Vis enkel innførsel

dc.contributor.advisorMaalen-Johansen, Ivar
dc.contributor.advisorBorschenius, Bjørn
dc.contributor.advisorRizzi, Jonathan
dc.contributor.advisorAarsten, Dagrun
dc.contributor.authorRypdal, Olivia Ragna Magnorsdotter
dc.date.accessioned2022-03-22T14:11:07Z
dc.date.available2022-03-22T14:11:07Z
dc.date.issued2021
dc.identifier.urihttps://hdl.handle.net/11250/2986860
dc.description.abstractI takt med en økende nedbørsmengde i Norge og store deler av verden, øker også behovet for å kartlegge landområder hvor store nedbørsmengder potensielt kan gjøre stor skade. Jordbruksareal er områder som er sårbare for klimaendringene, da oversvømmelser på matjorda kan redusere og ødelegge avlinger. Fjernmålingsdata egner seg godt til en slik kartlegging, og ved å benytte bildedata fra radarsatellitten Sentinel-1 er man sikret tilgang til opptak med høy nøyaktighet fra alle slags vær- og lysforhold. I denne gradsoppgaven undersøkes det i hvilket grad oversvømt jordsbruksareal kan detekteres i SAR-data fra Sentinel-1. Analysen er gjennomført for et studieområde i den sør-østlige delen av Viken, i to kraftige nedbørsperioder rundt juli og oktober 2020. Basert på radarsignalenes tilbakespredningsintensitet, som i SAR-bildene er representert ved intensitetsverdi i pikslene, forsøkes det å ekstrahere områdene som kan vare oversvømte. Teknikkene som benyttes til dette er terskling og Random forest klassifisering. I analysen undersøkes også utviklingen av pikslenes intensitetsverdi over tid, for å se om det er sammenhenger innad i og mellom tidsperiodene. Resultatene viser at det er stort potensiale i anvendelse av data fra Sentinel-1 til å kartlegge oversvømte jordbruksområder. Resultatene varierer noe mellom de ulike teknikkene, men har mange likheter som gjør det mulig å anta forekomster av overvann i bildene. Funnene er noe sprikende for bilder med ulikt opptakstidspunkt, og av de to tidsperiodene virket det enklest å detektere overvann i bildene fra oktober. Tidsserieanalysen viste også en klar tendens til synkende intensitetsverdier i pikslene klassifisert som vann i dette opptaket. Uten valideringsdata kan det ikke fastslås noen nøyaktighet for resultatene, men ved å sammenligne med verdier i NDWI-raster basert på data fra Sentinel-1 ble en del av antakelsene om oversvømte områder styrket.en_US
dc.description.abstractWith an increasing amount of precipitation in Norway and large parts of the world, the need to map areas where large amounts of precipitation can potentially cause great damage is also increasing. Agricultural land are areas that are vulnerable to climate change, as floods on topsoil can reduce and destroy crops. Remote sensing data is well suited for such a mapping, and by using image data from the radar satellite Sentinel-1, recordings with high accuracy from all kinds of weather and light conditions are ensured. In this master’s thesis, it is investigated to what extent flooded agricultural area can be detected in SAR data from Sentinel-1. The analysis was carried out for a study area in the south-eastern part of Viken County in Norway, during two heavy rainfall periods around July and October 2020. Based on the backscatter intensity of the radar signals, which in the SAR images is represented by intensity value in the pixels, attempts are made to extract the flooded areas. The techniques used for this are thresholding and Random forest classification. The analysis also examines the development of the pixels’ intensity value over time, to see if there are connections within and between the time periods. The results show that there is great potential in the use of data from Sentinel-1 for mapping flooded agricultural land. The results vary somewhat between the different techniques, but have many similarities that make it possible to assume occurrences of surface water in the images. The results are somewhat divergent for images with different sensing date, and of the two time periods, it seemed easiest to detect surface water in the image from October. The time series analysis also showed a clear tendency for the development of intensity values in the pixels classified as water in this image. Without validation data, no accuracy of the results can be determined, but by comparing with values in a NDWI raster based on data from Sentinel-1, some of the assumptions about flooded areas were strengthened.en_US
dc.language.isonoben_US
dc.publisherNorwegian University of Life Sciences, Åsen_US
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internasjonal*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/deed.no*
dc.titleDeteksjon av oversvømt jordbruksareal basert på data fra Sentinel-1en_US
dc.title.alternativeDetection of flooded agricultural land based on data from Sentinel-1en_US
dc.typeMaster thesisen_US
dc.description.localcodeM-GEOMen_US


Tilhørende fil(er)

Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel

Attribution-NonCommercial-NoDerivatives 4.0 Internasjonal
Med mindre annet er angitt, så er denne innførselen lisensiert som Attribution-NonCommercial-NoDerivatives 4.0 Internasjonal