使用谷歌地球引擎和SAR图像,几乎实时地绘制拜塔拉尼河流域的洪水泛滥和危险地图
Bobbili Aravind Sai Atchyuth1, Ratnakar Swain2, Pulakesh Das3
1Department of Civil Engineering, National Institute of Technology (NIT), Rourkela, Odisha, India.
这项研究使用了Sentinel-1卫星数据和谷歌地球引擎,绘制了2018-2022年印度拜塔拉尼河流域的洪水淹没情况. 研究发现了对农业和城市地区的重大影响,为改善洪水管理提供了一个框架.
科学领域:
- 地球和行星科学 地球和行星科学
- 环境科学 环境科学
- 遥感 遥感 遥感 遥感
背景情况:
- 洪水映射对于应对灾害至关重要,但光学卫星图像往往受到云层覆盖的限制.
- 合成孔径雷达 (SAR) 提供了可靠的替代水淹地图由于其全天候能力的水淹地图.
研究的目的:
- 从2018年到2022年,绘制印度东部拜塔拉尼河流域的洪水泛滥情况.
- 评估洪水对土地利用/土地覆盖 (LULC) 的影响,并验证地图的准确性.
主要方法:
- 使用 Sentinel-1 的 SAR 图像和 Google Earth Engine (GEE) 与 Otsu 的算法进行洪水映射.
- 采用机器学习算法对LULC进行分类,并分析双极化 (VH,VV) 和它们的组合.
- 使用Sentinel-2衍生的规范差水指数 (NDWI) 验证的洪水范围,准确度为80%.
主要成果:
- 量化年度洪水淹没面积:440.3平方公里 (2018年),268.58平方公里 (2019年),178.40平方公里 (2020年),203.79平方公里 (2021年) 和321.33平方公里 (2022年).
- 洪水地图与LULC数据重叠,揭示了对农业和城市地区的重大影响.
- 证明了Sentinel-1 SAR和GEE的有效性,用于近乎实时的洪水监测.
结论:
- 哨兵-1的SAR和GEE方法可用于定期洪水映射和加强洪水管理策略.
- 生成的洪水泛滥地图支持政策制定,农业产量估计和作物保险框架.
更多相关视频
07:58Data Processing Methods for 3D Seismic Imaging of Subsurface Volcanoes: Applications to the Tarim Flood Basalt
Published on: August 7, 2017
07:14Tracking Infiltration Front Depth Using Time-lapse Multi-offset Gathers Collected with Array Antenna Ground Penetrating Radar
Published on: May 1, 2018
相关概念视频
Applications of GIS: Disaster Management and Emergency Response
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Selected Data About Geographic Locations
Manipulation and Analysis
GIS Software, Hardware, and Sources of GIS Data
Thematic Layering in GIS
