Estimación de volumen de una presa usando percepción remota y Machine Learning

Resumen

En México, donde el sector más importante de consumo de agua es la agricultura y debido a que es cada vez la mayor la demanda de alimentos, es necesario llevar un adecuado balance entre la producción agrícola y el consumo de agua. En este trabajo, con la ayuda de imágenes Sentinel, se generaron modelos de Machine Learning para estimar la superficie y el volumen de la presa Manuel Ávila Camacho (Valsequillo) del Distrito de Riego 030, que recibe aguas residuales, lo que provocó la proliferación de lirio acuático. Existen índices de agua como NDWI, NDWI_Mcfeeter, NDWI_Gao, NDWI_Xu, AWEI_non-shadow, AWEI_shadow e ICEDEX, que permiten la discriminación de los espejos de agua mediante el uso de imágenes satelitales. Sin embargo, en este caso, el uso de los índices confunde el lirio con la vegetación natural. El entrenamiento se realizó con los valores de los índices mencionados anteriormente y de las capas RGB, NIR y SWIR a nivel pixel, y los resultados obtenidos de la precisión fueron los siguientes: modelo de discriminación lineal, 98.1%; árboles de decisión, 99.2 %; y regresión logística, 98.5 %; con estos modelos fue posible estimar el área del espejo de agua de la presa. Con la gráfica de áreas capacidades de la presa se generó una función cuadrática con una r² de 0.9988, en la que el volumen está en función de área y se estimó el volumen de la presa donde la diferencia promedio es de un 8.5 % con el modelo de discriminación lineal.