Flood Detection and Cropland Damage Assessment Using Sentinel-1 SAR Time Series Multi-Source EO Data in the Sebou Basin, El Gharb plain, Morocco
Deze studie maakt gebruik van Sentinel-1 SAR tijdreeksgegevens met VV- en VH-polarisaties om een robuuste, op anomalieën gebaseerde methode voor detectie van overstromingen te ontwikkelen die effectief inundatie in kaart brengt en de schade aan landbouwgrond in het Marokkaanse Sebou-bekken beoordeelt, wat uiteindelijk bijdraagt aan gerichte risicobeheersstrategieën voor de El Gharb-vlakte.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Overstromingen zijn een natuurkracht die de menselijke geschiedenis heeft gevormd, maar in de moderne wereld wordt hun impact op de landbouw gemeten in verloren oogsten en bedreigde voedselzekerheid. Wanneer zware regenval valt op vlak, vruchtbaar land, kan het water zich snel verspreiden, waardoor gewassen verdrinken en productieve velden veranderen in tijdelijke meren. Voor boeren en overheden is het weten waar het water precies is en hoeveel schade het heeft aangericht cruciaal, maar het is vaak het moeilijkste om te bepalen. Traditionele camera's op satellieten kunnen niet door de dikke wolken kijken die meestal gepaard gaan met stormen, waardoor er een blinde vlek ontstaat precies wanneer monitoring het meest nodig is. Om dit op te lossen, hebben wetenschappers zich tot een ander soort oog gewend: radar. In tegenstelling tot optische camera's die vertrouwen op gereflecteerd zonlicht, sturen radarsystemen hun eigen microgolfsignalen uit en luisteren naar de echo. Deze signalen kunnen door wolken en duisternis dringen en weerkaatsen op de grond om te onthullen wat eronder ligt. Door te volgen hoe deze signalen in de loop van de tijd veranderen, kunnen onderzoekers onderscheid maken tussen droog land, natte bodem en stilstaand water, waardoor een chaotische natuurgebeurtenis verandert in een heldere, meetbare kaart.
In de Sebou-bekken in het noorden van Marokko, een regio bekend als de El Gharb-vlakte, werd deze technologie ingezet om een ernstige overstroming te begrijpen die toesloeg in de winter van 2025 en 2026. Dit gebied is een laag gelegen, vlak gebied met rijke alluviale bodem, intensief bebouwd met tarwe, olijven en citrusvruchten, wat het een vitale motor voor de voedselvoorziening van het land maakt. De vlakke topografie en de uitgebreide irrigatienetwerken maken het echter gevoelig voor wateraccumulatie wanneer zware regenval arriveert. Een team van onderzoekers van de Internationale Universiteit van Rabat en de Politecnico di Milano zette zich in om de omvang van de overstroming in kaart te brengen en, nog belangrijker, om exact te berekenen hoeveel landbouwgrond onder water stond. Ze maakten gebruik van gegevens van Sentinel-1, een Europese satelliet uitgerust met Synthetic Apertment Radar, die dag en nacht beelden van het aardoppervlak vastlegt, ongeacht het weer.
De onderzoekers keken niet simpelweg naar één enkele afbeelding die tijdens de overstroming is genomen. In plaats daarvan bouwden ze een tijdlijn van de condities in de regio. Ze begonnen met het analyseren van neerslaggegevens om de weken voorafgaand aan de ramp te identificeren, waarbij ze noteerden hoe de bodem steeds verzadigder werd. Vervolgens vergeleken ze radarbeelden die vóór de overstroming waren genomen met beelden van tijdens de piek van de inundatie. De kern van hun methode berustte op een fysisch principe: wanneer radarstromen een open wateroppervlak raken, kaatsen ze in een specifieke richting weg, wat een zeer donker signaal in de afbeelding creëert. Wanneer ze een ruwe grond of gewassen raken, kaatst het signaal sterker terug. Door het verschil in deze "backscatter" (terugverstrooiing) tussen de droge periode en de natte periode te meten, kon het team precies aanwijzen waar het water zich had verzameld. Ze besteedden speciale aandacht aan een specifiek type radarsignaal, bekend als cross-polarisatie, wat uitzonderlijk gevoelig bleek voor de aanwezigheid van water tussen vegetatie, wat hielp om ondergelopen gewassen te onderscheiden van droge velden die in andere soorten data vergelijkbaar zouden kunnen lijken.
Om de nauwkeurigheid van hun kaarten te waarborgen, paste het team een reeks logische filters toe. Ze wisten dat water niet tegen een helling op stroomt, dus gebruikten ze een digitale kaart van het terrein om gebieden met steile hellingen of hoge hoogtes uit te sluiten waar overstroming fysiek onmogelijk was. Deze stap elimineerde valse alarmen veroorzaakt door donkere plekken van kale grond of schaduwen die de computer anders zouden kunnen misleiden om te denken dat het water was. Zodra ze een zuivere kaart van de omvang van de overstroming hadden, legden ze deze over een gedetailleerde landgebruikskaart die elk stuk landbouwgrond in de regio identificeerde. Dit stelde hen in staat om het exacte oppervlak aan landbouwgrond dat onder water had gestaan te berekenen. De resultaten waren schrijndig: de overstroming besloeg in totaal ongeveer 207.112 hectare land. Van dat enorme gebied was bijna 149.000 hectare actieve landbouwgrond, wat een enorme klap betekende voor de lokale landbouweconomie.
De studie bekeek ook de nasleep door de radargegevens te vergelijken met beelden van een optische satelliet die zichtbaar licht en nabij-infrarood licht vastlegt. Door de "groenheid" van de vegetatie voor en na de overstroming te meten, vonden ze een duidelijke daling in de plantgezondheid precies op de plaatsen waar de radar water had gedetecteerd. Dit bevestigde dat de overstroming de velden niet alleen bedekte, maar de gewassen ook had gestrest, wat waarschijnlijk leidde tot aanzienlijk opbrengstverlies. De onderzoekers ontdekten dat de schade het grootst was in de laagst gelegen delen van de vlakte, waar water zich van nature verzamelt en traag wegstroomt. Ze observeerden dat de overstroming zich niet willekeurig verspreidde; het volgde de natuurlijke laag gelegen corridors van het riviersysteem en trof herhaaldelijk dezelfde kwetsbare zones.
Dit werk demonstreert dat radartechnologie, gecombineerd met slimme computeranalyse, een betrouwbaar, weerbestendig beeld kan geven van overstromingsrampen. Het team toonde aan dat door te focussen op hoe radarsignalen in de loop van de tijd veranderen in plaats van alleen naar een enkel momentopname te kijken, zij overstromingen met hoge precisie in kaart konden brengen, zelfs in complexe landbouwlandschappen. De bevindingen suggereren dat de El Gharb-vlakte een terugkerend risico loopt in haar laag gelegen, intensief bewerkte zones. De onderzoekers stellen dat dit niveau van detail essentieel is voor de planning. Zij stellen voor dat toekomstig beheer zich moet richten op het bouwen van betere waterretentiesystemen, het verbeteren van bodembehoud om afstroming te vertragen, en het gebruiken van deze overstromingskaarten om te begeleiden waar gewassen geplant moeten worden. Door precies te begrijpen waar het water heen gaat en welk land het raakt, kunnen autoriteiten en boeren betere beslissingen nemen om de voedselproductie van de regio te beschermen tegen de volgende onvermijdelijke storm.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.