High-resolution remote sensing for rainfall and river discharge estimation

The European Union's Earth Observation program, Copernicus, aims to create a vast amounts of global data from satellites and ground-based, airborne and seaborne measurement systems with the goal of providing information to help service providers, public authorities, and other international organizations improve European citizens' quality of life. With the aim of reaching this goal, a new family of missions called Sentinels has been developed by the European Spatial Agency, ESA, specifically for the operational needs of the program. These missions carry a range of cutting-edge technologies, such as radars and multi-spectral imaging instruments, for land, ocean and atmospheric monitoring. Multiple kinds of high-resolution data are now available to the scientific community, which is working to adapt and develop the existing models and algorithms to the new information. With this objective, two of the most important variables that contribute to the water cycle, rainfall and river discharge, were selected in this thesis to be estimated by the use of the information obtained from Sentinel-1 and Sentinel-2 sensors. The monitoring of these two variables is fundamental in many hydrological applications, like flood and landslide forecasting and water resources management, and their impact is clearly visible from space. In-situ measurements are the traditional data source of them, but the worldwide declining number of stations, their low spatial density and the data access problem limit their use. Satellite sensors have been therefore adopted to support and, in some cases, substitute the existing gauge network in estimating river discharge and rainfall, thanks to the strong growth in technologies and applications. Two valuable examples of this are SM2RAIN algorithm, which allows to estimate rainfall from Soil Moisture (SM) observations by exploiting the inversion of the soil water balance equation, and the CM approach, a non-linear regression model capable of linking the ground measurements of river discharge to the near-infrared (NIR) reflectance ratio between a dry and a wet pixel chosen around the border of a river. Notwithstanding their usefulness, until now several limitations affected these two methodologies. The main issue with satellite derived rainfall data was their low spatial resolution which could not overcome 10 km, a quantity insufficient to obtain accurate information over many areas and posing important constraint on their use for many applications and fields, which require more and more detailed information. Similarly, the resolution of the available NIR data was not suitable to provide information for narrow rivers (< 250 m wide), nor to study river features and patterns that were here averaged within a single pixel. The recently available high-resolution data from the Sentinel Missions of the Copernicus program offer an opportunity to overcome these issues. The data from Sentinel-1 mission can be used to obtain a high spatial resolution SM product, named S1-RT1, that is adopted in this thesis to derive 1 km spatial resolution (500 m spacing) rainfall data over the Po River basin from it, through the algorithm SM2RAIN. The rainfall derived from the 25 km ASCAT SM product (12.5 km spacing), resampled to the same grid of S1-RT1, is compared to the latter to evaluate the potential benefits of such product. SM2RAIN algorithm needs to be calibrated against a benchmark, which poses important limitations on the applicability of the analysis in data scarce regions. In order to overcome this issue, a parameterized version of SM2RAIN algorithm is previously developed relying on globally distributed data, to be used along with the standard approach in the high-resolution rainfall estimation. The performances of each obtained product are then compared, to assess both the parameterized SM2RAIN capabilities in estimating rainfall and the benefits deriving from Sentinel-1 high spatial resolution. For the river discharge estimation, the use of Sentinel-2 NIR reflectances within the CM approach is investigated to support the hypothesis that a higher satellite product’s spatial resolution, i.e., 10 m (vs. a medium-resolution, i.e., 250 m), is able to better identify the periodically flooded pixels, more related to the river dynamics, with obvious advantages for river discharge estimation. Moreover, the improved resolution allows both a finer distinction between vegetation, soil and water and the characterization of water turbidity in the river area, which is important to correctly estimate the river discharge using this approach. A new formulation enriched by the sediment component is proposed along with a procedure to localize the periodically flooded pixels without the intake of calibration data, which is a first step towards a completely uncalibrated procedure for the river discharge estimation, fundamental for ungauged rivers. The obtained results show that the high-resolution information from Copernicus actually increase the accuracy of the satellite derived products. Good estimates of rainfall are obtainable from Sentinel-1 when considering aggregation time steps greater than 1 day, since to the low temporal resolution of this sensor (from 1.5 to 4 days over Europe) prevents its application to infer daily rainfall. In particular, the rainfall estimates obtained from Sentinel-1 sensors outperform those from ASCAT in specific areas, like in valleys inside mountain regions and most of the plains, confirming the added value of the high spatial resolution information in obtaining spatially detailed rainfall. The use of a parameterized version of SM2RAIN produces performances similar to those obtained with SM2RAIN calibration, attesting the reliability of the parameterized algorithm for rainfall estimation in this area and fostering the possibility to apply SM2RAIN worldwide even without the availability of a rainfall benchmark product. Similarly, the river discharge estimation from Sentinel-2 reflectances from selected stations along two Italian rivers, the Po and the Tiber, confirms that reliable performance can be obtained from high-resolution imagery. Specifically, over both the stations the new formulation improves the river discharge accuracy and over the Po River the best performances are obtained by the uncalibrated procedure. Google Earth Engine (GEE) platform has been employed for the data analysis, allowing to avoid the download of big amounts of data, fostering the reproducibility of the analysis in different locations. Il programma per l’Osservazione della Terra dell’Unione Europea, Copernicus, mira a creare una grande quantità di dati globali da satelliti e sistemi di misurazione terrestri, aerei e marittimi con l'obiettivo di fornire informazioni per assistere i fornitori di servizi, le autorità pubbliche e altre organizzazioni internazionali a migliorare la qualità della vita dei cittadini Europei. Per raggiungere questo obiettivo, l’Agenzia Spaziale Europea (ESA) ha sviluppato una nuova famiglia di missioni satellitari, denominate Sentinel, progettata specificatamente per le esigenze operative del programma. Queste missioni trasportano una gamma di tecnologie all'avanguardia per il monitoraggio terrestre, oceanico e atmosferico, come radar e strumenti di scansione multispettrale. Diversi tipi di dati ad alta risoluzione sono ora disponibili per la comunità scientifica, che sta lavorando per adattare e sviluppare i modelli e gli algoritmi esistenti alle nuove informazioni. Per questa ragione, due delle variabili più importanti del ciclo dell'acqua, la precipitazione e la portata fluviale, sono state selezionate in questa tesi per essere stimate attraverso le informazioni ottenute dai sensori Sentinel-1 e Sentinel-2. Queste variabili sono state scelte perché il loro monitoraggio è fondamentale in molte applicazioni idrologiche, come la previsione di alluvioni e frane e la gestione delle risorse idriche, e inoltre il loro impatto è chiaramente visibile dallo spazio. La fonte tradizionale di questi dati sono le stazioni di misura in situ, ma il decrescente numero dei sensori operativi, la loro ridotta rappresentatività spaziale e i problemi relativi all’accesso e alla condivisione dei dati ne ostacolano l’uso a livello globale. I sensori satellitari sono stati quindi adottati come supporto o, in alcuni casi, alternativa alla rete di misura esistente per la stima delle precipitazioni e delle portate fluviali, grazie alla costante evoluzione delle tecnologie impiegate e della ricerca sulle loro applicazioni. Due validi esempi in tal senso sono l'algoritmo SM2RAIN e l'approccio CM: il primo permette di stimare le precipitazioni in un’area a partire da una serie temporale di umidità del suolo della stessa (ottenibile da satellite), grazie all'inversione dell'equazione di bilancio idrico del suolo; il secondo è un modello di regressione non lineare capace di ottenere una stima della portata fluviale attraverso l’uso di sensori satellitari sensibili alla radiazione del vicino infrarosso (NIR), grazie alle differenze di riflettanza tra l’acqua e il terreno in questa regione dello spettro elettromagnetico. Nonostante la loro utilità, fino ad ora queste due metodologie hanno mostrato diversi limiti. Il problema principale con i dati di precipitazione derivati da satellite è la loro bassa risoluzione spaziale che non eccede i 10 km, una quantità insufficiente per ottenere informazioni accurate in molte regioni del mondo e che pone un importante vincolo al loro utilizzo in diversi campi e tipi di applicazione, richiedenti invece un grado di dettaglio sempre maggiore. Allo stesso modo, la risoluzione dei dati satellitari NIR disponibili non è sufficiente a fornire informazioni per fiumi stretti (< 250 m di larghezza), né a studiare le caratteristiche e i dettagli dei fiumi che vengono invece mediati all'interno di un singolo pixel. La recente disponibilità di dati ad alta risoluzione delle missioni Sentinel del programma Copernicus, però, offre l'opportunità di superare questi problemi. Le informazioni ottenute dalla missione Sentinel-1 possono essere infatti usate per ottenere un prodotto di umidità del suolo ad alta risoluzione spaziale, chiamato S1-RT1, che è stato selezionato in questa tesi per derivarne dati di pioggia a 1 km di risoluzione spaziale (500 m di spaziatura) per il bacino del fiume Po, attraverso l’utilizzo dell’algoritmo SM2RAIN. I benefici potenziali di tale prodotto sono stati valutati attraverso il confronto della pioggia ottenuta con quella derivata dal prodotto satellitare di umidità del suolo ASCAT, caratterizzato da 25 km di risoluzione spaziale (12.5 km di spaziatura) e opportunatamente ricampionato sulla griglia di S1-RT1. L’algoritmo SM2RAIN ha bisogno di essere calibrato attraverso l’uso di un prodotto di riferimento, cosa che pone importanti limiti al suo utilizzo in regioni con scarsa disponibilità di dati osservati. Per superare questo problema, è stata quindi sviluppata una versione parametrizzata dell’algoritmo SM2RAIN indipendente dai dati osservati, da affiancare alla versione standard per la stima della precipitazione ad alta risoluzione. Le performance di ciascun prodotto ottenuto sono state quindi confrontate, in modo da valutare sia le capacità del prodotto parametrizzato di stimare la pioggia senza il supporto di dati di calibrazione, sia i benefici derivanti dall’uso dei dati ad alta risoluzione spaziale di Sentinel-1. Per quanto riguarda la stima della portata fluviale, invece, l’approccio CM è stato applicato alle immagini NIR ottenute dal sensore Sentinel-2 per verificare l’ipotesi che una migliore risoluzione spaziale del prodotto satellitare adottato (10 m di Sentinel-2 contro una risoluzione media di 250 m dei suoi predecessori) sia capace di meglio identificare i pixel periodicamente allagati e quindi sensibili alle variazioni della portata fluviale, con conseguenti benefici alla stima di quest’ultima. La maggiore risoluzione rende inoltre possibile una più accurata distinzione tra vegetazione, suolo e acqua, nonché la caratterizzazione della torbidità dell’acqua nel tratto di fiume selezionato, fattori importanti per stimare correttamente la portata fluviale usando quest’approccio. È stato dunque possibile introdurre una nuova formulazione dell’approccio CM arricchita della componente dei sedimenti, nonché una procedura per la localizzazione dei pixel periodicamente allagati senza l’utilizzo di dati di calibrazione, che rappresenta un primo passo verso una procedura completamente non calibrata per la stima della portata fluviale, fondamentale in fiumi non strumentati. I risultati ottenuti mostrano che le informazioni ad alta risoluzione provenienti dal programma Copernicus possono effettivamente migliorare l’accuratezza dei prodotti di pioggia e portata fluviale ottenuti da satellite. È possibile ottenere stime attendibili di pioggia da Sentinel-1 quando tempi di aggregazione maggiori di un giorno sono presi in considerazione, dato che la ridotta risoluzione temporale del sensore (da 1.5 a 4 giorni per l’Europa) ne previene l’applicazione per l’ottenimento della pioggia a risoluzione giornaliera. In particolare, le stime della pioggia ottenute dai sensori Sentinel-1 hanno prestazioni migliori di quelle di ASCAT in aree specifiche, come le valli all’interno delle regioni montuose e la maggior parte delle pianure, confermando il valore aggiunto dalla elevata risoluzione spaziale nell’ottenimento di un prodotto di pioggia spazialmente dettagliato. L’uso della versione parametrizzata di SM2RAIN mostra prestazioni molto simili a quelle ottenute dalla calibrazione dello stesso, dimostrando l’affidabilità dell’algoritmo parametrizzato per la stima della pioggia nell’area considerata e la possibilità di applicare SM2RAIN in tutto il mondo anche senza la disponibilità di un prodotto di pioggia osservata di riferimento. Similmente, la stima della portata fluviale a partire dalla riflettanza misurata da Sentinel-2 per le stazioni selezionate lungo due fiumi italiani, il Po e il Tevere, conferma che buone prestazioni possono essere ottenute dall’utilizzo di immagini satellitari ad alta risoluzione. Specificatamente, la nuova formulazione permette di migliorare l’accuratezza della portata fluviale stimata in entrambe le stazioni, e, per il fiume Po, le migliori prestazioni sono ottenute dall’uso della procedura non calibrata, provandone la validità. Va infine sottolineato l’impiego della piattaforma Google Earth Engine per l’analisi dei dati di Sentinel-2, che ha permesso di evitare lo scaricamento di ingenti quantità di dati, favorendo la riproducibilità delle analisi anche in diverse località.