Principal component analysis of C-SAR images for flood mapping , Santa Fe Province, Argentina
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Outros Autores: | |
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 |