Water area and volume calculation of two reservoirs in Central Cuba using Remote Sensing Methods. A new perspective

  1. Valero-Jorge, Alexey 1
  2. González-De Zayas, Roberto 2
  3. Alcántara-Martín, Anamaris 3
  4. Álvarez-Taboada, Flor 4
  5. Matos-Pupo, Felipe
  6. Brown-Manrique, Oscar 2
  1. 1 Swedish Meteorological and Hydrological Institute
    info

    Swedish Meteorological and Hydrological Institute

    Norrköping, Suecia

    ROR https://ror.org/00hgzve81

  2. 2 Universidad de Ciego de Ávila Máximo Gómez Báez
    info

    Universidad de Ciego de Ávila Máximo Gómez Báez

    Ciego de Ávila, Cuba

    ROR https://ror.org/00zhs8v21

  3. 3 Agencia provincial de GEOCUBA
  4. 4 Universidad de León
    info

    Universidad de León

    León, España

    ROR https://ror.org/02tzt0b78

Mostrar afiliaciones +
Revista:
Revista de teledetección: Revista de la Asociación Española de Teledetección

ISSN: 1133-0953

Año de publicación: 2022

Número: 60

Páginas: 71-87

Tipo: Artículo

DOI: 10.4995/RAET.2022.17770 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista de teledetección: Revista de la Asociación Española de Teledetección

Resumen

La disponibilidad, calidad y manejo del agua constituye actividades esenciales de los gobiernos y autoridades regionales y locales.  Fue evaluada La lluvia anual histórica (entre 1961 y 2020) de la Cuenca del Río Chambas. Para el cálculo de la variación de las áreas y volúmenes del agua en dos reservorios de la Provincia de Ciego de Ávila al término de las temporadas lluviosa y poco lluviosa entre 2014 y 2021 fueron usados dos métodos de sensores remotos (Índice Normalizado de Diferencia de Agua e imágenes del RADAR). Los resultados mostraron que la lluvia media anual fue 1330.9±287.4 mm y no mostró tendencia significativa en el período evaluado. Para ambos reservorios, las áreas promedio de agua medidas con los dos métodos fueron 19 % y 8 % menores que el área de agua reportadas por las autoridades para el mismo período. La capacidad estática de almacenamiento de agua (volumen de agua) de los dos reservorios varió (como el área) entre temporadas, con el mayor volumen determinado en ambos reservorios en octubre de 2017 (30.5 millones de m3 en Chambas II y 45.1 millones de m3 en Cañada Blanca). Grandes desviaciones de las áreas y volúmenes del agua ocurrieron durante la temporada poco lluviosa (menores valores) y la temporada lluviosa de 2017 (influenciada por las lluvias asociadas el huracán Irma) y la temporada lluviosa de 2020 (influenciada por la lluvia asociada a la tormenta Laura). Los modelos calculados para la relación área – volumen con una significación estadística son otra herramienta útil que podría ser usada para mejorar el manejo del agua en términos de precisión y el incremento de resultados confiables en casos donde la medición de los niveles de agua son escasos o no están disponibles.

Referencias bibliográficas

  • Adediji, A., Ajibade, L.T. 2008. The change detection of major dams in Osun State, Nigeria using remote sensing (RS) and GIS techniques. Journal of Geography and Regional Planning, 1(6), 110-115.
  • Aguilar, C., Zinnert, J.C., Polo, M.J., Young, D.R. 2012. NDVI as an indicator for changes in water availability to woody vegetation. Ecological Indicators, 23, 290-300. https://doi.org/10.1016/j.ecolind.2012.04.008
  • Alarcón, D. 2021. Análisis de la disminución del cuerpo de agua de la laguna de Aculeo utilizando imágenes de radar de Sentinel -1A/1B y de Global Surface Water Explorer. Revista Cartógrafo, 1(1), 5-14.
  • Batista Silva, J.L. 2016. Evaluación de los recursos hídricos de Cuba. Revista Geográfica, 157, 73-83.
  • Chuvieco, E. 2008. Teledetección ambiental, la observación de la Tierra desde el espacio. 3ª edición. Editorial Ariel, Barcelona, España.
  • Cobos, M.E., Cruz, D.D., Hernández, M. 2016. Análisis multitemporal del Índice Normalizado de Diferencia de Vegetación (NDVI) en Cuba. Revista del Jardín Botánico Nacional, 37, 15-18.
  • Cruz Flores, D.D., Curbelo Benítez, E.A., Ferrer Sánchez, Y., Ávila, D.D. 2020. Variaciones espaciales y temporales en el Índice de Vegetación de Diferencia Normalizada en Cuba. Ecosistemas, 29(1), 1885. https://doi.org/10.7818/ECOS.1885
  • Denis Ávila, D. 2015. Análisis multitemporal de imágenes Landsat para evaluar las variaciones de la cobertura vegetal emergente en la laguna Leonero, Granma, Cuba. Revista del Jardín Botánico Nacional, 36, 47-53.
  • De Oliveira Xavier, G., de Almeida, T., Magno Moreira de Oliveira; C., Silva de Oliveira, P.D., Barros Costa; V.H., Moreira Alves Granado, L. 2020. Estimate and evaluation of reservoir metrics in Serra da Mesa dam (GO) using the Google Earth Engine platform. Ambiente & Água - An Interdisciplinary Journal of Applied Science, 15(5), e2584. https://doi.org/10.4136/ambi-agua.2584
  • Di Bella, C.M., Posse, G., Beget, M.E., Fischer, M.A., Mari, N., Veron, S. 2008. La teledetección como herramienta para la prevención, seguimiento y evaluación de incendios e inundaciones. Ecosistemas, 17(3), 39-52.
  • Döll, P., Fiedler, K., Zhang, J. 2009. Globalscale analysis of river flow alterations due to water withdrawals and reservoirs. Hydrology and Earth System Sciences, 13, 2413-2432. https://doi.org/10.5194/hess-13-2413-2009
  • Du, Z., Bin, L., Feng, L., Wenbo, L., Weidong, T., Hailei, W., Yuanmiao, G., Bingyu, S., Xiaoming, Z. 2012. Estimating surface water area changes using time-series Landsat data in the Qingjiang River Basin, China. Journal of Applied Remote Sensing, 6, https://doi.org/10.1117/1.JRS.6.063609
  • Escobar-Flores, J.G., Sandoval, S., Valdez, R., Shahriary, E., Torres, J., Álvarez-Cárdenas, S., Gallina-Tessaro, P. 2019. Waterhole detection using a vegetation index in desert bighorn sheep (Ovis Canadensis cremnobates) habitat. PLoS ONE, 14(1), e0211202. https://doi.org/10.1371/journal.pone.0211202
  • Favoreto da Cunha, C., Brandão Cardoso, S., Hideo Teramoto, E., Kiang Chang, H. 2020. Modelo áreavolume para a Represa Guarapiranga empregando o índice NDWI. Holos Environment, 20(1), 137-151. https://doi.org/10.14295/holos.v20i1.12370
  • Fuentes, I., Padarian, J., van Ogtrop, F., Vervoort, R.W. 2019. Comparison of Surface Water Volume Estimation Methodologies That Couple Surface Reflectance Data and Digital Terrain Models. Water, 11, 780. https://doi.org/10.3390/w11040780.
  • Haddeland, I., Skaugen, T., Lettenmaier, D.P. 2006. Anthropogenic impacts on continental surface water fluxes, Geophysical Research Letters, 33, L08406. https://doi.org/10.1029/2006GL026047
  • Hernández, M., Cruz, D. 2016. Cobertura de vegetación natural en Parques Nacionales de Cuba: análisis multitemporal y variación futura de las condiciones bioclimáticas. Revista del Jardín Botánico Nacional, 37, 93-102.
  • Instituto Nacional de Recursos Hidráulicos (INRH). 2018. Boletín Hidrológico. Octubre 2018. Servicio Hidrológico y Disponibilidad. pp 16.
  • Jakovljevic, G., Govedarica, M., Álvarez-Taboada, F. 2018. Waterbody mapping: a comparison of remotely sensed and GIS open data sources, International Journal of Remote Sensing, 40(8), 2936-2964. https://doi.org/10.1080/01431161.2018.1538584
  • Jin, Y.Q., Yan, F. 2007. A change detection algorithm for terrain surface moisture mapping based on multiyear passive microwave remote sensing (Examples of SSM/I and TMI Channels). Hydrological Processes, 21, 1918-1924. https://doi.org/10.1002/hyp.6401
  • Karran, D.J., Westbrook, C.J., Wheaton, J.M., Johnston, C.A., Bedard-Haughn, A. 2016. Rapid surface water volume estimations in beaver ponds. Hydrology and Earth System Sciences Discuss., 352, 1-26. https://doi.org/10.5194/hess-2016-352.
  • Kendall, M. 1975. Multivariate Analysis. Charles Griffin & Company, London.
  • Lee, J.S. 1980. Digital Image Enhancement and Noise Filtering by use of Local Statistics. IEE Transactions on Pattern Analysis and Machine Intelligence, 2, 165-168. https://doi.org/10.1109/TPAMI.1980.4766994
  • Lee, J.S. 1981a. Refined Filtering of Image Noise Using Local Statistics. Computer Graphics and Image Processing, 15(4), 380-389. https://doi.org/10.1016/S0146-664X(81)80018-4
  • Lee, J.S. 1981b. Speckle Analysis and Smoothing of Synthetic Aperture Radar Images. Computer Graphics and Image Processing, 17(1), 24-32. https://doi.org/10.1016/S0146-664X(81)80005-6
  • Lehner, B., Döll, P. 2004. Development and validation of a global database of lakes, reservoirs and wetlands. Journal of Hydrology, 296(1-4), 1-22. https://doi.org/10.1016/j.jhydrol.2004.03.028
  • Lehner, B., Liermann, C.R., Revenga, C., Vörösmarty, C., Fekete, B., Crouzet, P., Döll, P., Endejan, M., Frenken, K., Magome, J., Nilsson, C., Robertson, J.C., Rödel, R., Sindorf, N., Wisser, D. 2011. Global reservoir and dam database. Version 1.1 (GRanDv1): Dams, Revision 01. Palisades, NY: NASA Socioeconomic Data and Applications Center (SEDAC). pp. 12.
  • Lopes, F.B., Barbosa, C.C., Novo, E M., Andrade, E.M.D., Chaves, L.C. 2014. Modelagem da qualidade das águas a partir de sensoriamento remoto hiperespectral. Revista Brasileira de Engenharia Agrícola e Ambiental, 18, 13-19. https://doi.org/10.1590/1807-1929/agriambi.v18nsupps13-s19
  • Machado, M.T. de S.; Baptista, G.M. de M. 2016. Sensoriamento remoto como ferramenta de monitoramento da qualidade da água do Lago Paranoá (DF). Engenharia Sanitária e Ambiental, 21(2), 357-365. http://doi.org/10.1590/s1413-41522016141970
  • Mann H.B. 1945. Nonparametric tests against trend. Econometrica, 13, 245-259. https://doi.org/10.2307/1907187
  • Marchionni, D.S., Cavayas, F. 2014. La Teledetección por Radar como fuente de Información Litológica Y Estructural. Análisis Espacial de Imágenes SAR de Radarsat-1, GEOACTA, 39(1), 62-89.
  • Martínez, J. 2005. Percepción Remota "Fundamentos de Teledetección Espacial". Comisión Nacional del Agua, CNA. México.
  • Martínez, M., Martínez, M.E., Martínez, E., Renza, D. 2017. Detection of Changes in Natural Aquifer Reservoirs based on the Index of Drought. IEEE Latin America Transactions, 15(11), 2059-2063. https://doi.org/10.1109/TLA.2017.8070408
  • McFeeter, S.K. 1996. The use of the normalized difference water index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17, 1425-1432. https://doi.org/10.1080/01431169608948714
  • Morejón, M., Vega, M., Escarré, A., Gómez, R., Febles, J.M. 2010. Clasificación de la vegetación en los sectores superiores de cuencas de la región occidental de Pinar del Rio utilizando la teledetección. Ciencias de la Tierra y el Espacio, 11, 60-68.
  • Mulligan, M., van Soesbergen, A., Sáenz, L. 2020. GOODD, a global dataset of more than 38000 georeferenced dams. Scientific Data, 7, 31. https://doi.org/10.1038/s41597-020-0362-5
  • Muro, J., Strauch, A., Fitoka, E., Tompoulidou, M., Thonfeld, F. 2019. Mapping wetland dynamics with SAR-based change detection in the cloud. Geoscience and Remote Sensing Letters IEEE, 1-4. https://doi.org/10.1109/LGRS.2019.2903596
  • Muro, J., Varea, A., Strauch, A., Guelmami, A., Fitoka, E., Thonfeld, F. 2020. Multitemporal optical and radar metrics for wetland mapping at national level in Albania. Heliyon, 6(8), e04496. https://doi.org/10.1016/j.heliyon.2020.e04496
  • Naba Sayl, K., Muhammad, N.S., El-Shafie, A. 2017. Optimization of area-volume-elevation curve using GIS-SRTM method for rainwater harvesting in arid areas. Environmental Earth Sciences, 76, 368. https://doi.org/10.1007/s12665-017-6699-1
  • Nandi, D., Chowdhury, R., Mohapatra, J., Mohanta, K., Ray, D. 2018. Automatic Delineation of Water Bodies Using Multiple Spectral Indices. International Journal of Scientific Research in Science, Engineering and Technology, 4(4), 498-512.
  • Nhat Quang, D., Khanh, L.N., Tam, H.S., Trung Viet, N. 2021. Remote sensing applications for reservoir water level monitoring, sustainable water surface management, and environmental risks in Quang Nam province, Vietnam. Journal of Water and Climate Change, 12(7), 3045. https://doi.org/10.2166/wcc.2021.347
  • Park, J.W., Korosov, A., Babiker, M., Sandven, S., Won, J.S. 2018. Efficient Thermal Noise Removal for Sentinel -1 TOPSAR Cross-Polarization Channel. IEEE Transactions on Geoscience and Remote Sensing, 56(3), 24-41. https://doi.org/10.1109/TGRS.2017.2765248
  • Pohlert,T. 2016. Non-parametric Trend Tests and Change-Point Detection. CC BY-ND, 4.
  • Ponvert-Delisles, B. 2016. Algunas consideraciones sobre el comportamiento de la sequía agrícola en la agricultura de Cuba y el uso de imágenes por satélites en su evaluación. Revista Cultivos Tropicales, 37(3), 22-41.
  • Polo, P.L. 2004. Aplicaciones de imágenes de radar, en la generación de información para la mitigación de riesgos naturales. Dialogo Andino, 23, 36-43.
  • Rodrigues, L.N., Sano, E.E., Steenhuis, T.S., Passo, D.P. 2012. Estimation of small reservoir storage capacities with remote sensing in the Brazilian Savannah region. Water Resources Management, 26, 873-882. https://doi.org/10.1007/s11269-011-9941-8
  • Rouse, J.W., Haas, R.H., Schell, J.A., Deering, D.W. 1973. Monitoring Vegetation Systems in the Great Plains with ERTS (Earth Resources Technology Satellite). In Proceedings of Third Earth Resources Technology Satellite Symposium, Greenbelt, ON, Canada, 10-14 December 1973; Volume SP-351, pp. 309-317.
  • Schwatke, C., Scherer, D., Dettmering, D. 2019. Automated Extraction of Consistent Time-Variable Water Surfaces of Lakes and Reservoirs Based on Landsat and Sentinel-2. Remote Sensing, 11, 1010. https://doi.org/10.3390/rs11091010
  • Suleiman, Y.M. 2014. The role of rain variability in reservoir storage management at Shiroro Hydropower Dam, Nigeria. AFRREV STECH. An International Journal of Science and Technology, 3(2), 18-30. https://doi.org/10.4314/stech.v3i2.2
  • Valero, A., Matos-Pupo, F., Hernández, S. 2021. Uso de Dashboard y SIG en servicios climáticos de Ciego de Ávila: Nueva propuesta metodológica. Universidad&Ciencia, 10(2), 196-211.
  • Van Bemmelen, C.W.T., Mann, M., De Ridder, M.P., Rutten, M.M., Van De Giesen, N.C. 2016. Determining water reservoir characteristics with global elevation data. Geophysical Research Letters, 43(21), 11-278. https://doi.org/10.1002/2016GL069816
  • Van Den Hoek, J., Getirana, A., Chul Jung, H., Modurodoluwa A., Okeowo, M., Hyongki L. 2019. Monitoring Reservoir Drought Dynamics with Landsat and Radar/Lidar Altimetry Time Series in Persistently Cloudy Eastern Brazil. Remote Sensing, 11, 827. https://doi.org/10.3390/rs11070827
  • Xu, H. 2006 Modification of normalized difference water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing, 27, 3025-3033. https://doi.org/10.1080/01431160600589179
  • Wang, X., Yan, Ch. Song, L., Chen, X., Xie, H., Liu, L. 2013. Analysis of lengths, water areas and volumes of the Three Gorges Reservoir at different water levels using Landsat images and SRTM DEM data. Quaternary International, 304, 115-125. https://doi.org/10.1016/j.quaint.2013.03.041
  • Wilson, E.H., Sader, S.A. 2002. Detection of forest harvest type using multiple dates of Landsat TM imagery. Remote Sensing Environment, 80, 385-396. https://doi.org/10.1016/S0034-4257(01)00318-2
  • https://doi.org/10.1016/S0034-4257(01)00318-2
Fuente de los datos: Dialnet