Flood Detection and Cropland Damage Assessment Using Sentinel-1 SAR Time Series Multi-Source EO Data in the Sebou Basin, El Gharb plain, Morocco
Diese Studie nutzt Sentinel-1 SAR-Zeitreihendaten mit VV- und VH-Polarisationen, um eine robuste, anomaliebasierte Methode zur Fluterkennung zu entwickeln, die die Überflutung effektiv kartiert und die Ernteschäden im marokkanischen Sebou-Becken erfasst, um letztlich gezielte Risikomanagementstrategien für die El-Gharb-Ebene zu unterstützen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Überschwemmungen sind eine Naturgewalt, die die Menschheitsgeschichte geprägt hat, doch in der modernen Welt wird ihr Einfluss auf die Landwirtschaft in Form von Ernteausfällen und bedrohter Ernährungssicherheit gemessen. Wenn schwere Regenfälle auf flaches, fruchtbares Land fallen, kann sich das Wasser schnell ausbreiten, die Ernten ertränken und produktive Felder in temporäre Seen verwandeln. Für Landwirte und Regierungen ist es entscheidend zu wissen, wo genau sich das Wasser befindet und wie groß der entstandene Schaden ist – doch dies ist oft das Schwierigste zu bestimmen. Traditionelle Kameras auf Satelliten können nicht durch die dichten Wolken sehen, die normalerweise mit Stürmen einhergehen, was genau dann eine Blindstelle hinterlässt, wenn die Überwachung am dringendsten benötigt wird. Um dies zu lösen, haben Wissenschaftler sich einem anderen Auge zugewandt: dem Radar. Im Gegensatz zu optischen Kameras, die auf reflektiertem Sonnenlicht basieren, senden Radarsysteme ihre eigenen Mikrowellensignale aus und lauschen auf das Echo. Diese Signale können durch Wolken und Dunkelheit dringen und vom Boden abprallen, um zu enthüllen, was sich unter dem Sturm verbirgt. Durch die Verfolgung, wie sich diese Signale im Laufe der Zeit verändern, können Forscher zwischen trockenem Land, feuchtem Boden und stehendem Wasser unterscheiden und so ein chaotisches Naturereignis in eine klare, messbare Karte verwandeln.
Im Sebou-Becken im Norden Marokkos, einer Region, die als El Gharb-Ebene bekannt ist, wurde diese Technologie eingesetzt, um ein schweres Hochwasserereignis zu verstehen, das im Winter 2025 und 2026 auftrat. Dieses Gebiet ist eine tiefliegende, flache Ebene mit reichem alluvialem Boden, die intensiv mit Weizen, Oliven und Zitrusfrüchten bewirtschaftet wird, was sie zu einem lebenswichtigen Motor für die Nahrungsmittelversorgung des Landes macht. Seine flache Topografie und die weitläufigen Bewässerungsnetze machen es jedoch anfällig für Wasseransammlungen, wenn schwere Regenfälle einsetzen. Ein Team von Forschern der Internationalen Universität von Rabat und der Politecnico di Milano setzte sich zum Ziel, das Ausmaß der Überschwemmung zu kartieren und vor allem zu berechnen, wie viel landwirtschaftliche Fläche genau unter Wasser stand. Sie nutzten Daten von Sentinel-1, einem europäischen Satelliten, der mit Synthetischem Apertur-Radar ausgestattet ist, welches Bilder der Erdoberfläche bei Tag und Nacht aufnimmt, unabhängig von der Witterung.
Die Forscher betrachteten nicht einfach nur ein einzelnes Bild, das während der Flut aufgenommen wurde. Stattdessen erstellten sie eine Zeitlinie der Bedingungen in der Region. Sie begannen mit der Analyse der Niederschlagsdaten, um die Wochen vor der Katastrophe zu identifizieren und festzustellen, wie der Boden zunehmend gesättigt wurde. Dann verglichen sie Radarbilder, die vor der Flut aufgenommen wurden, mit jenen, die während des Höhepunkts der Überflutung entstanden. Der Kern ihrer Methode beruhte auf einem physikalischen Prinzip: Wenn Radarwellen auf offenes Wasser treffen, prallen sie in eine bestimmte Richtung ab und erzeugen ein sehr dunkles Signal im Bild. Wenn sie auf rauen Boden oder Nutzpflanzen treffen, wird das Signal stärker zurückgestrahlt. Durch die Messung des Unterschieds in diesem „Backscatter“ (Rückstreuung) zwischen der Trockenperiode und der Nässeperiode konnte das Team genau bestimmen, wo sich das Wasser angesammelt hatte. Sie schenkten einem speziellen Typ von Radarsignal, bekannt als Kreuzpolarisation, besondere Aufmerksamkeit, da sich dieser als außergewöhnlich empfindlich gegenüber der Anwesenheit von Wasser inmitten von Vegetation erwies, was half, überflutete Nutzpflanzen von trockenen Feldern zu unterscheiden, die in anderen Datentypen ähnlich aussehen könnten.
Um sicherzustellen, dass ihre Karten genau waren, wandte das Team eine Reihe logischer Filter an. Da sie wussten, dass Wasser nicht bergauf fließt, nutzten sie eine digitale Geländekarte, um Gebiete mit steilen Hängen oder hohen Erhebungen auszuschließen, in denen eine Überschwemmung physikalisch unmöglich war. Dieser Schritt eliminierte Fehlalarme durch dunkle Flecken aus nacktem Boden oder Schatten, die den Computer sonst zur Annahme von Wasser verleitet hätten. Soblich sie eine saubere Karte des Ausmaßes der Überschwemmung erstellt hatten, legten sie diese über eine detaillierte Landnutzungskarte, die jedes Stück Ackerland in der Region identifizierte. Dies ermöglichte es ihnen, die präzise Fläche des landwirtschaftlichen Bodens zu berechnen, der unter Wasser stand. Die Ergebnisse waren drastisch: Die Flut bedeckte insgesamt etwa 207.112 Hektar Land. Von dieser riesigen Fläche waren fast 149.000 Hektar aktive landwirtschaftliche Nutzfläche, was einen massiven Schlag für die lokale Agrarwirtschaft darstellte.
Die Studie untersuchte auch die Folgen, indem sie die Radardaten mit Bildern eines optischen Satelliten verglich, der sichtbares Licht und Nahinfrarotlicht erfasst. Durch die Messung der „Grünheit“ der Vegetation vor und nach der Flut stellten sie einen deutlichen Rückgang der Pflanzengesundheit genau dort fest, wo das Radar Wasser detektiert hatte. Dies bestätigte, dass die Flut die Felder nicht nur bedeckt, sondern auch die Pflanzen gestresst hatte, was wahrscheinlich zu erheblichen Ernteverlusten führte. Die Forscher fanden heraus, dass der Schaden in den tiefsten Teilen der Ebene am schwersten war, wo sich Wasser natürlich sammelt und nur langsam abfließt. Sie beobachteten, dass sich die Flut nicht zufällig ausbreitete, sondern den natürlichen, tief liegenden Korridoren des Flusssystems folgte und wiederholt dieselben verwundbaren Zonen traf.
Diese Arbeit zeigt, dass die Radartechnologie in Kombination mit intelligenter Computeranalyse eine zuverlässige Sicht auf Flutkatastrophen bei jedem Wetter bieten kann. Das Team hat gezeigt, dass sie durch die Konzentration auf die Veränderung der Radarsignale über die Zeit statt nur auf eine einzelne Momentaufnahme die Fluten selbst in komplexen Agrarlandschaften mit hoher Präzision kartieren konnten. Die Ergebnisse legen nahe, dass die El Gharb-Ebene in ihren tief gelegenen, intensiv bewirtschafteten Zonen einem wiederkehrenden Risiko ausgesetzt ist. Die Forscher argumentieren, dass diese Detailtiefe für die Planung unerlässlich ist. Sie schlagen vor, dass das zukünftige Management sich auf den Bau besserer Wasserrückhaltesysteme konzentrieren, die Bodenkonservierung verbessern sollte, um den Abfluss zu verlangsamen, und diese Flutkarten nutzen sollte, um zu steuern, wo die Aussaat erfolgen sollte. Indem sie genau verstehen, wohin das Wasser fließt und wie viel Land es berührt, können Behörden und Landwirte bessere Entscheidungen treffen, um die Nahrungsmittelproduktion der Region vor dem nächsten unvermeidlichen Sturm zu schützen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.