Principal component analysis of C-SAR images for flood mapping , Santa Fe Province, Argentina

Detalhes bibliográficos
Autor(a) principal: Graosque, Jones Zamboni
Data de Publicação: 2020
Outros Autores: Guasselli, Laurindo Antônio
Tipo de documento: Artigo
Idioma: eng
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/215116
Resumo: Inundações são associadas a chuvas intensas. Na Argentina é o evento natural que causa mais perdas econômicas, sociais e de vidas humanas. O objetivo desse trabalho é mapear a área de inundação do rio Paraná, em Santa Fe, por Análise de Componentes Principais (ACP). As imagens Sentinel-1B, sensor C-SAR, polarização VH do tipo Interferométrico (IW) Ground Range Detected (GRD), pixel de 10 m, ano 2016, foram referenciadas, extraindo as quatro primeiras ACP.As imagens sob efeito de inundação permitiram delimitar com precisão a área inundada. No entanto, em áreas com densidade de vegetação não há um padrão de retroespalhamento dos pixéis. A PC2 destacou melhor o limiar de intensidade dos pixéis de inundação, com uma precisão de 70%, sendo que 93% da área mapeada é suscetível à inundação. A cartografia de risco de inundação obtida a partir de sensoriamento remoto revela-se essencial, pois possibilita a obtenção de resultados rápidos e precisos das áreas de inundação, em áreas cujo trabalho de campo não seja possível ou não se encontrem disponíveis mapas detalhados das áreas atingidas.
id UFRGS-2_2e0a16a5905d87f99f3c5bc54ee4d5ec
oai_identifier_str oai:www.lume.ufrgs.br:10183/215116
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Graosque, Jones ZamboniGuasselli, Laurindo Antônio2020-11-18T04:10:25Z20201647-7723http://hdl.handle.net/10183/215116001118112Inundações são associadas a chuvas intensas. Na Argentina é o evento natural que causa mais perdas econômicas, sociais e de vidas humanas. O objetivo desse trabalho é mapear a área de inundação do rio Paraná, em Santa Fe, por Análise de Componentes Principais (ACP). As imagens Sentinel-1B, sensor C-SAR, polarização VH do tipo Interferométrico (IW) Ground Range Detected (GRD), pixel de 10 m, ano 2016, foram referenciadas, extraindo as quatro primeiras ACP.As imagens sob efeito de inundação permitiram delimitar com precisão a área inundada. No entanto, em áreas com densidade de vegetação não há um padrão de retroespalhamento dos pixéis. A PC2 destacou melhor o limiar de intensidade dos pixéis de inundação, com uma precisão de 70%, sendo que 93% da área mapeada é suscetível à inundação. A cartografia de risco de inundação obtida a partir de sensoriamento remoto revela-se essencial, pois possibilita a obtenção de resultados rápidos e precisos das áreas de inundação, em áreas cujo trabalho de campo não seja possível ou não se encontrem disponíveis mapas detalhados das áreas atingidas.Flood events are phenomena associated with heavy rainfall. In Argentina, floods have high economic and social costs, including loss of human life. In this paper, principal component analysis (PCA) is used to map flood-prone areas along the Paraná river in Santa Fe, Argentina. The Sentinel-1B (S1B) images, sensor C-SAR with VH polarisation Interferometric type (IW) Ground Range Detected (GRD) with spatial resolution of 10 m, from 2016, were referenced and the PCA method was used to extract the four first principal components. The flood-affected images make it possible to accurately define the flooded area. In targets with dense vegetation, however, there is no pixel backscatter pattern. PC2 better highlighted the threshold of pixel intensity, with an accuracy of 70%, and 93% of the mapped area was shown to be flood-prone. Procedures to map floods remotely are pivotal because they can quickly obtain precise data on flood areas that may not be accessible for fieldwork or that have not yet been mapped in great detail.application/pdfengTerritorium: Revista Internacional de Riscos. Portugal. Vol. 27, n. 2 (2020), p. 41-48Analise temporalSentinel-1Time series analysisPrincipal component analysis of C-SAR images for flood mapping , Santa Fe Province, ArgentinaAnálise de principais componentes de imagens C-SAR para mapeamento de inundação, Província de Santa Fe, Argentina Estrangeiroinfo:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001118112.pdf.txt001118112.pdf.txtExtracted Texttext/plain29887http://www.lume.ufrgs.br/bitstream/10183/215116/2/001118112.pdf.txtf64d573e9da5a0df2bcb3b2be970c834MD52ORIGINAL001118112.pdfTexto completo (inglês)application/pdf3646156http://www.lume.ufrgs.br/bitstream/10183/215116/1/001118112.pdffe52c5110f65b8ec99fa81b41955ef9dMD5110183/2151162021-03-09 04:52:50.735303oai:www.lume.ufrgs.br:10183/215116Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2021-03-09T07:52:50Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Principal component analysis of C-SAR images for flood mapping , Santa Fe Province, Argentina
dc.title.alternative.pt.fl_str_mv Análise de principais componentes de imagens C-SAR para mapeamento de inundação, Província de Santa Fe, Argentina
title Principal component analysis of C-SAR images for flood mapping , Santa Fe Province, Argentina
spellingShingle Principal component analysis of C-SAR images for flood mapping , Santa Fe Province, Argentina
Graosque, Jones Zamboni
Analise temporal
Sentinel-1
Time series analysis
title_short Principal component analysis of C-SAR images for flood mapping , Santa Fe Province, Argentina
title_full Principal component analysis of C-SAR images for flood mapping , Santa Fe Province, Argentina
title_fullStr Principal component analysis of C-SAR images for flood mapping , Santa Fe Province, Argentina
title_full_unstemmed Principal component analysis of C-SAR images for flood mapping , Santa Fe Province, Argentina
title_sort Principal component analysis of C-SAR images for flood mapping , Santa Fe Province, Argentina
author Graosque, Jones Zamboni
author_facet Graosque, Jones Zamboni
Guasselli, Laurindo Antônio
author_role author
author2 Guasselli, Laurindo Antônio
author2_role author
dc.contributor.author.fl_str_mv Graosque, Jones Zamboni
Guasselli, Laurindo Antônio
dc.subject.por.fl_str_mv Analise temporal
topic Analise temporal
Sentinel-1
Time series analysis
dc.subject.eng.fl_str_mv Sentinel-1
Time series analysis
description Inundações são associadas a chuvas intensas. Na Argentina é o evento natural que causa mais perdas econômicas, sociais e de vidas humanas. O objetivo desse trabalho é mapear a área de inundação do rio Paraná, em Santa Fe, por Análise de Componentes Principais (ACP). As imagens Sentinel-1B, sensor C-SAR, polarização VH do tipo Interferométrico (IW) Ground Range Detected (GRD), pixel de 10 m, ano 2016, foram referenciadas, extraindo as quatro primeiras ACP.As imagens sob efeito de inundação permitiram delimitar com precisão a área inundada. No entanto, em áreas com densidade de vegetação não há um padrão de retroespalhamento dos pixéis. A PC2 destacou melhor o limiar de intensidade dos pixéis de inundação, com uma precisão de 70%, sendo que 93% da área mapeada é suscetível à inundação. A cartografia de risco de inundação obtida a partir de sensoriamento remoto revela-se essencial, pois possibilita a obtenção de resultados rápidos e precisos das áreas de inundação, em áreas cujo trabalho de campo não seja possível ou não se encontrem disponíveis mapas detalhados das áreas atingidas.
publishDate 2020
dc.date.accessioned.fl_str_mv 2020-11-18T04:10:25Z
dc.date.issued.fl_str_mv 2020
dc.type.driver.fl_str_mv Estrangeiro
info:eu-repo/semantics/article
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/215116
dc.identifier.issn.pt_BR.fl_str_mv 1647-7723
dc.identifier.nrb.pt_BR.fl_str_mv 001118112
identifier_str_mv 1647-7723
001118112
url http://hdl.handle.net/10183/215116
dc.language.iso.fl_str_mv eng
language eng
dc.relation.ispartof.pt_BR.fl_str_mv Territorium: Revista Internacional de Riscos. Portugal. Vol. 27, n. 2 (2020), p. 41-48
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/215116/2/001118112.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/215116/1/001118112.pdf
bitstream.checksum.fl_str_mv f64d573e9da5a0df2bcb3b2be970c834
fe52c5110f65b8ec99fa81b41955ef9d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1815447724593512448