پایش سریع سیل با استفاده از تصاویر سنتینل-1 و لندست-8 (مطالعه موردی: رودخانه کشکان شهرستان پلدختر)

سیل از جمله بلایای طبیعی شناخته شده‌است که نه تنها در کشورهای در حال توسعه بلکه در کشورهای توسعه یافته نیز باعث ایجاد خسارات مالی و جانی می‌شود. سنجنده‌های رادار دیافراگم مصنوعی (sar) یک منبع داده ضروری برای برنامه‌ریزان و کارشناسان بحران سیلاب می‌باشد. زیرا قابلیت تصویربرداری از سطح زمین را به‌صورت مستقل از شرایط آب‌وهوایی و زمان تصویربرداری دارند. در دسترس قرار گرفتن این تصاویر همراه با استفاده از سامانه های محاسبات ابری مانند google earth engine (gee)، فرصت ارزشمندی برای مدیریت بحران فراهم می‌کند، زیرا امکان دسترسی سریع به داده‌های آماده را میسر می‌کند که برای برنامه‌های مدیریتی موثر در مواجهه با سیل مورد نیاز است. هدف از این پژوهش پایش سریع سیل رودخانه کشکان پلدختر می‌باشد. الگوریتم ارائه شده در این مطالعه از تصاویر سری زمانی سنتینل-1 و لندست 8 به همراه سایر داده‌های کمکی به منظور پایش سیل در سامانه gee استفاده می‌کند. این الگوریتم براساس آمار چند زمانه ماهواره sar به منظور شناسایی سیل‌های غیرمنتظره به صورت به هنگام می‌باشد. علاوه بر این، احتمالات دسته‌بندی آب سطح، مبتنی بر داده‌های سری زمانی لندست استفاده می‌شود تا سیل‌های غیرمنتظره را از آب‌های سطحی دائمی یا فصلی متمایز کند. براساس نتایج حاصل از این پژوهش تصاویر سنتینل-1 دارای عملکرد مناسبی برای شناسایی مناطق سیل زده می‌باشد و الگوریتم مورد استفاده برای تشخیص تغییرات شدید در تصاویر سنتینل-1 مناسب می‌باشد. از این رو مدیران می‌توانند از این روش برای دستیابی به اطلاعات و مکان‌های سیلابی، به منظور کاهش خسارات سیلاب استفاده نمایند.

rapid flood monitoring using sentinel-1 and landsat-8 images (case study: kashkan river, poldakhter city)

flood is known as one of the natural disasters that cause financial and human losses not only in developing countries but also in the developed countries. synthetic aperture radar (sar) sensors are an essential data source for flood crisis planners and experts, because they have the ability to image the earth’s surface independently of weather conditions and time of the day. this advantage coupled with cloud computing platforms such as google earth engine (gee) provide a tremendous opportunity for the crisis response community for effective management plans. it allows them to quickly access ready data for analysis which is of great importance in case of flooding. the purpose of this research is to quickly monitor the flood of kashkan river. the algorithm presented in this study uses time series images of sentinel-1 and landsat 8 along with other auxiliary data for flood monitoring in the gee system. this algorithm relies on multi-temporal sar statistics to identify unexpected floods in near real-time. additionally, historical landsat-based surface water class probabilities are used to distinguish unexpected floods from permanent or seasonal surface water. based on the results of this research, sentinel-1 images have an acceptable performance for flooded areas detection in sentinel-1 images. therefore, managers can use this method to obtain flood information and locations in order to reduce flood damages.