Ανάλυση των αποτελεσμάτων χαρτογράφησης πλημμυρισμένων περιοχών όπως αυτά προκύπτουν από το λογισμικό FLOODPY

Δήμος, Φραγκίσκος; Dimos, Fragkiskos

dc.contributor.author	Δήμος, Φραγκίσκος	el
dc.contributor.author	Dimos, Fragkiskos	en
dc.date.accessioned	2024-03-29T11:58:32Z
dc.date.available	2024-03-29T11:58:32Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/59069
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.26765
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Μηχανική μάθηση	el
dc.subject	Πλημμύρες	el
dc.subject	Χρονοσειρές	el
dc.subject	Machine learning	en
dc.subject	Floods	en
dc.subject	Timeseries	en
dc.title	Ανάλυση των αποτελεσμάτων χαρτογράφησης πλημμυρισμένων περιοχών όπως αυτά προκύπτουν από το λογισμικό FLOODPY	el
dc.title	Analysis of the results of flood mapping as they are generated by the FLOODPY software	en
heal.type	bachelorThesis
heal.classification	Ανάπτυξη μεθοδολογίας	el
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2023-10-18
heal.abstract	Τα πλημμυρικά φαινόμενα αποτελούν μια από τις πιο επιζήμιες και σοβαρές φυσικές καταστροφές σε παγκόσμια κλίμακα, καθώς οι επιπτώσεις τους προκαλούν μεγάλες απώλειες τόσο σε φυσικά όσο και ανθρωπογενή περιβάλλοντα. Ειδικότερα τα τελευταία χρόνια, με την έξαρση του φαινομένου της κλιματικής αλλαγής και την συχνότητα αλλά και επίδραση που εμφανίζονται οι πλημμύρες, καθιστούν την χαρτογράφησή τους επιτακτική ανάγκη καθώς συμβάλλουν στον σχεδιασμό της έγκυρης αντιμετώπιση τους και στην γρήγορη ανταπόκριση για την ανακούφιση των πληγεισών περιοχών. Συγκεκριμένα, για τον λόγο αυτό, τα τελευταία χρόνια έχουν αναπτυχθεί καινοτόμες τεχνολογίες και λογισμικά ανοιχτού κώδικα, τα οποία με την χρήση τηλεσκοπικών και δορυφορικών δεδομένων, επιτρέπουν την αυτόματη χαρτογράφηση και ανίχνευση των πλημμυρικών φαινομένων. Στα πλαίσια της παρούσας διπλωματικής εργασίας, πραγματοποιήθηκε η ενασχόληση με το λογισμικό ανοιχτού κώδικα FLOODPY, το οποίο δημιουργήθηκε από το Εργαστήριο Τηλεπισκόπησης της ΣΑΤΜ-ΜΓ και το οποίο αυτοματοποιεί την διαδικασία ανίχνευσης, καταγραφής και χαρτογράφησης πλημμυρών, κάνοντας χρήση χρονοσειρών από τις δορυφορικές εικόνες Sentinel – 1. Συγκεκριμένα, βασικός στόχος αποτέλεσε η διερεύνηση και αξιολόγηση των αποτελεσμάτων του λογισμικού για το πλημμυρικό γεγονός που εξετάσθηκε καθώς και η χωρική και χρονική μελέτη στις καλλιέργειες που εφαρμόστηκε για την εξαγωγή πληροφορίων σχετικά με τις αστοχίες αλλά και τις δυνατότητές του. Η ανάλυση που πραγματοποιήθηκε αφορούσε την μελέτη καλλιεργειών οι οποίες ψηφιοποιήθηκαν σε πολύγωνα και οι οποίες με βάση τα αποτελέσματα του FLOODPY διαχωρίστηκαν σε 2 κατηγορίες, όπου η πρώτη αποτέλεσε η κατηγορία «Failed Polygons» για τις πλημμυρισμένες περιοχές που δεν κατάφερε να ανιχνεύσει ως πλημμύρα και η δεύτερη την «Failed Polygons» για τις καλλιέργειες που ανιχνεύθηκαν ως πλημμυρισμένες με επιτυχία. Με το διαχωρισμό αυτό, πραγματοποιήθηκε η εξαγωγή των τιμών της ανακλαστικότητας του καναλιού NIR, του δείκτη NDVI, του δείκτη NDMI και της συμβολομετρικής συνάφειας για κάθε πολύγωνο στο χρονικό διάστημα ενός έτους που εμπεριέχει μέσα το πλημμυρικό γεγονός. Για την ερμηνεία και την αξιολόγηση των αποτελεσμάτων που συλλέχθηκαν, αξιοποιήθηκαν τεχνικές μηχανικής μάθησης και συγκεκριμένα έγιναν μη επιβλεπόμενες ομαδοποιήσεις στα δεδομένα, με σκοπό να διερευνηθούν οι σχέσεις των μεταξύ καλλιεργειών-πολυγώνων και να ερμηνευθούν σχετικά με τα αίτια αστοχίας του FLOODPY, εξετάζοντας τις χρονοσειρές τους για τα 4 μεγέθη και τα χωρικά τους πρότυπα.	el
heal.abstract	Floods are one of the most damaging and severe natural disasters on a global scale because their impacts result in significant losses to both natural and human-made environments. Especially in recent years, with the rise of the phenomenon of climate change and the increased frequency and impact of floods, mapping them has become an urgent necessity. This is because it contributes to the planning of effective responses and rapid relief efforts in the affected areas. Specifically, for this reason, innovative technologies and open-source software have been developed in recent years, which, through the use of remote sensing and satellite data, enable the automatic mapping and detection of flood events. In the context of this diploma thesis, there was an analysis performed using the open-source software FLOODPY, which was created by the Remote Sensing Laboratory of SRSE-GE (NTUA). This software automates the process of flood detection and mapping using Sentinel-1 time series. Specifically, the primary objective was to investigate and evaluate the results of the software for a specific flood event that was examined, as well as to conduct a spatial and temporal analysis on the crops that the FLOODPY was applied to, in order to not only to extract information regarding the vulnerabilities and capabilities of the software. The analysis focused on the study of crops that were digitized into polygons. Based on the results of FLOODPY, these crops were divided into two categories. The first category was labeled as "Failed Polygons" for the flooded areas that FLOODPY failed to detect as floods. The second category was labeled as "Successful Polygons" for the crops that were successfully detected as flooded. With this separation, the values of the Near-Infrared (NIR) channel reflectance, the Normalized Difference Vegetation Index (NDVI), the Normalized Difference Moisture Index (NDMI) and the interferometric coherence for each polygon were extracted over the one-year time frame that encompassed the flood event. To interpret and evaluate the collected results, machine learning techniques were utilized. Specifically, unsupervised clustering was performed on the data to explore the relationships between crops and to interpret them in relation to the causes of FLOODPY's inaccuracies. This involved examining their time series data of the four variables and their spatial pattern.	en
heal.advisorName	Καραθανάση, Βασιλεία	el
heal.committeeMemberName	Καραθανάση, Βασιλεία	el
heal.committeeMemberName	Καράντζαλος, Κωνσταντίνος	el
heal.committeeMemberName	Τσιχριντζής, Βασίλειος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Τηλεπισκόπησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	183 σ.	el
heal.fullTextAvailability	false