توسعه روش شناسی برآورد سیلاب مبتنی بر سنجش از دور در محیط گوگل ارث انجین

نوع مقاله : مقاله علمی - پژوهشی

نویسندگان

1 گروه مهندسی عمران، دانشکده مهندسی عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران

2 گروه پژوهشی مهندسی محیط زیست و پایش آلاینده‌ها، پژوهشکده محیط زیست و توسعه پایدار، سازمان حفاظت محیط زیست، تهران، ایران

3 گروه ارزیابی مخاطرات، پژوهشکده محیط زیست و توسعه پایدار، سازمان حفاظت محیط زیست، تهران، ایران

چکیده

پیشینه و هدف: سیل به­ عنوان یکی از اصلی ­ترین مخاطرات طبیعی در ایران خسارات گسترده­ ای را در مناطق مختلف به همراه داشته است. یکی از فن­ آوری هایی که در این زمینه می­ تواند دستاوردهای قابل توجهی را به همراه داشته باشد فن­ آوری سنجش از دور می ­باشد توانایی ارزیابی دقیق و به موقع سیل ابزاری مهم و ایمن جهت کاهش سیل و واکنش به این مخاطره می ­باشد. روش‌های متعددی برای نشان دادن خطرات مرتبط با سیل با استفاده از اندازه‌گیری‌های زمینی ایجاد شده‌اند. داده‌های سنجش از دور ماهواره‌ای برای ارزیابی سیل به دلیل قدرت تفکیک مکانی و ظرفیت آن‌ها برای ارائه اطلاعات برای مناطقی با دسترسی ضعیف یا فاقد اندازه‌گیری‌های زمینی استفاده شده‌اند. داده های ماهواره ای راداری و  با وضوح بالا عمدتاً برای تجزیه و تحلیل فضایی پیکسل ­های آب مفید است. زمانی که داده‌های سیل (قبل و بعد از وقوع سیل) در دسترس باشد، می‌توان تغییرات پوشش زمین را طبقه‌بندی کرد و بنابراین مشخص کرد که کدام مناطق سیل‌زده هستند. از طرفی نیز توسعه ابزاری کاربردی برای تسهیل و تسریع پردازش تصاویر ماهواره نیز می تواند نقش کلیدی در پیشبرد و توسعه تحقیقات در این زمینه باشد.
موارد و روش ­ها: پژوهش حاضر به ­دنبال توسعه روش شناسی می ­باشد که با استفاده از تصاویر ماهواره سنتینل 1 و با به کارگیری محصولات جهانی، خسارات ناشی از رویداد سیل را با رویکردی نوین برآورد کند این خسارات در دو واقعه سیلابی 1398 خوزستان و 1400 کنارک و چابهار مد نظر قرار گرفت. در این پژوهش به ­جز داده‌های ماهواره‌ای سنتینل 1، جهت تعیین حد آستانه‌ها و تدقیق نتایج، از تصاویر ماهواره اپتیک از قبیل لندست 8 نیز استفاده شده است. برای مناطقی که به دلایلی از قبیل مزاحمت ابر و یا عدم گذر ماهواره اپتیک و یا حتی عدم انطباق زمانی تصویر رادار و اپتیک، امکان استخراج و تدقیق حد آستانه بر اساس تصاویر اپتیک میسر نباشد؛ ایده استفاده از ترکیب رنگی حاصل از تصاویر بعد و قبل سیلاب به­ کار گرفته شد. 
نتایج: نتایج این پژوهش به توسعه ابزار کاربردی جهت برآورد خسارت سیل در محیط گوگل ارث انجین منجر گردیده است. نتایج پژوهش بیانگر این موضوع بود که با توجه به محدودیت های استفاده از تصاویر ماهواره نوری که غالباً در شرایط جوی بعد سیلاب و به دلیل مشکلات پوشش ابر، امکان استفاده از آن ایجاد مشکل می­ کند؛ لذا استفاده از ماهواره های راداری با ارائه ایده استفاده از ترکیب رنگی حاصل از تصاویر بعد و قبل سیلاب، می­ تواند به تنهایی نقش مؤثری در شناسایی پهنه سیلابی و متعاقباً برآورد خسارات حاصل از سیلاب داشته باشد. پیاده ­سازی روش ارائه شده در محیط گوگل ارث انجین به ­دلیل سهولت در دسترسی به مجموعه تصاویر ماهواره­ای و محصولات جهانی راهکاری مناسب در زمینه­ استخراج پهنه سیلابی و متعاقباً برآورد خسارات کشاورزی و مسکونی ناشی از سیلاب می­ باشد.
بحث: اگرچه تلفیق اطلاعات ماهواره های راداری و نوری می­تواند نقش مهمی در تدقیق حد آستانه­ ها و استخراج پهنه سیلابی ایفا کند. لیکن محدودیت ­های مربوط به تصاویر نوری از قبیل مزاحمت ­های پوشش ابری منجر به این شد که در این تحقیق روش‌شناسی مبتنی بر تصاویر راداری (بدون استفاده از تصاویر نوری) به ­کار گرفته و ارزیابی شود. از طرفی نیز مطابق با روش­ شناسی تحقیق، نیازی به تهیه و جمع­ آوری اطلاعات زمینی نبوده و محصولات جهانی در خصوص جمعیت و توزیع مکانی آن، پوشش زمین، پهنه ­های آبی دایمی و مدل رقومی ارتفاعی زمین، با دقت مکانی مناسب (کلیه اطلاعات با دقت مکانی کمتر از 100متر) به ­کار گرفته شده است. سهولت دسترسی سریع به تصاویر ماهواره­ ای پردازش شده و هم­چنین کدنویسی کلی و پردازش تصاویر و اجرای روش‌شناسی مدنظر در محیط ارث انجین از ویژگی‌های منحصر به فرد این مطالعه می‌باشد.

کلیدواژه‌ها


  1. Abdolhosseini, M., & Farzaneh, M. R., 2014. Investigation of internal uncertainty sources of change factor method in downscaling of climatic parameters of future period. Intl J Agric Crop Sci7(12), 941-949.
  2. Attia, W., Ragab, D., Abdel-Hamid, A. M., Marghani, A. M., Elfadaly, A., & Lasaponara, R., 2022. On the Use of Radar and Optical Satellite Imagery for the Monitoring of Flood Hazards on Heritage Sites in Southern Sinai, Egypt. Sustainability14(9), 5500.
  3. Bagheri, M.H. and Farzaneh. M.R., 2021. Timely estimation of flood damage using remote sensing in google earth engine (study area: 2020 Khuzestan flood). The 8th Comprehensive Conference on Flood Management and Engineering. Tehran.
  4. Chen, T., Song, C., Zhan, P., Yao, J., Li, Y., & Zhu, J., 2022. Remote sensing estimation of the flood storage capacity of basin-scale lakes and reservoirs at high spatial and temporal resolutions. Science of the Total Environment807, 150772.
  5. DeVries, B., Huang, C., Armston, J., Huang, W., Jones, J.W. and Lang, M.W., 2020. Rapid and robust monitoring of flood events using Sentinel-1 and Landsat data on the Google Earth Engine. Remote Sensing of Environment, 240, p.111664.
  6. Dodange, P., Ebadi, H., & Kayani, A., 2021. Identification of flood areas with time series statistical calculations based on combining radar and optical data. Ecohydrology, 639-623, (3)8.
  7. Fakhri, M., Farzaneh, M. R., Eslamian, S., & Hosseinipour, E. Z., 2011. Uncertainty analysis of downscaled precipitation using LARS-WG statistical model in Shahrekord station, Iran. In World Environmental and Water Resources Congress 2011: Bearing Knowledge for Sustainability (pp. 4572-4578).
  8. Fakhri, M., Farzaneh, M. R., Eslamian, S., & Khordadi, M. J., 2012. Confidence interval assessment to estimate dry and wet spells under climate change in Shahrekord Station, Iran. Journal of Hydrologic Engineering18(7), 911-8.
  9. Fazeli Farsani, A., Ghazavi, R., & Farzaneh, M. R., 2015. Investigation of land use classification algorithms using images fusion techniques (Case study: Beheshtabad Sub-basin). Journal of RS and GIS for Natural Resources6(1), 91-106.
  10. Ghaffarian, S., Rezaie Farhadabad, A., & Kerle, N., 2020. Post-disaster recovery monitoring with google earth engine. Applied Sciences, 10(13), 4574.
  11. Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., Moore, R., 2017. Google Earth Engine: planetary-scale geospatial analysis for everyone. Remote Sens. Environ.
  12. Hirabayashi, Y., Mahendran, R., Koirala, S., Konoshima, L., Yamazaki, D., Watanabe, S., Kim, H., Kanae, S., 2013. Global flood risk under climate change. Nat. Clim. Chang. 3, 816–821.
  13. Huang, W., DeVries, B., Huang, C., Jones, J., Lang, M., Creed, I., Carroll, M., 2018. Automated extraction of surface water extent from Sentinel-1 data. Remote Sens. 10, 1–18.
  14. Liu, C.C., Shieh, M.C., Ke, M.S. and Wang, K.H., 2018. Flood prevention and emergency response system powered by Google Earth Engine. Remote sensing, 10(8), p.1283.
  15. Mhawej, M., & Faour, G., 2020. Open-source Google Earth Engine 30-m evapotranspiration rates retrieval: The SEBALIGEE system. Environmental Modelling & Software, 133, 104845.
  16. Moazami, S., Golian, S., Kavianpour, M. R., & Hong, Y., 2014. Uncertainty analysis of bias from satellite rainfall estimates using copula method. Atmospheric Research, 137, 145-166.
  17. Narron, C. R., O'Connell, J. L., Mishra, D. R., Cotten, D. L., Hawman, P. A., & Mao, L., 2022. Flooding in Landsat across Tidal Systems (FLATS): An index for intermittent tidal filtering and frequency detection in salt marsh environments. Ecological Indicators141, 109045.
  18. Nuri, A. Z., Farzaneh, M., & Espanayi, K., 2014. Assessment of climatic parameters uncertainty under effect of different downscaling techniques. International Research Journal of Applied and Basic Sciences8(9), 838-225.
  19. Ounrit, I., Sinnung, S., Meena, P., and Laosuwan, T. 2022. FLASH FLOOD MAPPING BASED ON DATA FROM LANDSAT-8 SATELLITE AND WATER INDICES.
  20. Pekel, J.-F., Cottam, A., Gorelick, N., & Belward, A. S., 2016. High-resolution mapping of global surface water and its long-term changes. Nature, 540(7633), 418-422.
  21. Pourghasemi, H.R., Amiri, M., Edalat, M., Ahrari, A.H., Panahi, M., Sadhasivam, N. and Lee, S., 2020. Assessment of urban infrastructures exposed to flood using susceptibility map and Google Earth Engine. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 14, pp.1923-1937.
  22. Rajabzadeh, Y., Ayubzadeh, S. A., and Qomshi, M., 2018. Investigating the flood of Khuzestan province during the water year 2017-2018 presenting its control and management solutions in the future. Ecohydrology, 6(4), 1069-1084.
  23. Soleimani, K., Darvishi, and Shadman., 2020. Zoning and flood risk monitoring in spring 2018 in Khuzestan using Landsat-8 data. Ecohydrology. 662-647, (3)7.
  24. Tamiminia, H., Salehi, B., Mahdianpari, M., Quackenbush, L., Adeli, S., & Brisco, B., 2020. Google Earth Engine for geo-big data applications: A meta-analysis and systematic review. ISPRS Journal of Photogrammetry and Remote Sensing, 164, 152-170.
  25. Vanama, V.S.K., Mandal, D. and Rao, Y.S., 2020. GEE4FLOOD: rapid mapping of flood areas using temporal Sentinel-1 SAR images with Google Earth Engine cloud platform. Journal of Applied Remote Sensing, 14(3), p.034505.
  26. Voigt, S., Giulio-Tonolo, F., Lyons, J., Kučera, J., Jones, B., Schneiderhan, T., Platzeck, G., Kaku, K., Hazarika, M.K., Czaran, L., Li, S., Pedersen, W., James, G.K., Proy, C., Muthike, D.M., Bequignon, J., Guha-Sapir, D., 2016. Global trends in satellite-based
  27. Wing, O.E.J., Bates, P.D., Smith, A.M., Sampson, C.C., Smith, K.A.J., P.M.; J.F.; O.E.J.W.; P.D.B.; C.C.S.; A.M., Fargione, J., Morefield, P., 2018. Estimates of present and future flood risk in the conterminous United States. Environ. Res. Lett. 13, 034023.