Liczne zagrożenia, które pojawiają się współcześnie możemy podzielić na te spowodowane czynnikami naturalnymi (takie jak: powodzie, huragany czy tsunami) oraz spowodowane przez człowieka. Za jedne z ważniejszych dla społeczeństwa polskiego uchodzą zagrożenia powodziowe, co potwierdzają dane z Rządowego Centrum Bezpieczeństwa. Według danych RCB powodzie spowodowały aż 98,5% strat spośród wszystkich klęsk żywiołowych w latach 1990-2010[1]. Przykładowo jedna z ostatnich powodzi, która miała miejsce w 2010 roku, pokryła jedynie 2% terenu Polski, choć przyczyniła się do powstania bardzo dużych strat. Zniszczonych zostało ok. 800 szkół, uszkodzonych 18 tysięcy prywatnych budynków oraz spowodowane zostały zniszczenia na terenach 1 300 firm[2]. Dodatkowo, z uwagi na zmiany klimatyczne, przewidywane jest, że powodzie podwoją swoją częstotliwości w przeciągu kilku dekad. Staną się tym samym klęskami żywiołowymi o największym potencjale szkód i najgroźniejszymi dla ludzi. Stąd, w ostatnich latach największy nacisk kładziony jest na rozwój i zastosowanie zaawansowanych technologii, aby zapewnić obywatelom jak najlepsze bezpieczeństwo.
SAR pomoże przy powodzi
Jedną z technologii przydatnych do oceny skutków powodzi jest satelitarna technologia obrazowania SAR (ang. Synthetic Aperture Radar). Polega na umieszczeniu instrumentu obrazującego na platformie satelitarnej i przelocie nad wybranym obszarem w celu „zeskanowania” danego terenu przy wykorzystaniu fal radarowych. Obrazowanie SAR jest szeroko stosowane w przeróżnych dziedzinach nauki, z uwagi na możliwość wykorzystania radaru w warunkach nie tylko dziennych, ale również nocnych, przy opadach, zachmurzeniu, zadymieniu, zapyleniu czy zamgleniu[3]. Radarowy instrument wysyła swoje radiowe fale we wskazanym kierunku po czym mierzy, w jaki sposób dane fale odbijają się od niego z powrotem. Tak działający instrument jest wykorzystywany przede wszystkim do tworzenia obrazów powierzchni terenu (wilgotności gleb, rozróżniana typu skał, monitoringu powodzi), a także przez lotnictwo wojskowe do rozpoznania terenu[4].
Biorąc pod uwagę wszystkie te okoliczności, jednym z najważniejszych celów ochrony przed zagrożeniami powodziowymi staje się uzyskanie w rzeczywistym czasie informacji wczesnego ostrzegania o nadzwyczajnych sytuacjach[5]. Takie probabilistyczne prognozy są możliwe do wykonania dzięki obrazowaniu SAR. Obraz SAR zarejestrowany przez dany system to tzw. hologram mikrofalowy, który po dość skomplikowanej obróbce wizualizacji staje się obrazem radarowym. Każdy jeden piksel w obrazie radarowym zawiera informacje odnośnie amplitudy oraz fazy powracającego sygnału do anteny. Wartość tych danych może ulegać zmianie poprzez kolejne przeloty satelity. Ze względu na jej odległość od obiektu, czasowy charakter zmian obiektu oraz niejednorodności atmosfery. Warto pamiętać, że wartość amplitudy zarejestrowanej dla jakiegokolwiek piksela radarowego obrazu jest bardzo mocno zależna m. in od chropowatości powierzchni oraz wilgotności gleby[6]. Obrazowanie radarowe jest zatem atrakcyjną techniką obserwacji ze względu na współwystępowanie powodzi wraz z zachmurzeniem, stąd wykorzystanie optycznych metod wydaje się praktycznie niemożliwe[7].
Kontrast wyznacza granice
Obserwacja dynamiki powodzi przede wszystkim polega na zidentyfikowaniu terenów częściowo zalanych, w tym przesłoniętych roślinnością lub całkowicie pokrytych wodą. Zasadniczo wykrywalność wody na obrazach SAR jest kontrolowana poprzez kontrast między obszarami wodnymi a otaczającymi je gruntami – na taki pomiar wpływa więc charakterystyka chropowatości powierzchni, długość fali, kąt padania oraz polaryzacja. Najprostszym przypadkiem jest więc gładka tafla wody, która na przeważającej ilości obrazów jest widoczna po prostu jako czarna powierzchnia. Jest to wynik odbicia zwierciadlanego promieniowania w przeciwnym kierunku do radaru oraz niedoboru komponentu wstecznego rozproszenia[8]. Poniższa ilustracja pokazuje jak wyglądają mechanizmy rozproszenia powierzchni wody i lądu w różnych warunkach środowiskowych oraz jak wyglądają rozproszone składowe promieniowania w funkcji kąta padania SAR a chropowatości powierzchni.
Źródło: S. Marinis, C. Kuenzer, A. Twele, Flood Studies Using Synthetic Aperture Radar Data, ( w: ) P.S. Thenkabail (red.) “Remotely Sensed Data Characterization, Classification, and Accuracies”, Tom 3
Te wszystkie ograniczenia mogą skutkować powstawaniem tzw. fałszywych alarmów, a czynniki, które mogą prowadzić do błędnej klasyfikacji powodzi przedstawia poniższa tabela:
| Przeszacowanie powodzi | Niedoszacowanie powodzi | ||
| Czynnik | Wystąpienie/Wpływ | Czynnik | Wystąpienie/Wpływ |
| Efekty cieniowania za obiektami pionowymi (np. wegetacja, topografia, struktury antropogeniczne) | +++ | Objętościowe rozproszenie roślinności częściowo zanurzonej i powierzchnie wody całkowicie pokryte roślinnością | +++ |
| Gładkie naturalnie cechy powierzchni (np. wydmy, solne i gliniane niecki, goła ziemia) | +++ | Podwójne odbicie rozproszenia częściowo zanurzonej roślinności | ++ |
| Gładkie cechy antropogeniczne (np. ulice, lądowiska) | ++ | Cechy antropogeniczne na powierzchni wody (np. statki, gruzy) | + |
| Komórki ulewnego deszczu | + | Tracenie gładkości powierzchni wody przez wiatr, ulewny deszcz lub dużą prędkość przepływu | + |
| Efekty nakładania na obiekty pionowe (np. topografia struktury miejskiej, wegetacja) | + | ||
Zakres: wysoki +++; średni ++; niski +
Źródło: S. Marinis, C. Kuenzer, A. Twele, Flood Studies Using Synthetic Aperture Radar Data, ( w: ) P.S. Thenkabail (red.) “Remotely Sensed Data Characterization, Classification, and Accuracies”, Tom 3, s. 148
Aby móc jak najdokładniej wykonać pomiar terenów pokrytych częściowo zanurzoną roślinnością należy użyć sygnału radarowego działającego w trzech pasmach – pasmo L (długość fal równa 30-15 cm), C (dł. fali 7,7-3,75 cm) oraz pasmo X o długości fali równej od 3,75-2,5 cm[9]. Im fala jest dłuższa tym jest ona mniej wrażliwa na szorstkość powierzchni. W dodatku, jeśli tafla wody jest sfalowana poprzez wiatr, komponent wstecznego rozproszenia jest silniejszy i prowadzi do błędnej klasyfikacji obszarów wodnych jako lądowe. Jednak można ograniczyć takie przypadki poprzez wykorzystanie polaryzacji krzyżowej HV lub poziomej HH, a także stosując większy kąt obrazowania[10].
SAR a tereny miejskie
Tereny miejskie są kolejnym środowiskiem, gdzie wykrywalność zalewania jest silnie zmniejszona w porównaniu z obszarami wiejskimi. Odbicie od struktur antropogenicznych (takich jak budynki) oraz obecność powierzchni metalowych, powoduje rozpraszanie wsteczne, które jest identyczne dla powierzchni zalanych i niezalanych. Ponadto efekt cienia i oświetlenia, skutkuje zmniejszoną widocznością przez co ogranicza zdolność do wykrywania wycieków miejskich. W dodatku nie zalane wodą drogi i inne gładkie konstrukcje stworzone przez człowieka często z powodu odbicia lustrzanego powodują błędne odczyty i trudne je oddzielić od gładkich powierzchni wody.
W tak trudnych środowiskach, ciężko więc o przeprowadzenie dokładnych badań terenu na podstawie samego obrazowania, dlatego też, aby móc zwiększyć dokładność analiz wykorzystuje się dane SAR o wysokiej rozdzielczości, np. przetwarzanie danych TerraSAR-X. Jest to w pełni zautomatyzowane mapowanie wód, które stosuje algorytm oparty na logice rozmytej łącząc informacje o rozproszeniu wstecznym SAR z cyfrowymi informacjami o wysokości i nachyleniu oraz wielkości zbiorników wodnych[11]. Wykorzystuje się dane opisujące teren sprzed powodzi, a następnie analizuje automatycznie jego zmiany. Model numeryczny terenu to źródło informacji odnośnie potencjalnych kierunków przemieszczenia się mas wody. Taka separacja ląd/woda tworzy się poprzez progowanie automatyczne wartości pikseli występujących na amplitudowych obrazach. Stąd też cały proces monitoringu powodzi to synteza przeróżnych informacji wraz z wykorzystaniem skomplikowanych matematycznych metod[12]. Jeśli zaś chodzi o rzeczywistą poprawę dokładności obserwacji dzięki danej technologii to podczas wykonywania testów, pomiary z wykorzystaniem takiego przetwarzania danych zwiększyły odpowiednio dokładność pomiarów z 20,9% do 82,4% i z 51,7% do 83,7%[13].
[1] Karol Mąka „System ochrony przeciwpowodziowej w Polsce”
[2] Prezentacja „Satelitarny System Obserwacji Ziemi”
[3] Mgr inż. Jędrzej Jakub Drozdowicz – projekt „ Trójwymiarowe obrazowanie radarowe z syntetyczną aperturą wykorzystujące optymalizowaną, złożoną trajektorię ruchu nośnika radaru”
[4] pl.wikipedia.org/wiki/Radar_z_syntetyczną_aperturą (dostęp: 26.04.2021)
[5] Sat4envi, Dane satelitarne dla administracji publicznej, s. 311
[6] Stanisława Porzycka-Strzelczyk, Wykład: Teledetekcja w ochronie środowiska, AGH
[7] Sat4envi, Dane satelitarne dla administracji publicznej, s. 316-317
[8] Sat4envi, Dane satelitarne dla administracji publicznej, s. 317
[9] Konrad Nering, SRTM – Technologia Obrazowania powierzchni Ziemi, Politechnika krakowska
[10] Sat4envi, Dane satelitarne dla administracji publicznej, s. 317
[11] S. Marinis, C. Kuenzer, A. Twele, Flood Studies Using Synthetic Aperture Radar Data, ( w: ) P.S. Thenkabail (red.) “Remotely Sensed Data Characterization, Classification, and Accuracies”, Tom 3
[12] Sat4envi, Dane satelitarne dla administracji publicznej, s. 318
[13] S. Marinis, C. Kuenzer, A. Twele, Flood Studies Using Synthetic Aperture Radar Data, ( w: ) P.S. Thenkabail (red.) “Remotely Sensed Data Characterization, Classification, and Accuracies”, s.155
