Poster De Conférence Année : 2025

Unsupervised classification of hydrological conditions in non-perennial rivers

Classification automatique des conditions hydrologiques des rivières non pérennes

Résumé

Anthropogenic pressures, such as climate change, land use change and water withdrawals, are leading to significant shifts in hydrological cycles, increasing the spatial extension of the non-perennial rivers (NPRs) network. However, knowledge about the frequency and duration of flow intermittency is severely constrained by the small number of streamflow gauges and the limited reliability of hydrological models in predicting surface water presence when discharge is close or equal to zero. In this context, Sentinel-2 images can provide useful information for studying hydrological processes in NPRs, offering effective ways to observe water surface dynamics at an adequate spatial and temporal resolution. The combination of multispectral satellite imagery and Convolutional Neural Networks (CNNs) can be exploited to distinguish the three hydrological conditions which characterize NPRs automatically: “flowing” (F), “ponding” (P) and “dry” (D). In this study, learning on Sentinel-2 false-color images (B11-B8-B4), different CNNs (2-, 3-, 4-class models) were trained to classify hydrological conditions in five river reaches, considering distinct output classes. In some cases, CNNs were also trained to identify the “cloudy” (C) class. Accuracy of CNNs ranged from 0.87-0.98 for 2- and 3-class models, decreasing to 0.71-0.92 range when the distinction between P and D classes was considered (4-class model). Despite the small size of the dataset (1555 images), the obtained results were promising and deserves further refinement, with the purpose of having a more powerful tool for the automatic classification of hydrological conditions in NPRs.

Les pressions anthropiques, comme changements climatique, d'utilisation des sols et prélèvements d'eau, entraînent des modifications significatives des cycles hydrologiques, augmentant l'extension spatiale des rivières non pérennes (NPRs). Cependant, la connaissance de la fréquence et de la durée des intermittences fluviales est fortement limitée par le faible nombre de stations de mesure des débits et la fiabilité réduite des modèles hydrologiques pour prédire la présence d’eau de surface. Dans ce contexte, les images Sentinel-2 peuvent fournir des informations précieuses pour l’étude des processus hydrologiques dans les NPRs, offrant une résolution spatiale et temporelle adéquate. La combinaison des images satellites multispectrales et des réseaux neuronaux convolutionnels (CNNs) peut être exploitée pour distinguer automatiquement les trois conditions hydrologiques des NPRs : “en écoulement” (F), “stagnant” (P) et “asséché” (D). Dans cette étude, à partir des images Sentinel-2 en fausses couleurs (B11-B8-B4), différents modèles de CNNs (à 2, 3 et 4 classes) ont été entraînés pour classifier cinq tronçons de rivière, en considérant classes de prédiction distinctes. Dans certains cas, les CNNs ont été entraînés pour identifier aussi la classe “nuageux” (C). L’exactitude des CNNs variaient en 0.87-0.98 pour les modèles à 2 et 3 classes, et diminuait en 0.71-0.92 avec la distinction des P et D (modèle à 4 classes). Malgré la petite taille du jeu de données (1555 images), les résultats sont prometteurs et méritent améliorations pour être un puissant instrument de classification automatique des conditions hydrologiques en NPRs.

Fichier principal
Vignette du fichier
A3-ISR25-217-Brichetto-Isabelle-presentation.pdf (17.43 Mo) Télécharger le fichier
A3-ISR25-217-Brichetto-Isabelle.pdf (436.07 Ko) Télécharger le fichier
Origine fileSource_public_annex
Licence
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

hal-05178352 , version 1 (23-07-2025)

Licence

Identifiants

  • HAL Id : hal-05178352 , version 1

Citer

Isabelle Brichetto, Carmela Cavallo, Giammarco Manfreda, Giovanni Negro, Maria Nicolina Papa, et al.. Unsupervised classification of hydrological conditions in non-perennial rivers. Conférence internationale I.S.Rivers 2025, Jun 2025, Lyon, France. 2025. ⟨hal-05178352⟩

Collections

35 Consultations
23 Téléchargements

Partager

  • More