Titelaufnahme

Titel
Derivation of land-surface backscatter signatures from SAR time series for flood and wetland delineation / von Stefan Schlaffer
Weitere Titel
Ableitung von Rückstreusignaturen für Landoberflächen aus SAR-Zeitreihen für die Klassifizierung von Überschwemmungs- und Feuchtgebieten
VerfasserSchlaffer, Stefan
Begutachter / BegutachterinWagner, Wolfgang
ErschienenWien, 2017
Umfangxxvi, 136 Seiten : Illustrationen, Diagramme
HochschulschriftTechnische Universität Wien, Dissertation, 2017
Anmerkung
Zusammenfassung in deutscher Sprache
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
SpracheEnglisch
DokumenttypDissertation
Schlagwörter (DE)Fernerkundung
Schlagwörter (EN)Remote Sensing
URNurn:nbn:at:at-ubtuw:1-98174 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Derivation of land-surface backscatter signatures from SAR time series for flood and wetland delineation [15.59 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Fernerkundung spielt eine wichtige Rolle bei der Kartierung und Überwachung von Überschwemmungsereignissen und Feuchtgebieten. Radarsensoren mit synthetischer Apertur (SAR) kommt hierbei eine besondere Bedeutung zu. Zum einen bieten diese die Möglichkeit, auch dichte Wolkendecken zu durchdringen und zum anderen besitzen sie eine hohe Sensitivität gegenüber dem Vorkommen von Oberflächenwasser sowie für Veränderungen im Bodenfeuchtezustand. Diese Sensitivität führt während Überschwemmungsereignissen zu starken Abweichungen von dem Rückstreuverhalten, welches eine Landoberfläche unter nicht-überschwemmten Bedingungen aufweisen würde. Solche Abweichungen werden für gewöhnlich mittels Change Detection kartiert, wobei Änderungen zwischen zwei SAR-Aufnahmen quantifiziert und klassifiziert werden. Dabei wird eine Aufnahme verwendet, die den Zustand während der Überschwemmung zeigt sowie eine Referenzaufnahme, die vor oder nach dem Ereignis, also unter nicht-überschwemmten Bedingungen, aufgenommen wurde. Eine Reihe offener Fragen existiert jedoch bezüglich der automatischen Erkennung von Änderungen im Rückstreuverhalten, die durch Überschwemmungen erzeugt worden sind: (i) die Auswahl geeigneter Referenzaufnahmen für die Verwendung in Change Detection ist oft schwierig und kann nicht objektiv durchgeführt werden. Dies ist insbesondere dann von Bedeutung, wenn die Anzahl der nötigen Eingriffe seitens des Benutzers minimiert werden soll, was im Rahmen automatischer Prozessierungsketten oftmals der Fall ist. (ii) Eine Anzahl von Studien hat gezeigt, dass die Saisonalität im Rückstreukoeffizienten für verschiedene Landoberflächentypen von großer Bedeutung sein kann. Diese Saisonalität wird in Change-Detection-Ansätzen im Allgemeinen nicht explizit berücksichtigt. (iii) Eine Anzahl verschiedener Faktoren trägt zur Unsicherheit der abgeleiteten Überschwemmungskarten bei, so z.B. die zweideutigen Radarsignaturen verschiedener Landoberflächentypen sowie der Einfluss von Speckle. Traditionell enthalten binäre Überschwemmungskarten keine zusätzliche Information über die Unsicherheiten, welche aufgrund solcher Faktoren zu erwarten sind. In jüngerer Zeit hingegen wurden erstmals Karten mittels probabilistischer Methoden oder Fuzzy-Logik produziert, mittels derer einige solcher Unsicherheiten ausgedrückt werden können. Die Zielsetzung dieser Dissertation ist die Beschreibung und Validierung einer Methodik zur Detektion und Kartierung plötzlicher Änderungen im SARRückstreuverhalten, wie sie durch Überschwemmungen herbeigeführt werden können. In diesem Rahmen sollen die o.g. Fragen adressiert werden. Zu diesem Zweck wurden Rückstreusignaturen abgeleitet, indem die Saisonalität im Rückstreukoeffizienten auf Basis mehrjähriger SAR-Zeitreihen (> 50 Szenen) mittels eines harmonischen Modellansatzes charakterisiert wurde. Hierzu wurden ENVISAT Advanced SAR (ASAR) Wide-Swath-Zeitreihen verwendet. Die geschätzten Modellparameter wurden am Beispiel eines komplexen Feuchtgebietes analysiert und im Zusammenhang mit zusätzlichen Informationen zu hydrologischen und biophysikalischen Prozessen diskutiert. Die Modellresiduen wurden als Maß für die Abweichung vom langjährigen mittleren Rückstreuverhalten genutzt. Mittels eines Bayesschen Ansatzes wurde schließlich probabilistische Überschwemmungskarten abgeleitet. Die Ergebnisse zeigen, dass harmonische Analyse einen effizienten Ansatz darstellt, um saisonale Rückstreusignaturen verschiedener Landoberflächentypen aus SAR-Zeitreihen abzuleiten. Weiterhin wurde die Anwendung der harmonischen Modellparameter für die Klassifizierung verschiedener Rückstreutypen in Feuchtgebieten demonstriert. Darüber hinaus zeigt die Anwendung der Modellresiduen für die Ableitung nicht-saisonal überschwemmter Gebiete, dass harmonische Modelle als eine angemessene Schätzung des mittleren saisonalen Rückstreukoeffizienten dienen können. Es wurde außerdem gezeigt, dass der probabilistische Ansatz zur Überschwemmungskartierung zuverlässige Karten erzeugt und zur Charakterisierung der Unsicherheit herangezogen werden kann, die durch einige der zuvor genannten Faktoren verursacht wird. Der vorgestellte Ansatz bietet einen Rahmen, mittels dessen die Saisonalität im Rückstreuverhalten von Landoberflächen charakterisiert und Abweichungen davon detektiert werden können. Weiterhin werden mögliche Perspektiven im Hinblick auf neue SAR-Missionen wie z.B. Sentinel-1 aufgezeigt.

Zusammenfassung (Englisch)

Remote sensing plays an important role for mapping and monitoring of floods and wetlands. Synthetic aperture radars (SAR) are of special importance due to their ability to penetrate cloud cover and their high sensitivity to the occurrence of surface water and variations in soil moisture. During flood events this sensitivity typically leads to deviations from backscatter behaviour that is observed under non-flooded conditions. These alterations are typically mapped using change detection techniques in which the changes between a pre- and a post-flood SAR image are quantified and classified. However, a number of open research questions exist with respect to automatic detection of flood-induced backscatter changes: (i) in change detection, selection of a suitable pre-flood reference image is often not trivial. This is especially the case when user intervention should be minimised, a constraint often imposed by the requirements of automatic processing chains. (ii) Numerous studies have demonstrated the importance of seasonality in backscatter from different land-surface types, which is typically not addressed explicitly in change detection methodologies. (iii) A number of confounding factors exist that contribute to the overall uncertainty of the delineated flood extents, such as ambiguous radar signatures of different land-cover types and the contribution of speckle. Traditionally, binary flood maps include no information on the expected uncertainty introduced by these factors whereas more recently, flood mapping methodologies have been proposed that result in fuzzy or probabilistic flood maps. The overall objective of this thesis is to address these open questions by introducing and evaluating a novel change detection framework for mapping flood-induced deviations from long-term backscattering behaviour. For this purpose, backscatter signatures were derived by characterising seasonality using harmonic analysis of ENVISAT Advanced SAR (ASAR) Wide Swath time series spanning multiple years (> 50 scenes). The estimated harmonic model parameters were analysed and discussed for complex wetland areas in the context of ancillary data on hydrological and biophysical processes. The model residuals were used as a measure of the flood-induced deviation from average seasonal backscattering behaviour. Finally, a Bayesian approach was applied for deriving probabilistic flood maps from the residuals. The results show that harmonic analysis of SAR time series can be effectively used for deriving seasonal signatures characteristic of different landsurface types. Moreover, the applicability of the model parameters for classifying different wetland backscattering classes is demonstrated. The use of the model residuals for delineating areas that were inundated during non-seasonal events indicates that seasonal harmonic model estimates can serve as a reliable estimate of the seasonal backscattering behaviour a land surface would display under non-flooded conditions. The probabilistic flood mapping approach is shown to provide reliable maps and can be used for characterising uncertainty caused by some of the aforementioned factors. In conclusion, the proposed approach provides a framework for characterising seasonal backscattering behaviour and detecting flood-induced backscatter changes in SAR time series. An outlook to using the proposed method in the context of novel SAR missions such as Sentinel-1 is provided.