Ytvatten (SW) är avgörande för liv, ekosystem och mänskliga aktiviteter, och fyller många funktioner från klimatreglering till att stödja biologisk mångfald och jordbruk. Det är mycket dynamiskt, påverkat av klimatförändringar, förändringar i markanvändningen och mänskliga ingrepp såsom dammkonstruktion, vilket gör övervakningen avgörande för effektiv förvaltning och bevarande.
Traditionella metoder för vattendetektering möter begränsningar, ofta saknas små eller säsongsbetonade kroppar. Framsteg inom fjärranalys erbjuder nya tekniker för detaljerad, storskalig vattenkartering, som betonar behovet av hög rumslig och tidsmässig upplösning för att fånga SW:s komplexa dynamik och stödja hållbara förvaltningsinsatser.
Forskare från Sun Yat-Sen University utvecklade NDWFI (Normalized Difference Water Fraction Index) med hjälp av Landsat och Spectral Mixture Analysis på Google Earth Engine, ett språng inom hydrologi. Denna metod förbättrar spårning av vattenförekomster, förbättrar vattensäkerheten mot extrema händelser.
Artikeln, publicerad i Journal of Remote Sensing den 21 februari 2024, betyder framsteg inom vattenförvaltning genom att integrera fjärranalys och miljövetenskap.
I den här studien utvecklade forskare NDWFI genom att använda Landsat-bilder och Spectral Mixture Analysis (SMA) inom ramen för Google Earth Engine. Tekniken testades noggrant över varierande terräng och uppvisade en anmärkningsvärd 98,2 % noggrannhet vid identifiering av vattenförekomster, en betydande förbättring jämfört med traditionella vattendetekteringsmetoder.
Användningen av mer än 11 000 Landsat-bilder underlättade skapandet av detaljerade ytvattenkartor för Jiangsu-provinsen, Kina, som visar NDWFI:s förmåga att urskilja även de minsta och mest övergående vattendragen. Denna metods förbättrade precision när det gäller att fånga invecklad vattenkroppsdynamik markerar ett avgörande framsteg inom området för hydrologisk övervakning och sätter en ny standard för vattenresursförvaltning och bevarandeinsatser över hela världen.
Professor Qian Shi, en huvudförfattare till studien, sa:"Vårt tillvägagångssätt med NDWFI förbättrar avsevärt noggrannheten för vattendetektering, särskilt för små och övergående vattenförekomster, som ofta förbises av traditionella metoder. Detta framsteg öppnar nya vägar för omfattande hydrologiska studier och vattenförvaltningsstrategier."
NDWFI-metoden ger ett betydande steg framåt inom miljöövervakning, och erbjuder en mer exakt och detaljerad förståelse av SW-dynamik. Denna metod förbättrar vattensäkerheten, stöder hållbar utveckling och hjälper till med anpassningen till klimatförändringar genom att tillhandahålla tillförlitliga data för vattenresursförvaltning och policyskapande.
Mer information: Yaotong Cai et al, Spatiotemporal Mapping of Surface Water Using Landsat Images and Spectral Mixture Analysis on Google Earth Engine, Journal of Remote Sensing (2024). DOI:10.34133/fjärranalys.0117
Tillhandahålls av TranSpread
