Introduzione: La vista dall'alto

I gestori di acque remoti hanno trasformato fondamentalmente la nostra capacità di osservare e comprendere i corpi idrici della Terra, i laghi, i fiumi e gli oceani, da un punto di vista centinaia di chilometri sopra la superficie. Queste osservazioni forniscono dati preziosi per il monitoraggio dei cambiamenti ambientali, la gestione delle risorse di acqua dolce e la risposta efficace a disastri naturali come le inondazioni, la siccità e le tempeste costiere.

Tipi di corpi acquatici in immagini satellitari

I corpi idrici sulla Terra si manifestano in una varietà di forme e scale, ognuna delle quali presenta caratteristiche uniche quando vengono catturati dai sensori satellitari. Questi sensori forniscono risoluzioni spaziali che vanno da decine di metri (ad esempio, Landsat a 30 m, Sentinel-2 a 10 m) a diverse centinaia di metri (ad esempio, MODIS a 250–500 m).

Laghi

In immagini satellitari, i laghi appaiono generalmente come aree omogenee, aree scure[] attraverso bande visibili e quasi infrarotte (NIR) perché l'acqua assorbe fortemente le radiazioni solari, in particolare al di là delle lunghezze d'onda verdi. I confini dei laghi tendono a rimanere relativamente stabili sopra le variazioni di tempo di stagione, anche se possono

Grandi laghi, come il ]Grandi laghi] in Nord America, sono facilmente riconoscibili anche in immagini a risoluzione grossolana, mentre numerosi laghi più piccoli – come le migliaia di laghi glaciali sparsi attraverso il Plateau tibetano – richiedono sensori di risoluzione spaziale più elevati come il Sentinel-2 per una mappatura accurata.

Fiumi

I fiumi sono solitamente corpi d'acqua lineari o sinuosi che formano reti di drenaggio intricate attraverso i paesaggi. La loro identificazione sfrutta la loro forma allungata [ e il contrasto stark tra acqua e terra adiacente o vegetazione. La complessità morfologica deriva da canali intrecciati, meandri e caratteristiche della lamina di alluvione, che variano in base alle condizioni idrologiche e geologiche.

Le immagini satellitari possono rivelare non solo i principali canali fluviali, ma anche i flussi effimeri e le zone umide stagionali connesse al sistema fluviale. Nelle regioni aride e semiaride, i lettini a secco conosciuti come wadis possono essere scambiati per l'acqua a meno che le immagini temporali multiple siano analizzate per catturare gli eventi di flusso. Inoltre, i fiumi attivi spesso migrano in seguito, esero banche e depositano sedimenti; ripetuti osservazioni satellitari consentono il monitoraggio dei processi di conservazione di [chanFLT:0

Oceani e Acque costiere

Gli oceani coprono circa il 71% della superficie terrestre e sono caratterizzati da vaste e continue estese d’acqua. Nelle immagini satellitari, l’oceano aperto appare scuro nelle bande NIR a causa di un forte assorbimento, ma mostra diverse sfumature nelle bande visibili causate da fattori come la concentrazione di clorofilla, i sedimenti sospesi e la profondità dell’acqua.

Le zone costiere presentano ulteriori sfide a causa di acque basse, di complessi modelli d'onda, di influenze mareali e di pixel misti in cui la terra e l'acqua coesiste all'interno di un singolo pixel del sensore.

Metodi per identificare gli organismi acquatici

Gli scienziati del telerilevamento impiegano una serie di tecniche spettrali, statistiche e di machine learning per distinguere l'acqua da terra, vegetazione, aree integrate e altre caratteristiche. Il principio fondamentale che sottolinea questi metodi è che l'acqua possiede una firma spettrale distintiva: riflette fortemente nelle lunghezze d'onda visibili blu e verdi, ma assorbe fortemente nelle bande di separazione (NIR) e onde corte infrarate (SWIR) che permettono di coprire i pixel di contrasto.

Segnature e indici d'acqua

L'approccio più utilizzato consiste nel calcolare gli indici dell'acqua che sfruttano le differenze spettrali tra le bande. L'Indice di Differenza Nurmata (NDWI)[]] è un classico esempio, definito come:

NDWI = (Green – NIR) / (Green + NIR)]

L'acqua produce in genere valori positivi NDWI, mentre il suolo e la vegetazione producono valori negativi o vicino allo zero. Tuttavia, NDWI può essere meno efficace nelle aree urbane o ombreggiate. Per migliorare le prestazioni, la Modifica Normalized Difference Water Index (MNDWI)] sostituisce la banda NIR con la banda SWIR, riducendo i falsi positivi causati da superfici e ombre.

Un altro indice, il ]Indice di estrazione automatica dell'acqua (AWEI)[, incorpora bande spettrali multiple per ridurre al minimo gli errori delle commissioni, soprattutto nei paesaggi di ombra e complessi.

Molti prodotti di dati satellitari, come il []USGS Landsat Collection 2 prodotti di riflettanza superficiale[[]], includono indici di acqua pre-computati, facilitando la mappatura rapida della portata dell'acqua.

Per saperne di più sui prodotti di dati di Landsat Collection 2]

Sogliamento e classificazione

Dopo il calcolo di un indice d’acqua, viene applicata una classificazione binaria selezionando una soglia appropriata per distinguere l’acqua da pixel non d’acqua. Le soglie fissa (ad esempio NDWI > 0.0) funzionano bene per corpi d’acqua chiari e aperti ma spesso non riescono a condizioni di acqua in torbide o poco profonda.

I metodi di classificazione supervisionati come ] i classificatori di massima probabilità e le macchine vettoriali di supporto (SVM)[] utilizzano campioni di formazione per assegnare pixel alle categorie di acqua o terra in base alle caratteristiche spettrali e spaziali.

Apprendimento della macchina e Apprendimento profondo

Le reti neurali convoluzionali (CNN) e le architetture encoder-decoder come U-Net possono imparare modelli spaziali complessi e relazioni spettrali direttamente da grandi set di dati etichettati. Questi modelli eccellere nella gestione di pixel misti, ombre, contaminazioni cloud e geometrie complesse.

Ad esempio, il Global Surface Water Explorer[[]] sviluppato dal Centro comune di ricerca della Commissione europea integra algoritmi di machine learning con regole esperte per mappare l’insorgenza di acqua di superficie globale a 30 m di risoluzione dal 1984 al presente.

Esplora il set di dati dell'acqua di superficie globale.

Sfide comuni e strategie di mitigazione

Mentre il rilevamento remoto offre strumenti potenti per il rilevamento del corpo dell'acqua, diverse sfide possono ridurre l'accuratezza e complicare l'interpretazione.

Copertura e ombre del cloud

Le nuvole e le loro ombre spesso oscurano la superficie terrestre in immagini ottiche satellitari, rendendo i corpi d'acqua invisibili o causando confusione a causa di pixel scuri. Tali ostruzioni portano a falsi negativi[] (acqua mancata) e false positives]] (ombra mal classificata come acqua).

Le strategie di migrazione includono:

  • Utilizzando i dati radar di apertura sintetica (SAR), che possono penetrare le nuvole e fornire informazioni di superficie indipendentemente dal tempo.
  • Combinando immagini temporali multiple per colmare lacune causate dalle nuvole, spesso attraverso tecniche compositive o analisi delle serie temporali.
  • Applicare maschere nube e ombre come l'algoritmo Fmask[] per escludere pixel contaminati prima della classificazione.

La missione Sentinel-1 SAR[[[] svolge un ruolo fondamentale nella mappatura delle inondazioni e nel rilevamento del corpo idrico nelle regioni persistentemente nuvolose fornendo funzionalità di imaging on-weather, day e night.

Acqua di Turbo e di Sedimento-Laden

I corpi idrici con alte concentrazioni di sedimenti sospesi, fioriture di alghe o materiali organici disciolti presentano caratteristiche spettrali alterate. Ad esempio, le prugne di fiume ricche di sedimenti riflettono più nella banda NIR, causando valori NDWI a cadere sotto le tipiche soglie d'acqua e con conseguente malclassificazione come terra.

Per affrontare questo, indici specializzati sintonizzati alla torbidità, come [AWEI sh[], o metodologie multi-temporali che catturano le condizioni di chiaro-sky durante i periodi di basso flusso sono impiegati. Inoltre, i classificatori supervisionati formati su campioni di acqua rappresentativi locali possono adattarsi a diverse proprietà ottiche in diversi corpi idrici.

Ghiaccio e neve

Le superfici congelate, come il ghiaccio del lago, il ghiaccio marino e le aree innevate, si rifanno fortemente alle bande NIR e visibili, facendole assomigliare a pixel terrestri o cloud e a indici d'acqua standard confondati.

Il ghiaccio differenziato dall'acqua richiede ulteriori fonti di dati come immagini a infrarossi termici (dove il ghiaccio appare più freddo) o dati a posteriori SAR (dove il ghiaccio mostra firme di rugosità distintive). Sensori a microonde passivi[] come AMSR2 forniscono informazioni preziose per il monitoraggio del ghiaccio marino su larga scala grazie alla loro sensibilità alle caratteristiche del ghiaccio indipendentemente dalla copertura del cloud.

Pixel misti e acqua sub-piscina

I sensori di risoluzione spaziale grossolana (ad esempio, MODIS con 250-500 m di pixel) spesso catturano pixel misti contenenti combinazioni di acqua, terra, vegetazione o aree di costruzione. La classificazione binaria semplice è insufficiente in tali casi, potenzialmente portando a sottovalutare la portata dell'acqua, specialmente per fiumi stretti, piccoli stagni o zone umide frammentate.

Le tecniche di unmixing [[[]] decomponeno i pixel misti in coperture frazionarie di materiali costituenti, permettendo la stima della proporzione di acqua in ogni pixel. Mentre i sensori di risoluzione superiore come Landsat e Sentinel-2 riducono gli effetti dei pixel misti, le sfide persistono lungo le coste complesse e negli ambienti umidi eterogenei.

Dinamica temporanea

I corpi idrici sono intrinsecamente dinamici, influenzati dalle inondazioni stagionali, dalle operazioni di serbatoio, dalla variabilità delle precipitazioni e dai cicli di marea. Un'immagine satellitare singola cattura solo una istantanea temporale, che non può rappresentare condizioni tipiche.

Analisi delle serie temporali in più anni, come i prodotti Ricorrenza dell'acqua a base di terra[[], quantificare la frequenza e la durata della presenza dell'acqua, distinguendo laghi permanenti da zone umide e distese effimere.

Applicazioni di rilevamento del corpo dell'acqua satellitare

L'identificazione accurata e il monitoraggio degli enti idrici dallo spazio costituiscono un ampio spettro di ricerca scientifica, gestione ambientale e decision-making operativo.

Gestione delle risorse idriche e idrologiche

Mapping the spazialiwide of lakes, tanks e rivers nel tempo consente ai gestori delle risorse idriche di monitorare cambiamenti di stoccaggio[] e pianificare la siccità o la carenza di acqua. Ad esempio, Landsat imagery è stato determinante nel monitoraggio dei drastici calo del livello dell'acqua nel bacino del fiume Colorado

Combinando i dati della superficie con le misurazioni dell'altimetria satellitare da missioni come [[]Sentinel-3] o ICESat-2]] permette la stima dei cambiamenti di volume in migliaia di laghi in tutto il mondo, aiutando nelle valutazioni della disponibilità delle acque dolci e nel monitoraggio della salute dell'ecosistema.

Mapping inondazioni e risposta disastri

Durante gli eventi di inondazione, le immagini satellitari, in particolare dai sensori SAR che mettono in comunicazione il cloud, forniscono valutazioni rapide e accurate della portata dell'inondazione, supportando la risposta di emergenza e gli sforzi di recupero.

Gli archivi storici satellitari supportano anche l'identificazione delle aree prone, informando la pianificazione del terreno e la progettazione delle infrastrutture per ridurre la vulnerabilità. L'integrazione dei dati satellitari con modelli idrologici migliora le capacità di previsione delle inondazioni.

Visita il sito web del Servizio di Gestione delle Emergenze di Copernicus

Cambiamenti climatici

I registri dei corpi idrici provenienti da satelliti rivelano indicatori critici del cambiamento climatico, ad esempio ] i laghi glaciali[] si sono espansi come ritiri dei ghiacciai, aumentando il rischio di inondazioni glaciali di evasione del lago.

La missione SWOT NASA [] (Surface Water and Ocean Topography) è progettata per misurare l'elevazione di fiumi, laghi e oceani con precisione senza precedenti, fornendo nuove informazioni sul ciclo globale dell'acqua e migliorando la pianificazione della resilienza del clima.

Ecologia e Wetland Conservazione

Le isole umide formano importanti zone di transizione tra ecosistemi terrestri e acquatici, ospitando flora e fauna diverse. I dati satellitari consentono di mappare la dimensione delle zone umide, le dinamiche di inondazione stagionali e la salute della vegetazione, sostenendo la conservazione delle zone calde della biodiversità e degli habitat migratori degli uccelli.

Quadri internazionali come la Convenzione Ramsar[]] promuovono l'uso di telerilevamento per l'inventario, il monitoraggio e la gestione delle zone umide, aiutando a salvaguardare questi ecosistemi vitali contro il degrado.

Nelle vie navigabili costiere e interne, le maschere acquatiche derivate dal satellite aiutano ad aggiornare le carte nautiche e a rilevare i pericoli di navigazione come gli scialli, le barriere sommerse e l'accumulo di sedimenti. I dati di colore dell'oceano informano il rilevamento e il monitoraggio di fioriture alghe armoniose (HABs)], che minacciano la pesca, la salute pubblica e il turismo.

Programmi come il NOAA CoastWatch[[]] fornire prodotti di dati satellitari in tempo reale agli operatori marini, supportando la navigazione sicura e il monitoraggio ambientale.

Pianificazione dell'agricoltura e dell'irrigazione

La conoscenza della posizione dell'acqua superficiale e della portata aiuta gli agricoltori e i gestori dell'acqua ad ottimizzare le strategie di irrigazione, garantendo un uso efficiente delle risorse di acqua dolce limitate.

In paesi come l'India, i dataset del corpo idrico automatizzati derivati da immagini satellitari supportano le agenzie governative nella gestione delle infrastrutture di irrigazione e nel sostenere la produttività agricola in condizioni climatiche mutevoli.

Le direzioni e le tecnologie emergenti

Le missioni satellitari emergenti, le tecnologie dei sensori e i metodi di elaborazione dei dati sono in grado di avanzare ulteriormente l'identificazione e il monitoraggio del corpo dell'acqua.

Le piccole costellazioni satellitari e CubeSats forniscono alte frequenze di rivisitazione, catturando rapidi cambiamenti nella misura e nella qualità dell'acqua. L'integrazione dei dati ottici, SAR, termici e microonde migliora la robustezza contro la copertura del cloud e la complessità delle superfici.

L'intelligenza artificiale e le piattaforme di cloud computing accelerano l'elaborazione di vasti archivi satellitari, facilitando il monitoraggio delle acque in tempo quasi reale su scala globale, supportando una gestione più reattiva dell'acqua, una mitigazione dei disastri e una conservazione ambientale in un'epoca di crescente stress idrico e di incertezza del clima.