H Τηλεπισκόπηση ως Μέθοδος για την Ελαχιστοποίηση των Συνεπειών των Τσουνάμι στην Μεσόγειο
Από RemoteSensing Wiki
H Τηλεπισκόπηση ως Μέθοδος για την Ελαχιστοποίηση των Συνεπειών των Τσουνάμι στην Μεσόγειο
N. Chrysoulakis1, E. Flouri1, E. Diamandakis1, V. Dougalis1, C. E. Synolakis1,2,3 & S. Foteinis3
1Ινστιτούτο Εφαρμοσμένων και Υπολογιστικών Μαθηματικών, Ίδρυμα Τεχνολογίας και Έρευνας, Ελλάδα 2Viterbi Πολυτεχνική Σχολή, Πανεπιστήμιο της Νότιας Καλιφόρνια, Λος Άντζελες, CA, ΗΠΑ. 3Τμήμα Μηχανικών Περιβάλλοντος, Πολυτεχνείο Κρήτης, Ελλάδα zedd2@iacm.forth.gr
Πηγή: www.iacm.forth.gr/regional/papers/2008b_Chrysoulakis_et_al.pdf
Αντικείμενο Εφαρμογής: Περιβαλλοντική Ρευστομηχανική
Σκοπός Εφαρμογής: Η τηλεπισκόπηση έχει αναδειχθεί ως ένα ισχυρό εργαλείο για τον σχεδιασμό και την ελαχιστοποίηση των διαφόρων φυσικών κινδύνων. Η ανάπτυξη προηγμένων τεχνολογιών τηλεπισκόπησης παρουσιάζει βελτιωμένες δυνατότητες χαρτογράφησης και μεγάλο εύρος στους τομείς της εφαρμογής. Η πιο σημαντική βελτίωση είναι η διάθεση της πολύ υψηλής χωρικής διακριτικής ικανότητας δορυφορικών δεδομένων. Στην παρούσα εργασία, στοιχεία και μέθοδοι τηλεπισκόπησης χρησιμοποιήθηκαν για να υποστηρίξουν την ανάπτυξη των χαρτών για τα τσουνάμι στην πόλη της Ρόδου, στην Ελλάδα, καθώς και να βοηθήσει στην ανάπτυξη μοντέλων εδάφους. Οι απαραίτητες πληροφορίες σχετικά με την τοπογραφία καθορίστηκαν με τη χρήση δορυφορικών εικόνων και από αέρος.
Εισαγωγή
Η τηλεπισκόπηση έχει αναδειχθεί ως ένα ισχυρό εργαλείο για την χαρτογράφηση των αλλαγών στη γη μετά από φυσικές καταστροφές όπως πλημμύρες, σεισμοί, κατολισθήσεις, πυρκαγιές δασών και κυκλώνες/τυφώνες. Η ανάπτυξη προηγμένων τεχνολογιών της τηλεπισκόπησης έχει βελτιώσει τις δυνατότητες χαρτογράφησης και στην επέκταση των εφαρμογών της. Η πιο σημαντική βελτίωση ήταν η διάθεση των υψηλής χωρικής διακριτικής ικανότητας δορυφορικών εικόνων όπως Ikonos και Quickbird. Στην περίπτωση των τσουνάμι, λόγω των πρακτικών προκλήσεων της επιτόπιας έρευνας σε μια μεγάλη περιοχή καταστροφής όπου οι κρίσιμες ζώνες είναι απρόσιτες, οι δορυφορικές παρατηρήσεις παρέχουν ένα εξαιρετικό εργαλείο για να πραγματοποιηθούν ταχείς αξιολογήσεις. Ο στόχος αυτής της μελέτης ήταν να εξετάσει τις δυνατότητες της δορυφορικής τηλεπισκόπισης στον σχεδιασμό για τον περιορισμό των συνεπειών των τσουνάμι στη Μεσόγειο. Τα δεδομένα τηλεπισκόπησης και οι μέθοδοι που χρησιμοποιήθηκαν για την υποστήριξη της ανάπτυξης των χαρτών των πλημμυρών από τσουνάμι για το νησί της Ρόδου, στο πλαίσιο του έργου Tranfer (Κίνδυνοι από Τσουνάμι και οι στρατηγικές για την ευρωπαϊκή περιφέρεια) που χρηματοδοτείται από την Ε.Ε και αποσκοπεί στην αξιολόγηση των κινδύνων και τον εντοπισμό των βέλτιστων στρατηγικών για τη μείωση των κινδύνων από τσουνάμι. Τα Γεωγραφικά Συστήματα Πληροφοριών (GIS) χρησιμοποιούνται για τη διαχείριση όλων των χωρικών δεδομένων ώστε να δημιουργήσουν και να συνδυάσουν όλα τα συστατικά των χαρτών από τις πλημμύρες. Τα δεδομένα τηλεπισκόπησης και οι μέθοδοι συνδυάστηκαν με επίγειες παρατηρήσεις με GPS (Παγκόσμιο Σύστημα Εντοπισμού Θέσης Global Positioning System) για την επικύρωση των αποτελεσμάτων με αριθμητική μοντελοποίηση.
Δεδομένα και Μεθοδολογία
Η περιοχή μελέτης φαίνεται στην εικόνα 1. Τρία δίκτυα χρησιμοποιήθηκαν για τους υπολογισμούς των πλημμύρων οι οποίες έγιναν με τη μέθοδο MOST (μέθοδος της διάσπασης τσουνάμι) και αριθμητικό μοντέλο. Ο πιο ευρέως κώδικας που έχει επικυρωθεί είναι ο κώδικας που χρησιμοποιείται από την NOAA (National Oceanic and Atmospheric Administration) για τη χαρτογράφηση των τσουνάμι και τις προβλέψεις για τα τσουνάμι στον Ειρηνικό και τον Ινδικό Ωκεανό. Το πλέγμα Γ καλύπτει το βόρειο τμήμα της Ρόδου, όπου βρίσκονται η πόλη της Ρόδου, καθώς και οι κύριες εγκαταστάσεις του τομέα του τουρισμού. Τα δεδομένα που χρησιμοποιούνται σε αυτή τη μελέτη ήταν εναέριες στερεοφωνικές εικόνες που αποκτήθηκαν κατά τη διάρκεια μιας χαμηλής πτήσης πάνω από την Ρόδο (που καλύπτουν το βόρειο τμήμα του νησιού με 1 m χωρική διακριτική ικανότητα), μία πολυφασματική εικόνα από τον δορυφόρο Ikonos (4 φασματικά κανάλια, που καλύπτει το βόρειο τμήμα του νησιού με 1 m χωρική διακριτική ικανότητα) και μία πολυφασματική στερεοφωνική εικόνα ASTER (15 φασματικά κανάλια, που καλύπτουν ολόκληρο το νησί με 15 έως 30 m χωρική διακριτική ικανότητα). Εάν οι παράμετροι για την πηγή του σεισμού εδραιωθούν, η μόνη αβεβαιότητα για την παραγωγή μεγάλης ακρίβειας χαρτών πλημμύρων είναι οι λεπτομερείς πληροφορίες σχετικά με την τοπογραφία και την κάλυψη γης / χρήση. Οι λεπτομέρειες του ψηφιακού μοντέλου εδάφους (DEMs) δεν είναι ακόμη διαθέσιμες για μεγάλες χερσαίες μάζες της γης. Οι εναέριες στέρεο-εικόνες και οι εικόνες ASTER, χρησιμοποιήθηκαν σε συνδυασμό με τα GPS δεδομένα για την παροχή DEMs για τη Ρόδο, που μπορούν να χρησιμοποιηθούν στον υπολογισμούς των δικτύων MOST. Οι εικόνες ASTER καλύπτουν μια ευρεία περιοχή φάσματος με 14 φασματικά κανάλια από την ορατή ζώνη έως το θερμικό υπέρυθρo με υψηλή χωρική, φασματική και ραδιομετρική διακριτική ικανότητα. Το ορατό και το εγγύς υπέρυθρο φασματικό κανάλι παρέχουν στερεοφωνική εικόνα που αξιοποιείται στην παραγωγή DEM. Οι μέθοδοι τριγωνισμού εφαρμόστηκαν για τις εναέριες εικόνες για την παραγωγή υψηλής ανάλυσης ψηφιακού μοντέλου εδάφους DEM (1 m το εικονοστοιχείο) για το βόρειο τμήμα της Ρόδου. Επιπλέον, μία μεθοδολογία εφαρμόστηκε για την εξαγωγή μιας χαμηλής χωρικής διακριτικής ικανότητας (15 m) DEM για ολόκληρο το νησί, χρησιμοποιώντας τις ASTER στερεοφωνικές εικόνες. Τόσο οι ASTER και οι Ikonos εικόνες είχαν χρησιμοποιηθεί για τον υπολογισμό της κάλυψης της γης / χρήση πληροφοριών, όπως απαιτούνταν. Ωστόσο, η ορθοαναφορά από αυτές τις εικόνες ήταν αναγκαία πριν από την ένταξή τους σε Γεωγραφικό Σύστημα Πληροφοριών GIS. Η ορθοαναφορά έλαβε υπόψη τις γεωμετρικές στρεβλώσεις κατά την διάρκεια λήψης της εικόνας, καθώς και την επίδραση της μορφολογίας του εδάφους, έτσι ώστε τα χαρακτηριστικά της εικόνας να παραχθούν με σωστές πλανομετρικές (planimetric) συντεταγμένες. Οι πλημμύρες επικαλύπτουν, καθώς και οι ποσοτικές εκτιμήσεις, όπως ο υπολογισμός των περιοχών και η ανίχνευση των ακτογραμμών, εκτελέστηκαν με ορθοαναφερόμενες εικόνες. Για να γίνει ορθοαναφορά της αρχικής εικόνας του δορυφόρου σε ένα χάρτη-εικόνας, υπάρχουν δύο τεχνικές: μία γεωμετρική πράξη προκειμένου να υπολογιστούν οι συντεταγμένες των κελιών στην αρχική εικόνα για κάθε κύτταρο εικόνας (εξαλείφοντας τις γεωμετρικές στρεβλώσεις) και μία ραδιομετρική λειτουργία για να υπολογιστεί η τιμή των κυττάρων (cell) της εικόνας του χάρτη σε συνάρτηση με τις τιμές έντασης των αρχικών κυττάρων της εικόνας που περιβάλλουν τις παλαιότερες υπολογισμένες θέσεις των κυττάρων της εικόνας του χάρτη. Η γεωμετρική λειτουργία απαιτεί τις εξισώσεις παρατήρησης του γεωμετρικού μοντέλου με τους προηγούμενους υπολογισμένους αγνώστους και τις πληροφορίες των υψομέτρων. Τα τρισδιάστατα (3D) μοντέλα λαμβάνουν υπόψη τη διαταραχή του υψόμετρου, ως εκ τούτου για τα ψηφιακά μοντέλα εδάφους DEM χρειάζεται να δημιουργηθούν ακριβείς ορθοαναφερόμενες εικόνες. Τα ψηφιακά μοντέλα εδάφους DEM επηρεάζουν τη διαδικασία ορθοαναφοράς, τόσο όσον αφορά στην ακρίβεια του υψομέτρου τοποθέτησης και όσον αφορά στην απόσταση του δικτύου. Στη συνέχεια, η ακτογραμμή εξήχθη από τα δεδομένα των Ikonos και ASTER ορθοαναφερόμενων εικόνων. Η ακρίβεια της ορθοαναφοράς της εικόνας, καθώς και η ακρίβεια της ταξινόμησης της εικόνας, είναι οι πιο σημαντικοί παράγοντες που επηρεάζουν την ακρίβεια των εξαγόμενων ακτογραμμών. Τα δεδομένα από τον Ikonos ορθοαναφέρθηκαν και χρησιμοποιήθηκε μία χαρακτηριστική τεχνική. Αυτή η τεχνική εφαρμόζει μία μηχανή-μάθησης αλγορίθμων που εκμεταλλεύονται τα δύο χαρακτηριστικά την φασματική και χωρική πληροφορία της εικόνας. Η βάση για την εξαγωγή της ακτογραμμής είναι ο διαχωρισμός θάλασσας-στεριάς, ως εκ τούτου η ορθοαναφερόμενη εικόνα κατετάγη και ένα πολύγωνο που αντιστοιχεί σε βρεγμένη επιφάνεια εξήχθη. Λαμβάνοντας υπόψη τους περιορισμούς της χαρτογράφηση γης που καλύπτει για πολύ υψηλές χωρικές διακριτικές ικανότητες μέσω δορυφόρου, ένα μηχάνημα μάθησης ταξινόμησης επελέγη ως η καλύτερη λύση για την ταξινόμηση πολυφασματικών εικόνων του δορυφόρου Ikonos. Το λογισμικού Analyst (VLS 2007) χρησιμοποιήθηκε, δεδομένου ότι εφαρμόζει μηχανή τεχνικών εκμάθησης η οποία έχει τη δυνατότητα να αξιοποιεί τόσο τη φασματική και χωρική πληροφορία. Η χαρτογράφηση χρήσης των οικοπέδων πραγματοποιήθηκε για τις παράκτιες περιοχές της Ρόδου με υψηλές και πολύ υψηλές χωρικές διακριτικές ικανότητες των πολυφασματικών δορυφορικών εικόνων. Η πρώτη μέθοδος οδήγησε σε μια γενική χαρτογράφηση των αστικών περιοχών με υψόμετρο μικρότερο από 20 m. Δεδομένα από τον ASTER με χωρική διακριτική ικανότητα 15 m και την ακρίβεια της θέσης των 15 m χρησιμοποιήθηκαν για τη χαρτογράφηση ολόκληρου του νησιού. Η δεύτερη μέθοδος οδήγησε σε λεπτομερή χαρτογράφηση της γης, για περιοχές με υψόμετρο μικρότερο από 20 m. Τα δεδομένα που χρησιμοποιήθηκαν εδώ ήταν από τον Ikonos με χωρική διακριτική ικανότητα του 1 m και ακρίβεια θέσης καλύτερη από 2 μέτρα. Οι ορθοαναφερόμενες πολυφασματικές ASTER εικόνες κατατάσσονται σε 11 κατηγορίες χρησιμοποιώντας ανά εικονοστοιχείο την μέθοδο επιβλεπόμενης ταξινόμησης με βάση τον αλγόριθμο ταξινόμησης της μέγιστης πιθανότητας. Μετά την ταξινόμηση συγχωνεύθηκαν οι παραπάνω κατηγορίες σε δύο κύριες, στις κατηγορίες των αστικών και των μη αστικών. Οι εικόνες ASTER που παρήγαγαν τα ψηφιακά μοντέλα εδάφους DEM χρησιμοποιήθηκαν για την εξαγωγή των εικονοστοιχείων στην ταξινομημένη εικόνα που αντιστοιχούσε σε περιοχές με υψόμετρο μικρότερο από 20 m. Όπως ήδη αναφέρθηκε, η ακρίβεια ανά-εικονοστοιχείο των τεχνικών ταξινόμησης είναι χαμηλή για πολύ υψηλές χωρικές διακριτικές ικανότητες δορυφόρων, ως εκ τούτου η ημιαυτόματη μέθοδος ταξινόμησης χρησιμοποιήθηκε για να χαρακτηρίσει την εικόνα Ikonos. Η ημιαυτόματη μέθοδος βασίζεται σε δύο χειρωνακτικές ψηφιοποιήσεις και τεχνικών ταξινόμησης της μηχανικής μάθησης (VLS 2007), οι οποίες θεωρούνται ως η βέλτιστη προσέγγιση για VHR πολυφασματικές ταξινομήσεις δεδομένων και εξαγωγή χαρακτηριστικών. Πληροφορίες για το είδος και το ύψος των κτιρίων είναι επίσης χρήσιμες για την χαρτογράφηση των πλημμύρων. Οι Ikonos εικόνες χρησιμοποιήθηκαν για τον εντοπισμό 150 μεγάλων κτιρίων που βρίσκονται στο βόρειο τμήμα του νησιού. Η ανίχνευση και ο προσανατολισμός των κτιρίων αυτών έγινε χρησιμοποιώντας τις ορθοαναφερόμενες εικόνες.
Αποτελέσματα
Η μέθοδος του μέσου τετραγωνικού σφάλματος (RMSE) στο επίπεδο XY (planimetry) και στα υψόμετρα z χρησιμοποιήθηκαν για τα ψηφιακά μοντέλα εδάφους DEM και την αξιολόγηση της ακρίβειας. Υποθέτοντας παραλλαγή στη διαφορά λαθών στη συσχέτιση της τάξης του 0,5 με 1,0 εικονοστοιχείο (0,5-1 m για εναέριες εικόνες και 7-15 m για ASTER), τα σφάλματα στα υψόμετρα (RMSEz) αναμένονται να να είναι μικρότερα από 1 m για εναέριες εικόνες και μέσα στο εύρος τιμών ± 12 m έως ± 26 m. Η εικόνα 2 παρουσιάζει τα ψηφιακά μοντέλα εδάφους DEM που προέρχονται από εικόνες ASTER, ενώ στην εικόνα 3 παρουσιάζονται τα ψηφιακά μοντέλα εδάφους DEM που προέρχονται από αεροφωτογραφίες. Αρκετές έρευνες χρησιμοποιήθηκαν για να ελέγξουν την κατακόρυφη ακρίβεια τους. Η RMSEz βρέθηκε μικρότερη από 1m για εναέριες εικόνες που προέρχονται και λιγότερο των 16 m για τις ASTER. Οι ορθοαναφερόμενες εικόνες που προέρχονται από ASTER και Ikonos πολυφασματικές εικόνες παρουσιάζονται στις Εικόνες 4 και 5, αντίστοιχα. Η ορθοεικόνα (orthoimage) ASTER εμφανίζεται ως ψευδοχρωματική (pseudocolor) σύνθεση των φασματικών καναλιών ASTER 1, 2, και 3N (RGB: 3N-2-1), και έχει προκύψει με βάση την εικόνα από ASTER. Οι ορθοεικόνες (orthoimage) από τον δορυφόρο Ikonos, οι οποίες εμφανίζονται ως ψευδοχρωματικές (pseudocolor) ως σύνθεση των φασματικών καναλιών Ikonos 2, 3 και 4 (RGB: 4-3-2), έχουν προκύψει χρησιμοποιώντας την υψηλή ανάλυση. Τα υψηλής ανάλυσης ψηφιακά μοντέλα εδάφους DEM είχαν χρησιμοποιηθεί για να καλύψουν τις ορθοεικόνες Ikonos, έτσι ώστε οι περιοχές με υψόμετρο μεγαλύτερο από 20 μέτρα να είχαν εξαλειφθεί, διότι για αυτές τις περιοχές δεν ήταν αναγκαία η χαρτογράφηση της πλημμύρας ακόμη και σε περιπτώσεις ακραίων σεναρίων, - αναφέρεται ότι ένας σεισμός μεγέθους 9 έχει μια ολίσθηση των 10μ. Ως εκ τούτου, οι περιοχές με υψόμετρα κάτω από 20 μέτρα ήταν ο ύποπτες ευάλωτες παράκτιες περιοχές. Το υπόλοιπο μέρος της ορθοαναφερόμενης εικόνας από τον Ikonos μετά τη συγκάλυψη του ψηφιακού μοντέλου εδάφους DEM παρουσιάζεται στην εικόνα 6. Η εξαγόμενη ακτογραμμή έχει προστεθεί σε διανυσματική μορφή (Shapefile μορφή αρχείου ESRI) με κίτρινη γραμμή. Σύμφωνα με παλαιότερες μελέτες, η ακρίβεια της θέσης αυτής της ακτογραμμής αναμένεται να είναι της τάξης των 2 - 4 μ. Αυτό επαληθεύτηκε μέσω των παρατηρήσεων με GPS κατά τη διάρκεια μιας έρευνας τον Ιούλιο του 2008.
Τα αποτελέσματα ταξινόμησης της χρήσης γης (αστική-μη αστικές για όλο το νησί) από τα δεδομένα ASTER χρησιμοποιήθηκαν για τα διανυσματικά αρχεία: πολύγωνα που καλύπτουν τις αστικές περιοχές του νησιού. Δύο παραδείγματα πολυγώνων που περιέχουν ανθρωπογενείς κατασκευές παρουσιάζονται στις εικόνες 7 και 8 με μπλε γραμμές. Το πολύγωνο που περιέχει το αεροδρόμιο της Ρόδου φαίνεται στην εικόνα 7 και το πολύγωνο που περιέχει την πόλη της Αφάντου φαίνεται στην εικόνα 8. Η σύγκριση των εναέριων δεδομένων με τα δεδομένα από τον δορυφόρο Ikonos κατέληξε στο συμπέρασμα ότι τα αποτελέσματα της ανίχνευσης των αστικών περιοχών από δεδομένα ASTER ήταν ικανοποιητικά.
Το πρόγραμμα ταξινόμησης που εφαρμόστηκε σε πολυφασματικές ορθοεικόνες Ikonos (που αντιστοιχούν σε περιοχές με υψόμετρο μικρότερο από 20 μ.) είχε ως αποτέλεσμα 13 κατηγορίες χρήσης της γης: ακτογραμμή, παλιά πόλη, σε κατοικημένες περιοχές, βιομηχανικές περιοχές, περιοχές με επιχειρήσεις, λιμάνι, αεροδρόμιο, νεκροταφεία, τους τομείς του αθλητισμού, μεγάλα ξενοδοχεία, μεικτές γεωργικές και τουριστικές περιοχές, αγροτικές περιοχές και παραλίες. Ο λεπτομερής χάρτης με όλες τις κατηγορίες χρήσης γης φαίνεται στην εικόνα 9. Το αποτέλεσμα της ταξινόμησης των κτιρίων για την πόλη της Ρόδου (περιοχές με υψόμετρο μικρότερο από 20 μ.), που προκύπτει από το συνδυασμό των ορθοεικόνων (orthoimage) του Ikonos με τις εικόνες από Google Earth φαίνεται στην εικόνα 10. Και οι δύο ταξινομήσεις επιβεβιώθηκαν από επιτόπιες παρατηρήσεις κατά τη διάρκεια μιας έρευνας τον Ιούλιο του 2008.
Οι γραμμές πλημμύρες υπολογίστηκαν από την μέθοδο MOST που εμφανίζονται στην εικόνα 11. Οι ορθοαναφερόμενες εικόνες Ikonos (ψευδοχρωματική (pseudocolor) σύνθεση των ορατών καναλιών RGB: 3-2-1) χρησιμοποιούνται ως φόντο. Δεδομένου ότι τόσο ο χάρτης χρήσης γης (Εικόνα 9) όσο και η ταξινόμηση των κτιρίων (Εικόνα 10) έχουν παραχθεί με τις ορθοεικόνες (orthoimage) από τον δορυφόρο Ikonos (ως εκ τούτου έχουν γεωγραφική αναφορά) η τεχνική TRANSFER GIS έχει τη δυνατότητα να κάνει χρήση των εν λόγω χαρτών για τη στήριξη του προγραμματισμού και του σχεδιασμού για την ελαχιστοποίηση των συνεπειών, καθώς και για την αξιολόγηση των ζημιών σε κάθε σενάριο τσουνάμι. Στην εικόνα 12 φαίνεται το σενάριο για μία γραμμή πλημμύρας υπερτιθέμενο σε ένα περίγραμμα του χάρτη που παράγεται με αεροφωτογραφίες που προέρχονται από DEM. Η γραμμή των 3m τονίστηκε στο γαλάζιο. Είναι προφανές ότι η κόκκινη γραμμή των πλημμύρων ακολουθεί το περίγραμμα των 3 μ., όπως αναμενόταν - η μέγιστη πλημμύρα όπως υπολογίζεται φθάνει στο ύψος των 3,7 μ. Όπως φαίνεται στην εικόνα 12, η συμφωνία αυτή είναι ακόμα πιο κοντά για τις απότομες πλαγιές και μπορεί να εξηγηθεί λαμβάνοντας υπόψη την ακρίβεια στη κατακόρυφο των 0,5-1 m της υψηλής ευκρίνειας ψηφιακού μοντέλου εδάφους, όπως ελέγχεται με τη βοήθεια τοπογραφικών σημείων. Η θέση της γραμμής της πλημμύρας και η συνοχή της με το περίγραμμα των 3 μέτρων επαληθεύτηκε από τις GPS παρατηρήσεις κατά την έρευνα, τον Ιούλιο του 2008.
Βιβλιογραφία
Berberoglu, S. Lloyd, C. D., Atkinson, P. M. & Curran, P. J. 2000. The integration of spectral and
textural information using neural networks for land cover mapping in the Mediterranean. Computers
& Geosciences 26: 385 - 396.
Bernard, E. N., Mofjeld, H. O., Titov,, V., Synolakis, C. E. & Gonzalez, F. I. 2006. Tsunami: scientific frontiers, mitigation, forecasting, and policy implications. Philosophical Transactions of the Royal Society A 364, (doi:10.1098/rsta.2006.1809).
Borrero, J. C., Synolakis, C. E. & Fritz, H. 2006a. Field Surveys northern Sumatra after the Tsunami and Earthquake of 26 December 2004. Earthquake Spectra 22 (S3): S93 - S104.
Borrero, J. C., Sieh, K., Shlieh, M. & Synolakis, C. E. 2006b. Tsunami inundation predictions for Western Sumatra. Proceedings of the National Academy of Sciences 103: 19673 - 19677.
Borrero, J. C. 2005. Field Data and Satellite Imagery of Tsunami Effects in Banda Aceh. Science 308 (5728): 1596, DOI: 10.1126/science.1110957
Chrysoulakis, N., Abrams, M., Feidas, H. & Velianitis, D. 2004. Analysis of ASTER Multispectral Stereo Imagery to Produce DEM and Land Cover Databases for Greek Islands: The REALDEMS Project. In: Prastacos, P., Cortes, U. De Leon, J. L., Murillo, M. (Eds): Proceedings of e-Environment: Progress and Challege: 411 - 424
Foody, G. M. 2000. Estimation of sub-pixel land cover composition in the presence of untrained classes. Computers & Geosciences 26: 469 – 478.
Gallego, F. J. 2004. Remote sensing and land cover area estimation. International Journal of Remote Sensing 25: 3019 - 3047.
Geist, E.L., Titov, V.V. & Synolakis, C.E. 2006. Tsunami wave of change, 2006 Scientific American 294: 56 - 63.
Gower, J. 2007. The 26 December 2004 tsunami measured by satellite altimetry. International Journal of Remote Sensing 28: 2897 – 2913.
Grodecki, J. & Dial, G. 2003. Block adjustment of highresolution satellite images described by rational polynomials. Photogrammetric Engineering and Remote Sensing 69: 59-68.
Kanoglu, U. & Synolakis, C. E. 2006, Initial value problem of the shallow water wave equations, Physical Review Letters 97: 148501 - 148504.
Kanoglu, U. & Synolakis, C. E. 1998. Long wave runup on piecewise linear topographies, Journal of Fluid Mechanics 374: 1 - 28.
Kumar, A., Chingkhei, R. K. & Dolendro, Th. 2007. Tsunami damage assessment: a case study in Car Nicobar Island, India. International Journal of Remote Sensing 28: 2937 – 2959.
Li, R., Di, K. & Ma, R. 2003. 3-D Shoreline Extraction from Ikonos Satellite Imagery. Marine Geodesy 26: 107 - 115.
Liu, P. L.-F., Synolakis, C. E. & Yeh, H. 1991. Impressions from the First International Workshop on Long Wave Runup. Journal of Fluid Mechanics 229: 675 – 688.
Lipakis, M., Chrysoulakis, N. & Kamarianakis, Y. 2008. Shoreline extraction using satellite imagery. In: Pranzini, E. and Wetzel, E. (eds): Beach Erosion Monitoring. Results from BEACHMED/ e-OpTIMAL INTERREG IIIC Project. Nuova Grafica Fiorentina, Florence, Italy: 81 - 95.
McAdoo, B. G., Richardson, N. & Borrero, J. 2007. Inundation distances and run-up measurements from ASTER, QuickBird and SRTM data, Aceh coast, Indonesia. International Journal of Remote Sensing 28: 2961 – 2975.
Nikolakopoulos, K., Kamaratakis, E. & Chrysoulakis, N. 2006. SRTM vs ASTER Elevation Products. Comparison for two regions in Crete, Greece. International Journal of Remote Sensing 27: 4819-4838.
Okal, E. A. & Synolakis, C. E. 2004. Source discriminants for nearfield tsunamis. Geophysical Journal International 158: 899 - 912.
Singh, R. P., Cervone, G., Kafatos, M. Prasad, A. K., Sahoo, A. K., Sun, D., Tang, D. L. & Yang, R. 2007. Multi-sensor studies of the Sumatra earthquake and tsunami of 26 December 2004. International Journal of Remote Sensing 28: 2885 - 2896.
Synolakis, C. E., Bernard, E. N., Titov, V. V., Kanoglu, U. & Gonzalez, F. I. 2007. Standards, criteria, and procedures for NOAA evaluation of tsunami numerical models. NOAA Tech. Memo. OAR PMEL-135, NOAA/Pacific Marine Environmental Laboratory, Seattle, WA.
Synolakis, C. E., Borrero, J. C. & Eisner, R. 2002. Developing inundation maps for the State of California, Solutions to Coastal Disasters, Ed: L. Wallendorf and L. Ewing, ISBN 0-7844- 0605-7, Proc. ASCE: 848 - 862.
Synolakis, C.E. & Bernard, E. N. 2006. Tsunami Science Before and after 2004. Philosophical Transactions of the Royal Society A 364: 2231–2265, doi:10.1098/rsta.2006.1824.
Synolakis, C. E. & E. A. Okal. 2005. 1992-2002: Perspective on a decade of post-tsunami surveys, in: Tsunamis: Case studies and recent developments, ed. by K. Satake, Adv. Natur. Technol. Hazards 23: 1 - 30.
Synolakis, C. E. 2003. Tsunami and Seiche in Earthquake Engineering Handbook, CRC Press, 1512pp, ISBN ISBN 0849300681, 9780849300684.
Titov, V. V. & Synolakis, C. E. 1998. Numerical modeling of tidal wave runup. Journal of Waterways, Port, Coastal and Ocean Engineering ASCE 124 (4): 157 - 171.
Titov, V.V. & Synolakis, C. E. 1995. Modeling of breaking and nonbreaking long wave evolution and runup using VTCS-2. Journal of Waterways, Ports, Coastal and Ocean Engineering 121: 308 - 316.
VLS. 2007. Feature Analyst Version 4.1 for Imagine. Reference Manual. Missoula, USA: Visual Learning Systems Inc.
Vu, T. T., Matsuoka, M. & Yamazaki, F. 2007. Dual-scale approach for detection of tsunamiaffected areas using optical satellite images. International Journal of Remote Sensing 28: 2995 - 3011.
Wikantika, K., Sinaga, A., Hadi, F. & Darmawan, S. 2007. Quick assessment on identification of damaged building and land-use changes in the post-tsunami disaster with a quick-look image of IKONOS and Quickbird (a case study in Meulaboh City, Aceh). International Journal of Remote Sensing 28: 3037 - 3044.
Zhou, G. & Li, R. 2000. Accuracy Evaluation of Ground Points from IKONOS High-Resolution Satellite Imagery. Photogrammetric Engineering and Remote Sensing 66: 1103-1112.
