Logical Sum of NDWI & NDPI Data for Detecting Flooded Houses: A Case of Atbasar Town, 2017

2024

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1109/sist61555.2024.10629391
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

In this article, NDWI and NDPI data were considered to detect flooded houses hit by a spring flood in Atbasar town, in 2017. This study used remote sensing data Sentinel-2A and Landsat-8 to compute water radiometric indices and formation binary images. Binary images are flood maps generated by threshold values from NDWI and NDPI data and comprise two classes (legend): water body (black color); non-waterbody (white color). Various water indices data were visually analyzed, and the choice was made to Normalized Difference Water Index (NDWI) and Normalized Difference Pond Index (NDPI) as better. NDWI and NDPI data of Sentinel-2A and Landsat-8 were fused by logical summation. After that, this result was imposed on GIS data of Atbasar Town to define locations and number of flooded houses.