Comparison Between Three Methods to Monitor Reservoir Extension in the Brazilian Semi-Arid Region

Autores

DOI:

https://doi.org/10.11137/1982-3908_2023_46_43387

Palavras-chave:

Landsat, Google Earth Engine, Water resources

Resumo

The State of Pernambuco covers an extensive semi-arid area where the Caatinga biome dominates. This region is characterized by long periods of drought, highlighting the need for water resource optimization. This paper aimed to compare three methods to assess reservoir changes: MapBiomas' products, the Normalized Difference Water Index (NDWI), and a support vector machine (SVM) algorithm. Initially, we obtained the monthly precipitation from 1987 to 2019 and calculated the yearly accumulation. Mapbiomas, Landsat 7 ETM, and Landsat 8 OLI data from 2012-2018 were accessed and processed using the Google Earth Engine platform. We obtained the annual image with the median pixel criterion to determine the NDWI and quantify the annual reservoir area. For the supervised classification with SVM, samples from different land-use types of the study area were used to train the algorithm. From 2012 to 2018, a reservoir reduction of 63.42% was observed with MapBiomas images, 69.49% with NDWI images, and 67.69% using the SVM algorithm. The results obtained using NDWI were the most similar to those from the artificial intelligence classification, indicating that NDWI can be used to monitor the reservoir conditions.

Referências

Alba, E. 2020, 'Influência e análise da cobertura florestal na modificação do albedo com o uso de inteligência artificial e sensoriamento remoto', PhD thesis, Universidade Federal de Santa Maria, Santa Maria.

Alvares, C.A., Stape, J.L., Sentelhas, P.C., Gonçalves, J.D.M. & Sparovek, G. 2013, 'Köppen’s climate classification map for Brazil', Meteorologische Zeitschrift, vol. 22, no. 6, pp. 711-28, DOI:10.1127/0941-2948/2013/0507.

Andrade, C.B., de Oliveira, L.M.M., Omena, J.A.M., Villar, A.C., Gusmão, L. & Rodrigues, D.F.B. 2018, 'Avaliação de índices de vegetação e características fisiográficas no Sertão Pernambucano', Revista Brasileira de Meio Ambiente, vol. 4, no. 1, pp. 97-107.

Benzougagh, B., Meshram, S.G., El Fellah, B., Mastere, M., Dridri, A., Sadkaoui, D., Mimich, K. & Khedher, K.M. 2022, 'Combined use of Sentinel-2 and Landsat-8 to monitor water surface area and evaluated drought risk severity using google earth engine', Earth Science Informatics, vol. 15, pp.929-40, DOI:10.1007/s12145-021-00761-9.

Condeça, J., Nascimento, J. & Barreiras, N. 2022, 'Monitoring the storage volume of water reservoirs using google earth engine', Water Resources Research, vol. 58, no. 3, e2021WR030026, DOI:10.1029/2021WR030026.

Cruz Neto, J.F., Morais, J.E.F., Souza, C.A.A., Carvalho, H.F.S., Rodrigues, C.T.A. & Silva, T.G.F. 2017, 'Aplicabilidade de indicadores agrometeorológicos para análise do incremento de água por irrigação em sistemas de produção da palma forrageira, cv. Miúda', Journal of Environmental Analysis and Progress, vol. 2, no. 2, pp. 98-106, DOI:10.24221/jeap.2.2.2017.1170.98-106.

Dobri, R.V., Sfîcă, L., Amihăesei, V.A., Apostol, L. & Țîmpu, S. 2021, 'Drought extent and severity on arable lands in Romania derived from normalized difference drought index (2001–2020)', Remote Sensing, vol. 13, no. 8, 1478, DOI:10.3390/ rs13081478.

Dos Anjos, D.M., Soares, D.M.A., Simões, E.M., Leite, A.C.C.P., Ramos, T.M. & Bakke, I.A. 2017, 'Temporal analysis of water volume at Capoeira Reservoir Mãe d’Água, Paraíba, Brazil', Revista Verde de Agroecologia e Desenvolvimento Sustentável, vol. 12, no. 1, pp. 138-42, DOI:10.18378/rvads.v12i1.5115.

Faceli, K., Lorena, A.C., Gama, J. & Carvalho, A.C.P.L.F. 2011, Inteligência artificial: uma abordagem de aprendizado de máquina, LTC, Rio de Janeiro.

França, L. M.A., Miranda, R.Q, Costa, V. S.O., & Galvíncio, J. D. 2020, 'Análise do uso e ocupação do solo na bacia hidrográfica do rio Pajeú (Pernambuco) com o produto MODIS MCD12Q1', Revista Brasileira de Sensoriamento Remoto, vol. 1, no. 1, pp. 11-27.

Lary, D.J., Alavi, A.H., Gandomi, A.H. & Walker, A.L. 2016, 'Machine learning in geosciences and remote sensing', Geoscience Frontiers, vol. 7, no. 1, pp. 3-10, DOI:10.1016/j.gsf.2015.07.003.

Martins, V.S., Kaleita, A., Barbosa, C.C.F., Fassoni-Andrade, A.C.F., Lobo, L. & Novo, E.M.L.M. 2019, 'Remote sensing of large reservoir in the drought years: implications on surface water change and turbidity variability of Sobradinho reservoir (Northeast Brazil)', Remote Sensing Applications: Society and Environment, vol. 13, pp. 275-88, DOI:10.1016/j.rsase.2018.11.006.

McFeeters, S.K. 1996, 'The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features', International Journal of Remote Sensing, vol. 17, no. 7, pp. 1425-32, DOI:10.1080/01431169608948714.

Neves, A.K., Körting, T.S., Fonseca, L.M.G. & Escada, M.I.S. 2020, 'Assessment of terraclass and mapbiomas data on legend and map agreement for the Brazilian amazon biome', Acta Amazonica, vol. 50, no. 2, pp. 170-82, DOI:10.1590/1809-4392201900981.

Oliveira, D.H.R., Acorsi, M.G. & Smaniotto, D.A. 2018, 'Uso e ocupação do solo e caracterização morfométrica de microbacia na região centro-sul paranaense', Águas Subterrâneas, vol. 32, no. 2, pp. 1-10, DOI:10.14295/ras.v32i2.29114.

Pereira Costa, D., Dos Santos, J.J., Chaves, J.M., Sant’anna da Franca, W.J. & Nogueira de Vasconcelos, R. 2018, 'Novas tecnologias e sensoriamento remoto: aplicação de uma oficina didática para a disseminação das potencialidades dos produtos e ferramentas do mapbiomas', Sustainability, Agri, Food and Environmental Research, vol. 6, no. 3, pp. 36-46, DOI:10.7770/safer-v0n0-art1402.

Pereira, G.H.A., Lohmann, M., & Maganhotto, R.F. 2016, 'Proposta e avaliação de índices para delimitar e mapear corpos d’água utilizando imagens do satélite LANDSAT 8', Revista Brasileira de Geografia Física, vol. 9, no. 6, pp. 1956-68, DOI:10.26848/rbgf.v9.6.p1956-1968.

Petropoulos, G.P., Arvanitis, K. & Sigrimis, N. 2012, 'Hyperion hyperspectral imagery analysis combined with machine learning classifiers for land use/cover mapping', Expert Systems with Applications, vol. 39, no. 3, pp. 3800-9, DOI:10.1016/j.eswa.2011.09.083.

Pilz, T., Delgado, J.M., Voss, S., Vormoor, K., Francke, T., Costa, A.C., Martins, E. & Bronstert, A. 2019, 'Seasonal drought prediction for semiarid northeast Brazil: what is the added value of a process-based hydrological model?', Hydrology and Earth System Sciences, vol. 23, no. 4, pp. 1951-71, DOI:10.5194/hess-23-1951-2019.

Pinto, G.R.M. & Centeno, J.A.S. 2016, 'Monitoramento do espelho d’água da represa do Vossoroca entre 2010-2015 usando dados Landsat', Revista Brasileira de Geomática, vol. 4, no. 3, pp. 163-8, DOI:10.3895/rbgeo.v4n3.5496.

Projeto MapBiomas – Coleção 6 da Série Anual de Mapas de Uso e Cobertura da Terra do Brasil, viewed 2 July 2022, <https://plataforma.brasil.mapbiomas.org>.

QGIS DEVELOPMENT TEAM 2019, QGIS Geographic Information System, Open Source Geospatial Foundation Project, viewed 15 November 2019, <http://www.qgis.org/>.

Rocha, A.K.P. 2018, 'Condições operacionais de estruturas hídricas destinadas ao armazenamento de água no vale do Rio Pajeú', Monografia, Trabalho de Conclusão do Curso de Agronomia, Universidade Federal Rural de Pernambuco.

Rossiter, K.W.L., Marques, E.A.T., de Oliveira, C.R., Matta, E. & Morais, M.M.Q.M.M. 2020, 'Spatial-temporal evaluation of water quality in Brazilian semi-arid reservoirs', Water Practice and Technology, vol. 15, no. 1, pp. 92-104, DOI:10.2166/wpt.2020.001.

Silva, J.L.B., Bezerra, A.C., Oliveira, J.D.A., Lins, F.A.C.F.A.C., Ortiz, P.F.S. & Moura, G.B.A. 2017, 'Space-temporal variability of biophysical parameters and evapotranspiration by remote sensing in semi-arid region', Revista Brasileira de Agrotecnologia, vol. 7, no. 11, pp. 137-47.

Silva, P.C.G., Moura, M.S.B., Kiill, L.H.P., Brito, L.T. L., Pereira, L.A., Sá, I.B., Correia, R.C., Teixeira, A.H.C., Cunha, T.J.F. & Guimarães-Filho, C.G. 2010, 'Caracterização do Semiárido brasileiro: fatores naturais e humanos', in I.B. Sá & P.C.G. da Silva (eds), Semiárido brasileiro: pesquisa, desenvolvimento e inovação, Embrapa Semiárido, Petrolina, pp. 18-48.

Souza Jr, C. M. Z., Shimbo, J., Rosa, M. R., Parente, L. L. A., Alencar, A., Rudorff, B. F., Hasenack, H., Matsumoto, M., Ferreira, L.G., Souza-Filho, P.W.M., Oliveira, S.W., Rocha, W.F., Fonseca, A.F., Marques, C.B., Diniz, C.G., Costa, D., Monteiro., D., Rosa, E.R., Vélez-Martin, E., Weber, E.J., Lenti, F.E.B., Paternost, F.F., Pareyn, F.G.C., Siqueira, J.V., Viera, J.L., Ferreira Neto, L.C., Saraiva, M.M., Sales, M.H., Salgado, M.P.G., Vasconcelos, R., Galano, S., Mesquita, V.V., & Azevedo, T. 2020, 'Reconstructing three decades of land use and land cover changes in brazilian biomes with landsat archive and earth engine', Remote Sensing, vol. 12, no. 17, pp. 27-35, DOI:10.3390/rs12172735.

Villavicencio, L. M. M., Mendes, D., Andrade, L. D. M. B., & Monteiro, F. F. 2018, 'Google Earth Engine: Mapeamento das mudanças na Cordilheira Vilcanota-Peru', Anuário do Instituto de Geociências, vol. 41, no. 3, pp. 427-433, DOI: 10.11137/2018_3_427_433.

Wolfer, M.F., Marchesan, J., Alba, E., Schuh, M., Honnef, D.H., Oliveira, H.S. & Pereira, R.S. 2020, 'Análise do uso e cobertura da terra utilizando imagens sentinel-2A e inteligência artificial', Anuário do Instituto de Geociências, vol. 43, no. 4, pp. 395-403, DOI:10.11137/2020_4_395_403.

Anuário do Instituto de Geociências volume 46. Ano 2023

Downloads

Publicado

2023-02-22

Edição

v. 46 (2023)

Seção

Ciências do Ambiente

Licença

Os artigos publicados nesta revista se encontram sob a llicença Creative Commons — Atribuição 4.0 Internacional — CC BY 4.0, que permite o uso, distribuição e reprodução em qualquer meio, contanto que o trabalho original seja devidamente citado.