English

GEOCONDOR Landslide Detection for Rapid Mapping Using Sentinel-2

This project is aimed at detecting landslides using spatial data provided by the Sentinel-2 satellite in Sentinel Playground and EO Browser. Its aim is to facilitate landslide inventory and rapid mapping in disaster management.

“We are ending a really dramatic year in terms of natural disasters added to the COVID pandemic. An annual record has been set for the number of major storms forming in the Atlantic since 2005 when there were 28 named storms. There have been so many big storms in 2020 that meteorologists exhausted their list of English names and had to turn to the Greek alphabet, which quickly burned from Alpha to Eta and more recently Theta, bringing with it large losses due to floods and landslides.”

Rapid Mapping Landslides with Sentinel Hub

Earth Observation technologies are being increasingly utilized in disaster response situations. For example, to direct logistical and emergency support to areas affected by landslides and map the damage they have caused in order to plan for recovery. Mapping of risk areas and monitoring of landslides can be conducted using satellite and airborne imaging platforms, with new methodologies constantly being developed.

General Description of the Algorithm

The script for landslide detection for rapid mapping is based on the response of the Barren Soil Index BSI for the detection of the traces of the soil movements. The results allow us to extract the shapes of the landslides in the terrain and to calculate their direction of movement. In the same way, The script uses the NDWI, NDVI, and B11 for differentiating between water with sediment, built-up areas, barren areas, and vegetated areas.

Most of the pixels related to landslides present high BSI values (> 0.7), with high reflectivity in the B11 but less than 0.8 and with little presence of vegetation (NDVI less than 0.15).

The script returns an RGB combination, where the BSI is a red channel; the NDVI and B11 values to green and the NDWI to blue. Results show landslide zones in brown to orange tones; urbanized or built-up areas showed in orange to yellow; vegetation appears dark green (NDVI> 0.25). Finally, the water is blue with NDWI pixel values higher than 0.15, with some brown tones depending on the sediment load present.

High reflectivity of cloud pixels can be confused with bare soil, which is why the script includes a Cloud mask computed using the CLP (cloud probabilities) of s2cloudless, which is available at Sentinel Hub. The script that returns three bands (R/G/B and CLM) will result in a real image, as well as the fraction of cloudy pixels per each observation.

https://miro.medium.com/max/700/1*eDxsFS-gvHU4NRVdgRVvBQ.gif

The preliminary results showed that the use of BSI, NDVI and NDWI in combination with the B11 reflectance are sufficient to identify recent traces of soil movements useful for rapid mapping response during a disaster event.

https://miro.medium.com/max/700/1*5iyogWK0l7EMcOTMBmUKCg.gif

However, the use of the BSI index itself cannot characterize the landslide configurations on terrain, due to after landslide event, the spectral response changes shortly especially over zones with fast reactivation in the vegetation cover. Therefore, in order to improve the interpretation of the results, we recommend a temporal analysis (pre and post events) to get better outcomes of BSI values linked to landslide targets. These advances will be available in the next script version.

Landslide Hazard Response

Remote detection of landslides and erosion using optical imagery can be challenging due to the lack of unique spectral signatures associated with the mass movement. The presence of exposed soil or a change in vegetation can be identifying factors; however, these features are heterogeneous at all spatial scales. In old landslides, the ‘sharp’ features rapidly erode and with weathering and re-vegetation the distinctions become blurred. Often the only obvious visible feature remaining will be a slightly round scarp/head region and a hollow, which is difficult to see using satellite imagery.

It is also difficult to use single date spectral information to determine the scale of movement as this does not allow for observation of changes in the landscape. Contextual knowledge of the geology and soils of an area along with multi-temporal data can aid greatly in landslide identification using optical imagery.

Spanish

GEOCONDOR Mapeo rápido de deslizamientos de tierra con Sentinel Hub

Este proyectó, esta orientado ah detectar deslizamientos de tierra utilizando datos espaciales proporcionados por el satélite Sentinel-2 en Sentinel Playground y EO Browser . Su objetivo es facilitar el inventario de deslizamientos de tierra y el mapeo rápido en la gestión de desastres.

“Estamos terminando un año realmente dramático en términos de desastres naturales agregados a la pandemia de COVID. Se ha establecido un récord anual para el número de tormentas importantes que se forman en el Atlántico desde 2005, cuando hubo 28 tormentas con nombre. Ha habido tantas tormentas grandes en 2020 que los meteorólogos agotaron su lista de nombres en inglés y tuvieron que recurrir al alfabeto griego, que rápidamente se quemó de Alpha a Eta y más recientemente a Theta, trayendo consigo grandes pérdidas debido a inundaciones y deslizamientos de tierra ”.

Las tecnologías de observación de la Tierra se utilizan cada vez más en situaciones de respuesta a desastres. Por ejemplo, para dirigir el apoyo logístico y de emergencia a las áreas afectadas por deslizamientos de tierra y mapear los daños que han causado para planificar la recuperación . El mapeo de áreas de riesgo y el monitoreo de deslizamientos de tierra se pueden realizar utilizando plataformas de imágenes satelitales y aéreas, con nuevas metodologías en constante desarrollo.

Descripción general del algoritmo

El guión para la detección de deslizamientos de tierra para el mapeo rápido se basa en la respuesta del índice de suelo árido BSI para la detección de los rastros de los movimientos del suelo. Los resultados nos permiten extraer las formas de los deslizamientos de tierra en el terreno y calcular su dirección de movimiento. De la misma manera, el script usa el NDWI , NDVI y B11 para diferenciar entre agua con sedimentos, áreas edificadas, áreas estériles y áreas con vegetación.

La firma espectral de suelos desnudos asociados

Índice de suelo estéril BSI

La mayoría de los píxeles relacionados con deslizamientos presentan valores altos de BSI (> 0,7), con alta reflectividad en el B11 pero menor a 0,8 y con poca presencia de vegetación (NDVI menor a 0,15).

El script devuelve una combinación RGB, donde BSI es un canal rojo; los valores NDVI y B11 a verde y el NDWI a azul. Los resultados muestran zonas de deslizamientos de tierra en tonos de marrón a naranja; las áreas urbanizadas o edificadas se muestran de naranja a amarillo; la vegetación aparece de color verde oscuro (NDVI> 0,25). Finalmente, el agua es azul con valores de píxeles NDWI superiores a 0,15, con algunos tonos marrones según la carga de sedimentos presente.

Poner imagenes de google y luego de sentinel ejecutando el algoritmo

La alta reflectividad de los píxeles de la nube se puede confundir con el suelo desnudo, por lo que el script incluye una máscara de nube calculada utilizando el CLP (probabilidades de nube) de s2cloudless , que está disponible en Sentinel Hub. El script que devuelve tres bandas (R / G / B y CLM) dará como resultado una imagen real, así como la fracción de píxeles nublados por cada observación.

Los resultados se muestran de acuerdo con la imagen compuesta R: G: B donde el color amarillo representa suelos desnudos, mientras que los colores naranja y marrón están vinculados a suelos superficiales o deslizamientos de escombros, que han sufrido un movimiento de remoción o emplazamiento. En particular, para un deslizamiento de tierra activo, ambos colores coincidirán con la erosión vertical hacia el área proximal del deslizamiento de tierra (cabecera) o sobre los depósitos de talud.

https://miro.medium.com/max/700/1*eDxsFS-gvHU4NRVdgRVvBQ.gif

Los resultados preliminares mostraron que el uso de BSI, NDVI y NDWI en combinación con la reflectancia B11 son suficientes para identificar rastros recientes de movimientos del suelo útiles para una rápida respuesta cartográfica durante un desastre.

https://miro.medium.com/max/700/1*5iyogWK0l7EMcOTMBmUKCg.gif

Sin embargo, el uso del índice BSI en sí mismo no puede caracterizar las configuraciones de deslizamiento de tierra en el terreno, debido a que después del evento de deslizamiento de tierra, la respuesta espectral cambia en breve, especialmente en zonas con reactivación rápida en la cubierta vegetal. Por lo tanto, para mejorar la interpretación de los resultados, recomendamos un análisis temporal (pre y post eventos) para obtener mejores resultados de los valores de BSI vinculados a los objetivos de deslizamientos de tierra. Estos avances estarán disponibles en la próxima versión del script.

Respuesta al peligro de deslizamientos de tierra

La detección remota de deslizamientos de tierra y erosión mediante imágenes ópticas puede ser un desafío debido a la falta de firmas espectrales únicas asociadas con el movimiento de masas. La presencia de suelo expuesto o un cambio en la vegetación pueden ser factores identificativos; sin embargo, estas características son heterogéneas en todas las escalas espaciales. En los deslizamientos de tierra antiguos, las características 'afiladas' se erosionan rápidamente y con la meteorización y la revegetación las distinciones se vuelven borrosas. A menudo, la única característica visible obvia que queda será una región de escarpa / cabeza ligeramente redonda y un hueco, que es difícil de ver usando imágenes de satélite.

También es difícil utilizar información espectral de una sola fecha para determinar la escala de movimiento, ya que esto no permite la observación de cambios en el paisaje. El conocimiento contextual de la geología y los suelos de un área junto con los datos multitemporales pueden ser de gran ayuda en la identificación de deslizamientos de tierra mediante imágenes ópticas.

Custom scripts are a piece of Javascript code, used to visualize satellite imagery and to control what values the Sentinel Hub services

https://www.sentinel-hub.com/develop/custom-scripts/

Landslide Detection for Rapid Mapping

https://github.com/sentinel-hub/custom-scripts