Umsetzung eines MODIS-basierten Prozessors zur Detektion von Flutflächen in Python

Abstract

Um die Realisierbarkeit der Implementierung eines Hochwasserprozessors in der Programmiersprache Python und dessen Ergebnisse zu testen, wird im Rahmen dieser Arbeit ein Programm entwickelt, welches auf Basis des Klassifikationsprozesses nach Martinis et al. 2013 automatisch Flutflächen in MODIS-Aufnahmen erkennen soll. Die in diesem Sinne umgesetzte thematische Analyse der auf täglicher Basis empfangenen Aufnahmen mittlerer Auflösung des Moderate Resolution Imaging Spectroradiometer (MODIS) identifiziert potentielle Flutgebiete systematisch in einem kontinentalen Maßstab. Das auf einem Entscheidungsbaum basierende Verfahren beinhaltet die Berechnung der spektralen Indizes Enhanced Vegetation Index (EVI), Land Surface Water Index (LSWI) und Difference Value between EVI and LSWI (DVEL), die Einbeziehung von Informationen bezüglich der Höhe, Steigung und stehender Gewässer des Gebietes sowie zwei Region Growing Prozessen. Der Gesamtprozess wird beispielhaft an zwei unterschiedlichen Szenen in Bosnien und Herzegowina 2014 und Russland 2013 getestet. Für die Validierung der Ergebnisse kommen digitalisierte Flutmasken unter Verwendung von hochauflösenden Landsat-Aufnahmen zum Einsatz. Es zeigt sich, dass eine Umsetzung von Flutprozessoren in die Programmiersprache Python gut realisierbar ist. Durch die Validierung wird deutlich, dass die konkrete Implementierung große Probleme in wolkenbedeckten und kleinskaligen Gebieten aufweist. Der Haupteinsatzbereich des vorgeschlagenen Prozessors liegt demnach klar in der groben und großräumigen Detektion von Hochwasser und weniger in der naturgetreuen Abbildung von Flutszenarien.