Simple Science

Ciencia de vanguardia explicada de forma sencilla

# Informática# Visión por Computador y Reconocimiento de Patrones# Inteligencia artificial

Mapeo de inundaciones innovador para una mejor respuesta ante desastres

Combinando datos de satélite para mejorar el mapeo de inundaciones y la planificación de respuestas.

― 5 minilectura


Mejoras en el Mapeo deMejoras en el Mapeo deInundacionesmejores mapas de inundación.Mejorando la respuesta a desastres con
Tabla de contenidos

La gestión efectiva de desastres depende de herramientas confiables para entender cómo se propagan las inundaciones. Esto puede ayudar en la planificación de respuestas a estos eventos. Al combinar dos tipos de imágenes satelitales, podemos crear mejores mapas de inundaciones. Los dos tipos utilizados son Imágenes ópticas, que capturan luz visible, e Imágenes SAR, que usan radar. Esta combinación nos permite obtener información más precisa, incluso cuando hay nubes.

Método de Combinación de Imágenes

Hemos desarrollado un método que fusiona imágenes ópticas y de radar en un solo conjunto de datos. Esto combina las fortalezas de ambos tipos de imágenes para dar una imagen más clara de dónde ha ocurrido la inundación. El uso de Datos de Población de código abierto de WorldPop y datos viales de OpenStreetMap permite que cualquiera, en cualquier lugar, pueda replicar nuestro enfoque.

En la provincia de Sindh, Pakistán, nos enfocamos en cinco distritos más afectados por inundaciones. Encontramos impactos significativos en la población y en la infraestructura de estas áreas. Mapear estos impactos es crucial para informar políticas y planificar respuestas.

Importancia de Datos Confiables

Tener datos precisos sobre inundaciones es esencial para un diseño de políticas efectivo. Después de una inundación, es importante evaluar los daños y planear para la ayuda y la recuperación. Esto requiere saber cuánta área se inundó, qué tan profunda estaba el agua y cuánto tiempo duró. Si bien las estaciones meteorológicas y la fotografía aérea pueden proporcionar algunos datos, a menudo carecen de cobertura en el tiempo y el espacio. Aquí es donde la imaginería satelital entra como un suplemento vital.

Estos datos no solo son útiles para respuestas inmediatas a desastres, sino también para la planificación futura. Ayudan a identificar Infraestructuras que pueden ser vulnerables a inundaciones y a evaluar cómo tales eventos podrían afectar la salud y la educación en las comunidades afectadas.

Desafíos en el Mapeo de Inundaciones

Tradicionalmente, el mapeo de inundaciones ha enfrentado desafíos. Los sensores ópticos pueden ser bloqueados por nubes, lo que dificulta obtener imágenes precisas de áreas inundadas. Sin embargo, los sensores SAR pueden ver a través de las nubes y proporcionar información oportuna sobre inundaciones.

En estudios anteriores, no muchos han investigado la combinación de estos dos tipos de datos para mejorar el mapeo de inundaciones. Nuestro enfoque utiliza una herramienta basada en la nube para procesar datos satelitales de manera rápida y eficiente. Este método nos permite centrarnos en integrar mapas de inundaciones con datos de población e infraestructura para apoyar una respuesta efectiva a desastres.

Metodología para Mapeo de Inundaciones

Para asegurarnos de cubrir el área necesaria, seleccionamos momentos específicos antes y después de que ocurren inundaciones para capturar imágenes satelitales.

Para los datos ópticos, usamos un método que mide el agua utilizando sus propiedades de reflexión de luz. Esto ayuda a identificar áreas inundadas comparando imágenes tomadas en condiciones secas y húmedas. Para los datos de radar, filtramos el ruido y observamos las diferencias entre imágenes antes y después de la inundación.

Cuando combinamos estos dos métodos, mejoramos la precisión del mapeo de inundaciones. Al tomar los resultados de ambos tipos de datos y mirarlos juntos, podemos crear mejores mapas de inundaciones que sean más confiables.

Área de Estudio: Provincia de Sindh

Para nuestro estudio, elegimos la provincia de Sindh, Pakistán. Utilizamos datos de población de WorldPop y datos viales de OpenStreetMap para entender mejor cuántas personas y cuánta infraestructura enfrenta el riesgo de inundaciones.

También nos enfocamos en las escuelas en siete distritos de Sindh. Al analizar dónde están ubicadas las escuelas en comparación con los mapas de inundaciones, podemos identificar qué instituciones están en riesgo.

Educación e Impacts de Inundaciones

Una encuesta realizada a finales de 2022 evaluó cómo las inundaciones afectaron la educación en varias áreas. Encontramos que varios distritos ya estaban rezagados en resultados educativos. Por ejemplo, algunas áreas tenían una tasa de alfabetización mucho más baja que en otros distritos.

La encuesta destacó tres escenarios de inundaciones en la región: agua fluyendo desde las montañas, desbordamiento del río Indo y fuertes lluvias que provocan inundaciones. En algunas áreas, los niveles de agua se mantuvieron altos, desplazando a las personas y dificultando la agricultura.

Infraestructura y Población Afectadas

Usando nuestros mapas de inundaciones, identificamos comunidades y carreteras en riesgo. Conectamos el mapa final de inundaciones con los datos de población y de carreteras para ver cuántas personas se vieron afectadas y cuánta carretera fue dañada.

Esto nos permite evaluar la magnitud del problema en diferentes distritos y obtener información sobre cómo las inundaciones pueden interrumpir la vida diaria.

Escuelas Afectadas

Para averiguar cuántas escuelas se vieron afectadas, comparamos las ubicaciones de nuestros mapas de inundaciones con las ubicaciones de las escuelas. Este proceso nos ayudó a identificar qué escuelas estaban en riesgo. Los resultados mostraron que los distritos con el mayor número de escuelas afectadas fueron Malir y Thatta.

Conclusión

Nuestro método de mapeo de inundaciones proporciona beneficios significativos. Nos permite localizar hogares e infraestructura afectada por inundaciones, como carreteras y escuelas. Esta información es crucial para desarrollar políticas basadas en datos.

Nos basamos en imágenes satelitales de acceso público y procesamiento en la nube, lo que significa menos necesidad de hardware especializado. Al dirigirnos a áreas para futuras investigaciones, podemos entender mejor los resultados socioeconómicos de las inundaciones. Nuestro objetivo es apoyar una respuesta efectiva a desastres e informar decisiones políticas futuras.

Fuente original

Título: Improved flood mapping for efficient policy design by fusion of Sentinel-1, Sentinel-2, and Landsat-9 imagery to identify population and infrastructure exposed to floods

Resumen: A reliable yet inexpensive tool for the estimation of flood water spread is conducive for efficient disaster management. The application of optical and SAR imagery in tandem provides a means of extended availability and enhanced reliability of flood mapping. We propose a methodology to merge these two types of imagery into a common data space and demonstrate its use in the identification of affected populations and infrastructure for the 2022 floods in Pakistan. The merging of optical and SAR data provides us with improved observations in cloud-prone regions; that is then used to gain additional insights into flood mapping applications. The use of open source datasets from WorldPop and OSM for population and roads respectively makes the exercise globally replicable. The integration of flood maps with spatial data on population and infrastructure facilitates informed policy design. We have shown that within the top five flood-affected districts in Sindh province, Pakistan, the affected population accounts for 31 %, while the length of affected roads measures 1410.25 km out of a total of 7537.96 km.

Autores: Usman Nazir, Muhammad Ahmad Waseem, Falak Sher Khan, Rabia Saeed, Syed Muhammad Hasan, Momin Uppal, Zubair Khalid

Última actualización: 2023-05-31 00:00:00

Idioma: English

Fuente URL: https://arxiv.org/abs/2306.06074

Fuente PDF: https://arxiv.org/pdf/2306.06074

Licencia: https://creativecommons.org/licenses/by/4.0/

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.

Más de autores

Artículos similares