1.一种基于多模态遥感洪涝灾害受灾程度快速评估方法，其特征在于，包括：获取目标洪涝灾害区域的多源遥感数据；将所述多源遥感数据进行处理后输入预设的洪涝灾害淹没区模型中，提取淹没区，其中，所述洪涝灾害淹没区模型通过采用EfficientNet-Lite4网络改进DeeplabV3+网络构建，并通过历史洪涝灾害发生前后的雷达和光学遥感数据进行训练获得；计算所述淹没区内的夜间灯光遥感特征指数，结合所述多源遥感数据输入预设的洪涝灾害强度模型中，输出洪涝灾害受损程度预测值，并基于所述洪涝灾害受损程度预测值确定受灾等级，完成所述目标洪涝灾害区域的受灾程度评估，其中，所述洪涝灾害强度模型通过引入残差连接和自适应矩估计改进全连接神经网络构建，并通过历史洪涝灾害发生前后的夜间灯光遥感数据进行训练获得。
2.根据权利要求1所述的基于多模态遥感洪涝灾害受灾程度快速评估方法，其特征在于，通过历史洪涝灾害发生前后的雷达和光学遥感数据训练所述洪涝灾害淹没区模型，以及通过历史洪涝灾害发生前后的夜间灯光遥感数据训练所述洪涝灾害强度模型前，还包括对所述历史洪涝灾害发生前后的雷达和光学遥感数据、夜间灯光遥感数据进行预处理，进行所述预处理包括：对历史洪涝灾害发生前后的雷达和光学遥感数据进行几何校正和重采样，以及地理坐标系统一和特征提取，并标注淹没区和非淹没区，构建第一训练集；对历史洪涝灾害发生前后的夜间灯光遥感数据进行几何纠正、去噪、图像配准、重采样，以及地理坐标系统一，并标注受灾程度，构建第二训练集。
3.根据权利要求1所述的基于多模态遥感洪涝灾害受灾程度快速评估方法，其特征在于，通过采用EfficientNet-Lite4网络改进DeeplabV3+网络构建所述洪涝灾害淹没区模型包括：在所述DeeplabV3+网络的编码区选择EfficientNet-Lite4网络对输入进行轻量化提取，其中，所述洪涝灾害淹没区模型包括：编码单元，用于采用EfficientNet-Lite4网络，通过复合缩放的MBConv模块提取多尺度特征；特征处理单元，用于采用不同空洞率的卷积层和全局平均池化的并行分支操作对所述多尺度特征进行处理后再进行融合；解码单元，用于通过融合低层细节特征和高层语义特征提取淹没区。
4.根据权利要求3所述的基于多模态遥感洪涝灾害受灾程度快速评估方法，其特征在于，所述解码单元通过融合低层细节特征和高层语义特征提取淹没区包括：从所述EfficientNet-Lite4网络的中间层block3提取低层特征，并进行通道压缩，获取低层细节特征；将所述低层细节特征与所述特征处理单元输出的特征进行拼接与细化，输出分类，并根据预设的分类阈值提取所述淹没区。
5.根据权利要求1所述的基于多模态遥感洪涝灾害受灾程度快速评估方法，其特征在于，计算所述淹没区内的夜间灯光遥感特征指数包括：平均灯光强度、灯光面积比、线性加权综合灯光指数、总灯光强度、灯光连通指标和综合灯光指数。
6.根据权利要求1所述的基于多模态遥感洪涝灾害受灾程度快速评估方法，其特征在于，通过引入残差连接和自适应矩估计改进全连接神经网络构建所述洪涝灾害强度模型包括：在全连接神经网络的隐藏层引入残差连接，并在训练过程中，采用自适应矩估计优化器更新权重参数，同时在损失函数中添加L2正则化项，构建所述洪涝灾害强度模型。
7.根据权利要求6所述的基于多模态遥感洪涝灾害受灾程度快速评估方法，其特征在于，引入所述残差连接后隐藏层输出为：h l ＝σ(W l (h l-1 +Res(h l-2 ))+b l ),L≥l≥1；其中，h l 为l层输出，σ为激活函数，W l 为权重矩阵，h l-1 为l-1层输出，h l-2 为l-2层输出，Res()为残差连接，b l 为偏置向量，L为总层数。
8.根据权利要求1-7任一项所述的基于多模态遥感洪涝灾害受灾程度快速评估方法，其特征在于，所述方法还包括：构建洪涝应急多目标决策模型，将所述受灾等级输入所述洪涝应急多目标决策模型中，获取救援优先级，其中，所述洪涝应急多目标决策模型为：α+β+γ+δ＝1；其中，RP i 是第i像素救援优先级，D i 是受灾等级，P i 是人口密度，R i 是到达响应时间，H i 是淹没水位，α,β,γ,δ是权重系数。
