INTEGRATION OF GIS AND ADVANCED REMOTE SENSING TECHNIQUES FOR LANDSLIDE HAZARD ASSESSMENT: A CASE STUDY OF NORTHWEST SYRIA

Από RemoteSensing Wiki

INTEGRATION OF GIS AND ADVANCED REMOTE SENSING TECHNIQUES FOR LANDSLIDE HAZARD ASSESSMENT: A CASE STUDY OF NORTHWEST SYRIA

Πηγή: https://www.researchgate.net/publication/346651427

Συγγραφείς: M.Hammad , B. V. Leeuwen, L. Mucsi

ΑΝΤΙΚΕΙΜΕΝΟ ΜΕΛΕΤΗΣ

Στόχος της παρούσας ερευνητικής εργασίας είναι να εκμεταλλευτεί τα οφέλη της ενσωμάτωσης των γεωγραφικών συστημάτων πληροφοριών (GIS) και των δεδομένων τηλεπισκόπησης, λαμβάνοντας υπόψη την εφαρμογή συμβολομετρικών τεχνικών, προκειμένου να καθοδηγήσει τη διαδικασία διερεύνησης των κατολισθητικών φαινομένων και να καθορίσει τον βέλτιστο χάρτη επιδεκτικότητας κατολισθήσεων. Αυτό επιτυγχάνεται με τη χρήση στατιστικής ανάλυσης κατολισθήσεων στην περιοχή μελέτης, με τελικό σκοπό την δημιουργία χάρτη κατολισθήσεων στη βορειοδυτική Συρία.

ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ

Η περιοχή μελέτης εκτείνεται σε μια έκταση 269 km2, από 35,75◦ στα νότια έως 35,94◦ στα τουρκικά σύνορα στα βόρεια, και από 36,00◦ στα ανατολικά έως 35,80◦ στη Μεσόγειο Θάλασσα στα δυτικά, που αντιστοιχεί στην επέκταση του τοπογραφικού χάρτη Kassab 1:25.000 που τυπώθηκε το 1990 ύστερα από χαρτογραφήσεις του 1984 και αεροφωτογραφίες που ελήφθησαν το 1983.

Ο υψηλότερος μέσος όρος μηνιαίας βροχόπτωσης στην περιοχή μελέτης είναι τον Δεκέμβριο και τον Ιανουάριο με περίπου 125 mm, ενώ η μέγιστη μηνιαία βροχόπτωση έφτασε τα 379 mm τον Ιανουάριο του 2012. Επίσης, πρέπει να αναφερθεί ότι στην περιοχή μελέτης εμφανίζονται πολλά ακραία φαινόμενα βροχόπτωσης, όπου η μέγιστη ημερήσια βροχόπτωση έφτασε περίπου τα 70 mm.

Σε γενικές γραμμές, η περιοχή μελέτης αποτελείται από τη λεκάνη Badrousieh, το μεγαλύτερο μέρος της λεκάνης Al-Bassit, ένα πολύ μικρό τμήμα της λεκάνης Alkabir Alshamali και σχεδόν το ήμισυ της λεκάνης Wadi Qandil εντός της οποίας βρίσκεται το φράγμα Balloran. Η περιοχή μελέτης διαθέτει επίσης ανεπτυγμένο οδικό δίκτυο που συνδέει όλες τις μικρές πόλεις και τα χωριά της περιοχής με την κύρια πόλη Latakia και με την τουρκική συνοριακή πύλη στην Kassab. Οι κύριες υποπεριοχές είναι η Qastal Maaf, η οποία αποτελείται από 19 κοινότητες με συνολικό πληθυσμό 16.784 κατοίκους σύμφωνα με την απογραφή του 2004, και την υποπεριοχή Kassab με συνολικό πληθυσμό 2.500 κατοίκους μαζί με τα γύρω χωριά. Σύμφωνα με πολλές γεωτεχνικές εκθέσεις που εκπονήθηκαν από το Γενικό Ίδρυμα Γεωλογίας και Ορυκτών Πόρων της Συρίας για διάφορα κατολισθητικά φαινόμενα στην περιοχή μελέτης, οι ισχυρές βροχοπτώσεις είναι το κύριο αίτιο για όλες αυτές τις κατολισθήσεις. Τα τελευταία χρόνια, παρατηρείται αύξηση των κατολισθήσεων σε διάφορα σημεία της περιοχής μελέτης και κατά μήκος του οδικού της δικτύου.

ΔΕΔΟΜΕΝΑ

Ο τοπογραφικός χάρτης Kassab της δεκαετίας του 1980 χρησιμοποιήθηκε προκειμένου να αναπαραστήσει τα τοπογραφικά χαρακτηριστικά της περιοχής μελέτης πριν από την εκδήλωση των κατολισθητικών φαινομένων. Για την ανάγκη της παρούσας μελέτης, χρησιμοποιήθηκαν οπτικά πολυφασματικά δεδομένα του Landsat-5 Thematic Mapper (TM) από τις 22 Σεπτεμβρίου 1984 με 0% νεφοκάλυψη και διακριτική ικανότητα 30 m προκειμένου να δημιουργηθεί χάρτης κάλυψης γης και χάρτης με βάση τον δείκτη βλάστησης κανονικοποιημένης διαφοράς (NDVI), ώστε να αντικατοπτρίζονται τα χαρακτηριστικά της βλάστησης πριν από την εμφάνιση των κατολισθήσεων στην περιοχή. Επιπλέον, δεδομένου ότι η λιθολογία είναι γενικά σταθερή κατά τη διάρκεια εκπόνησης της παρούσας μελέτης και προκειμένου να υπάρξει όφελος από τα πολυφασματικά δεδομένα υψηλής ανάλυσης του Ευρωπαϊκού Οργανισμού Διαστήματος (ESA), χρησιμοποιήθηκε η εικόνα Sentinel-2A από τις 08 Σεπτεμβρίου 2017 με 0% νεφοκάλυψη και διακριτική ικανότητα 10 - 20 m στην περιοχή VNIR και SWIR εφαρμόζοντας τεχνικές ανάλυσης κύριων συνιστωσών και αναλογίας ζωνών για την δημιουργία λιθολογικού χάρτη με τη βοήθεια του γεωλογικού.

Επιπλέον, χρησιμοποιήθηκαν δορυφορικά δεδομένα ραντάρ από 14 εικόνες Sentinel-1B single look complex (SLC) από τις 16 Οκτωβρίου 2018 έως τις 21 Μαρτίου 2019 με λειτουργία interferometric wide (IW) swath και κάθετη-κάθετη (VV) πόλωση για την δημιουργία του χάρτη μέσης ταχύτητας παραμόρφωσης του εδάφους κατά τη διάρκεια αυτής της χρονικής περιόδου με τη χρήση της τεχνικής persistent scatterers interferometric (PSI). Τα αποτελέσματα που προέκυψαν, συνδυάστηκαν με τον χάρτη επιδεκτικότητας κατολισθήσεων για να προκύψει ο τελικός χάρτης επικινδυνότητας κατολισθήσεων για τη συγκεκριμένη χρονική περίοδο.

ΜΕΘΟΔΟΛΟΓΙΑ

ΧΑΡΤΗΣ ΕΠΙΔΕΚΤΙΚΟΤΗΤΑΣ ΚΑΤΟΛΙΣΘΗΣΗΣ

Στα πλαίσια της παρούσας μελέτης, εξετάστηκαν εννέα κύριοι αιτιολογικοί παράγοντες που ελέγχουν την εμφάνιση κατολισθήσεων. Αυτοί οι παράγοντες είναι η γωνία κλίσης, η πλάγια όψη, η καμπυλότητα του εδάφους, η κάλυψη γης, ο δείκτης βλάστησης κανονικοποιημένης διαφοράς (NDVI), η λιθολογία, η απόσταση από ρήγματα, η απόσταση από δρόμους και η απόσταση από το υδρογραφικό δίκτυο. Σημειώνεται ότι εντός της σχετικά μικρής περιοχής μελέτης, η βροχόπτωση είναι πιθανότατα σταθερή, επομένως η χρήση των δεδομένων για τον παράγοντα αυτό στο πλαίσιο των διαδικασιών ανάλυσης έχει αποκλειστεί στην παρούσα έρευνα. Κάθε στρώμα ράστερ των εννέα αιτιολογικών παραγόντων επαναταξινομήθηκε σε αριθμό κλάσεων ανάλογα με τα δικά του κριτήρια προκειμένου να χρησιμοποιηθεί στη μέθοδο ανάλυσης ANN. Το πρώτο βήμα της χαρτογράφησης της επιδεκτικότητας σε κατολισθήσεις είναι η προετοιμασία μιας βάσης δεδομένων όλων των προηγούμενων κατολισθήσεων που συνέβησαν σε μια συγκεκριμένη περιοχή κατά τη διάρκεια μιας συγκεκριμένης χρονικής περιόδου. Ανάλογα με τη βάση δεδομένων, θα προκύψει ο χάρτης απογραφής κατολισθήσεων της εν λόγω περιοχής κατά τη συγκεκριμένη χρονική περίοδο, προκειμένου να συνδυαστεί με παραγοντικούς χάρτες μέσω μεθόδων στατιστικής ανάλυσης για τον καθορισμό της σχέσης μεταξύ των κατολισθήσεων και των εν λόγω σχετικών παραγόντων. Στην πραγματικότητα, το σύνολο δεδομένων για τα κατολισθητικά και μη κατολισθητικά φαινόμενα, αντλήθηκε από τις διαθέσιμες τεχνικές εκθέσεις, από τους κατοίκους της περιοχής, από τη σύγκριση μεταξύ των διαθέσιμων παλαιότερων και πρόσφατων οπτικών δορυφορικών δεδομένων, καθώς και με τη βοήθεια του εργαλείου ιστορικών εικόνων στο Google Earth.

Στη συνέχεια, το σύνολο των κατολισθητικών και μη κατολισθητικών δεδομένων, χωρίστηκε τυχαία σε δύο σύνολα δεδομένων: ένα σύνολο δεδομένων εκπαίδευσης του 70% των κατολισθήσεων που θα χρησιμοποιηθεί για την προετοιμασία των δεδομένων από όλους τους αιτιολογικούς παράγοντες κατά τις διαδικασίες εκπαίδευσης και δοκιμής της μεθόδου στατιστικής ανάλυσης με τεχνητό νευρωνικό δίκτυο (ANN) και ένα σύνολο δεδομένων δοκιμής του 30% των κατολισθήσεων που θα χρησιμοποιηθεί για τη διαδικασία επικύρωσης της μεθόδου στατιστικής ανάλυσης.

Για την ανάλυση ANN σε αυτή την έρευνα, εφαρμόστηκε μια αρχιτεκτονική νευρωνικού δικτύου πολλαπλών επιπέδων (MLP), χρησιμοποιώντας έναν αλγόριθμο μάθησης, με προς τα πίσω διάδοση σφάλματος (BP) στο σύνολο δεδομένων εκπαίδευσης των εικονοστοιχείων για τα κατολισθητικά και μη κατολισθητικά φαινόμενα και των σχετικών αιτιολογικών τους παραγόντων.

Το αποτέλεσμα ευαισθησίας της μεθόδου στατιστικής ανάλυσης ANN επικυρώθηκε ανάλογα με το σύνολο δεδομένων δοκιμής κατολισθήσεων (30%) χρησιμοποιώντας την ανάλυση της περιοχής κάτω από την καμπύλη (AUC), η οποία επιτρέπει την περιγραφή της ικανότητας στατιστικής ανάλυσης να προβλέπει σωστά την εμφάνιση κατολισθήσεων. Έτσι, ο χάρτης επιδεκτικότητας κατολίσθησης που προέκυψε από την ανάλυση ANN επαναταξινομήθηκε σε 100 κλάσεις και ταξινομήθηκε κατά φθίνουσα σειρά (αυτό σημαίνει ότι οι κλάσεις που έχουν υψηλή ευαισθησία σε κατολισθήσεις θα πρέπει να εμφανίζονται στην κορυφή).

Στη συνέχεια, ο χάρτης που προέκυψε χρησιμοποιήθηκε με το σύνολο των δεδομένων εκπαίδευσης για τον υπολογισμό των περιοχών κατολισθήσεων με βάση τα εικονοστοιχεία σε κάθε κατηγορία.

ΧΑΡΤΗΣ ΕΠΙΚΙΝΔΥΝΟΤΗΤΑΣ ΚΑΤΟΛΙΣΘΗΣΗΣ

Δεδομένου ότι δεν υπάρχει συστηματική καταγραφή των κατολισθήσεων τις τελευταίες δεκαετίες στην περιοχή μελέτης, για την ανάλυση της επαναληψιμότητας των κατολισθητικών φαινομένων, χρησιμοποιήθηκε ένας πίνακας επικινδυνότητας κατολισθήσεων (Εικόνα 3).

Ο παραπάνω πίνακας, επικεντρώνεται σε δύο παραμέτρους που είναι η πιθανότητα εμφάνισης κατολίσθησης (επιδεκτικότητα σε κατολίσθηση) και η ένταση των παραμορφώσεων του εδάφους και της επιφάνειας. Στην παρούσα έρευνα, οι δύο αυτές παράμετροι συσχετίστηκαν με τη χρήση αυτού του πίνακα προκειμένου να αναπαρασταθεί η επικινδυνότητα κατολισθήσεων σε ζώνες χαμηλής-μέτριας-υψηλής επικινδυνότητας.

Η ένταση των παραμορφώσεων της επιφάνειας του εδάφους υπολογίστηκε χρησιμοποιώντας τις μέσες ταχύτητες αυτών των παραμορφώσεων στην δορυφορική (LOS) κατά τη χρονική περίοδο μελέτης, η οποία επιλέχθηκε από τον Οκτώβριο του 2018 έως τον Μάρτιο του 2019 για να καλυφθεί μια πλήρης περίοδος βροχοπτώσεων στην περιοχή. Για την δημιουργία του χάρτη μέσων ταχυτήτων εδαφικής παραμόρφωσης, εφαρμόστηκε η τεχνική PSI με τη χρήση δορυφορικών δεδομένων ραντάρ των εικόνων single look complex (SLC) από την καθοδική τροχιά, Sentinel-1B, σε λειτουργία IW και VV πόλωσης, συμπεριλαμβανομένων δεκατεσσάρων λήψεων από τις 16 Οκτωβρίου 2018 έως τις 21 Μαρτίου 2019, οι οποίες συν-καταχωρίστηκαν όλες σε ένα μοναδικό master (27 Δεκεμβρίου 2018) που επιλέχθηκε μέσω της χρήσης του εργαλείου Stack-Overview-and-Optimal-InSAR-Master-Selection στην εργαλειοθήκη Sentinel-1 στο λογισμικό Sentinel Application Platform (SNAP) που κυκλοφόρησε από τον Ευρωπαϊκό Οργανισμό Διαστήματος (ESA).

Μετά την προετοιμασία των δεδομένων SAR στο SNAP, όπως φαίνεται στην εικόνα 4 τα αποτελέσματα που προέκυψαν, επεξεργάστηκαν με τη χρήση του StaMPS στο Matlab με Linux, προκειμένου να εκτελεστεί η διαδικασία εκτίμησης των εικονοστοιχείων PS και να υπολογιστούν οι μέσες τιμές ταχύτητας των παραμορφώσεων της επιφάνειας του εδάφους σε κάθε ένα από αυτά τα εικονοστοιχεία PS κατά μέσο όρο για τη συνολική περίοδο μελέτης.

ΑΠΟΤΕΛΕΣΜΑΤΑ

Ο χάρτης κατολισθήσεων στην περιοχή μελέτης από τις 22 Σεπτεμβρίου 1984 και μετά, δημιουργήθηκε στο ArcGIS με βάση όλα τα διαθέσιμα δεδομένα και πληροφορίες. Επίσης, το σύνολο των δεδομένων για τα μη κατολισθητικά φαινόμενα, ίδιου μεγέθους με αυτό των κατολισθήσεων, προετοιμάστηκε με βάση τις γεωτεχνικές εκθέσεις και τις γνώσεις που αποκτήθηκαν από τις εργασίες υπαίθρου στην περιοχή. Αυτό είχε ως αποτέλεσμα την δημιουργία ενός συνόλου δεδομένων με 57 πολύγωνα κατολισθήσεων (εικόνα 5) και 57 πολύγωνα μη κατολισθήσεων (εικόνα 5)Στη συνέχεια, αυτό το σύνολο δεδομένων υποδιαιρέθηκε τυχαία σε δύο σύνολα δεδομένων, το 70% του ανήκει στα δεδομένα εκπαίδευσης κατολισθήσεων, για να χρησιμοποιηθεί στην προετοιμασία των δεδομένων από όλους τους αιτιολογικούς παράγοντες κατά τη διαδικασία εκπαίδευσης της μεθόδου τεχνητού νευρωνικού δικτύου (ANN), και το 30% των δεδομένων δοκιμής κατολισθήσεων, για να χρησιμοποιηθεί αργότερα στη διαδικασία επικύρωσης.

Στην συνέχεια παράχθηκαν όλοι οι χάρτες των εννέα παραγόντων (κλίση, πλάγια όψη, καμπυλότητα, κάλυψη γης, NDVI, λιθολογία, απόσταση από ρήγματα, απόσταση από υδρογραφικό δίκτυο).

Αφού προετοιμάστηκαν οι αιτιολογικοί παράγοντες στο ArcGIS σε έναν πίνακα (2706×10) που περιείχε 10 στήλες και 2706 γραμμές που αντιπροσώπευαν όλα τα εικονοστοιχεία του συνόλου δεδομένων εκπαίδευσης για τις κατολισθήσεις και τις μη κατολισθήσεις με όλες τις ανεξάρτητες μεταβλητές (τους αιτιολογικούς παράγοντες) για κάθε εικονοστοιχείο, ο πίνακας αυτός εισήχθη στο Matlab για τη φάση εκπαίδευσης και προσομοίωσης του νευρωνικού δικτύου. Ως αποτέλεσμα, οι δείκτες επιδεκτικότητας σε κατολισθήσεις (LSI) για κάθε εικονοστοιχείο προσδιορίστηκαν ως πίνακας αριθμών κινητής υποδιαστολής στο εύρος [0, 1]. Στη συνέχεια, αυτός ο πίνακας μετατράπηκε ξανά σε πίνακα πριν από τη μετατροπή του σε χάρτη ράστερ. Για την οπτική ερμηνεία, οι τιμές LSI στο χάρτη επιδεκτικότητας κατολισθήσεων ταξινομήθηκαν και ομαδοποιήθηκαν σε κατηγορίες High-medium-low, όπως φαίνεται στην εικόνα 6.

Η διαδικασία επικύρωσης των αποτελεσμάτων της ανάλυσης ANN έδειξε τιμή AUC ίση με 90,28%.

Επιπλέον, το αποτέλεσμα της εφαρμογής της τεχνικής PSI στην παρούσα έρευνα υποδεικνύει την παρουσία παραμόρφωσης της επιφάνειας του εδάφους στην περιοχή μελέτης κατά τη διάρκεια της περιόδου μελέτης στις φιλτραρισμένες φάσεις των διαφόρων συμβολογραφημάτων που παράγονται στο SNAP, ειδικά την περίοδο της 28ης Οκτωβρίου 2018, 01 Φεβρουαρίου 2019 και 09 Μαρτίου 2019 πάνω από τα βουνά στα βόρεια και γύρω από τη λίμνη του φράγματος Balloran στα νότια, λόγω των ακραίων βροχοπτώσεων πριν από αυτές τις ημερομηνίες. Τα δεδομένα που προέκυψαν εξήχθησαν στο ArcGIS προκειμένου να υποβληθούν σε επεξεργασία με τη μέθοδο IDW. Ως αποτέλεσμα, δημιουργήθηκε ένας χάρτης ράστερ που αναπαριστά τον χάρτη μέσης ταχύτητας της παραμόρφωσης της επιφάνειας του εδάφους κατά την περίοδο μελέτης από τις 16 Οκτωβρίου 2018 έως τις 21 Μαρτίου 2019. Στη συνέχεια, οι μέσες ταχύτητες στη διεύθυνση LOS του δορυφόρου επαναταξινομήθηκαν σε κατηγορίες υψηλής-μέτριας-χαμηλής ταχύτητας, προκειμένου να παραχθεί ο χάρτης έντασης των παραμορφώσεων της επιφάνειας του εδάφους.

Oι χάρτες έντασης και επιδεκτικότητας που δημιουργήθηκαν από την ανάλυση ANN χρησιμοποιήθηκαν στον πίνακα κατολισθητικής επικινδυνότητας με τη βοήθεια του GIS, προκειμένου να προκύψει ο τελικός χάρτης της κατολισθητικής επικινδυνότητας της περιοχής μελέτης κατά τη χρονική περίοδο μελέτης από τις 16 Οκτωβρίου 2018 έως τις 21 Μαρτίου 2019, όπως φαίνεται στην εικόνα 7 το 44,4%, το 52,9% και το 2,5% της συνολικής έκτασης αντιπροσωπεύουν τις ζώνες χαμηλής, μέτριας και υψηλής κατολισθητικής επικινδυνότητας, αντίστοιχα.

ΣΥΜΠΕΡΑΣΜΑΤΑ

Η ενσωμάτωση της ανάλυσης ANN και της τεχνικής PSI με τη βοήθεια των ΓΣΠ μπορεί να θεωρηθεί ως μια καλή μέθοδος για τις μελέτες γεωλογικής επικινδυνότητας που δίνει σημαντικά αποτελέσματα τα οποία μπορούν να επικαιροποιούνται τακτικά προκειμένου να χρησιμοποιούνται στη διαδικασία σχεδιασμού της διαχείρισης καταστροφών.