1. 数据
数据获取（欧空局），下载地址：https://scihub.copernicus.eu/dhus/#/home
下载方法可参考如何下载sentinel-2数据并且做大气校正、打开图像
2019年7月20日有一幅覆盖范围合适的S1B_IW_GRDH，2020年7月20日分别为同一天顺轨的两幅S1A_IW_GRDH。
2. 数据预处理
Sentinel-1 A/B数据处理方法可参考：SNAP处理Sentinel-1 IW GRD数据
本次对数据数据分别执行轨道校正、热噪声去除、辐射定标、多视、相干斑滤波、地形校正、分贝化处理。
- 镶嵌
这里需要注意对于2020年7月20日顺轨相连（上下相邻）的两景S1A_IW_GRDH影像，推荐使用TOPSAR Slice Assembly操作来完成镶嵌，使用这种方式镶嵌时，需要在地形校正前，否则SNAP无法执行TOPSAR技术镶嵌。（实测SNAP7.0版本并没有修复此BUG）
- 裁剪
选择合适的范围，裁剪数据，这里需要注意分贝化前后的数据都裁剪，后续面向对象提取会用到分贝化前数据。
3. 数据分析
通过两期影像的对比，可以看到由于水位的上升，很多区域已经被洪水淹没。
江西鄱阳昌江问桂道圩溃口
溃口的google影像（2019）：
动态对比：
其他类似区域：
结合7月13日鄱阳湖单退圩堤首次大规模分洪的新闻，看到7月20日的明显变化
4. 水体提取
水体提取部分参考了基于Sentinel-1 A/B提取水体两种方法（阈值和面向对象）的试验——以洞庭湖为例
- 密度分割
VH模式下水体特征比较强，可在ENVI中打开分贝化处理后的Sigma0_VH_db，执行密度分割。
水体密度分割阈值通过ROI工具统计计算获得，本次计算21组感兴趣区域，得到2020年该区域水体密度分割阈值为-25，2019年该区域水体密度分割阈值为-22。
分割结果如下（红色为2020年，绿色为2019年）：
密度分割提取的结果叠加对比，可以看到江西鄱阳昌江问桂道圩溃口对比明显：
密度阈值提取法会产生很多细小的水体，下面测试面向对象的分割
- 面向对象分割
在进行面向对象分割前，先设置ENVI分块大小和缓存大小，这有助于大幅提高分割效率。
启动ENVI Classic，选择菜单 File > Preferences，打开 Miscellaneous 选项卡。
修改 Cache Size 和 Image Tile Size 参数。大小与内存有关，请参考下表进行设置。
设置完成后，点击多次OK和Yes按钮即可保存，重启ENVI Classic生效。
继续进行面向对象分割，首先构建多波段数据，采用未做分贝化VV VH和分贝化处理后的 VH进行波段组合，分贝化处理后的 VH作为第二个波段：
2019年波段合成结果：
2020年波段合成结果：
打开基于规则面向对象工作流程
阈值尺度选择了默认的50,0
新建规则，阈值分割区间选取的是分贝化后的VH模式，尺度与密度分割阈值相同：
2019年分割结果不如密度分割（主要因为没有进行多视处理）：
2020年数据因为做了完整的处理，分割结果较好：
通常这些分割的结果可以导出shp格式，在ArcGIS中进一步进行分割后处理，如去除孔洞，融合细小碎斑等。
本文借鉴了Remote Sensing_Dong的提取方法，以及超级禾欠水的影像处理方法。非常感谢。