نبذة مختصرة : I takt med en økende nedbørsmengde i Norge og store deler av verden, øker også behovet for å kartlegge landområder hvor store nedbørsmengder potensielt kan gjøre stor skade. Jordbruksareal er områder som er sårbare for klimaendringene, da oversvømmelser på matjorda kan redusere og ødelegge avlinger. Fjernmålingsdata egner seg godt til en slik kartlegging, og ved å benytte bildedata fra radarsatellitten Sentinel-1 er man sikret tilgang til opptak med høy nøyaktighet fra alle slags vær- og lysforhold. I denne gradsoppgaven undersøkes det i hvilket grad oversvømt jordsbruksareal kan detekteres i SAR-data fra Sentinel-1. Analysen er gjennomført for et studieområde i den sør-østlige delen av Viken, i to kraftige nedbørsperioder rundt juli og oktober 2020. Basert på radarsignalenes tilbakespredningsintensitet, som i SAR-bildene er representert ved intensitetsverdi i pikslene, forsøkes det å ekstrahere områdene som kan vare oversvømte. Teknikkene som benyttes til dette er terskling og Random forest klassifisering. I analysen undersøkes også utviklingen av pikslenes intensitetsverdi over tid, for å se om det er sammenhenger innad i og mellom tidsperiodene. Resultatene viser at det er stort potensiale i anvendelse av data fra Sentinel-1 til å kartlegge oversvømte jordbruksområder. Resultatene varierer noe mellom de ulike teknikkene, men har mange likheter som gjør det mulig å anta forekomster av overvann i bildene. Funnene er noe sprikende for bilder med ulikt opptakstidspunkt, og av de to tidsperiodene virket det enklest å detektere overvann i bildene fra oktober. Tidsserieanalysen viste også en klar tendens til synkende intensitetsverdier i pikslene klassifisert som vann i dette opptaket. Uten valideringsdata kan det ikke fastslås noen nøyaktighet for resultatene, men ved å sammenligne med verdier i NDWI-raster basert på data fra Sentinel-1 ble en del av antakelsene om oversvømte områder styrket. ; With an increasing amount of precipitation in Norway and large parts of the world, the need to map areas where large ...
No Comments.