{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5300023"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5300023","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Flood Analysis and Risk Assessment Using Synthetic Aperture Radar (SAR) Data In Google Earth Engine.","abstract":"Οι πλημμύρες αποτελούν μία από τις πιο καταστροφικές φυσικές καταστροφές, προκαλώντας συχνά σοβαρές κοινωνικοοικονομικές και περιβαλλοντικές επιπτώσεις. Η παρούσα διπλωματική εργασία επικεντρώνεται στη χρήση δεδομένων Ραντάρ Συνθετικού Διαφράγματος (SAR) μέσα από την πλατφόρμα Google Earth Engine (GEE) για την ανάλυση πλημμυρών και την αξιολόγηση του σχετικού κινδύνου. Τα δεδομένα SAR είναι ιδιαίτερα αποτελεσματικά για χαρτογράφηση πλημμυρών, καθώς έχουν τη δυνατότητα να διαπερνούν τα σύννεφα και να συλλέγουν δεδομένα ανεξαρτήτως καιρικών συνθηκών, κάτι που τα καθιστά ιδανικά για την παρακολούθηση γεγονότων όπως οι πλημμύρες, που συνήθως συνοδεύονται από έντονες βροχοπτώσεις και νεφοκάλυψη. Στόχος της μελέτης είναι ο εντοπισμός πλημμυρισμένων περιοχών, η εκτίμηση του εκτεθειμένου πληθυσμού και γεωργικής γης, καθώς και η συνολική αποτίμηση των επιπτώσεων σε αστικές περιοχές. Η μεθοδολογία βασίζεται σε μία αναλυτική διαδικασία 13 βημάτων, ξεκινώντας από τον ορισμό της Θεσσαλίας ως περιοχή μελέτης και την επιλογή δορυφορικών εικόνων SAR πριν και μετά τα πλημμυρικά γεγονότα. Η διαδικασία εφαρμόζεται για δύο κύρια πλημμυρικά συμβάντα που έλαβαν χώρα στη Θεσσαλία: την κακοκαιρία Daniel (2023) και τον Μεσογειακό Κυκλώνα Ιανό (2020). Βασικά βήματα περιλαμβάνουν την προεπεξεργασία δεδομένων, την ανίχνευση αλλαγών, τη βελτίωση της ακρίβειας του χάρτη πλημμύρας με τη χρήση βοηθητικών συνόλων δεδομένων και την εκτίμηση των επιπτώσεων σε πληθυσμό και χρήσεις γης. Τα δεδομένα Sentinel-1 SAR φιλτράρονται ως προς το χρονικό εύρος και την πόλωση για την ανίχνευση πλημμυρών, ενώ ακολουθεί επεξεργασία για την αφαίρεση ψευδώς θετικών περιοχών, αξιοποιώντας παγκόσμια σύνολα δεδομένων για νερά και υψομετρική πληροφορία. Η τελική πλημμυρική έκταση διασταυρώνεται με δεδομένα πληθυσμού και κάλυψης γης, ώστε να αξιολογηθεί ο αντίκτυπος τόσο στον ανθρώπινο παράγοντα όσο και στις γεωργικές δραστηριότητες. Τα αποτελέσματα δείχνουν ότι η πλημμυρική έκταση ανήλθε σε περίπου 70.000 εκτάρια για τον Daniel και 33.000 για τον Ιανό, ενώ οι ζημιές στις καλλιέργειες ξεπέρασαν τα 30.000 και 5.000 εκτάρια αντίστοιχα, με τις αστικές περιοχές να έχουν επίσης σημαντικές απώλειες. Μετά την ενσωμάτωση του συνόλου δεδομένων CORINE, τα νούμερα αυτά αυξήθηκαν περαιτέρω, υπογραμμίζοντας το μέγεθος αυτών των φυσικών καταστροφών. Συνολικά, η αξιοποίηση δεδομένων SAR στην πλατφόρμα GEE προσφέρει αποδοτική, μεγάλης κλίμακας χαρτογράφηση πλημμυρών και αξιολόγηση κινδύνου, συμβάλλοντας ουσιαστικά στη βελτιωμένη προετοιμασία και διαχείριση μελλοντικών καταστροφών.","abstract_html":"Οι πλημμύρες αποτελούν μία από τις πιο καταστροφικές φυσικές καταστροφές, προκαλώντας συχνά σοβαρές κοινωνικοοικονομικές και περιβαλλοντικές επιπτώσεις. Η παρούσα διπλωματική εργασία επικεντρώνεται στη χρήση δεδομένων Ραντάρ Συνθετικού Διαφράγματος (SAR) μέσα από την πλατφόρμα Google Earth Engine (GEE) για την ανάλυση πλημμυρών και την αξιολόγηση του σχετικού κινδύνου. Τα δεδομένα SAR είναι ιδιαίτερα αποτελεσματικά για χαρτογράφηση πλημμυρών, καθώς έχουν τη δυνατότητα να διαπερνούν τα σύννεφα και να συλλέγουν δεδομένα ανεξαρτήτως καιρικών συνθηκών, κάτι που τα καθιστά ιδανικά για την παρακολούθηση γεγονότων όπως οι πλημμύρες, που συνήθως συνοδεύονται από έντονες βροχοπτώσεις και νεφοκάλυψη. Στόχος της μελέτης είναι ο εντοπισμός πλημμυρισμένων περιοχών, η εκτίμηση του εκτεθειμένου πληθυσμού και γεωργικής γης, καθώς και η συνολική αποτίμηση των επιπτώσεων σε αστικές περιοχές. Η μεθοδολογία βασίζεται σε μία αναλυτική διαδικασία 13 βημάτων, ξεκινώντας από τον ορισμό της Θεσσαλίας ως περιοχή μελέτης και την επιλογή δορυφορικών εικόνων SAR πριν και μετά τα πλημμυρικά γεγονότα. Η διαδικασία εφαρμόζεται για δύο κύρια πλημμυρικά συμβάντα που έλαβαν χώρα στη Θεσσαλία: την κακοκαιρία Daniel (2023) και τον Μεσογειακό Κυκλώνα Ιανό (2020). Βασικά βήματα περιλαμβάνουν την προεπεξεργασία δεδομένων, την ανίχνευση αλλαγών, τη βελτίωση της ακρίβειας του χάρτη πλημμύρας με τη χρήση βοηθητικών συνόλων δεδομένων και την εκτίμηση των επιπτώσεων σε πληθυσμό και χρήσεις γης. Τα δεδομένα Sentinel-1 SAR φιλτράρονται ως προς το χρονικό εύρος και την πόλωση για την ανίχνευση πλημμυρών, ενώ ακολουθεί επεξεργασία για την αφαίρεση ψευδώς θετικών περιοχών, αξιοποιώντας παγκόσμια σύνολα δεδομένων για νερά και υψομετρική πληροφορία. Η τελική πλημμυρική έκταση διασταυρώνεται με δεδομένα πληθυσμού και κάλυψης γης, ώστε να αξιολογηθεί ο αντίκτυπος τόσο στον ανθρώπινο παράγοντα όσο και στις γεωργικές δραστηριότητες. Τα αποτελέσματα δείχνουν ότι η πλημμυρική έκταση ανήλθε σε περίπου 70.000 εκτάρια για τον Daniel και 33.000 για τον Ιανό, ενώ οι ζημιές στις καλλιέργειες ξεπέρασαν τα 30.000 και 5.000 εκτάρια αντίστοιχα, με τις αστικές περιοχές να έχουν επίσης σημαντικές απώλειες. Μετά την ενσωμάτωση του συνόλου δεδομένων CORINE, τα νούμερα αυτά αυξήθηκαν περαιτέρω, υπογραμμίζοντας το μέγεθος αυτών των φυσικών καταστροφών. Συνολικά, η αξιοποίηση δεδομένων SAR στην πλατφόρμα GEE προσφέρει αποδοτική, μεγάλης κλίμακας χαρτογράφηση πλημμυρών και αξιολόγηση κινδύνου, συμβάλλοντας ουσιαστικά στη βελτιωμένη προετοιμασία και διαχείριση μελλοντικών καταστροφών.","abstract_has_math":false,"creators":["Παπαστεφάνου Ευάγγελος","Papastefanou Vaggelis"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:37:21Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5300023"],"render_values":[{"text":"uoadl:5300023","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5300023","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5300023","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5300023","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Παπαστεφάνου Ευάγγελος","Papastefanou Vaggelis"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5300023","https://pergamos.lib.uoa.gr/uoa/dl/object/5300023"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Οι πλημμύρες αποτελούν μία από τις πιο καταστροφικές φυσικές καταστροφές, προκαλώντας συχνά σοβαρές κοινωνικοοικονομικές και περιβαλλοντικές επιπτώσεις. Η παρούσα διπλωματική εργασία επικεντρώνεται στη χρήση δεδομένων Ραντάρ Συνθετικού Διαφράγματος (SAR) μέσα από την πλατφόρμα Google Earth Engine (GEE) για την ανάλυση πλημμυρών και την αξιολόγηση του σχετικού κινδύνου. Τα δεδομένα SAR είναι ιδιαίτερα αποτελεσματικά για χαρτογράφηση πλημμυρών, καθώς έχουν τη δυνατότητα να διαπερνούν τα σύννεφα και να συλλέγουν δεδομένα ανεξαρτήτως καιρικών συνθηκών, κάτι που τα καθιστά ιδανικά για την παρακολούθηση γεγονότων όπως οι πλημμύρες, που συνήθως συνοδεύονται από έντονες βροχοπτώσεις και νεφοκάλυψη. Στόχος της μελέτης είναι ο εντοπισμός πλημμυρισμένων περιοχών, η εκτίμηση του εκτεθειμένου πληθυσμού και γεωργικής γης, καθώς και η συνολική αποτίμηση των επιπτώσεων σε αστικές περιοχές. Η μεθοδολογία βασίζεται σε μία αναλυτική διαδικασία 13 βημάτων, ξεκινώντας από τον ορισμό της Θεσσαλίας ως περιοχή μελέτης και την επιλογή δορυφορικών εικόνων SAR πριν και μετά τα πλημμυρικά γεγονότα. Η διαδικασία εφαρμόζεται για δύο κύρια πλημμυρικά συμβάντα που έλαβαν χώρα στη Θεσσαλία: την κακοκαιρία Daniel (2023) και τον Μεσογειακό Κυκλώνα Ιανό (2020). Βασικά βήματα περιλαμβάνουν την προεπεξεργασία δεδομένων, την ανίχνευση αλλαγών, τη βελτίωση της ακρίβειας του χάρτη πλημμύρας με τη χρήση βοηθητικών συνόλων δεδομένων και την εκτίμηση των επιπτώσεων σε πληθυσμό και χρήσεις γης. Τα δεδομένα Sentinel-1 SAR φιλτράρονται ως προς το χρονικό εύρος και την πόλωση για την ανίχνευση πλημμυρών, ενώ ακολουθεί επεξεργασία για την αφαίρεση ψευδώς θετικών περιοχών, αξιοποιώντας παγκόσμια σύνολα δεδομένων για νερά και υψομετρική πληροφορία. Η τελική πλημμυρική έκταση διασταυρώνεται με δεδομένα πληθυσμού και κάλυψης γης, ώστε να αξιολογηθεί ο αντίκτυπος τόσο στον ανθρώπινο παράγοντα όσο και στις γεωργικές δραστηριότητες. Τα αποτελέσματα δείχνουν ότι η πλημμυρική έκταση ανήλθε σε περίπου 70.000 εκτάρια για τον Daniel και 33.000 για τον Ιανό, ενώ οι ζημιές στις καλλιέργειες ξεπέρασαν τα 30.000 και 5.000 εκτάρια αντίστοιχα, με τις αστικές περιοχές να έχουν επίσης σημαντικές απώλειες. Μετά την ενσωμάτωση του συνόλου δεδομένων CORINE, τα νούμερα αυτά αυξήθηκαν περαιτέρω, υπογραμμίζοντας το μέγεθος αυτών των φυσικών καταστροφών. Συνολικά, η αξιοποίηση δεδομένων SAR στην πλατφόρμα GEE προσφέρει αποδοτική, μεγάλης κλίμακας χαρτογράφηση πλημμυρών και αξιολόγηση κινδύνου, συμβάλλοντας ουσιαστικά στη βελτιωμένη προετοιμασία και διαχείριση μελλοντικών καταστροφών.","Flooding is one of the most devastating natural disasters, often resulting in severe socio-economic and environmental impacts. This thesis focuses on utilizing Synthetic Aperture Radar (SAR) data within Google Earth Engine (GEE) to conduct flood analysis and risk assessment. SAR data is particularly effective for flood mapping due to its ability to penetrate cloud cover and capture data under numerous weather conditions, making it ideal for monitoring events like floods, which often occur during heavy rainfall and clouded weather. The objective of this study is to identify flood-affected areas, estimate exposed populations and cropland, and evaluate the overall impact on urban regions. The methodology involves a comprehensive 13-step procedure starting with defining Thessaly as the area of interest and selecting pre- and post- flood SAR imagery. This process is implemented for two main flood incidents that occurred in the Thessaly region namely Storm Daniel (2023) and Medicane Ianos (2020). Key steps involve data preprocessing, change detection, refining flood extent using auxiliary datasets, and estimating affected population and land cover. Sentinel-1 SAR data is filtered for specific time frames and polarization to detect flood events and further refined by removing false positives using global water and terrain datasets. The flood extent is then intersected with population and land cover datasets to assess the impact on human communities as well as agriculture. Specifically, these results reveal a flood extent of around 70,000 hectares for Daniel and 33,000 for Ianos flood, while crop damages exceed 30,000 and 5,000 hectares respectively, with urban impact being also substantial. After the integration of the CORINE dataset, these numbers only went up, further highlighting the magnitude of these natural disasters. Ultimately, utilization of SAR data in the GEE enables for efficient, large-scale flood mapping and risk assessment, contributing to better disaster preparation and mitigation strategies."]},{"key":"dc:title","label":"Title","values":["Flood Analysis and Risk Assessment Using Synthetic Aperture Radar (SAR) Data In Google Earth Engine."]}]}],"canonical_facts":{"dc:creator":["Παπαστεφάνου Ευάγγελος","Papastefanou Vaggelis"],"dc:date":["2025"],"dc:description":["Οι πλημμύρες αποτελούν μία από τις πιο καταστροφικές φυσικές καταστροφές, προκαλώντας συχνά σοβαρές κοινωνικοοικονομικές και περιβαλλοντικές επιπτώσεις. Η παρούσα διπλωματική εργασία επικεντρώνεται στη χρήση δεδομένων Ραντάρ Συνθετικού Διαφράγματος (SAR) μέσα από την πλατφόρμα Google Earth Engine (GEE) για την ανάλυση πλημμυρών και την αξιολόγηση του σχετικού κινδύνου. Τα δεδομένα SAR είναι ιδιαίτερα αποτελεσματικά για χαρτογράφηση πλημμυρών, καθώς έχουν τη δυνατότητα να διαπερνούν τα σύννεφα και να συλλέγουν δεδομένα ανεξαρτήτως καιρικών συνθηκών, κάτι που τα καθιστά ιδανικά για την παρακολούθηση γεγονότων όπως οι πλημμύρες, που συνήθως συνοδεύονται από έντονες βροχοπτώσεις και νεφοκάλυψη. Στόχος της μελέτης είναι ο εντοπισμός πλημμυρισμένων περιοχών, η εκτίμηση του εκτεθειμένου πληθυσμού και γεωργικής γης, καθώς και η συνολική αποτίμηση των επιπτώσεων σε αστικές περιοχές. Η μεθοδολογία βασίζεται σε μία αναλυτική διαδικασία 13 βημάτων, ξεκινώντας από τον ορισμό της Θεσσαλίας ως περιοχή μελέτης και την επιλογή δορυφορικών εικόνων SAR πριν και μετά τα πλημμυρικά γεγονότα. Η διαδικασία εφαρμόζεται για δύο κύρια πλημμυρικά συμβάντα που έλαβαν χώρα στη Θεσσαλία: την κακοκαιρία Daniel (2023) και τον Μεσογειακό Κυκλώνα Ιανό (2020). Βασικά βήματα περιλαμβάνουν την προεπεξεργασία δεδομένων, την ανίχνευση αλλαγών, τη βελτίωση της ακρίβειας του χάρτη πλημμύρας με τη χρήση βοηθητικών συνόλων δεδομένων και την εκτίμηση των επιπτώσεων σε πληθυσμό και χρήσεις γης. Τα δεδομένα Sentinel-1 SAR φιλτράρονται ως προς το χρονικό εύρος και την πόλωση για την ανίχνευση πλημμυρών, ενώ ακολουθεί επεξεργασία για την αφαίρεση ψευδώς θετικών περιοχών, αξιοποιώντας παγκόσμια σύνολα δεδομένων για νερά και υψομετρική πληροφορία. Η τελική πλημμυρική έκταση διασταυρώνεται με δεδομένα πληθυσμού και κάλυψης γης, ώστε να αξιολογηθεί ο αντίκτυπος τόσο στον ανθρώπινο παράγοντα όσο και στις γεωργικές δραστηριότητες. Τα αποτελέσματα δείχνουν ότι η πλημμυρική έκταση ανήλθε σε περίπου 70.000 εκτάρια για τον Daniel και 33.000 για τον Ιανό, ενώ οι ζημιές στις καλλιέργειες ξεπέρασαν τα 30.000 και 5.000 εκτάρια αντίστοιχα, με τις αστικές περιοχές να έχουν επίσης σημαντικές απώλειες. Μετά την ενσωμάτωση του συνόλου δεδομένων CORINE, τα νούμερα αυτά αυξήθηκαν περαιτέρω, υπογραμμίζοντας το μέγεθος αυτών των φυσικών καταστροφών. Συνολικά, η αξιοποίηση δεδομένων SAR στην πλατφόρμα GEE προσφέρει αποδοτική, μεγάλης κλίμακας χαρτογράφηση πλημμυρών και αξιολόγηση κινδύνου, συμβάλλοντας ουσιαστικά στη βελτιωμένη προετοιμασία και διαχείριση μελλοντικών καταστροφών.","Flooding is one of the most devastating natural disasters, often resulting in severe socio-economic and environmental impacts. This thesis focuses on utilizing Synthetic Aperture Radar (SAR) data within Google Earth Engine (GEE) to conduct flood analysis and risk assessment. SAR data is particularly effective for flood mapping due to its ability to penetrate cloud cover and capture data under numerous weather conditions, making it ideal for monitoring events like floods, which often occur during heavy rainfall and clouded weather. The objective of this study is to identify flood-affected areas, estimate exposed populations and cropland, and evaluate the overall impact on urban regions. The methodology involves a comprehensive 13-step procedure starting with defining Thessaly as the area of interest and selecting pre- and post- flood SAR imagery. This process is implemented for two main flood incidents that occurred in the Thessaly region namely Storm Daniel (2023) and Medicane Ianos (2020). Key steps involve data preprocessing, change detection, refining flood extent using auxiliary datasets, and estimating affected population and land cover. Sentinel-1 SAR data is filtered for specific time frames and polarization to detect flood events and further refined by removing false positives using global water and terrain datasets. The flood extent is then intersected with population and land cover datasets to assess the impact on human communities as well as agriculture. Specifically, these results reveal a flood extent of around 70,000 hectares for Daniel and 33,000 for Ianos flood, while crop damages exceed 30,000 and 5,000 hectares respectively, with urban impact being also substantial. After the integration of the CORINE dataset, these numbers only went up, further highlighting the magnitude of these natural disasters. Ultimately, utilization of SAR data in the GEE enables for efficient, large-scale flood mapping and risk assessment, contributing to better disaster preparation and mitigation strategies."],"dc:identifier":["uoadl:5300023","https://pergamos.lib.uoa.gr/uoa/dl/object/5300023"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Flood Analysis and Risk Assessment Using Synthetic Aperture Radar (SAR) Data In Google Earth Engine."],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:37:21Z"}