Publication Cover
Canadian Journal of Remote Sensing
Journal canadien de télédétection
Volume 50, 2024 - Issue 1
997
Views
0
CrossRef citations to date
0
Altmetric
Research Article

Comprehensive Landsat-Based Analysis of Long-Term Surface Water Dynamics over Wetlands and Waterbodies in North America

Analyze exhaustive basée sur Landsat de la dynamique à long terme des eaux de surface au-dessus des zones humides et des plans d’eau en Amérique du Nord

ORCID Icon, ORCID Icon, ORCID Icon & ORCID Icon
Article: 2293058 | Received 02 Feb 2023, Accepted 05 Dec 2023, Published online: 21 Dec 2023
 

Abstract

Wetlands are considered one of the most valuable ecosystems around the world and provide numerous environmental services, including water purification, flood protection, and habitat for a variety of species. Wetlands loss is an increasing trend due to anthropogenic activities and natural processes. As such, spatial knowledge regarding the extent and dynamics of surface water is demanding for wetland conservation and protection. The Landsat program, with five decades of historical Earth observation data, has a unique advantage for monitoring wetland surface water changes and dynamics with 30 m spatial resolution. We monitored 266 Ramsar wetland sites in North America for the past 40 years using the open-access Landsat data within the Google Earth Engine cloud computing platform. Landsat Collection 2 Level-2 surface reflectance products were preprocessed and cloud-screened, and a time series of spectral bands and indices were created. The unsupervised Dynamic Surface Water Extent method classified each image into water classes with different confidence levels. An average overall agreement of 92,97% and an average F-score of 96.31% were achieved in this study. Water occurrence maps, in addition to inundation class and change maps, were created for the entire North America, and quantified spatial information was calculated for Ramsar wetland sites.

RÉSUMÉ

Les zones humides sont considérées comme l’un des écosystèmes les plus précieux au monde et fournissent de nombreux services environnementaux, notamment la purification de l’eau, la protection contre les inondations et l’habitat d’une variété d’espèces. La perte de zones humides est une tendance à la hausse en raison des activités anthropiques et des processus naturels. En tant que tel, les connaissances spatiales concernant l’étendue et la dynamique des eaux de surface sont exigées pour la conservation et la protection des zones humides. Le programme Landsat, qui s’appuie sur cinq décennies de données historiques d’observation de la Terre, présente un avantage unique pour surveiller les changements et la dynamique des eaux de surface des zones humides avec une résolution spatiale de 30 m. Nous avons suivi l’évolution au cours des 40 dernières années de 266 sites Ramsar de zones humides en Amérique du Nord à l’aide des données Landsat en libre accès et de la plate-forme Google Earth Engine. Les produits de réflectance de surface de niveau 2 de la collection Landsat 2 ont été prétraités et les nuages identifiés, et des séries chronologiques de bandes spectrales et d'indices ont été créées. La méthode non supervisée de l’étendue dynamique des eaux de surface a classé chaque image en classes d’eau avec différents niveaux de confiance. Une concordance globale moyenne de 92.97% et un score F moyen de 96.31% ont été obtenus dans cette étude. Des cartes d’occurrence de l’eau, en plus des cartes des classes d’inondation et des cartes de changement, ont été créées pour l’ensemble de l’Amérique du Nord, et des informations spatiales quantifiées ont été calculées pour les sites Ramsar de zones humides.

Acknowledgments

The authors would like to thank the United States Geological Survey (USGS) and Google for providing access to the Landsat data and the Earth Engine platform, which were instrumental to the success of this research.

Disclosure statement

The authors declare no conflicts of interest in relation to the research.

Data availability statement

The open-access datasets used in this study are freely available on various platforms and websites. The sources of the primary datasets used in the study are as follows:

Additional information

Funding

The Authors acknowledge the Memorial University of Newfoundland and the research funding provided by VPR/SGS Pilot program, the Natural Sciences and Engineering Research Council (NSERC) Discovery (Grant No. RGPIN-2022-04766).