ПРИМЕНЕНИЕ РАДАРНЫХ И ОПТИЧЕСКИХ ДАННЫХ ДЗЗ ДЛЯ ОЦЕНКИ КОЛИЧЕСТВА ПОСТРАДАВШИХ ДОМОВ, ПЛОЩАДИ И ГРАНИЦ ЗОН ЗАТОПЛЕНИЯ Текст научной статьи по специальности «Науки о Земле и смежные экологические науки»

Гидрометеорология и экология №1 2024

УДК 551.579 МРНТИ 37.27.17

ПРИМЕНЕНИЕ РАДАРНЫХ И ОПТИЧЕСКИХ ДАННЫХ ДЗЗ ДЛЯ ОЦЕНКИ КОЛИ-

ЧЕСТВА ПОСТРАДАВШИХ ДОМОВ, ПЛОЩАДИ И ГРАНИЦ ЗОН ЗАТОПЛЕНИЯ

М.Т. Кусаинова*, Ж.З. Толеубекова к.т.н., А.А. Ахмадия PhD, А.З. Капасова к.т.н.

Казахский Агротехнический Исследовательский Университет им. С. Сейфуллина, Астана, Казахстан

E-mail: marzh.kussainova@gmail.com

В статье представлен результат определения зоны затопления, количество пострадавших

домов и здания города Атбасар от весеннего половодья 2017 года. Этот результат получен

с применением трех доступных данных ДЗЗ Sentinel-2А, Landsat-8 и Sentinel-1B среднего

пространственного разрешения. На первой стадии визуально проводился анализ данных

ДЗЗ ближнего, коротковолнового, теплового инфракрасного (ИК) диапазона и поляри-

зации по уровню контрастности. Были выбраны изображения по высокому уровню кон-

трастности между двумя классами: водный объект и не водный объект (суша). На второй

стадии вычислялись пороговые значения из выборки пикселей, относящихся к водным

объектам, и далее создавались бинарные изображений. На третьей стадии, бинарные изо-

бражения логически суммировались для устранения облачного эффекта и нахождение

результирующего бинарного изображение зоны затопления от весенних паводков. На чет-

вертой стадии, результирующее бинарное изображение было наложено на ГИС данные

города Атбасар, где, находились локации и количество пострадавших домов и зданий.

По данному исследованию было обнаружено, что более 200 дачных домиков в результа-

те половодья были подтоплены на северной, и 9 домов на восточной части города Атба-

сар. Согласно данным СМИ и официальных органов количество пострадавших домов в

Атбасар составило около 400. Количество пострадавших домов, найденных по методу

логического суммирования с тремя данными ДЗЗ составило 52%. Точность нахождения

может быть значительно повышена при использовании данных ДЗЗ высокого простран-

ственного разрешения. Результаты этого исследования могут быть полезны для службы

ЧС, местным госорганам, страховым компаниям при оценке ущерба от весенних паводков.

Ключевые слова: инфракрасный диапазон, поляризация, ДЗЗ, весенние паводки, половодья, граница

и площадь затопления.

Поступила: 11.02.24

DOI: 10.54668/2789-6323-2024-112-1-144-160

ВВЕДЕНИЕ к масштабным разливам. Таким образом,

Паводки и половодья могут иметь весенние паводки представляют собой

серьезные последствия. Они способны одно из стихийных бедствий, требующее

наносить ущерб домам, инфраструктуре, управления для минимизации их воздействия

вызывать затопления и эвакуацию населения. на окружающую среду и жизнь людей.

Половодье это ежегодное явление, Реки равнинного Казахстана, находящиеся

которое приносит значительный ущерб в условиях недостаточного увлажнения,

жизнедеятельности человека. Основные имеют преимущественно снеговое питание с

причины весенних паводков и половодья весенним половодьем и по водному режиму

- таяние снега и льда. Эти факторы относятся к особому казахстанскому типу.

обуславливают большой объем талой воды, Большая часть их стока проходит за весенний

которая поступает в реки, ручьи и озера, период и составляет 80...90 % годового стока

вызывая их переполнение и часто приводя (Tyumenev S.D., 2008). В Казахстане весеннее

144

Научная статья Кусаинова, Толеубекова, Ахмадия и др, Применение радарных...

половодье может вызывать различные по уменьшению ущерба от паводков.

проблемы и причинять ущерб как населению, В целом, ДЗЗ предоставляет ценную

сельскому хозяйству, так и экономике. Основные информацию и помогает в оценке масштабов

регионы, подверженные риску паводков, паводков, идентификации затопленных

включают в себя западные и северные области областей и обеспечении необходимой

страны, такие как Западно-Казахстанская, помощи и мер по предотвращению ущерба от

Атырауская, Актюбинская, Костанайская, подобных природных бедствий. Выделение

Северо-Казахстанская, Акмолинская, областей затопления возможно с помощью

Павлодарская, Карагандинская и Восточно- инфракрасного и радиолокационных

Казахстанская области, а также некоторые диапазонов ДЗЗ (Wang, Jin, and Xiong 2023).

районы северной части Алматинской области Области затопления могут отличаться по

(Zou et al. 2020; Spivak et al. 2004; Arkhipkin своей температуре от окружающей среды,

et al. 2010). Правительство Казахстана и это может быть обнаружено с помощью

предпринимает шаги для минимизации инфракрасного диапазона. Вода обычно

рисков и ущерба от весенних паводков. имеет отличительные характеристики от

В целом, весенние паводки в Казахстане обычной земли или растительности на

представляют собой потенциальную угрозу радиолокационных изображениях, что

для местного населения и экономики, поэтому позволяет идентифицировать области

важно проводить постоянный мониторинг затопления. В радиволновом диапазоне

и принимать меры для защиты людей и (которые используются в радиолокации),

имущества от негативных последствий этого вода явлется поглощающим материалом.

стихийного бедствия (Arkhipkin et al. 2016; Поэтому на радиолокационных изображениях

Arkhipkin et al. 2017; Arkhipkin et al. 2018). водные поверхности, такие как озера, реки

Научные исследования весенних или другие водоемы, обычно отображаются

паводков в Казахстане включают в себя темнее, чем суша или другие объекты на

множество аспектов, в том числе изучение поверхности Земли. Это отличие в яркости

климатических условий, гидрологических или рассеянной радиоволновой энергии

особенностей регионов, оценку уровня риска позволяет идентифицировать и выделять

и разработку методов прогнозирования и водные участки на радиолокационных

предотвращения негативных последствий изображениях (Huang and Jin 2020; Kuntla and

паводков (Ongdas et al. 2020; Nikolaos et al. Manjusree 2020; Benoudjit and Guida 2019).

2019; Lammers et al. 2021). Дистанционное Целью данного исследования являлось

зондирование земли (ДЗЗ) является определение зоны границ и площади

эффективным инструментом для определения затопления с применением доступных данных

зон затопления весенними паводками. ДЗЗ Sentinel-1, Sentinel-2 и Landsat-8, оценка

Спутниковые данные могут быть использованы спектральных поляризационных каналов,

для обнаружения и отслеживания изменений выявление количества и локации затопленных

в природной среде, связанных с паводками, домов совместным использованием ГИС

путем анализа изображений до и после данных, создание точной карты затопления.

наводнения (Ghofrani, Sposito, and Faggian В этом исследовании использовался

2019). Современные методы обработки комбинационный метод порогового значения

изображений позволяют автоматически и логического сложения оптических и

выделять и обозначать на снимках области радарных данных ДЗЗ для определение

затопления. Это может быть сделано с зоны границ и площади затопления.

помощью алгоритмов компьютерного зрения

и классификации изображений (Farhadi МАТЕРИАЛЫ И МЕТОДЫ

and Najafzadeh 2021). После обработки На основе официальных данных

спутниковых данных можно создать карты, полученных из отчетов акимата и

показывающие области затопления. Эти карты департаментов ЧС Атбасарского района,

могут быть очень полезными для спасательных Акмолинской области было определено

операций, планирования и принятия мер количество подтопленных домов.

145

Гидрометеорология и экология №1 2024

Они составляли на 19 апреля 2017 года, более данные ДЗЗ Sentinel-1/2 и Landsat-8 из

400 домов на 18 улицах города Атбасар. открытого источника https://www.earthexplorer.

Затопления города Атбасар началось с 16 usgs.gov (см. Таблица 1). Эти данные ДЗЗ

апреля и закончилась 21 апреля, уровень вод покрывают территорию исследования,

реки Жабай превысила критическую отметку, выделенная прямоугольным белым контуром,

прорвала защитные дамбы и хлынула в город представленная ниже в Google Earth (Рисунок

Атбасар. 1).

По данному событию были загружены

Таблица 1

Спутниковые данные ДЗЗ

Рис.1. Территория исследования город Атбасар, Акмолинской области

146

Научная статья Кусаинова, Толеубекова, Ахмадия и др, Применение радарных...

В основе методологии нахождении дуемой территории на космоснимках, и выбор

водной поверхности лежит способность воды специальных спектральных и поляризацион-

поглощать большую часть электромагнитных ных каналов. Под специальными спектраль-

волн, где также она отличается температурой ными каналами понимают инфракрасный ди-

от других объектов, что особенно заметно в апазон космоснимков, под поляризационными

космических снимках Земли. Как правило, на- каналами понимают поляризованность при

чиная с ультрафиолетового до инфракрасного передаче и приеме радиоволн (вертикальная и

оптического спектра ДЗЗ, водная поверхность горизонтальная).

больше поглощает чем отражает обратно элек- 3. Атмосферная коррекция – это кор-

тромагнитные волны (Du et al. 2023; Quang et рекция искажений в спектре, которая вызвана

al. 2021). Потому, чистая водная поверхность атмосферой Земли (Li, Yan, and Kang 2023);

имеет более темные или темно-синие оттенки 4. Фильтрация спекл шума – подавле-

в видимом диапазоне. В инфракрасном диа- ние шумов в радиолокационном снимке дан-

пазоне, она имеет более темные оттенки из-за ных ДЗЗ (Sebastianelli et al. 2021);

того, что она имеет более низкую температуру. 5. Геокодирование и изменение про-

В радиоволновом диапазон поглощение зави- странственного разрешения пикселя – это

сит от частоты, чем выше частота, тем выше процесс конвертирования координат пикселя

поглощение, тем меньше проникающая спо- по строкам и столбцам в изображении к гео-

собность радиоволны в толщу воды (Taloor, графическим координатам, также приведение

Thakur, and Jakariya 2022; Guo et al. 2023). пространственного разрешения пикселей к од-

Потому, радиоволны больше поглощаются, ному общему для всех изображений.

меньше обратно рассеиваются, при условии, 6. Определение порогового значения

что вода имеет гладкую поверхность и име- и создание бинарных изображений – данная

ет достаточную глубину (Pivaev et al. 2020). операция проводится чтобы разделить пиксе-

Вопросом исследования являлось ли в изображении на относящихся к водным

какие данные ДЗЗ Sentinel-1, Sentinel-2 и объектам и не водным (суша, сельскохозяй-

Landsat-8, т.е., какие спектральные и поляри- ственные поля, населенный пункт и т.д.) и

зационные каналы лучше подходят для выяв- представление их в виде черно-белого изо-

ления зоны затопления весеннего половодья. бражения (бинарного изображения). Порого-

Выдвинута гипотеза, что совместное исполь- вое значение определяется из выборки пиксе-

зование оптических, радиолокационных лей, относящихся к водным объектам, это его

данных ДЗЗ вместе ГИС данными позволя- максимальное значение. Пиксели, значения

ет выявить территорию наводнения и подто- которых выше порогового относится к не во-

пления домов и здании от весенних паводков дным объектам, а ниже или равно к водным

и половодий. Предложен комбинационный (Kadapala and Hakeem 2023).

метод, включающий логическое суммирова- 7. Слияние с использованием логи-

ние бинарных изображений, полученных из ческого суммирования – это простая попик-

пороговых значений, разделяющих водную и сельная логическая операция ИЛИ-НЕ из ра-

не водные объекты на космических снимках нее полученных бинарных изображений, где

Земли. Алгоритм комбинационного метода с входными данными являются операнды 1 и

применением логического суммирования при- 0, где, не водный объект – «1» (цвет пикселя

веден ниже (Рисунок 2), который состоит из: - белый) и водный объект – «0» (цвет пикселя

1. Получение спутниковых данных - черный). Формула слияния с использованием

ДЗЗ – запрос и загрузка данных из открытых логического суммирования имеет математиче-

источников; ский вид:

2. Вырезка данных – вырезка иссле-

(1)

где, Wls – пиксель бинарного изображения сли- вания;

яния с использованием логического суммиро- - пиксели из бинарных изоб-

147

Гидрометеорология и экология №1 2024

ражений, полученных из оптических и радарных объектами включающие дома и здания накла-

данных ДЗЗ Sentinel-1, Sentinel-2 и Landsat-8. дывается бинарное изображение логического

8. Определение затопленных домов, суммирования, где далее, подсчитывается ко-

зданий и земель с использованием ГИС дан- личество объектов, находящихся в зоне зато-

ных – последняя стадия, где на ГИС данные с пления.

Рис.2. Алгоритм комбинационного метода с применением логического суммирования

Вычисление пороговых значений и этого, замечено что местами плотная облач-

создания бинарных изображений проводилось ность на космоснике Sentinel-2А частично

на коммерческом ПО ENVI 5.2. Затопленные перекрывает водные объекты, что может оши-

дома и здания в городе Атбасар определялись бочно определено как не водный объект (Рису-

c помощью коммерческого ПО ArcGIS 10.2. нок 3). Там еще присутствуют облака, которые

создают тени на суше что, может быть оши-

РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕ- бочно определено как водный объект при об-

НИЕ работке данных ДЗЗ (Рисунок 3). На ИК диа-

Проанализированы спектры инфра- пазоне в Band 10, длина волны 1375 нанометр,

красного (ИК) диапазона данных ДЗЗ Sentinel- присутствуют шумы и линейные помехи, по

2А и Landsat-8 после атмосферной коррекции, этой причине эти данные далее не рассматри-

в которых водные объекты резко контрастиру- ваются для вычисления пороговых значений.

ют по отношению к другим объектам. Кроме

148

Научная статья Кусаинова, Толеубекова, Ахмадия и др, Применение радарных...

(а) (б)

(в) (г)

Рис.3. Космоснимок Sentinel-2A в ИК диапазоне, с длинной волны: (a) – ближний ИК диапазон

(Band 9), 945 нм; (б) – коротковолновый ИК диапазон (Band 10), 1375 нм; (в) – коротковолно-

вый ИК диапазон (Band 11), 1690 нм; (г) – коротковолновый ИК диапазон (Band 12), 2900 нм

149

Гидрометеорология и экология №1 2024

Напротив, на космоснимке Landsat-8 от- кроме коротковолнового ИК диапазона при-

сутствует облачный покров, что позволяет более сутствует тепловое ИК диапазон (Рисунок 4).

точно идентифицировать водный объект. Здесь,

(a) (б)

(в) (г)

Рис.4. Космоснимок Landsat-8 в ИК диапазоне, с длинной волны: (a) – коротковолновый

ИК диапазон (Band 6), 1560...1660 нм; (б) – коротковолновый ИК диапазон (Band 7),

2100÷2300 нм; (в) – тепловой ИК диапазон (Band 10), 10300...11300 нм; (г) – тепловой

ИК диапазон (Band 11), 11500...12500 нм

Коэффициент обратного расссеяния в градациях серых оттенков между водным и

был получен для радиолокационных данных не водным объектом по сравнению с VH поля-

ДЗЗ Sentinel-1B c поляризациями VV и VH, ризацией. Водные объекты на полученных ра-

затем спекл-шум (искажение вызванные зер- диолокационных изображениях имеют более

нистостью на изображении, похожий на рав- темные оттенки, что в принципе справедливо,

номерно рассыпанную соль и черный перец) так как они хорошие поглотители электромаг-

сглаживался с применением алгоритма Ли нитной энергии волны, и имеют крайне малое

(Ли фильтрация спекл-шума). Радиолокаци- рассеивание от этих объектов, если имеют

онное изображении с VV поляризацией имел гладкую поверхность. Напротив, земная по-

визуально лучший контраст по интенсивности верхность имеет шероховатость сравнимую

150

Научная статья Кусаинова, Толеубекова, Ахмадия и др, Применение радарных...

или большую чем длина волны, и потому кры- олокационном изображении VV поляризации,

ши, стены зданий и домов лучше отражают и городские районы с большим скоплением до-

рассеивают электромагнитную энергию вол- мов и зданий имеют более яркие по интенсив-

ны. К примеру, Sentinel-1B имеет радиоволны ности пиксели, чем водный объект, который

длинной 5.6 см. Признаки такого отражения и разительно имеет черный оттенок (Рисунок 5.)

рассеивания радиоволн хорошо видны в ради-

Рис.5. Радиолокационный снимок Sentinel-1B, коэффициент обратного рассеяния VV поляри-

зации после Ли фильтрации спекл-шума

Анализ данных проводился с выборки лю присваивается значение “0”, если нет, то

числовых значений пикселей, относящихся “1”. Максимальное числовое значение пик-

к классу водный объект. Целью этой выбор- селя является тем пороговым значением Th.

ки являлось определение порогового значе- Область в изображении, с которого извлека-

ния, которое позволит нам сделать бинарное лись числовые значения пикселей представ-

заключение о том: если пиксель в изображе- ляет собой белый контур ROI-1 (Рисунок 6).

нии принадлежит водному объекту, то пиксе-

Рис.6. Область ROI-1 (белый контур) водный объект в изображении данных ДЗЗ Sentinel-2A

Band 11

151

Гидрометеорология и экология №1 2024

Результат вычисления порого- 2A, Landsat-8 и поляризации VV

вого значения ИК диапазонов Sentinel- Sentinel-1B представлен в Таблице 2.

Таблица 2

Пороговые значения, Th

Была применена формула в програм- та Band Math для разделения двух классов

ме ENVI 5.2 с использованием инструмен- по признакам водный объект и не водный:

(2)

где, WBP - бинарный результат сравнения зна- бинарных изображениях Sentinel-2A Band 9

чения пикселя BP в изображении с порого- обнаружены факторы облачности на водном

вым значением Th; GT – логический оператор объекте и тени облачности на суше. Однако,

Band Math означающий (greater than), который в бинарных изображениях Sentinel-2A относя-

присваивает пикселю значение «1» если BP щихся ИК спектрам диапазона Band 11, Band

больше, чем Th в других случаях присваивает- 12 отсутствовали факторы тени облачности на

ся значение «0». суше (Рисунок 7). Поэтому, для логического

Были вычислены бинарные изображе- суммирования суммирования целесообразнее

ния по формуле (2), представляющие изобра- брать эти последнии ИК спектры диапазона.

жение классификации черно-белого цвета. На

(a) (б)

Рис.7. Эффект облачности (желтые контуры) на бинарных изображениях (черное – водный

объект, белый – суша или не водные объект) Sentinel-2A ИК спектра диапазона, длинна волны:

(a) – Band 9, 945 нм; (б) – Band 11, 1690 нм

152

Научная статья Кусаинова, Толеубекова, Ахмадия и др, Применение радарных...

В бинарных изображениях ИК спек- на меньше или сравнима с пространственным

тра диапазона относящихся к Landsat-8 была разрешением этих космоснимков. К примеру,

безоблачная погода, потому снимки являют- на бинарном изображении коротковолнового

ся качественными без эффекта облачности ИК диапазона Landsat-8, Band 6 при простран-

по сравнению Sentinel-2A (Рисунок 8). В би- ственном разрешении 30 метров видны изгибы

нарных изображениях ИК спектра диапазо- притоков на северной части (Рисунок 8а), чем

на Sentinel-2A, Landsat-8 не обнаруживаются при тепловом ИК, Band 10 имеющий простран-

тонкие по ширине притоки, так как их шири- ственное разрешение 100 метров (Рисунок 8б).

(a) (б)

Рис.8. Бинарные изображения Landsat-8 ИК спектра диапазона, длинна волны: (a) – коротко-

волновый ИК Band 6, 1560…1660 нм; (b) – тепловой ИК Band 10, 10300…11300 нм.

Бинарное изображение радиоволно- лах 15 метров, что позволило лучше опреде-

вого диапазона VV поляризации Sentinel-1В лить притоки на северной части (Рисунок 9).

имеет пространственное разрешение в преде-

Рис.9. Бинарное изображение VV поляризации Sentinel-1B

153

Гидрометеорология и экология №1 2024

Логическое суммирование всех вы- различного ИК спектра и поляризации данные

бранных ИК спектров Sentinel-2A, Landsat-8 и ДЗЗ были использованы совместно. Вместе с

VV поляризации Sentinel-1B устранил эффект этим, ошибка классификации, вызванная не-

облачности, и общее изображение выглядит полным затоплением дачного района на севере

полнее и достовернее, чем по отдельности взя- города Атбасар была устранена после логиче-

тые бинарные изображения ИК спектров и по- ского суммирования. Данная ошибка классифи-

ляризации (Рисунок 10). Шесть бинарных изо- кации возникала на ближнем, коротковолновом

бражений было логически просуммировано, ИК спектре и VV поляризации (Рисунок 11).

данная операция называется слиянием, так как

Рис.10. Бинарное изображение, полученное логическим суммированием спектров ИК диапа-

зона Sentinel-2A (Band 11, Band 12), Landsat-8 (Band 6, Band 10, Band 11) и VV поляризации

Sentinel-1B

На ГИС данные города Атбасар было крывает северный дачный район, и часть зда-

наложено бинарное изображение, получен- ний и домов на востоке города Атбасар (Рису-

ное логическим суммированием ИК спектров нок 12...13). Таким образом, здания или дома

и VV-поляризации данных ДЗЗ Sentinel-2A, находящиеся в зоне затопления мы можем от-

Landsat-8 и Sentinel-1B (Рисунок 11). Слой во- нести к пострадавшим от весенних паводков

дного объекта, который далее называем зоной и половодий. Нетрудно, далее посчитать коли-

затопления или подтопления полностью пере- чество таких пострадавших зданий или домов.

Рис.11. Карта участков затопления весенними паводками города Атбасар

154

Научная статья Кусаинова, Толеубекова, Ахмадия и др, Применение радарных...

Большая часть северного дачно- Earth (Рисунок 12). Общее количество по-

го района оказалось в зоне затопления со- страдавших дачных домиков составило 205.

гласно карте (Рисунок 11), и там находится В восточной части города Атбасар

большинство домиков пострадавших от ве- были затоплены около 9 домов, располо-

сенних паводков согласно данным Google женных ближе к реке Жабай (Рисунок 13).

Рис.12. Территория дачных участков с домами подвергшийся затоплению весенними паводка-

ми на сервере города Атбасар

Рис.13. Затопленные дома в результате весеннего половодья в восточной части города Ат-

басар: левая часть – место затопления (контур эллипсообразный указывает место); правая

– увеличенное изображение с затопленными домами (красные цветом обозначены объекты –

дома, здания).

155

Гидрометеорология и экология №1 2024

ЗАКЛЮЧЕНИЕ для определения границы и площади затопле-

Определение широких пространстран- ния является новым и алгоритм обработки

ственно и глубоких зон затопления по данным данных ДЗЗ прост. В дальнейшем этот метод

оптических ДЗЗ Landsat-8 и Sentinel-2 лучше может быть доработан, и использован совмест-

осуществляется в инфракрасном диапазоне но с данными более высокого разрешения для

начиная от ближнего до теплового ИК диа- более точного определения водных объектов

пазона при условии отсутствии облачности. с малыми площадями и небольшой глубины.

По данным официальных источников, фото с Этот комбинационный метод может быть при-

места стихийного бедствия, было установле- менен специалистами служб МЧС, гидролога-

но что вода проникла внутрь города Атбасар, ми для косвенной оценки ущерба от весенних

некоторые дома не были полностью затопле- паводков и половодий, или катастроф связан-

ны, уровень воды был по колено. Однако, это- ных, к примеру, при разрушении плотин, дамб.

го уровня было достаточно чтобы признать

дома пострадавшими от наводнения. Данные СПИСОК ЛИТЕРАТУРА

ДЗЗ Landsat-8, Sentinel-2А и Sentinel-1B недо- 1. Arkhipkin, O. P., L. F. Spivak, and G.

статочны для определения зон затопления ве- N. Sagatdinova. 2010. «Development of Flood

сенним половодьем, такого уровня воды, тем Space Monitoring in Kazakhstan.» Geoscience and

Remote Sensing, New Achievements: 419-436.

более, если минимальное расстояние между 2. Benoudjit, A., and R. Guida. 2019. «A Novel Fully

домами меньше пространственного разреше- Automated Mapping of the Flood Extent on SAR Images

ние космоснимка. Поэтому, для более точного Using a Supervised Classifier.» Remote Sensing 11 (7).

определения пострадавших домов, необходи- 3. Du, J., H. H. Zhou, P. A. Jacinthe, and K. S. Song.

мы данные ДЗЗ более высокого разрешения, 2023. «Retrieval of lake water surface albedo from Sentinel-2

remote sensing imagery.» Journal of Hydrology 617.

вплоть до использование беспилотных лета- 4. Farhadi, H., and M. Najafzadeh. 2021.

тельных аппаратов (БПЛА), дронов с муль- «Flood Risk Mapping by Remote Sensing Data

тиспектральными камерами. Тем не менее, and Random Forest Technique.» Water 13 (21).

по космоснимкам 20 метрового разрешения 5. Ghofrani, Z., V. Sposito, and R. Faggian. 2019.

удалось отчетливо определить полностью 9 «Improving flood monitoring in rural areas using remote

sensing.» Water Practice and Technology 14 (1): 160-171.

затопленных домов в восточной части города 6. Guo, J., X. P. Wang, B. Liu, K. Liu, Y. Zhang,

Атбасар, и дачных домиков на северной части and C. F. Wang. 2023. «Remote-Sensing Extraction of

города (более 200 домиков). Это цифра мень- Small Water Bodies on the Loess Plateau.» Water 15 (5).

ше чем указывали официальные СМИ, точ- 7. Huang, M. M., and S. G. Jin. 2020. «Rapid Flood

ность около 52%. Точность может быть зна- Mapping and Evaluation with a Supervised Classifier and

Change Detection in Shouguang Using Sentinel-1 SAR

чительно повышена если будут использованы and Sentinel-2 Optical Data.» Remote Sensing 12 (13).

данные более высокого пространственного 8. Kadapala, B. K. R., and K. A. Hakeem.

разрешения (к примеру 1 метр) при определе- 2023. «Region-Growing-Based Automatic Localized

нии пострадавших домов в плотнозастроен- Adaptive Thresholding Algorithm for Water

ных населенных пунктах. Тем не менее, таким Extraction Using Sentinel-2 MSI Imagery.» Ieee

Transactions on Geoscience and Remote Sensing 61.

образом зону затопления сельскохозяйствен- 9. Kuntla, S. K., and P. Manjusree. 2020.

ных земель можно определить с большой точ- «Development of an Automated Tool for Delineation

ностью по сравнению населенным пунктом. of Flood Footprints from SAR Imagery for Rapid

В данном научном исследовании ис- Disaster Response: A Case Study.» Journal of the

пользовался комбинационный метод в кото- Indian Society of Remote Sensing 48 (6): 935-944.

10. Lammers, R., A. Li, S. Nag, and V. Ravindra.

ром совместно использовались данные ДЗЗ 2021. «Prediction models for urban flood evolution for

Landsat-8, Sentinel-2А и Sentinel-1B разного satellite remote sensing.» Journal of Hydrology 603.

диапазона, т.е., оптического и радиоволнового, 11. Li,A . M., X. Y. Yan, and X. Kang. 2023. «Applicability

которые логически суммировались чтобы ком- study of four atmospheric correction methods in the remote

пенсировать эффект облачности и более точ- sensing of lake water color.» Geocarto International 38 (1).

12. Nikolaos, S., K. Kleomenis, D. Elias, S. Panagiotis,

нее выявить зону затопления. Представленный L. Panagiota, P. Vagelis, and C. Christos. 2019. «A Robust

комбинационный метод с применением поро- Remote Sensing-Spatial Modeling-Remote Sensing (R-M-R)

говых значений и логического суммирования Approach for Flood Hazard Assessment.» Spatial Modeling

in Gis and R for Earth and Environmental Sciences: 391-410.

156

Научная статья Кусаинова, Толеубекова, Ахмадия и др, Применение радарных...

13. Ongdas, N., F. Akiyanova, Y. Karakulov, A. 2023. «Retrieval of lake water surface albedo from Sentinel-2

Muratbayeva, and N. Zinabdin. 2020. «Application of remote sensing imagery.» Journal of Hydrology 617.

HEC-RAS (2D) for Flood Hazard Maps Generation 4. Farhadi, H., and M. Najafzadeh. 2021.

for Yesil (Ishim) River in Kazakhstan.» Water 12 (10). «Flood Risk Mapping by Remote Sensing Data

14. Pivaev, P. D., V. N. Kudryavtsev, E. A. Balashova, and Random Forest Technique.» Water 13 (21).

and B. Chapron. 2020. «SAR Imaging Features of Shallow 5. Ghofrani, Z., V. Sposito, and R. Faggian. 2019.

Water Bathymetry.» Physical Oceanography 27 (3): 290-304. «Improving flood monitoring in rural areas using remote

15. Quang, D. N., N. K. Linh, H. S. Tam, and N. T. sensing.» Water Practice and Technology 14 (1): 160-171.

Viet. 2021. «Remote sensing applications for reservoir water 6. Guo, J., X. P. Wang, B. Liu, K. Liu, Y. Zhang,

level monitoring, sustainable water surface management, and C. F. Wang. 2023. «Remote-Sensing Extraction of

and environmental risks in Quang Nam province, Vietnam.» Small Water Bodies on the Loess Plateau.» Water 15 (5).

Journal of Water and Climate Change 12 (7): 3045-3063. 7. Huang, M. M., and S. G. Jin. 2020. «Rapid Flood

16. Sebastianelli, A., M. P. Del Rosso, S. L. Ullo, Mapping and Evaluation with a Supervised Classifier and

A. Radius, C. Clemente, D. Orlando, F. Biondi, and Change Detection in Shouguang Using Sentinel-1 SAR

J. Wheeler. 2021. «A filtering problem: SAR speckle and Sentinel-2 Optical Data.» Remote Sensing 12 (13).

filtering.» Artificial Intelligence Applied to Satellite-Based 8. Kadapala, B. K. R., and K. A. Hakeem.

Remote Sensing Data for Earth Observation 98: 221-236. 2023. «Region-Growing-Based Automatic Localized

17. Spivak, L., O. Arkhipkin, V. Pankratov, Adaptive Thresholding Algorithm for Water

I. Vitkovskaya, and G. Sagatdinova. 2004. «Space Extraction Using Sentinel-2 MSI Imagery.» Ieee

monitoring of floods in Kazakhstan.» Mathematics Transactions on Geoscience and Remote Sensing 61.

and Computers in Simulation 67 (4-5): 365-370. 9. Kuntla, S. K., and P. Manjusree. 2020.

18. Taloor, A. K., P. K. Thakur, and M. Jakariya. «Development of an Automated Tool for Delineation

2022. «Remote sensing and GIS applications in water of Flood Footprints from SAR Imagery for Rapid

science.» Groundwater for Sustainable Development 19. Disaster Response: A Case Study.» Journal of the

19. Wang, L. M., G. W. Jin, and X. Xiong. 2023. Indian Society of Remote Sensing 48 (6): 935-944.

«Flood Duration Estimation Based on Multisensor, 10. Lammers, R., A. Li, S. Nag, and V. Ravindra.

Multitemporal Remote Sensing: The Sardoba Reservoir 2021. «Prediction models for urban flood evolution for

Flood.» Journal of Earth Science 34 (3): 868-878. satellite remote sensing.» Journal of Hydrology 603.

20. Zou, S., J. Abuduwaili, J. L. Ding, W. L. Duan, P. 11. Li,A . M., X. Y. Yan, and X. Kang. 2023. «Applicability

De Maeyer, and T. Van De Voorde. 2020. «Description and study of four atmospheric correction methods in the remote

Attribution Analysis of the 2017 Spring Anomalous High sensing of lake water color.» Geocarto International 38 (1).

Temperature Causing Floods in Kazakhstan.» Journal of 12. Nikolaos, S., K. Kleomenis, D. Elias, S. Panagiotis,

the Meteorological Society of Japan 98 (6): 1353-1368. L. Panagiota, P. Vagelis, and C. Christos. 2019. «A Robust

21. Тюменев С.Д. Водные ресурсы и во- Remote Sensing-Spatial Modeling-Remote Sensing (R-M-R)

дообеспеченность территории Казахста- Approach for Flood Hazard Assessment.» Spatial Modeling

на: Учебник. – Алматы: КазНТУ, 2008. – 267 с. in Gis and R for Earth and Environmental Sciences: 391-410.

22. Arkhipkin, O.P., Sagatdinova, G.N., 2016. 13. Ongdas, N., F. Akiyanova, Y. Karakulov, A.

The use of various optical and radar remote sensing Muratbayeva, and N. Zinabdin. 2020. «Application of

data in operative space monitoring of flood in HEC-RAS (2D) for Flood Hazard Maps Generation

Kazakhstan. Journal of Siberian Federal University. for Yesil (Ishim) River in Kazakhstan.» Water 12 (10).

Engineering & Technologies, 9(7), pp. 1045-1058. 14. Pivaev, P. D., V. N. Kudryavtsev, E. A. Balashova,

23. Arkhipkin, O.P., Sagatdinova, G.N., 2017. The and B. Chapron. 2020. «SAR Imaging Features of Shallow

use of polarimetric radar data at space monitoring of high Water Bathymetry.» Physical Oceanography 27 (3): 290-304.

waters and floods. Sovremennye problemy distantsionnogo 15. Quang, D. N., N. K. Linh, H. S. Tam, and N. T.

zondirovaniya Zemli iz kosmosa (Current problems in Viet. 2021. «Remote sensing applications for reservoir water

remote sensing of the Earth from space), 14(2), pp. 175-184. level monitoring, sustainable water surface management,

24. Arkhipkin, O. P., & Sagatdinova, G. N. and environmental risks in Quang Nam province, Vietnam.»

(2018). Possibilities of the joint use of optical and Journal of Water and Climate Change 12 (7): 3045-3063.

radar data in flood space monitoring. The International 16. Sebastianelli, A., M. P. Del Rosso, S. L. Ullo,

Archives of the Photogrammetry, Remote Sensing A. Radius, C. Clemente, D. Orlando, F. Biondi, and

and Spatial Information Sciences, 42, 67-73 J. Wheeler. 2021. «A filtering problem: SAR speckle

filtering.» Artificial Intelligence Applied to Satellite-Based

REFERENCES Remote Sensing Data for Earth Observation 98: 221-236.

1. Arkhipkin, O. P., L. F. Spivak, and G. 17. Spivak, L., O. Arkhipkin, V. Pankratov,

N. Sagatdinova. 2010. «Development of Flood I. Vitkovskaya, and G. Sagatdinova. 2004. «Space

Space Monitoring in Kazakhstan.» Geoscience and monitoring of floods in Kazakhstan.» Mathematics

Remote Sensing, New Achievements: 419-436. and Computers in Simulation 67 (4-5): 365-370.

2. Benoudjit, A., and R. Guida. 2019. «A Novel Fully 18. Taloor, A. K., P. K. Thakur, and M. Jakariya.

Automated Mapping of the Flood Extent on SAR Images 2022. «Remote sensing and GIS applications in water

Using a Supervised Classifier.» Remote Sensing 11 (7). science.» Groundwater for Sustainable Development 19.

3. Du, J., H. H. Zhou, P. A. Jacinthe, and K. S. Song.

157

Гидрометеорология и экология №1 2024

19. Wang, L. M., G. W. Jin, and X. Xiong. 2023. data in operative space monitoring of flood in

«Flood Duration Estimation Based on Multisensor, Kazakhstan. Journal of Siberian Federal University.

Multitemporal Remote Sensing: The Sardoba Reservoir Engineering & Technologies, 9(7), pp. 1045-1058.

Flood.» Journal of Earth Science 34 (3): 868-878. 23. Arkhipkin, O.P., Sagatdinova, G.N., 2017. The

20. Zou, S., J. Abuduwaili, J. L. Ding, W. L. Duan, P. use of polarimetric radar data at space monitoring of high

De Maeyer, and T. Van De Voorde. 2020. «Description and waters and floods. Sovremennye problemy distantsionnogo

Attribution Analysis of the 2017 Spring Anomalous High zondirovaniya Zemli iz kosmosa (Current problems in

Temperature Causing Floods in Kazakhstan.» Journal of remote sensing of the Earth from space), 14(2), pp. 175-184.

the Meteorological Society of Japan 98 (6): 1353-1368. 24. Arkhipkin, O. P., & Sagatdinova, G. N.

21. Tyumenev S.D., 2008. Vodniye resursi (2018). Possibilities of the joint use of optical and

i vodoobespechennost territorii Kazakhstana: radar data in flood space monitoring. The International

Uchebnik. – Almaty: KazNTU, pp. 267. Archives of the Photogrammetry, Remote Sensing

22. Arkhipkin, O.P., Sagatdinova, G.N., 2016. and Spatial Information Sciences, 42, 67-73

The use of various optical and radar remote sensing

ЗАРДАП ШЕККЕН ҮЙЛЕРДІҢ САНЫН, СУ БАСУ АЙМАҚТАРЫНЫҢ АУДАНЫ МЕН

ШЕКАРАЛАРЫН БАҒАЛАУ ҮШІН ЖҚЗ РАДИОЛОКАЦИЯЛЫҚ ЖӘНЕ ОПТИКА-

ЛЫҚ ДЕРЕКТЕРІН ҚОЛДАНУ

М.Т. Кусаинова*, Ж.З. Толеубекова т.ғ.к., А.А. Ахмадия PhD, А.З. Капасова т.ғ.к.

С. Сейфуллин атындағы Қазақ Агротехникалық Зерттеу Университеті, Астана, Қазақстан

E-mail: marzh.kussainova@gmail.com

Мақалада 2017 жылғы көктемгі су тасқынынан су басу аймағын және зардап шеккен Ат-

басар қалашығының үйлері мен ғимараттарын анықтау нәтижесі келтірілген. Бұл нәти-

же Sentinel-2A, Landsat-8 және Sentinel-1B орташа кеңістіктік ажыратымдылықтағы үш

қол жетімді ЖҚЗ деректерін қолдану арқылы алынады. Бірінші кезеңде контраст деңгейі

бойынша жақын, қысқа толқынды, жылу инфрақызыл (ИҚ) диапазоны және ЖҚЗ поля-

ризация деректеріне көзбен талдау жүргізілді. Суреттер екі класс арасындағы жоғары

контраст деңгейі бойынша таңдалды: су объектісі және су объектісі емес (жер). Екінші

кезеңде су объектілеріне қатысты пикселдер үлгісінен шекті мәндер есептелді, содан кей-

ін екілік кескіндер жасалды. Үшінші кезеңде, екілік кескіндер бұлтты әсерді жою және

көктемгі су тасқынынан су басу аймағының нәтижесінде пайда болған екілік бейнені табу

үшін логикалық түрде суммасы алынды. Төртінші кезеңде алынған екілік сурет Атбасар

қалашығының деректері ГАЖ-ға қойылды, онда зардап шеккен үйлер мен ғимараттардың

орналасуы мен саны табылды. Осы зерттеуге сәйкес, солтүстікте 200-ден астам саяжай

үйлері және Атбасар қалашығының шығыс бөлігінде 9 үй су астында қалғаны анықтал-

ды. БАҚ және ресми органдардың мәліметтері бойынша Атбасардағы зардап шеккен үй-

лердің саны 400-ге жуық. Үш ЖҚЗ деректерімен логикалық қосу әдісі бойынша табылған

зардап шеккен үйлердің саны 52% құрады. Жоғары кеңістіктік ажыратымдылықтағы ЖҚЗ

деректерін пайдалану кезінде табудың дәлдігін айтарлықтай арттыруға болады. Бұл зерт-

теудің нәтижелері көктемгі су тасқынынан болған зиянды бағалау кезінде ТЖ қызметі,

жергілікті мемлекеттік органдар, сақтандыру компаниялары үшін пайдалы болуы мүмкін.

Түйін сөздер: инфрақызыл диапазон, поляризация, ЖҚЗ, көктемгі су тасқыны, су басу шекарасы мен

ауданы

THE USE OF RADAR AND OPTICAL REMOTE SENSING DATA TO ESTIMATE THE

NUMBER OF AFFECTED HOUSES, THE AREA AND BOUNDARIES OF FLOOD ZONES

M. Kussainova*, candidate of techical science Z. Toleubekova , doctor PhD A. Akhmadiya, candidate of

techical science A. Kapassova

158

Научная статья Кусаинова, Толеубекова, Ахмадия и др, Применение радарных...

S.Seifullin Kazakh Agro Technical Research University, Astana, Kazakhstan

E-mail: marzh.kussainova@gmail.com

The article presents the result of determining the flooding zone and the affected houses and

buildings of the town of Atbasar from the spring floods of 2017. This result was obtained using

three available remote sensing data Sentinel-2A, Landsat-8 and Sentinel-1B of medium spatial

resolution. At the first stage, remote sensing data of the near, short-wave, thermal infrared (IR)

range and polarization by contrast level were visually analyzed. Images were selected based

on a high level of contrast between two classes: a water object and a non-water object (land).

At the second stage, threshold values were calculated from a sample of pixels related to water

bodies, and then binary images were created. In the third stage, binary images were logically

summarized to eliminate the cloud effect and find the resulting binary image of the flood zone

from spring floods. In the fourth stage, the resulting binary image was superimposed on the GIS

data of the town of Atbasar, where the locations and the number of affected houses and buildings

were located. According to this study, it was found that more than 200 country houses were

flooded in the northern part, and 9 houses in the eastern part of the town of Atbasar. According to

media reports and official bodies, the number of affected houses in Atbasar was about 400. The

number of affected houses found by the method of logical summation with three remote sensing

data was 52%. The accuracy of the location can be significantly improved by using high spatial

resolution remote sensing data. The results of this study may be useful for the emergency service,

local government agencies, and insurance companies in assessing damage from spring floods.

Key words: infrared range, polarization, remote sensing, spring floods, border and area of flooding.

Сведения об авторе/Автор туралы мәліметтер/Information about author:

Кусаинова Маржан Тлеулиевна – докторант кафедры геодезии и картографии Казахского Агротехнического Ис-

следовательского университете им. С. Сейфуллина, Астана, проспект Женис 62, marzh.kussainova@gmail.com

Толеубекова Жанат Зекеновна – кандидат технических наук, ассоциированный профессор, декан факультета

Управления земельными ресурсами, архитектуры и дизайна Казахского Агротехнического Исследовательского

университете им. С. Сейфуллина, Астана, проспект Женис 62, zh.toleubekova@kazatu.edu.kz

Ахмадия Асет Ахмадиевич – доктор PhD, старший преподаватель кафедры радиотехники, электроники и теле-

коммуникации Казахского Агротехнического Исследовательского университете им. С. Сейфуллина, Астана, про-

спект Женис 62, a.akhmadiya@kazatu.kz

Капасова Айзада Зарлыковна – кандидат технических наук, старший преподаватель кафедры геодезии и кар-

тографии Казахского Агротехнического Исследовательского университете им. С. Сейфуллина, Астана, проспект

Женис 62, a.kapassova@kazatu.edu.kz

Қусаинова Маржан Тлеулиевна - геодезия және картография кафедрасының, С. Сейфуллин атындағы Қазақ агро-

техникалық зерттеу университетінің докторанты, Астана қаласы, Жеңіс даңғылы 62, marzh.kussainova@gmail.com

Толеубекова Жанат Зекеновна - техника ғылымдарының кандидаты, қауымдастырылған профессор, С. Сейфул-

лин атындағы Қазақ агротехникалық зерттеу университетінің Жер ресурстарын басқару, сәулет және дизайн фа-

культетінің деканы, Астана қаласы, Жеңіс даңғылы 62, zh.toleubekova@kazatu.edu.kz

Ахмадия Асет Ахмадиевич - PhD доктор, радиотехника, электроника және телекоммуникация кафедрасының аға

оқытушысы, С. Сейфуллин атындағы Қазақ агротехникалық зерттеу университеті, Астана қаласы, Жеңіс даңғылы

62, a.akhmadiya@kazatu.kz

Қапасова Айзада Зарлыковна - техника ғылымдарының кандидаты, геодезия және картография кафедрасының

С. Сейфуллин атындағы Қазақ агротехникалық зерттеу университетінің аға оқытушысы, Астана, Жеңіс даңғылы

62, a.kapassova@kazatu.edu.kz

Kusainova Marzhan – doctoral student of the Department of Geodesy and Cartography, Kazakh Agrotechnical Research

University named after S. Seifullin, 62 Zhenis Avenue, Astana, marzh.kussainova@gmail.com

Toleubekova Zhanat – candidate of Technical Sciences, Associate Professor, Dean of the Faculty of Land Management,

Architecture and Design, Kazakh Agrotechnical Research University named after S. Seifullin, 62 Zhenis Avenue, Astana,

zh.toleubekova@kazatu.edu.kz

159

Гидрометеорология и экология №1 2024

Akhmadiya Asset – PhD, Senior Lecturer at the Department of Radio Engineering, Electronics and Telecommunications,

S. Seifullin Kazakh Agrotechnical Research University, 62 Zhenis Avenue, Astana, a.akhmadiya@kazatu.kz

Kapassova Aizada – candidate of Technical Sciences, Senior Lecturer at the Department of Geodesy and Cartography,

Kazakh Agrotechnical Research University named after S. Seifullin, 62 Zhenis Avenue, Astana, a.kapassova@kazatu.edu.

kz

Вклад авторов/ Авторлардың қосқан үлесі/ Authors contribution

Кусаинова Маржан Тлеулиевна - разработка концепции, разработка методологии, создание программного обе-

спечения, проведение статистического анализа, проведения исследования, подготовка и редактирование текста,

визуализация

Толеубекова Жанат Зекеновна - разработка концепции, разработка методологии, подготовка и редактирование

текста, визуализация

Ахмадия Асет Ахмадиевич - создание программного обеспечения, проведения исследования, ресурсы

Капасова Айзада Зарлыковна- проведение статистического анализа, проведения исследования

Кусаинова Маржан Тлеулиевна - тұжырымдаманы әзірлеу, әдістемені әзірлеу, бағдарламалық жасақтама жасау,

статистикалық талдау жүргізу, зерттеу жүргізу, мәтінді дайындау және өңдеу, көрнекілік

Толеубекова Жанат Зекеновна - тұжырымдаманы әзірлеу, әдістемені әзірлеу, мәтінді дайындау және өңдеу, көр-

некілік

Ахмадия Асет Ахмадиевич - бағдарламалық жасақтама жасау, зерттеу жүргізу, ресурстар

Капасова Айзада Зарлыковна - статистикалық талдау жүргізу, зерттеу жүргізу

Kusainova Marzhan - concept development, methodology development, creating software, conducting statistical analysis,

conducting a research, preparing and editing the text, visualization

Toleubekova Zhanat- concept development, methodology development, preparing and editing the text, visualization

Akhmadiya Asset - creating software, conducting a research, resources

Kapassova Aizada - conducting statistical analysis, conducting a research

160