Fusion of SAR and optical imagery for flood monitoring

Disasters, whether natural or man-made have become an issue of mounting concern all over the world. Natural disasters such as floods, earthquakes, landslides, cyclones, tsunamis and volcanic eruptions are phenomena that have devastating effects on infrastructure and property and often result in the loss of human lives. Floods are amongst the most prevalent natural disasters. The frequency with which floods occur, their magnitude, extent and the cost of damage are escalating all around the globe. Crisis Mapping of inundated regions is crucial for determining the flood extent, to plan the deployment of emergency response teams, and assessment of damages. The main aim of the thesis is to investigate flood mapping using Sentinel-1 and Sentinel-2. The presented method aims to improve the flood classification results from SAR and Optical Imagery by fusing them to limit the disadvantages in both types of imagery and in a way to complement each other when they are processed to obtain a better flood inundation map. The main objective of the thesis is an assessment of the influence of fusing SAR and Optical Imagery on flood classification accuracy. Two study cases have been considered. The results obtained from confusion matrices indicate enhancement in Overall Accuracy of ~5% and User’s Accuracy of more than 24%, for the considered study cases.

I disastri, naturali o provocati dall'uomo, sono una ragione di crescente preoccupazione in tutto il mondo. I disastri naturali come alluvioni, terremoti, frane, cicloni, tsunami ed eruzioni vulcaniche sono fenomeni che hanno effetti devastanti su infrastrutture e proprietà e spesso provocano la perdita di vite umane. Le alluvioni sono tra i disastri naturali più diffusi. La frequenza con cui si verificano le alluvioni, la loro entità, l’estensione e i danni stanno aumentando in tutto il mondo. La realizzazione di carte di emergenza delle regioni inondate è fondamentale per determinare l'estensione delle alluvioni e permettere il dispiegamento di squadre di pronto intervento e la valutazione dei danni. Lo scopo principale della tesi è indagare la mappatura delle alluvioni utilizzando Sentinel-1 e Sentinel-2. Il metodo presentato mira a migliorare i risultati della classificazione delle alluvioni da SAR e immagini ottiche fondendoli insieme per limitare gli svantaggi in entrambi i tipi di immagini e in modo da completarsi a vicenda. L'obiettivo principale della tesi è una valutazione dell'effeto della fusione di SAR e immagini ottiche sull'accuratezza della mappatura delle alluvioni. Sono stati analizzati due casi di studio. I risultati ottenuti indicano un miglioramento nell'accuratezza complessiva di ~ 5% e di oltre il 24% nell'accuratezza dell'utente per i casi di studio considerati.