Identificación de áreas inundadas a partir de tecnologías RADAR procedentes de imágenes SENTINEL 1 y 2

Abstract

Aún viviendo en una época avanzada técnicamente, a día de hoy sigue habiendo fenómenos que no están en la mano del ser humano. El origen de muchos de estos fenómenos es la propia Naturaleza. En este trabajo vamos a abordar 4 grandes tormentas producidas en los últimos años para las cuáles el ser humano no estaba preparado, por lo que se produjeron graves daños tanto materiales como humanos. Estas tormentas se han elegido de manera que se tengan puntos repartidos por diferentes zonas del Mundo, para así tener diferentes variables de estudio, como son altitud, clima, etc. Estas zonas elegidas para el estudio son:  Comunidad Valenciana, dónde se estudiará el entorno del Rio Segura, en concreto un desborde del propio río. Dicha inundación se produjo en el mes de Septiembre del pasado año.  Provincia de Málaga. En esta segunda zona serán varios los pueblos implicados, al igual que Málaga capital. En Enero de 2020 se produjeron fuertes lluvias que provocaron desbordamientos de ríos y las consecuencias que esto conllevó.  Ciudad de Jakarta. Capital y ciudad más poblada de Indonesia, fuertemente azotada por el daño de las lluvias en el pasado mes de Enero de este año.  La Virginia, población perteneciente al distrito de Risaralda. Esta pequeña población sufrió graves daños en Diciembre de 2019, cuando una gran inundación arrasó fuertemente con el pueblo. Para abordar estos cuatro eventos, se han utilizado herramientas SIG, concretamente imágenes provenientes de los satélites Sentinel-1 y Sentinel-2. A estas imágenes se les ha realizado un procesamiento diferente según el satélite del que provengan. Las imágenes S-1 se han tratado con un software desarrollado por la propia ESA llamado SNAP. Este software permite sacar la diferencia entre dos imágenes, una que precede a la tormenta y otra lo más cercana posible a esta. Así SNAP ofrece las zonas inundadas en la imagen post-tormenta que no estaban anterior a las lluvias. Por otro lado, las imágenes S-2 se han tratado con el software QGIS. En diferencia al primer método, en este solo vamos a necesitar una imagen posterior a la tormenta en la cuál calcularemos el NDWI, y a través de este dato, sacaremos las áreas que están inundadas. La comparación de ambas metodologías ha ofrecido una similitud en torno al 60% siendo los datos de Sentinel2 lo mas ajustados a los datos oficiales y noticias.

Even living in a technically advanced age, today there are still phenomena that are not in the hands of the human being. The origin of many of these phenomena is Nature itself. In this work we are going to address 4 major storms that have occurred in recent years for which humans were not prepared, which led to serious material and human damage. These storms have been chosen so that there are points spread over different areas of the world, in order to have different study variables, such as altitude, climate, etc. These areas chosen for the study are: • Valencian Community, where the environment of the Rio Segura will be studied, specifically an overflow of the river itself. This flood occurred in September of last year. • Province of Malaga. In this second area, several towns will be involved, like Malaga capital. In January 2020 there were heavy rains that caused river overflows and the consequences that this entailed. • City of Jakarta. Capital and most populous city in Indonesia, heavily hit by the damage of the rains last January of this year. • La Virginia, a town belonging to the Risaralda district. This small town suffered serious damage in December 2019, when a great flood devastated the town. To address these four events, GIS tools will be used, specifically images from the Sentinel-1 and Sentinel-2 satellites. These images will be processed differently depending on the satellite they come from. The S-1 images will be processed with software developed by ESA itself called SNAP. This software will allow us to determine the difference between two images, one that precedes the storm and the other as close as possible to it. Thus, SNAP will give us the flooded areas in the post-storm image that were not before the rains. On the other hand, the S-2 images will be processed with the QGIS software. Unlike the first method, in this one we are only going to need a post-storm image in which we will calculate the NDWI, and through this data, we will remove the areas that are flooded. The data resulting from both methods, as well as the affected areas will be compared with other official data and news. The comparison of both methodologies has offered a similarity of around 60%, the Sentinel-2 data being the most adjusted to the official data and news.