Anvendelse af Radar til Udpegning af Oversvømmelser

Use of Radar for Identification of Floods

Jensen, Ebbe Aare ; Butler, Magnus Nygaard ; Taylor, Louise

4. semester

Geografi, Kandidat

2024

2024-06-05

98

Dette projekt undersøger, hvordan radar (radio detection and ranging) kan bruges til at kortlægge, hvor og hvor ofte der opstår oversvømmelser. Formålet er at koble kortlægning af oversvømmelser i det åbne land til den nationale plan om at udtage 100.000 hektar kulstofrige landbrugsjorde og omlægge dem til vådområder. Undersøgelsen er et casestudie i Aarhus Kommune, baseret på SAR-billeder (syntetisk aperturradar) optaget hver 12. dag. Med disse data udvikles en model, der først klassificerer billeder som vand eller land og derefter frasorterer fejlklassifikationer. Det sker blandt andet ved at analysere polariseringen (orienteringen af radarens bølger) og variationen i retursignalet samt ved at inddrage lavninger i terrænet. Metoderne forbedrer nøjagtigheden i forhold til et referencelag, og der udarbejdes en samlet kortlægning for året 2023, som gør det muligt at undersøge tidslige mønstre og sæsonvariationer. Modellen valideres ved at sammenholde resultaterne med andre datakilder: et feltstudie, hvor oversvømmede områder opmåles, jordprøver fra vandlidende områder til analyse af organisk indhold samt sammenligning med grundvands- og nedbørsdata og optiske satellitdata.

This project examines how radar (radio detection and ranging) can be used to map the extent and frequency of floods. The aim is to link flood mapping in open landscapes to the national plan to retire 100,000 hectares of carbon-rich farmland and convert them into wetlands. The study uses a case from Aarhus Municipality, based on Synthetic Aperture Radar (SAR) imagery acquired every 12 days. Using these data, we develop a model that first classifies pixels as water or land and then filters out misclassifications. This is done by analyzing polarization (the orientation of the radar waves) and the variance of the return signal, as well as by incorporating terrain depressions. These methods improve classification accuracy compared with a reference layer, and a comprehensive map for 2023 is produced to explore temporal patterns and seasonal variations. The model is validated by comparing its results with other data sources: a field survey measuring flooded areas, soil samples from waterlogged sites to assess organic content, and comparisons with groundwater and precipitation data and optical satellite imagery.

[Dette resumé er omskrevet med hjælp fra AI baseret på projektets originale resumé]

GIS ; Radar ; SAR ; Oversvømmelse ; SNAP ; Polarisering ; Varians ; Change Detection ; ESA ; Sentinel ; GIS-modellering ; Confusion Matrix ; Tærrenmodel ; Remote Sensing ; Tidsserie ; Thresholding ; Klima ; Miljø ; Vådområder ; Lavbundsjorde ; Organisk kulstof ; SDG ; Klimaforandringer

Download
Vis denne rapport i AAU Studenterprojekter