洪涝灾害危险性大、破坏力强,还会造成巨大的经济社会损失,因此针对洪涝灾害的防灾减灾具有重要的社会意义。GIS（Geographic Information System）和RS（Remote Sensing）技术成为洪涝灾害监测与预报的主要手段。合成孔径雷达由于全天时全天候、不受云雨影响的特点,成为洪涝监测的首选数据,光学影像由于波段信息丰富可以实现高精度地物目标识别。然而,当前基于Sentinel-1雷达影像洪涝监测的散射先验知识有限,且洪涝灾害监测方法存在局限性。本研究以山东省寿光市口子村为例,以Sentinel-1雷达影像为主要数据,Sentinel-2光学影像为辅助数据,围绕C波段洪涝监测散射特征、洪涝灾害遥感监测提取方法、洪涝积水模拟和风险评估三个关键问题进行研究。主要研究工作和成果如下:（1）揭示了Sentinel-1雷达影像洪涝监测散射特征和变化规律。研究得到地物散射系数月度变化规律、极化和轨道两个系统参数对地物散射系数的影响。利用GIS和水文分析法模拟地表积水深度,得到地物在不同积水状态下的地物散射系数的变化趋势及呈现的散射状态。得到五个地物基于Sentinel-1影像洪涝提取规则,定量评价了散射系数月度变化和轨道对洪涝提取结果的影响,为选择灾前参考图像提供依据,为基于Sentinel-1数据的洪涝灾害面积提取和程度评估奠定了基础。（2）提出了以图像融合和监督分类为核心的洪涝灾害监测方法,实现洪涝淹没范围提取与积水程度评估。建立了Sentinel-1雷达和光学图像融合模型,将Sentinel-1影像和融合后的产品作为分类特征,从不同角度传递并加强原始地物散射信息,融合图像分类精度较SAR图像分类提高16.15%。利用图像融合监督分类的洪涝灾害监测方法（FMIFSC法）获得灾害前后地物散射特征分类变化,确定淹没范围和程度,避免了阈值法主观且无法覆盖全部地类的缺陷,弥补了传统遥感洪涝监测无法实现淹没程度预估的不足。FMIFSC法的提取结果与其他常用方法比,在完全淹没区识别精度分别提高26.98%和5.20%,在植被部分淹没区的面积提取和积水程度预估方面精度提升5.02%和24.09%。（3）提出了一种基于数据驱动和Bagging集成的洪涝灾情模拟方法,给出了详细的因子设计方案。从前期降雨、降雨程度、降雨进程三个维度进行降雨因子优化,优化的降雨因子方案对各淹没类别的预测率提升3.00%。针对降雨样本有限的问题,选择以决策树为基学习器的Bagging集成算法,提高模型泛化能力,抑制噪声影响,经试验对比,该算法模型性能稳定,预测精度提升。利用洪涝灾害模拟模型完成两场历史降雨灾情模拟及设定暴雨场景的灾情预测,模型预测精度达79.89%。基于信息增益理论进行洪涝成因分析,研究发现降雨总量是导致洪水产生的最关键因子,植被指数低、靠近河流的地方容易发生洪涝。根据洪涝灾情模拟和成因分析结果,完成设计降雨洪涝风险评估,结果表明:各降雨情景下,研究区中风险区面积占比均最高,其次为低风险区。较高和高风险区空间分布相近,主要分布在河道沿岸的农田及小部分道路。