Towards an automated SAR-based classification of water bodies

Abstract

Satellitengestützte Mikrowellen-Fernerkundung generell, und Synthetic Aperture Radar (SAR) im Besonderen, ist eine wichtige Datenquelle für die Klassifizierung von Wasserflächen. Auf Grund der mit Überschwemmungen oft einhergehenden Wolkendecke, sind Daten aus optischen Sensoren für die Kartierung von Überschwemmungsflächen oft unbrauchbar. Die Erfassung von SAR-Daten hingegen wird durch atmosphärische Bedingungen kaum beeinflusst. Das Ziel dieser Arbeit ist eine Untersuchung der Möglichkeiten und Grenzen einer automatisierten Kartierung von Überflutungen mit Hilfe von SAR. Zwei verschiedene Klassifizierungsansätze werden getestet: Die erste Methode basiert auf Otsu's Algorithmus (N. Otsu, 1979). Wasserflächen werden durch die automatische Berechnung eines Histogramm-Grenzwertes erkannt. Die zweite Methode basiert auf dem Konzept der "zeitlichen Stabilität" (Wagner et al., 2008), dabei wird der zeitliche und räumliche Zusammenhang von Radar-Rückstreuung verwendet um überflutete Flächen zu erkennen.<br />Beide Ansätze werden, unter Verwendung verschiedener Parameter, getestet und verglichen. Als Testgebiet dient der "River Severn", im Westen Groß Britanniens, und schwere Überschwemmungen die dort im Juli 2007 stattfanden. Die Ergebnisse, basierend auf der "zeitlichen Stabilität" von Radar Rückstreuung, übertreffen jene der Otsu Methode im Bezug auf Klassifizierungsgenauigkeit und Stabilität, ist allerdings kein historisches SAR-Datenarchiv verfügbar, bietet Otsu's Algorithmus eine gute Alternative zur Kartierung von Überschwemmungsflächen.<br />

Spaceborne microwave remote sensing in general and Synthetic Aperture Radar particularly is a valuable data source for water body classification. Due to it's insensitivity to atmospheric conditions it can be reliably used for flood delineation purposes, where - due to cloud cover - it often is impossible to acquire optical data. The objective of this thesis is to study the possibilities and limitations of automatically derived flooding maps, based on SAR-imagery. For that purpose two approaches for water body classification are compared: The first is based on Otsu's Algorithm (N. Otsu, 1979) which performs a histogram thresholding on the grey-level histogram from a single radar image. The second approach exploits the concept of temporal stability (Wagner et al., 2008), here the spatiotemporal relation between regional and local backscatter is exploited to detect flooding areas.<br />Both techniques are tested and optimised using different processing parameters. As a study area a major flooding of the river Severn is used which occurred in July 2007. The temporal stability approach exceeds Otsu's algorithm in terms of classification quality and robustness.<br />Albeit, if no historic data archive is available (the temporal stability approach is based on a time series analysis), Otsu's method can serve as an acceptable alternative.<br />