Τηλεπισκόπηση πλημμυρών και περιοχών με πλημμύρες: μια επισκόπηση
Από RemoteSensing Wiki
Τηλεπισκόπηση πλημμυρών και περιοχών με πλημμύρες: μια επισκόπηση
Πρωτότυπος τίτλος: Remote Sensing of Floods and Flood-Prone Areas: An Overview
Συγγραφέας: Victor Klemas
Δημοσιεύθηκε: Journal of Coastal Research
Σύνδεσμος πρωτότυπου κειμένου: [1]
Εισαγωγή
Οι πλημμύρες έχουν τεράστιες καταστροφικές συνέπειες όσον αφορά την Αμερική. Οι πλημμύρες που προέρχονται από ποτάμια καθώς και οι κανονικές πλημμύρες προκαλούν πολλά προβλήματα αλλά το σημαντικότερο είναι ότι υπάρχουν πολλά ανθρώπινα θύματα, περισσότερα από άλλα καιρικά αίτια. Η Εθνική Μετεωρολογική Υπηρεσία (NWS) της Αμερικής χωρίζει τις πλημμύρες σε μικρές, μεσαίες και μεγάλες, αναλόγως με το πόσο σημαντικές θα είναι οι επιπτώσεις που επιφέρουν. Συνήθως οι μεγάλες πλημμύρες σχετίζονται με εκκενώσεις περιοχών. Οι σταθμοί παρακολούθησης πλημμύρας πολλές φορές δεν είναι σε θέση να παράγουν δεδομένα, διότι μπορούν να μετρήσουν το ύψος της βροχής, αλλά όχι την ένταση των φαινομένων και συνεπώς το μέγεθος της πλημμύρας. Επίσης, το κόστος συντήρησης τους είναι τεράστιο και πολλές φορές υπάρχουν κενά στις χρονοσειρές μετρήσεων πλημμυρών. Για το σκοπό αυτό, η τηλεπισκόπηση με αεροφωτογραφίες και δορυφορικές εικόνες τύπου LINAR, SAT και LANDSAT είναι απαραίτητες για την παρακολούθηση των πλημμυρών, όχι μόνο πριν τις πλημμύρες αλλά και κατά τη διάρκεια τους. Η πλημμύρα του Μισισιπή το 1993 καθώς και άλλες πλημμύρες ποταμών και παραποτάμων, που κόστισαν δισεκατομμύρια δολάρια, ανέδειξαν ακόμη περισσότερο την ανάγκη για την χρήση της τηλεπισκόπησης.
Μεθοδολογία
Για την αποτύπωση της πλημμύρας του Μισισιπή τραβήχτηκαν εικόνες πριν και κατά τη διάρκεια της πλημμύρας, όπως φαίνεται ξεκάθαρα και από την εικόνα 1.
Επίσης, για την καλύτερη αποτύπωση των εικόνων χρησιμοποιήθηκε η μέθοδος DEM διότι υπήρχε αδυναμία στην ανάκτηση πληροφοριών όταν υπήρχε πολύ πυκνή βλάστηση. Έτσι, ήταν δυνατή η ανίχνευση πλημμυρών σε δασικές εκτάσεις ή εκτάσεις οι οποίες είχαν μεγάλα ύψη δένδρων.
Ένας άλλος δείκτης ο οποίος βοήθησε να αυξηθεί σημαντικά η ακρίβεια των εικόνων ήταν ο DNDWI(Difference of Normalized Difference Water Indices)ο οποίος όταν χρησιμοποιήθηκε στις πλημμυρισμένες περιοχές το ποσοστό ακρίβειας έφτανε το 85,68% σε σχέση με τις μη πλημμυρισμένες περιοχές που ήταν στο 92%. Αυτή η διαφορά, οφείλεται στο γεγονός ότι απαιτούνται πρόσθετες μελέτες φασματικής συμπεριφοράς για να εξηγηθεί η σχέση μεταξύ της περιεκτικότητας σε νερό και της φασματικής απόκρισης της βλάστησης σε πλημμυρισμένες περιοχές.
Οι δείκτες SAR, καταγράφουν την ποσότητα ενέργειας που ανακλάται πάνω στην επιφάνεια. Χρησιμοποιούνται ευρέως, διότι μπορούν να παρέχουν πληροφορίες και μέσα από σύννεφα, παρακάμπτοντας πολλά εμπόδια και δίνουν αξιόπιστα αποτελέσματα. Το ASAR, το οποίο είναι το αναβαθμισμένο SAR, παρουσιάστηκε για να αξιολογήσει τις περιοχές που υπήρχαν πλημμύρες με ακρίβεια, δηλαδή την έκταση των πλημμυρών. Αυτό, μαζί με τον δείκτη ENVISAT/ASAR και τα πολυετή δεδομένα από LANDSAT έδωσαν ακρίβεια στην περιοχή που εμφανιζόντουσαν οι πλημμύρες κατά 92% και χρησιμοποιούσε ανάλυση με βάση τα αντικείμενα, ενώ το ENVISAT/ASAR από μόνο του έδωσε ακρίβεια περίπου 85%.
Οι αεροφωτογραφίες χρησιμοποιούνται για 60 χρόνια στην απεικόνιση ανάλυσης όσον αφορά τις πλημμύρες, και μαζί με την χρήση του GIS για την χρήση κάλυψης γης, είναι ικανά να μας δώσουν σε πολύ σύντομο χρονικό διάστημα αναλύσεις οι οποίες βοηθούν στην αποφυγή εκτεταμένων ζημιών. Για την ανάλυση χρησιμοποιούνται τόσο εικόνες από μεσαία ανάλυση (20-250μ) όσο και υψηλής ανάλυσης (0,5-4μ). Η μεσαία ανάλυση χρησιμοποιείται για πλημμύρες π.χ. σε υγροτόπους μεγάλων περιοχών και γίνεται με αυτές εκτίμηση ζημιών, όπως φαίνεται και στην εικόνα 2.
Για να χαρτογραφηθεί η πλημμύρα από τον τυφώνα Κατρίνα, χρησιμοποιήθηκε μία προσέγγιση πολλαπλών βάσεων δεδομένων, τόσο με τη χρήση διάφορων εικόνων όσο και με την χρήση SAR από LANDSAT, διότι όπως προαναφέρθηκε ο SAT είναι ικανός να παράγει δεδομένα και μέσα από σύννεφα. Στην εκτίμηση ζημιών από υψηλή ανάλυση, χρησιμοποιείται για να εκτιμηθούν ζημιές σε σπίτια, δρόμοι και άλλα. Καθώς η στάθμη της θάλασσας ανεβαίνει και ο πληθυσμός σε περιοχές με πλημμυρικά φαινόμενα αυξάνεται, η χρήση του LIDAR για την προειδοποίηση και χαρτογράφηση του κινδύνου από καταιγίδες είναι πολύ σημαντική, το οποίο παρέχει δεδομένα από αερομεταφορείς. Επίσης, το μοντέλο SLOSH υπολογίζει το ύψος του νερού σε μια γεωγραφική περιοχή ή λεκάνη απορροής. Οι υπολογισμοί εφαρμόζονται σε μια συγκεκριμένη ακτογραμμή της τοπικής περιοχής, ενσωματώνοντας τις μοναδικές διαμορφώσεις του κόλπου και του ποταμού, τα βάθη των υδάτων, τις γέφυρες, τους δρόμους και άλλα φυσικά χαρακτηριστικά.
Συμπεράσματα
Οι πλημμύρες είναι δύσκολο να παρακολουθούνται σε μεγάλες κλίμακες, επειδή καθορίζονται από τοπικές συνθήκες όπως κατακρήμνιση, κλίση εδάφους, δίκτυο αποστράγγισης, προστατευτικές δομές, κάλυψη εδάφους και άλλοι παράγοντες. Τα συμβατικά συστήματα υδρολογικής παρακολούθησης κατά τη διάρκεια των πλημμυρών έχουν περιορισμένη χρήση για την πρόβλεψη, τη χαρτογράφηση και την αντιμετώπιση καταστάσεων έκτακτης ανάγκης. Οι σταθμοί μέτρησης μετράνε το ύψος του νερού, αλλά όχι την έκταση της πλημμύρας. Επιπλέον, η διατήρηση ενός πλήθους σταθμών μέτρησης μπορεί να είναι ένας περιοριστικός παράγοντας. Τα συστήματα τηλεπισκόπησης οπτικών και ραντάρ σε δορυφόρους και αεροσκάφη ήταν και είναι σε θέση να παράσχουν πολλές από τις απαιτούμενες πληροφορίες για την παρατήρηση και οριοθέτηση των περιοχών που έχουν πληγεί από πλημμύρες, την εκτίμηση των ζημιών και μοντέλων που μπορούν να αξιολογήσουν την ευπάθεια στις πλημμύρες διαφόρων χερσαίων και παράκτιων περιοχών. Η χρήση δεδομένων δορυφορικής τηλεπισκόπησης σε ένα μοντέλο μπορεί να συμπληρώνει επιτόπιες παρατηρήσεις σε τεράστιες περιοχές που δεν αντιμετωπίζουν προβλήματα και να οριοθετεί την έκταση των πλημμυρών. Συνοπτικά, τα δεδομένα τηλεπισκόπησης χρησιμοποιούνται όλο και περισσότερο για την χαρτογράφηση της έκτασης των πλημμυρών, την εκτίμηση των ζημιών και την πρόβλεψη της ευπάθειας. Αποτελεσματική και έγκαιρη προειδοποίηση για πλημμύρες μπορεί να επιτευχθεί με συχνές παρατηρήσεις ραντάρ των περιοχών που είναι επιρρεπείς σε πλημμύρες μέσω της κάλυψης σύννεφων. Ωστόσο, τα δεδομένα ραντάρ μπορεί να είναι ακριβότερα και πιο δύσκολο να ερμηνευτούν και να αναλυθούν.
