洪水作为全球海岸带极具破坏力的自然灾害之一，其及时准确的测绘对灾害管理、损失评估及相关预报优化至关重要。近年来，Sentinel-1合成孔径雷达（SAR）影像，凭借其高分辨率、短重访周期和出色的云层穿透能力，已成为洪水监测的关键工具。现有的丰富的图像分类和识别技术促进了SAR数据在洪水测绘中的应用，但这些方法未充分挖掘Sentinel-1影像的时序潜力，加之庞大的数据处理负担也削弱了它们的效率和实用性。因此，本研究在Google Earth Engine（GEE）云平台上，提出了一种基于密集时序Sentinel-1影像的像素级洪水提取新方法。该方法通过从统计学角度分析像素级地物的在洪水和非洪水状态下的散射规律，能够不依赖手动阈值设置而实现研究区意外洪水自动快速识别。本研究以中国沿海两次重大台风洪水和全球三起近期洪水事件为案例，验证了该算法高精度的洪水提取能力和其极强的鲁棒性及在大尺度洪水监测中的潜力。重要的是，该算法能迅速处理GEE上海量的Sentinel-1影像并生成受影响区域的洪水范围，避免了繁琐耗时的数据下载与预处理步骤。该算法思路亦可应用于其他遥感影像和山火等意外灾害范围检测。

Google Earth Engine（GEE）,pixel-scale,Sentinel-1 time-series,flood extent,Flood disasters