پایش خودکار و سریع سیلاب با استفاده از داده‌های سنجش از دور و سامانۀ GEE (منطقۀ پژوهش: حوضۀ عبدالله‌آباد استان سمنان)

نوع مقاله : پژوهشی کاربردی

نویسندگان

1 دانشجوی دکتری سنجش از دور و GIS، دانشکدۀ جغرافیا، دانشگاه تهران، ایران

2 دانشیار گروه سنجش از دور و GIS، دانشکدۀ جغرافیا، دانشگاه تهران، ایران

10.22059/jhsci.2026.412893.932

چکیده

هدف: این پژوهش به بررسی پایش خودکار و سریع سیلاب با استفاده از داده‌های سنجش از دور و سامانۀ Google Earth Engine (GEE) در حوضۀ عبدالله‌آباد استان سمنان پرداخته است. هدف این پژوهش، توسعۀ یک روش کارآمد و خودکار جهت شناسایی و پایش سیلاب‌های رخ‌داده در کمترین زمان ممکن، با استفاده از داده‌های ماهواره‌ای و پردازش سریع در بستر GEE است.
روش پژوهش: این پژوهش با استفاده از داده‌های سری زمانی ماهواره‌های سنتینل-1 و لندست-8 و بقیۀ داده‌های کمکی، در بستر سامانۀ GEE انجام گرفت. برای پایش سیلاب، ابتدا ویژگی‌های فیزیوگرافی حوضه بررسی و گروه‌های هیدرولوژیکی خاک منطقه استخراج شد تا ارتباط میان ویژگی‌های زمین‌شناسی و وقوع سیلاب تحلیل شود. سپس یک رابط کاربری تعاملی تحت وب در بستر Earth Engine Apps طراحی شد که به‌صورت خودکار مناطق سیل‌زده را شناسایی می‌کند و نمایش می‌دهد. این رابط کاربری با ترکیب داده‌های راداری و اپتیکی، تغییرات سطح آب را تشخیص می‌دهد و میزان احتمال وقوع سیلاب را در سه سطح کم، متوسط و زیاد طبقه‌بندی می‌کند.
یافته‌ها: نتایج نشان داد که روش توسعه‌یافته می‌تواند با دقتی مناسب و پذیرفتنی مناطق تحت تأثیر سیل را شناسایی کند. مقایسۀ نقشه‌های پایش سیلاب با نقشۀ گروه‌های هیدرولوژیکی خاک، ارتباط مستقیم میان نفوذپذیری خاک و شدت وقوع سیلاب را تأیید می‌کند. مناطقی با نفوذپذیری کم بیشترین احتمال وقوع سیلاب را دارند و مناطق سیل‌زده بیشتر در بالادست روستای عبدالله‌آباد قرار گرفته‌اند. همچنین، دشت‌های کم‌شیب منطقه شرایط مناسبی برای گسترش سیلاب فراهم کرده‌اند.
نتیجه‌گیری: این پژوهش نشان داد که استفاده از تصاویر ماهواره‌ای و پردازش خودکار آنها در سامانه‌های آنلاین می‌تواند ابزاری کارآمد برای پایش سریع سیلاب و مدیریت بحران باشد. روش ارائه‌شده امکان دسترسی به اطلاعات به‌موقع را برای برنامه‌ریزی اقدامات پیشگیرانه و واکنش اضطراری فراهم می‌آورد.

کلیدواژه‌ها

مراجع

  • Azhand, D. Pirasteh, S., Varshosaz, M., Shahabi, H., Abdollahabadi, S., Teimouri, H., Pirnazar, M., Wang, X. & Li, W., (2024), Sentinel 1a-2a Incorporating an Object-Based Image Analysis Method for Flood Mapping and Extent Assessment, ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 7-17.
  • Borah, S.B., Sivasankar, T., Ramya, M.N.S. & Raju, P.L.N. (2018). Flood inundation mapping and monitoring in Kaziranga National Park, Assam using Sentinel-1 SAR data. Environmental monitoring and assessment. 190(9), 520.
  • DeVries, B., Huang, C., Armston, J., Huang, W., Jones, J. W., & Lang, M. W. (2020). Rapid and robust monitoring of flood events using Sentinel-1 and Landsat data on the Google Earth Engine. Remote Sensing of Environment, 240, 111664.
  • Dodangeh, P., Ebadi,. H. and Kiani, A. (2021). Identification of flooded areas using time series statistical calculations and based on integrating radar and optical data. Journal of Ecohydrology, 8(3), 623-639. (in Persian)
  • Faraji, A. and Rahimi, N. (2026). Flood risk Monitoring of June 1402 in Zanjan Province Using Sentinel-1 Images. Iranian Journal of Remote Sensing and GIS, 17(4), 79-92. (In Persian)
  • Ganji, K. Gharechelou, S. and Ahmadi, A. (2021). Flooding Zone Extracting Using Spectrum Proportionality of Sentinel-2 and Landsat-8 Satellite Data (Case Study: Aq’Qala County Flooding). Extension and Development of Watershed Management, 8(31), 42-53. (In Persian)
  • Ghouri, A.Y., Ur Rehman, A., Rasheed, F., Miandad, M. & Rehman, G., (2023). Flood Mapping Using the Sentinel-1 SAR Dataset and Application of the Change Detection Approach Technique (CDAT) to the Google Earth Engine in Sindh Province, Pakistan, Ecological Questions, 35(2), 1-18.
  • Hamidi, E., Peter, B. G., Muñoz, D. F., Moftakhari, H., & Moradkhani, H. (2023). Fast Flood Extent Monitoring with SAR Change Detection Using Google Earth Engine. IEEE Transactions on Geoscience and Remote Sensing. 61, 1-19.
  • Moghimi, E., Glade, T., Al-Ansari, N., & Shahabi, H. (2025). Floods and new housing design theory to sustain and reduce hazards (A scientific strategy). Geofluids, 2025, 1416016.
  • Moharrami, M., Javanbakht, M., & Attarchi, S. (2021). Automatic flood detection using sentinel-1 images on the google earth engine. Environmental monitoring and assessment. 193, 1-17.
  • Peymankhah, P., Attarchi, S. & Moharrami, M., (2023). Rapid Flood Monitoring Using Sentinel-1 and Landsat-8 Images (Case Study: Kashkan River, Poldakhter City), Nivar, 47(122-123), 82-94. (In Persian)
  • Pour Akrami, S., Tavakoli Saboor, S.M., Mohammadi Islam Javi, Z., & Ghasemzadeh, A. (2017). Rapid Extraction of Flooded Area Using SAR Images. 24th National Geomatics Conference. 1-6.
  • Roth, F., Bauer-Marschallinger, B., Tupas, M.E., Reimer, C., Salamon, P. & Wagner, W., (2022). Sentinel-1 Based Analysis of the Pakistan Flood in 2022 (1.0.0) [Data set], TU Wien.
  • Solaimani, K., & Darvishi, S. (2020). Zoning and Monitoring of Spring 2019 Flood Hazard in Khuzestan Using Landsat-8 Data. Journal of Ecohydrology, 7(3), 647-662. (in Persian)
  • Soleimani Sardoo F., Rafiei Sarooi, E., Mesbahzadeh, T., & Azareh, A. (2021). Utilizing Sentinel 1 Images for Monitoring Damage of Flood Event in March 2020, the South of Kerman Province Based on Random Forest Algorithm. Iranian Journal of Watershed Management Science. 15(53), 23-32. (in Persian)
  • Verdyansyah, A., & Lin, T. H. (2025). Rapid flood monitoring based on Otsu threshold and damage assessment using multisatellite data. In Land Surface and Cryosphere Remote Sensing. 13263, 49-57.
مدیریت مخاطرات محیطی
دوره 13، شماره 1
فروردین 1405
صفحه 21-36

فایل ها

هم رسانی

ارجاع به این مقاله

آمار