Umsetzung eines MODIS-basierten Prozessors zur Detektion von Flutflächen in Python

Um die Realisierbarkeit der Implementierung eines Hochwasserprozessors in der Programmiersprache Python und dessen Ergebnisse zu testen, wird im Rahmen dieser Arbeit ein Programm entwickelt, welches auf Basis des Klassifikationsprozesses nach Martinis et al. 2013 automatisch Flutflachen in MODIS-Aufnahmen erkennen soll. Die in diesem Sinne umgesetzte thematische Analyse der auf taglicher Basis empfangenen Aufnahmen mittlerer Auflosung des Moderate Resolution Imaging Spectroradiometer (MODIS) identifiziert potentielle Flutgebiete systematisch in einem kontinentalen Masstab. Das auf einem Entscheidungsbaum basierende Verfahren beinhaltet die Berechnung der spektralen Indizes Enhanced Vegetation Index (EVI), Land Surface Water Index (LSWI) und Difference Value between EVI and LSWI (DVEL), die Einbeziehung von Informationen bezuglich der Hohe, Steigung und stehender Gewasser des Gebietes sowie zwei Region Growing Prozessen. Der Gesamtprozess wird beispielhaft an zwei unterschiedlichen Szenen in Bosnien und Herzegowina 2014 und Russland 2013 getestet. Fur die Validierung der Ergebnisse kommen digitalisierte Flutmasken unter Verwendung von hochauflosenden Landsat-Aufnahmen zum Einsatz. Es zeigt sich, dass eine Umsetzung von Flutprozessoren in die Programmiersprache Python gut realisierbar ist. Durch die Validierung wird deutlich, dass die konkrete Implementierung grose Probleme in wolkenbedeckten und kleinskaligen Gebieten aufweist. Der Haupteinsatzbereich des vorgeschlagenen Prozessors liegt demnach klar in der groben und grosraumigen Detektion von Hochwasser und weniger in der naturgetreuen Abbildung von Flutszenarien.