项目简介

     近年来，城市洪水频发，给城市发展和居民生活带来了严重威胁。随着全球气候变化的加剧，对洪水监测和应对的需求愈发迫切。该项目旨在利用遥感多模态数据（如光学遥感、SAR和激光雷达等）结合先进的机器学习和深度学习技术，开发高效的城市内涝积水检测模型，从而提升往后暴雨期间内涝预警和应急响应效率。

  项目研究方向

     1)数据收集与处理：聚焦于多源遥感数据的获取与预处理，确保数据质量和准确性。

     2)算法研发与优化：探索并优化多模态融合技术和深度学习算法，以实现更精准的内涝积水检测。

     3)模型验证与应用：通过城市历史洪水事件的数据验证模型有效性，并研究其在实际监测中的应用场景。     

  实验条件与支持

      为了支持学生在该项目中的创新实践，实验室提供以下条件： 

     1)软硬件设备：配有高性能Linux工作站一台、各类遥感数据处理软件（如ENVI、ArcGIS、QGIS等），使学生能够处理和分析大规模数据。

     2)实验平台：开放的数据共享平台，学生可获取各类遥感数据集及实地调查数据，便于模型训练与测试。   

     通过这个项目，学生将深入掌握遥感技术、数据分析和算法设计，提升专业实践技能，为今后在环境监测、城市规划等领域的职业发展奠定坚实基础。这不仅是一个学术研究的机会，更是增强学生创新能力和团队合作精神的实践平台。

招募学生要求

   知识背景要求

   1)遥感与地理信息科学基础： 具备遥感原理、数据获取与应用的基础知识。  熟悉地理信息系统（GIS）基本概念与常用软件操作。

   2)计算机科学与编程基础： 熟悉编程语言（如Python、MATLAB、IDL），具备数据处理与分析能力。 

   技术能力要求

   1)数据处理能力： 能够使用遥感数据处理软件（如ENVI、ArcGIS、QGIS等）进行数据预处理、图像分类和空间分析。

   2)机器学习与深度学习技能： 掌握基本的机器学习算法及其应用（如决策树、支持向量机等）。 了解深度学习及其开发框架（如TensorFlow、PyTorch），对基于深度学习的图像识别和分析感兴趣。

   3)模型验证与评估能力： 理解模型性能评估指标，能够进行实验设计和结果分析。 能够独立撰写项目报告，清晰表达研究成果和技术细节。

   其他要求

   1)团队合作能力：能在多学科团队中有效沟通，协作完成任务。

   2)自我学习能力：具备主动探索与学习新知识的意愿，能够适应快速发展的技术领域。