Aplicación de datos del mes: Inundaciones Fluviales

St John River Flood

¿Qué son las inundaciones fluviales?

Las inundaciones fluviales son una de las amenazas naturales más comunes, y provocan impactos más desastrosos y persistentes en todo el mundo que las inundaciones costeras y pluviales (IPCC, 2012). Desde el punto de vista hidrológico, una inundación fluvial se produce cuando el nivel del agua de un río aumenta, superando la cota de coronación de las bandas fluviales y desbordándose en las tierras circundantes, conocidas como llanuras aluviales, normalmente a causa de un exceso de lluvia o de deshielo (Leandro et al., 2010). La gravedad de las inundaciones fluviales depende de la duración y la intensidad (cantidad de lluvia en volumen) de las precipitaciones, del contenido de agua del suelo debido a las precipitaciones anteriores y de las propiedades del suelo, así como de las características del terreno circundante (Zurich, 2019). Los dos tipos principales de inundaciones fluviales son (i) la inundación por desbordamiento, que se produce cuando el agua aumenta hasta desbordar los márgenes de un río, y (ii) la inundación repentina, caracterizada por un torrente de agua de gran velocidad y corta duración que se produce debido a precipitaciones de gran intensidad o a la rotura repentina de una presa o un dique (Yang y Liu, 2020). 

La inundación estacional de las llanuras aluviales es esencial para mantener un corredor fluvial complejo que permita prosperar al ecosistema acuático, así como crear y mantener los hábitats naturales, y permitir la transferencia de nutrientes que propician la creación de tierras agrícolas fértiles (Alfieri et al., 2017). En consecuencia, la ocupación y el uso de las llanuras aluviales se basan en las ventajas económicas del terreno, la fertilidad del suelo, la facilidad de acceso y el suministro de agua disponible a pesar del riesgo de inundación. Globalmente, aproximadamente mil millones de personas viven en llanuras aluviales (PNUMA, 1998). El Analizador de Inundaciones Globales AQUEDUCT estima que, de media, unos 21 millones de personas en todo el mundo se ven afectadas por inundaciones fluviales cada año, y que esta cifra puede aumentar potencialmente a 54 millones en 2030 debido al cambio climático y al desarrollo socioeconómico. Los quince países más expuestos son India, Bangladesh, China, Vietnam, Pakistán, Indonesia, Egipto, Myanmar, Afganistán, Nigeria, Brasil, Tailandia, República Democrática del Congo, Irak y Camboya (WRI, 2015). 

Contenido

Inundaciones fluviales y cambio climático

¿Cómo puede la observación terrestre monitorear las inundaciones fluviales

Métodos y fuentes de datos utilizados para monitorear las inundaciones fluviales desde el espacio

Mapeo de inundaciones fluviales a partir de datos ópticos

Mapeo de inundaciones fluviales a partir de datos por radar

Mapeo de inundaciones fluviales combinando datos ópticos y datos obtenidos por radar

Uso de datos de observación terrestre en modelos hidráulicos de inundaciones

Inundaciones fluviales y el ciclo de gestión de desastres

Inundaciones fluviales y cambio climático

Los efectos y la intensidad de las inundaciones fluviales podrían verse influidos por el cambio climático. Normalmente, las inundaciones se ven afectadas por las diversas características de las precipitaciones, como la intensidad, la duración, la cantidad, el momento y la fase (nieve o lluvia). Por consiguiente, cambios en las características mencionadas provocados por el cambio climático podrían dar lugar a cambios en las características de las inundaciones. Como se señala en el informe especial del IPCC sobre los fenómenos extremos, el cambio climático ha influido perceptiblemente en varias de las variables relacionadas con el agua que propician las inundaciones (IPCC, 2012). Aunque es posible que el cambio climático no provoque directamente las inundaciones, podría agravar muchos de los factores que sí las provocan. Sin embargo, es difícil encontrar pruebas claras debido a la falta de datos en la mayor parte del mundo. Excepto en Europa, donde existen datos pluviométricos exhaustivos que apuntan a una tendencia con precipitaciones más abundantes.

En un estudio realizado por Alfieri et al. (2017), se modelizan la frecuencia, la magnitud y el impacto de las inundaciones fluviales en escenarios correspondientes a 1,5℃, 2℃ y 4℃. Los resultados obtenidos indican una correlación positiva entre el calentamiento atmosférico y el riesgo futuro a escala mundial. Con un aumento de la temperatura global de 4℃, los Estados Unidos de América y los países de Asia y Europa se enfrentarán a un aumento del 500% del riesgo de inundaciones fluviales.

¿Cómo puede la observación terrestre monitorear las inundaciones fluviales

Las estaciones terrestres convencionales para el seguimiento de los parámetros hidrológicos pueden ser costosas en el caso de países en vías de desarrollo de gran extensión, ya que no registran la ocurrencia de fenómenos extremos y pueden no ser rentables (Schumann et al., 2018; Zoka et al., 2018). Las técnicas de teledetección representan una fuente alternativa o complementaria de datos de observación que compensan las limitaciones mencionadas a escala mundial, en particular en las zonas remotas de los países en vías de desarrollo (Domeneghetti et al., 2019). Los datos satelitales proporcionan una cobertura integral, sinóptica, multitemporal y de gran extensión espacial en tiempo cuasi real y a intervalos frecuentes. Esto permite comparar el antes, el durante y el después de los fenómenos extremos, monitoreando cuencas fluviales pequeñas y grandes. La detección de inundaciones, el mapeo y el monitoreo de las inundaciones y sus impactos también se pueden hacer con satélites, y pueden contribuir a la planificación y ejecución de respuestas de emergencia (Ogashawara et al., 2013; Zoka et al., 2018).

Figura 1: Mapas de zonas inundadas utilizando datos de observación terrestre

Los datos obtenidos por satélite son adecuados para mapear y monitorear (i) las zonas inundadas, (ii) el alcance de los daños causados por las inundaciones, (iii) la configuración de los ríos, los depósitos de limo, los bajos, etc., (iv) las características de las cuencas hidrográficas y (v) la ocupación y el uso del suelo en las zonas designadas. Además, el análisis digital de los datos obtenidos por satélite puede utilizarse para delimitar las zonas propensas a las inundaciones, detectar cambios en las secciones de las llanuras aluviales inundadas e identificar lugares idóneos para la construcción de infraestructuras para el control de las inundaciones (Aggarwal et al., 2009). Asimismo, los datos pluviométricos obtenidos por satélite pueden utilizarse para inferir las condiciones de inundación o en un modelo hidrológico para derivar el caudal o la escorrentía y monitorear las condiciones de la inundación. Los datos de observación terrestre también pueden utilizarse para validar y calibrar los modelos hidráulicos existentes (NASA, 2015). Las técnicas de teledetección ofrecen oportunidades para obtener información hasta ahora desconocida, reconocer patrones y tendencias de las inundaciones, fomentar nuestra comprensión de la dinámica de las inundaciones y mejorar nuestra capacidad para mapear y monitorear las inundaciones fluviales a escala local y global.

Métodos y fuentes de datos utilizados para monitorear las inundaciones fluviales desde el espacio

Los sensores y las técnicas de procesamiento de datos que existen para obtener información sobre inundaciones son numerosos. Los instrumentos que registran las inundaciones pueden operar en el rango visible, térmico y de microondas del espectro electromagnético. Los datos obtenidos por satélite se basan en sistemas ópticos pasivos o en sistemas activos de radar o LIDAR. Para el monitoreo de las inundaciones fluviales, es ventajoso y eficaz utilizar sensores activos, en particular radares, ya que pueden penetrar la lluvia y la nubosidad, problemas que afectan a los lugares afectados por las inundaciones. A medida que avanzan las crecidas de los ríos, los sensores activos pueden indicar la extensión geográfica de las inundaciones, lo cual es un indicador de la intensidad de la crecida. Por otro lado, la adquisición de imágenes mediante sensores ópticos depende de la luz del día y de las condiciones meteorológicas (Anusha & Bharathi, 2019).

Mapeo de inundaciones fluviales a partir de datos ópticos

Los sensores ópticos detectan la energía reflejada de forma natural por la superficie terrestre en las bandas espectrales visibles e infrarrojas. A pesar de las limitaciones de los satélites ópticos, las imágenes ópticas pueden utilizarse para visualizar las zonas inundadas, por sí solas, sin compararlas con las zonas no inundadas. Utilizando el compuesto de color de tres bandas, el agua inundada y estancada absorbe las longitudes de onda infrarrojas y aparece de color azul oscuro o negro (Ban et al., 2017). 

Existen varios métodos para la extracción de información hidrológica a partir de imágenes ópticas en función del número de bandas utilizadas, que se clasifican en métodos de banda única y multibanda. El método de banda única consiste en elegir una banda que distinga mejor las características de las aguas superficiales de otras características de tierra. A continuación, se establece un umbral para distinguir mejor el agua de la tierra. Este umbral es muy subjetivo y a menudo tiende a sobrestimar o subestimar las zonas de aguas abiertas. El método multibanda puede realizarse de dos maneras. La primera consiste en analizar las firmas espectrales de todas las características de la imagen y determinar las diferencias entre las firmas del agua y las de otros elementos. El segundo método consiste en un enfoque de relación de bandas utilizando dos bandas. La primera banda se toma del espectro visible y se divide por otra banda, normalmente de las longitudes de onda del infrarrojo cercano (NIR, por sus siglas en inglés). De esta forma se suprimen los demás rasgos no acuáticos sin eliminarlos por completo. El Índice de Agua de Diferencia Normalizada (NDWI, por sus siglas en inglés) fue desarrollado por McFeeters (1996) para suprimir la señal de los rasgos no acuáticos utilizando las bandas verde y NIR. Xu (2006) argumentó que las características del agua extraída por el NDWI contienen interferencias de los terrenos urbanizados debido al comportamiento similar de la reflectancia del agua y de las zonas urbanizadas en las bandas verde y NIR. Para solucionar este problema, se formuló el Índice de Agua Normalizado Modificado (MNDWI, por sus siglas en inglés) utilizando el infrarrojo medio o infrarrojo de onda corta y las bandas espectrales verdes.  

Otros índices son el Índice del Agua (WI, por sus siglas en inglés) y el Infrarrojo de Onda Corta (RSWI, por sus siglas en inglés) (Memon et al., 2015). Se han hecho algunos intentos de abordar los fenómenos hidrológicos extremos utilizando la temperatura de la superficie de la Tierra (LST, por sus siglas en inglés). Parinussa et al., (2016) formulan estas diferencias en la LST diurna y nocturna, que se pueden utilizar como un sustituto del estado inicial y del estado de inundación sobre la tierra. Por lo tanto, las anomalías en la diferencia de LST diurna y nocturna pueden servir como un indicador de inundación.

La resolución espacial del sensor es un factor importante que influye en el uso de imágenes satelitales para detectar aguas superficiales. Los sensores comunes de resolución baja (>200m), como NOAA/AVHRR y MODIS, se han utilizado para detectar fenómenos hidrológicos extremos a gran escala. En particular, el MODIS se ha utilizado por su elevada frecuencia de revisita y su amplia cobertura espacial. El Radiómetro de Imágenes en el Infrarrojo Visible (VIIRS, por sus siglas en inglés) a bordo del satélite de la alianza nacional de satélites polares Suomi (Suomi NPP) es un sensor multiespectral de barrido ancho y a menudo considerado una mejora del AVHRR y del MODIS. Más aún, el Espectrómetro de Imágenes de Resolución Media (MERIS, por sus siglas en inglés) a bordo de la plataforma Envisat también se ha utilizado para la detección de inundaciones a gran escala. Sin embargo, las imágenes de estos satélites son muy generalizadas y más adecuadas para detectar y vigilar grandes inundaciones. Los satélites de resolución media (5-200 m), como la serie de satélites Landsat, SPOT, ASTER, HJ-1A/B y Sentinel-2 son más útiles para detectar la dinámica de casi todos los tamaños de masas de agua superficiales. Los satélites de alta resolución (<5 m), como IKONOS, RapidEye, Worldview, GF-1/2, Quickbird y ZY_3, pueden generar imágenes que permiten identificar pequeñas masas de agua que no pueden detectarse con los satélites de resolución baja y media. Sin embargo, estos satélites tienen una cobertura de pantalla pequeña, lo que los hace inadecuados para mapear grandes masas de agua. Además, la presencia de sombras en las imágenes de alta resolución, especialmente en las zonas urbanas y montañosas, puede impedir la detección de inundaciones. Así mismo, la disponibilidad y la frecuencia de revisita de la mayoría de las imágenes de alta resolución son limitadas (Huang et al., 2018). 

Mapeo de inundaciones fluviales a partir de datos por radar

A diferencia de los datos ópticos, los sistemas de Radar de Apertura Sintética (SAR, por sus siglas en inglés) operan en el rango de las microondas, que se caracteriza por ondas largas y tienen la capacidad de obtener información independientemente de las condiciones meteorológicas (es decir, penetración a través de nubosidad, cierto grado de vegetación, precipitaciones, niebla y nieve). El SAR transmite señales y recibe las características de retrodispersión de distintas superficies. La intensidad de la retrodispersión (intensidad de la retrodispersión del radar) depende de múltiples factores, como la rugosidad de la superficie y las propiedades dieléctricas. La superficie lisa y abierta del agua actúa como un reflector especular cuando entra en contacto con las señales del SAR, lo que dispersa la energía del radar alejándose del sensor, y produciendo una retrodispersión mínima. Los píxeles del agua estancada se muestran oscuros en las imágenes por radar, lo que contrasta con las zonas no acuáticas. Esto hace que sea fácil detectar y distinguir las áreas no acuáticas de las acuáticas (Anusha & Bharathi, 2019). 

Además, los avances tecnológicos en materia de SAR han mejorado el mapeo y monitoreo de las inundaciones gracias a la producción de satélites SAR de muy alta resolución, como TerraSAR-X, del Centro Aeroespacial Alemán (DLR, por sus siglas en alemán) y Radarsat-2, de la Agencia Espacial Canadiense. Otros satélites son el COSMO-SkyMed de la Agencia Espacial Italiana (ASI, por sus siglas en italiano), Sentinel-1 de la Agencia Espacial Europea (ESA, por sus siglas en inglés) y ALOS-PALSAR 2 de la Agencia Aeroespacial y de Exploración de Japón (JAXA, por sus siglas en inglés) (Schumann et al., 2018). 

Los sensores SAR utilizan tanto longitudes de onda corta (X (2,5-4cm) y C (4-8cm)) como larga (L (15-30cm) P (50-60cm)) para obtener información sobre las características de la superficie. El mecanismo de retrodispersión para las longitudes de onda SAR corta y larga depende de las características de la superficie en condiciones inundadas y no inundadas, como ilustra la figura 1. La hierba y el suelo en condiciones no inundadas son los principales factores de retrodispersión volumétrica y difusa tanto en longitudes de onda corta como larga, aunque hay una mayor penetración en el suelo con longitudes de onda larga.

Figura 2: mecanismos de dispersión de la hierba, la vegetación y las zonas edificadas en condiciones inundadas y no inundadas (Schumann et al., 2018)

Cuando se inunda, la reflexión se vuelve especular (suponiendo que la superficie del agua es lisa). En las zonas boscosas, la dispersión volumétrica domina las longitudes de onda corta y las señales sólo llegan a la copa de los árboles. Las longitudes de onda larga experimentan tanto la dispersión por volumen (de las ramas de los árboles) como el doble rebote (la penetración a través del dosel hace que las señales lleguen a la superficie y reboten en los troncos de los árboles). Sin embargo, cuando la zona está inundada, la retrodispersión de doble rebote se vuelve más determinante. En los paisajes urbanos, tanto en condiciones de inundación como de no inundación, los mecanismos de retrodispersión de doble rebote dominan debido a la presencia de muchas estructuras perpendiculares. Sin embargo, si se detecta con longitudes de onda corta, la retrodispersión es más fuerte cuando hay una inundación que cuando no, lo que sugiere que las longitudes de onda corta pueden detectar mejor las zonas inundadas en las zonas urbanas. Las longitudes de onda larga devuelven la misma retrodispersión tanto en condiciones de inundación como de no inundación (Schumann et al., 2018). 

La polarización HH es la preferida para la detección de inundaciones y el mapeo de extensión dado que es menos sensible a las pequeñas diferencias verticales en la superficie del agua causadas por las olas. La polarización VH también se suele recomendar para la elaboración de mapas de inundaciones, ya que es más sensible a los cambios en la superficie terrestre, mientras que la polarización VV suele ser la menos recomendada debido a su susceptibilidad a las estructuras verticales (Rahman y Thakur, 2018).

Mapeo de inundaciones fluviales combinando datos ópticos y datos obtenidos por radar

Generalmente, se utilizan tres combinaciones de imágenes satelitales para la detección de inundaciones, aplicadas respectivamente a los periodos antes y durante la inundación: (i) imágenes ópticas / imágenes ópticas, (ii) imágenes ópticas / imágenes SAR y (iii) imágenes SAR / imágenes SAR. La segunda combinación es un método que utiliza datos multitemporales provenientes de múltiples fuentes para el análisis de la progresión y la detección de inundaciones. El objetivo es utilizar imágenes de radar para identificar con precisión las zonas de agua a gran escala durante las inundaciones y utilizar imágenes ópticas para trazar mapas de las zonas de agua permanentes. La comparación de los resultados individuales permite diferenciar las masas de agua permanentes de las zonas inundadas (Tong et al., 2018). 

Tabla 1: Lista de sensores satelitales utilizados habitualmente para el mapeo y el monitoreo de las inundaciones fluviales

Sensor   Type Satellite Agency Resolution (m) Frequency (days) Years Active Advantages Access
SAR   X-Band COSMO-SkyMed ASI     2007 - present Constellation of four satellites   providing high-repeat coverage of up to 1m resolution Open Access
  TerraSAR-X DLR StripMap Mode: 3m
ScanSAR Mode: 18.5m
Wide ScanSAR Mode: 40m		 11 2007 - present Available in 3m resolution mode Open Access
SAR   C-Band Sentinel 1 ESA Interferometric Wide Swath (IW): 5m x 20m
Extra Wide Swath (EW) Mode: 25m x 100m
Wave (WV) Mode: 5m x 20m
Strip Map (SM) Mode: 5m x 5m		 12 2014 - present Capability of capturing images day/night, irrespective of the weather conditions
Open data access constellation of two satellites		 Open Access
  RADARSAT   2 Canadian Space Agency 1 - 100m 24 2007 - present    
SAR   L-Band ALOS-PALSAR 2 JAXA Strip Map: 3m/6m/10m
     ScanSAR: 100m
     Spotlight: 1m x 3m		 14 2014 - present Long wavelength (ability to map   flooding beneath vegetation)  
Optical   (Low Resolution) MODIS Terra/Aqua NASA 250 1 1999 - present Sub-daily repeat Open Access
  MODIS Terra/Aqua NASA 500 1 1999 - present Sub-daily repeat Open Access
  MODIS Terra/Aqua NASA 1000 1 1999 - present Sub-daily repeat Open Access
  Envisat/MERIS ESA 300 3 2002 - 2012    
  IRS‐2/AWiFS ISRO 56 5 2011 - present    
Optical   (Medium Resolution) Landsat NASA/USGS 30 16 1972 - present Long historic archive
Water indices (NDWI and MNDWI)
LULC classification		 Open Access
  Sentinel 2 ESA/Copernicus   10 2015 - present Open data access constellation of two satellites Open Access
Optical (High Resolution) Geo-Eye 1     3      
  SPOT-5 CNES   5 2002 - 2015 High spatial resolution  
Uso de datos de observación terrestre en modelos hidráulicos de inundacione

Con la llegada de nuevos productos de datos de observación terrestre, se ha extendido la utilización de imágenes satelitales en la simulación de inundaciones. Los datos de observación terrestre pueden utilizarse para mejorar la precisión de los modelos, especialmente en topografías complejas, proporcionando parámetros espacialmente detallados y precisos (Bates, 2012). Los Modelos Digitales de Terreno (MDT) se han utilizado para estimar zonas propensas a inundaciones. Los modelos hidrológicos 2D se pueden configurar habitualmente con MDT con el fin de representar una complejidad topográfica considerable, inclusive para zonas urbanas donde los flujos de agua se pueden representar potencialmente a escala de edificios individuales (Shen et al., 2015). Las medidas de pendiente y elevación derivadas de los MDT son útiles para modelar el flujo, la dirección y el alcance potencial de las inundaciones. Los datos de almacenamiento de agua, por ejemplo, de los satélites GRACE, y los datos de humedad del suelo, por ejemplo, de ASCAT, derivados de imágenes satelitales, se utilizan para derivar indicadores de inundaciones (Notti et al., 2018). En un estudio del río Rin, se combinaron datos temporales (series temporales de mediciones del nivel del agua) y datos espaciales (mapas de inundaciones derivados de datos satelitales) para aumentar la precisión de los pronósticos de inundaciones (Barneveld et al., 2008). Asimismo, los datos obtenidos por teledetección facilitan la validación y calibración de los modelos de inundación (Bates, 2012). 

Los niveles de inundación derivados del SAR han sido incorporados en los modelos hidráulicos para estimar la gravedad de las inundaciones desde el espacio y mejorar la precisión de los pronósticos. Para mejorar el análisis del riesgo de inundaciones fluviales en las zonas urbanas, se utiliza el SAR espacial de alta resolución, como TERRASAR-X, para detectar y predecir los patrones de inundaciones urbanas (Bates, 2012). Los datos MDT de alta resolución derivados del LIDAR se han aplicado a modelos de flujo de terrenos inundables y para analizar los efectos de la variación de los modelos espaciales de datos MDT en la precisión del modelo (Shen et al., 2015). La resolución de los datos espaciales también es importante. Si el objetivo del modelo hidráulico es determinar la extensión de la inundación a gran escala, se pueden utilizar datos del terreno de baja resolución. Por el contrario, el seguimiento de las vías de flujo (canales de la llanura de inundación, zanjas de drenaje, huecos en terraplenes, etc.) de las llanuras de inundación, tanto en entornos rurales como urbanos, requiere información espacial de resolución más fina (Bates, 2012). Es importante señalar que esta densidad de información plantea el problema de determinar la mejor manera de integrar los datos de observación terrestre en los modelos existentes dentro de un contexto computacional posible.

Inundaciones fluviales y el ciclo de gestión de desastre

En 2015, 197 países adoptaron el Marco de Sendai para la Reducción del Riesgo de Desastres, que hace hincapié en la importancia de hacer frente a los desastres mediante (i) la comprensión del riesgo, (ii) el fortalecimiento de la gobernanza del riesgo de desastres, (iii) la inversión en la reducción del riesgo de desastres y (iv) la mejora de la preparación para la respuesta y para fomentar la recuperación y la rehabilitación (UNDRR, 2015). Tradicionalmente, las inundaciones fluviales se han controlado con medidas estructurales como la formación de ríos, la construcción de diques, canales de derivación y zonas de retención, como embalses y presas (Merz et al., 2010). Últimamente ha quedado de manifiesto que las medidas de control de inundaciones centradas en la ingeniería no podrán hacer frente por sí solas a la frecuencia e impactos de las inundaciones futuras. Tales medidas de control de inundaciones tienen como objetivo reducir la probabilidad de inundación, es decir, el peligro de inundación, ignorando los impactos y la vulnerabilidad de la población en relación con las inundaciones (OMM y GWP, 2009; Christin y Kline, 2017). Más aún, los cambios cuenca arriba, como la ingeniería fluvial adicional para evitar inundaciones locales, pueden exacerbar los problemas de inundación cuenca abajo (Brakenridge et al., 2003) a causa de los cambios en la cobertura y el uso del suelo aguas arriba (Zink y Villagrán de León, 2010). 

El reconocimiento de las limitaciones de los controles estructurales de las inundaciones condujo a un cambio de enfoque hacia medidas no estructurales, a menudo denominadas Gestión Integrada de Crecidas (GIC). La estrategia de la GIC trata de equilibrar los usos beneficiosos de las inundaciones para el ecosistema, al mismo tiempo que reconoce los riesgos que plantean los fenómenos extremos para el desarrollo sostenible en las zonas propensas a las inundaciones. El objetivo es gestionar las inundaciones basándose en los principios de gestión de riesgos y reduciendo la vulnerabilidad de las personas y las actividades en las llanuras de inundación (OMM y GWP, 2009). La figura 3 muestra un esquema de las etapas de la evaluación y gestión del riesgo de inundación. El proceso incluye la evaluación de la posible ocurrencia de inundación y una evaluación de la vulnerabilidad para estimar las consecuencias en caso de que se produzca una inundación de cierta magnitud y frecuencia. Además, se realiza una evaluación de riesgos para delimitar y clasificar los riesgos aceptables e inaceptables. Basándose en la evaluación de riesgos, se pueden identificar medidas de gestión y mitigación de desastres.

Figura 3: Marco para la evaluación y gestión de riesgos de inundación (UNDRR, 2002)

Preparación previa a la inundación, como la predicción y la alerta

Los sistemas de predicción de inundaciones se utilizan para evaluar el riesgo de inundaciones, mientras que los sistemas de alerta temprana emiten avisos cuando una inundación es inminente o ya se está produciendo. La Oficina de las Naciones Unidas para la Reducción del Riesgo de Desastres reconoce la importancia de los Sistemas de Alerta Temprana por Inundación (FEWS, por sus siglas en inglés) y aboga por aumentar su disponibilidad (Perera et al., 2019). El FEWS es un sistema multifuncional que consta de cuatro componentes: (i) evaluaciones y conocimiento de los riesgos de inundación en la zona, (ii) monitoreo de amenazas de inundación locales (pronósticos) y servicio de alerta, (ii) servicio de difusión y comunicación de riesgos de inundación, y (iv) capacidades de respuesta de la comunidad (UNEP-DHI Partnership et al., 2017). El FEWS mejora la comprensión de los riesgos y las respuestas adecuadas a las inundaciones, por lo tanto, mejora la preparación de la comunidad frente a los fenómenos meteorológicos extremos. Los datos obtenidos por teledetección, como las precipitaciones, el clima, la humedad del suelo y las condiciones de los cultivos, sirven como parámetros para los sistemas de alerta temprana en la predicción de inundaciones fluviales.

Además, los datos de observación terrestre son una poderosa herramienta utilizada para identificar y delimitar las zonas propensas a sufrir inundaciones. La longitud temporal y la cobertura espacial de los datos obtenidos desde el espacio ayudan a analizar la extensión y la frecuencia de las inundaciones a partir de datos históricos obtenidos por satélite (ESA, 2019). Los mapas de inundaciones pasadas basados en datos ópticos y de radar de observación terrestre indican la extensión máxima de inundaciones previas y la susceptibilidad al peligro de inundación. En el caso de un río determinado, se genera un inventario de mapas de inundaciones pasadas y los resultados se clasifican en zonas que han sido inundadas con seguridad y en zonas potencialmente inundables. Las primeras indican zonas que se han inundado con frecuencia, mientras que las segundas se refieren a zonas inundadas ocasionalmente (Tambuyzer et al., 2010). Los mapas resultantes pueden superponerse con los datos de uso del suelo y de población para estimar el riesgo de inundación y la vulnerabilidad y fomentar una mejor comprensión de los patrones de impacto en los activos expuestos, como la infraestructura, la población, las propiedades y los sectores económicos clave, como la agricultura (ESA, 2019).

Preparación ante la inundación

Los datos satelitales pueden detectar el almacenamiento temporal de agua durante las inundaciones, indicando las zonas terrestres que han quedado inundadas. De este modo, es posible analizar la extensión de la inundación en curso y controlar su progresión. Además, las herramientas satelitales, junto con los modelos hidráulicos, pueden indicar cómo un exceso de precipitaciones afectará al caudal del río y si existe la posibilidad de que se produzcan inundaciones río abajo, lejos del episodio de lluvias torrenciales.

Respuesta de emergencia durante la inundación

Durante una inundación, los datos de observación terrestre pueden localizar con precisión las zonas más afectadas, lo que ayuda a tomar decisiones sobre la mejor manera de distribuir los recursos. Además, los datos de observación terrestre ayudan a identificar las rutas de acceso que se han visto afectadas, así como posibles rutas de acceso alternativas (Boccardo y Tonolo, 2015). Un ejemplo de servicio de respuesta a emergencias que utiliza datos de observación terrestre es DroneSAR. DroneSAR es un software que dota a los drones comerciales de una serie de funciones específicas para la búsqueda y el rescate. El equipo de DroneSAR ha incorporado imágenes satelitales del Sistema de Gestión de Emergencias (EMS, por sus siglas en inglés) de Copernicus, superponiéndolas a la interfaz piloto, lo que permite escoger patrones de búsqueda más eficientes basados en datos reales posteriores al desastre. Las imágenes superpuestas en un navegador web permiten a los responsables de la toma de decisiones a tener un mejor conocimiento de la situación y a utilizar mejor los recursos en situaciones de urgencia.

Herramientas web y fuentes de datos disponibles para mapear y monitorear las inundaciones fluviales

  1. El Sistema Global de Detección de Inundaciones 

El Sistema Global de Detección de Inundaciones (GFDS, por sus siglas en inglés) utiliza la teledetección pasiva por microondas para monitorear y hacer un seguimiento diario de las inundaciones en todo el mundo. A diferencia de las estaciones convencionales ubicadas in situ en zonas remotas, el GDFS actúa como un sustituto eficaz proporcionando una detección sistemática de las inundaciones fluviales mediante el uso de la radiación por microondas para diferenciar entre los píxeles secos (zonas no inundadas) y los píxeles húmedos (zonas inundadas). El GDFS utiliza el Sistema de Observación Terrestre del Radiómetro Avanzado de Barrido por Microondas (AMSR-E, por sus siglas en inglés), y las desviaciones de agua superficiales pueden observarse en grandes extensiones (10 × 10 km), ya que afectan a la señal microondas, permitiendo al sistema señalar las zonas inundadas cuando las aguas superficiales aumentan significativamente. Este sistema también proporciona series temporales precisas de las variaciones en la superficie de inundación, mapas de inundaciones en tiempo cuasi real y animaciones en más de 10.000 áreas de seguimiento (Schumann et al., 2018). Debido a su importancia, el GFDS está siendo incorporando en operaciones de los centros de predicción de inundaciones de algunos países (Brasil, Namibia y Haití) y está siendo utilizado por algunas organizaciones de ayuda internacional. 

  1. El Sistema Global de Concienciación sobre Inundaciones

El Sistema Global de Concienciación sobre Inundaciones (GloFAS, por sus siglas en inglés) es un sistema global de predicción y monitoreo hidrológico basado en Internet, propiedad conjunta de la Comisión Europea y del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF, por sus siglas en inglés). El sistema incorpora pronósticos meteorológicos contemporáneos con un modelo hidrológico y, con su configuración a escala continental, proporciona a los países situados cuenca abajo información sobre las condiciones de los ríos cuenca arriba, así como panorámicas continentales y mundiales. GloFAS se compone de dos sistemas complementarios: i) GloFAS 30 días, una previsión hidrológica diaria que ofrece una perspectiva general de las crecidas que se producirán en los próximos 30 días, y ii) GloFAS estacional, una previsión hidrológica mensual que ofrece información sobre caudales fluviales inusualmente altos o bajos hasta 16 semanas antes. Los pronósticos de GloFAS sobre posibles episodios de crecidas fluviales y caudales inusualmente altos/bajos de los principales ríos del mundo se muestran a través de su plataforma web, la web GloFAS.

  1. El Observatorio Darmouth de Inundaciones

El Observatorio Darmouth de Inundaciones (DFO, por sus siglas en inglés) se dedica a la adquisición y preservación de registros cartográficos digitales de las siempre cambiantes características de la Tierra, especialmente en relación con inundaciones, sequías, pantanos, costas, lagos y embalses. Desde 1985, el DFO rastrea, vigila y archiva inundaciones a escala mundial, ofreciendo datos históricos de larga duración sobre los desastres provocados por inundaciones. Los datos se obtienen mediante la teledetección, se analizan y se ponen a disposición del público en distintos formatos (mapas SIG, hojas de cálculo, gráficos). En la elaboración de mapas de inundaciones se utilizan todos los sensores disponibles y útiles. El DFO utiliza principalmente MODIS, aunque también se emplean Sentinel-1A y -1B, Landsat y Sentinel-2 de la Agencia Espacial Europea (ESA, por sus siglas en inglés). También se han facilitado productos Radarsat, Cosmo SkyMed y EO-1 para su agregación, lo que ayuda a los equipos de respuesta ante inundaciones mediante el conocimiento de la situación a través de coberturas a gran escala. Además de estos servicios prestados, el DFO, en colaboración con la NASA, ha garantizado el suministro y la distribución de mapas de inundaciones en tiempo cuasi real (NRT, por sus siglas en inglés), cuya importancia en la toma de decisiones de respuesta a desastres ha sido repetitivamente comprobada (Schumann et al., 2018). El "River Watch" del DFO es una plataforma totalmente automatizada en la que se miden las descargas fluviales y que tiene un periodo de registro desde 1998 hasta la actualidad.

  1. El Sistema Global de Monitoreo de Inundaciones

El Sistema Global de Monitoreo de Inundaciones (GFMS, por sus siglas en inglés) es un sistema experimental financiado por la NASA en la Universidad de Maryland que utiliza en tiempo real el Análisis de Precipitación Multisatélite (TMPA) de la Misión de Medición de Lluvias Tropicales (TRMM, por sus siglas en inglés) y la información de precipitaciones de la misión “Global Precipitation Measurement (GPM) Integrated Multi-Satellite Retrievals for GPM (IMERG, por sus siglas en inglés) como entrada para cálculos hidrológicos cuasi globales en tiempo real (50°N - 50°S) a 0,125 grados para redes fluviales y 1km de resolución para variables de caudal, almacenamiento de aguas superficiales e inundaciones. Si bien el GFMS tiene algunas deficiencias (baja resolución, inexactitud de los datos), la entrega oportuna de los resultados del sistema y su capacidad de anticipación lo hacen invaluable para los servicios de socorro y las organizaciones de respuesta a desastres por inundaciones (Schumann et al., 2018).

  1. Mapeo SAR automatizado de Inundaciones con el G-POD de la Agencia Espacial Europea

El ‘Grid-Processing-on-Demand' (G-POD) de la ESA ofrece un servicio gratuito bajo registro donde datos SAR (imágenes de inundaciones) pueden ser analizados para generar mapas de inundaciones. El sistema utiliza un algoritmo que delimita las zonas inundadas y las no inundadas basándose en la intensidad de retrodispersión de la imagen (las aguas superficiales tienen valores de retrodispersión más bajos en comparación con otras características del terreno) (Schumann et al., 2018). El sistema utiliza un método de calibración (todos los píxeles de una imagen de intensidad cuyo coeficiente de retrodispersión (σ0) es menor que un valor determinado se clasifican como inundados) lo cual es económico desde un punto de vista informático, y adecuado para fines de mapeo rápido (Pulvirenti et al., 2011).

  1. Mapeo Rápido de Inundaciones con el sensor VIIRS de la Oficina Nacional de Administración Oceánica y Atmosférica

El conjunto de radiómetros de imágenes infrarrojas visibles (VIIRS, por sus siglas en inglés) es uno de los cinco instrumentos principales de observación terrestre a bordo de los satélites Suomi-NPP y JPSS de la NOAA, una continuación de los antiguos sensores AVHRR. Con una gran anchura de barrido de 3060 km, el VIIRS proporciona una cobertura diaria completa de la Tierra tanto de día como de noche. Por consiguiente, puede utilizarse para las inundaciones fluviales a gran escala. Opcionalmente, el mapa de inundaciones de baja resolución derivado del VIIRS puede reducirse a una resolución espacial mayor utilizando un MDT.

  1. Productos sobre Inundaciones Globales AQUEDUCT

Los productos sobre inundaciones de Aqueduct son una colección de productos que analizan las inundaciones extremas del pasado, el presente y el futuro y sus impactos. El Analizador de Inundaciones Globales AQUEDUCT (Aqueduct Global Flood Analyzer) es una plataforma web que mide el impacto de las inundaciones fluviales en función de los daños urbanos, el PIB afectado y la población afectada a escala nacional, estatal y de cuenca fluvial en todo el mundo. Los mapas de riesgo de inundaciones AQUEDUCT (Aqueduct Floods Hazard Maps) calculan los riesgos de inundaciones fluviales y costeras tanto en las condiciones de referencia actuales como en las proyecciones futuras de 2030, 2050 y 2080. El riesgo de inundación fluvial se estima con los Mapas Globales de Riesgo de Inundación AQUEDUCT (Aqueduct Global Flood Risk Maps). Esta plataforma en línea proporciona estimaciones actuales y futuras del riesgo de inundaciones fluviales en daños urbanos, PIB afectado y población afectada por país, estado y cuenca fluvial. Por último, el Ranking Global de Países en Riesgo de Inundación AQUEDUCT (Aqueduct Global Flood Risk Country Ranking) clasifica 163 países por su población media anual actual afectada por inundaciones fluviales.

  1. Herramienta de Mapeo de Aguas Superficiales de SERVIR-Mekong

Esta herramienta cartográfica basada en internet fue desarrollada por SERVIR-Mekong, la Universidad Técnica de Delft, el Centro Asiático de Preparación para Desastres (ADPC, por sus siglas en inglés), eartH2Obsrve, Google, el Instituto Medioambiental de Estocolmo y el Grupo de Informática Espacial, y abarca la región geográfica del bajo Mekong. Esta región comprende Camboya, Laos, Myanmar, Tailandia y Vietnam. La herramienta se utiliza para mapear los cambios espaciotemporales en la distribución de las aguas superficiales y proporciona información sobre la estructura ecológica y la función de los ríos, las pautas de las inundaciones y los riesgos de inundación. Desarrollado inicialmente para documentar la dinámica histórica de los ciclos de inundaciones estacionales en el río Mekong, otros usos incluyen la evaluación del riesgo de inundaciones para la preparación ante desastres, la identificación de zonas de aguas permanentes, etc.

  1. Simulador de Inundaciones para las cuencas africanas 

Este simulador fue desarrollado por SERVIR-África Oriental y Meridional en colaboración con la Red de Sistemas de Alerta Temprana contra la Hambruna (FEWS NET, por sus siglas en inglés) y se utiliza para estimar el alcance de las inundaciones fluviales en Kenia, Uganda, Namibia y Ruanda. El simulador está disponible como herramienta de ordenador de sobremesa y como herramienta en línea. La aplicación combina el modelo hidrológico CREST (Coupled Routing and Excess Storage) con mapas digitales de terreno y envía a los usuarios una alerta por correo electrónico con mapas de inundación en tiempo real y pronósticos a corto plazo de determinadas ubicaciones de aforos fluviales.

  1. Herramientas de análisis histórico de las inundaciones en la región del bajo Mekong

La herramienta de análisis histórico de inundaciones está diseñada para proporcionar información relativa a las zonas propensas a inundaciones (por ejemplo, la frecuencia de los ciclos de inundaciones estacionales) en la región del bajo Mekong. Esta herramienta proporciona información esencial para la preparación ante desastres y la gestión de desastres provocados por inundaciones, especialmente en el contexto de la provisión anticipada de recursos de socorro. Con esta herramienta, es posible conocer el riesgo variable de inundaciones mediante la identificación de zonas propensas a este tipo de desastres.

  1. HYDrologic Remote Sensing Analysis for Floods Viewer (HYDRAFloodsViewer) 

HYDRAFloods es una aplicación de código abierto hecha con Python para descargar, procesar y distribuir mapas de inundaciones derivados de datos obtenidos por teledetección. Esta herramienta aprovecha los datos adquiridos por múltiples plataformas satelitales para automatizar la creación de mapas diarios de inundaciones. La herramienta HYDRAFloods es el núcleo de la herramienta geoespacial HYDRAViewer, basada en la web, que proporciona mapas diarios (a veces dos veces al día) de inundaciones.

  1. Kit de herramientas de evaluación meteorológica de alto impacto (HIWAT) Herramienta de predicción de caudales

Esta herramienta web se desarrolló para la predicción de flujos de vapor, el mapeo de inundaciones y el intercambio de datos de libre acceso para diversas entidades interesadas de la región del Hindu Kush en Himalaya (HKH, por sus siglas en inglés). El proyecto utiliza modelización avanzada, mapeo y visualización para que los resultados sean intuitivos y accesibles a la hora de tomar decisiones. Se incluyen las siguientes aplicaciones de recursos hídricos: (i) Herramienta de predicción de caudales: aplicación web de predicción de caudales a medio plazo y 15 días y de información sobre inundaciones para toda la región SERVIR-Himalaya basada en los pronósticos globales del ECMWF. (ii) Visualizador de mapas de inundaciones: herramienta que soporta una mayor resolución en los pronósticos e incluye mapas de inundaciones (para las cuencas hidrográficas de interés) derivados de los pronósticos de 15 días. (iii) Explorador de Datos de Observación Terrestre (Earth Observation Data Explorer): una aplicación web de exploración de datos de observación terrestre que aprovecha, sigue el modelo y puede ampliar la funcionalidad de SERVIR ClimateSERV Viewer. (iv) Integrador de Datos de Observación Hídrica: una versión personalizada de la aplicación web HydroServer del Consorcio de Universidades para el Avance de la Ciencia Hidrológica, SA (CUAHSI, por sus siglas en inglés) para apoyar la gestión, el almacenamiento y el descubrimiento de datos de series temporales modelizados o de observación con los estándares aceptados de la Organización Meteorológica Mundial (OMM) y el Consorcio Geoespacial Abierto (OGC, por sus siglas en inglés).

  1. Plataforma de Explotación Temática de la Hidrología (TEP) de la Agencia Espacial Europea

La Plataforma de Explotación Temática de la Hidrología (TEP, por sus siglas en inglés) es una plataforma web utilizada para acceder, procesar, subir, visualizar, manipular y comparar datos hidrológicos. Ofrece una serie de productos de servicios hidrológicos para la monitorización de inundaciones, la modelización hidrológica, la calidad y el nivel del agua,el mapeo de pequeñas masas de agua, la monitorización y previsión de las aguas continentales árticas, aplicaciones hídricas para África Occidental (FANFAR) y el Sistema de Observación e Información Hídrica (WOIS, por sus siglas en inglés). Aunque algunas funciones son de libre acceso, la plataforma también incluye una opción de procesamiento de pago para usuarios expertos, exceptuando FANFAR, que es totalmente gratuito.

Limitaciones

  • Los cambios estacionales son responsables de cambios a gran escala en los caudales de los ríos en muchas zonas de la Tierra, lo que complica aislar correctamente los cambios inusuales de los fenómenos estacionales.
  • La firma espectral de las inundaciones fluviales es compleja. Las inundaciones afectan a bosques fluviales tropicales, tierras agrícolas, paisajes desérticos y esteparios, así como a zonas urbanas. La variabilidad espectral de estos paisajes en condiciones inundadas y no inundadas plantea difíciles retos a la detección, mapeo y monitoreo de las inundaciones.
  • La falta de disponibilidad de imágenes satelitales VHR de libre acceso dificulta el uso de datos de observación terrestre para mapear y monitorear las condiciones de inundación de los ríos pequeños, ya que los tramos fluviales tienden a ser monitoreados a una escala mucho menor que la que se adquiere normalmente con las imágenes de observación terrestre de barrido amplio. Las imágenes de los satélites de resolución baja y media son muy generalizadas y más adecuadas para detectar y vigilar inundaciones a gran escala.
  • Aunque los datos SAR son más adecuados para las inundaciones fluviales, los datos de los sensores ópticos son más rentables, visualmente interpretables y disponen de un amplio archivo histórico. En los países en vías de desarrollo, la frecuencia de revisita de las imágenes de radar oscila entre 6 y 12 días. Por consiguiente, las imágenes suelen ofrecer momentos fragmentados y no la evolución completa de las inundaciones.
  • En aquellos casos en los que las zonas urbanas se ven afectadas por las inundaciones fluviales, puede resultar difícil determinar las zonas inundadas utilizando el SAR. En primer lugar, los paisajes urbanos consisten en fuertes dispersores (hormigón, acero y edificios) que impiden la detección de inundaciones. Además, las sombras de radar, las superficies lisas y los ángulos de incidencia pronunciados suelen confundirse con inundaciones, ya que las zonas en sombra no producen retrodispersión, como sí ocurre con las superficies de agua lisas (Rubinato et al., 2019).
  • La utilización adecuada de los datos disponibles de observación terrestre requiere herramientas informáticas nuevas y más potentes que a menudo no están disponibles debido a limitaciones financieras y organizativas, especialmente en los países en vías de desarrollo. El tiempo y el personal disponibles durante desastres y emergencias que pueda comprender y procesar los datos geoespaciales y convertirlos en productos significativos son limitados. Otros problemas son la laboriosa producción y distribución de datos debido al limitado acceso a los datos en tiempo cuasi-real, el ancho de banda y la capacidad de distribución.
  • Muchas de las interfaces de los servicios web no son intuitivas y requieren personal con conocimientos geoespaciales para realizar consultas específicas con series de datos complejos procedentes de varias fuentes de datos, lo que puede llevar mucho tiempo a los servicios de emergencia durante la respuesta a desastres provocados por inundaciones.
  • A menudo, las partes interesadas requieren actualizaciones diarias del estado de las regiones afectadas y resoluciones espaciales lo suficientemente detalladas como para evaluar las infraestructuras locales en riesgo. Sin embargo, problemas importantes, como tiempos inadecuados de revisita de los satélites, condiciones meteorológicas adversas (por ejemplo, nubosidad, niebla o fuertes precipitaciones) y zonas con vegetación densa y urbanizadas, suelen dificultar que los analistas cumplan las expectativas del usuario final.

Referencias

Aggarwal, S., Thakur, P., & Dadhwal, V. (2009). Remote sensing and GIS Applications in Flood Management. Journal of Hydrological Research and Development, Theme Flood Management, 24, 145–158.

Alfieri, L., Bisselink, B., Dottori, F., Naumann, G., de Roo, A., Salamon, P., Wyser, K., & Feyen, L. (2017). Global projections of river flood risk in a warmer world. Earth’s Future, 5(2), 171–182. https://doi.org/10.1002/2016EF000485

Anusha, N., & Bharathi, B. (2019). Flood detection and flood mapping using multi-temporal synthetic aperture radar and optical data. Egyptian Journal of Remote Sensing and Space Science, xxxx, 1–13. https://doi.org/10.1016/j.ejrs.2019.01.001

Ban, H. J., Kwon, Y. J., Shin, H., Ryu, H. S., & Hong, S. (2017). Flood monitoring using satellite-based RGB composite imagery and refractive index retrieval in visible and near-infrared bands. Remote Sensing, 9(4). https://doi.org/10.3390/rs9040313

Barneveld, H. J., Silander, J. T., Sane, M., & Malnes, E. (2008). Application of Satellite Forecasting and Mapping Data for Improved. 4th International Symposium on Flood Defence: Managing Flood Risk, Reliability and Vulnerability, 1–8.

Bates, P. D. (2012). Integrating remote sensing data with flood inundation models: How far have we got? Hydrological Processes, 26(16), 2515–2521. https://doi.org/10.1002/hyp.9374

Boccardo, P., & Tonolo, F. G. (2015). Remote Sensing Role in Emergency Mapping for Disaster Response. Engineering Geology for Society and Territory - Volume 5: Urban Geology, Sustainable Planning and Landscape Exploitation, 5, 17–13. https://doi.org/10.1007/978-3-319-09048-1

Brakenridge, G. R., Anderson, E., Nghiem, S. V., Caquard, S., & Shabaneh, T. (2003). Flood warnings, flood disaster assessments, and flood hazard reduction: the roles of orbital remote sensing. Vv.

Christin, Z., & Kline, M. (2017). Why We Continue to Develop Floodplains: Examining the Disincentives for Conservation in Federal Policy. Earth Economics.

Domeneghetti, A., Schumann, G. J. P., & Tarpanelli, A. (2019). Preface: Remote sensing for flood mapping and monitoring of flood dynamics. Remote Sensing, 11(8), 11–14. https://doi.org/10.3390/rs11080940

ESA. (2019). EARTH OBSERVATION FOR SUSTAINABLE DEVELOPMENT Disaster Risk Reduction - Service Portfolio. LARGE SCALE EXPLOITATION OF SATELLITE DATA IN SUPPORT OF INTERNATIONAL DEVELOPMENT.

Huang, C., Chen, Y., Zhang, S., & Wu, J. (2018). Detecting, Extracting, and Monitoring Surface Water From Space Using Optical Sensors: A Review. Reviews of Geophysics, 56(2), 333–360. https://doi.org/10.1029/2018RG000598

IPCC. (2012). Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. In Special Report of the Intergovernmental Panel on Climate Change (Vol. 9781107025). https://doi.org/10.1017/CBO9781139177245.009

Leandro, J., Savic, D. A., Chen, A. S., & Djordjevic, S. (2010). An analysis of the combined consequences of pluvial and fluvial flooding. 1491–1498. https://doi.org/10.2166/wst.2010.486

McFeeters, 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. http://dx.doi.org/10.1080/01431169608948714

Memon, A. A., Muhammad, S., Rahman, S., & Haq, M. (2015). Flood monitoring and damage assessment using water indices: A case study of Pakistan flood-2012. Egyptian Journal of Remote Sensing and Space Science, 18(1), 99–106. https://doi.org/10.1016/j.ejrs.2015.03.003

Merz, B., Hall, J., Disse, M., & Schumann, A. (2010). Fluvial flood risk management in a changing world. Natural Hazards and Earth System Science, 10(3), 509–527. https://doi.org/10.5194/nhess-10-509-2010

NASA. (2015). Remote Sensing Observations for Flood Monitoring and Socioeconomic Data for Flood Management To present NASA remote sensing observations and.

Notti, D., Giordan, D., Caló, F., Pepe, A., Zucca, F., & Galve, J. P. (2018). Potential and limitations of open satellite data for flood mapping. Remote Sensing, 10(11). https://doi.org/10.3390/rs10111673

Ogashawara, I., Curtarelli, M. P., & Ferreira, C. M. (2013). The Use of Optical Remote Sensing For Mapping Flooded Areas. Journal of Engineering Research and Applications Www.Ijera.Com, 3(October), 1956–1960. www.ijera.com

Parinussa, R. M., Lakshmi, V., Johnson, F. M., & Sharma, A. (2016). A new framework for monitoring flood inundation using readily available satellite data. Geophysical Research Letters, 43(6), 2599–2605. https://doi.org/10.1002/2016GL068192

Pulvirenti, L., Pierdicca, N., Chini, M., & Guerriero, L. (2011). An algorithm for operational flood mapping from Synthetic Aperture Radar (SAR) data using fuzzy logic. Natural Hazards and Earth System Science, 11(2), 529–540. https://doi.org/10.5194/nhess-11-529-2011

Rahman, M. R., & Thakur, P. K. (2018). Detecting, mapping and analysing of flood water propagation using synthetic aperture radar (SAR) satellite data and GIS: A case study from the Kendrapara District of Orissa State of India. Egyptian Journal of Remote Sensing and Space Science, 21, S37–S41. https://doi.org/10.1016/j.ejrs.2017.10.002

Rubinato, M., Nichols, A., Peng, Y., Zhang, J. min, Lashford, C., Cai, Y. peng, Lin, P. zhi, & Tait, S. (2019). Urban and river flooding: Comparison of flood risk management approaches in the UK and China and an assessment of future knowledge needs. Water Science and Engineering, 12(4), 274–283. https://doi.org/10.1016/j.wse.2019.12.004

Schumann, G. J. P., Brakenridge, G. R., Kettner, A. J., Kashif, R., & Niebuhr, E. (2018). Assisting flood disaster response with earth observation data and products: A critical assessment. Remote Sensing, 10(8), 1–19. https://doi.org/10.3390/rs10081230

Shen, D., Wang, J., Cheng, X., Rui, Y., & Ye, S. (2015). Integration of 2-D hydraulic model and high-resolution lidar-derived DEM for floodplain flow modeling. Hydrology and Earth System Sciences, 19(8), 3605–3616. https://doi.org/10.5194/hess-19-3605-2015

Tambuyzer, H., Dosselaere, N., & Deleu, J. (2010). Building an earth observation flood risk analysis portfolio responding to the flood directive. GI4DM 2010 Conference - Geomatics for Crisis Management, October 2010, 162–170. https://doi.org/10.5721/itjrs20104236

Tong, X., Luo, X., Liu, S., Xie, H., Chao, W., Liu, S., Liu, S., Makhinov, A. N., Makhinova, A. F., & Jiang, Y. (2018). An approach for flood monitoring by the combined use of Landsat 8 optical imagery and COSMO-SkyMed radar imagery. ISPRS Journal of Photogrammetry and Remote Sensing, 136(February), 144–153. https://doi.org/10.1016/j.isprsjprs.2017.11.006

UNEP-DHI Partnership, UNEP-DTU, & CTCN. (2017). Early warning systems for floods. Technology Compendium, 3. https://www.ctc-n.org/resources/climate-change-adaptation-technologies-water-practitioner-s-guide-adaptation-technologies

UNDRR. (2002). Key Elements of Flood Disaster Management. 23–46. www.un.org/esa/sustdev/.../flood_guidelines_sec02.pdf

UNDRR. (2015). Sendai Framework for Disaster Risk Reduction 2015 - 2030. 144(2), 169–173.

UNU-INWEH. (n.d.). Flood Early Warning Systems: A Review Of Benefits, Challenges And Prospects 08. http://inweh.unu.edu/publications/

WMO, & GWP. (2009). Flood Management in a Changing Climate: A Tool for Integrated Flood Management. August 2009, 28. https://doi.org/10.1093/acprof

World Resource Institute (2016). Retrieved from https://www.wri.org/blog/2015/03/world-s-15-countries-most-people-exposed-river-floods.

Xu, H. (2006). Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing, 27(14), 3025–3033. https://doi.org/10.1080/01431160600589179

Yang, T. H., & Liu, W. C. (2020). A general overview of the risk-reduction strategies for floods and droughts. Sustainability (Switzerland), 12(7), 1–20. https://doi.org/10.3390/su12072687

Zink, M. & Villagran de Leon, J. C. (2010). Flood hazard assessment with the help of satellite imagery.  Retrieved from http://www.un-spider.org/book/5113/4c-challenge-communication-coordination-cooperation-capacity-development.

Zoka, M., Psomiadis, E., & Dercas, N. (2018). The Complementary Use of Optical and SAR Data in Monitoring Flood Events and Their Effects. Proceedings, 2(11), 644. https://doi.org/10.3390/proceedings2110644

Zurich (2019). Three common types of flood explained. Retrieved from https://www.zurich.com/en/knowledge/topics/flood-and-water-damage/three-common-types-of-flood#:~:text=A%20fluvial%2C%20or%20river%20flood,banks%2C%20shores%20and%20neighboring%20land.