Praktisk session i fjärranalys (övningar)
PREVENT projektet
Start
Introduktion
Följande praktiska övningar är utformade för att integrera fjärranalysteknik i strategier för förebyggande och begränsning av katastrofer, i linje med de centrala målen för PREVENT-projektet.Varje övning fokuserar på verkliga tillämpningar av geografiska informationssystem (GIS) och analys av satellitbilder , vilket ger studenterna tekniska färdigheter inom rumslig analys, miljöövervakning och beslutsfattande för katastrofhantering.
Index
Övning 3
Mål
Övning 4
Övning 1
Övning 2
Mål
TDessa övningar syftar till att skapa en länk mellan akademisk forskning och yrkesutövning, och att utveckla kritiska problemlösnings-färdigheter och tekniska kompetenser som är nödvändiga för modern katastrofriskbedömning och planering av nödåtgärder. Kursens praktiska inriktning är utformad för att ge studenterna de färdigheter och kunskaper som krävs för att öka deras anställbarhet och bidra till deras samhällens förmåga att hantera kriser genom implementering av innovativa, teknikdrivna lösningar.
PREVENT – Förebyggande av naturkatastrofer med hjälp av djupgående teknik för avancerade läroplaner vid högskolor och universitet Praktisk session om fjärranalys (övningar)
Genom att arbeta med satellitdata från Sentinel-1- och Sentinel-2-uppdragen, tillsammans med digitala höjdmodeller (DEM) och GIS-programvara (Geographic Information System), får studenterna praktisk erfarenhet av att upptäcka och utvärdera miljöfaror, inklusive men inte begränsat till skogsbränder, översvämningar och jordskred.
Övning 1:
Studenterna kommer att analysera effekterna av skogsbränder med hjälp av vegetationsindex (NDVI) för att upptäcka områden som har brunnit och bedöma de drabbade ekosystemen. Denna analys stöder PREVENT-målet att bedöma och reagera på risken för skogsbränder.
Sentinel-2-databehandling, NDVI-beräkning, GIS-kartläggning, klassificering av brända områden
länk
Övning 2:
Syftet med denna övning är att ge studenterna de nödvändiga färdigheterna för att bearbeta SAR-data (syntetisk aperturradar) för detektering av översvämningar. Initiativet är i linje med PREVENT:s övergripande mål att förbättra övervakningen av översvämningar genom användning av fjärranalys teknik.
SAR-datatolkning, GIS-gränsvärden för vattenavkänning, kartläggning av översvämningens omfattning
länk
Övning 3:
Studenterna får undervisning i utvärdering av områden som är utsatta för jordskred genom tillämpning av topografisk analys och vegetationsindex, vilket bidrar till PREVENT:s mål, nämligen att tillhandahålla system för tidig varning och förutsäga faror.
DEM-bearbetning, lutnings-/aspektanalys, NDVI-baserad bedömning av vegetationens hälsa
link
Övning 4:
Användningen av geografiska informationssystem (GIS) för rumslig analys av studenter syftar till att fastställa de mest lämpliga platserna för placering av skogsobservationstorn. Denna metod förväntas bidra till förbättrade insatser för brandförebyggande och tidig upptäckt, vilket direkt stödjer målen för PREVENT.
Analys av terrängens synlighet, tillämpning av buffertzoner, modellering av områdets lämplighet
link
01
Övning 1: Identifiering av brända områden med hjälp av NDVI (Sentinel-2-data)
01
Mål
Denna övning introducerar studenterna till satellitbaserad bedömning av skogsbränder med hjälp av Normalized Difference Vegetation Index (NDVI). Genom att analysera Sentinel-2-bilder kommer studenterna att upptäcka bränd vegetation, kvantifiera skadorna och visualisera de drabbade områdena. Denna process hjälper till vid övervakning efter brand och återuppbyggnadsplanering, vilket direkt stöder PREVENT:s mål att integrera fjärranalys för att förebygga katastrofer. NDVI är ett numeriskt index som används för att mäta vegetationens hälsa i ett område. Det baseras på reflektioner av strålning i de röda (Red) och nära infraröda (NIR) våglängderna:
- Rött (B04): Vegetationens absorption
- NIR (B08): Vegetationens reflektion
NDVI beräknas med hjälp av följande formel: NDVI=(NIR-RED)(NIR+RED)NDVI=(NIR+RED)(NIR-RED).NDVI-värden nära 1 indikerar frisk vegetation. NDVI-värden nära 0 eller negativa indikerar brist på vegetation (t.ex. brända områden, bar mark).
Förväntade resultat
- Förstå hur NDVI kan användas för att upptäcka bränd vegetation. - Få praktisk erfarenhet av Sentinel-2-databehandling. - Lär dig tröskelvärdestekniker för katastrofkartläggning. - Utveckla GIS-baserade analysfärdigheter för riskbedömning av skogsbränder.
Nödvändiga verktyg
Sentinel-2 data
QGIS
Du kan ladda ner nödvändiga data från länken nedan
Du kan ladda ner applikationen från länken nedan
Steg för att genomföra övning 1
Steg 1
Steg 3
Steg 2
Steg 4
Steg 5
Steg 7
Steg 6
02
Övning 2: Analys av översvämningar med hjälp av Sentinel-1 SAR-data
02
Mål
Denna övning introducerar studenterna till analys med syntetisk aperturradar (SAR) för att upptäcka och analysera översvämmade områden. Med hjälp av Sentinel-1 SAR-data kommer studenterna att identifiera regioner som drabbats av översvämningar, mäta omfattningen av översvämningen och skapa en karta över översvämningsrisken. Förmågan att upptäcka översvämningar trots molntäcke och nattliga förhållanden gör SAR-tekniken till ett viktigt verktyg i katastrofhantering, vilket ligger i linje med PREVENT-projektets mål att integrera djupteknik för tidiga varningssystem. Vad är SAR-data?SAR-data bygger på radar för att registrera reflektioner från jordytan. Ytor som är täckta av vatten har låg reflektionsförmåga, medan andra ytor (som jord eller vegetation) har hög reflektionsförmåga.
Förväntade resultat
- Lära sig att bearbeta Sentinel-1 SAR-data för detektering av översvämningar.- Förstå hur SAR kan tränga igenom moln och detektera vattendrag.- Tillämpa GIS-tekniker för att skapa översvämningsriskkartor.- Få erfarenhet av katastrofriskbedömning och beredskapsplanering.
Nödvändiga verktyg
Sentinel-2 data
QGIS
Du kan ladda ner nödvändiga data från länken nedan
Du kan ladda ner applikationen från länken nedan
Steg för att genomföra övning 2
Steg 1
Steg 3
Steg 2
Steg 4
Steg 5
Steg 6
03
Övning 3: Landslide Risk Assessment Using DEM & Sentinel-2
03
Mål
Denna övning utbildar studenter i riskbedömning av jordskred genom att integrera digitala höjdmodeller (DEM) och Sentinel-2-vegetationsdata (NDVI). Genom att analysera terrängens lutning, läge och vegetationstäcke kommer studenterna att identifiera områden som är utsatta för jordskred och skapa en riskkarta. Detta tillvägagångssätt stöder PREVENT-projektets mål att använda djupgående teknik för att förebygga naturkatastrofer genom att utveckla analytiska färdigheter för terrängriskmodellering och riskprognoser.
Förväntade resultat
- Lära sig att bedöma risken för jordskred med hjälp av terräng- och vegetationsdata.- Förvärva färdigheter i DEM-bearbetning och NDVI-analys.- Förstå hur terrängens lutning, läge och vegetationsförlust bidrar till jordskred.- Utveckla GIS-baserade modeller för jordskredsprognoser och riskbedömning.
Nödvändiga verktyg
Sentinel-2 data
QGIS
Du kan ladda ner nödvändiga data från länken nedan
Du kan ladda ner applikationen från länken nedan
Steg för att genomföra övning 3
Steg 1
Steg 3
Steg 2
Steg 4
Steg 5
Steg 6
04
Övning 4: Optimal Placement of Forest Observation Towers Using GIS
04
Mål
Denna övning fokuserar på rumslig analys för förebyggande av skogsbränder genom att identifiera optimala platser för observationstorn i skogen. Med hjälp av DEM, marktäcksdata (CORINE) och vägnät (OpenStreetMap) ska studenterna fastställa lämpliga platser som maximerar synlighet och tillgänglighet. Denna övning stöder PREVENT-projektets mål att utnyttja geospatial analys för katastrofförebyggande och system för tidig varning.
Förväntade resultat
- Lära sig hur man tillämpar rumslig analys för att förebygga skogsbränder.- Förvärva färdigheter i GIS-baserad platsval.- Förstå bufferttekniker för tillgänglighet och resurshantering.- Utveckla modeller för synlighetsanalys för planering av brandövervakning.
Nödvändiga verktyg
QGIS
CORINE
OpenStreetMap
Sentinel-2 data
Du kan ladda ner applikationen från länken nedan
Landtäcksdata för att extrahera skogsområden
Lager för vägar och vattendrag
Du kan ladda ner nödvändiga data från länken nedan
Steg för att genomföra övning 4
Steg 1
Steg 3
Steg 2
Steg 4
Steg 5
Steg 6
Kursen är klar!
SAR-databehandling
Översvämmade områden har låg reflektivitet (mörka värden) i SAR-data. Skillnaden mellan före och efter översvämningen kan avslöja översvämmade områden. Procedur:
1. Öppna Raster Calculator.
2. Beräkna skillnaden mellan de två bilderna: Kopiera koden "After@1" - "Before@1"
3. Spara resultatet som Flood_Difference.tif.
Synlighetsanalys
1. Gå till Raster > Terrain Analysis > Viewshed.
2. Definiera koordinaterna för möjliga observatorielägen utifrån resultatet. 3. Spara som Visibility_Analysis.tif.
Kartografiskt överlägg
Kombinera ovanstående kriterier:
• Öppna Raster Calculator:
Kopiera koden ("High_Elevation@1" = 1) AND ("Low_Slope@1" = 1) AND
("Road_Buffer@1" = 1) AND ("Forest_Area@1" = 1)
• Spara som Fire_Tower_Locations.tif.
Introduction to QGIS
1. Open QGIS.
2. Go to Layer > Add Raster Layer.
3. Enter the Sentinel-1 data:
o Before (before the flood): the relevant file.
o After (after the flood): the corresponding file4. Make sure they are displayed correctly.
Beräkning av arean
1. Gå till Raster > Zonal Statistics.
2. Beräkna arealen av riskområden (i hektar).
NDVI bärekningar
NDVI är ett vegetationsindex som beräknas som:
NDVI=(NIR-RED)(NIR+RED)NDVI=(NIR+RED)(NIR-RED)
Procedur:
1. Öppna Raster Calculator:
o Ange ekvation:
Kopiera koden ("B08@1" - "B04@1") / ("B08@1" + "B04@1")
o Spara som NDVI.tif:2. Använd tröskelvärden (t.ex. NDVI < 0,3) för att identifiera områden med låg vegetation..
Datainsamling
1. DEM (Digital Terrain Model):
o Gå till Copernicus DEM Hub.
o Ladda ner DEM-data för det område som är av intresse (t.ex. Pindos).2. CORINE Landanvändning:
o Gå till Copernicus Land Monitoring Service.
o Ladda ner CORINE-data för din region.
3. Vägnät och hydrografiskt nätverk:
o Ladda ner data från OpenStreetMap:
▪ För vägar: Använd QuickOSM verktyg i QGIS.
▪ För hydrografiskt nätverk: Upprepa samma procedur.
Skapa en riskkarta
1. Gå till Project > New Print Layout.
2. Skapa en karta:
o Visa områden med risk för jordskred.
o Lägg till anteckning, titel och skala.
3. Exportera kartan som en PDF fil.
Identifiering av översvämmade områden
Tröskelvärden kan användas för att identifiera översvämmade områden utifrån skillnaden i reflektivitet. Procedur:
1. Öppna Raster Calculator igen. 2. Ange ekvation: Kopiera koden ("Flood_Difference@1" < -5) * 1 + ("Flood_Difference@1" >= -5) * 0
o Värde 1: Översvämmade områden.
o Värde 0: Icke-översvämmade områden.
3. Spara resultatet som Flooded_Areas.tif.
Ladda ner data
1. Gå till Copernicus Data Space Ecosystem . 2. Skapa ett konto (om du inte redan har ett). 3. Sök efter Sentinel-2-data för Marathon-området: o Områdeskoordinater: ▪ Nordlig latitud: 38.15°N ▪ Sydlig latitud: 38.05°N ▪ Östlig longitud: 24.05°E ▪ Västlig longitud: 23.95°E o Datum: ▪ Före branden: 1 juli 2024 ▪ Efter branden: 20 augusti 2024 o Här är Sentinel-2 Level-2A-produkten. o Filter för <10 % molntäcke. 4.Ladda ner band B04 (rött) och B08 (nära infrarött).
här
Identifiering av brända områden
1. Tillämpa tröskelvärden för brända områden:
o Öppen the Raster Calculator.
o Ange följande ekvation:
Kopiera koden ("NDVI_Change@1" < -0.3) * 1 + ("NDVI_Change@1" >= -0.3) * 0
o Spara som Burned_Areas.tif.
2. Lägg in den nya rasterbilden på kartan.
o Brända områden har värdet 1.
Skapa lokaliseringskriterier
Altitud• Gå till Raster > Terrain Analysis > Slope och beräkna lutningen.
• Öppna sedan Raster Calculator:
Kopiera koden "DEM@1" > 500• Spara som High_Elevation.tif.
Marklutning• Från Slope-utdata, använd ett filter:
Kopiera koden "Slope@1" < 10• Spara som Low_Slope.tif.
Buffertbälten1. Gå till Vector > Geoprocessing Tools > Buffer.
o Lägg in en zon på 500 meter från vägar (Road_Buffer).o Definiera en zon 300 meter från det hydrografiska nätverket (Water_Buffer).
Ladda ner data
1. Gå till Copernicus Data Space Ecosystem. 2. Skapa ett konto (om du inte redan har ett). 3. Ange området av intresse (AOI):o Välj ett område som drabbats av översvämningar, t.ex. Evrosregionen.o Koordinater:
▪ Nordlig latitud: 41.25°N
▪ Sydlig latitud: 40.85°N
▪ Östlig longitud: 26.85°E
▪ Västlig longitud: 26.40°E
4. Ange tidsintervallet:
o Före översvämningen: 1 september 2024.
o Efter översvämningen: 10 september 2024.
5. Filtera data:
o Välj Sentinel-1 GRD (Ground Range Detected) data.
o Polaritet: VV eller VH.
6. Ladda ner filerna.
här
Skapa en karta
1. Gå till Project > New Print Layout.
2. Skapa en karta som innehåller:
o Översvämmade områden (blå färg).
o Teckenförklaring, titel (”Karta över översvämmade områden i Evros”), skala och datakälla.
3. Exportera kartan som PDF eller bild.
Beräkning av arealen av brända områden
1. Gå till Raster > Zonal Statistics.
2. Välj Burned_Areas.tif filen.
3. Beräkna den totala arealen av de brända områdena.
Jämför NDVI (variansanalys)
1. Öppna Raster Calculator igen.
2. Beräkna NDVI-skillnaden (efter - före):
o Ange ekvation:
Kopiera koden"NDVI_After@1" - "NDVI_Before@1"
o Spara resultet som NDVI_Change.tif.
3. Se den nya rasterbilden:
o Låga eller negativa värden indikerar förlust av vegetation (möjliga brända områden).
Ladda ner och importera data
1. DEM (Digital Terrain Model):
o Gå till Copernicus DEM Hub.
o Ladda ner data för den region som är av intresse, t.ex. Pindosregionen.2. Sentinel-2:
o Gå till Copernicus Data Space Ecosystem.
o Ladda ner B04 (rött) och B08 (NIR) band för NDVI beräkningar.
o Ange tidsintervall: före och efter kraftiga regnfall.3. Nederbördskartor:
o Ladda ner nederbördsdata (t.ex. WorldClim) för samma region.4. Importera data till QGIS:
o Gå till Layer > Add Raster Layer.
o Ange DEM och Sentinel-2 data.
Korrelation mellan data
Genom att kombinera lutning, orientering och NDVI kan vi skapa en karta över risken för jordskred.
Procedur:
1. Öppna Raster Calculator.
2. Ange ekvationen för risk för jordskred:
Kopiera koden ("Slope@1" > 30) * 1 + ("NDVI@1" < 0.3) * 1
3. Spara som Landslide_Risk.tif.
Importera data till QGIS
1. Öppna QGIS.
2. Gå till Layer > Add Raster Layer.
3. Ladda ner band B04 och B08:
o Före (före branden): ange band B04 och B08 för datumet 1 juli 2024.o Efter (efter branden): ange band B04 och B08 för datumet 20 augusti 20244. Se till att de visas korrekt på kartan.
Beräkning av översvämmade områden
1. Gå till Raster > Zonal Statistics.
2. Välj Flooded_Areas.tif filen.
3. Beräkna den totala arean av områden med värdet 1.
Skapa en karta
1. Gå till Project > New Print Layout.
2. Skapa en temakarta:
o Visa de föreslagna platserna. o Lägg till anteckning, titel och skala.3. Exportera kartan som en PDF eller bild.
NDVI beräkningar
1. Öppen Raster Calculator:
o Gå till Raster > Raster Calculator.
2. Beräkna NDVI för bilden före branden:o Ange ekvationen:
Kopiera koden ("B08@1" - "B04@1") / ("B08@1" + "B04@1")
o Save the result as NDVI_Before.tif.
3. Beräkna NDVI för bilden efter branden::
o Ange samma ekvation.
o Spara resultatet som NDVI_After.tif.
Lutnings- och orienteringsanalys
Lutning mäter markens branta höjd, medan aspekt visar i vilken riktning marken vetter. Procedur:
1. Gå till Raster > Terrain Analysis > Slope:
o Välj DEM filen.
o Spara som Slope.tif.
2. Gå till Raster > Terrain Analysis > Aspect:
o Välj DEM filen.
o Spara som Aspect.tif.
Förberedelse av data i QGIS
1. Öppna QGIS och ladda alla filer:
o Gå till Layer > Add Layer > Add Raster/Vector Layer.
o Ange DEM-, CORINE- och OpenStreetMap-data.
2. Processing av landanvändning:
o Filtrera skogsområdena (CORINE):
▪ Gå till Vector > Geoprocessing Tools > Vector > Geoprocessing
Tools > Extract by Attribute.
▪ Använd filter: Classes 311, 312, 313.
Visualisering & kartskapande
1. Öppna Project > New Print Layout.
2. Lägg till temakartan:
o Visa de brända områdena.
o Lägg till en fotnot, titel (”Brända områden i Marathon”), skala och datakälla.
3. Exportera kartan som PDF eller bild.
SWE - PREVENT Remote Sensing Practical Session (UOWM)
citizensinpower
Created on August 28, 2025
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Essential Course
View
Practical Course
View
Basic Interactive Course
View
Course 3D Style
View
Minimal Course
View
Neodigital CPD Course
View
Laws and Regulations Course
Explore all templates
Transcript
Praktisk session i fjärranalys (övningar)
PREVENT projektet
Start
Introduktion
Följande praktiska övningar är utformade för att integrera fjärranalysteknik i strategier för förebyggande och begränsning av katastrofer, i linje med de centrala målen för PREVENT-projektet.Varje övning fokuserar på verkliga tillämpningar av geografiska informationssystem (GIS) och analys av satellitbilder , vilket ger studenterna tekniska färdigheter inom rumslig analys, miljöövervakning och beslutsfattande för katastrofhantering.
Index
Övning 3
Mål
Övning 4
Övning 1
Övning 2
Mål
TDessa övningar syftar till att skapa en länk mellan akademisk forskning och yrkesutövning, och att utveckla kritiska problemlösnings-färdigheter och tekniska kompetenser som är nödvändiga för modern katastrofriskbedömning och planering av nödåtgärder. Kursens praktiska inriktning är utformad för att ge studenterna de färdigheter och kunskaper som krävs för att öka deras anställbarhet och bidra till deras samhällens förmåga att hantera kriser genom implementering av innovativa, teknikdrivna lösningar.
PREVENT – Förebyggande av naturkatastrofer med hjälp av djupgående teknik för avancerade läroplaner vid högskolor och universitet Praktisk session om fjärranalys (övningar)
Genom att arbeta med satellitdata från Sentinel-1- och Sentinel-2-uppdragen, tillsammans med digitala höjdmodeller (DEM) och GIS-programvara (Geographic Information System), får studenterna praktisk erfarenhet av att upptäcka och utvärdera miljöfaror, inklusive men inte begränsat till skogsbränder, översvämningar och jordskred.
Övning 1:
Studenterna kommer att analysera effekterna av skogsbränder med hjälp av vegetationsindex (NDVI) för att upptäcka områden som har brunnit och bedöma de drabbade ekosystemen. Denna analys stöder PREVENT-målet att bedöma och reagera på risken för skogsbränder.
Sentinel-2-databehandling, NDVI-beräkning, GIS-kartläggning, klassificering av brända områden
länk
Övning 2:
Syftet med denna övning är att ge studenterna de nödvändiga färdigheterna för att bearbeta SAR-data (syntetisk aperturradar) för detektering av översvämningar. Initiativet är i linje med PREVENT:s övergripande mål att förbättra övervakningen av översvämningar genom användning av fjärranalys teknik.
SAR-datatolkning, GIS-gränsvärden för vattenavkänning, kartläggning av översvämningens omfattning
länk
Övning 3:
Studenterna får undervisning i utvärdering av områden som är utsatta för jordskred genom tillämpning av topografisk analys och vegetationsindex, vilket bidrar till PREVENT:s mål, nämligen att tillhandahålla system för tidig varning och förutsäga faror.
DEM-bearbetning, lutnings-/aspektanalys, NDVI-baserad bedömning av vegetationens hälsa
link
Övning 4:
Användningen av geografiska informationssystem (GIS) för rumslig analys av studenter syftar till att fastställa de mest lämpliga platserna för placering av skogsobservationstorn. Denna metod förväntas bidra till förbättrade insatser för brandförebyggande och tidig upptäckt, vilket direkt stödjer målen för PREVENT.
Analys av terrängens synlighet, tillämpning av buffertzoner, modellering av områdets lämplighet
link
01
Övning 1: Identifiering av brända områden med hjälp av NDVI (Sentinel-2-data)
01
Mål
Denna övning introducerar studenterna till satellitbaserad bedömning av skogsbränder med hjälp av Normalized Difference Vegetation Index (NDVI). Genom att analysera Sentinel-2-bilder kommer studenterna att upptäcka bränd vegetation, kvantifiera skadorna och visualisera de drabbade områdena. Denna process hjälper till vid övervakning efter brand och återuppbyggnadsplanering, vilket direkt stöder PREVENT:s mål att integrera fjärranalys för att förebygga katastrofer. NDVI är ett numeriskt index som används för att mäta vegetationens hälsa i ett område. Det baseras på reflektioner av strålning i de röda (Red) och nära infraröda (NIR) våglängderna:
- Rött (B04): Vegetationens absorption
- NIR (B08): Vegetationens reflektion
NDVI beräknas med hjälp av följande formel: NDVI=(NIR-RED)(NIR+RED)NDVI=(NIR+RED)(NIR-RED).NDVI-värden nära 1 indikerar frisk vegetation. NDVI-värden nära 0 eller negativa indikerar brist på vegetation (t.ex. brända områden, bar mark).Förväntade resultat
- Förstå hur NDVI kan användas för att upptäcka bränd vegetation. - Få praktisk erfarenhet av Sentinel-2-databehandling. - Lär dig tröskelvärdestekniker för katastrofkartläggning. - Utveckla GIS-baserade analysfärdigheter för riskbedömning av skogsbränder.
Nödvändiga verktyg
Sentinel-2 data
QGIS
Du kan ladda ner nödvändiga data från länken nedan
Du kan ladda ner applikationen från länken nedan
Steg för att genomföra övning 1
Steg 1
Steg 3
Steg 2
Steg 4
Steg 5
Steg 7
Steg 6
02
Övning 2: Analys av översvämningar med hjälp av Sentinel-1 SAR-data
02
Mål
Denna övning introducerar studenterna till analys med syntetisk aperturradar (SAR) för att upptäcka och analysera översvämmade områden. Med hjälp av Sentinel-1 SAR-data kommer studenterna att identifiera regioner som drabbats av översvämningar, mäta omfattningen av översvämningen och skapa en karta över översvämningsrisken. Förmågan att upptäcka översvämningar trots molntäcke och nattliga förhållanden gör SAR-tekniken till ett viktigt verktyg i katastrofhantering, vilket ligger i linje med PREVENT-projektets mål att integrera djupteknik för tidiga varningssystem. Vad är SAR-data?SAR-data bygger på radar för att registrera reflektioner från jordytan. Ytor som är täckta av vatten har låg reflektionsförmåga, medan andra ytor (som jord eller vegetation) har hög reflektionsförmåga.
Förväntade resultat
- Lära sig att bearbeta Sentinel-1 SAR-data för detektering av översvämningar.- Förstå hur SAR kan tränga igenom moln och detektera vattendrag.- Tillämpa GIS-tekniker för att skapa översvämningsriskkartor.- Få erfarenhet av katastrofriskbedömning och beredskapsplanering.
Nödvändiga verktyg
Sentinel-2 data
QGIS
Du kan ladda ner nödvändiga data från länken nedan
Du kan ladda ner applikationen från länken nedan
Steg för att genomföra övning 2
Steg 1
Steg 3
Steg 2
Steg 4
Steg 5
Steg 6
03
Övning 3: Landslide Risk Assessment Using DEM & Sentinel-2
03
Mål
Denna övning utbildar studenter i riskbedömning av jordskred genom att integrera digitala höjdmodeller (DEM) och Sentinel-2-vegetationsdata (NDVI). Genom att analysera terrängens lutning, läge och vegetationstäcke kommer studenterna att identifiera områden som är utsatta för jordskred och skapa en riskkarta. Detta tillvägagångssätt stöder PREVENT-projektets mål att använda djupgående teknik för att förebygga naturkatastrofer genom att utveckla analytiska färdigheter för terrängriskmodellering och riskprognoser.
Förväntade resultat
- Lära sig att bedöma risken för jordskred med hjälp av terräng- och vegetationsdata.- Förvärva färdigheter i DEM-bearbetning och NDVI-analys.- Förstå hur terrängens lutning, läge och vegetationsförlust bidrar till jordskred.- Utveckla GIS-baserade modeller för jordskredsprognoser och riskbedömning.
Nödvändiga verktyg
Sentinel-2 data
QGIS
Du kan ladda ner nödvändiga data från länken nedan
Du kan ladda ner applikationen från länken nedan
Steg för att genomföra övning 3
Steg 1
Steg 3
Steg 2
Steg 4
Steg 5
Steg 6
04
Övning 4: Optimal Placement of Forest Observation Towers Using GIS
04
Mål
Denna övning fokuserar på rumslig analys för förebyggande av skogsbränder genom att identifiera optimala platser för observationstorn i skogen. Med hjälp av DEM, marktäcksdata (CORINE) och vägnät (OpenStreetMap) ska studenterna fastställa lämpliga platser som maximerar synlighet och tillgänglighet. Denna övning stöder PREVENT-projektets mål att utnyttja geospatial analys för katastrofförebyggande och system för tidig varning.
Förväntade resultat
- Lära sig hur man tillämpar rumslig analys för att förebygga skogsbränder.- Förvärva färdigheter i GIS-baserad platsval.- Förstå bufferttekniker för tillgänglighet och resurshantering.- Utveckla modeller för synlighetsanalys för planering av brandövervakning.
Nödvändiga verktyg
QGIS
CORINE
OpenStreetMap
Sentinel-2 data
Du kan ladda ner applikationen från länken nedan
Landtäcksdata för att extrahera skogsområden
Lager för vägar och vattendrag
Du kan ladda ner nödvändiga data från länken nedan
Steg för att genomföra övning 4
Steg 1
Steg 3
Steg 2
Steg 4
Steg 5
Steg 6
Kursen är klar!
SAR-databehandling
Översvämmade områden har låg reflektivitet (mörka värden) i SAR-data. Skillnaden mellan före och efter översvämningen kan avslöja översvämmade områden. Procedur: 1. Öppna Raster Calculator. 2. Beräkna skillnaden mellan de två bilderna: Kopiera koden "After@1" - "Before@1" 3. Spara resultatet som Flood_Difference.tif.
Synlighetsanalys
1. Gå till Raster > Terrain Analysis > Viewshed. 2. Definiera koordinaterna för möjliga observatorielägen utifrån resultatet. 3. Spara som Visibility_Analysis.tif.
Kartografiskt överlägg
Kombinera ovanstående kriterier: • Öppna Raster Calculator: Kopiera koden ("High_Elevation@1" = 1) AND ("Low_Slope@1" = 1) AND ("Road_Buffer@1" = 1) AND ("Forest_Area@1" = 1) • Spara som Fire_Tower_Locations.tif.
Introduction to QGIS
1. Open QGIS. 2. Go to Layer > Add Raster Layer. 3. Enter the Sentinel-1 data: o Before (before the flood): the relevant file. o After (after the flood): the corresponding file4. Make sure they are displayed correctly.
Beräkning av arean
1. Gå till Raster > Zonal Statistics. 2. Beräkna arealen av riskområden (i hektar).
NDVI bärekningar
NDVI är ett vegetationsindex som beräknas som: NDVI=(NIR-RED)(NIR+RED)NDVI=(NIR+RED)(NIR-RED) Procedur: 1. Öppna Raster Calculator: o Ange ekvation: Kopiera koden ("B08@1" - "B04@1") / ("B08@1" + "B04@1") o Spara som NDVI.tif:2. Använd tröskelvärden (t.ex. NDVI < 0,3) för att identifiera områden med låg vegetation..
Datainsamling
1. DEM (Digital Terrain Model): o Gå till Copernicus DEM Hub. o Ladda ner DEM-data för det område som är av intresse (t.ex. Pindos).2. CORINE Landanvändning: o Gå till Copernicus Land Monitoring Service. o Ladda ner CORINE-data för din region. 3. Vägnät och hydrografiskt nätverk: o Ladda ner data från OpenStreetMap: ▪ För vägar: Använd QuickOSM verktyg i QGIS. ▪ För hydrografiskt nätverk: Upprepa samma procedur.
Skapa en riskkarta
1. Gå till Project > New Print Layout. 2. Skapa en karta: o Visa områden med risk för jordskred. o Lägg till anteckning, titel och skala. 3. Exportera kartan som en PDF fil.
Identifiering av översvämmade områden
Tröskelvärden kan användas för att identifiera översvämmade områden utifrån skillnaden i reflektivitet. Procedur: 1. Öppna Raster Calculator igen. 2. Ange ekvation: Kopiera koden ("Flood_Difference@1" < -5) * 1 + ("Flood_Difference@1" >= -5) * 0 o Värde 1: Översvämmade områden. o Värde 0: Icke-översvämmade områden. 3. Spara resultatet som Flooded_Areas.tif.
Ladda ner data
1. Gå till Copernicus Data Space Ecosystem . 2. Skapa ett konto (om du inte redan har ett). 3. Sök efter Sentinel-2-data för Marathon-området: o Områdeskoordinater: ▪ Nordlig latitud: 38.15°N ▪ Sydlig latitud: 38.05°N ▪ Östlig longitud: 24.05°E ▪ Västlig longitud: 23.95°E o Datum: ▪ Före branden: 1 juli 2024 ▪ Efter branden: 20 augusti 2024 o Här är Sentinel-2 Level-2A-produkten. o Filter för <10 % molntäcke. 4.Ladda ner band B04 (rött) och B08 (nära infrarött).
här
Identifiering av brända områden
1. Tillämpa tröskelvärden för brända områden: o Öppen the Raster Calculator. o Ange följande ekvation: Kopiera koden ("NDVI_Change@1" < -0.3) * 1 + ("NDVI_Change@1" >= -0.3) * 0 o Spara som Burned_Areas.tif. 2. Lägg in den nya rasterbilden på kartan. o Brända områden har värdet 1.
Skapa lokaliseringskriterier
Altitud• Gå till Raster > Terrain Analysis > Slope och beräkna lutningen. • Öppna sedan Raster Calculator: Kopiera koden "DEM@1" > 500• Spara som High_Elevation.tif. Marklutning• Från Slope-utdata, använd ett filter: Kopiera koden "Slope@1" < 10• Spara som Low_Slope.tif. Buffertbälten1. Gå till Vector > Geoprocessing Tools > Buffer. o Lägg in en zon på 500 meter från vägar (Road_Buffer).o Definiera en zon 300 meter från det hydrografiska nätverket (Water_Buffer).
Ladda ner data
1. Gå till Copernicus Data Space Ecosystem. 2. Skapa ett konto (om du inte redan har ett). 3. Ange området av intresse (AOI):o Välj ett område som drabbats av översvämningar, t.ex. Evrosregionen.o Koordinater: ▪ Nordlig latitud: 41.25°N ▪ Sydlig latitud: 40.85°N ▪ Östlig longitud: 26.85°E ▪ Västlig longitud: 26.40°E 4. Ange tidsintervallet: o Före översvämningen: 1 september 2024. o Efter översvämningen: 10 september 2024. 5. Filtera data: o Välj Sentinel-1 GRD (Ground Range Detected) data. o Polaritet: VV eller VH. 6. Ladda ner filerna.
här
Skapa en karta
1. Gå till Project > New Print Layout. 2. Skapa en karta som innehåller: o Översvämmade områden (blå färg). o Teckenförklaring, titel (”Karta över översvämmade områden i Evros”), skala och datakälla. 3. Exportera kartan som PDF eller bild.
Beräkning av arealen av brända områden
1. Gå till Raster > Zonal Statistics. 2. Välj Burned_Areas.tif filen. 3. Beräkna den totala arealen av de brända områdena.
Jämför NDVI (variansanalys)
1. Öppna Raster Calculator igen. 2. Beräkna NDVI-skillnaden (efter - före): o Ange ekvation: Kopiera koden"NDVI_After@1" - "NDVI_Before@1" o Spara resultet som NDVI_Change.tif. 3. Se den nya rasterbilden: o Låga eller negativa värden indikerar förlust av vegetation (möjliga brända områden).
Ladda ner och importera data
1. DEM (Digital Terrain Model): o Gå till Copernicus DEM Hub. o Ladda ner data för den region som är av intresse, t.ex. Pindosregionen.2. Sentinel-2: o Gå till Copernicus Data Space Ecosystem. o Ladda ner B04 (rött) och B08 (NIR) band för NDVI beräkningar. o Ange tidsintervall: före och efter kraftiga regnfall.3. Nederbördskartor: o Ladda ner nederbördsdata (t.ex. WorldClim) för samma region.4. Importera data till QGIS: o Gå till Layer > Add Raster Layer. o Ange DEM och Sentinel-2 data.
Korrelation mellan data
Genom att kombinera lutning, orientering och NDVI kan vi skapa en karta över risken för jordskred. Procedur: 1. Öppna Raster Calculator. 2. Ange ekvationen för risk för jordskred: Kopiera koden ("Slope@1" > 30) * 1 + ("NDVI@1" < 0.3) * 1 3. Spara som Landslide_Risk.tif.
Importera data till QGIS
1. Öppna QGIS. 2. Gå till Layer > Add Raster Layer. 3. Ladda ner band B04 och B08: o Före (före branden): ange band B04 och B08 för datumet 1 juli 2024.o Efter (efter branden): ange band B04 och B08 för datumet 20 augusti 20244. Se till att de visas korrekt på kartan.
Beräkning av översvämmade områden
1. Gå till Raster > Zonal Statistics. 2. Välj Flooded_Areas.tif filen. 3. Beräkna den totala arean av områden med värdet 1.
Skapa en karta
1. Gå till Project > New Print Layout. 2. Skapa en temakarta: o Visa de föreslagna platserna. o Lägg till anteckning, titel och skala.3. Exportera kartan som en PDF eller bild.
NDVI beräkningar
1. Öppen Raster Calculator: o Gå till Raster > Raster Calculator. 2. Beräkna NDVI för bilden före branden:o Ange ekvationen: Kopiera koden ("B08@1" - "B04@1") / ("B08@1" + "B04@1") o Save the result as NDVI_Before.tif. 3. Beräkna NDVI för bilden efter branden:: o Ange samma ekvation. o Spara resultatet som NDVI_After.tif.
Lutnings- och orienteringsanalys
Lutning mäter markens branta höjd, medan aspekt visar i vilken riktning marken vetter. Procedur: 1. Gå till Raster > Terrain Analysis > Slope: o Välj DEM filen. o Spara som Slope.tif. 2. Gå till Raster > Terrain Analysis > Aspect: o Välj DEM filen. o Spara som Aspect.tif.
Förberedelse av data i QGIS
1. Öppna QGIS och ladda alla filer: o Gå till Layer > Add Layer > Add Raster/Vector Layer. o Ange DEM-, CORINE- och OpenStreetMap-data. 2. Processing av landanvändning: o Filtrera skogsområdena (CORINE): ▪ Gå till Vector > Geoprocessing Tools > Vector > Geoprocessing Tools > Extract by Attribute. ▪ Använd filter: Classes 311, 312, 313.
Visualisering & kartskapande
1. Öppna Project > New Print Layout. 2. Lägg till temakartan: o Visa de brända områdena. o Lägg till en fotnot, titel (”Brända områden i Marathon”), skala och datakälla. 3. Exportera kartan som PDF eller bild.