The purpose of this thesis is to employ remote sensing to study lava flow products during
the 2014-2015 eruption at Holuhraun, Iceland. Multimodal remote sensing techniques and
datasets were applied and developed for three study themes (1) deriving thermal properties
from satellite infrared remote sensing, (2) differentiating lava surface using airborne
hyperspectral remote sensing, and (3) quantifying lava surface roughness from elevation
model acquired by airborne LiDAR.
In the first study, we present a new approach based on infrared satellite images to derive
thermal properties within the lava field during eruption and then compare the results with
field measurement during the 2014-2015 eruption at Holuhraun. We develop a new
spectral index for Landsat 8, named the thermal eruption index (TEI), based on the SWIR
and TIR bands (bands 6 and 10). The purpose of the TEI consists mainly of two parts: (i)
as a threshold for differentiating between different thermal domains; and (ii) to apply dualband
technique to determine the maximum subpixel temperature (Th) of the lava. Lava
surface roughness effects are accounted for by using the Hurst exponent (H), which is
estimated from radar backscattering profiles. A higher H (smooth surface) generates
thinner crust and high thermal flux meanwhile a lower H (rough surface) generates thicker
crust and lower thermal flux. The total thermal flux peak is underestimated compared to
other studies, although the trend shows good agreement with both field observation and
other studies.
In the second study, we focus on retrieving the lava surface types contributing to the signal
recorded by airborne hyperspectral at the very top surface of the 2014-2015 lava flow field
at Holuhraun. For this purpose, an airborne hyperspectral image acquired at Holuhraun
with an AisaFENIX sensor onboard a NERC (Natural Environment Research Council
Airborne Research Facility) campaign. For sub-pixel analysis, we used the sequential
maximum angle convex cone (SMACC) algorithm to identify the spectral image
endmembers and the linear spectral mixture analysis (LSMA) method was employed to
retrieve the abundances. SMACC and LSMA methods offer a fast selection for volcanic
product segregation. However, ground-truthing of spectra is recommended for future work.
In the third study, we perform both the topographic position index (TPI) and onedimensional
Hurst Exponent to derived lava flow unit roughness on the 2014-2015 lava
flow field at Holuhraun using both airborne LiDAR and photogrammetry topography
datasets. The roughness assessment was acquired from four lava flow features: (1) spiny
pāhoehoe, (2) lava pond, (3) rubbly pāhoehoe lava, and (4) inflated channel. The TPI
patterns on spiny lava and inflated channels show that the intermediate TPI values
correspond to a small slope indicating a flat and smooth surface. Lava pond is
characterized by low to high TPI values and forms a wave-like pattern. Meanwhile,
irregular transitions patterns from low to high TPI values characterize lava with rough
blocky surfaces, i.e. rubbly pāhoehoe to 'ā'a flows and lobes and their margins. These
lobes and margins may give the impression of having similar roughness as the ”rough”
surface on meters scale since this is an “apparent” roughness. On centimeters scale these
multitudes of lobes feature coherent and smooth surfaces because they are pāhoehoe. The
surface roughness of these lava features falls within the H range of 0.30 ± 0.05 to 0.76 ±
0.04. The rubbly pāhoehoe / 'ā'a has the roughest surface and the inflated lava channel
along with pāhoehoe feature the smoothest surfaces among these four surface types. In
general, the Hurst exponent values in the 2014-2015 lava field at Holuhraun has a strong
tendency in 0.5, which is compatible with results from other study of geological surface
roughness.
Overall, this project provides an important insights into the application of remote sensing
for monitoring and studying active lava flow fields and the techniques developed here will
benefit such work in future events.
Tilgangurinn með verkefninu var að rannsaka hraunrennsli og landform er urðu til í
eldgosinu norðan Vatnajökuls 2014-2015 og kennt við Holuhraun. Fjölþátta
fjarkönnunartækni og gögn úr gervitunglum og flugvélum voru nýtt við úrvinnslu
verkefnisins. Rannsóknin sneri að þremur megin þáttum: (1) greiningu á eðli
varmaútstreymis frá Holuhrauni, út frá innrauðri varmageislun sem mæld er með
gervitunglagögnum (2) aðgreining á mismunandi hraunyfirborði, út frá ofur-fjölrófs
mælingum úr lofti, og (3) greiningu og flokkun á yfirborðshrjúfleika Holuhrauns út frá
hæðarlíkani er aflað var með LiDAR settur upp í flugvél.
Fyrsti þáttur beindist að eðli varmaútstreymis á meðan á eldgosi stóð. Stuðst var við
gervitunglagögn og mælingar með FLIR tækni á meðan eldgosið stóð yfir. Afraksturinn er
nýr hitastuðull fyrir Landsat 8 og greiningu á eldgosum, (TEI). Hitastuðullinn TEI er
unninn út frá SWIR og TIR böndum Landsat 8 (bönd 6 og 10). Með TEI næst fram tvennt:
(i) að greina þröskuld milli tveggja hitasviða; og (ii) að beita tvíbanda tækni til að greina
hitastig innan hverrar myndeiningar (Th) af hrauninu. Hrjúfleiki hraunsins hefur áhrif á
varmaútstreymi, og er gert ráð fyrir honum með því að reikna Hurst veldisstuðulinn (H) og
eru reiknuð út frá radar endurkasti hraunyfirborðs. Hátt H einkennir flatt og mjúkt yfirborð
og þunna skorpu á hrauninu, á meðan að lágt H einkennir úfið yfirborð, þykka skorpu og
lága varmaútgeislun. Heildar varmaútgeislun með þessari aðferð er heldur vanmetin en
ofmetin í samanburði við aðrar aðferðir. Hinsvegar er góð fylgni með mælingum í
mörkinni og samanburðar aðferðum.
Annar hluti rannsóknarinnar sneri að túlkun ofur-fjölrófsgreininga á yfirborði Holuhrauns.
Flogið var yfir Holuhraun sumarið 2015 með ofur-fjölrófsmæli (AisaFENIX) um borð í
flugvél frá NERC (Natural Environment Research Council Airborne Research Facility).
Við greiningu á yfirborði innan hverrar myndeiningar var, (i) notast við aðferð
runubundins hámarkshorns kúptrar keilu (SMACC) til að finna útmörk ofurrófs
mælinganna, (ii) blönduð línulega rófgreining (LSMA) var nýtt til að greina styrk eða
gnægð innan myndeiningar. SMACC og LSMA aðferðirnar bjóða upp á mjög hraða
greiningu á yfirborði og útfellingum efna á yfirborðið. Hins vegar þarf að gera fleiri
rófmælingar á staðnum, til þess að auka notkunnargetu aðferðarinnar í hraungosum
framtíðarinnar. Þriðji þáttur rannsóknarinnar sneri að því að greina landfræðilega stöðuvísitölu (TPI) og
einvíðan Hurst veldisvísi til að meta hrjúfleika á hinu endanlega yfirborði Holuhrauns. Við
þessa greiningu var notast við LiDAR mælingu af hrauninu og hæðagrunn unninn út frá
ljósmyndum. Hrjúfleikinn var metinn fyrir fjögur yfirborð sem einkenna hraunið: (1)
broddahraun „spiny pāhoehoe lava“, (2) hrauntjörn „lava pond“, (3) klumpahraun „rubbly
pāhoehoe lava“ og (4) upptjakkaða hrauntröð „inflated lava channel“. TPI fyrir yfirborð (1)
og (4) gefur meðalgildi sem einkennist af litlum halla og flötu yfirborði. Hrauntjörnin
einkennist af lágum og háum TPI gildum sem endurspegla bylgjukennt mynstur. Hinsvegar
einkennast hrjúfustu yfirborðin (3) og hraunjaðrar af óreglulegu mynstri lágra og hárra TPI
gilda. Hrjúfleika stuðull þessara yfirborða H, er á bilinu 0.30 ± 0.05 til 0.76 ± 0.04. Mestur
er hrjúfleiki kubbahrauna og minnstur er hrjúfleiki þandar hrauntraðar. Hurts veldisvísir
Holuhrauns er nærri 0.5, en það er í mjög góðu samræmi við niðurstöður fyrri rannsókna á
jarðfræðilegum yfirborðum.
Í heild gefur verkefnið mikilvæga sýn á notagildi fjarkönnunaraðferða við rauntímaeftirlit
með hraungosum, m.a. með þróun stuðla sem munu nýtast við atburði framtíðar. Þá voru
tengsl hraunmyndana við ýmsa eiginleika eldgosa skýrð, sem aftur getur gefið
vísbendingar um eðli fyrri atburða.
