Using satellite images to retrieve the river turbidity and water flow velocity for monitoring their influences on bridge substructures (Wykorzystanie zdjęć satelitarnych do określenia mętności wody oraz prędkości przepływu wody rzeki w celu monitorowania ich wpływu na podpory mostów)

Chinh, Luong Minh (2023) Using satellite images to retrieve the river turbidity and water flow velocity for monitoring their influences on bridge substructures (Wykorzystanie zdjęć satelitarnych do określenia mętności wody oraz prędkości przepływu wody rzeki w celu monitorowania ich wpływu na podpory mostów). Structure & Environment, 15 (2). pp. 63-72. ISSN 2081-1500 e-ISSN 2657-6902

Preview

Tekst Chinh_Using_SaE_2_2023.pdf Download (807kB) | Preview

Streszczenie

Turbidity is an important indicator of water quality in rivers, lakes, and coastal areas. Research on turbidity issues in these areas is significant not only for the development and utilization of water resources for aquaculture, tourism, and other purposes but also for assessing the level of silt (sand) in the river, allowing sediment alluvial to build up a bank of the river, and monitoring the degree of water corrosion in the bridge substructure. This allows for the building of an effective maintenance and conservation program for the bridge in response to climate change. Traditional methods have defined the turbidity of water in a local area, on a small scale. Interpolation errors of traditional methods for large areas may exceed over 20%. The use of remote sensing technology as Landsat-8 satellite images with a high geometric resolution of 30-meter multispectral channels allows us to estimate and distribute the water turbidity in a 30 × 30 m grid in detail. Using multi-temporal Landsat-8 data in 2014 and 2015 for modeling water turbidity of Tien and Hau rivers and coastal areas in South Vietnam, the obtained mean absolute error is approximately 20%, the Root Mean Square Error (RMSE) does not exceed 10 NTU. The models have a high coefficient of efficiency ME, approximately 90% (ME = 0.862), and the correlation coefficient R stronger than 90%. This allows an overall assessment of changes in water flow velocity concerning the amount of sediment in the river. (Mętność jest ważnym wskaźnikiem jakości wody w rzekach, jeziorach i obszarach przybrzeżnych. Badania nad tą kwestią są istotne nie tylko dla rozwoju i wykorzystania zasobów wodnych na potrzeby akwakultury, turystyki i innych celów, ale także dla oceny poziomu mułu (piasku) w rzece, pozwalającego osadom aluwialnym budowanie brzegu rzeki oraz monitorowanie stopnia korozji w podporach mostu. Umożliwi to opracowanie skutecznego programu konserwacji i utrzymania mostu w odpowiedzi na zmiany klimatyczne. Tradycyjne metody pozwalają określić mętność wody w obszarze lokalnym, w małej skali. Błędy interpolacji tradycyjnych metod do dużych obszarów mogą przekraczać 20%. Zastosowanie technologii teledetekcji w postaci zdjęć satelitarnych Landsat-8 o wysokiej rozdzielczości geometrycznej 30-metrowych kanałów wielospektralnych pozwala na szczegółowe oszacowanie i rozmieszczenie zmętnienia wody w siatce 30 × 30 m. Wykorzystując wieloczasowe dane Landsat-8 z lat 2014 i 2015 do modelowania zmętnienia wody rzek Tien i Hau oraz obszarów przybrzeżnych w południowym Wietnamie, uzyskany średni błąd bezwzględny wynosi około 20%, a średni błąd kwadratowy (RMSE) nie przekracza 10 NTU. Modele mają wysoki współczynnik efektywności ME, około 90% (ME = 0,862), a współczynnik korelacji R jest wyższy niż 90%, co stwarza możliwość dokonania ogólnej oceny zmian prędkości przepływu wody w odniesieniu do ilości osadów w rzece.)

Biblioteka Cyfrowa

Podgląd