Ανάπτυξη μεθόδου χαρτογράφησης πλημμύρων με χρήση δεδομένων Sentinel 1

Ανδρονοπούλου, Σοφία; Andronopoulou, Sofia

dc.contributor.author	Ανδρονοπούλου, Σοφία	el
dc.contributor.author	Andronopoulou, Sofia	en
dc.date.accessioned	2021-03-16T13:00:54Z
dc.date.available	2021-03-16T13:00:54Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/53061
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.20759
dc.rights	Default License
dc.subject	Εικόνες ραντάρ	el
dc.subject	Αγροτικό περιβάλλον	el
dc.subject	Δασικό περιβάλλον	el
dc.subject	Flood mapping	en
dc.subject	Κατωφλίωση	el
dc.subject	Radar images	en
dc.subject	Rural area	en
dc.subject	Forested area	en
dc.subject	Thresholding	en
dc.subject	Χαρτογράφηση πλημμύρας	el
dc.title	Ανάπτυξη μεθόδου χαρτογράφησης πλημμύρων με χρήση δεδομένων Sentinel 1	el
heal.type	bachelorThesis
heal.classification	Τηλεπισκόπηση	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-01-30
heal.abstract	Η παρούσα διπλωματική εργασία είχε ως στόχο την ανάπτυξη μιας μεθόδου για τη χαρτογράφηση πλημμύρας σε διαφορετικές καλύψεις γης με χρήση δεδομένων Συνθετικού Ανοίγματος Ραντάρ (ΣΑΡ), Sentinel 1. Οι εικόνες οι οποίες λαμβάνονται από το δορυφόρο Sentinel 1 δημιουργούνται με την καταγραφή της μικροκυματικής ακτινοβολίας που εκπέμπεται από τον ίδιο τον δέκτη στη γήινη επιφάνεια και επιστρέφει σ’ αυτόν. Η χρήση εικόνων ραντάρ για την ανίχνευση αλλαγών που συμβαίνουν στην επιφάνεια της γης είναι πολύ διαδεδομένη, καθώς οι δορυφόροι που εκπέμπουν ηλεκτρομαγνητική ακτινοβολία στα μικροκύματα παρέχουν τη δυνατότητα για χαρτογράφηση της επιφάνειας της γης ανεξαρτήτως ώρας και καιρικών συνθηκών. Στην εργασία αυτή αναπτύχθηκε μία μέθοδος η οποία χαρτογραφεί και παρακολουθεί επεισόδια πλημμύρας με χρήση εικόνων ραντάρ. Η μέθοδος βασίζεται στη διάκριση των αλλαγών των τιμών οπισθοσκέδασης στην περιοχή μελέτης σε εικόνες πριν την πλημμύρα και απαλοιφή αυτών των αλλαγών στην εικόνα της πλημμύρας έτσι ώστε να προκύψουν μόνο οι αλλαγές λόγω πλημμύρας. Η μέθοδος αφορά στη δημιουργία χρονοσειράς και επεξεργασία της α) με τη συμμετοχή και β) χωρίς τη συμμετοχή της εικόνας της πλημμύρας, με σκοπό την ανάπτυξη εικόνων διαφορών. Ανάπτυξη μασκών, κατάλληλη κατωφλίωση και εφαρμογή της μεθόδου Otsu επιτρέπουν στη συνέχεια τη δημιουργία χάρτη πιθανοτήτων για τις πλημμυρισμένες περιοχές. Η μέθοδος εφαρμόστηκε και αξιολογήθηκε για τρεις διαφορετικές χρήσεις/καλύψεις γης δασώδεις, αγροτικές και αστικές ενώ τροποποιήθηκε ανάλογα για να ανταποκριθεί στις ιδιαιτερότητες των αστικών περιοχών. Αρχικά αναζητήθηκαν πλημμυρικά επεισόδια για τις τρεις διαφορετικές χρήσεις/καλύψεις γης και στη συνέχεια εφαρμόστηκε και αξιολογήθηκε. Το πρώτο επεισόδιο αφορά την πλημμύρα που έγινε σε δασώδες περιβάλλον στην περιοχή Κραγκέρο της Νορβηγίας μετά από βροχές στις 21 Οκτωβρίου 2017. Λήφθηκε η εικόνα η οποία απεικόνιζε την πλημμύρα, η οποία είχε ημερομηνία λήψης 22 Οκτωβρίου 2017, καθώς και μία χρονοσειρά εικόνων από τις 4 Σεπτεμβρίου έως και τις 16 Οκτωβρίου του ίδιου έτους. Εξαιρέθηκαν όσες ημερομηνίες σε αυτό το διάστημα είχαν βροχερές καιρικές συνθήκες και έμειναν 6 εικόνες πριν την πλημμύρα, ενώ επεξεργάστηκαν και δύο ακόμη εικόνες μετά την πλημμύρα για την παρακολούθηση του επεισοδίου. Το δεύτερο επεισόδιο πλημμύρας ήταν αυτό που έγινε στον Πηνειό ποταμό ο οποίος διασχίζει αγροτική περιοχή. Οι έντονες βροχοπτώσεις που συνέβησαν στην περιοχή από τις 26 Φεβρουαρίου 2018 μέχρι τις 28 Φεβρουαρίου 2018 οδήγησαν στην υπερχείλιση του ποταμού και σε πλημμύρα μεγάλης έκτασης καλλιεργειών. Για τη περίπτωση του Πηνειού, λήφθηκε η εικόνα πλημμύρας με ημερομηνία λήψης 28 Φεβρουαρίου 2018 και μία χρονοσειρά εικόνων από τις 5 Ιανουαρίου 2018 έως τις 16 Φεβρουαρίου. Χρησιμοποιήθηκαν συνολικά 8 εικόνες για την εφαρμογή της μεθοδολογίας στη συγκεκριμένη περιοχή. Για την παρακολούθηση του επεισοδίου, η μέθοδος εφαρμόστηκε σε δύο ακόμη εικόνες μετά την πλημμύρα.Το τρίτο επεισόδιο αφορούσε αστική περιοχή, συγκεκριμένα τον πυκνό αστικό ιστό της πόλης της Βενετίας. Η Βενετία είναι μια πόλη η οποία δυστυχώς πλημμυρίζει συχνά εξαιτίας βροχοπτώσεων επειδή υπερχειλίζουν τα κανάλια που την διασχίζουν. Το πλημμυρικό επεισόδιο που μελετήθηκε συνέβη στις 12 Νοεμβρίου 2019, το οποίο ήταν το πιο καταστροφικό στην ιστορία της Βενετίας από το 1966. Η εικόνα η οποία λήφθηκε ως πλημμυρισμένη είχε ημερομηνία λήψης 15 Νοεμβρίου 2019. 7 Λήφθηκαν στην αρχή αρκετές εικόνες ώστε να χρησιμοποιηθεί μια χρονοσειρά εικόνων όπως στις προηγούμενες δύο περιπτώσεις που αναφέρθηκαν. Όμως οι διαρκείς αλλαγές που συμβαίνουν στο πυκνό και πολύπλοκο αστικό τοπίο δεν επέτρεψαν την επιτυχή χαρτογράφηση του πλημμυρικού γεγονότος με χρήση πολλών εικόνων. Έτσι, για την περίπτωση της Βενετίας χρησιμοποιήθηκαν 3 εικόνες συνολικά και η μέθοδος τροποποιήθηκε κατάλληλα. Η αξιολόγηση των αποτελεσμάτων έδειξε ότι η μέθοδος μπορεί με επιτυχία να χαρτογραφήσει και να παρακολουθήσει πλημμυρικά επεισόδια σε δασώδεις και αγροτικές περιοχές χρησιμοποιώντας δεδομένα ΣΑΡ Sentinel--1 χωρικής ανάλυσης 20x22μ. Για το αστικό περιβάλλον, η αδυναμία της μεθόδου οφείλεται στη χωρική ανάλυση των Sentinel--1 δεδομένων η οποία δεν επαρκεί για να αποδώσει δυναμικά φαινόμενα που εξελίσσονται στο πυκνό αστικό περιβάλλον.	el
heal.abstract	This diploma thesis aims at the development of a method for flood mapping in different land covers using Sentinel 1 Synthetic Aperture Radar (SAR) data. Sentinel 1 is an active radar sensor; it emits a pulse that is propagated to the ground and then it records the backscattered pulse from the ground. Radar images are used broadly for detecting changes on the earth's surface because the microwave electromagnetic region where the radar sensor operates provides the ability to map the earth's surface regardless of time and weather conditions. In the context of this thesis, a method was developed that is based on the detection of changes in the backscattering values in pre flood images and elimination of these changes in the flood image so that only changes that are due to the flood will be highlighted after its comparison with pre flood images. The method concerns the creation of a Sentinel 1 image time series and its processing a) with the participation and b) without the participation of the flood image, in order to develop images of differences. Image masking, proper thresholding, and application of the Otsu method allow the creation of a probability map for the flooded areas. The method was applied and evaluated for three different land use / cover categories forest, agricultural and urban categories while it was modified accordingly in order to meet the complex and dynamic changes of urban areas. Flood events were initially retrieved for the three different land use / land cover categories and then applied and evaluated. The first event concerns the flood that occurred in the forested area of Kragero, Norway, after heavy rain on October 21, 2017. The image showing the flood event was downloaded. It was acquired on October 22, 2017. A time series of images from September 4th to and on October 16th of the same year were downloaded as well. The dates in this period that had rainy weather were excluded, so just 6 images before the flood event were left to apply the methodology. In addition, two more images acquired after the flood event were processed according to the proposed method, to monitor the evolution of the flood. The second flood event was the one that occurred in the river Pinios, Greece which crosses a rural area. The heavy rains that occurred in the area from 26 February 2018 to 28 February 2018 led to the overflow of the river and to the flooding of large crop areas. In the case of Pinios, the flood image was acquired on February 28, 2018 and the image time series were acquired from the 5th of January to 16th of February 2018. Totally 8 images were used in this area. To monitor the event, the method was applied on two more images, acquired after the flood event.The third application concerned an urban area, namely the dense urban area of the city of Venice, Italy. Unfortunately, Venice is a city that often floods due to rainfall because of the overflow of the canals that cross it. The flood incident studied occurred on November 12, 2019, which was the most catastrophic in the history of Venice since 1966. The image of the flood was acquired on November 15th, 2019. Several images were initially downloaded so an image time series is used, as in the previous two cases. However, the frequent changes that occur in the dense and complex urban landscape did not allow the successful mapping of the flood event using Sentinel 1 image time series. Thus, in the case of Venice, a total of 3 images were used and the method was modified accordingly. 9 The evaluation of the results showed that the method successfully maps and monitors flood events in wooded and rural areas using Sentinel--1 SAR data with 20x22m spatial resolution. For the urban environment, the weakness of the method is due to the spatial analysis of Sentinel--1 data which is not sufficient to assess the dynamic phenomena that occur in the dense urban environment.	en
heal.advisorName	Καραθανάση, Βασιλεία	el
heal.committeeMemberName	Καραθανάση, Βασιλεία	el
heal.committeeMemberName	Τσιχριντζής, Βασίλειος	el
heal.committeeMemberName	Αργιαλάς, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Τηλεπισκόπησης	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	false