Snow water equivalent retrieval using multitemporal SAR images to inform water systems operation

Climate change and population growth are expected to affect the hydrological cycle worldwide in the next few decades, exacerbating extreme events (i.e., droughts and floods) and further challenging optimal Water Resources Management (WRM). In this context, it is essential to adopt robust and flexible operating policies able to deal with uncertain inflows and to promptly react to extreme water availability conditions. The use of exogenous data represents a key element to improve the anticipation capability of the water systems, since it can provide significant information on the future inflows. Exogenous data can be either used to feed a streamflow forecasting model, whose output can be used to design the operating policy, or they it can be used directly into the policy optimization process, thus avoiding computationally costly procedures and potential sources of error. The latter method is adopted in this thesis, with the aim of exploring the potential contribution of different snow data variables to inform the operation of a snow-fed water system. The aforementioned method is applied on the lake Como basin in the Italian Alps. The underlying idea is that water volumes stored as snow during the winter, play a key role in determining future seasonal inflows, in snow affected basins. For this reason snow information can be a proper surrogate for long-term streamflow forecasts. Applying a data driven, model-free, approach to our case study, the direct use of raw snow heights measurements into the optimization procedure is explored and compared against the use of benchmark Snow Water Equivalent (SWE) estimates made available by the Regional Agency for Environmental Protection ARPA. Results show a better performance when using SWE estimates, which proves that a spatial description of snow conditions in the basin should not be neglected. Therefore, we focused on the development of a SWE retrieval method alternative to the one used by ARPA and thus able to provide SWE estimates with high spatial and time availability and potentially not affected by the cloud coverage. The proposed methodology, starting from SAR COSMO- SkyMed X-band images provided by the Italian Spatial Agency ( ASI ) and SWE punctual values, measured by ENEL, first adopts a multitemporal change detection technique in order to distinguish between wet snow backscattering and dry/bare soil backscattering pixels contribution. Then, dry-snow maps are obtained by masking dry/bare soil pixels with optical sensor derived daily SCA maps. Finally a polynomial regression model is calibrated and implemented in order to obtain SWE maps. The produced SWE estimates proved to be coherent with the historical data. Also considering the recent increase of freely available SAR products (SENTINEL-1), we believe our method is a promising alternative for monitoring snow conditions with daily resolution in areas with high spatial variability and it has the potential for informing the operation of snow-fed water systems.

Il cambiamento climatico e la crescita demografica influenzeranno i cicli idrologici di tutto il mondo nei prossimi decenni, aggravando gli eventi estremi (siccità e inondazioni) e rendendo sempre più critica la gestione ottima della risorsa idrica. In questo contesto, diventa fondamentale adottare politiche di gestione robuste e flessibili da poter affrontare afflussi incerti e reagire prontamente a condizioni estreme di scarsezza di acqua. L'uso di dati esogeni rappresenta un elemento chiave per migliorare la capacità di anticipazione dei sistemi idrici, poiché permette di ottenere un'informazione significativa sugli afflussi futuri. I dati esogeni possono essere utilizzati sia come input a un modello di previsione di afflusso, il cui output può essere utilizzato per determinare la politica operativa, sia direttamente nel processo di ottimizzazione della politica, evitando così procedure computazionalmente costose e potenziali fonti di errore. L'ultimo metodo presentato è utilizzato in questa tesi, con lo scopo di esplorare il potenziale contributo di diverse variabili di neve per informare le operazioni di un sistema idrico dominato dalla neve. Il metodo sopracitato è applicato al bacino del lago di Como nelle Alpi Italiane. L'idea è che i volumi di acqua sottoforma di neve accumulata durante l'inverno giochino un ruolo chiave nel determinare gli afflussi stagionali futuri nei bacini montuosi. Per questo motivo l'informazione di neve può essere l'informazione appropriata per la previsione degli afflussi a lungo termine. Applicando una metodologia model-free al nostro caso di studio, l'uso diretto del dato misurato di altezza di neve all'interno della procedura di ottimizzazione viene esplorato e confrontato con l'uso di stime di riferimento di Snow Water Equivalent (SWE) rese disponibili dall'Agenzia Regionale per la Protezione dell'Ambiente, ARPA. I risultati mostrano migliori performance quando sono utilizzate le stime di SWE, il che prova che una descrizione spaziale della neve nel bacino non può non essere considerata. Perciò, ci siamo focalizzati sullo sviluppo di un metodo di stima dello SWE alternativo a quello utilizzato da ARPA e, quindi, capace di fornire stime di SWE con un alta risoluzione spaziale e temporale e potenzialmente non affette dalla copertura nuvolosa. La metodologia proposta, parte da immagini SAR acquisite dal sensore COSMO nella banda X e fornite dall'Agenzia Spaziale Italiana (ASI), e da dati puntuali di SWE misurati da ENEL. In seguito, utilizzando una tecnica di change detection, permette di distinguere tra il contributo di backscattering proveniente dalla neve bagnata e quello proveniente dalla neve asciutta e il terreno non coperto di neve. In seguito, le mappe di neve asciutta sono ottenute mascherando le mappe di neve asciutta e di terreno coperto di neve con mappe di copertura nevosa (SCA) derivate da un sensore ottico. Infine viene calibrato e implementato un modello di regressione polinomiale che permette di ottenere le mappe di SWE. Le stime di SWE prodotte confermano di essere coerenti con i dati storici. Considerando il recente sviluppo di prodotti SAR disponibili gratuitamente (SENtINEL-1), crediamo che la nostra metodologia sia un'alternativa promettente per monitorare le condizioni di neve con una risoluzione giornaliera in aree con grande variabilità spaziale, possedendo le potenzialità di informare le operazioni dei sistemi idrici influenzati dalla neve.