Indices espectrales para extraer cuerpos de agua con imágenes satelitales


Existen diversos índices espectrales para mapear y poder extraer cuerpos de agua mas facilmente, donde el principio de estos índices se basa en que la reflectancia del agua en el canal infrarrojo (Figura 1; p. ej., banda de infrarrojo cercano, NIR; banda de infrarrojo de onda corta, SWIR) es significativamente menor que la de otros tipos de terrenos. 
Figura 1. Curvas de reflectancia espectral de varios tipos de cobertura terrestre (Chen et al. 2022)

Desde que Crist (1985) propuso el índice Tasseled Cap Humidity (TCW) para el Landsat-5 TM, muchos índices de agua han sido propuestos y ampliamente utilizados en la extracción de cuerpos de agua (Tabla 2). Algunos de estos índices se revisan en esta entrada del blog.
Cuadro 1. índices espectrales comunes para teledetección de cuerpos de agua (adaptado de Chen et al., 2022)

Índice

Abreviación

Formula

Referencia

Normalized difference water index

NDWI

\[\frac{G-NIR}{G+NIR}\]

(McFeeters,  1996 )

Normalized difference water index

NDWI

\[\frac{NIR-SWIR_{1}}{NIR+SWIR_{1}}\]

(Gao, 1996)

Modified Normalized difference water index

MNDWI

\[\frac{G-SWIR_{1}}{G+SWIR_{1}}\]

(Xu,  2006)

Tasseled Cap Humidity index

TCW

\[a\times B+b\times G+c\times R\]

\[+d\times NIR+e\times SWIR_{1}+f\times SWIR_{2}\]

(Crist, 1985)

Automated Water Extraction Index

AWEInon-shadow 

\[4\times (G-SWIR_{1}) -0.25\times NIR-2.75\times SWIR_{1}\]

(Feyisa et al., 2014)

Automated Water Extraction Index

AWEIshadow 

\[B+2.5\times G-1.5\times (NIR-SWIR_{1}) -0.25\times SWIR_{2}\]

(Feyisa et al., 2014)

water index

WI

\[1.7204+171\times G+3\times R\]

\[-70\times NIR-45\times SWIR_{1}-71\times SWIR_{2}\]

(Fisher et al.,  2016)

Índice ICEDEX

ICEDEX

\[\frac{NIR}{R}-\frac{NIR}{SWIR_{1}}\]


1. Índice de Diferencia de Agua Normalizado (NDWI).

El NDWI es una variación del NDVI que se desarrollo inicialmente por McFeeter usando Landsat 4 Multi-Spectral Scanner (MSS). Si en la ecuación invertimos el orden del NIR y cambiamos la banda roja (R) por la verde (G), el resultado será contrario al NDVI, la vegetación será suprimida y los cuerpos de agua se realzaran (McFeeters, 1996).

Xu (2006) señaló que este índice es diseñado para:
  • Maximizar la reflectancia de las características acuáticas, al usar la longitud de onda correspondiente al verde.
  • Minimiza la baja reflectancia del NIR para las características acuáticas.
  • Maximiza la alta reflectancia del NIR para la vegetación terrestre y los suelos.
\[NDWI=\frac{G-NIR}{G+NIR}\]
Vale la pena mencionar que Gao (1996) también nombró un NDWI para la detección remota del agua líquida de la vegetación, pero utilizó una banda compuesta diferente::
\[NDWI_{GAO}=\frac{NIR-SWIR{1}}{NIR+SWIR{1}}\]
donde: 
SWIR1: la banda del Infrarrojo Medio.

Figura 2. Índice de Agua Normalizado NDWI (Fuente: Ariza, García, Rojas, & Ramírez, 2014)
Figura 3. Estimación de NDWIGAO con imagen Landsat del 01/10/2020 de la presa el palmito, México

El NDWIGAO es un índice que se ha empleado en diversos estudios para determinar la humedad del suelo y de la vegetación; Sánchez-Ruíz et al. (2014) demostraron que la viabilidad de los índices con la banda SWIR para desglosar observaciones humedad del suelo y vegetación es debido a los efectos de absorción de agua en esta banda por estas coberturas.

Un alto valor de NDWI es consecuencia de una mayor reflectancia en la banda NIR que en la banda SWIR, esto indica cantidades suficientes de agua en el dosel para la actividad fotosintética y, por lo tanto, vegetación verde y saludable. Por el contrario, un valor negativo indica estrés del cultivo, vegetación seca o suelo desnudo.

Sánchez et al, (2015) estimaron únicamente la humedad del suelo a partir de imagenes Landsat 8 y además del NDWI  probaron una modificación a dicho índice en el cual intercambiaron la banda del NIR por el RED, y encontraron correlaciones mas altas en el índice modificado (0.64) que en el NDWI (0.59) con respecto a datos de humedad medido in situ. Las correlaciones no son muy altas debido a que en el pixel no se separa el suelo de la vegetación ya que el NDWI es sensible a estas coberturas, esto se podría mejorar si se usan imagenes de mayor resolución espacial.    

2. Índice de Diferencia de Agua Normalizado Modificado (MNDWI).

Este índice surgió como respuesta a la incapacidad del índice de diferencia de agua normalizado (NDWI) para separar territorios cubiertos del agua. Por este motivo en 2006, Xu propuso modificar el NDWI reemplazando la banda del Infrarrojo Cercano (NIR) por la banda del Infrarrojo Medio (SWIR). Los valores de este índice varían entre -1 y 1, donde los valores superiores a cero corresponden a cuerpos de agua. (Ariza et al., 2014).
Figura 2. Índice de Agua Normalizado modificado MNDWI (Ariza et al., 2014).

3. Índice de Agua ICEDEX

El índice ICEDEX es utilizado por el Instituto Ambiental Español (CEDEX) para mapear aguas continentales y es uno de los que presenta valores más estables, siendo uno de los menos sensibles a la influencia de vegetación o a la presencia de material en suspensión (sedimentos, algas). Este índice se obtiene a partir de las relaciones entre las bandas del Rojo (R), Infrarrojo Cercano (NIR) e Infrarrojo Medio (SWIR) (Ariza et al., 2014).


Figura 3.  Índice de Agua ICEDEX (Ariza et al., 2014).


¿Conoces algún otro índice?, déjanos tus comentarios 

4.-Literatura citada.

Ariza, A., García J., S., Rojas B., S., & Ramírez D., M. 2014. Desarrollo de un modelo de corrección de imágenes de satélite para inundaciones: (CAIN - Corrección Atmosférica e Índices de Inundación). UN-SPIDER, pp. 1-10.

Crist, E.P. (1985). A TM tasseled cap equivalent transformation for reflectance factor data. Remote Sensing of Environment, 17, 301–306.

Chen, J., Chen, S., Fu, R., Li, D., Jiang, H., Wang, C., … Jiang Formal analysis, H. (2022). Remote Sensing Big Data for Water Environment Monitoring: Current Status, Challenges, and Future Prospects. Earth’s Future, 10(2), e2021EF002289. https://doi.org/10.1029/2021EF002289

Feyisa, G.L., Meilby, H., Fensholt, R., & Proud, S.R. (2014). Automated Water Extraction Index: A new technique for surface water mapping using Landsat imagery. Remote Sensing of Environment, 140, 23–35. http://dx.doi.org/10.1016/j.rse.2013.08.029.

Fisher, Adrian; Flood, Neil; Danaher, Tim  (2016). Comparing Landsat water index methods for automated water classification in eastern Australia. Remote Sensing of Environment, 175(), 167–182. https://doi.org/10.1016/j.rse.2015.12.055     

Gao, B. C. (1996). NDWI a normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment, 58(3), 257–266. https://doi.org/10.1016/S0034-4257(96)00067-3

McFeeters, S. K., 1998. The use of normalized difference wáter index (NDWI) in the delineation of open water featuresInternational Journal Of Remote Sensing17, pp. 1425-1432.

Muñoz Aguayo, P. 2015. Índices de vegetación. Centro de Información de Recursos Naturales CIREN. Santiago: CIREN.

Sánchez, N., Alonso-Arroyo, A., Martínez-Fernández, J., Piles, M., González-Zamora, Á., Camps, A., & Vall-Llosera, M. (2015). On the synergy of airborne GNSS-R and landsat 8 for soil moisture estimation. Remote Sensing. https://doi.org/10.3390/rs70809954

Sánchez-Ruiz, S., Piles, M., Sánchez, N., Martínez-Fernández, J., Vall-llossera, M., & Camps, A. (2014). Combining SMOS with visible and near/shortwave/thermal infrared satellite data for high resolution soil moisture estimates. Journal of Hydrology. https://doi.org/10.1016/j.jhydrol.2013.12.047

Xu, H. 2006. Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imageryInternational Journal Of Remote Sensing27(14), 3025-3033. https://doi.org/10.1080/01431160600589179.

Entradas más populares de este blog

Pérdidas de carga localizadas o en accesorios

Combinación RGB con bandas del satélite Landsat 5, 7 y 8

¿Cuál fórmula seleccionó para el cálculo de la pérdida de carga por fricción en tuberías?

Consideraciones para el diseño hidráulico de canales

¿Qué régimen tengo en un canal o río : Subcrítico, Crítico o Supercrítico.?

Diseño Agronómico e hidráulico de sistemas de riego presurizado

Granulometría-Método del hidrómetro: fundamentos teóricos, aplicaciones

Programas y herramientas para diseñar sistemas de riego presurizados

Solución de la ecuación de Colebrook-White, con métodos numéricos.

Tipos de bombas usados en sistemas de riego