ترکیب تصاویر راداری و اپتیکی برای تشخیص و پایش سریع سیلاب در محیط گوگل ارث انجین (مطالعه موردی: شهرستان دشتیاری سیل اسفندماه 1402)

سیلاب‌های ناگهانی یکی از مخاطرات طبیعی رایج در منطقه سیستان و بلوچستان است که موجب خسارات گسترده به جوامع محلی می‌شود. در این مطالعه، از تصاویر ماهواره‌ای سنتینل 1 و لندست 8 در شناسایی و پایش سریع مناطق سیل‌زده استفاده‌شده است. در دسترس قرار گرفتن این تصاویر همراه با استفاده از سامانه‌های محاسبات ابری همانند، گوگل ارث انجین(gee) فرصت ارزشمندی برای مدیریت بحران فراهم آورده است، زیرا امکان دسترسی آسان به داده‌های آماده را ممکن می‌سازد که برای برنامه‌های مدیریتی کارآمد در مواجهه باسیل ضروری است. تصاویر رادار سنتینل 1 و تصاویر اپتیکی لندست 8 قبل و بعد از وقوع سیلاب‌های اسفند ماه 1402 در منطقه موردمطالعه استخراج شد. پردازش تصویر و استخراج ویژگی‌های مربوط به سیلاب شامل پوشش آبی، تغییرات سطح آب و تغییرات پوشش زمین انجام شد. نتایج نشان داد که تصاویر سنتینل 1 به دلیل قدرت نفوذ در ابر و استقلال از شرایط نوری می‌توانند به‌طور موثر مناطق سیل‌زده را در دشتیاری شناسایی کنند. همچنین تصاویر لندست 8 برای ارزیابی دقیق‌تر وضعیت سطح آب و پوشش زمین مفید بودند. ترکیب این دو منبع داده‌ای توانایی تشخیص و پایش سریع مناطق تحت تاثیر سیلاب را افزایش داد. ادغام داده‌های سنجش‌ازدور ماهواره‌ای می‌تواند ابزار موثری برای مدیریت بحران سیلاب در منطقه باشد. این رویکرد به مسئولان محلی در برنامه‌ریزی واکنش‌های اضطراری و کاهش پیامدهای سیلاب کمک خواهد کرد.

combination of radar and optical images for rapid flood detection and monitoring in google earth engine environment, (case study: sheerestan dashtiari flood march 2024)

flash floods are one of the common natural hazards in the sistan and baluchistan region, which causes extensive damage to local communities. in this study, sentinel 1 and landsat 8 satellite images were used in the rapid identification and monitoring of flooded areas. the availability of these images with the use of cloud computing systems such as google earth engine (gee) provides a valuable opportunity for crisis management, as it enables easy access to ready data, which is essential for effective management programs deal with floods. sentinel 1 radar images and landsat 8 optical images were extracted the day before and after the recent floods march 2024 in the studied area. image processing and extraction of features related to floods including water cover, water level changes and land cover changes were done. the results showed that the images of sentinel 1 can effectively identify the flooded areas in dashtiari region due to the power of cloud penetration and independence from light conditions. also, landsat 8 images were useful for more accurate assessment of water level and land cover. the combination of these two data sources increased the ability to quickly detect and monitor flood-affected areas. the integration of satellite remote sensing data can be an effective tool for flood crisis management in the region. this approach will help local authorities in planning emergency responses and mitigating the consequences of flooding.