Ny metode til at spore vandområder forbedrer sikkerheden mod ekstreme begivenheder

Overfladevand (SW) er afgørende for liv, økosystemer og menneskelige aktiviteter, og det tjener mange funktioner fra klimaregulering til støtte for biodiversitet og landbrug. Det er meget dynamisk, påvirket af klimaændringer, ændringer i arealanvendelsen og menneskelige indgreb såsom dæmningskonstruktion, hvilket gør overvågningen afgørende for effektiv forvaltning og bevaring.

Traditionelle metoder til vanddetektion står over for begrænsninger, ofte mangler små eller sæsonbestemte kroppe. Fremskridt inden for fjernmåling tilbyder nye teknikker til detaljeret, storstilet vandkortlægning, der understreger behovet for høj rumlig og tidsmæssig opløsning for at fange SW's komplekse dynamik og understøtte bæredygtige forvaltningsindsatser.

Sun Yat-Sen University-forskere udviklede Normalized Difference Water Fraction Index (NDWFI) ved hjælp af Landsat og Spectral Mixture Analysis på Google Earth Engine, et spring inden for hydrologi. Denne metode forbedrer sporing af vandområder og forbedrer vandsikkerheden mod ekstreme begivenheder.

Artiklen, offentliggjort i Journal of Remote Sensing den 21. februar 2024 betyder fremskridt inden for vandforvaltning ved at integrere fjernmåling og miljøvidenskab.

I denne undersøgelse udviklede forskere NDWFI ved at bruge Landsat-billeder og Spectral Mixture Analysis (SMA) inden for rammerne af Google Earth Engine. Teknikken blev omhyggeligt testet på tværs af varieret terræn og udviste en bemærkelsesværdig 98,2 % nøjagtighed ved identifikation af vandområder, en væsentlig forbedring i forhold til traditionelle vanddetektionsmetoder.

Brugen af ​​mere end 11.000 Landsat-billeder lettede oprettelsen af ​​detaljerede overfladevandskort for Jiangsu-provinsen, Kina, der viser NDWFI's evne til at skelne selv de mindste og mest forbigående vandelementer. Denne metodes øgede præcision i at fange de forviklinger, der ligger i vandets dynamik, markerer et afgørende fremskridt inden for hydrologisk overvågning, og sætter en ny standard for vandressourceforvaltning og -bevarelse i hele verden.

Professor Qian Shi, en hovedforfatter af undersøgelsen, udtalte:"Vores tilgang ved hjælp af NDWFI forbedrer markant nøjagtigheden af ​​vanddetektion, især for små og forbigående vandområder, som ofte overses af traditionelle metoder. Denne fremgang åbner nye veje for omfattende hydrologiske undersøgelser og vandforvaltningsstrategier."

NDWFI-metoden præsenterer et betydeligt spring fremad inden for miljøovervågning og giver en mere præcis og detaljeret forståelse af SW-dynamikken. Denne metode forbedrer vandsikkerheden, understøtter bæredygtig udvikling og hjælper med tilpasningen til klimaændringer ved at levere pålidelige data til vandressourceforvaltning og politikudformning.

Flere oplysninger: 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/remotesensing.0117

Leveret af TranSpread