Calibration of volumetric soil moisture using Landsat-8 and Sentinel-2 satellite imagery by Google Earth Engine

Abstract

[EN] Water scarcity for agriculture is increasingly evident due to climatic alterations and inadequate management of this resource. Therefore, developing digital models that help improve water resource management to provide solutions to agronomic problems in northern Mexico is necessary. In this context, the objective of the present research is to calibrate the Optical Trapezoid (OPTRAM) and Thermal-Optical Trapezoid (TOTRAM) models to estimate the volumetric soil moisture at different depths through vegetation indices derived from Landsat-8 and Sentinel-2 satellite images using Google Earth Engine (GEE). Agricultural areas under gravity irrigation and rainfed runoff in the Comarca Lagunera, the lower part of the Hydrological Region No. 36 of the Nazas and Aguanaval rivers were selected for in-situ measurements. The OPTRAM and TOTRAM normalized moisture content (W) estimates were compared with in-situ volumetric soil moisture (θ) data. Results indicate that the predictions of OPTRAM errors using Sentinel-2 images showed RMSE between 0.033 to 0.043 cm3 cm-3 and R2 between 0.66 to 0.75, whereas Landsat-8 errors showed RSME from 0.036 to from 0.036 to 0.057 cm3 cm-3 and R2 between 0.70 to 0.81. On the other hand, TOTRAM errors showed RMSE between 0.045 to 0.053 cm3 cm-3 and R2 between 0.62 to 0.85 through calibrations. This study made it possible to evaluate the most accurate combinations of the pixel distributions of each model and vegetation indices for the estimation of volumetric soil moisture within the different phenological stages of the crops.

[ES] La escasez de agua para la agricultura es cada vez más evidente producto de las alteraciones climáticas y el inadecuado manejo de este recurso. Por ende, el desarrollo de modelos digitales que ayuden a la mejora del manejo de los recursos hídricos para proporcionar soluciones a los problemas agronómicos al norte de México es necesario. En este contexto, el objetivo de la presente investigación es calibrar los modelos Óptico Trapezoidal (OPTRAM) y Térmico-Óptico Trapezoidal (TOTRAM) para estimar la humedad volumétrica del suelo a diferentes profundidades a través de índices de vegetación derivado de imágenes de satelitales Landsat-8 y Sentinel-2 utilizando Google Earth Engine (GEE). Áreas agrícolas seleccionadas bajo riego por gravedad y temporal por escorrentías en la Comarca Lagunera, parte baja de la Región Hidrológica No. 36 de los ríos Nazas y Aguanaval fueron seleccionadas para mediciones in-situ. Las estimaciones del contenido normalizado de humedad (W) de OPTRAM y TOTRAM fueron comparados con datos de humedad volumétrica del suelo (θ) in-situ. Los resultados indican que las predicciones de los errores de OPTRAM utilizando imágenes Sentinel-2 mostraron RMSE entre 0.033 a 0.043 cm3 cm-3 y R2 entre 0.66 a 0.75. Mientras, los errores de Landsat-8 mostraron RSME de 0.036 a 0.057 cm3 cm-3 y R2 entre 0.70 a 0.81. Por otra parte, los errores de TOTRAM mostraron RMSE entre 0.045 a 0.053 cm3 cm-3 y R2 entre 0.62 a 0.85 a través de las calibraciones. Este estudio permitió evaluar, las combinaciones más precisas de las distribuciones de los píxeles de cada modelo e índice de vegetación para la estimación de humedad volumétrica del suelo dentro de las distintas etapas fenológicas de los cultivos.