Ενίσχυση της ακρίβειας χαρτογράφησης των πλημμυρισμένων περιοχών με χρήση προηγμένης επεξεργασίας δεδομένων SAR.

<u>Πρωτότυπος τίτλος:</u>Enhancing Flood Area Mapping Accuracy Using Advanced SAR Data Processing<br><br>

<b>Συγγραφείς:</b>S. Pazhanivelan, K. P. Ragunath, N.S. Sudarmanian, S. Satheesh and K. Sneka<br>
<b>Πηγή (αναλυτικά):</b>Pazhanivelan, S., Ragunath, K. P., Sudarmanian, N. S., Satheesh, S., & Sneka, K. (2024). Enhancing Flood Area Mapping Accuracy Using Advanced SAR Data Processing. International Journal of Environment and Climate Change, 14(12), 783-799. DOI: 10.9734/ijecc/2024/v14i124662
<p>


<h1><b><span style="color:#FF4500">Περίληψη</span></b></h1>
[[ Εικόνα: Ar5.eik1.jpg | thumb | right |300px|'''Εικόνα 1:''' Χάρτης Περιοχής μελέτης. (Πηγή: Pazhanivelan et al, 2024).]]
Οι πλημμύρες αποτελούν μια από τις συχνότερες και πλέον καταστροφικές φυσικές απειλές, προκαλώντας τεράστιες οικονομικές απώλειες και ζημιές στις γεωργικές καλλιέργειες. Η παρούσα μελέτη εστιάζει σε περιοχές της πολιτείας Ταμίλ Ναντού της Ινδίας, οι οποίες δέχονται συχνά έντονες βροχοπτώσεις, ερευνώντας την ακριβή αποτύπωση των εδαφών που κατακλύστηκαν από νερό. Ο σκοπός της έρευνας, όπως αναφέρεται χαρακτηριστικά μέσα στο κείμενο, είναι: «Να αξιολογήσει τη χωρική κατανομή των πλημμυρών το 2024 χρησιμοποιώντας δεδομένα τηλεπισκόπησης, και συγκεκριμένα το ραντάρ συνθετικού ανοίγματος (SAR), ένα ισχυρό εργαλείο στην παρακολούθηση και χαρτογράφηση των πλημμυρών λόγω της ικανότητάς του να καταγράφει δεδομένα υπό όλες τις καιρικές συνθήκες, συμπεριλαμβανομένης της βροχής και της νεφοκάλυψης, παρέχοντας εικόνες υψηλής ανάλυσης κατάλληλες για τον εντοπισμό και την ανάλυση της έκτασης των πλημμυρών.


[[ Εικόνα: Ar5.eik2.jpg | thumb | right |200px|'''Εικόνα 2:''' Λειτουργίες του δορυφόρου Sentinel 1A. (Πηγή: Pazhanivelan et al, 2024).]]

<h1><b><span style="color:#FF4500">Είδη δεδομένων (δορυφορικών και πεδίου) και η χρησιμότητά τους</span></b></h1>
Για τη διεξαγωγή της ανάλυσης αντλήθηκαν δεδομένα από τον δορυφόρο Sentinel-1A του Ευρωπαϊκού Οργανισμού Διαστήματος. Το μεγάλο συγκριτικό πλεονέκτημα του συγκεκριμένου αισθητήρα (τεχνολογίας SAR σε ζώνη C) είναι ότι έχει τη δυνατότητα να διαπερνά τα σύννεφα και τη βροχή, επιτρέποντας την αδιάλειπτη λήψη εικόνων ακόμα και εν μέσω ακραίων καιρικών φαινομένων. Εκτός από τα δορυφορικά δεδομένα, συγκεντρώθηκαν απαραίτητα πρωτογενή δεδομένα πεδίου. Οι ερευνητές χρησιμοποίησαν φορητούς δέκτες GPS για να καταγράψουν τις συντεταγμένες σε 350 σημεία ελέγχου (ground truth points), ώστε να μπορέσουν να επαληθεύσουν πρακτικά την αξιοπιστία των δορυφορικών αποτελεσμάτων.

<h1><b><span style="color:#FF4500">Προεπεξεργασίες</span></b></h1>
Για να καταστούν χρήσιμες οι ακατέργαστες εικόνες ραντάρ, υποβλήθηκαν σε μια αυστηρή διαδικασία προεπεξεργασίας επτά σταδίων μέσα από το λογισμικό SNAP. Τα κυριότερα βήματα της αλυσίδας αυτής περιελάμβαναν την εισαγωγή των ακριβών τροχιακών στοιχείων του δορυφόρου, την αφαίρεση του θερμικού θορύβου (thermal noise) καθώς και του θορύβου στα όρια των εικόνων. Ίσως το πιο κομβικό στάδιο ήταν η ραδιομετρική βαθμονόμηση, μέσω της οποίας οι απλές ψηφιακές τιμές των εικονοστοιχείων μετατράπηκαν σε κανονικοποιημένα σήματα οπισθοσκέδασης (backscatter), έτοιμα για ανάλυση.


<h1><b><span style="color:#FF4500">Ειδικές αναλύσεις των δορυφορικών εικόνων και αποτελέσματα.</span></b></h1>
<b><span style="color:#FF4500">1. Χαρτογράφηση Πλημμυρισμένων Εκτάσεων </span></b><br>
Μέσα από τη συγκριτική ανάλυση των εικόνων πριν και μετά τις βροχοπτώσεις, διαπιστώθηκε ότι οι πλημμύρες του 2024 επηρέασαν άμεσα 90.369 εκτάρια γεωργικής γης στην περιοχή μελέτης. Η κατανομή των ζημιών παρουσίασε σημαντικές γεωγραφικές διαφοροποιήσεις. Για παράδειγμα, η περιφέρεια Tiruvannamalai δέχτηκε το μεγαλύτερο πλήγμα, μετρώντας 15.633 βυθισμένα εκτάρια, ενώ στον αντίποδα, η περιοχή Mayiladuthurai κατέγραψε σαφώς μικρότερες ζημιές (2.202 εκτάρια).<br>

<gallery widths="350" heights="350">
Εικόνα:Ar5.eik3.png|'''Πίνακας 1:''' Οι περιοχές που επηρεάστηκαν από τις πλημμύρες στην περιοχή μελέτης. (Πηγή: Pazhanivelan et al, 2024).
Εικόνα:Ar5.eik4.jpg|'''Εικόνα 3:''' Χάρτης πλημμυρών στην περιοχή Tiruvannamalai. (Πηγή: Pazhanivelan et al, 2024).
Εικόνα:Ar5.eik5.jpg|'''Εικόνα 4:''' Χάρτης πλημμυρών στην περιοχή Cuddalore. (Πηγή: Pazhanivelan et al, 2024).
</gallery>




<b><span style="color:#FF4500">2. Αξιολόγηση Ακρίβειας Μοντέλου</span></b><br>
Τα αποτελέσματα της δορυφορικής ταξινόμησης ελέγχθηκαν μέσω ενός πίνακα σφαλμάτων (confusion matrix) σε αντιπαραβολή με τα 309 έγκυρα σημεία εδάφους (214 σημεία με πλημμύρα και 95 χωρίς). Το μοντέλο εμφάνισε εντυπωσιακή συνολική ακρίβεια της τάξης του 90%. Ειδικότερα στις περιοχές που πραγματικά πλημμύρισαν, η ακρίβεια παραγωγού και χρήστη διαμορφώθηκε στο 92,10% και 93,40% αντίστοιχα. Ο στατιστικός δείκτης Kappa υπολογίστηκε στο 0,80, πιστοποιώντας την ισχυρή αξιοπιστία της διαδικασίας εντοπισμού.<br>


<h1><b><span style="color:#FF4500">Συμπεράσματα και αξιολόγηση των μεθόδων.</span></b></h1>
Η συγκεκριμένη έρευνα επιβεβαιώνει ότι τα συστήματα SAR (όπως το Sentinel-1A) συνιστούν κορυφαία εργαλεία για τον άμεσο και ασφαλή εντοπισμό πλημμυρών, ακριβώς επειδή δεν επηρεάζονται από δυσμενείς καιρικές συνθήκες. Επίσης, αποδείχθηκε ότι η σύζευξη αυτών των προηγμένων τηλεπισκοπικών μεθόδων με αυστηρά δεδομένα επαλήθευσης από το πεδίο, εγκαθιδρύει ένα πολύ ισχυρό αναλυτικό πλαίσιο. Συμπερασματικά, η εργασία δεν προσφέρει απλώς μια στατιστική απεικόνιση, αλλά λειτουργεί ως ένας εφαρμόσιμος χάρτης για τους αρμόδιους φορείς. Βοηθά στην ανάδειξη των ζωνών υψηλού κινδύνου και καθοδηγεί τις προσπάθειες για την κατασκευή ανθεκτικών υποδομών, ώστε να θωρακιστεί ουσιαστικά το γεωργικό και περιβαλλοντικό μέλλον της περιοχής απέναντι στις κλιματικές αλλαγές. 

 [[category:Καταγραφή πλυμμηρών]]