Автоматизований моніторинг підтоплень за даними Sentinel-1 RTC в ArcGIS
Повені та раптові підтоплення змінюють ситуацію на місцевості швидше, ніж її встигають зафіксувати традиційними методами. Межа води може зміщуватися протягом кількох годин, окремі населені пункти стають недоступними для наземного обстеження, а відомості від різних служб надходять нерівномірно. Без цілісної просторової картини складно оцінити площу ураження, визначити об’єкти в зоні ризику та спланувати подальші дії.
Для України ця задача актуальна за різних природних і техногенних умов. У басейнах Тиси, Пруту та Дністра небезпеку становлять паводки, спричинені тривалими опадами, швидким таненням снігу та різким підвищенням рівня води. У містах і громадах підтоплення виникають після інтенсивних злив, коли пропускної здатності зливової каналізації недостатньо. Окремий напрям — оцінювання наслідків пошкодження дамб, водосховищ, шлюзів та інших гідротехнічних споруд.
У таких випадках карта затоплення потрібна не як ілюстрація події. Вона має бути робочим шаром, який можна зіставити з дорожньою мережею, будівлями, межами населених пунктів, об’єктами енергетики, водопостачання, соціальної та іншої критичної інфраструктури. Тому завдання полягає не лише у виявленні води на супутниковому знімку, а у створенні відтворюваного процесу: від пошуку придатних даних до публікації результату в ГІС.
Один із варіантів такого процесу поєднує дані Sentinel-1 RTC, ArcGIS Living Atlas, ArcGIS API for Python та Raster Analytics. Він автоматизує підбір радіолокаційних сцен, аналіз змін між датами, виділення ймовірно затоплених ділянок і створення вебшарів для подальшої роботи.
Чому для виявлення підтоплень використовують SAR
Оптичні знімки Sentinel-2, Landsat та інших супутникових систем добре передають стан земної поверхні, але залежать від хмарності та освітлення. Під час паводків і тривалих опадів досліджувана територія часто повністю або частково закрита хмарами. Через це отримання придатного оптичного зображення може відкладатися на кілька днів.
Sentinel-1 використовує SAR (Synthetic Aperture Radar — радіолокатор із синтезованою апертурою). Супутник надсилає мікрохвильовий сигнал до земної поверхні та реєструє його зворотне розсіювання. Такий метод не потребує сонячного освітлення і дає змогу виконувати зйомку вночі, крізь хмари, туман та опади.
Відкрита спокійна вода зазвичай відбиває більшу частину радіолокаційного сигналу в напрямку від сенсора. До антени супутника повертається мало енергії, тому водна поверхня на SAR-зображенні має низькі значення зворотного розсіювання і виглядає темною. Якщо територія, яка до події мала вищі значення сигналу, після події стала темною, це може вказувати на появу води.
Проте низьке зворотне розсіювання саме по собі ще не підтверджує затоплення. Подібні значення можуть мати постійні водойми, гладкі поверхні, радіолокаційні тіні та окремі типи ґрунтового покриву. Тому коректний результат отримують не через класифікацію одного знімка, а через аналіз змін між сумісними сценами, створеними до та після події.
Sentinel-1 RTC як основа аналізу
У робочому процесі використовується колекція Sentinel-1 RTC (Radiometrically Terrain Corrected — радіометрично скориговані з урахуванням рельєфу дані), доступна в ArcGIS Living Atlas.
Початкові SAR-дані потребують спеціальної підготовки. Вона може включати радіометричне калібрування, геометричну корекцію, ортотрансформування та компенсацію впливу рельєфу на інтенсивність зворотного розсіювання. Без цих операцій значення пікселів різних сцен не завжди можна коректно порівнювати.
RTC-продукти вже підготовлені для аналітичного використання. Радіометрична корекція приводить значення сигналу до фізично обґрунтованого показника, а корекція рельєфу зменшує спотворення, пов’язані з нахилом поверхні відносно радіолокатора. Завдяки цьому аналітичний процес можна починати з вибору сцен і розрахунку змін, не створюючи окремий ланцюжок попередньої обробки сирих SAR-даних.
Для територій зі складним рельєфом це має особливе значення. Наприклад, у Карпатському регіоні схили, долини та різна орієнтація поверхні відносно напрямку зйомки помітно впливають на радіолокаційний сигнал. Використання RTC не усуває всіх геометричних обмежень SAR, але забезпечує значно надійнішу основу для порівняння сцен.
Налаштування події та області дослідження
Робочий процес починається із задавання параметрів конкретної події. Користувач визначає AOI (Area of Interest — область дослідження), дату або період імовірного затоплення, інтервал пошуку знімків до події та інтервал пошуку після неї. AOI може відповідати межам громади, річкового басейну, заплави, адміністративного району або іншої території, для якої необхідно отримати результат. Вона використовується не лише для просторового пошуку даних, а й для обмеження обсягу обчислень. Чим точніше визначена область дослідження, тим менше зайвих пікселів обробляється під час Raster Analytics.
Приклад визначення області дослідження — AOI
Червоним контуром позначено територію, у межах якої виконується пошук і обробка знімків Sentinel-1 RTC.
Джерело: Esri.
Для кожної події доцільно створювати окрему папку проєкту в ArcGIS Online. У ній зберігаються проміжні растрові продукти, маски підтоплення, опубліковані шари зображень та інші матеріали аналізу. Така організація спрощує повторний запуск сценарію, порівняння результатів за різними датами та контроль використаних даних.
Пошук сцен до і після події
Після налаштування параметрів виконується запит до колекції Sentinel-1 RTC. Система відбирає сцени, які перетинають AOI та належать до заданих часових інтервалів. Для аналізу потрібні щонайменше два набори даних: сцена або набір сцен, отриманих до підтоплення, та сцена або набір сцен, отриманих після нього.
На практиці простого поділу за датою недостатньо. Одна й та сама територія може бути знята з різних орбіт, у висхідному або низхідному напрямку та під різними кутами огляду. Якщо взяти дві випадкові сцени, різниця між ними може відображати не зміну стану поверхні, а відмінності геометрії зйомки.
Тому для кожного знімка аналізуються метадані, зокрема Relative Orbit Number — номер відносної орбіти, напрямок проходження супутника та параметри режиму зйомки. Сцени групуються за цими характеристиками, а пари «до» і «після» формуються лише всередині сумісних груп.
Приклад автоматичного формування сумісних пар знімків Sentinel-1 до та після події
Пари відбираються з урахуванням дат зйомки, номера відносної орбіти та напрямку проходження супутника.
Джерело: Esri.
Напрямок проходження позначається як Ascending — висхідна орбіта, коли супутник рухається переважно з півдня на північ, або Descending — низхідна орбіта, коли рух відбувається переважно з півночі на південь. Змішування цих напрямків в одній парі небажане, оскільки об’єкти освітлюються радаром із протилежних боків.
Номер відносної орбіти також має збігатися. Це означає, що супутник повторно спостерігає територію за близької геометрії. Таке обмеження зменшує кількість змін сигналу, не пов’язаних із реальною зміною земної поверхні. Для великих AOI однієї сцени може бути недостатньо. Тоді формуються кілька пар, кожна з яких покриває окрему частину території. Після аналізу результати можна об’єднати в єдину маску.
Перевірка просторового покриття
Збіг орбіти та напрямку польоту ще не гарантує, що обидві сцени однаково покривають досліджувану територію. Одна з них може охоплювати лише частину AOI або закінчуватися безпосередньо в межах потрібної ділянки. Тому для кожної потенційної пари перевіряється просторове перекриття. До аналізу допускаються тільки ті комбінації, у яких дані до і після події мають достатнє спільне покриття.
Цей крок запобігає появі результату, де відсутність значень помилково інтерпретується як зміна. Він також дає змогу заздалегідь визначити, чи можна побудувати повну карту для всієї AOI або окремі ділянки залишаться без актуальних спостережень.
Порівняння знімків Sentinel-1 до та після підтоплення
Для аналізу використовуються сцени, що забезпечують достатнє спільне покриття області дослідження.
Джерело: Esri.
Розрахунок змін зворотного розсіювання
Після формування сумісних пар обчислюється зміна радіолокаційного сигналу між сценами. Звичайне віднімання значень одного растра від іншого не завжди є найкращим методом для SAR-даних. Інтенсивність зворотного розсіювання має мультиплікативну природу, а її діапазон може суттєво відрізнятися для різних типів поверхні. Тому в аналізі застосовують відношення значень або його логарифмічне представлення.
Log-ratio — логарифмічне відношення — перетворює відносну зміну сигналу на показник, зручніший для порогової класифікації. Ділянки, на яких після події інтенсивність зворотного розсіювання різко зменшилася, формують окрему частину розподілу значень.
Для кожної сумісної пари створюється окремий растр змін. Це дає змогу незалежно аналізувати різні орбіти та частини території, а також уникати змішування сцен із різними статистичними характеристиками.
Растр зміни радіолокаційного сигналу між знімками до та після події
Значення растра показують ділянки, на яких змінилася інтенсивність зворотного розсіювання.
Джерело: Esri.
Важливо пам’ятати, що зниження сигналу не завжди означає появу відкритої води. У лісистій місцевості підтоплення може спричиняти складне подвійне відбиття між поверхнею води та стовбурами дерев. У такому випадку інтенсивність сигналу іноді не зменшується, а зростає. Отже, базовий метод найкраще працює для відкритих заплав, сільськогосподарських угідь, луків та забудованих територій без щільного деревного покриву.
Автоматичне визначення порога
Растр log-ratio містить неперервні значення і ще не є картою підтоплення. Щоб відокремити пікселі з істотним зменшенням сигналу, необхідно визначити порогове значення. Фіксований поріг незручно застосовувати до різних подій. Значення залежать від типів покриву, сезону, вологості ґрунту, поляризації, орбіти та характеристик конкретної місцевості. Порогове значення, яке добре працює для заплави Тиси, може дати надмірну кількість помилок на урбанізованій території або в іншому сезоні. Тому поріг визначається за гістограмою конкретного растра змін. Для цього можуть порівнюватися кілька методів.
Otsu — метод Оцу — знаходить значення, яке найкраще розділяє гістограму на два класи за внутрішньокласовою дисперсією. Він ефективний, коли розподіл містить дві відносно виражені групи пікселів. Triangle — метод трикутника — використовує геометрію гістограми та часто дає добрий результат, коли потенційно затоплені пікселі утворюють невеликий хвіст основного розподілу. Minimum — метод мінімуму — шукає локальний мінімум між двома піками згладженої гістограми. Він придатний для випадків, коли два класи утворюють достатньо чіткий бімодальний розподіл.
Алгоритми не є взаємозамінними для всіх наборів даних. Тому доцільно не лише отримати автоматично розрахований поріг, а й показати його на гістограмі. Візуальна перевірка допомагає помітити ситуації, коли розподіл має нетипову форму або в ньому переважає один клас.
Визначення порогового значення за гістограмою растра змін
На графіку показано пороги, розраховані методами Triangle, Otsu та Minimum. Для цієї пари вибрано метод Triangle.
Джерело: Esri.
Створення початкової маски підтоплення
Після вибору порога виконується умовна операція над растром змін. Пікселі, які відповідають критерію істотного зменшення зворотного розсіювання, отримують значення 1. Решта значень переводиться в NoData — відсутність даних. Використання NoData замість нуля має практичну перевагу. Під час візуалізації маска не перекриває всю сцену суцільним фоном. На карті залишаються видимими лише виявлені ділянки, а під ними можна показати базову карту, початкові SAR-зображення, ортофотоплани, об’єкти інфраструктури або адміністративні межі.
Початкова маска зазвичай містить значну кількість дрібних ізольованих пікселів. Частково це пов’язано зі speckle — зернистим шумом, властивим когерентним радіолокаційним системам. Окремі хибні ділянки можуть також виникати через зміни вологості ґрунту, сільськогосподарські роботи або локальні відмінності геометрії відбиття.
Тому початкову класифікацію не варто використовувати як кінцевий результат без просторового очищення.
Просторова фільтрація результату
Для очищення маски застосовуються Neighborhood Operations — операції аналізу околу. Вони враховують значення сусідніх пікселів і дають змогу вилучати ізольовані спрацювання, заповнювати невеликі прогалини та формувати більш зв’язні контури. Конкретні параметри фільтра залежать від просторової роздільної здатності даних і масштабу об’єктів, які потрібно зберегти. Надто агресивна фільтрація може видалити вузькі підтоплені смуги вздовж малих річок або каналів. Слабка фільтрація залишить велику кількість шуму.
Корисним доповненням є аналіз зв’язаних компонентів і мінімальної площі об’єкта. Наприклад, поодинокі кластери площею в кілька пікселів можна вилучити, якщо вони не відповідають масштабу задачі. Проте поріг площі слід задавати з урахуванням типу території: для міського підтоплення невеликі ділянки можуть бути важливішими, ніж для аналізу великої річкової заплави.
Фінальна маска ймовірно затоплених територій
Виявлені ділянки відображено синім кольором поверх базової карти.
Джерело: Esri.
Відокремлення нового затоплення від постійної води
Якщо завдання полягає у визначенні саме нових затоплених територій, постійні водойми необхідно маскувати. Інакше до результату можуть потрапити озера, водосховища, русла великих річок та інші ділянки, які були вкриті водою і до події. Для цього маску підтоплення можна перетнути з набором даних про постійну або сезонну воду. Джерелом може бути готовий глобальний продукт, тематичний шар організації або власна база водних об’єктів. У випадку України бажано поєднувати глобальні дані з актуальними локальними шарами. Контури русел і водойм можуть змінюватися, особливо після регулювання стоку, пошкодження гідротехнічних споруд або тривалих змін рівня води. Застарілий шар постійної води здатен вилучити з аналізу ділянки, які фактично потрібно оцінювати.
Маскування постійної води не завжди є обов’язковим. Якщо карта створюється для загального показу всієї водної поверхні на дату зйомки, постійні водойми можна залишити. Якщо ж потрібен приріст площі затоплення, їх слід відокремити.
Урахування рельєфу
Ще одне джерело хибних спрацювань — радіолокаційні тіні на крутих схилах. У таких зонах сигнал не потрапляє до сенсора або повертається з дуже низькою інтенсивністю, через що поверхня може помилково класифікуватися як вода.
Для зменшення таких помилок до процесу додають DEM (Digital Elevation Model — цифрова модель рельєфу). За DEM розраховують ухил і вилучають ділянки, де формування відкритого затоплення малоймовірне через значну крутизну поверхні. Для рівнинної заплави цей етап може мати другорядне значення. У гірських районах Закарпатської, Івано-Франківської або Чернівецької областей перевірка рельєфу потрібна значно частіше.
Водночас механічне видалення всіх схилів вище заданого порога може приховати реальні зони накопичення води на терасах, у кар’єрах або локальних пониженнях. DEM слід використовувати як додаткове обмеження, а не як абсолютний критерій.
Використання різних поляризацій
Sentinel-1 може надавати дані в різних поляризаціях. Для наземних територій найчастіше використовують VV та VH.
VV означає, що сигнал передається у вертикальній поляризації та приймається у вертикальній. VH означає вертикальну поляризацію передавання та горизонтальну поляризацію приймання.
VV часто добре показує відкриту воду та загальні зміни поверхні. VH чутливіша до об’ємного розсіювання в рослинності. Спільний аналіз двох поляризацій може допомогти розрізнити відкриті затоплення, вологий ґрунт і ділянки з рослинним покривом.
Вибір поляризації має залежати від ландшафту. Для відкритих сільськогосподарських угідь одного каналу може бути достатньо. Для заплавного лісу, очеретяних ділянок або змішаних типів покриву бажано оцінювати обидві поляризації та їхню реакцію на подію.
Обробка за допомогою Raster Analytics
Розрахунки виконуються засобами Raster Analytics — серверного середовища розподіленого растрового аналізу ArcGIS.
Замість завантаження всіх сцен на локальний комп’ютер растрові функції виконуються там, де розміщені дані та обчислювальні ресурси. Це важливо для великих AOI, довгих часових інтервалів і кількох пар Sentinel-1.
Кожну пару можна обробляти окремо, а отримані продукти зберігати як тимчасові або постійні шари. Серверна модель дає змогу масштабувати аналіз без побудови окремої локальної інфраструктури для зберігання великих обсягів SAR-даних.
Перед запуском обробки доцільно оцінити майбутній обсяг обчислень. На нього впливають площа AOI, кількість відібраних сцен, просторове розрізнення, кількість проміжних продуктів і спосіб їх збереження.
Під час тестування сценарію краще використовувати обмежену територію та короткий часовий інтервал. Після перевірки логіки підбору сцен, порогів і фільтрації AOI можна розширити до повного району робіт.
Публікація результатів
Фінальна маска зберігається як Hosted Imagery Layer — розміщений шар зображень в ArcGIS Online або ArcGIS Enterprise.
Такий формат зберігає растрову природу результату та дає змогу працювати з ним у Map Viewer, ArcGIS Pro, вебзастосунках і дашбордах. До шару можна застосувати власну символіку, налаштувати прозорість і додати спливаючу інформацію.
Назви продуктів бажано формувати за єдиним шаблоном, який містить назву події або території, дату сцени до події, дату сцени після події, номер відносної орбіти та напрямок проходження. Це полегшує відтворення аналізу й перевірку джерел кожного шару.
Після публікації маску можна зіставляти з іншими наборами даних:
адресами та контурами будівель;
дорогами, мостами й залізничною інфраструктурою;
об’єктами електро-, газо- та водопостачання;
медичними закладами, школами й пунктами укриття;
межами громад і старостинських округів;
земельними ділянками та сільськогосподарськими угіддями;
цифровими моделями рельєфу та гідрографічною мережею.
Після такого поєднання растр підтоплення перетворюється на основу для конкретних розрахунків: кількості будівель у зоні впливу, довжини пошкоджених доріг, площі затоплених угідь або переліку об’єктів, які потребують перевірки.
Практичні сценарії для України
У басейнах Тиси, Пруту, Черемошу та Дністра процес можна застосовувати для аналізу паводкових подій. AOI у такому випадку доцільно формувати не лише за адміністративними межами, а й за межами водозборів, заплав і потенційних зон розтікання.
Для міських громад предметом аналізу можуть бути локальні підтоплення після сильних злив. Тут результат Sentinel-1 слід доповнювати детальнішою моделлю рельєфу, мережею водовідведення та даними про забудову. Просторової роздільної здатності супутникового растру може бути недостатньо для окремих дворів або невеликих вулиць, але її вистачає для визначення більших зон накопичення води та районів, де потрібно проводити детальне обстеження.
Для гідротехнічних об’єктів можна налаштувати регулярний сценарій порівняння сцен. Він не замінює інженерний моніторинг споруди, але допомагає виявити нетипові зміни площі водної поверхні нижче або вище за течією. У сільському господарстві карта підтоплення використовується для визначення площі уражених полів. Після перетину маски з контурами земельних ділянок можна розрахувати площу затоплення в межах кожної ділянки та підготувати таблицю для подальшої перевірки. Для служб цивільного захисту цінність має не тільки площа води, а й її взаємне розташування з транспортною мережею та населеними пунктами. На основі опублікованого шару можна створити вебкарту або оперативну панель, де відображатимуться перекриті ділянки доріг, об’єкти в зоні впливу та результати польової перевірки.
Організація регулярного моніторингу
Описану схему можна запускати для разової події, але її основна перевага проявляється під час повторного використання. Параметри події відокремлені від логіки обробки. Для нового запуску змінюються AOI, часові межі та назва проєкту, тоді як підбір сцен, розрахунок log-ratio, визначення порога, фільтрація та публікація виконуються за тією самою послідовністю.
Наступним кроком може бути регулярна перевірка нових надходжень Sentinel-1. Після появи сцени система порівнює її з відповідним попереднім зображенням тієї самої орбіти, формує нову маску й оновлює вебкарту. Такий підхід переводить аналіз із режиму ручного реагування в режим систематичного спостереження.
Для організацій, які відповідають за території з постійним паводковим ризиком, це дає змогу створити єдиний технологічний процес: супутникові дані надходять із централізованої колекції, обробка виконується серверними засобами, а результат одразу стає доступним у корпоративній ГІС.
Автоматизований моніторинг не скасовує роботу гідрологів, рятувальників, інженерів і місцевих фахівців. Його роль полягає в іншому — швидко перетворити нову супутникову зйомку на структурований геопросторовий шар, придатний для перевірки, аналізу та використання разом з іншими даними організації.
Хочете розібратися глибше?
Якщо ви хочете краще опанувати ArcGIS Pro, оновити знання з інших продуктів ArcGIS або почати навчання з нуля, запрошуємо на курси ArcGIS від ECOMM Co.
Навчання триває 1–4 дні та доступне у зручному форматі: очно, онлайн або самостійно за наданими матеріалами. Курси створені на основі офіційних матеріалів Esri (США) і допомагають упевнено працювати з останніми версіями ArcGIS.
Контакти:
+38 (044) 502-41-21
Пн–Пт: 9:00–18:00
Далі ви можете ознайомитися з: