WATER SURFACE MAPPING: METHOD SUMMARY
Aquí presentamos una síntesis del método desarrollado y aplicado por MapBiomas Agua. Para mayor información de los detalles metodológicos entre al ATBD (Documento Base de la Teoría del Algoritmo) en este LINK.
Presentation
El objetivo principal de MapBiomas Agua es mapear la dinámica del agua superficial en todo el territorio de los países amazónicos (Panamazonía), de forma mensual y anual desde 1996 al 2023. El conjunto de datos están disponibles públicamente en una plataforma web para mejorar la gestión y el uso de los recursos hídricos en toda la Panamazonía.
El mapeo de superficie de agua en los países amazónicos usó todas las escenas del satélite Landsat con una cobertura de nubes menor o igual al 70% y una resolución espacial de 30 metros. El mapeo fue conducido a una escala de sub-píxel (SWSC), con Análisis de Mixtura Espectral (SMA – por sus siglas en inglés) y reglas de clasificación empíricas basadas en una lógica fuzzy. El mapeo comprendió el periodo de 1996 a 2023, en la escala mensual, con un total de 396.000 escenas Landsat procesadas y analizadas en la plataforma Google Earth Engine.
Organization and database
The overall coordination of MapBiomas Water is led by Imazon and RAISG, while technical and operational coordination is directed by Geokarten. The reconstruction of the monthly historical series of surface water was carried out by specialists from all biomes of the Amazonian countries, under the leadership of the following institutions: Fundación Amigos de la Naturaleza -FAN- (Bolivia), Fundación Gaia Amazonas -FGA- (Colombia), EcoCiencia (Ecuador), Instituto del Bien Común -IBC- (Perú), Provita y Wataniba (Venezuela), Alliance of Bioversity International y CIAT (Guianas y Suriname). The surface water mapping algorithm was developed by Imazon and adapted by MapBiomas Water in this initial phase of work.
The development of the MapBiomas Water control panel (dashboard) was conducted by Geodatin and includes significant contributions from the MapBiomas Water working group and platform users in the design thinking process.
Three types of products were produced by MapBiomas Water:
- Monthly and annual surface water maps;
- Surface water transition maps between “Water” and “Non-water” classes. This product was processed using the annual surface water database;
- Trend maps (increase and decrease) in surface water. This product was calculated from monthly surface water data in 5 km x 5 km grids.
- Mapas de tipos de cuerpos hídricos: naturales antrópicos, hidrelétrica y minero.
The dashboard (link) está compuesto por mapas, estadísticas y herramientas de visualización, análisis y acceso a los datos. Es posible visualizar los datos en escala anual y mensual, más allá de obtenerlo en distintas unidades territoriales. Para finalizar, el dashboard también dispone un link de acceso a la API de los datos de MapBiomas Agua.
- Method
The following diagram illustrates the main stages in the process of classifying surface water in the Amazonian countries, involving a surface water sub-pixel classifier (SWSC), decision tree, and post-classification procedures to generate annual and monthly surface water datasets.
Figure 1 – El siguiente diagrama ilustra los principales pasos del proceso de clasificación de superficies y cuerpos de agua en Venezuela.
Description of classification steps:
- Pre-processing:
El proyecto utilizó imágenes del archivo de datos Landsat (LDA, por sus siglas en inglés) disponible en la plataforma Google Earth Engine, incluyendo imágenes de los sensores Landsat Thematic Mapper (TM), Enhanced Thematic Mapper Plus (ETM+) y Operational Land Imager (OLI), a bordo de los satélites Landsat 5, Landsat 7 y Landsat 8, respectivamente. Con una resolución espacial de 30 metros por píxel, se utilizó la Colección 2 Nivel 1 de imágenes Landsat ortorectificadas a la superficie. Se utilizaron todas las escenas Landsat que cubren a los países amazónicos (n = 211 348) entre 1996 y 2023, filtrando a través de sus metadatos las escenas con una cobertura de nubes menor al 70 %.
- Descripción de las etapas de clasificación:
The original surface water sub-pixel classifier (SWSC) algorithm uses three hierarchical binary decision rules (e.g. true, false). Because water absorbs a large part of the electromagnetic radiation, an image with Shade fraction, the combination of GV and Soil and Cloud, is used to classify the pixels as surface water. Additionally, a classification based on independent fuzzy logic (fuzzy rules) is applied, in which the degree of truth/certainty (memberships) that a Landsat pixel is classified as water is determined. The average truth degree was then calculated to obtain a continuous memebership map with values ranging between 0 and 1. Based on these memberships, pixels are classified to produce monthly surface water layers.
It’s based on MEM compositional bands and fuzzy decision rules to obtain association maps (Water Membership) of water occurrence in the Landsat pixel. The monthly maps were obtained by combining the Water Membership values for i) a given month (detection) where pixels with a value > 0.67 are considered water; ii) the decennial of the month under analysis and the average of the year (inclusion) where pixels with a value > 0.5 are considered water; iii) the average of the year (exclusion) pixels with values < 0.35. Figure 2 illustrates the monthly ranking process.
Annual surface water maps include an identification between permanent and seasonal water, this classification is based on thresholds corresponding to the number of months in which a pixel is classified as water. For the first case, a frequency >= 6 months is considered, and for the second, a frequency between 1 to 5 months.
Figure 2 – Example of detection, inclusion and exclusion of information applied to the mapping of monthly surface water.
- Clasificación de los cuerpos hídricos:
Para clasificar los cuerpos de agua se utiliza información extraída del mapeo anual de superficies de agua (permanente), que incluye: i) la primera y la última ocurrencia del cuerpo de agua en el año, ii) la frecuencia total de la superficie de agua de la serie histórica y iii) la frecuencia anual. Dicha información fue organizada en datos matriciales y se utilizó un algoritmo de segmentación de objetos.
Los segmentos de cuerpos hídricos fueron clasificados mediante el algoritmo Random Forest en cinco categorías: natural, antrópico, hidroeléctrica, minera y de acuicultura. Adicionalmente, se incluyó una clase de “falsos positivos” para eliminar sobreestimaciones persistentes en los mapas de superficie anual y mensual. Posteriormente, se aplicaron filtros espaciales y de frecuencia; además, se tomaron muestras adicionales y se delinearon polígonos manuales para mejorar el resultado.
Se extrajeron productos de datos auxiliares de hidroeléctricas, tomados de acuicultura de MapBiomas Amazonía Colección 6.
En la figura 3 se observa el proceso de clasificación de los cuerpos hídricos.
Figura 3 – Proceso de clasificación de cuerpos hídricos.
