Return to search

Towards a global high-resolution inundation map derived from remote sensing imagery: African continent application

Wetlands are recognized as valuable landscapes for their contribution to biodiversity, ecosystem services and population livelihoods. However, current global wetland inventories do not spatially represent wetland extent at a spatial and temporal resolution appropriate for conservation and management purposes. Among the best existing global inventories, the Global Lakes & Wetlands Database (GLWD; Lehner & Döll, 2004) is a static database assembled from various existing data sources that unfortunately suffers from the inconsistency among its data sources. Another, the Global Surface Water Extent Dataset (GSWED; Prigent et al. 2007; Papa et al. 2010) produced from a multi-satellite method is capable of monthly measurements but possesses a coarse spatial resolution incapable of discriminating distinct surface water bodies. Faced with the limitations of current global inventories, a new methodological approach is required to provide the improved wetland inventory needed by the research and conservation communities.This thesis investigates a methodology capable of producing a high-resolution (~ 500 m) surface water extent map by spatially downscaling the coarse resolution (~27 km) inundated area estimates of GSWED. The methodology inspired by Bwangoy et al. (2010) has a pragmatic and straight-forward design to ensure and ease its global application. The work of this thesis consists of an initial implementation and validation of the methodology across the African continent. The downscaling approach relies on the topographic and hydrographic information from the globally available HydroSHEDS data (Lehner et al., 2008) to distribute inundated area at the finer resolution to the most topographically inundation prone areas. Thirteen hydro-topographic variables were computed from HydroSHEDS and then consolidated into a single inundation probability map with the use of decision tree learners. The decision trees were trained on regional inundation maps and subsequently employed to generate a topographic probability of inundation map at high-resolution for the entire continent. The probability map is turned into an inundated/non-inundated map by splitting the probability distribution into two (inundated/non-inundated) with a defined threshold value. A threshold value is chosen for each GSWED cell to produce an inundation map replicating the inundated area estimates of GSWED within the cell at the finer resolution. To represent the maximum wetland extent at different timescales, two sets of inundated areas estimates were downscaled as high-resolution inundation maps with this MWT downscaling procedure: 1) the mean annual maximum (MAMax) estimates were calculated for each cell from the monthly estimates of GSWED between 1993 and 2004; 2) the fusion maximum (MaxFusion) was generated from a fusion of the time-series maximum (TSMax) also calculated from GSWED, with the wetland area from GLWD. The MaxFusion estimates were produced to correct some data gaps of GSWED, as well as to offer a more complete and reliable maximum wetland extent map. The MAMax and MaxFusion estimates respectively totalled 1339 and 2779 thousand km2 of wetland area across the continent; higher than most previous estimates for Africa.Validation of the spatial distribution of inundation at the finer resolution exhibited high levels of agreement against reference regional maps (Overall Accuracy ~ 92%; KIA ~ 80%). Over selected wetland study sites, comparisons of the MaxFusion downscaled map with the global land cover GLC2000 (Mayaux et al. 2004) and wetland database GLWD indicated that the downscaled map possessed slightly lower but more consistent agreement with GLC2000 than GLWD did. Regardless, the level accuracy of the tested methodology is considered satisfactory to pursue production of a first version global inundation map. Possible follow-up applications making use of the downscaled inundation maps such as a global hydro-geomorphic wetland classification. / Bien que l'importance des milieux humides pour la biodiversité et les services écosystémiques soit reconnue, les bases de données actuellement disponibles ne sont pas en mesure de décrire globalement les charactéristiques biophysiques des milieux humides de façon utile à des fins de gestion et de conservation. Parmi les inventaires globaux de milieux humides disponibles, la Global Lake & Wetland Database (GLWD) (Lehner & Döll, 2004), , est une représentation statique constituée de plusieurs sources qui est cependant spatiallement inconsistente. Un autre inventaire, le Global Surface Water Extent Dataset (GSWED) (Prigent et al. 2007; Papa et al. 2010) produite à partir d'une méthode multi-satellitaire, possède une faible résolution spatiale incapable de différencier des plans d'eau distincts. Compte tenue des limites des actuels inventaires, une nouvelle approche est nécessaire pour générer le nouvel et amélioré inventaire que demande diverses communautés de chercheurs.Cette thèse examine la possibilité de produire une représentation spatiale d'inondation et de milieux humides globale à haute résolution (~ 500 m) à partir d'une réduction d'échelle des estimés surfaces inondées de faible résolution (~27 km) du GSWED. La méthode inspirée par Bwangoy et al. (2010) a été développée de façon pragmatique et simple afin d'assurer son application globale sans heurt. Cette thèse est une application initiale de la méthodologie à des fins de validations sur le continent africain. La méthode de réduction de résolution repose sur de l'information topographiques et hydrographiques globales provenant des données HydroSHEDS (Lehner et al. 2008) pour distribuer la surface inondée de GSWED à la plus fine résolution aux endroits les plus prompt à l'inondation. Treize variables hydro-topographiques furent calculées à partir d'HydroSHEDS et ensuite consolidée dans une probabilité d'inondation calculée pour chaque pixel de haute résolution d'HydorSHED,S grâce à un arbre de décision. L'arbre de décision fut entraîné et validé avec des images satellitaires régionales d'inondation et fut utilisé par la suite pour générer des probabilités d'inondation sur l'ensemble du continent. La carte de probabilités d'inondation résultante est ensuite transformée en carte d'inondation en utilisant une valeur seuil divisant la distribution de probabilités en deux. Une valeur seuil est choisie pour la surface de chaque cellule de GSWED pour répliquer la surface inondée de GSWED.En tant qu'estimé de surface provenant de GSWED, les valeurs mensuelles entre 1993 et 2004 furent agrégée pour produire des estimés du maximum annuel moyen (MAMax) ainsi que le maximum historique (TSMax). Pour produire des estimées fiables représentant la surface maximale inondée et pour corriger pour certaines des lacunes des estimés de GSWED, les estimés du TSMax furent fusionnés à celles de GLWD, générant les estimées maximales de fusion (MaxFusion). La surface totale estimée pour l'ensemble du continent africain pour MAMax et MaxFusion est estimées respectivement à 1339 et 2779 milliers de km2, plus élevée que la plupart des estimés précédents.La validation de la distribution spatiale de l'inondation à la plus fine résolution a démontré un bon accord (Précision globale ~ 92%; KIA ~ 80%) lorsque comparée à des cartes régionales d'inondations ou de milieux humides. De plus, la comparaison du résultat cartographique avec le GLC2000 et le GLWD sur quelques sites particuliers a indiqué une concordance avec GLC2000 consistante, malgré qu'inférieure à celle de GLWD. Malgré les défauts du produit, le niveau de précision de la méthodologie testée peut être considérée suffisant pour poursuivre son développement et son application globale. D'autre projets de recherches découlant de celui-ci et faisant usage d'une carte d'inondation global à haute-résolution peuvent avoir faire à un classification hydro-géomorphique de milieux humides.

Identiferoai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMM.110673
Date January 2012
CreatorsFluet-Chouinard, Étienne
ContributorsBernhard Lehner (Internal/Supervisor)
PublisherMcGill University
Source SetsLibrary and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada
LanguageEnglish
Detected LanguageFrench
TypeElectronic Thesis or Dissertation
Formatapplication/pdf
CoverageMaster of Science (Department of Geography)
RightsAll items in eScholarship@McGill are protected by copyright with all rights reserved unless otherwise indicated.
RelationElectronically-submitted theses.

Page generated in 0.0026 seconds