1.一种基于视觉Transformer的洪涝灾害监测与灾情分析方法，其特征在于，包括步骤：

（1）构建双时相图像变化检测模型；所述双时相图像变化检测模型由CNN框架、语义标记器和Transformer模块组成，Transformer模块包括编码器和解码器；

（2）选取双时相遥感影像，制作洪涝灾害标签；

（3）根据步骤（1）构建的双时相图像变化检测模型，进行洪涝监测与灾情分析。

2.根据权利要求1所述的基于视觉Transformer的洪涝灾害监测与灾情分析方法，其特征在于，所述步骤（1）的实现过程如下：（11）语义特征提取

先采用CNN框架进行特征提取，获取双时相遥感影像中的变化水体特征 ；

然后用空间注意力机制  对变化水体特征 进行处理，得到双时相特征集 ：其中，i为遥感影像时相顺序， ；T为转置操作；

最后，将双时相特征集 输入到Transformer模块中；

（12）Transformer编码将步骤（11）中得到的双时相特征集 进行编码，以构建具有时空关系的丰富语义特征集 ；其中，注意力机制Attention 和softmax激活函数的关系为：其中，注意力机制是由Q、K、V三个控制特征权重的功能键组成；  为网络的层数，分别为学习参数，d为通道的尺寸；

（13）Transformer解码将步骤（12）编码得到的丰富语义特征集 ，在像素空间上通过解码器优化变化水体特征 ，以得到优化后的变化水体特征 ；然后通过浅层CNN计算特征差异图像，得到像素级的预测结果。

3.根据权利要求1所述的基于视觉Transformer的洪涝灾害监测与灾情分析方法，其特征在于，所述步骤（2）中，选取广空间范围、长时间尺度的双时相遥感影像对来制作泛化性强的洪涝灾害标签，实现步过程如下：（21）先对包含往年汛期前后的水体的双时相遥感影像对进行辐射定标、几何校正、对数转换的预处理工作；

（22）使用图片标记工具对双时相遥感影像进行标记；利用图片处理软件将汛期后较汛期前变化的水体部分和未变化的水体部分分别作区分标记，最终获得与原图同样大小的水体变化真值图；

（23）将完成标记的双时相遥感影像切割成可输入模型的样本集；对所述样本集进行筛选，将样本集中完全无水体变化的样本删除；将筛选后的样本集分为训练集、验证集和测试集。

4.根据权利要求1所述的基于视觉Transformer的洪涝灾害监测与灾情分析方法，其特征在于，所述步骤（3）中，根据步骤（2）中构建的洪涝灾害标签来训练双时相图像变化检测模型，通过不断调整模型参数，直至模型的损失曲线达到拟合并且数值逼近于0，同时识别遥感影像中洪涝淹没范围的精度达到95%以上。