• search hit 3 of 14
Back to Result List

Integrating remote sensing information from SAR sensors and hydraulic modelling

Integration satellitengestützter Erdbeobachtungsdaten von SAR Sensoren in hydraulische Modelle

  • Floods are hydrological extremes that have enormous environmental, social and economic consequences.The objective of this thesis was a contribution to the implementation of a processing chain that integrates remote sensing information into hydraulic models. Specifically, the aim was to improve water elevation and discharge simulations by assimilating microwave remote sensing-derived flood information into hydraulic models. The first component of the proposed processing chain is represented by a fully automated flood mapping algorithm that enables the automated, objective, and reliable flood extent extraction from Synthetic Aperture Radar images, providing accurate results in both rural and urban regions. The method operates with minimum data requirements and is efficient in terms of computational time. The map obtained with the developed algorithm is still subject to uncertainties, both introduced by the flood mapping algorithm and inherent in the image itself. In this work, particular attention was given to image uncertainty deriving from speckle. By bootstrapping the original satellite image pixels, several synthetic images were generated and provided as input to the developed flood mapping algorithm. From the analysis performed on the mapping products, speckle uncertainty can be considered as a negligible component of the total uncertainty. In the final step of the proposed processing chain real event water elevations, obtained from satellite observations, were assimilated in a hydraulic model with an adapted version of the Particle Filter, modified to work with non-Gaussian distribution of observations. To deal with model structure error and possibly biased observations, a global and a local weight variant of the Particle Filter were tested. The variant to be preferred depends on the level of confidence that is attributed to the observations or to the model. This study also highlighted the complementarity of remote sensing derived and in-situ data sets. An accurate binary flood map represents an invaluable product for different end users. However, deriving from this binary map additional hydraulic information, such as water elevations, is a way of enhancing the value of the product itself. The derived data can be assimilated into hydraulic models that will fill the gaps where, for technical reasons, Earth Observation data cannot provide information, also enabling a more accurate and reliable prediction of flooded areas.
  • Hochwasser sind gekennzeichnet durch ihre oft erheblichen ökologischen, sozialen und wirtschaftlichen Folgen. Zielsetzung dieser Dissertation war es, einen Beitrag zur Integration von satellitengestützten Erdbeobachtungsdaten und hydraulischen Modellen zu leisten. Im vorliegenden Fall sollten Vorhersagen von Wasserständen und Abflüssen mittels Assimilation hydrologischer Parameter, die aus Mikrowellenfernerkundungsdaten abgeleitet wurden, in hydraulische Modelle verbessert werden. Die erste Komponente der vorgeschlagenen Prozessierungsskette besteht in der automatisierten Kartierung von Überschwemmungsausdehnungen anhand hochaufgelöster Radardaten. Der neu entwickelte Algorithmus ermöglicht eine Verbesserung der Genauigkeit und Zuverlässigket der kartierten Überflutungsflächen sowohl in städtischen als auch ländlichen Gebieten. Das vorgestellte Verfahren erfordert nur ein Minimum an Zusatzdaten und ist weiterhin effizient im Bezug auf die benötigte Rechenzeit. Ein weiterer Schwerpunkt der Doktorarbeit war es, die Unsicherheiten der aus Radardaten abgeleiteten Überflutungsflächen zu quantifizieren. Diese werden sowohl durch die Qualität der Rohdaten als auch durch die angewandte Prozessierungskette beeinflusst. In dieser Arbeit wurde ein besonderes Augenmerk auf die Unsicherheiten der verwendeten Radardaten gelegt, welche durch das sog. "Speckle"-Phänomen hervorgerufen werden. Anhand des sog. Bootstrapping-Verfahrens wurden zunächst mehrere synthetische Radardatensätze generiert und als Eingangsdaten in dem vorher entwickelten Kartierungsalgorithmus verwendet. Aus der Analyse der Hochwasserkarten ergab sich, dass der Beitrag des Speckle nur einen verhältnismäßig geringen Anteil an der gesamten Unsicherheit ausmacht.Abschließend wurden die Satellitendaten in ein hydraulisches Modell assimiliert. Dazu wurde eine neu entwickelte Version des sogenannten Partikelfilters benutzt. Dieser Filter ermöglicht es, Daten zu assimilieren, deren Fehlerstruktur nicht einer Gauß-Verteilung folgt. Um der Möglichkeit einer systematischen Messabweichung sowie von Fehlern in der Modellstruktur Rechnung zu tragen wurden verschiedene Experimente basierend auf einer lokalen bzw. globalen Gewichtung der Partikel duchgeführt. Welche Variante im Endeffekt zu bevorzugen ist, hängt von der jeweiligen Fehlerstruktur sowohl des Modells als auch der Fernerkundungsdaten ab. Die vorliegende Studie hebt weiterhin den komplementären Wert von Fernerkundungs- und in-situ-Daten hervor. Eine präzise Kartierung von Hochwasserflächen ist von hohem Wert für verschiedene Nutzergruppen. Dieser Wert kann noch gesteigert werden, indem zusätzlich zu der Ausdehnung weiterführende Informationen, wie z.B. Wasserstände, aus den entsprechenden Satellitendaten abgeleitet werden können. Die Integration dieser Informationen in ein hydraulisches Modell ermöglicht es einerseits, die Ausdehnung der Überschwemmung auch in solchen Gebieten zu kartieren, in denen satellitengestützte Sensoren aus technischen Gründen dazu nicht in der Lage sind. Andererseits können Satellitendaten dazu beitragen, die modellbasierten Vorhersagen der überschwemmten Gebiete genauer und zuverlässiger zu machen.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Laura Giustarini
URN:urn:nbn:de:hbz:385-9723
Advisor:Thomas Udelhoven
Document Type:Doctoral Thesis
Language:English
Date of completion:2016/03/14
Publishing institution:Universität Trier
Granting institution:Universität Trier, Fachbereich 6
Date of final exam:2015/11/05
Release Date:2016/03/14
Tag:Remote sensing; SAR; data assimilation; floods; hydraulic modelling
GND Keyword:Datenassimilation; Geowissenschaften; Hochwasser; Hydrologie; Radarfernerkundung
Institutes:Fachbereich 6 / Geographie und Geowissenschaften
Dewey Decimal Classification:5 Naturwissenschaften und Mathematik / 55 Geowissenschaften, Geologie / 550 Geowissenschaften
PACS-Classification:00.00.00 GENERAL / 07.00.00 Instruments, apparatus, and components common to several branches of physics and astronomy (see also each subdiscipline for specialized instrumentation and techniques) / 07.07.-a General equipment / 07.07.Df Sensors (chemical, optical, electrical, movement, gas, etc.); remote sensing
40.00.00 ELECTROMAGNETISM, OPTICS, ACOUSTICS, HEAT TRANSFER, CLASSICAL MECHANICS, AND FLUID DYNAMICS / 47.00.00 Fluid dynamics (for fluid dynamics of quantum fluids, see section 67; see also section 83 Rheology; for sound generation by fluid flow, see 43.28.Ra-in Acoustics Appendix) / 47.85.-g Applied fluid mechanics / 47.85.Dh Hydrodynamics, hydraulics, hydrostatics
80.00.00 INTERDISCIPLINARY PHYSICS AND RELATED AREAS OF SCIENCE AND TECHNOLOGY / 84.00.00 Electronics; radiowave and microwave technology; direct energy conversion and storage / 84.40.-x Radiowave and microwave (including millimeter wave) technology; Microwave, submillimeter wave, and radiowave receivers and detectors, see 07.57.Kp; Microwave and radiowave spectrometers, see 07.57.Pt; Electromagnetic wave propagation, see 41.20.Jb / 84.40.Xb Telemetry: remote control, remote sensing; radar
90.00.00 GEOPHYSICS, ASTRONOMY, AND ASTROPHYSICS (for more detailed headings, see the Geophysics Appendix) / 92.00.00 Hydrospheric and atmospheric geophysics / 92.40.-t Hydrology and glaciology; cryosphere (see also 92.70.Ha-in Global change) / 92.40.Qk Surface water, water resources; Water quality, see 92.40.kc and 92.40.qc-in Geophysics Appendix; Snow, see 92.40.ed-in Geophysics Appendix

$Rev: 13581 $