Translated by Marina Agarkova

В 2019 году наводнения стали причиной 43,5% всех смертей в результате стихийных бедствий и, таким образом, представляют собой самый смертоносный тип бедствия с растущим числом событий по сравнению с предыдущими годами (CRED, 2019). Кроме того, наводнения приводят к наибольшему числу пострадавших людей по сравнению с другими бедствиями, поскольку они влияют на деятельность человека и экономику (CRED, 2019; Elagib et al. 2019).

Наблюдение за Землей играет ключевую роль в мониторинге наводнений. Это, в частности, связано с тем, что имеющиеся изображения дистанционного зондирования в сочетании с геопространственным анализом могут помочь в управлении рисками на национальном уровне во время и после анализа наводнений. Во время крупных стихийных бедствий поддержка в получении информации о наблюдении за Землей обеспечивается Международной хартией по космосу и крупным катастрофам (далее Международная хартия). Международная хартия представляет собой всемирное сотрудничество космических агентств и операторов космических систем, благодаря которому спутниковые данные становятся доступными как можно быстрее для ликвидации стихийных бедствий. Он может быть активирован зарегистрированными пользователями (как правило, органами по ликвидации стихийных бедствий) для поддержки реагирования на чрезвычайные ситуации. Подробнее о членах Хартии и партнерах Хартии читайте здесь.

13 августа 2020 года Министерство сельского хозяйства и природных ресурсов Судана ввело в действие Международную хартию в связи с крупными наводнениями, частично вызванными проливными дождями в Эфиопском нагорье. Согласно докладу Управления ООН по координации гуманитарных вопросов по состоянию на 14 сентября (UN OCHA, 2020a), из 18 штатов Судана 17 пострадали от наводнений. Номинированный Центром авиации и космонавтики Германии (DLR), который является членом Международной хартии, Рурский университет в Бохуме взял на себя управление проектом активации в тесном сотрудничестве с Center for Remote Sensing of Land Surfaces (ZFL) Боннского университета и Автономным университетом штата Мексики (UAEM) в качестве участников, которые внесут ценный вклад в проект. Сразу после активации были обработаны имеющиеся снимки для идентификации пострадавших людей и пострадавших регионов и, в постоянном обмене с министерством, была оказана поддержка национальному управлению рисками стихийных бедствий.

Наряду со штатом Северный Дарфур, штат Хартум оказался в числе штатов, наиболее пострадавших от наводнения. Штат Хартум уязвим к наводнениям из-за своего расположения между двумя реками, Голубым и Белым Нилом. В городе расширилось сельское хозяйство, что привело к увеличению потребления воды (Schumacher et al. 2009).

Мониторинг наводнений на основе дистанционного зондирования

При работе с изображениями дистанционного зондирования Земли можно использовать два различных типа датчиков: оптические (пассивные) и радиолокационные (активные). В то время как оптические датчики зависят от солнечного света и фиксируют отражение и поглощение солнечного света через спектральную сигнатуру, радарные датчики не зависят от солнечного света. Они самостоятельно посылают сигнал и регистрируют так называемое обратное рассеяние. Сигнал обратного рассеяния может предоставить информацию о структуре и шероховатости поверхности. Во время сильных дождей, часто связанных с наводнениями, наблюдается высокая облачность, что является проблемой для использования оптических данных дистанционного зондирования. В этих случаях предпочтение отдается использованию радиолокационных данных, поскольку радиолокационный сигнал проникает сквозь облака и может предоставить информацию вне зависимости от погодных условий.

В случае наводнения в Судане, а также других стихийных бедствий необходимы своевременные ответные меры, чтобы заинтересованные стороны могли оценить ситуацию. Оптические и радиолокационные данные использовались для выявления затопленных районов в Судане.

Из-за увеличения облачности во время наводнений фильтрация облаков представляла собой первую проблему при работе с оптическими данными. Для некоторых сенсоров, таких как Sentinel-2 с разрешением 10 м, предоставленные маски облаков оказались достаточно точными для многих сцен. Данные с очень высоким разрешением, такие как, например, снимки Pleiades с разрешением 0,5 м, требуют другого подхода для достижения удовлетворительных результатов. Особенно в условиях тумана в некоторых сценах, включенные маски облаков были недостаточно точными для дальнейшей обработки.

Два метода оказались надежными и достаточно быстрыми в идентификации облаков в случае Судана: во-первых, пороговый подход, при котором очень высокий порог отражения был выбран путем тестирования и визуальной проверки. Облака приводят к очень высокому коэффициенту отражения в большинстве оптических диапазонов. Этот метод оказался более успешным при больших облаках в четких границах. На втором этапе тени облаков маскировались с помощью геометрии маски облаков. Маска облака была дублирована и перемещена в соответствии с углом солнечного света, чтобы скрыть тени. В качестве второго варианта облака и тени обрисовывались вручную. Это оказалось хорошим решением для небольших сцен с небольшим количеством облаков или туманной погодой (рис. 1).

После маскировки облаков были выделены участки поверхностных вод. Кроме того, можно применять два различных подхода: во-первых, был использован порог, основанный на водочувствительных индексах, такой как Нормализованный разностный водный индекс (NDWI) (Gao, 1996). При использовании данных с очень высоким разрешением индексы не давали достоверных результатов, особенно в условиях тумана. Здесь была проведена контролируемая классификация для различения водных и «неводных» районов. Подход к классификации привел к визуально очень точным продуктам по сравнению с композитными изображениями в истинных цветах (рис. 2).

Кроме того, были использованы два подхода, которые полагаются на данные радара для идентификации воды. Используя данные радара, нет необходимости маскировать облака. Если сцена (материал изображения), снятая до наводнения, была в распоряжении, то проводился анализ с целью обнаружения изменений. В противном случае к обратному рассеянию VH применялся порог. Крутая местность может привести к ложному срабатыванию при применении этого фильтра. Эти ложные срабатывания должны быть (вручную) отфильтрованы на этапе постобработки, что не было необходимым для областей, которые вызывают интерес в Судане.

Мониторинг стихийных бедствий в целях борьбы со стихийными бедствиями

По данным Humanitarian Aid Control (HAC), в Судане до 24 сентября 2020 года пострадали почти 830 000 человек. Наиболее сильно пострадали штаты Хартум, Северный Дарфур, Голубой Нил, Западный Дарфур и Сеннар (UN OCHA, 2020b).

Мониторинг с высоким разрешением помогает выявлять зоны риска с высоким уровнем детализации для небольших районов. В то же время информация о пострадавших людях и пахотных землях важна в более широком масштабе. Поэтому был проведен геопространственный анализ на основе выявленных зон затопления (см. также рисунок 3).

Выявив затопленные участки, было определено пострадавшее население. Затопленные участки были преобразованы в полигон. Растеризованные данные о населении, такие как WorldPop (Tatem, 2017), затем были замаскированы с помощью полигона наводнения. Наконец, зональная статистика, в частности сумма пострадавших людей на район, была рассчитана с использованием шейп-файлов административных границ и растрового слоя затронутого населения. Сочетание обнаружения наводнений на основе дистанционного зондирования с информацией о том, где живут люди и где обычно возделываются земли, помогает определить районы, пострадавшие от стихийного бедствия (рисунок 4).

Для управления рисками стихийных бедствий геопространственная информация актуальна для выявления пострадавших районов и дальнейшей мобилизации поддержки.

Несмотря на то, что паводки уменьшились примерно через три недели после первой активации, последствия наводнений все еще серьезны. Например, антисанитария приводит к уменьшению доступной чистой воды. Ожидается, что это отразится на здоровье людей. Загрязнение также затрагивает фермеров, чьи поля были уничтожены, и в конце этого сезона нельзя ожидать урожая, если министерство не окажет поддержку поставками низкозрелых сортов для основных культур, таких как сорго и просо, для повторной посадки на пахотных землях. Особенно серьезно страдают мелкие фермеры, которые зависят от сельского хозяйства.

Дистанционное зондирование и геопространственный анализ могут не только способствовать реагированию на чрезвычайные ситуации, но и способствовать адаптированному управлению рисками с точки зрения готовности к стихийным бедствиям. Целесообразно определить районы, подверженные наводнениям из-за небольшой высоты над уровнем моря и их близости к берегам рек, еще до того, как произойдет стихийное бедствие, чтобы иметь возможность упреждать, когда ожидается большое количество осадков. Эти выводы также могут способствовать дальнейшему планированию и предотвращению расселения населения вблизи зон риска наводнений, а также защите животноводства и сельскохозяйственной деятельности в районах, подверженных наводнениям.

Для успеха мониторинга и ликвидации последствий стихийных бедствий решающее значение имеет непрерывный обмен информацией между организациями по управлению рисками на правительственном уровне и научным сообществом. Кроме того, понимание местных особенностей и информация по затронутой стихийным бедствием территории важны для получения рекомендаций о том, где расположены приоритетные районы, и по интерпретации полученных карт для улучшения конечных продуктов.

Со всеми конечными продуктами активации данной Хартии можно ознакомиться здесь.