受极端天气影响,世界各地洪涝灾害数量正在逐年攀升。洪水作为近20年来发生频率最高的一种灾害类型,对人类的生命与财产安全造成了极大的威胁。因此,洪水的预警与监测成为全世界范围内亟需解决的难题之一。随着多源遥感卫星的成功发射升空,利用遥感技术进行大范围洪水监测成为研究热门。其中合成孔径雷达（SAR）因其昼夜工作且不受天气影响的特点,成为当前洪水监测数据的首选。本文针对大范围洪水制图的需求,基于Sentinel-1A、GF-3卫星影像开展洪水淹没范围与深度提取方法与应用研究。主要的研究内容与成果如下所示:（1）开展基于SAR影像的快速洪水淹没范围提取方法研究针对阈值分割算法中的最优阈值提取问题,本文基于贪婪算法的思想提出一种半自动阈值分割算法。该算法能够在不同地形特征区域、不同传感器的SAR影像中实现阈值的快速提取。与经典的阈值分割算法相比,该方法在精度和适用范围上具有明显优势。然而,单一阈值分割往往容易将道路、机场等低后向散射地物误分为“水体”,从而造成一部分的过检测现象。为了提高算法对低后向散射地物的识别能力,本文将半自动阈值分割与变化检测进行结合,提出一种快速洪水范围提取框架。利用半自动阈值分割算法提取图像中“低后向散射特性”区域,同时利用变化检测提取“高差异性”区域。在两种特性的互相约束下,获取最终的洪水淹没范围。该方法不需要地面详细辅助数据的参与、无需进行参数设置,就可以实现大规模洪水范围信息的精确提取。通过与常用的水体提取算法的对比,证明了该洪水范围提取框架在提取精度、计算时间与实用性上的优势。（2）开展基于HAND的快速洪水深度提取方法研究当前基于SAR影像的洪水深度提取算法虽然能对洪水淹没信息进行精确提取,但是算法对地面数据的依赖性以及原理的复杂性、计算效率等因素,导致其无法适用于大规模洪水监测。针对当前大范围洪水深度信息提取的需求,本文在快速洪水范围提取方法的基础上,提出一种基于最近邻排水网络相对高度（HAND）的洪水深度提取方法。该方法利用HAND对地形进行归一化,进而建立图像中不同区域与相邻的河流、湖泊之间的水文关联。并将HAND预测洪水范围结果与本文所提出的快速洪水范围提取方法检测到的洪泛区进行叠加分析,获取HAND最优分割阈值,进而获取洪泛区的水深结果。为验证算法的有效性,将其与HEC-RAS洪水淹没模型进行对比。结果显示,两者提取的水深变化趋势保持高度一致。在计算效率、提取精度、适用范围、数据依赖性以及操作难度等多方面因素的综合评估中,本文所提的方法显示出较大的优势。（3）开展洞庭湖洪水监测与长时间序列分析研究将本文提出的快速洪水范围与深度提取方法应用于洞庭湖洪水淹没实例中,对该区域进行长时间序列的洪水信息提取与分析。利用2015-2020年洞庭湖汛期的Sentinel-1A卫星影像以及地面辅助数据集,对历年来湖区洪水淹没信息进行提取。通过长时间序列洪水淹没结果的叠加分析,获取湖区洪水淹没变化规律以及不同区域的淹没频率,为洪水灾害管理与风险评估提供可靠的参考数据。