Dynamic water masks from optical satellite imagery

Abstract

Investigation of the global freshwater system has a vital role in critical issues e.g. sustainable development of water resources, acceleration of the hydrological cycle, variability of global sea level. Measurement of river streamflow is vital for such investigations as it gives a reliable estimate of freshwater fluxes over the continents. Despite such importance, the number of river discharge gauging station has been decreasing. At the same time, information on the global freshwater system has been increasing because of various types of ground observations, water-use information and spaceborne geodetic observations. Nevertheless, we cannot answer properly crucial questions about the amount of freshwater available on a certain river basin, or the spatial and temporal dynamics of freshwater variations and discharge, or the distribution of world’s freshwater resources in the future. The lack of comprehensive measurements of surface water storage and river discharge is a major impediment for a realistic understanding of the hydrological water cycle, which is a must for answering the aforementioned questions. This thesis aims to improve the methods for monitoring the surface extent of inland water bodies using satellite images. Satellite imaging systems capture the Earth surface in a wide variety of spectral and spatial resolution repeatedly. Therefore satellite imagery provides the opportunity to monitor the spatial change in shorelines, which can serve as a way to determine the water extent. Each band of a multispectral image reveals a unique characteristic of the Earth surface features like surface water extent. However selecting the spectral bands which provide the relevant information is a challenging task. In this thesis, we analyse the potential of multispectral transformations like Principal Component Analysis (PCA) and Canonical Correlation Analysis (CCA) to tackle this issue by condensing the information available in all spectral bands in just a few uncorrelated variables. Moreover, we investigate how the change between multispectral images at different epochs can be highlighted by using the transformations. This study proposes an automatic algorithm for extracting the lake water extent from MODIS images and generating dynamics lake masks. For improving the accuracy of the lake masks and computational efficiency of the algorithm, two masks are defined for limiting the search area. The restricting masks are developed according to DEM of the surrounding area together with a map of the long-term variation of pixel values. Subsequently, an unsupervised pixel-based classification algorithm is applied for defining the lake coastline. The algorithm particularly deals with the challenges of generating long time series of lake masks. We apply the algorithm on five lakes in Africa and Asia, each of which demonstrates a challenge for lake area monitoring. However in the validation section, we demonstrate that the algorithm can generate accurate dynamic lake masks. Rivers show diverse behaviour along their path due to the contribution of different parameters like gradient of the elevation, river slope, tributaries and river bed morphology. Therefore for generating accurate river reach mask, we need to consider additional sources of information apart from pixel intensity. The region-based classification algorithm that we propose in this study takes advantages of all types of available information including pixel intensity and spatial and temporal interactions. Markov Random Fields provide a flexible frame for interaction between different sources of data and constraint. To find the most probable configuration of the field, the Maximum A Posteriori solution for the MRF must be found. To this end, the problem is reshaped as an energy minimization. The energy function is minimized applying graph cuts as a powerful optimization technique. The uncertainty in the graph cuts solution is also measured by calculating the minimum marginal energies. The proposed method is applied to four rivers reaches with different hydrological characteristics. We validate the obtained river area time series by comparing with in situ river discharge and satellite altimetric water level time series. Moreover, in this study, we present river discharge estimation models using the generated river reach masks. Our aim is to find an empirical relationship between the average river reach width and river discharge. The statistics in the validation periods support the idea of using river width-discharge prediction models as a complementary technique to the other spaceborne geodetic river discharge prediction approaches.

Aufgrund der wichtigen Rolle des globalen Süßwassers für die nachhaltige Entwicklung der Wasserressourcen sowie die Beschleunigung des Wasserkreislaufs als auch die Variabilität des globalen Meeresspiegels haben sich viele Studien in den letzten Jahren auf die Untersuchung des globalen Süßwassersystems konzentriert. Flussabflussmessungen sind für solche Studien unerlässlich, da sie eine zuverlässige Schätzung der Süßwasserflüsse über die Kontinente ermöglichen. Trotz dieser bedeutenden Rolle ist die Anzahl der Flussabfluss-Pegelstationen in der Vergangenheit zurückgegangen. Im Allgemeinen wurden aber die Informationen über das globale Süßwassersystem durch die Zusammenstellung verschiedener Arten von Bodenbeobachtungen, Wassernutzungsinformationen und geodätischen Beobachtungen im Weltraum verstärkt. Wir können jedoch nicht die entscheidenden Fragen nach der Menge des in einem bestimmten Flussgebiet verfügbaren Süßwassers, der räumlichen und zeitlichen Dynamik von Süßwasservariationen und -abflüssen oder der Verteilung der zukünftigen weltweiten Süßwasserressourcen beantworten. Diese Fragen können nicht vollständig beantwortet werden, da es an umfassenden Messungen der Oberflächenwasserspeicherung und der Flussabflüsse mangelt. Diese Dissertation zielt darauf ab, die Methoden zur Oberflächenwassersüberwachung von Binnengewässern mithilfe von Satellitenbildern zu verbessern. Satellitengestützte bildgebende Systeme erfassen die Erdoberfläche regelmäßig in einer Vielzahl von spektralen und räumlichen Auflösungen. Daher bieten Satellitenbilder die Möglichkeit, die räumliche Veränderung der Wasser-Land-Grenzen zu überwachen, die als Grundlage für die Bestimmung der Oberflächenwasserausdehnung verwendet wird. Die Erdoberfläche wird in verschiedenen Wellenlängenbereichen in jedem Spektralband eines multispektralen Bildes erfasst. Daher offenbart jedes Band eines multispektralen Bildes eine einzigartige Eigenschaft der Erdoberflächenmerkmale wie die Oberflächenwasserfläche. Jedoch ist die Auswahl der Spektralbänder, die die relevanten Informationen liefern, eine anspruchsvolle Aufgabe. In dieser Arbeit wird das Potenzial multispektraler Transformationen wie Principal Component Analysis (PCA) und Canonical Correlation Analysis (CCA) analysiert, um dieses Problem anzugehen, indem die in allen Spektralbändern verfügbaren Informationen in nur wenigen nicht korrelierten Variablen zusammengefasst werden. Darüber hinaus wird untersucht, wie der zeitliche Unterschied zwischen zwei multispektralen Bildern durch die Verwendung der oben genannten Transformationen unterstrichen werden kann. Diese Studie schlägt einen automatischen Algorithmus für die Extraktion des Seeoberflächenwassers aus MODIS-Bildern vor und erzeugt die dynamischen Wassermasken. Zur Verbesserung der Genauigkeit der Wassermasken und der Effizienz des Algorithmus sind zwei Masken definiert, um den Suchbereich zu begrenzen. Die Einschränkungsmasken werden basierend auf ein digitales Geländemodell (DGM) der Umgebung und die langfristigen Variatione der Pixelwerte erzeugt. Dementsprechend wird zur Definition der Wasser-Land-Grenze ein unbeaufsichtigter, pixelbasierter Klassifikationsalgorithmus verwendet. Der Algorithmus beschäftigt sich insbesondere mit den Herausforderungen bei der Erzeugung langer Zeitreihen von Wassermasken. Der Algorithmus wird auf fünf Seen in Afrika und Asien angewendet, von denen jeder eine Herausforderung für die Überwachung des Seegebiets darstellt. Im Abschnitt „Validation“ werden wir sehen, dass der Algorithmus genaue dynamische Wassermasken erzeugen kann. Flüsse zeigen aufgrund des Beitrags verschiedener Parameter wie Höhenunterschied, Flusshang, Nebenflüsse und Flussbettmorphologie unterschiedliches Verhalten auf ihrem Weg. Um eine genaue Wassermaske von Flussabschnitten zu erzeugen, sollten wir daher neben der Pixelintensität auch eine zusätzliche Informationsquelle berücksichtigen. Der regional basierte klassifikationsalgorithmus, den wir in dieser Studie vorschlagen, nutzt alle Arten von verfügbaren Informationen, einschließlich Pixelintensität und räumlicher und zeitlicher Interaktionen. Die Markov Random Fields bieten einen flexiblen Rahmen für die Interaktion zwischen verschiedenen Datenquellen und Einschränkungen. Um die wahrscheinlichste Konfiguration des Feldes zu finden, sollte die Maximum A Posteriori Lösung für das MRF gefunden werden. Zu diesem Zweck wird das Problem in eine Energieminimierung umgesetzt. Zur Minimierung der Energiefunktion werden graph cuts als leistungsfähige Optimierungstechnik angewendet. Die Unsicherheit in der Lösung der graph cuts wird zudem durch die Berechnung der minimalen Marginalen Energien gemessen. Die vorgeschlagene Methode wird auf vier Flussabschnitten mit unterschiedlichen hydrologischen Eigenschaften angewendet. Die erhaltenen Flussgebietszeitreihen werden durch den Vergleich mit den Abflussmessungen an Pegeln und satellitengestützten altimetrischenWasserstandszeitreihen validiert. Darüber hinaus stellt diese Studie Abflussschätzmodelle unter Verwendung der generierten Wassermaske von Flussabschnitten vor. Ziel ist es, einen empirischen Zusammenhang zwischen der durchschnittlichen Flussreichweite und dem Abfluss zu finden. Die Statistiken in den Validierungszeiträumen unterstützen die Idee, Modelle zur Vorhersage der Flussbreite und des Abflusses als ergänzende Technik zu den anderen satellitengestützten geodätischen Vorhersageansätzen für Flusseinleitungen zu verwenden.