Semi-supervised water storage retrieval using remote sensing and in situ bathymetric data

Abstract

Water is one of the main resources in Earth. It plays an important role for power generation, human consumption, crops irrigation and the sustainability of life in the planet. Reservoirs water storage calculation is required to generate adequate water management policies. In this study, the total water storage of four reservoirs in Spain was calculated using a semi-supervised approach of three phases that combines Sentinel-2 satellite imagery with in situ bathymetric data in a surface parameter water storage estimation approach. In phase I, water masks were automatically derived with a GEOBIA + k-means approach. In phase II, water depth was estimated through Linear Regression and ensembles methods: Random Forest and Gradient Boosting. In phase III, total water storage volume was retrieved using the pipelines from the combination of the data obtained in phases I and II. The water storage was estimated with a RMSE lower than 4 hm3 using the ensembles methods and lower than 9 hm3 using Linear Regression.

El agua es uno de los principales recursos de la Tierra. Juega un papel importante en la generación de energía, el consumo humano, el riego de cultivos y la sostenibilidad de la vida en el planeta. El cálculo del almacenamiento de agua en embalses es requerido para la generación de políticas adecuadas para el manejo del agua. En este estudio, el almacenamiento total de agua de cuatro embalses en España fue calculado mediante un enfoque semi-supervisado de tres fases, que combina imágenes satelitales de Sentinel-2 con datos batimétricos in situ, para una estimación del volumen de agua por medio del método parámetro de superficie. En la fase I, máscaras de agua fueron automáticamente derivadas con un enfoque de GEOBIA con k-means. En la fase II, la profundidad del agua fue estimada usando Regresión Lineal y métodos de ensembles: Random Forest y Gradient Boosting. En la fase III, el volumen total de agua almacenada fue obtenido usando el flujo de trabajo generado al combinar los datos obtenidos por las fases I y II. El volumen de agua fue estimado con un RMSE menor que 4 hm3 usando los métodos de ensembles y menor que 9 hm3 usando Regresión Lineal.