Ταχεία Χαρτογράφηση Πλημμυρών και Αξιολόγηση με Επιβλεπόμενη Ταξινόμηση και Ανίχνευση Μεταβολών...
Από RemoteSensing Wiki
Ταχεία Χαρτογράφηση Πλημμυρών και Αξιολόγηση με Επιβλεπόμενη Ταξινόμηση και Ανίχνευση Μεταβολών στη Shouguang με την Χρήση Οπτικών Δεδομένων του Sentinel-1 SAR και Sentinel-2
Πρωτότυπος τίτλος: Rapid Flood Mapping and Evaluation with a Supervised Classifier and Change Detection in Shouguang Using Sentinel-1 SAR and Sentinel-2 Optical Data
Συγγραφείς: Minmin Huang, Shuanggen Jin
Δημοσιεύθηκε: Remote Sensing MDPI
Σύνδεσμος πρωτότυπου κειμένου: [1]
Εισαγωγή
Οι πλημμύρες είναι συχνά και καταστροφικά φυσικά φαινόμενα. Η δορυφορική τηλεπισκόπηση παίζει σημαντικό ρόλο στην παρακολούθηση και διαχείρισή τους. Αν και οι οπτικοί δέκτες δίνουν αρκετές πληροφορίες με τα φασματικά τους κανάλια, τα ραντάρ μπορούν να ανιχνεύουν ακόμα και με κακές καιρικές συνθήκες. Παρόλο που έχουν γίνει πολλές προσπάθειες χαρτογράφησης των πλημμυρών με εικόνες από ραντάρ συνθετικής απεικόνισης, η διαδικασία με αντίστοιχες εικόνες από τον Sentinel-1 είναι δύσκολο να πραγματοποιηθεί. Στην παρούσα μελέτη εξετάζεται η περίπτωση εφαρμογής επιβλεπόμενης ταξινόμησης με τον ίδιο κανόνα σε εικόνες από τον Sentinel-1, πριν και μετά της πλημμύρας, με τη βοήθεια οπτικών εικόνων από τον Sentinel-2, ώστε να βελτιωθεί η ακρίβεια της ταξινόμησης των καλύψεων γης. Προκειμένου η μέθοδος να συγκριθεί με τις κλασικές προσεγγίσεις, χρησιμοποιήθηκαν οι μέθοδοι Otsu Thresholding και ο δείκτης NDWI.
Μεθοδολογία
Η περιοχή μελέτης ήταν η πόλη Shouguang στην Κίνα, όπου έχουν παρατηρηθεί πολλές καλοκαιρινές πλημμύρες τα τελευταία χρόνια. Το 2018, η πόλη χτυπήθηκε από τον τυφώνα Rumbia, όπου παρατηρήθηκαν εκτεταμένες καταστροφές. Η περίπτωση μελέτης είναι το χωριό Kouzi. Ανάλογα με τα δομικά στοιχεία της περιοχή, μπορεί να γίνει η ταξινόμηση στις εξής πέντε κατηγορίες: υδάτινα σώματα, κτίρια, αγροκτήματα με πλαστικές κατασκευές και αγροκτήματα χωρίς πλαστικές κατασκευές. Λήφθηκαν δορυφορικές εικόνες τις κατάλληλες ημερομηνίες από τον Sentinel-1 ώστε να πληρούνται τα κριτήρια για την ταχεία χαρτογράφηση, αλλά και από τον Sentinel-2, που διαθέτει και υπερφασματικούς δέκτες υψηλής ανάλυσης, με συνολικά 12 φασματικά κανάλια. Λήφθηκαν δορυφορικές εικόνες και από την ομάδα δορυφόρων Planet, για την ανάλυση των πλημμυρισμένων περιοχών και τον υπολογισμό του NDWI. Τα επόμενα βήματα της μεθοδολογίας αφορούν την πραγματοποίηση επιβλεπόμενης ταξινόμησης (normal optical) και το συνδυασμό των εικόνων πριν τις πλημμύρες και μετά, με τις αντίστοιχες επιβλεπόμενες ταξινομήσεις, ώστε να γίνει μία επιβλεπόμενη ταξινόμηση για την οπισθοσκέδασης. Στην επιβλεπόμενη ταξινόμηση προ των πλημμυρών υπολογίζεται ο μέσος συντελεστής οπισθοσκέδασης για κάθε κλάση και κατατάσσονται κατά αύξουσα σειρά. Ο αριθμός της κάθε κλάσης είναι η νιοστή δύναμη του δύο (2) και οι δύο ταξινομήσεις οπισθοσκέδασης επισημαίνονται με έναν αριθμό, ανάλογα με την κατάταξή τους, συναρτήσει των κλάσεων. Στη συνέχεια, ανιχνεύονται οι διαφορές στις δύο ταξινομήσεις οπισθοσκέδασης με την pixel-based method και εν τέλει καθορίζεται η έκταση της πλημμύρας με βάση την κατάταξη των μέσων συντελεστών οπισθοσκέδασης. Για την μείωση του θορύβου των εικόνων και την καλύτερη ανίχνευση των μεταβολών, η επεξεργασία των εικόνων γίνεται στο κανάλι της ακτινοβολίας Γάμμα (Gamma). Ο δείκτης προκύπτει ως εξής: S_Gamma = √(100×Gamma) . Επιπλέον, για την κατάρτιση του μοντέλου χρησιμοποιήθηκε η Random Forest Classification. Ανάλογα με το αν μια περιοχή έχει πληγεί από την πλημμύρα, οι συντελεστές οπισθοσκέδασης έχουν διαφορετικές τιμές. Η τιμή μειώνεται απότομα, όταν μία περιοχή πλημμυρίζει. Από το pixel-based method προέκυψαν πέντε κατηγοριοποιήσεις των πλημμυρών. Τέλος, δημιουργήθηκαν δύο πλημμυρικοί χάρτες, ένας με Otsu Thresholing και ένας με τον υπολογισμό του NDWI.
Συμπεράσματα
Σύμφωνα με την αξιολόγηση του Random Forest Classification, η ακρίβεια των αποτελεσμάτων αγγίζει το 80,95%, με τον kappa index να φτάνει το 74,1%. Τα αποτελέσματα αξιολογήθηκαν και από εικόνες του Planet. Επίσης, η τελική αξιολόγηση της ταχείας χαρτογράφησης για τις ημέρες των πλημμυρών έδειξε 85,22% ακρίβεια στην πιο βροχερή μέρα της πλημμύρας και 95,45% στο τέλος αντίστοιχα. Η επεξεργασία των δεδομένων είναι μία απλή διαδικασία, επομένως μπορεί να πραγματοποιηθεί εύκολα σε καταστάσεις έκτακτης ανάγκης. Τέλος, με την μέθοδο της μελέτης υπολογίζονται ταχέως η πλημμυρισμένη έκταση και η ένταση του φαινομένου, το οποίο δεν ισχύει για τις μεθόδους Otsu Thresholing και NDWI. Οι πλήρως πλημμυρισμένες περιοχές μπορούν να αξιολογηθούν και με τις τρεις μεθόδους.
