Una supervisión y predicción eficaz de inundaciones y gestión de riesgos para un gran río son casi imposibles sin el uso de datos de Observación de la Tierra desde el espacio. Concretamente, uno de los problemas más importantes asociados con la vigilancia de las inundaciones es la dificultad para determinar la extensión de la zona de inundación, ya que incluso una densa red de observación a nivel local no puede proporcionar dicha información. La información sobre la extensión de la inundación se utiliza para la evaluación de daños y la gestión de riesgos y beneficios a los equipos de rescate durante las inundaciones; también es muy importante para la calibración y validación de modelos hidráulicos y para reconstruir lo que sucedió durante la inundación y determinar qué causó al agua para ir a fluir a donde lo hizo.
Las mediciones usando imágenes tipo SAR (radar de apertura sintética) desde el espacio son independientes de las condiciones diurnas y del clima y pueden proporcionar información valiosa para el seguimiento de las inundaciones. Esto se debe principalmente al hecho de que la superficie del agua no proporciona ninguna señal de retorno a la antena en el espectro de las microondas y aparece negra en las imágenes tipo SAR. El uso de imágenes tipo SAR produce resultados limitados cuando se trata de áreas densamente pobladas debido al aumento en la reflexión de viviendas y otros objetos. En tales casos, el uso de imágenes ópticas puede ser una alternativa.
Esta práctica recomendada se centra en un método simple de umbral para derivar la extensión de la inundación en las imágenes SAR.
- Requisitos de datos: Imágenes tipo SAR (actual y de archivo) en Nivel 1, y un Modelo de Elevación Digital (DEM por sus siglas en inglés) para orto-rectificación (SRTM DEM se descarga automáticamente en el ámbito del proceso de SNAP dentro de un proceso de orto rectificación). Además, imágenes ópticas de archivo, mapas de uso del suelo / uso de la tierra con los datos vectoriales de objetos incluyendo infraestructura son beneficiosos.
- Versiones de 32 y 64 bits: Para el procesamiento de imágenes SAR, existen versiones de 32 y 64 bits de SNAP que están disponibles sin costo alguno aquí (es necesario registrarse). Para la visualización, vamos a utilizar Google Earth, que puede descargarse sin costo alguno.
- Necesidades de competencia: un conocimiento básico o intermedio de procesamiento de imágenes; conocimientos básicos de la teoría de imágenes tipo SAR.
- Requisitos de hardware: para el procesamiento de imágenes reales SAR es aconsejable disponer de un mínimo de 2 GB de RAM. El uso de procesadores de múltiples núcleos (con hyperthreading) es beneficioso dado que SNAP está paralelizado.
Las aplicaciones de la extensión de inundaciones incluyen:
- Estimación operativa y detección de áreas inundadas (entre 6 y 12 horas después de la adquisición de imágenes tipo SAR).
- La evaluación de daños de objetos inundados.
- La calibración de los modelos hidrometeorológicos.
- La detección de los niveles de agua utilizando un modelo de alta resolución DEM.
- Extensión espacial: de nivel de poblados hasta una escala global.
- Se puede utilizar para todas las etapas: evaluación de riesgos, la cartografía operativa y de respuesta, recuperación.
- Resolución espacial: desde 1 m hasta 150 m.
El uso del método de umbral para SAR tiene las siguientes ventajas:
- Independencia de nubes para imágenes SAR.
- Alto tiempo de revisita.
- Fácil detección de agua tranquila, sin oleaje.
- Exactitud: hasta del 95% (dependiendo de la superficie y el área).
Limitaciones:
- Potenciales falsas alarmas debido a sombras (variables del terreno), objetos lisos (como caminos) y arena.
- Dificultad en la detección de inundaciones en áreas urbanas.
- Dificultad en la detección de vegetación inundada. (Para la detección de vegetación inundada usando imágenes tipo SAR se requieren usualmente dos imágenes multi-temporales).
Kussul N., Shelestov A., Skakun S. “Flood Monitoring on the Basis of SAR Data”, In F. Kogan, A. Powell, O. Fedorov (Eds.) “Use of Satellite and In-Situ Data to Improve Sustainability”. NATO Science for Peace and Security Series C: Environmental Security, 2011, pp. 19-29. (http://dx.doi.org/10.1007/978-90-481-9618-0_3)
Kussul N., Shelestov A., Skakun S. (2008) “Grid System for Flood Extent Extraction from Satellite Images”, Earth Science Informatics, 1(3-4), pp. 105-117. (http://dx.doi.org/10.1007/s12145-008-0014-3)
Skakun S. (2010) “A Neural Network Approach to Flood Mapping Using Satellite Imagery”, Computing and Informatics, Vol. 29, No. 6, pp. 1013-1024.
Kussul N., Shelestov A., Skakun S., Guoqing Li, Kussul O., Jibo Xie, (2013) “Service-oriented infrastructure for flood mapping using optical and SAR satellite data”, International Journal of Digital Earth, (http://dx.doi.org/10.1080/17538947.2013.781242)
Kussul N., Shelestov A., Skakun S., Li G., Kussul O. (2012) “The Wide Area Grid Testbed for Flood Monitoring Using Earth Observation Data”, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2012, vol. 5, no. 6, pp. 1746- 1751. (http://dx.doi.org/10.1109/JSTARS.2012.2201447)
Kussul N., Shelestov A., Skakun S. (2009) “Grid and Sensor Web Technologies for Environmental Monitoring”, Earth Science Informatics, 2(1-2), pp. 37-51. (http://dx.doi.org/10.1007/s12145-009-0024-9)
