چارچوب نقشه برداری بارش شدید استوایی و طغیان سیل (RETRACE): آزمایش اولیه برای سیل 2021-2022 مالزی

سیل 2021-2022 یکی از جدی ترین رویدادهای سیل در تاریخ مالزی است که روزانه حدود 70000 قربانی تخلیه، 54 کشته و مجموع خسارات به 6.1 میلیارد MYR دارد. از این رویداد ویرانگر، متوجه کمبود اطلاعات بارش شدید و طغیان سیل شدیم که یک مشکل رایج در مناطق گرمسیری است. بنابراین، ما با استفاده از: (1) یک پلت فرم محاسبات ابری، موتور Google Earth (GEE) یک چارچوب نقشه برداری بارش شدید و طغیان سیلاب (RETRACE) ایجاد کردیم. (2) تصاویر ماهواره‌ای منبع باز از مأموریت‌هایی مانند اندازه‌گیری بارش جهانی (GPM)، ماهواره‌های نوری Sentinel-1 SAR و Sentinel-2. و (3) اطلاعات قربانیان سیل. این چارچوب با سیل 2021-2022 مالزی نشان داده شد. نتایج اولیه با آستانه بهینه پنج برای نقشه‌برداری سیلاب با استفاده از داده‌های Sentinel-1 SAR رضایت‌بخش بود، زیرا دقت سیل‌های غرق‌شده تا 70 درصد بود. بارش شدید روزانه تا 230 میلی متر در روز مشاهده شد و منجر به ایجاد منطقه آبگرفتگی 77.43 کیلومتری شد.² در شبه جزیره مالزی. این چارچوب می تواند به عنوان یک ابزار مفید برای مقامات محلی و دانشمندان عمل کند تا اطلاعات بارش شدید و سیل را در یک دوره نسبتا کوتاه برای مدیریت سیل و توسعه استراتژی کاهش ردیابی کنند.

کلید واژه ها:

سیل ؛ نقشه برداری آبگرفتگی ; Sentinel-1 SAR ; مالزی ؛ تغییرات آب و هوایی

1. مقدمه

همانطور که در ششمین گزارش ارزیابی هیئت بین دولتی تغییرات آب و هوایی [ 1 ] گزارش شده است، تعداد و شدت بارش های شدید در چند دهه گذشته به طور قابل توجهی افزایش یافته است. بر اساس پایگاه بین المللی حوادث اضطراری [ 2در مجموع از سال 1906 تا 2021، 5608 رویداد سیل شدید در سراسر جهان به ثبت رسیده است که باعث حدود 7 میلیون مرگ، 3.9 میلیارد نفر و 953 میلیارد دلار خسارت کلی شده است. EM-DAT همچنین افزایش رویدادهای سیل را در طول سال ها، به ویژه در دو دهه گذشته گزارش کرده است. تلفات واقعی سیل ممکن است بیشتر باشد زیرا همه رویدادهای سیل در پایگاه داده EM-DAT ثبت نشده اند و هزینه های خسارت ناشی از سیل اندازه گیری دشوار است. بنابراین، نقشه‌برداری سیلاب برای سازماندهی مؤثر عملیات نجات سیل، مدیریت، کاهش و مدل‌سازی برای دستیابی به بازیابی سریع و مؤثر مهم است. علاوه بر این، اطلاعات مناطق سیل زده نیز می تواند برای اندازه گیری خسارت سیل در شهرها و صنایع کشاورزی مورد استفاده قرار گیرد.

در مالزی، سیل‌های بزرگ معمولاً در مرحله اولیه بادهای موسمی شمال شرقی (NEM) از نوامبر تا ژانویه مشاهده می‌شوند. سال های گذشته سیل های بزرگ شامل سال های 1971، 2006-2007، 2014-2015، 2017 و 2018 می باشد [ 3 ]. رویدادهای بارش شدید غیرمنتظره از اواسط دسامبر 2021 تا اوایل سال 2022 همچنین باعث سیل های ویرانگر در هفت ایالت مالزی شده است که منجر به کشته شدن 54 نفر، آسیب رساندن به بیش از 125000 نفر و تخلیه نزدیک به 70000 نفر در یک روز و خسارات بالغ بر 6 میلیارد دلار آمریکا شده است. 1.46 میلیارد [ 4 ، 5 ، 6]. با کمال تعجب، رویدادهای شدید نه تنها به منطقه ساحل شرقی شبه جزیره مالزی، بلکه به سواحل غربی شبه جزیره مالزی نیز برخورد کردند که معمولاً در این دوره شرایط خشکی را تجربه می کنند، جایی که از جهت رکود استوایی 29W قابل توجه بود [ 7 ]. سطح آب بسیاری از رودخانه ها و مخازن در سلانگور از سطح خطرناک خود فراتر رفت. بیش از 120 زمین لغزش چند روز پس از باران شدید رخ داد که باعث شد عملیات نجات دشوارتر شود [ 8 ]. به عنوان مثال، سیل و رانش زمین باعث شد که کوالالامپور-کاراک و فاز 1 بزرگراه ساحل شرقی (LPT1)، که ساحل شرقی و ساحل غربی را به هم متصل می کند، غیر قابل عبور شوند [ 9 ].

نقشه‌های سیل موجود در مالزی را می‌توان به سه نوع طبقه‌بندی کرد، یعنی نقشه‌های طغیان سیل، نقشه‌های خطر سیل و نقشه‌های خطر سیل [ 10 ]. روش معمول تولید نقشه‌های طغیان سیل در مالزی شامل جفت کردن مدل رقومی ارتفاع (DEM) و سوابق رویداد سیل [ 11 ]، یا شبیه‌سازی‌های هیدرولوژیکی و هیدرولیکی است که با استفاده از ابزارهایی مانند InfoWorks یکپارچه مدل‌سازی حوضه آبریز (ICM) [ 12 ] انجام می‌شود.]. تولید نقشه های سیل از طریق چنین رویکردی به زمان بیشتری برای جمع آوری داده ها، توسعه مدل و کالیبراسیون نیاز دارد. علیرغم اهمیت اطلاعات بارش و طغیان سیل در زمان واقعی، هنوز یک چارچوب جامع برای ارائه اطلاعات بارش سریع و سیل در شرایط شدید در مناطق گرمسیری وجود ندارد.

فناوری‌های ماهواره‌ای منبعی مقرون‌به‌صرفه و به‌موقع برای جمع‌آوری اطلاعات بارش و سیل در یک منطقه بزرگ در طول حوادث سیل فراهم می‌کنند. محصولات بارش ماهواره ای (SPPs) به عنوان منبع اصلی برای نظارت بر بارش جهانی در چند دهه گذشته ظاهر شده اند [ 13 ، 14 ]. مأموریت اندازه‌گیری بارش جهانی (GPM) که از مأموریت اندازه‌گیری بارندگی استوایی (TRMM) [ 15 ] گسترش یافته است، یکی از دقیق‌ترین و بهترین SPP‌های با وضوح برای تخمین بارش در مناطق گرمسیری است [ 16 ]. بازیابی‌های چندماهواره یکپارچه برای محصولات GPM (IMERG) می‌توانند داده‌های بارش تقریباً بلادرنگ را برای مناطق 65 درجه شمالی تا 65 درجه جنوبی در مقیاس زمانی 30 دقیقه ارائه دهند. تاپیادور و همکاران [17 ] از IMERG برای مطالعه ویژگی های آب و هواشناسی سیل های سپتامبر 2019 در اسپانیا استفاده کرد و به این نتیجه رسید که IMERG به خوبی با مشاهدات مقایسه می شود. در چین، Qi و همکاران. [ 18 ] دریافتند که محصول IMERG Late Run (IMERG-Late) در نظارت بر بارش های شدید شدید ابر طوفان Lekima به خوبی عمل می کند. در مالزی، Tan و Santo [ 19 ] گزارش کردند که محصولات IMERG کمترین سوگیری را در ثبت بارش در رویدادهای سیل 2014-2015 مالزی نسبت به سایر SPP ها نشان می دهند. بنابراین، محصولات IMERG نزدیک به زمان واقعی می تواند اطلاعات مفیدی را برای نظارت بر بارش سیل در سراسر جهان ارائه دهد.

رادار دیافراگم مصنوعی Sentinel-1 (SAR) و ماهواره های نوری Sentinel-2 آژانس فضایی اروپا در حال تبدیل شدن به منابع داده محبوب برای نظارت موثر سیل هستند [ 20 ]. نقشه برداری سیل با استفاده از داده های سنتینل بیشتر در عرض های جغرافیایی معتدل شمالی مانند اروپا، انگلستان و کانادا انجام می شود [ 21 ]. در مناطق گرمسیری، پوشش ابر یک مسئله رایج در تصاویر ماهواره ای نوری است [ 22 ]. از این رو، Sentinel-1 SAR یک حسگر ماهواره ای ترجیحی برای نظارت بر سیل استوایی است، زیرا بدون ابر است و به کاربران اجازه می دهد تا تصاویر بلایای بحرانی زمان را از ESA Sentinel Data Hub در 45 دقیقه پس از گرفتن داده استخراج کنند [ 23 ].]. بر اساس ادبیات موجود، روش رایج تجزیه و تحلیل سیل از طریق داده های Sentinel-1 از طریق طبقه بندی [ 24 ] و آستانه گذاری [ 25 ] است. آستانه گذاری رایج ترین تکنیک مبتنی بر SAR برای تشخیص سیل است، اما فقط در موقعیت های سیلاب ساده و سطوح زمین همگن [ 26 ] خوب عمل می کند زیرا خطاهای طبقه بندی بین ویژگی های آب و زمین را بدون تمایز طبقات مختلف زمین به حداقل می رساند [ 25 ]. با این حال، شناسایی یک آستانه بهینه در دوتایی و ویژگی‌های تفاوت ارتفاع زمان می‌برد و ممکن است تولید نقشه طغیان سیل را به تاخیر بیندازد [ 27 ].]، که به موجب آن مقادیر آستانه به عنوان مقدار جداسازی پیکسل های سیل و پیکسل های غیر سیل در تصویر استفاده می شود [ 28 ].

Google Earth Engine (GEE) یک پلتفرم محاسباتی مبتنی بر ابر رایگان است که کاربران را قادر می‌سازد تا مجموعه داده‌های جغرافیایی عظیم را با استفاده از منابع محاسباتی با کارایی بالا به سرعت پردازش کنند [ 29 ]. استفاده از GEE در پردازش مجموعه داده های سنتینل می تواند به نقشه برداری سریع طغیان سیل دست یابد [ 26 , 30]. بنابراین، هدف اصلی این مطالعه توسعه یک چارچوب نقشه برداری بارش شدید و طغیان سیلابی سریع استوایی (RETRACE) با استفاده از آخرین فناوری های ماهواره ای، GEE و اطلاعات قربانیان سیل است. RETRACE برای مطالعه ویژگی‌های بارش و سیل از رویدادهای غیرمنتظره دسامبر 2021 تا ژانویه 2022 در شبه جزیره مالزی به عنوان یک مطالعه آزمایشی استفاده شد. سه هدف خاص این مطالعه عبارتند از: (1) بررسی ویژگی‌های مکانی – زمانی بارش روزانه بر روی شبه جزیره مالزی با استفاده از محصول GPM IMERG. (2) برای شناسایی یک آستانه بهینه برای نقشه برداری سیل مبتنی بر سنتینل در مالزی. و (3) نقشه برداری از مناطق سیل زده برای رویداد سیل 2021-2022 مالزی. این چارچوب می تواند به مقامات محلی در شناسایی مناطق سیل زده کمک کند، که برای مدیریت سیل و توسعه استراتژی کاهش حیاتی هستند. یکی از بزرگترین مزایای RETRACE قابلیت ارائه اطلاعات بارش شدید و طغیان سیل در یک دوره نسبتا کوتاهتر در مقایسه با چارچوب مدلسازی سیل سنتی است. علاوه بر این، آستانه بهینه شناسایی شده برای نقشه برداری طغیان سیل استوایی و ادغام اطلاعات قربانیان سیل اجازه می دهد تا اطلاعات دقیق تری از تصاویر ماهواره ای استخراج شود.

2. مواد و روشها

2.1. سیل 2021–2022 مالزی

سیل 2021-2022 یکی از جدی ترین سیل های ثبت شده در تاریخ مالزی بود که هشت ایالت در شبه جزیره را درگیر کرد: پراک، سلانگور، کوالالامپور، نگری سمبیلان، ملاکا، کلانتان، ترنگانو و پاهانگ [ 31 ]. از این رو، مطالعه حاضر بر مناطق سیل‌زده این ایالت‌های تحت تأثیر تا حد زیادی در طول رویداد سیل 2021-2022 متمرکز شد ( شکل 1 ). شبه جزیره مالزی اکثریت جمعیت و اقتصاد مالزی را به خود اختصاص داده است، با مساحت کل زمین 132.265 کیلومتر مربع ^و جمعیت کل 25.9 میلیون (تا سال 2021) [ 32 ].

مالزی که در منطقه استوایی قرار دارد، دارای آب و هوای استوایی با فشار اتمسفر پایین است. آب و هوای مالزی با سه ویژگی اصلی یکنواخت است: دمای ثابت، رطوبت بالا و بارندگی فراوان در طول سال [ 33 ]. این کشور در یک موقعیت استراتژیک قرار دارد که در آن از بلایای طبیعی عاری است. با این حال، دو فاجعه بزرگ مرتبط با آب و هوا بر معیشت مردم تأثیر می گذارد: بارندگی بیش از حد که باعث سیل و کمبود آب در طول دوره خشک می شود [ 34 ]. در بین دو فاجعه مرتبط با آب و هوا، سیل به دلیل مدت زمان و فراوانی وقوع، گستردگی منطقه آسیب دیده و تأثیری که بر توسعه اجتماعی و اقتصادی دارد، ویرانگرتر بلایای طبیعی است [ 35 ].، 36 ].

با توجه به دپارتمان آبیاری و زهکشی (DID) در مالزی، هیچ طبقه بندی رسمی برای تشخیص سیل در مالزی صورت نگرفت، اما به طور کلی سیل در مالزی را می توان به عنوان سیلاب های موسمی، ناگهانی یا جزر و مدی طبقه بندی کرد [ 37 ]، که در آن تمایز بین سیلاب های موسمی وجود دارد. و سیل ناگهانی به مدت زمانی که آب سیل طول می کشد تا عقب نشینی کند بستگی دارد. سیل ناگهانی و ناشی از بارندگی های شدید غیرقابل پیش بینی است، در حالی که سیل های موسمی در فصول موسمی رخ می دهد [ 38 ]]. سیل 2021-2022 را می توان به عنوان یک سیل موسمی طبقه بندی کرد که توسط بادهای موسمی شمال شرقی ایجاد شده است. در واقع، سیل‌های موسمی یک بلای طبیعی عادی سالانه در مالزی هستند و رویدادهای مهمی در سال‌های 1926، 1963، 1965، 1967، 1969، 1971، 1973، 1979، 1983، 1993، 2070، 1993، 1993، 2063، 1993، 1993، 2070، 1993، 1993، 1993، 1993، 2070، 1993، 1999، 1971، 1971، 1971، 1993، 1992، 1993، 1993، 1993، 1967، 1967 و 1926 رخ داده است. ، 2010، 2014، 2017 و 2021 [ 38 ، 39 ]. سیل‌های موسمی شمال شرقی که در دهه‌های گذشته در مالزی رخ داده‌اند در جدول 1 خلاصه شده‌اند .

2.2. ماموریت اندازه گیری بارش جهانی (GPM).

مأموریت اندازه‌گیری بارش جهانی (GPM) مشاهدات جهانی بارش و بارش برف را با وضوح زمانی 3 ساعت انجام می‌دهد [ 16 ]. این مأموریت توسط سازمان ملی هوانوردی و فضایی (ناسا) و آژانس اکتشافات هوافضای ژاپن (JAXA) از طریق ماهواره Core Observatory (GPM CO) در 28 فوریه 2014 پرتاب شد و به عنوان یک رادار بارش با فرکانس دوگانه برای دقیق بودن طراحی شد. اندازه گیری بارندگی با ابزار دقیق ماهواره ای و برنامه های کاربردی کاربر یکپارچه، انتشار عمومی محصول بارش را می توان در زمان واقعی در 1 تا 5 ساعت پس از پردازش مشاهدات پایین پیوند به ایستگاه های زمینی به دست آورد [ 42 ].

IMERG یک محصول بارش تیم علمی GPM ایالات متحده است که تخمین‌های کالیبره شده را بر روی صورت‌های فلکی بین‌المللی مختلف ماهواره‌های بارش اعمال می‌کند و تجزیه و تحلیل‌های ماهانه بارش سطحی را برای محاسبه وضوح‌های زمانی (نیم ساعتی) و مکانی (0.1 × 0.1 درجه) بالاتر انجام می‌دهد [ 43 ، 43 ، ]. این ویژگی های محصولات بارش IMERG در مطالعات شدید بارش در سطح جهانی سودمند هستند [ 21 ].

2.3. ماهواره های نگهبان

برنامه سنتینل یک ماموریت زیر نظر آژانس فضایی اروپا است [ 45 ]. ماموریت سنتینل بر اساس رادار و تصویربرداری فوق طیفی برای نظارت بر زمین، اقیانوس و جو عمل می کند. پردازشگر داده شامل داده های توپوگرافی رادار شاتل (SRTM) 1 قوس ثانیه ای برای اصلاحات زمین و رادیومتریک است که سهولت و آمادگی داده های Sentinel را برای تجزیه و تحلیل افزایش می دهد. نقاط قوت داده ها توانایی آن برای تولید محصولات تصویربرداری ماهواره ای جهانی، مستمر و با پوشش گسترده است.

ماموریت Sentinel-1 که مجموعه ای از دو ماهواره در مدار قطبی را تشکیل می دهد، شبانه روز عمل می کند و تصاویر SAR باند C را در هر شرایط جوی می گیرد. تصویربرداری باند C که در ماموریت Sentinel-1 عمل می کند، زمین را با پوششی تا 400 کیلومتر و وضوح فضایی 10 متر می گیرد. مهم‌ترین مزیت استفاده از داده‌های Sentinel-1 SAR در نقشه‌برداری سیل این است که حسگر می‌تواند تصاویری در طول موج‌های فراتر از پوشش ابر و پوشش گیاهی ضخیم و مرطوب بگیرد، صرف نظر از اینکه در روز یا شب باشد [ 46 ]. مجموعه داده های موجود در پلت فرم GEE که با حادثه سیل در هر ایالت برای این مطالعه مطابقت دارد در جدول 2 فهرست شده است.

داده‌های سطح محصول شناسایی‌شده با محدوده زمینی سطح ۱ (GRD) برای تشخیص سطح آب در حالت اسکن تداخل سنجی گسترده (IW) استفاده شد، که در آن اطلاعات فاز گنجانده نشد. تصاویر Sentinel-1 به دست آمده با وضوح فضایی 10 متر × 10 متر، با انواع پیکربندی پلاریزاسیون عمودی-افقی (VH) و عمودی-عمودی (VV) [ 47 ] بود. محصولات Level-1 GRD بسته ای از مجموعه داده ای است که شامل داده های SAR متمرکز است که با استفاده از مدل بیضی زمین [ 23 ] شناسایی شده، چند نگاهی داشته و به محدوده زمین پیش بینی شده است.

پراکندگی برگشتی محصولات GRD به طور گسترده در مطالعات پوشش زمین و پایش بدنه آب استفاده شده است [ 48 ]. از نظر تئوری، VH دارای بازگشت قوی تری نسبت به مناطق دارای پراکندگی حجمی است، در حالی که VV بازگشت قوی تری نسبت به پراکندگی چشمی دارد. بنابراین، هر دو پیکربندی پلاریزاسیون برای افزایش اطلاعات باند استفاده می شود [ 49 ]. تصاویر SAR اغلب برای نقشه‌برداری از سطوح آب آرام و باز استفاده می‌شوند، زیرا سطح آب به‌عنوان تشعشعات مایکروویو فرودی مشاهده‌ای منعکس شده ثبت می‌شود [ 50 ].

2.4. ردیابی مجدد

گردش کار کلی RETRACE در شکل 2 نشان داده شده است. داده‌های Sentinel-1 SAR GRD برای تولید مناطق طغیان سیل استفاده شد، در حالی که داده‌های Sentinel-2 MSI برای جمع‌آوری حقیقت زمینی منطقه سیل‌زده به منظور اعتبارسنجی استفاده شد. داده های GPM IMERG Late Run برای انجام تجزیه و تحلیل بارش در سراسر شبه جزیره مالزی در طول رویداد سیل استفاده شد. گردش کار پردازش را می توان در پنج مرحله اصلی توضیح داد: (1) پیش پردازش داده های Sentinel-1 و -2 شامل زیر مجموعه های مناطق مورد علاقه، موزاییک سازی، اصلاح هندسی، حذف نویز و غیره. (2) شناسایی مناطق آسیب دیده جدی بر اساس داده های بارش GPM IMERG و داده های تخلیه قربانیان سیل. (3) تولید نقشه‌های طغیان سیل Sentinal-1 SAR و جمع‌آوری داده‌های سیل مشاهده‌شده از آسمان (ماهواره نوری Sentinel-2) و زمین (بازدید از محل). و (4) اعتبار سنجی نقشه های طغیان سیل با داده های مشاهده شده. این فرآیند برای نقشه برداری سیلاب در سایر ایالت های آسیب دیده تکرار شد.

گستره طغیان سیل 2021-2022 مالزی از طریق یک روش آستانه گذاری خودکار در پلت فرم GEE استخراج شد، جایی که نتایج برای عموم قابل دسترسی است. داده های ماهواره ای رصد زمین ابزار دقیق و مقرون به صرفه ای برای ارزیابی و پایش دینامیک هیدرولوژیکی سطح زمین فراهم می کند. به این ترتیب، تصاویر ماهواره ای رادار دیافراگم چندطیفی و مصنوعی (SAR) به دلیل ویژگی های تفکیک مکانی و زمانی بالا برای پایش بارش و نقشه برداری سیل سودمند هستند [ 51 ]. در مطالعه حاضر، از داده‌های دو ماهواره برای نقشه‌برداری منطقه طغیان سیل در سراسر منطقه مورد مطالعه استفاده شد: تصاویر Sentinel-1 SAR و Sentinel-2 MSI، که در آن داده‌ها آزادانه از طریق GEE در دسترس هستند.

علاوه بر داده‌های Sentinel، لایه‌های واحد اداری جهانی 2015 (GAUL)، لایه‌های نقشه‌برداری آب سطحی جهانی JRC، و داده‌های WWF HydroSHEDS Void-Filled DEM در کاتالوگ داده‌های GEE نیز در این مطالعه استفاده شد. GAUL یک لایه مرزی اداری در سطح اول جهانی است که توسط سازمان غذا و کشاورزی ملل متحد (UN) (FAO) در دسترس قرار گرفته و بر اساس داده های جهانی سال 2015 منتشر شده است [ 52 ]. لایه های نقشه برداری آب سطحی جهانی که توسط مرکز تحقیقات مشترک (JRC) کمیسیون اروپا (EC) توسعه یافته است، یک نقشه جهانی آب های سطحی است که با 4،453،989 لندست 5، 7 و 8 صحنه تولید شده از 16 مارس 1984 تا 31 دسامبر 2020 [ 53 ].]. در نهایت، HydroSHEDS توسط صندوق جهانی حیات وحش (WWF) توسعه داده شد و یک محصول نقشه برداری هیدروگرافی ارتفاع در مقیاس جهانی است که توسط ماموریت توپوگرافی رادار شاتل (SRTM) با وضوح فضایی 3 ثانیه قوس [ 54 ] تولید شده است.

2.4.1. پیش پردازش داده های نگهبان

پیش پردازش مجموعه داده های Sentinel-1 و -2 شامل اصلاحات هندسی و رادیومتری بود. مجموعه داده Sentinel-1 GRD از پلت فرم GEE از طریق حالت ابزار بازیابی شد و VH قطبش را دریافت کرد، که در آن محدوده تاریخ در خشک ترین ماه ایالت برای دوره قبل از سیل تنظیم شد و تاریخ های سیل همانطور که در جدول 1 بیان شده است . دوره سیل

سپس، مجموعه داده با داده های FAO GAUL به میزان هر ایالت در شبه جزیره مالزی زیر مجموعه قرار گرفت. کالیبراسیون رادیومتری و فیلتر لکه در این نقطه انجام شد، زیرا به دست آوردن مقادیر پس پراکندگی ضروری است [ 55 ]. تصاویر کالیبره شده رادیومتری با ضریب پراکندگی عقب رادار محاسبه شدند. $σ_{°}$ ) مرتبط با روشنایی تصویر SAR ( $β_{°}$ ) با استفاده از فرمول:

σ \circ = β \circ . گناه α

(1)

که در آن α زاویه بروز محلی است [ 28 ، 56 ]. ضریب پراکندگی بازگشتی، $σ_{°}$ ، بر حسب دسی بل محاسبه می شود [ 56 ]:

σ \circ (دسی بل) = 10 log 10 (σ \circ)

(2)

با این کار، مقادیر پس پراکندگی رادار را می توان با استفاده از فرمول پیشنهادی Laur و همکارانش ارزیابی کرد. [ 56 ]:

σ \circ (dB) = β \circ (dB) + 10 log 10 [sin (من پ) / گناه (من ج)]

(3)

β \circ (dB) = 20 log 10 (DN) - K (dB)

(4)

جایی که:

” $i_{p}$ ” زاویه تابش پیکسل را نشان می دهد.
” $i_{c}$ ” زاویه تابش مرکز تصویر را نشان می دهد.
“K” ثابت کالیبراسیون تصویر SAR را نشان می دهد.

سپس، تکنیک صاف کردن برای فیلتر کردن لکه با حذف نویز دانه‌ای که وضوح تصویر را از طریق استفاده از پنجره فیلتر لکه‌ای افزایش می‌دهد، انجام شد [ 57 ]. فرآیند بهبود بافت تصویر SAR نیاز به محاسبه ویژگی‌های Haralick دارد [ 58 ]. بنابراین، ما مقادیر مختلف را برای مشاهده عدم تشابه آزمایش کردیم. با این حال، عدم تشابه ارائه نشد. بنابراین، پنجره 5 × 5 اتخاذ شده در این مطالعه برای بهینه سازی موازنه بین زمان محاسباتی، استحکام نسبت به نقاط پرت و حفظ لبه بهینه است [ 59 ]. بنابراین، شعاع صاف کردن فیلتر لکه‌ای برای این مطالعه 25 تنظیم شد.

2.4.2. تجزیه و تحلیل قربانیان بارش و سیل

اساسا، داده های IMERG را می توان به محصولات Early Run، Late Run و Final تقسیم کرد که ~4 ساعت، ~12 ساعت و ~2 ماه پس از گرفتن سطح زمین در دسترس هستند. محصول IMERG Late Run دانلود شده از ابزار آنلاین NASA Giovanni ( https://giovanni.gsfc.nasa.gov/giovanni/(دسترسی در 11 ژانویه 2022)) برای تجزیه و تحلیل تغییرات مکانی-زمانی بارش روزانه برای شبه جزیره مالزی از 15 دسامبر 2021 تا 7 ژانویه 2022 استفاده شد. کیفیت محصول IMERG Late Run کمی بهتر از نسخه Early Run است. به طرح کالیبراسیون در الگوریتم؛ بنابراین، برای تحلیل بارش سیلاب مناسب تر است. این تحلیل بارش برای شناسایی میزان بارش روزانه که منجر به سیل در هر ایالت شبه جزیره مالزی شده است انجام می شود. IMERG-Late برای مطالعه تغییرات مکانی و زمانی بارش روزانه بر روی مالزی از 17 دسامبر 2021 تا 10 ژانویه 2022 به عنوان متغیر توضیحی برای نشان دادن بیشتر رابطه بین آب های سطحی ناشی از اقلیم و میزان سیل استفاده شد [ 60].

آژانس ملی مدیریت بلایا (NADMA) مالزی یک پورتال بلایای طبیعی ( https://portalbencana.nadma.gov.my/ (در 11 ژانویه 2022 در دسترس قرار گرفت)) برای گزارش هر از گاهی تعداد قربانیان سیل ایجاد کرد. حداقل 89723 قربانی روزانه توسط سیل در دسامبر 2021 تحت تأثیر قرار گرفتند [ 61 ]. به عنوان مثال، تعداد قربانیان سیل تخلیه شده از خانه های خود به طور قابل توجهی به حدود 70000 نفر در روز برای سه روز متوالی از 21 دسامبر 2021 افزایش یافته است ( شکل 1).ج). دومین پیک تخلیه قربانیان سیل از 3 تا 5 ژانویه 2022 به دلیل موج دوم سیل در ایالت جوهور پیدا شد. تعداد قربانیان سیل برای هر ایالت از 17 دسامبر 2021 تا 10 ژانویه 2022 از پورتال فاجعه ثبت شد و سپس با استفاده از نرم افزار ArcMAP 10.4 به نقشه تبدیل شد.

2.4.3. نقشه برداری سیلاب

یکی از کارآمدترین و ساده ترین رویکردها برای باینریزه کردن تصویر از طریق آستانه گذاری است [ 62 ]. در این مطالعه، آستانه گذاری از طریق تابع GEE که از روش Otsu برای تقسیم بندی تصویر ساخته شده بود، اعمال شد [ 63 ]. روش Otsu گسترده ترین رویکرد آستانه گذاری است، زیرا آستانه بهینه را به طور خودکار بر اساس توزیع مشاهده شده مقادیر پیکسل تشخیص می دهد [ 64 ]. در مورد این مطالعه، آستانه مفهومی در کدهای پردازش تصویر برای تعیین آستانه بهینه از حداکثر کردن واریانس بین طبقات پیکسل‌های آب و پیکسل‌های غیرآبی تنظیم شد.

لایه‌های نقشه‌برداری آب سطحی جهانی JRC در نتیجه جستجوی تصویر برای شناسایی مناطق آبی دائمی (دریا، رودخانه‌ها و دریاچه‌ها) که در منطقه مورد مطالعه وجود دارد و به عنوان سطوح سیل‌زده طبقه‌بندی می‌شوند، گنجانده شد. آستانه 1.25 برای استخراج آب های طبقه بندی شده با Sentinel-1 که خارج از محدوده بدنه آبی دائمی، مناطق غرقاب در نظر گرفته می شوند، تعیین شد، زیرا ما در تلاش بودیم تا تشخیص سطوح سیل زده به پیکسل ها را با نسبت اختلاف تسهیل کنیم. از 0.25 [ 62]. سپس از WWF HydroSHEDS Void-Filled DEM برای فیلتر کردن نتیجه آبگرفتگی بر اساس این شرط استفاده شد که اگر منطقه دارای شیب بزرگتر از 0.5٪ باشد، به دلیل ماهیت گسترده موجودات منطقه سیل زده، از نتیجه غرقاب نهایی حذف می شود. عمدتا سطوح مسطح

در نقشه برداری سیل، فرآیند تشخیص تغییر برای تجزیه و تحلیل تفاوت بین تصاویر برای رویداد قبل و بعد از سیل انجام می شود [ 62 ]. در مورد این مطالعه، تصویر Sentinel-1 پردازش شده در طول رویداد سیل با تصویر گرفته شده در خشک ترین ماه منطقه (15 تا 26 فوریه 2021) مقایسه شد. تصویر قبل از سیل برای به دست آوردن سطوح آب دائمی در منطقه تنظیم شده بود، که بعداً از این اطلاعات برای پوشاندن پیکسل های آب روی هم افتاده در تصویر پس از سیل استفاده شد و پیکسل های آب بدون نقاب، گستره غرقاب نهایی بودند.

2.4.4. ارزیابی دقت

برای ارزیابی دقت نقشه طغیان تولید شده توسط تصاویر Sentinel-1، مناطق غرق شده تولید شده توسط هر دو تصویر Sentinel با استفاده از ابزار Combine در ArcMap 10.4 اعتبارسنجی متقابل شدند. این فرآیند تنها به دلیل در دسترس بودن داده های بدون ابر از حسگر Sentinel-2 در طول دوره سیل همانطور که در شکل 3 نشان داده شده است، برای ایالت های پاهانگ و سلانگور انجام شد .

دقت بر اساس پیکسل به پیکسل برای پیکسل “سیلاب” ارزیابی شد (“0” برای پیکسل های غیر سیلابی و “1” برای پیکسل های سیل زده [ 60 ]). با این حال، کلاس پس زمینه “0” اکثریت در نقشه برداری سیل است و ممکن است باعث تخمین بیش از حد در دقت پیکسل های غیر سیلابی شده شود [ 62 ]. بنابراین، تنها پیکسل‌های سیل‌زده در ارزیابی دقت در نظر گرفته شدند.

در مورد اهداف اعتبار سنجی، نقاط حقیقت زمینی منطقه غرقابی از داده های Sentinel-2 MSI به دست آمد زیرا بهترین مجموعه داده موجود از نظر تفکیک زمانی و مکانی در طول رویداد سیل بود. Sentinel-2 یک حسگر نوری با وضوح فضایی بالا تحت ابتکار نظارت جهانی برای محیط زیست و امنیت توسط ESA است که در آن اطلاعات سطح زمین جهانی را در 13 باند چند طیفی ارائه می‌کند که محدوده مادون قرمز مرئی، مادون قرمز نزدیک و موج کوتاه را پوشش می‌دهد [ 65 ].

محصول Sentinel-2 Level-1B در این مطالعه با بازیابی مجموعه تصاویر Copernicus Sentinel-2 Surface Reflectance در پلت فرم GEE استفاده شد، جایی که رادیومتری و هندسی تصحیح شد [ 66 ]. تصاویر از 15 تا 31 دسامبر 2021 برای یک تصویر موزاییکی با پوشش ابری 50% در کل شبه جزیره مالزی بازیابی شدند، که در آن مجموعاً 123 تصویر ترکیب و موزاییک شدند تا صحنه تصویر را تشکیل دهند. ترکیب باندهای 8 (مرئی و مادون قرمز نزدیک)، 3 (سبز) و 2 (آبی) برای تجسم محتوای آب در تصویر برای استخراج منطقه سیل زده انتخاب شد.

متأسفانه، به دلیل محدودیت در دسترس بودن تصویر Sentinel-2 در طول دوره، نقاط منطقه سیل زده تنها برای ایالت های پاهانگ و سلانگور جمع آوری شد. در مجموع 75 امتیاز از تصویر Sentinel-2 بر اساس روش نمونه گیری تصادفی بر روی سطوح سیل زده جمع آوری شد. علاوه بر مکان سیل جمع آوری شده از داده های نوری Sentinel-2، ما همچنین از داده های سیل مشاهده شده جمع آوری شده توسط مرکز ملی پیش بینی و هشدار سیل (PRABN)، DID استفاده کردیم. مکان هایی که سیل در طول رویداد سیل 2021-2022 رخ داده است، عمدتاً در مناطق مسکونی، برای هدف اعتبارسنجی استفاده شد. داده های سیل مشاهده شده توسط افسران DID در محل هنگام فروکش سیل جمع آوری شد. سپس داده های ارائه شده توسط PRABN برای انتخاب تنها داده هایی که دارای زمان ثبت مشترک به عنوان تصاویر نگهبان بودند، فیلتر شد، در حالی که در این مطالعه، در مجموع 275 رکورد سیل منطبق برای هدف اعتبار سنجی بر روی Pahang (142 امتیاز) و سلانگور (133 امتیاز) بیان می کند. بنابراین، در مجموع از 350 نقطه (75 نقطه از Sentinel-2 و 275 نقطه از بازدیدهای سایت) در اعتبار سنجی نقشه های طغیان سیل Sentinel-1 SAR استفاده شد.شکل 4 .

شاخص موفقیت بحرانی (CSI) به‌عنوان شاخصی برای ارزیابی عملکرد نقشه‌برداری سیلاب تصاویر SAR مورد استفاده قرار گرفت، زیرا ما می‌خواستیم تنها پیکسل‌های سیل که به درستی نقشه‌برداری شده‌اند را ارزیابی کنیم تا پیکسل‌های غیرسیل‌گرفته به‌درستی طبقه‌بندی‌شده [ 62 ]. CSI یک شاخص عملکرد مناسب برای مقایسه عملکرد الگوریتم‌های طبقه‌بندی مختلف در یک تصویر به جای طبقه‌بندی سیل بین حوضه‌های مختلف یا تفاوت بزرگی سیل است [ 67 ]. دومی به صورت [ 68 ] محاسبه می شود:

CSI = تی پ ( اس 2 + PRABN )

(5)

جایی که $t_{p}$ پیکسل های سیل زده به درستی طبقه بندی شده است، S ₂ تعداد نقاط سیل جمع آوری شده از تصویر Sentinel-2 و PRABN محل سیل است که توسط DID ارائه شده است.

3. نتایج

3.1. تجزیه و تحلیل قربانیان سیل

با توجه به تخلیه قربانیان سیل گزارش شده توسط NADMA [ 61 ]، قربانیان از 17 دسامبر 2021 شروع به تخلیه به مراکز امدادی کردند ( شکل 5 ). توزیع مکانی قربانیان سیل تخلیه شده نشان می دهد که قربانیان تخلیه شده در پاهانگ از کمتر از 500 نفر در 17 دسامبر 2021 به بیش از 30000 نفر در 23 دسامبر 2021 افزایش یافته است. در همین حال، تعداد تخلیه شدگان در سلنگور نیز از کمتر از 10 نفر افزایش یافته است. 19 دسامبر 2021 به بیش از 30000 نفر در 23 دسامبر 2021 به دلیل فروکش سیل [ 5]. بر اساس گزارش سیل، در مجموع 685 مرکز امدادی موقت در سراسر شبه جزیره مالزی در طول رویداد سیل ایجاد شد که بیشترین آنها در پاهانگ (382 مرکز) بود. در مالزی، مراکز امداد رسانی به قربانیان سیل توسط وزارت رفاه اجتماعی [ 69 ] مدیریت می شد. جابجایی آسیب دیدگان به مراکز امدادی توسط نهادهای دولتی و غیردولتی و بر اساس تحلیل مشروط انجام شده توسط مسئولان با توجه به عوامل فیزیکی یعنی سطح آب فعلی، تعداد قربانیان برای هر مرکز امدادی و ظرفیت سازماندهی شد. و مقدار کمک و مواد قابل عرضه.

آمار قربانیان سیل تخلیه شده جمع آوری شده برای اعتبار سنجی نقشه طغیان سیل تولید شده در این مطالعه به صورت زمانی و مکانی مورد استفاده قرار گرفت. تجزیه و تحلیل قربانیان سیل، جستجوی داده‌های Sentinel-1 و -2 را برای تولید وسعت طغیان سیل محدود کرد، زیرا تنها داده‌های مربوط به اوج روز رویداد سیل به تصویب رسید. تجزیه و تحلیل قربانیان سیل یک جزء مهم در مدیریت سیل است، زیرا اولین آماری است که برای تجزیه و تحلیل شدت رویداد سیل به صورت مکانی به آن اشاره می شود [ 70 ].

با مراجعه به شکل 5 ، مشاهده می شود که قربانیان سیل در ایالت های پاهانگ، ترنگانو و کلانتان در 17 دسامبر 2021 با کمتر از 500 قربانی از هر ایالت شروع به تخلیه کردند. تخلیه به کشورهای همسایه ادامه داد و پاهانگ و سلنگور به بیش از 3000 قربانی رسیدند که در 23 دسامبر 2021 تخلیه شدند. این اطلاعات برای نقشه برداری طغیان سیل مبتنی بر SAR استفاده شد.

3.2. تجزیه و تحلیل بارش شدید

بارش شدید عامل اصلی سیل در مناطق استوایی است [ 71 ]. بارش شدید غیرمنتظره در شبه جزیره مالزی از 15 دسامبر 2021 تا 7 ژانویه 2022 برای شناسایی تعداد روزها و حجم بارندگی در سراسر منطقه مورد تجزیه و تحلیل قرار گرفت (به شکل 6 و شکل 7 مراجعه کنید ). بارش قابل توجهی از 16 دسامبر 2021 در ایالت های پاهانگ، سلانگور و کلانتان آغاز شد. به ویژه در نمودار F شکل 6مشاهده می شود که بارش روزانه در سلانگور در 17 دسامبر 2021 پنج برابر میزان روز قبل بوده است. میزان بارندگی فراوان برای این دو ایالت تا 21 دسامبر 2021 ادامه یافت و منجر به افزایش تعداد قربانیان تخلیه شد. علاوه بر این، بارش شدیدتری در 31 دسامبر 2021 به دلیل رعد و برق و باران شدید مشاهده شد، اما هیچ گونه تخلیه قربانی سیل در سلانگور گزارش نشد زیرا این رویداد بیشتر در ساحل شرقی و بخش‌های جنوبی شبه جزیره مالزی متمرکز بود ( شکل 6 ).

روند بارندگی گذشته و شدت های مربوط به بارش در سواحل شرقی شبه جزیره مالزی (پاهانگ، ترنگانو و کلانتان) توسط مایووا و همکاران مورد مطالعه قرار گرفت. [ 47 ] و نشان داد که در طول 40 سال گذشته (1971 تا 2010) روند افزایشی بارش و شدت بارش در منطقه وجود دارد. در پاهنگ (رجوع کنید به قطعه های C و G)، دوره مطالعه فعلی نشان می دهد که شدت بارش از 15 دسامبر 2021 آغاز شده است، به طوری که قسمت ساحلی پاهنگ دارای 50 میلی متر بارش روزانه (قطع C) بیشتر از قسمت مرکزی پاهنگ (قطعه) است. ز). یکی دیگر از جوانه های بارندگی قابل توجه در پاهانگ در 30 دسامبر 2021 بود. این رویداد به دلیل سرریز شدن سطح آب در رودخانه لیپیس و رودخانه سرتینگ در مرکز پاهنگ موج دیگری از سیل را در این ایالت ایجاد کرد.72 ].

موج دوم سیل فوق الذکر ایالت جوهور را نیز درنوردید (قطعه D). یک بارندگی شدید از 31 دسامبر 2021 تا 2 ژانویه 2022 با بارش روزانه بالای 100 میلی متر ثبت شد. این رویداد باعث سیل در شمال جوهور شد که منجر به آواره شدن 1646 قربانی شد [ 73 ]. با این حال، جوهور پس از نگری سمبیلان، کلانتان و ترنگانو در همان روز، آخرین ایالتی بود که تحت تأثیر سیل قرار گرفت [ 74 ]. در همین حال، بارش شدید مشاهده شده در 31 دسامبر 2021 برای کلانتان (قطعه A) منجر به تخلیه 1129 قربانی به دلیل طغیان رودخانه کلانتان شد.

با اشاره به تغییرات فضایی بارش روزانه در شکل 7 و آمار تخلیه در نمودار 4 ، نشان می‌دهد که رویدادهای سیل بیشتر زمانی اتفاق می‌افتد که میزان بارش بیش از 100 میلی‌متر در روز باشد. این یافته با مطالعه انجام شده توسط تان و همکاران مطابقت داشت. [ 13 ]، به موجب آن رویدادهای سیل شدید در سال های 2006/2007 در ایالت های کلانتان، پاهانگ و جوهور به دلیل بارش روزانه بیش از 100 میلی متر بود.

3.3. ارزیابی دقت نقشه های طغیان سیل

با توجه به در دسترس بودن داده‌های بدون ابر از تصاویر Sentinel-2 در طول رویداد سیل، ارزیابی دقت فقط برای ایالت‌های Pahang و Selangor انجام شد. ارزیابی دقت نقشه‌برداری غرقابی پاهانگ و سلنگور در آستانه‌های 3، 4، و 5 پیکسلی برای فاصله بین منطقه سیل‌زده و سطح اولیه آب در جدول 3 نشان داده شده است.. هر دو ایالت زمانی که از آستانه 5 استفاده شد بهترین عملکرد نقشه برداری غرقاب را به دست آوردند. بنابراین، همان رویکرد پردازش برای سایر ایالت‌ها برای اهداف نقشه‌برداری غرقابی اتخاذ شد. مکان‌های سیل مشاهده‌شده ارائه‌شده توسط DID بیشتر در مناطق مسکونی بودند، در حالی که مناطق سیل‌زده جمع‌آوری‌شده از Sentinel-2 بزرگ‌تر بودند و در فضاهای باز و مناطق پوشش‌دار مانند زمین‌های لاستیکی قرار داشتند.

3.4. نقشه برداری سیلاب برای سیل 2021-2022 مالزی

تجزیه و تحلیل داده های Sentinel-1 SAR نشان می دهد که سیل 2021-2022 منجر به جاری شدن سیل در هشت ایالت در مجموع 77.435 کیلومتر مربع ^شد . می توان مشاهده کرد که مناطق پرآب در پایین دست رودخانه های اصلی به ویژه در مناطق کم ارتفاع قرار داشتند. ایالت کلانتان بیشترین منطقه سیل زده (32.32 کیلومتر مربع ⁾ و پس از آن پاهانگ (28.87 کیلومتر مربع ⁾ ، جوهور (8.25 کیلومتر مربع ⁾ و سلانگور (7.24 کیلومتر مربع ⁾ را داشت. کل منطقه سیل زده برای هر ایالت در جدول 4 در زیر آورده شده است. بر اساس منطقه آبگرفته استخراج شده توسط Sentinel-1 SAR، بیشترین سیل در طول سیل 2021-2022 مالزی Pahang ( شکل 8 )، سلانگور ( شکل 9) بودند.کلانتان ( شکل 10 ) و جوهور ( شکل 11 )، در مقایسه با ایالت های دیگر با منطقه آبگرفتگی کمتر از 1 کیلومتر ^مربع .

در ایالت پاهانگ، منطقه آبگرفته در اطراف رودخانه پاهنگ پراکنده شده است و ناحیه پکان به عنوان شدیدترین ناحیه سیل زده (16.32 کیلومتر مربع ⁾ و پس از آن رومپین (5.09 کیلومتر مربع ⁾ و کوانتان (4.21 کیلومتر مربع ⁾ قرار دارند. منطقه غرقابی استخراج شده برای Temerloh 0.77 کیلومتر مربع ^بود . اکثر مناطق سیل‌زده پاهانگ در مناطق کم ارتفاعی که در امتداد رودخانه واقع شده‌اند، مسکونی بود. با این حال، اگرچه پاهنگ بیشترین تعداد تخلیه‌شدگان را داشت، اما از نظر کل مساحت سیل‌زده‌ترین ایالت سیل‌زده نبود.

در مورد سلانگور، منطقه کوالا سلانگور (4.28 کیلومتر مربع) که بیشترین سیل را گرفتار شد ^، منطقه ای بود که بیشتر مناطق مسکونی و صنعتی بود. منطقه غرقابی استخراج شده برای سابک برنام 0.77 کیلومتر مربع ^، کوالالامپور 0.014 کیلومتر مربع ^، کوالالانگات 0.95 کیلومتر مربع ^و اولو سلانگور 0.1 کیلومتر مربع ^بود .

در کلانتان، منطقه سیل زده در قسمت شمالی، پایین دست رودخانه کلانتان، با پاسیر ماس به عنوان سیل زده ترین منطقه (11.76 کیلومتر مربع ⁾ جمع شده است. کوتا بهارو، پایتخت کلانتان 11.29 کیلومتر مربع ^، پسیر پوته در 4.4 کیلومتر ^مربع ، تومپات در 1.46 کیلومتر مربع ^، ماچانگ در 0.73 کیلومتر مربع ^و تانا مراح در 0.43 کیلومتر مربع ^زیر آب رفت .

پرآب ترین منطقه در جوهور سگمات (2.61 کیلومتر مربع ⁾ بود که در قسمت جنوبی جوهور واقع شده است. علاوه بر این، مرسینگ با سیل 0.38 کیلومتر مربع ^، باتو پاهات سیل 1.6 کیلومتر مربع ^، کلوانگ سیل 1.5 کیلومتر مربع ^و جوهور باهرو، پایتخت شهر جوهور، 0.23 کیلومتر مربع سیلاب ^شده است.

4. بحث

4.1. تجزیه و تحلیل بارش GPM

محصولات GPM IMERG برای مطالعه سیل های ناگهانی و سیلاب های موسمی در سراسر جهان به کار گرفته شده اند. بر اساس تغییرات بارش مشاهده شده توسط ماهواره‌های GPM، بارش روزانه بسیار سنگین تا 230 میلی‌متر در روز بر فراز سلانگور از 17 تا 19 دسامبر 2021 ثبت شد ( شکل 5 ). لطفاً توجه داشته باشید که محصولات GPM IMERG نزدیک به زمان واقعی بارش روزانه در مالزی را در طول سیل 2014-2015 به میزان 3.09 تا 24.19 درصد دست کم می گیرند [ 19 ].]. بنابراین، میزان بارش واقعی که در طول سیل 2021-2022 به سطح زمین رسیده است ممکن است بیشتر از آنچه توسط محصول GPM IMERG Late Run مشاهده شده باشد، باشد. اعتبار سنجی جامع GPM IMERG و سایر محصولات بارش ماهواره ای در ثبت بارش شدید (تا ارزیابی ساعتی) در طول دوره های سیل در مالزی باید در آینده انجام شود.

در همین حال، تجزیه و تحلیل بارش برای رویداد سیل 2021-2022 مالزی با نتایج گزارش شده توسط Mayowa و همکاران مطابقت دارد. [ 72 ] و لیانگ و همکاران. [ 75 ]، که در آن یک رویداد سیل شدید در بخش ساحل شرقی شبه جزیره مالزی زمانی رخ می دهد که بارش روزانه بیش از 100 میلی متر در روز باشد. بارش های شدید و وقوع سیل از نظر فراوانی و شدت در مناطق گرمسیری به طور قابل توجهی افزایش یافته است. از این رو، برای مقابله با روند فزاینده رویدادهای شدید سیل در مالزی، باید اقدامات کاهشی و استراتژی‌های مناسبی برای مدیریت سیل انجام شود [ 76 ] و نقشه‌های غرقاب سیل که از Sentinel-1 SAR تهیه شده‌اند می‌تواند منبع بسیار مفیدی برای مقایسه با سیل باشد. خروجی های مدل سازی

4.2. سیل 2021–2022 مالزی

در طول حوادث سیل گذشته، اداره مواد معدنی و علوم زمین گزارش داد که در مجموع 121 زمین لغزش در سراسر کشور، به دنبال هشدار زرد برای باران مداوم توسط اداره هواشناسی مالزی [ 4 ] رخ داده است. توپوگرافی شبه جزیره مالزی تپه ای در ستون فقرات مرکزی و مسطح به سمت خطوط ساحلی است، جایی که اعتقاد بر این است که رانش زمین در امتداد رودخانه های پاهانگ و لنگات به علت وقوع سیل کمک می کند [ 8 ]]. رانش زمین آوارها را حمل کرد و جریان های زباله را در چندین رودخانه بزرگ در شبه جزیره مالزی تشکیل داد و بنابراین منجر به سیل شد. در این مطالعه، با تجزیه و تحلیل تصاویر Sentinel-1 SAR، وسعت و کل مساحت آب گرفتگی هر ایالت را شناسایی کردیم. نتایج نشان داد که نواحی سیل‌زده بیشتر در امتداد رودخانه اصلی اشباع شده‌اند و در نتیجه مناطق از نظر ارتفاع پایین‌تر هستند. کلانتان بیشترین منطقه سیل زده را در میان ایالت های دیگر داشت، در حالی که پاهانگ بیشترین تعداد قربانیان تخلیه شده در طول سیل را داشت.

ایده نگاشت طغیان سیل با تصاویر SAR می تواند چالش های تولید اطلاعات وسعت سیل در زمان واقعی را در زمانی که دسترسی به منطقه سیل زده دشوار است حل کند. در واقع، بسیاری از کشورهای گرمسیری دارای ماهواره های سنجش از دور نیستند که به آنها اجازه می دهد تا به طور کامل ماهواره را برای نظارت بر بلایا در سرزمین خود کنترل یا کنترل کنند. این مطالعه می تواند مراجع مفیدی را برای مقامات و تصمیم گیرندگان در مالزی برای مدیریت خطر سیل آینده با فناوری های سنجش از دور فراهم کند. توانایی تصاویر SAR برای ثبت مناطق سیل در زمان واقعی در مقیاس بزرگ، ارزشی را در نقشه برداری سیل می افزاید، به ویژه برای مناطق دور افتاده [ 57 ]]. Sentinel-1 SAR یک مجموعه داده SAR رایگان و منبع باز برای برنامه های مختلف در پلت فرم GEE است و برای ارزیابی مسائل جغرافیایی برای عموم مفید است.

4.3. محدودیت های مطالعه

با این وجود، محدودیت‌های کمی برای این مطالعه وجود دارد که باید در آینده با راه‌حل‌های بهتر، به‌ویژه از نظر در دسترس بودن داده‌ها و ملاحظات پردازش، مورد توجه قرار گیرد. Sentinel-1 SAR به طور متوسط زمان بازبینی 6 تا 12 روز دارد، که در برخی موارد نمی‌توانستیم دقیقاً در روزی که سیل منطقه را فرا گرفت داده‌ها را به دست آوریم. بنابراین، در این مطالعه، ما یک دوره پنج روز قبل از سیل و پنج روز پس از سیل را برای به دست آوردن یک تصویر متفاوت که منطقه سیل زده را نشان می‌دهد، روی هم گذاشتیم. با این حال، این ممکن است یک روش عملی برای نقشه برداری دقیق سیلاب نباشد زیرا وضعیت سیل در زمان واقعی ثبت نشده است. همین مسئله برای داده‌های Sentinel-2 MSI صدق می‌کند، و منطقه سیل برآورد شده در تصاویر Sentinel-2 ممکن است بیش از حد تخمین زده شود زیرا ابرها در طول رویدادهای سیل شدید هستند.77 ]. علاوه بر این، بر اساس تجزیه و تحلیل نتایج منطقه آبگرفته، دریافتیم که سیل در منطقه ساخته شده ممکن است به اندازه آنچه ما انتظار داشتیم کامل نباشد. این ممکن است به دلیل از دست رفتن اطلاعات دقیق در طی فیلتر کردن لکه یا تعیین ارتفاع باشد.

این کار ممکن است در آینده با در نظر گرفتن قطبش بیشتر [ 78 ] یا همجوشی داده ها، همانطور که توسط Tulbure و همکاران پیشنهاد شده است، بهبود یابد. [ 60 ]. آنها بهبود نقشه برداری سیل را از طریق ادغام مجموعه داده های مختلف نشان دادند، اما این مطالعه نشان داد که نقشه برداری از سطوح آب های آزاد از نظر سیل همچنان چالش برانگیز است زیرا علائم طیفی ممکن است تحت تأثیر بار رسوب، کدورت، مواد محلول، عمق محتوای جلبک و یک سیگنال بازتاب پایین [ 79 ]. میسون و همکاران [ 68 ] پیشنهاد کرد که ادغام داده های مدل شیب دیجیتال SAR (DSM) با وضوح بسیار بالا می تواند سیل شهری را با دقت بیشتری ترسیم کند.

5. نتیجه گیری ها

سیل 2021–2022 عمدی ترین سیل در تاریخ مالزی از نظر خسارت مالی بود. با این حال، فقدان اطلاعات طغیان سیل منجر به مشکلاتی در برنامه ریزی نجات و مدیریت منابع در طول و پس از رویداد سیل شد. از این رو، این مطالعه یک چارچوب نقشه برداری بارش شدید و طغیان سیلاب (RETRACE) را برای کمک به مقامات محلی در برنامه ریزی سیل و توسعه استراتژی کاهش ایجاد کرد. تصاویر ماهواره‌ای منبع باز از مأموریت‌هایی مانند محصول GPM IMERG Late Run برای بارش و Sentinel-1 SAR برای نقشه‌برداری سیلاب به طور کامل در این چارچوب مورد استفاده قرار گرفتند. آمار قربانیان سیل، که می تواند از NADMA و/یا رسانه های اجتماعی به دست آید، ورودی مهمی برای هر گونه مطالعات مرتبط با سیل است. علاوه بر این، بیشتر فرآیندها با استفاده از سیستم محاسبات ابری، موتور Google Earth (GEE) انجام شد تا در زمان و هزینه پردازش صرفه جویی شود. این چارچوب برای مطالعه ویژگی‌های بارش و سیل برای رویدادهای بارش غیرمنتظره دسامبر 2021 تا ژانویه 2022 در شبه جزیره مالزی استفاده شد.

به طور کلی، دو اوج در تعداد قربانیان سیل تخلیه شده از خانه‌هایشان مشاهده شد: (1) 21 تا 24 دسامبر 2021 – 60000 تا 70000 قربانی سیل در مراکز امدادی، عمدتاً در پاهانگ و سلنگور قرار گرفتند. و (2) 2-6 ژانویه 2022 – 10000 تا 15000 نفر به مراکز امدادی در جوهور نقل مکان کردند. بارش شدید روزانه تا 230 میلی متر در روز بر روی شبه جزیره مالزی در طول این دوره باعث سیل شدید در هشت ایالت، عمدتاً در پاهانگ، سلانگور، کلانتان و جوهور شد. این تجزیه و تحلیل برای مدیریت خطرات آتی مهم است، به طوری که می توان هشدار اولیه را زمانی که بارندگی پیش بینی شده از حجم خطر فراتر رفت و همچنین ایجاد آمادگی برای عملیات امدادرسانی سیل در فصول موسمی منتشر کرد.

تصاویر Sentinel-1 SAR توانستند نقشه های طغیان سیل را برای سیل 2021-2022 تهیه کنند. نتیجه با مکان سیل استخراج شده از تصاویر Sentinel-2 MSI و سیل های مشاهده شده جمع آوری شده از بازدیدهای سایت تایید شد. کل منطقه سیل زده در شبه جزیره مالزی در طول سیل 77.43 کیلومتر مربع ^بود و توزیع فضایی منطقه آبگرفته نشان می دهد که سیل در امتداد رودخانه های اصلی اشباع شده است. نتایج نشان می‌دهد که چارچوب ارائه‌شده می‌تواند نقشه‌های سیل‌زده را با دقت 62 تا 70 درصد با مقادیر آستانه پیشنهاد شده در این مطالعه تولید کند. این نقشه ها برای مقامات محلی مانند DID برای استفاده در مدیریت سیل و مقایسه با مناطق سیل زده شبیه سازی شده با استفاده از مدل های سیل مفید هستند.

منابع

IPCC AR6 تغییر آب و هوا 2021: پایه علوم فیزیکی. در کارگروه 1 ; انتشارات دانشگاه کمبریج: کمبریج، انگلستان; نیویورک، نیویورک، ایالات متحده آمریکا، 2021؛ پ. 1300. [ Google Scholar ]
EM-DAT. EM-DAT: پایگاه داده رویدادهای اضطراری. 2022. در دسترس آنلاین: www.emdat.be (در 1 آوریل 2022 قابل دسترسی است).
تانگ، ز. لی، ی. گو، ی. جیانگ، دبلیو. ژو، ی. هو، کیو. لاگرانج، تی. اسقف، آ. درهوتا، جی. لی، آر. ارزیابی وضعیت طغیان تالاب پلایا نبراسکا در طول سال‌های 1985-2015 با استفاده از داده‌های Landsat و موتور Google Earth. محیط زیست نظارت کنید. ارزیابی کنید. 2016 ، 188 ، 1-14. [ Google Scholar ] [ CrossRef ] [ PubMed ]
برناما. سیل: 10 ناپدید شده در Pahang، Selangor بدترین ایالت ; Astro Awani: کوالالامپور، مالزی، 2021. [ Google Scholar ]
برناما. وضعیت سیل در بعدازظهر بدتر شد، بیش از 34000 قربانی تخلیه شدند . The Sun Daily: کوالالامپور، مالزی، 2021. [ Google Scholar ]
رویترز سیل در مالزی هفت ایالت را درنوردید، هزاران نفر دیگر را تخلیه کردند . رویترز: کوالالامپور، مالزی، 2022. [ Google Scholar ]
رحمان، سیل مالزی در دسامبر 2021: آیا می توان از بلایای آینده جلوگیری کرد؟ پژوهشگران موسسه ISEAS-Yusof Ishak رویدادهای جاری را تجزیه و تحلیل می کنند . موسسه ISEAS–Yusof Ishak: سنگاپور، 2022. [ Google Scholar ]
اونگ، کارشناس HS: سیل آوار در پاهانگ و سلنگور ناشی از زمین لغزش های متعدد، جریان های زباله . ستاره: کوانتان، مالزی، 2022. [ Google Scholar ]
ملت. هشدار سیل: بخش هایی از بزرگراه KL- کرک به دلیل آب، رانش زمین صعب العبور است . ستاره: کوانتان، مالزی، 2021. [ Google Scholar ]
زکریا، اس.اف. محمد زین، ر. محمد، من. بالوبید، س. میدین، SH; MDR، ER توسعه نقشه سیل در مالزی. AIP Conf. Proc. 2017 ، 1903 ، 110006. [ Google Scholar ]
آب غنی، ع. چانگ، CK; Leow، CS; Zakaria، NA Sungai Pahang نقشه برداری سیل دیجیتال: سیل 2007. بین المللی J. رودخانه Manag حوضه. 2012 ، 10 ، 139-148. [ Google Scholar ] [ CrossRef ]
لیو، YS; مت دسا، س. نه، MNM؛ قهوهای مایل به زرد، ML; زکریا، ن.ا. چانگ، CK ارزیابی اثربخشی استراتژی‌های کاهش خطر سیل در حوضه رودخانه Segamat، مالزی. پایداری 2021 ، 13 ، 3286. [ Google Scholar ] [ CrossRef ]
قهوهای مایل به زرد، ML; ابراهیم، ال. دوان، ز. Cracknell، AP; Chaplot، V. ارزیابی شش ماهواره با وضوح بالا و محصولات بارشی زمینی بر فراز مالزی. Remote Sens. 2015 ، 7 ، 1504-1528. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
قهوهای مایل به زرد، ML; Gassman، PW; لیانگ، جی. Haywood، JM مروری بر محصولات آب و هوایی جایگزین برای مدل‌سازی SWAT: منابع، ارزیابی و جهت‌های آینده. علمی کل محیط. 2021 ، 795 ، 148915. [ Google Scholar ] [ CrossRef ]
هافمن، جی. بولوین، دی.تی. Nelkin، EJ; ولف، دی.بی. آدلر، RF؛ گو، جی. هونگ، ی. بومن، KP; Stocker، EF تجزیه و تحلیل بارش چندماهواره TRMM (TMPA): تخمین بارش شبه جهانی، چندساله با سنسور ترکیبی در مقیاس های ظریف. جی هیدرول. 2007 ، 8 ، 38-55. [ Google Scholar ] [ CrossRef ]
هو، AY; کاکار، RK; گردن، اس. آذربرزین، ع.ا. کومرو، سی دی; کوجیما، ام. اوکی، آر. ناکامورا، ک. ایگوچی، تی. ماموریت اندازه گیری بارش جهانی. گاو نر صبح. هواشناسی Soc. 2014 ، 95 ، 701-722. [ Google Scholar ] [ CrossRef ]
تاپیادور، اف جی. مارکوس، سی. سانچو، جی.ام. سانتوس، سی. نونیزب، جی. ناواروک، آ. کومروود، سی. Adlere, RF سیل سپتامبر 2019 در اسپانیا: نمونه ای از کاربرد داده های ماهواره ای برای تجزیه و تحلیل رویدادهای شدید آب و هواشناسی. اتمس. Res. 2021 ، 257 ، 105588. [ Google Scholar ] [ CrossRef ]
چی، دبلیو. یونگ، بی. گورلی، جی‌جی نظارت بر طوفان فوق‌العاده لکیما توسط تخمین‌های بارش ماهواره‌ای بر اساس زمان واقعی GPM. جی هیدرول. 2021 , 603 , 126968. [ Google Scholar ] [ CrossRef ]
قهوهای مایل به زرد، ML; سانتو، اچ. مقایسه محصولات بارش ماهواره ای GPM IMERG، TMPA 3B42 و PERSIANN-CDR بر فراز مالزی. اتمس. Res. 2018 ، 202 ، 63-76. [ Google Scholar ] [ CrossRef ]
Kuntla، SK عصر نگهبانان در مدیریت سیل: پتانسیل ماهواره های Sentinel-1، -2، و -3 برای مدیریت موثر سیل. Geosci را باز کنید. 2021 ، 13 ، 1616-1642. [ Google Scholar ] [ CrossRef ]
ژانگ، دی. یانگ، م. ما، م. تانگ، جی. وانگ، تی. ژائو، ایکس. ما، س. وو، جی. Wang، W. آیا GPM IMERG می تواند بارش شدید در دشت شمال چین را ثبت کند؟ Remote Sens. 2022 , 14 , 928. [ Google Scholar ] [ CrossRef ]
لی، ز. شن، اچ. چنگ، کیو. لی، دبلیو. Zhang، L. حذف ابرهای ضخیم در تصاویر ماهواره ای با وضوح بالا با استفاده از تنظیم رادیومتری گام به گام و تصحیح باقیمانده. Remote Sens. 2019 ، 11 ، 1925. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
توله، ا. کائو، دبلیو. پلانک، اس. نقشه برداری سیل مبتنی بر مارتینیس، S. Sentinel-1: یک زنجیره پردازش کاملاً خودکار. بین المللی J. Remote Sens. 2016 ، 37 ، 2990-3004. [ Google Scholar ] [ CrossRef ]
هوانگ، دبلیو. دیوریز، بی. هوانگ، سی. لنگ، مگاوات؛ جونز، جی دبلیو. Creed، IF; استخراج خودکار وسعت آب سطحی از داده های Sentinel-1 Carroll، ML. Remote Sens. 2018 , 10 , 797. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لیانگ، جی. لیو، دی. یک رویکرد آستانه محلی برای تعیین خط آب سیل با استفاده از تصاویر Sentinel-1 SAR. ISPRS J. Photogramm. Remote Sens. 2019 ، 159 ، 53–62. [ Google Scholar ] [ CrossRef ]
ژانگ، ام. چن، اف. لیانگ، دی. تیان، بی. یانگ، ای. استفاده از تصاویر Sentinel-1 GRD SAR برای تعیین میزان سیل در پاکستان. پایداری 2020 ، 12 ، 5784. [ Google Scholar ] [ CrossRef ]
منجوسری، پ. کومار، ال پی. بهات، سی ام. رائو، جی اس. Bhanumurthy، V. بهینه سازی محدوده آستانه برای نقشه برداری سریع طغیان سیل با ارزیابی پروفایل های پس پراکندگی تصاویر SAR با زاویه برخورد بالا. بین المللی J. Disaster Risk Sci. 2012 ، 3 ، 113-122. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
تریپاتی، جی. پاندی، AC؛ پریدا، BR; کومار، الف. نقشه‌برداری و ارزیابی تأثیر سیلاب با استفاده از داده‌های ماهواره نوری و SAR چند زمانی: مطالعه موردی سیل 2017 در منطقه داربانگا، بیهار، هند. منبع آب مدیریت 2020 ، 34 ، 1871-1892. [ Google Scholar ] [ CrossRef ]
گولیک، ن. هنچر، م. دیکسون، ام. ایلیوشچنکو، اس. تاو، دی. Moore, R. Google Earth Engine: تجزیه و تحلیل جغرافیایی در مقیاس سیاره ای برای همه. سنسور از راه دور محیط. 2017 ، 202 ، 18-27. [ Google Scholar ] [ CrossRef ]
اودین، ک. متین، MA; Meyer، FJ نقشه برداری سیل عملیاتی با استفاده از تصاویر چند زمانی Sentinel-1 SAR: مطالعه موردی از بنگلادش. Remote Sens. 2019 ، 11 ، 1581. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
AHA. سیل در 8 ایالت مالزی – به روز رسانی فلش شماره 1 ; مرکز AHA: جاکارتا تیمور، اندونزی، 2021. [ Google Scholar ]
DOSM. راه اندازی گزارش در مورد یافته های کلیدی سرشماری نفوس و مسکن مالزی 2020. گزارش مختصر در مورد یافته های کلیدی سرشماری نفوس و مسکن مالزی 2020. موجود به صورت آنلاین: https://www.dosm.gov.my/v1/index.php?r =column/cthemeB-Cat&cat=117&bul_id=akliVWdIa2g3Y2VubTVSMkxmYXp1UT09&menu_id=L0pheU43NWJwRWVSZklWdzQ4TlhUUT09 (دسترسی در 3 مارس 202).
قهوهای مایل به زرد، ML; جونگ، ال. تانگانگ، اف تی. Chunag، JX; Radin Firdaus, RB Changes Temperature Extremes and their Relations with ENSO in مالزی از 1985 تا 2018. Int. جی.کلیماتول. 2020 ، 41 ، E2564–E2580. [ Google Scholar ] [ CrossRef ]
تانگ، KHD تغییر آب و هوا در مالزی: روندها، عوامل، تأثیرات، کاهش و سازگاری. علمی کل محیط. 2018 ، 650 ، 1858-1871. [ Google Scholar ] [ CrossRef ]
اسماعیل، MSN; عبدالغنی، ع. Md Ghazaly, Z. خصوصیات طغیان جاده در هنگام وقوع سیل در شبه جزیره مالزی. بین المللی J. GEOMATE 2019 ، 54 ، 129-133. [ Google Scholar ]
محد طائب، ز. جهارالدین، NS; Mansor, Z. مروری بر مدیریت بلایای سیل و بلایا در مالزی. بین المللی J. حساب. اتوبوس. مدیریت 2016 ، 4 ، 9. [ Google Scholar ]
انجام داد. مدیریت سیل – برنامه و فعالیت ها. 2017. در دسترس آنلاین: https://www.water.gov.my/index.php/pages/view/419 (در 3 مارس 2022 قابل دسترسی است).
شاه، SMH; مصطفی، ز. یوسف، بلایای KW در سراسر جهان و سیل در منطقه مالزی: بررسی مختصر. هندی J. Sci. تکنولوژی 2017 ، 10 ، 9. [ Google Scholar ] [ CrossRef ]
ابراهیم، ن.ا. وان الوی، اس آر؛ عبدالمنان، ز. مصطفی، AA; Kidam، K. تأثیر سیل بر سیستم انرژی تجدیدپذیر در مالزی. شیمی. مهندس ترانس. 2021 ، 89 ، 193-198. [ Google Scholar ]
دورومین ایا، اس جی; بارزانی قاسم، م. اخوان توریمان، م. عبداللهی، MG سیل در مالزی: بررسی های تاریخی، علل، اثرات و رویکرد کاهش. بین المللی J. Interdiscip. Res. نوآوری. 2014 ، 2 ، 50-65. [ Google Scholar ]
Aiman، A. تلفات سیل “می تواند بالغ بر 20 میلیارد رینگیت باشد” . مالزی رایگان امروز: پتالینگ جایا، مالزی، 2021. [ Google Scholar ]
اسکوفرونیک-جکسون، جی. پترسن، WA; برگ، دبلیو. کید، سی. Stocker, EF; Kirschbaum، DB; کاکار، ر. براون، SA; هافمن، جی. ایگوچی، تی. و همکاران ماموریت اندازه گیری بارش جهانی (GPM) برای علم و جامعه. گاو نر صبح. هواشناسی Soc. 2017 ، 98 ، 1679-1695. [ Google Scholar ] [ CrossRef ]
هافمن، جی. بولوین، دی.تی. بریث ویت، دی. Hsu، K.-L.; جویس، RJ; کید، سی. Nelkin، EJ; سروشیان، س. Stocker, EF; Tan, J. بازیابی های چند ماهواره ای یکپارچه برای ماموریت اندازه گیری بارش جهانی (GPM) (IMERG). در اندازه گیری بارش ماهواره ای ; Springer: Cham، سوئیس، 2020؛ صص 343-353. [ Google Scholar ]
پرادان، RK; مارکونیس، ی. گودوی، MRV؛ ویلالبا-پراداس، آ. Andreadis، KM; نیکولوپولوس، EI; Papalexiou، SM; رحیم، ع. تاپیادور، اف جی. هانل، ام. بررسی عملکرد GPM IMERG: دیدگاه جهانی. سنسور از راه دور محیط. 2021 ، 268 ، 112754. [ Google Scholar ] [ CrossRef ]
ESA ماموریت های نگهبان 2022. در دسترس آنلاین: https://www.esa.int/Applications/Observing_the_Earth/Copernicus/The_Sentinel_missions#:~:text=ESA%20is%20developing%20a%20new,robust%20datasets%20fornicus%20C (برای %20C) 2 مارس 2022).
پوتین، پ. بارجلینی، پ. لور، اچ. روزیچ، بی. Schmuck، S. Sentinel-1 Mission Operations Concept. در مجموعه مقالات سمپوزیوم بین المللی زمین شناسی و سنجش از دور IEEE 2012، مونیخ، آلمان، 22 تا 27 ژوئیه 2012. پ. 4. [ Google Scholar ]
Kseňak، Ľ. پوکانسکا، ک. بارتوش، ک. Blišťan، P. ارزیابی قابلیت استفاده از SAR و داده های ماهواره نوری برای نظارت بر تغییرات مکانی-زمانی در آب های سطحی: مطالعه موردی رودخانه بودروگ. Water 2022 , 14 , 299. [ Google Scholar ] [ CrossRef ]
Tsyganskaya، V. مارتینیس، اس. مرزهن، پ. لودویگ، R. تشخیص پوشش گیاهی غرقاب موقت با استفاده از داده های سری زمانی Sentinel-1. Remote Sens. 2018 , 10 , 1286. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
هوانگ، ام. جین، اس. نقشه برداری و ارزیابی سیل سریع با طبقه بندی کننده نظارت شده و تشخیص تغییر در شوگوانگ با استفاده از داده های نوری Sentinel-1 SAR و Sentinel-2. Remote Sens. 2020 , 12 , 2073. [ Google Scholar ] [ CrossRef ]
شلافر، اس. چینی، م. دوریگو، دبلیو. Plank, S. نظارت بر دینامیک آب های سطحی در منطقه پریری پوتول داکوتای شمالی با استفاده از سری زمانی رادار دهانه مصنوعی Sentinel-1 دو قطبی شده (SAR). هیدرول. سیستم زمین علمی 2022 ، 26 ، 841-860. [ Google Scholar ] [ CrossRef ]
انوشا، ن. Bharathi، B. تشخیص سیل و نقشه برداری سیل با استفاده از رادار دیافراگم مصنوعی چند زمانی و داده های نوری. مصر. J. Remote Sens. Space Sci. 2019 ، 23 ، 207–219. [ Google Scholar ] [ CrossRef ]
Google Developers. فائو گال: لایه های واحد اداری جهانی 2015، واحدهای اداری سطح اول. 2022. در دسترس آنلاین: https://developers.google.com/earth-engine/datasets/catalog/FAO_GAUL_2015_level1 (در 8 مارس 2022 قابل دسترسی است).
Google Developers. لایه های نقشه برداری آب سطحی جهانی JRC، نسخه 1.3. 2022. در دسترس آنلاین: https://developers.google.com/earth-engine/datasets/catalog/JRC_GSW1_3_GlobalSurfaceWater (در 8 مارس 2022 قابل دسترسی است).
Google Developers. WWF HydroSHEDS Void-Filled DEM, 3 Arc-secons. 2022. در دسترس آنلاین: https://developers.google.com/earth-engine/datasets/catalog/WWF_HydroSHEDS_03VFDEM (در 8 مارس 2022 قابل دسترسی است).
طاووس، بی. کوکامن، س. گوکچ اوغلو، سی. ارزیابی خسارت سیل با داده های Sentinel-1 و Sentinel-2 پس از شکست سد ساردبا با ویژگی های GLCM و روش جنگل تصادفی. علمی کل محیط. 2021 ، 816 ، 151585. [ Google Scholar ] [ CrossRef ]
لور، اچ. بالی، پ. میدوز، پ. سانچز، جی. شاتلر، بی. لوپینتو، ای. استبان، D. استخراج ضریب پراکندگی پس‌انداز σo در محصولات ESA ERS SAR PRI. در Sentinel-1 SAR ؛ کالیبراسیون، ES، ویرایش. ESA: پاریس، فرانسه، 2004. [ Google Scholar ]
پرامانیک، ن. آچاریا، ر. موکرجی، اس. موکرجی، اس. پال، آی. میترا، دی. Mukhopadhyay، A. SAR بر اساس تجزیه و تحلیل خطر سیل: مطالعه موردی سیل کرالا 2018. Adv. Space Res. 2021 ، 69 ، 1915-1929. [ Google Scholar ] [ CrossRef ]
هارالیک، آر.ام. شانموگام، ک. ویژگی های بافتی Dinstein، IH برای طبقه بندی تصویر. IEEE Trans. سیستم مرد سایبرن. 1973 ، 6 ، 610-621. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
آمیترانو، دی. دی مارتینو، جی. یدیس، ا. ریچیو، دی. Ruello, G. نقشه برداری سریع سیل بدون نظارت با استفاده از تصاویر Sentinel-1 GRD SAR. IEEE Trans. Geosci. Remote Sens. 2018 , 56 , 3290–3299. [ Google Scholar ] [ CrossRef ]
Tulbure، MG; برویچ، م. وینسیوس، پی. گینز، ام. جو، جی. Stehman، SV; پاولسکی، تی. ماسک، جی جی. یین، اس. مای، جی. و همکاران آیا می توانیم سیل های زودگذر بیشتری را با داده های Landsat Sentinel 2 هماهنگ شده با چگالی بالاتر در مقایسه با Landsat 8 به تنهایی شناسایی کنیم؟ ISPRS J. Photogramm. Remote Sens. 2022 , 185 , 232-246. [ Google Scholar ] [ CrossRef ]
NADMA. گزارش ماهانه بلایا در مالزی ; آژانس ملی مدیریت بلایای طبیعی: پوتراجایا، مالزی، 2022؛ پ. 1.
لاندویت، ال. ون وسمائل، آ. شومان، GJ-P. هوستاچی، ر. ورهوست، NEC; ون کویلی، نقشه برداری سیل FMB بر اساس رادار دیافراگم مصنوعی: ارزیابی رویکردهای تثبیت شده. IEEE Trans. Geosci. Remote Sens. 2018 , 57 , 722–739. [ Google Scholar ] [ CrossRef ]
کلینتون، روش N. Otsu برای تقسیم بندی تصویر. 2017. در دسترس آنلاین: https://medium.com/google-earth/otsus-method-for-image-segmentation-f5c48f405e (دسترسی در 14 ژوئن 2022).
Otsu، N. روش انتخاب Tlreshold از هیستوگرام های سطح خاکستری. IEEE Trans. سیستم مرد سایبرن. 1979 ، SMC-9 ، 62-66. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
بایلارین، اس جی. میگرت، ع. دچوز، سی. پتروچی، بی. لاچرید، اس. ترماس، تی. ایزولا، سی. مارتیمورت، پی. Spoto، F. Sentinel-2 سطح 1 محصولات و عملکردهای پردازش تصویر. در مجموعه مقالات سمپوزیوم بین المللی زمین شناسی و سنجش از دور IEEE 2012، مونیخ، آلمان، 22 تا 27 ژوئیه 2012. پ. 4. [ Google Scholar ]
Google Developers. Sentinel-2 MSI: ابزار چند طیفی، Level-2A. 2022. در دسترس آنلاین: https://developers.google.com/earth-engine/datasets/catalog/COPERNICUS_S2_SR (در 19 آوریل 2022 قابل دسترسی است).
استفنز، ای. شومان، جی. بیتس، P. مشکلات با معیارهای الگوی باینری برای ارزیابی مدل سیل. هیدرول. روند. 2013 ، 28 ، 4928-4937. [ Google Scholar ] [ CrossRef ]
میسون، دی سی؛ بیوینگتون، جی. رقص، اس. Revilla-Romero، B. اسمیت، آر. وترا-کاروالیو، اس. کلوک، اچ. بهبود نقشه‌برداری سیل شهری با ادغام ردپای سیل مشتق شده از رادار دیافراگم مصنوعی با نقشه‌های خطر سیل. Water 2021 , 13 , 1577. [ Google Scholar ] [ CrossRef ]
ChePa، N.; هاشم، NL; یوسف، ی. Hussain, A. مدیریت مرکز تخلیه اضطراری تطبیقی برای جابجایی دینامیک قربانیان سیل با استفاده از الگوریتم کرم شب تاب. J. Telecommun. الکترون. محاسبه کنید. مهندس 2016 ، 8 ، 115-119. [ Google Scholar ]
هریس، تی. پنینگ-راسل، E. فشار قربانی، اینرسی سازمانی و سازگاری با تغییرات آب و هوا: مورد خطر سیل. گلوب. محیط زیست چانگ. 2011 ، 21 ، 188-197. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
داسیلوا، NA; وبر، BGM; متیوز، ای جی; Feist, MM; استین، THM; هالووی، م. عبدالله، MFAB اعتبار سنجی بارش شدید GPM IMERG در قاره دریایی توسط داده های ایستگاه و رادار. علوم فضایی زمین 2021 ، 8 ، e2021EA001738. [ Google Scholar ] [ CrossRef ]
Mayowa، OO; پور، SH; شهید، س. محسنی پور، م. بن هارون، س. هریانسیاه، ع. اسماعیل، T. روندهای بارندگی و شدید مربوط به بارندگی در ساحل شرقی شبه جزیره مالزی. J. Earth Syst. علمی 2015 ، 124 ، 1609-1622. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Hammim, R. تعداد تخلیه‌شدگان سیل در جوهور در حال افزایش است. در New Straits Times ; مطبوعات New Straits Times (مالزی) Berhad (NSTP): Johor Bahru، مالزی، 2022. [ Google Scholar ]
برناما. جوهور آخرین مورد سیلاب قرار گرفته است، تعداد افراد تخلیه شده در جاهای دیگر افزایش یافته است . مالزی رایگان امروز: کوالالامپور، مالزی، 2022. [ Google Scholar ]
لیانگ، جی. قهوهای مایل به زرد، ML; هاکرافت، ام. Catto، JL; Hodges، KI; Haywood، JM بارش موسمی بر روی شبه جزیره مالزی در آزمایش‌های CMIP6 Hormesis: نقش وضوح مدل. صعود دین 2021 ، 58 ، 2783-2805. [ Google Scholar ] [ CrossRef ]
قهوهای مایل به زرد، ML; ابراهیم، ال. Cracknell، AP; Yusop، Z. تغییرات شدید بارش در حوضه رودخانه کلانتان، مالزی. بین المللی جی. کلیم. 2016 ، 37 ، 3780-3797. [ Google Scholar ] [ CrossRef ]
تارپانلی، ا. موندینی، AC; Camici، S. اثربخشی Sentinel-1 و Sentinel-2 برای ارزیابی تشخیص سیل در اروپا. نات سیستم خطرات زمین. علمی 2022 ، 1-24. [ Google Scholar ]
رانا، VK; Suryanarayana، TMV ارزیابی تکنیک فیلتر لکه ای SAR برای نقشه برداری سیل. Remote Sens. Appl. Soc. محیط زیست 2019 ، 16 ، 100271. [ Google Scholar ] [ CrossRef ]
پکل، J.-F. کوتام، ا. گولیک، ن. Belward، AS نقشه برداری با وضوح بالا از آب های سطحی جهانی و تغییرات طولانی مدت آن. طبیعت 2016 ، 540 ، 418-422. [ Google Scholar ] [ CrossRef ] [ PubMed ]