覆盖，洪涝遥感监测也将从应急监测逐步提升到全天候、全天时监测。当然，随着海量复杂和非结构化的地球大数据增加，基于云计算（如：GEE、AI Earth、PIE-Engine等）为主导的机器学习与深度学习以及多源数据融合和重建技术发展，将对多源遥感数据处理与洪涝灾害识别带来新机遇，让更高精度、更高时效、更长期的大范围洪涝灾害监测成为可能。

参考文献：

［1］ 张继权，李宁.主要气象灾害风险评价与管理的数量化方法及其应用［M］.北京：北京师范大学出版社，2007.

［2］ 曹玮.洪涝灾害的经济影响与防灾减灾能力评估研究［D］.长沙：湖南大学，2013.

［3］ 国家防汛抗旱总指挥部，中华人民共和国水利部.2010年中国水旱灾旱公报［J］.中华人民共和国水利部公报，2011（4）：8-23.

［4］ 国务院灾害调查组.河南郑州“7·20”特大暴雨灾害调查报告［R］.北京：国务院灾害调查组，2022.

［5］ 周成虎.洪涝灾害遥感监测研究［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，陈世超，王林丽，等.基于 CiteSpace 的教育大数据研究热点与趋势分析［J］.现代教育技术，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］ 陈悦，陈超美，刘则渊，等.CiteSpace 知识图谱的方法论功能［J］.科学学研究，2015，33（2）：242-253.

［10］ 沈艳红，张娣.文献计量分析中的数据准备工作研究［J］.图书馆建设，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］ 陈必坤.学科知识可视化分析研究［D］.武汉：武汉大学，2014.

［13］ 林德明，陈超美，刘则渊.共被引网络中介中心性的 Zipf-Pareto 分布研究［J］.情报学报，2011，30（1）：76-82.

［14］ 冯佳，王克非，刘霞.近二十年国际翻译学研究动态的科学知识图谱分析［J］.外语电化教学，2014（155）：11-20.

［15］ 孫雨生，仇蓉蓉，邓兴.国内知识图谱研究进展：基于 CiteSpace Ⅱ 的分析［J］.现代情报，2014，34（1）：84-88.

［16］ 李杰，陈超美.CiteSpace 科技文本挖掘及可视化［M］.北京：北京首都经济贸易大学出版社，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，王福涛，等.基于 Sentinel-1 SAR 数据洪水淹没提取方法研究［J］.灾害学，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，陈博伟，等.基于卫星遥感的水体信息提取研究进展与展望［J］.清华大学学报（自然科学版），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］ 孙绍骋.遥感技术在洪涝灾害防治体系建设中的应用［J］.地理科学进展，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，董铭，刘维明等.基于GIS的岷江流域洪灾动态风险性评价研究［J］.人民长江，2022，53（5）：20-27.

［40］ 黄华兵，王先伟，柳林.城市暴雨内涝综述：特征、机理、数据与方法［J］.地理科学进展，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］ 高凯，杨志勇，高希超，等.城市洪涝损失评估方法综述［J］.水利水电技术（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］ 林志东，陈兴伟，林木生，等.东南沿海西溪流域暴雨洪水的时空变化特征［J］.山地学报，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.

（编辑：谢玲娴）

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