Translated by: Isabel Zetina

El agua de la atmósfera, el suelo, los ríos y los océanos está en continuo intercambio a través del ciclo global del agua. Se trata del movimiento circular del agua que se evapora de la superficie terrestre, sube a la atmósfera en corrientes ascendentes cálidas y se condensa en las nubes. El viento la transporta en forma de vapor de agua y, finalmente, vuelve a la superficie terrestre en forma de lluvia o nieve. Aunque este paradigma general no es incorrecto, el ciclo global del agua es mucho más complejo e implica procesos biofísicos que transfieren energía y calor latente entre la atmósfera, la superficie terrestre y la vegetación. El seguimiento, la comprensión y la predicción de la dinámica del agua siguen siendo un gran reto para la ciencia y la tecnología contemporáneas (Hegerl et al. 2015), aunque son esenciales para el desarrollo sostenible (Bhaduri et al. 2016) y la gestión de los riesgos climáticos. Dada la naturaleza global, regional y subregional de la dinámica hidrológica, es casi impensable monitorizar exclusivamente con instrumentos terrestres debido a su escasa distribución en regiones remotas. Los sensores basados en satélites son, por tanto, la única solución práctica para adquirir los datos necesarios para la gestión de los recursos hídricos con una resolución espacio-temporal adecuada (Sheffield et al. 2018).

La gestión de los recursos hídricos compartidos bajo un clima cambiante implica inevitablemente también la estimación, cartografía y predicción de los riesgos hídricos. El uso de modelos matemáticos que incorporan datos espaciales y mediciones terrestres para convertirlos en información práctica puede ayudar a llevar a cabo estas tareas. Las finalidades de la utilización de dicha información son múltiples, y los principales usuarios son las organizaciones gubernamentales y no gubernamentales cuyo objetivo es la conservación de los recursos hídricos compartidos, así como los principales usuarios del agua y los agentes del sector privado, como las empresas. Lograr una gestión sostenible del agua por parte de los principales usuarios se encuentra entre los objetivos de alta prioridad para la década 2020-2030 (UNESCO 2019a; Foro Económico Mundial 2021). Este artículo se centra en el uso aplicativo de los datos globales sobre el agua para apoyar a las corporaciones en la gestión de los recursos hídricos compartidos y los riesgos relacionados, y presenta herramientas de datos que permiten una toma de decisiones informada a nivel corporativo.

El ciclo del agua desde el espacio

La investigación y el seguimiento del ciclo del agua, tanto a escala mundial como regional, incluyen procesos físicos como la evaporación y la condensación, la infiltración y la escorrentía de la superficie, que a su vez implican múltiples variables hidrológicas y meteorológicas. Aquí se ofrece una breve descripción de las principales variables del ciclo del agua monitorizadas desde sensores basados en satélites, así como una visión general de las misiones espaciales que permiten su seguimiento.

Vapor de agua

El vapor de agua representa aproximadamente el 0.04% del agua de la Tierra y su concentración en la atmósfera oscila entre el 0 y el 4% (Gleick 1996). A pesar de ello, el vapor de agua es responsable de la mayor parte del transporte horizontal de agua dulce en el planeta. Al igual que el agua líquida que corre por la superficie terrestre, el vapor de agua fluye en ríos atmosféricos que se desplazan desde la región intertropical hacia el exterior (Zhu y Newell 1994).

Microwave Image of Integrated Water Vapour Products. Source:  Center for Climate Change Impacts and Adaptation, University of California San Diego. At this link the real-time animation of total precipitable water global fluxes. Animation sourced from CIMSS portal.
Figura 1: Imagen de microondas de productos integrados de vapor de agua. Fuente:  Center for Climate Change Impacts and Adaptation, Universidad de California en San Diego. En este enlace la animación en tiempo real de los flujos globales de agua precipitable total. Animación procedente del portal del CIMSS.

 

Espectrorradiómetro de imágenes de media resolución (siglas MODIS en inglés) a bordo de los satélites Terra y Aqua, operados por la National Aeronautics and Space Administration (NASA), ha venido proporcionando mediciones continuas y consistentes del vapor de agua, así como de otras variables relacionadas con el agua, desde el año 2000. A medida que MODIS se acerca a su jubilación, su extraordinaria serie cronológica de datos continuará y se complementará con los sensores más recientes, como el Visible Infrared Imaging Radiometer Suite (VIIRS), a bordo de la asociación conjunta NASA/NOAA Suomi National Polar-orbiting Partnership, el Sentinel-3 operado por la Agencia Espacial Europea (ESA) dentro del programa Copérnico, y los próximos satélites del Programa de Satélites Operativos Meteorológicos de Europa - Programa de Segunda Generación (MetOp-SG) operados por la ESA y la Organización Europea para la Explotación de Satélites Meteorológicos (EUMETSAT).

Map of average rainfall computed using IMERG Final Run data between January 2001 and  December 2019. The animation displays the monthly average precipitation rate computed on the same dataset. Image and animation sourced from NASA GPM portal.
Figura 2: Mapa de la precipitación media calculada a partir de los datos del IMERG Final Run entre enero de 2001 y diciembre de 2019. La animación muestra la tasa de precipitación media mensual calculada a partir del mismo conjunto de datos. La imagen y la animación proceden del portal GPM de la NASA.

 

Los datos de precipitación han sido proporcionados por el satélite Tropical Rainfall Measuring Mission (TRMM) desde 1997 hasta 2015. La misión Global Precipitation Measurement (GPM), operativa desde 2014, es su sucesora. El sistema se basa en un algoritmo denominado Integrated Multi-satellite Retrievals for GPM (IMERG) para integrar datos de múltiples satélites y devuelve mediciones regionales de precipitaciones y nevadas con una resolución temporal de media hora, y datos globales de precipitaciones con una resolución temporal de tres horas.

Humedad del suelo

El suelo desempeña un papel fundamental en los intercambios de agua y energía entre la tierra y la atmósfera. El agua de las capas activas del suelo (hasta 2 m de profundidad) se denomina humedad del suelo. Además de ser la savia de la agricultura, la humedad del suelo es la principal fuente de agua que transpira la vegetación y que se evapora de las tierras. La temperatura de la superficie terrestre se ve afectada por la humedad del suelo, y las superficies más frías corresponden a suelos más húmedos debido a que la evaporación que se produce en los suelos absorbe la energía que, de otro modo, calentaría la superficie. El intercambio de agua y energía que se produce en el suelo activa bucles de retroalimentación entre la precipitación, la humedad del suelo y la evapotranspiración (es decir, la evaporación y la transpiración) que afectan al clima y al tiempo a escala regional y subregional (Wang et al. 2018). Por lo tanto, los datos de humedad del suelo por satélite son útiles para predecir las precipitaciones (Brocca et al. 2014) y también se reconoce que los niveles de humedad del suelo afectan a la incidencia y la magnitud de las inundaciones (Grillakis et al. 2016).

Global soil moisture map released by NASA in May 2015 with data provided by the Soil Moisture Active Passive (SMAP) mission. Credit: NASA/JPL-Caltech/GSFC
Figura 3: Mapa global de humedad del suelo publicado por la NASA en mayo de 2015 con datos proporcionados por la misión Soil Moisture Active Passive (SMAP). Crédito: NASA/JPL-Caltech/GSFC.

 

Debido al papel fundamental que desempeña la humedad del suelo en la agricultura, la gestión del riesgo hídrico, la modelización del clima y la predicción meteorológica, existen numerosos productos satelitales sobre la humedad del suelo. Por ejemplo, la misión Soil Moisture Ocean Salinity (SMOS), operada por la ESA desde 2009, y la misión Soil Moisture Active Passive (SMAP), lanzada por la NASA en 2015. Los productos de datos también incluyen el AMSR-E/AMSR2 Unified L2B que proporciona una serie temporal continua de datos de humedad del suelo con cobertura global desde 2012 hasta la actualidad, y el CCI Soil Moisture v06.1 de la ESA que rastrea datos de humedad del suelo desde 1978.

Evapotranspiración

La evapotranspiración (ET) incluye la evaporación de la superficie terrestre y la transpiración de la vegetación. Las plantas almacenan por término medio el 2% del agua que absorben, liberando el resto a la atmósfera a través de la transpiración. Por tanto, la ET está vinculada a la producción de biomasa vegetal y a la demanda de agua asociada, lo que la convierte en una de las variables más importantes del ciclo del agua y en un indicador clave para los modelos de balance hídrico mundial.

Monthly mean Leaf Area Index (LAI) for September 2013 from MODIS satellite. The animation shows monthly LAI dynamics between February 2000 and September 2013.Credit: NASA/GSFC.

Figura 4: Índice de área foliar (LAI) medio mensual para septiembre de 2013 a partir del satélite MODIS. La animación muestra la dinámica mensual del LAI entre febrero de 2000 y septiembre de 2013.Crédito: NASA/GSFC.

 

La teledetección ofrece una oportunidad sin precedentes para controlar la variabilidad espaciotemporal de la ET utilizando índices de vegetación como el índice de área foliar (siglas LAI en inglés) y el índice de vegetación de diferencia normalizada (siglas NDVI en inglés), la temperatura de la superficie terrestre, la humedad del suelo y la cubierta vegetal. Estos datos se utilizan ampliamente en modelos de ET basados en satélites para proporcionar estimaciones de ET globales y regionales (Chen et al. 2020). El producto ET global de MODIS (MOD16) se basa en datos LAI desde 2000, con una resolución espacial de 1 km y una resolución temporal de 8 días. NOAA proporciona un conjunto de datos mensuales globales de ET basado en el producto NDVI derivado de los datos del Radiómetro Avanzado de Muy Alta Resolución (siglas AVHRR en inglés), con una resolución espacial de 8 km desde 1983 hasta 2006. Los datos de satélites ópticos con banda infrarroja, como Landsat y Sentinel-2, operados por la NASA y la ESA respectivamente, permiten estimar la ET con mayor resolución espacial e intervalos de revisitación más cortos (Pasqualotto et al. 2019).

Masas de agua de la superficie

El rasgo más distintivo del planeta Tierra visto desde el espacio puede ser su color azul, ya que el 71% de su superficie está cubierta por agua. Los océanos contienen más del 95% del agua del planeta, que es salina. La salinidad y la circulación oceánicas tienen importantes repercusiones en el clima y se vigilan con instrumentos a bordo de las misiones SMOS y Sentinel-3, operadas por la ESA. Sólo el 1,2% del agua dulce es de la superficie, mientras que el resto está encerrado en casquetes polares y glaciares, o en el subsuelo. Lagos, estanques y embalses, así como ríos y humedales, representan los principales recursos de agua dulce accesibles en la superficie terrestre. Al depender el volumen de agua de las precipitaciones y estar sujetas a la evaporación, las masas de agua de la superficie son extremadamente sensibles a las fluctuaciones, lo que las convierte en importantes portadoras de información sobre la disponibilidad regional de agua (Hofmann, Lorke y Peeters 2008).

Water level change in Lake Oroville, California (US), between June 2019 (on the left) and June 2021 (on the right). Red arrows point at the areas burned in summer 2020. Figure generated by Ivan Palmegiani. Images sourced from NASA Landsat-8 collection.
Figura 5: Variación del nivel del agua en el lago Oroville, California (EE.UU.), entre junio de 2019 (a la izquierda) y junio de 2021 (a la derecha). Las flechas rojas señalan las zonas quemadas en el verano de 2020. Figura generada por Ivan Palmegiani. Imágenes procedentes de la colección Landsat-8 de la NASA.

 

El reconocimiento de masas de agua de la superficie y la detección de cambios de extensión a partir de sensores por satélite es una tarea primordial para los algoritmos de clasificación de la cubierta terrestre. Actualmente se dispone de numerosos conjuntos de datos sobre la cubierta terrestre: IGBP-DISCover de USGS, el producto MODIS sobre la cubierta terrestre que incorpora cinco esquemas diferentes de clasificación de la cubierta terrestre, la serie GLC publicada por el Centro Común de Investigación de la Comisión Europea (CCI de la CE) y la ESA. Además de la extensión de las aguas de las superficie, los sensores satelitales a bordo de Sentinel-3 permiten medir la altura de las aguas de la superficie.

Nieve, glaciares y casquetes de hielo

Cerca del 70% del agua dulce de la Tierra está congelada. La nieve y el hielo desempeñan un papel central en los procesos hidrológicos globales, la escorrentía impulsada por la fusión de la nieve es una fuente importante para la recarga de las aguas subterráneas y proporciona agua dulce a una fracción significativa de la población mundial. Las grandes masas de hielo de los polos influyen en el clima mundial. Su brillante superficie refleja un gran porcentaje de la luz solar hacia el espacio, manteniendo los océanos más fríos en los polos que en el ecuador. El gradiente de temperatura resultante influye en las corrientes oceánicas y, por tanto, en el clima.

Ice sheet loss in Antarctica recorded by GRACE satellites between 2002 and 2020. The animation shows ice loss dynamics over the indicated time frame. Image and animation sourced from NASA/Global Change Master Directory.
Figura 6: Pérdida de capas de hielo en la Antártida registrada por los satélites GRACE entre 2002 y 2020. La animación muestra la dinámica de pérdida de hielo durante el periodo indicado. Imagen y animación procedentes de NASA/Global Change Master Directory.

 

Los radares activos por satélite, como CryoSat y Envisat-ASAR, operados por la ESA, ofrecen la oportunidad única de detectar movimientos centimétricos de la superficie del hielo. Las misiones Gravity Recovery and Climate Experiment (siglas GRACE en inglés) permiten medir las variaciones volumétricas de la capa de hielo. Además, los enfoques multisatélite, como la integración de datos Landsat y MODIS, ofrecen la oportunidad de recuperar características de la nieve a escala fina, tanto a escala global como regional (Donmez et al. 2021).

Las consecuencias económicas de un “ciclo torcido”

La alteración del ciclo del agua que se observa actualmente puede ser uno de los fenómenos más tangibles relacionados con el calentamiento global, ya que se manifiesta a través de ciclones tropicales más fuertes y frecuentes, inundaciones perturbadoras, olas de calor que baten récords y periodos prolongados de sequía. Así lo demuestran, por ejemplo, los investigadores del US Drought Monitor en relación con las condiciones de sequía extrema que afectaron al 75% del Estado de California en el verano de 2021. Varias administraciones meteorológicas europeas informan de condiciones comparables en la región mediterránea, mientras que el estado de Brasil prevé que la sequía provoque un descenso de la producción de café que probablemente afecte a la cadena de suministro de café a nivel mundial. A pesar de las devastadoras sequías que se producen en todo el mundo, las inundaciones siguen siendo las catástrofes naturales más amenazadoras a nivel mundial, ya que han duplicado su frecuencia en los últimos 20 años (UNESCO 2019b) y la proporción de la población mundial expuesta al riesgo de inundaciones aumentó en más de un 20% entre 2000 y 2015 (Tellman et al. 2021). Las regiones tropicales y subtropicales de todo el planeta se ven especialmente afectadas por las inundaciones (UNDRR 2019). Bangladesh, por ejemplo, se ha visto afectado por lluvias extremas e inundaciones perturbadoras en 2020 y 2021, con más de una quinta parte de la masa terrestre del país sumergida, según estimaciones de los gobiernos y datos de satélite. Más recientemente, las inundaciones perturbadoras han afectado también a las regiones templadas del hemisferio norte, como demuestran la magnitud de los sucesos que causaron más de un centenar de víctimas mortales en Europa Occidental en julio de 2021, y la primera inundación repentina de la historia de la ciudad de Nueva York, registrada en septiembre de 2021. Según un reciente informe de la Administración Nacional Oceanográfica y Atmosférica (siglas NOAA en inglés), las catástrofes relacionadas con el agua en EE.UU. tuvieron un impacto económico acumulado superior a los 44.000 millones de dólares anuales en los últimos 40 años. 

Siendo el agua el pilar de la economía mundial, los riesgos hídricos y el empeoramiento de la seguridad del agua en todo el mundo plantean grandes retos también a las empresas, que ven sus operaciones, cadenas de suministro e inversiones gravemente amenazadas. Las empresas, de hecho, desempeñan un papel fundamental en la gestión del agua, ya que el uso agrícola e industrial del agua representa el 69% y el 19% del uso mundial del agua, respectivamente (UNESCO 2019a). Los problemas relacionados con el agua plantean una serie de riesgos para las empresas, como pérdidas económicas considerables derivadas de interrupciones en la cadena de suministro, el pago de impuestos y tasas medioambientales, y cambios normativos que perjudican las operaciones en regiones específicas. 
Una organización sin ánimo de lucro que gestiona una plataforma de divulgación medioambiental, CDP, estimó que el impacto económico futuro de los riesgos del agua para las empresas (más de 300.000 millones de dólares) sería cinco veces superior a los costes de gestión de esos riesgos en la actualidad (CDP 2020). Existe, por tanto, un amplio consenso sobre la urgente necesidad de aplicar políticas integrales de gestión del agua que sean socialmente equitativas, medioambientalmente sostenibles y económicamente beneficiosas.

Los modelos informados por satélite apoyan la gestión sostenible del agua a nivel empresarial

La gestión sostenible de los recursos hídricos es un desafío central para los gobiernos y las organizaciones internacionales. Sheffield et al. (2018) se centraron en América Latina y el Caribe para demostrar cómo los gobiernos pueden sustentar los procesos de toma de decisiones mediante la integración de datos satelitales y mediciones terrestres, incluso en regiones con escasez de datos. Iniciativas nacionales en Perú (Manz et al. 2016) y Chile (Zambrano-Bigiarini et al. 2017), por ejemplo, combinan datos de pluviómetros con datos de precipitaciones satelitales para monitorear riesgos hídricos como sequías e inundaciones a escala local. Dado el papel fundamental que desempeña el sector privado en el uso de los recursos hídricos compartidos (UNESCO 2019b), y el importante impacto económico de los riesgos hídricos proyectados (CDP 2020; Foro Económico Mundial 2021), también los actores del sector privado han estado colaborando en el desarrollo de un marco aplicable a nivel mundial para que los principales usuarios del agua comprendan su consumo de agua y sus impactos, y trabajen por una gestión sostenible del agua a nivel de cuenca hidrográfica (The CEO Water Mandate 2013; 2010). La evaluación de los riesgos actuales y previstos se basa cada vez más en la modelización de la dinámica mundial del agua. Las tecnologías satelitales para la observación de la Tierra permiten evaluar los modelos globales del agua (Scanlon et al. 2018) y representan una fuente de datos fiable para mejorar su precisión (Khaki, Hendricks Franssen y Han 2020). Las empresas suelen operar a escala global. La posibilidad de identificar y gestionar los riesgos hídricos a nivel corporativo depende de los datos hídricos modelizados, que se cruzan con las métricas socioeconómicas y se ponen a disposición de los ejecutivos corporativos para que se tengan en cuenta en la planificación hídrica resiliente. 

Dos de las principales herramientas mundiales sobre el agua, el Aqueduct del World Resources Institute (WRI) y el Water Risk Filter (WRF) del World Wide Fund for Nature (WWF), se basan en datos y mapas hidrológicos basados en el conjunto de datos SHuttle Elevation Derivatives at multiple Scales (HydroSHEDS) (Lehner, Verdin y Jarvis 2008). Este conjunto de datos se deriva principalmente de los datos de la Shuttle Radar Topography Mission (SRTM) y se complementa con conjuntos de datos auxiliares sobre masas de agua, incluida la Global Lakes and Wetlands Database (GLWD). Mientras que Aqueduct se centra en el riesgo de cuenca (es decir, los riesgos debidos a las condiciones de la cuenca), y en particular en los alimentos y las inundaciones, el FRM incluye también el riesgo operativo (es decir, los riesgos debidos al uso y la gestión del agua) y se centra en el valor y la respuesta para impulsar la acción empresarial en pro de un futuro sostenible y con seguridad hídrica. Las plataformas web de Aqueduct y WRF permiten a los usuarios cargar ubicaciones de sitios y conceder acceso abierto a mapas temáticos que cubren 13 y 32 indicadores globales de riesgos hídricos, respectivamente (Ward et al. 2020; WWF Water Risk Filter 2020), agrupados en tres amplias categorías de riesgos hídricos: físicos, normativos y de reputación (The CEO Water Mandate 2014). Estas herramientas de datos son ejemplos prácticos de cómo se hace un buen uso de los datos de los modelos globales del agua para concienciar sobre los riesgos hídricos y ayudar a los principales usuarios del agua, como las empresas, a desarrollar estrategias resilientes al agua.

Conclusión

Las tecnologías basadas en el espacio están desempeñando un papel fundamental a la hora de proporcionar datos a los modelos hidrológicos mundiales para que produzcan predicciones fiables que, a su vez, alimenten las herramientas de datos para la evaluación y gestión de los riesgos hídricos, hoy y en un futuro previsible. Sin embargo, traducir la ciencia y los datos en herramientas significativas que conduzcan a acciones a nivel operativo de las empresas también requiere una mayor divulgación efectiva y políticas más sólidas para lograr un uso socialmente equitativo y medioambientalmente sostenible de los recursos hídricos compartidos.

Sources

CDP. 2020. “A WAVE OF CHANGE - The Role of Companies in Building a Water-Secure World.” 2020. https://6fefcbb86e61af1b2fc4-c70d8ead6ced550b4d987d7c03fcdd1d.ssl.cf3.r….

Chen, Huiling, Gaofeng Zhu, Kun Zhang, Jian Bi, Xiaopeng Jia, Bingyue Ding, Yang Zhang, Shasha Shang, Nan Zhao, and Wenhua Qin. 2020. “Evaluation of Evapotranspiration Models Using Different LAI and Meteorological Forcing Data from 1982 to 2017.” Remote Sensing 12 (15): 2473–2473. https://doi.org/10.3390/RS12152473.

Donmez, Cenk, Suha Berberoglu, Sevim Yasemin Cicekli, Ahmet Cilek, and Ali Nadir Arslan. 2021. “Mapping Snow Cover Using Landsat Data: Toward a Fine-Resolution Water-Resistant Snow Index.” Meteorology and Atmospheric Physics 133 (2): 281–94. https://doi.org/10.1007/s00703-020-00749-y.

Gleick, P.H. 1996. “Water Resources.” In Encyclopedia of Climate and Weather, edited by S.H. Schneider Ed., Vol.2, 817–23. New York: Oxford University Press.

Grillakis, M.G., A.G. Koutroulis, J. Komma, I.K. Tsanis, W. Wagner, and G. Blöschl. 2016. “Initial Soil Moisture Effects on Flash Flood Generation – A Comparison between Basins of Contrasting Hydro-Climatic Conditions.” Journal of Hydrology 541 (October): 206–17. https://doi.org/10.1016/j.jhydrol.2016.03.007.

Hegerl, Gabriele C., Emily Black, Richard P. Allan, William J. Ingram, Debbie Polson, Kevin E. Trenberth, Robin S. Chadwick, et al. 2015. “Challenges in Quantifying Changes in the Global Water Cycle.” Bulletin of the American Meteorological Society 96 (7): 1097–1115. https://doi.org/10.1175/BAMS-D-13-00212.1.

Hofmann, Hilmar, Andreas Lorke, and Frank Peeters. 2008. “Temporal Scales of Water-Level Fluctuations in Lakes and Their Ecological Implications.” Hydrobiologia 613 (1): 85–96. https://doi.org/10.1007/s10750-008-9474-1.

Khaki, M., H.-J. Hendricks Franssen, and S. C. Han. 2020. “Multi-Mission Satellite Remote Sensing Data for Improving Land Hydrological Models via Data Assimilation.” Scientific Reports 10 (1): 18791. https://doi.org/10.1038/s41598-020-75710-5.

Lehner, B., K.L. Verdin, and A. Jarvis. 2008. “New Global Hydrography Derived from Spaceborne Elevation Data.” Eos, Transactions, American Geophysical Union. https://doi.org/10.1029/2008EO100001.

Manz, Bastian, Wouter Buytaert, Zed Zulkafli, Waldo Lavado, Bram Willems, Luis Alberto Robles, and Juan-Pablo Rodríguez-Sánchez. 2016. “High-Resolution Satellite-Gauge Merged Precipitation Climatologies of the Tropical Andes.” Journal of Geophysical Research: Atmospheres 121 (3): 1190–1207. https://doi.org/10.1002/2015JD023788.

Pasqualotto, Nieves, Guido D’Urso, Salvatore Falanga Bolognesi, Oscar Rosario Belfiore, Shari Van Wittenberghe, Jesús Delegido, Alejandro Pezzola, Cristina Winschel, and José Moreno. 2019. “Retrieval of Evapotranspiration from Sentinel-2: Comparison of Vegetation Indices, Semi-Empirical Models and SNAP Biophysical Processor Approach.” Agronomy 9 (10): 663–663. https://doi.org/10.3390/agronomy9100663.

Scanlon, Bridget R., Zizhan Zhang, Himanshu Save, Alexander Y. Sun, Hannes Müller Schmied, Ludovicus P. H. van Beek, David N. Wiese, et al. 2018. “Global Models Underestimate Large Decadal Declining and Rising Water Storage Trends Relative to GRACE Satellite Data.” Proceedings of the National Academy of Sciences 115 (6): E1080–89. https://doi.org/10.1073/pnas.1704665115.

Sheffield, J., E. F. Wood, M. Pan, H. Beck, G. Coccia, A. Serrat-Capdevila, and K. Verbist. 2018. “Satellite Remote Sensing for Water Resources Management: Potential for Supporting Sustainable Development in Data-Poor Regions.” Water Resources Research 54 (12): 9724–58. https://doi.org/10.1029/2017WR022437.

Tellman, B., J. A. Sullivan, C. Kuhn, A. J. Kettner, C. S. Doyle, G. R. Brakenridge, T. A. Erickson, and D. A. Slayback. 2021. “Satellite Imaging Reveals Increased Proportion of Population Exposed to Floods.” Nature 596 (August 2020): 80–86. https://doi.org/10.1038/s41586-021-03695-w.

The CEO Water Mandate. 2010. “Guide to Responsible Business Engagement with Water Policy.” https://ceowatermandate.org/files/Guide_Responsible_Business_Engagement….

The CEO Water Mandate. 2013. “Guide to Water-Related Collective Action.”

The CEO Water Mandate. 2014. “Driving Harmonization of Water-Related Terminology.” https://ceowatermandate.org/disclosure/resources/driving/.

UNDRR. 2019. “Global Assessment Report on Disaster Risk Reduction 2019.” GAR. 2019. https://www.undrr.org/publication/global-assessment-report-disaster-ris….

UNESCO, ed. 2019a. Leaving No One Behind. The United Nations World Water Development Report 2019. Paris: UNESCO.

UNESCO, UNDRR. 2019b. “The Human Cost of Disasters - An Overview of the Last 20 Years 2000-2019 - World | ReliefWeb.” UNESCO. https://reliefweb.int/report/world/human-cost-disasters-overview-last-2….

Wang, Yunqian, Jing Yang, Yaning Chen, Philippe De Maeyer, Zhi Li, and Weili Duan. 2018. “Detecting the Causal Effect of Soil Moisture on Precipitation Using Convergent Cross Mapping.” Scientific Reports 8 (1). https://doi.org/10.1038/s41598-018-30669-2.

Ward, Philip J, Hessel C Winsemius, Samantha Kuzma, Marc F P Bierkens, Arno Bouwman, Hans De Moel, Andrés Díaz Loaiza, et al. 2020. “AQUEDUCT FLOODS METHODOLOGY,” 28.

World Economic Forum. 2021. “The Global Risks Report 2021 16th Edition,” 97.

WWF Water Risk Filter. 2020. “Water Risk Filter 5.0  Methodology Documentation.” Methodology. https://waterriskfilter.panda.org/en/Explore/DataAndMethod.

Zambrano-Bigiarini, Mauricio, Alexandra Nauditt, Christian Birkel, Koen Verbist, and Lars Ribbe. 2017. “Temporal and Spatial Evaluation of Satellite-Based Rainfall Estimates across the Complex Topographical and Climatic Gradients of Chile.” Hydrology and Earth System Sciences 21 (2): 1295–1320. https://doi.org/10.5194/hess-21-1295-2017.

Zhu, Yong, and Reginald E. Newell. 1994. “Atmospheric Rivers and Bombs.” Geophysical Research Letters 21 (18): 1999–2002. https://doi.org/10.1029/94GL01710.