洪涝灾害是最具有破坏性的自然灾害之一,洪涝事件的发生会对区域生态环境和社会发展造成严重损害。随着全球气候变化和人类活动的加强,洪涝灾害事件的影响变得愈加恶劣,对于社会经济发展的伤害更加深刻。为了实现对洪涝灾害事件的综合管理,需要全面、准确、及时地对洪水事件做出响应。洪涝灾害的评估工作,是防灾减灾的主要依据,对于灾前、灾中和灾后时间,实现对区域的洪涝灾害评估任务值得我们深入探讨。如何充分利用多源数据,对区域洪涝事件做到全面的评估,对区域洪涝风险性做到量化,对于灾情实现科学统计,提高对于洪涝事件评估的客观性,是本研究中的重点。本文以湖北省为研究区,该区域受地形地貌、气候气温和降雨因素,导致洪涝事件频发,对社会造成的危害极大,严重制约地区经济发展和市民生命财产安全。2020年夏季,我国南方发生洪涝事件,湖北省又深受其害。本文基于多源数据,从洪涝事件的各个时间点对研究区域进行洪涝评估,应用机器学习和深度学习的方法,完成评估任务,主要工作及创新如下:1、针对致灾风险评估模型建立,提出结合GIS技术和网络爬虫技术,基于气象栅格数据、地理信息数据、社会经济数据和医疗指标数据等数据,通过指标运算及数据预处理建立指标体系,然后利用主成分分析法（PCA）对各个指标进行确权,最终建立湖北省洪涝灾害风险评估模型,在县级尺度上实现对湖北省的洪涝灾害风险评估。2、在获取洪水淹没区时,提出一种基于哨兵一号雷达影像数据的洪涝灾害水淹范围提取算法流程。为了增强水体特征,将雷达影像通过哨兵一号水体指数法（SWI）进行水体信息增强处理。为了获取水体范围,采用大津阈值法（OTSU）对指数运算后的影像数据进行自动阈值选择,获取到灾前及灾后的水体信息数据,SWI-OTSU水体提取算法能够自动选择出使水体与背景差异最明显的阈值,自动化的阈值选择节省了时间成本,同时降低了人工选择阈值的误差干扰,使水体提取更为高效。最后,通过帧差法获取水体的变化区域,对变化结果图像进行去噪处理后,得到武汉市洪涝事件的水淹范围数据。3、在地物分类任务中,提出了一种基于多光谱遥感影像数据实现地物分类的深度学习算法。基于残差机制、密集连接机制和注意力机制,设计双分支轻量神经网络模型RDDA,实现对武汉市典型地物的识别分类。使用L8 SPARCS多光谱公开数据集和武汉市哨兵二号多光谱数据集,从算法运行的识别准确率及训练时间上进行实验,并与其它经典网络算法进行结果对比,最终得到本文提出的RDDA模型在多光谱遥感数据分类任务中有更好的表现。4、针对具体洪涝灾害事件,本文提出一种通过深度学习的方法实现洪涝事件损失统计的算法流程。在得到武汉市洪涝事件水淹范围和武汉市地物分类结果后,统一结果数据的空间分辨率并进行数据叠加,从而对水淹范围内的受灾地物类型进行统计,实现对灾情的损失评估。