Schlammlawinen anhand eines einzigen Satellitenbildes kartieren

Schnelle und intelligente Analyse von Hochwasserschäden in der Umgebung von Valencia

Remote sensing der Hochwasserschäden in Valencia
Remote Sensing
Lösung
Remote Sensing
Lesezeit
4 Minuten

Schwere Schlammlawinen trafen die Region Valencia. Doch wie analysiert man ein solches Katastrophengebiet, wenn man keine Bilder aus der Zeit vor der Überschwemmung hat? Diese Frage stand im Mittelpunkt einer anspruchsvollen Wissenswoche mit Studierenden. Mithilfe von Satellitendaten, dem Flood Mud Index (FMI) und fortschrittlicher Bildverarbeitung in ERDAS entwickelten wir eine intelligente und schnelle Analysemethode. Damit konnten wir Schlammströme mit nur einem einzigen Satellitenbild erkennen – entscheidend in Situationen, in denen Zeit, Ressourcen und Informationen knapp sind. Das Ergebnis: eine visuell aussagekräftige Karte, die nicht nur zeigt, wo sich Schlamm befindet, sondern auch wie viel. Eine Methode, die direkt in der Nothilfe, der Wiederaufbauplanung und sogar bei militärischen Operationen einsetzbar ist.

Remote sensing der Hochwasserschäden in Valencia

Warum diese Analyse?

Die Überschwemmungen lösten großflächige Schlammlawinen aus, die die Infrastruktur, landwirtschaftliche Flächen und städtische Gebiete bedrohten. Ein schneller Überblick über das Ausmaß und die Ausbreitung dieser Schlammlawinen war sowohl für die Rettungskräfte vor Ort als auch für die strategische Planung und die Wiederaufbaumaßnahmen von entscheidender Bedeutung.

Veränderungen anhand eines einzigen Satellitenbildes erkennen

Normalerweise verwendet man mehrere Bilder, um Veränderungen zu erkennen: eines vor und eines nach einem Ereignis. In Notsituationen zählt jedoch jede Minute, und da ist das Sammeln und Analysieren mehrerer Datensätze oft zu langsam. Da Geschwindigkeit bei der Datenverarbeitung entscheidend ist, sind wir in diesem Projekt anders vorgegangen. Wir haben eine Methode entwickelt, mit der man auch mit nur einem Satellitenbild zuverlässige Erkenntnisse gewinnt. Das spart Zeit bei der Erfassung, Vorverarbeitung und Analyse von Daten – und genau diese Zeit zählt in Notsituationen.

Vergleich von Satellitenfotos: Situation im Oktober und Juli in Valencia
Darstellung der Situation im Oktober und Juli.

Flood Mud Index (FMI): Einblicke in Schlammströme

Bestehende Indizes wie der NDWI (Normalized Difference Water Index) funktionieren gut bei klarem Wasser, versagen jedoch bei schlammigem Wasser mit hohem Sedimentgehalt. Genau das war in Valencia bei den extremen Überschwemmungen das Problem. Die Lösung: der Flood Mud Index (FMI), entwickelt von Emanuele Alcaras (Universität Genua). Dieser neue Index wurde entwickelt, um schlammige Gebiete anhand von nur zwei Spektralbändern eines Satellitenbildes zu erkennen: Rot und Blau. Der FMI-Index zeichnet sich durch Einfachheit und Präzision aus. In unseren Tests erreichte der Index eine beeindruckende Genauigkeit von 97,86 %. Und da nur RGB-Daten benötigt werden, lässt sich die Methode auch auf kostengünstige Drohnen oder bei bewölkten Wetterbedingungen anwenden.

Analyse des Flood Mud Index – schlammige Gebiete werden hervorgehoben
Schlammige Bereiche erscheinen als helle Stellen, was eine unmittelbare visuelle Interpretation ermöglicht.

Selbst erstellt in ERDAS

Der Flood Mud Index ist nicht standardmäßig in ERDAS enthalten, aber mit dem Spatial Modeler konnten wir das Modell ganz einfach selbst erstellen. Durch die Kombination des Index mit einer RGBI-Farbgebung und einem Höhenmodell (DEM) von Spanien mit einer Auflösung von zwei Metern entstand ein eindrucksvolles visuelles Bild der Überschwemmung und ihrer Folgen.

RGBI-Schattenrelief-Analyse der Überschwemmung in Valencia
Der Analyse wurde ein zusätzlicher Schritt hinzugefügt, bei dem ein RGBI-Schattenrelief eingefügt wird.

Vom Index zur visuell ansprechenden Karte

Dass die schlammigen Bereiche deutlich hervorgehoben werden, ist gut, das sorgt für Klarheit. Nun möchten wir aber auch erkennen können, wo es genau schlammiger oder weniger schlammig ist. Wir werden diesen Index in einem nächsten Schritt einbeziehen.

Um den Schlamm noch besser darzustellen, haben wir eine zusätzliche Analysefunktion hinzugefügt: Der FMI-Index wurde über die RGBI-Funktion (Red-Green-Blue-Index) mit einem Multispektralbild kombiniert. Dabei werden die Helligkeitswerte aus dem Index mit den Farbinformationen aus den Satellitendaten integriert. Die Analyse wird also um einen zusätzlichen Schritt erweitert. Erstellung eines RGBI Shaded Relief. Das ist eine Funktion, die standardmäßig in Erdas verfügbar ist und, da die Bilder bereits analysiert sind, praktisch keine Rechenzeit in Anspruch nimmt.

Von den hellen „Bereichen“ im Bild gehen wir zu einem Farbbild über, bei dem die Dunkelheit der Farbe die Intensität des Schlammgehalts widerspiegelt. Das untenstehende Bild zeigt genau den Bereich unterhalb von Valencia, die Gegend bei Cullera. Wir sehen, wie schlammig der Fluss Júcar ist. Deutlich sichtbar ist der Abfluss des Schlamms ins Mittelmeer an der Mündung des Júcar bei Cullera. Dieses Ergebnis haben wir transparent über ein Digitales Höhenmodell (DEM) mit einer Auflösung von 2 Metern gelegt. Dieses DEM ist kostenlos über das spanische Geoportal verfügbar. Diese endgültige Karte vermittelt ein klares Bild der Auswirkungen der Überschwemmung und ist ein wertvolles Hilfsmittel sowohl für zivile als auch für militärische Anwendungen.

Digitales Höhenmodell Spanien, Auflösung 2 Meter
Dieses digitale Höhenmodell (DEM) ist über das spanische Geoportal kostenlos verfügbar.
Endergebnis der Analyse der Schlammströme anhand des DEM von Valencia
Das Ergebnis wird transparent über ein digitales Höhenmodell (DEM) gelegt.

Vom Konzept zum Betriebsmodell

Was als Übungsfall begann, ist inzwischen in Erdas integriert worden. So können auch andere von den Innovationen und Erkenntnissen profitieren, die während dieser Wissenswoche gewonnen wurden.

Weitere Informationen?

Möchtest du mehr über dieses Thema erfahren? Schick Harald eine E-Mail.

Harald Görtz, Unternehmensberater bei IMAGEM