evaluación del uso de imágenes satelitales para la
TRANSCRIPT
1
Evaluación del uso de imágenes satelitales para la cuantificación de flujos de CO2 en
ecosistemas acuáticos continentales
Mariam Gisela Rojas P.
Universidad Nacional de Colombia
Facultad de Ingeniería y Administración
Palmira, Valle del Cauca - Colombia
2019
2
Evaluación del uso de imágenes satelitales para la cuantificación de flujos de CO2 en
ecosistemas acuáticos continentales
Mariam G. Rojas P.
Trabajo de tesis presentado como requisito para optar al título de
Magister en Ingeniería Ambiental
Director:
Dr. Juan Gabriel León
Codirector
John Josephraj Selvaraj
Universidad Nacional de Colombia
Facultad de Ingeniería y Administración
Palmira, Valle del Cauca - Colombia
2019
3
Agradecimientos
A Dios por ser mi luz y mi guía en este proceso de crecimiento profesional.
Le doy gracias por cada detalle y momento que me permite vivir, por cada
aprendizaje y tropiezo, por estar siempre presente levantarme, darme las
fuerzas y el empeño para seguir adelante cuando siento que voy a
desfallecer, gracias Dios por brindarme tan bellas oportunidades para crecer
y así cada vez ser más consiente de mi propósito en esta vida.
A mis dos seres mágicos, mis amados hijos, Juan Miguel y Cristhian Mathias
quienes son mi motor de vida, gracias por su amor incondicional, paciencia,
compañía, comprensión, por alegrarme y darle luz a mi existencia.
A mis padres José Antonio Rojas y Consuelo Posada, por su amor,
comprensión y apoyo incondicional, por creer en mí. A mi madre en particular
por sus consejos en los momentos difíciles y por enseñanzas basadas en el
amor y en la fe en Dios.
A mis hermanos, Andrés Tadeo, Ivonne juliette, Jesús Antonio por estar allí
brindándome su amor, apoyo y motivación.
De manera especial a Juan Gabriel, por su constante apoyo y compañía, a
lo largo de mi proceso formativo e investigativo, gracias a sus enseñanzas y
valiosos aportes es posible estar cumpliendo hoy este objetivo.
A mi Abuelita, ser encantador y motivador, a mi tío (a), sobrinos, familiares y
seres queridos por su amor y buenos deseos. A mi amiga Juliette y por sus
consejos y amistad sincera. A las personas que me colaboraron de una u otra
forma, facilitándome el desarrollo de mi proceso formativo.
4
Contenido Resumen ................................................................................................................................. 6
Abstract ................................................................................................................................... 7
Lista de figuras ....................................................................................................................... 9
Lista de tablas ....................................................................................................................... 11
Introducción .......................................................................................................................... 12
Capítulo I. Mecanismos de emisiones de CO2 en ecosistemas acuáticos continentales y
descripción del embalse de Riogrande II .............................................................................. 19
1.1. El dióxido de carbono (CO2) en ecosistemas acuáticos ......................................... 19
1.1.1. Mecanismo de difusión de CO2 a la atmósfera y su relación con las
temperaturas superficiales del agua............................................................................... 24
1.2. Antecedentes y descripción de la zona de estudio ................................................. 27
1.3. Descripción de los datos de campo existentes para RGII ...................................... 29
1.3.1. Descripción de toma de muestras para flujos difusivos. ................................ 30
1.3.2. Concentraciones superficiales de CO2 en el cuerpo de agua. ........................ 32
1.4. Modelos existentes para la estimación de K600 y de concentraciones superficiales de
CO2 .................................................................................................................................... 33
1.4.1. Estimación de concentraciones superficiales de CO2. ........................................ 33
1.4.2. Estimación de los coeficientes de velocidad de transferencia en ecosistemas
acuáticos continentales. ................................................................................................. 35
1.5. La teledetección para estimación de temperaturas superficiales en ecosistemas
acuáticos continentales ..................................................................................................... 37
1.5.1. El sensor remoto MODIS. ................................................................................... 38
Capitulo II. Descripción de métodos para estimaciones de flujos de CO2 en el embalse de
RGII a partir de modelos propuestos y datos satelitales ....................................................... 43
2.1. Organización y presentación de las bases de datos de campo para el RGII .............. 43
2.2. Modelo para estimación de concentraciones superficiales de CO2 a partir de
temperaturas superficiales en Riogrande II ...................................................................... 45
2.3. Estimación de K600 a partir de modelos propuestos en la literatura y un modelo
específico para RGII. ........................................................................................................ 47
2.4. Estimación y validación de temperaturas superficiales a partir de imágenes satelitales
.......................................................................................................................................... 49
5
2.4.1. Descarga y preselección de imágenes. ................................................................ 49
2.4.2. Reproyección y selección final. .......................................................................... 51
2.4.3. Extracción por máscara y remuestreo. ................................................................ 52
2.4.4 Cálculo de la temperatura. .................................................................................... 53
2.5. Estimación y validación de flujos difusivos de CO2 a partir de temperaturas
superficiales ...................................................................................................................... 54
Capítulo III. Estimación de los flujos difusivos de CO2 para el embalse de Riogrande II... 56
3.1. Datos de campo y análisis de datos disponibles para el embalse RGII ..................... 56
3.2. Modelación de concentraciones superficiales para el embalse de RGII .................... 59
3.3. Modelación de K600 para el embalse de RGII ............................................................ 61
3.4. Temperaturas superficiales estimadas a partir de imágenes MODIS ........................ 64
3.5. Estimación de flujos difusivos de CO2 en el embalse de RGII.................................. 70
Capítulo IV. Lecciones aprendidas sobre la aplicación de la teledetección para la
estimación de flujos difusivos de CO2 en el embalse de Riogrande II. ................................ 74
Referencias Bibliografías ..................................................................................................... 79
6
Resumen
El equipo de investigación en Ecología y Contaminación Acuática de la Universidad
Nacional de Colombia Sede Palmira desarrolló entre el año 2012 y el 2014 el Proyecto
GEITRO, cuyo objetivo principal fue cuantificar las emisiones de GEI generados en el
embalse de Riogrande II localizado en el norte del departamento de Antioquia. Para tal fin,
dicho equipo de investigación fundamentó sus métodos en una evaluación rigurosa y
detallada de la fuente de emisión basada en mediciones in situ. Estos resultados abren la
posibilidad de explorar métodos alternativos que permitan la cuantificación de emisiones
generadas en el embalse a partir de la aplicación o desarrollo de modelos fundamentados en
el uso de variables medibles a partir de sistemas remotos tales como la teledetección, en este
caso particular, los productos MODIS-Terra. En este sentido surgió la propuesta de
investigación que fue desarrollada en el marco de esta tesis de maestría y cuyo objetivo
principal fue responder a la pregunta: ¿bajo qué condiciones y hasta qué punto es posible la
aplicación de la teledetección para la modelación de las emisiones de flujos difusivos de CO2
en un ecosistema acuático de tropical de alta montaña como lo es el embalse de RGII?
La propuesta metodológica se fundamentó en tres aspectos básicos: La organización y
selección de la información disponible, tanto del proyecto GEITRO entre 2012 y 2014 así
como de las imágenes satelitales MODIS-Terra que proveen la información relacionada con
las temperaturas superficiales del cuerpo de agua. El análisis, la aplicación y validación de
los modelos actualmente disponibles que permiten la cuantificación de emisiones a partir de
los datos de temperatura superficial del agua. Y la estimación final de emisiones a partir de
imágenes satelitales.
El análisis, aplicación y validación de los modelos disponibles, condujo a la necesidad de
explorar nuevas aproximaciones para una estimación de flujos más acertada. En efecto, la
ejecución de esta investigación condujo al desarrollo de dos modelos: uno para la estimación
de concentraciones superficiales de CO2 aprovechando la relación que existe entre este
parámetro y la variación de las temperaturas superficiales del agua y otro para la estimación
del coeficiente de velocidad de transferencia normalizado sobre número de Schmidt de 600
(K600) que conlleva a la estimación consecuente de los coeficientes de velocidad de
transferencia (kg,T) para el CO2 en el embalse de RGII. El resultado de la aplicación de estos
dos modelos, tal y como es presentado en este documento, conllevan a la estimación de flujos
difusivos de CO2 del embalse. Los procesos de validación de los modelos permitieron
concluir que estos logran reproducir de manera más que aceptable (R2 =0,78, con un error
relativo sobre el conjunto de datos de 15 ± 0,07% en promedio), los flujos difusivos de CO2
medidos en el embalse de RGII entre los años 2012 y 2014. Finalmente, a partir de estos
resultados, empleamos las temperaturas superficiales medidas por MODIS-Terra para la
estimación de los flujos difusivos de CO2 sobre el embalse. Los resultados fueron
satisfactorios en la medida en que la correlación obtenida después este proceso entre los
flujos estimados a partir de los modelos propuestos, los cuales hacen uso de las temperaturas
superficiales obtenidas a partir de satélite MODIS-Terra fue de R2=0,71.
De manera global se encontró que el uso de las temperaturas superficiales observadas
por MODIS-Terra, mediante la aplicación los modelos desarrollados en el marco de esta
7
investigación, puede ser aceptado para la estimación de flujos difusivos de este biogás
(F(CO2)) en el embalse de RGII.
Palabras clave: Emisiones de CO2, coeficiente de velocidad de intercambio,
concentraciones superficiales de CO2, ecosistemas acuáticos tropicales, sensores remotos.
Abstract
The team of research in Ecology and Aquatic Pollution of the National University of
Colombia Palmira Headquarters developed between 2012 and 2014 the GEITRO Project,
whose main objective was to quantify the GHG emissions generated in the Riogrande II dam
located in the north of the department of Antioquia in Colombia. For this reason, the research
team based their methods on accurate and detailed evaluation of flux source through in situ
measure. These results create possibility to explore alternative methods to allow of quantify
emissions generated in dam by means of application or development of models based on the
use of measured issues from remote sensors like tele-detection, particularly MODIS-Terra
products. In this sense, the research proposal was developed within the framework of this
master's thesis and whose main objective was to answer the question: ¿under what conditions
and to what extent is it possible to apply remote sensing for the modeling of emissions of
CO2 diffusive flows in a high mountain tropical aquatic ecosystem such as the RGII dam?
The proposed methodology is based on three basic aspects: the organization and
selection of the available information, both GEITRO project between 2012 and 2014 and
MODIS-Terra satellite images providing information related to surface temperatures of the
water body. The analysis, application and validation of the currently available models that
allow the quantification of emissions from the surface water temperature data. And the final
quantification of the emissions using satellite images.
The analysis, application and validation of the available models, led to the need to
explore new approaches for a more accurate flow estimation. Indeed, the execution of this
research led to the development of two models: one for the estimation of surface CO2
concentrations taking advantage of the relationship between this parameter and the variation
of water surface temperatures and another for the estimation of the normalized transfer speed
coefficient on Schmidt's number of 600 (K600) that leads to the consequent estimation of the
transfer speed coefficients (kg, T) for CO2 in the RGII dam. The result of the application of
these two models, as it is presented in this document, they lead to the estimation of CO2
diffusive flux from the dam. The validation processes of the models allowed us to conclude
that they manage to reproduce more than acceptable (R2 = 0.78, with a relative error on the
data set of 15 ± 0.07% on average), the diffusive CO2 fluxes measured in the RGII reservoir
between 2012 and 2014.
Taking into account these results, we use Water Surface Temperature (WST)
measured by MODIS-Terra for the estimation of the diffusive flux of CO2 on the dam. The
results were satisfactory insofar as the correlation obtained after this process between the
flows estimated from the proposed models, which make use of the surface temperatures
obtained from the MODIS-Terra satellite was R2 = 0.71
In a global way, it was found that the use of the WST observed by MODIS-Terra,
through the application of the models developed in the framework of this research, can be
accepted for the estimation of diffusive flows of this biogas (F (CO2)) in the RGII dam.
8
Keywords: CO2 emissions, exchange rate coefficient, surface CO2 concentrations, tropical
aquatic ecosystems, remote sensors.
9
Lista de figuras
Figura 1.1. Esquema del funcionamiento biogeoquímico en un embalse y vías de
transferencia de CO2 y CH4 hacia la atmósfera................................................................... 20
Figura 1.2. Ubicación del embalse de Riogrande II en Antioquia, Colombia. ..................... 29
Figura 1.3. Ubicación en el RGII de los puntos o estaciones de muestreo para estimación de
flujos difusivos y concentraciones de CO2 .......................................................................... 30
Figura 1.4. y 1.5. Cámaras flotantes para captura de flujos difusivos de GEI.. .................. 31
Figura 1.6. y 1.7. Toma de muestras para concentraciones de gases superficiales.. ........... 32
Figura 2.1. Flujograma para el procesamiento de imágenes MODIS. ................................. 49
Figura 2.2. Preselección por medio del solapamiento visual. .............................................. 51
Figura 2.3. Resultado de la extracción por mascara (Fuente: Elaboración propia) .............. 53
Figura 3.1. Emisiones de CO2 para el embalse de RGII ..................................................... 59
Figura 3.2. Correlación entre temperaturas superficiales y concentraciones superficiales en
el embalse RGII. ................................................................................................................... 60
Figura 3.3. Correlación entre concentraciones superficiales medidas y estimadas en el
embalse de RGII. .................................................................................................................. 61
Figura 3.4. Correlación entre K600 calculados con datos de campo y K600 estimados con
los modelos propuestos: a) Cole y Caraco (1998), b) Borges et al. (2004), c) Raymond and
Cole (2001), d) McGillis et al. (2001), e) Guérin et al. (2007) y f) León y Rojas (En
redacción) ............................................................................................................................. 63
Figura 3.5. Imágenes del embalse RGII obtenidas de noche por el sensor remoto MODIS
(en diferentes fechas) ............................................................................................................ 66
10
Figura 3.6. Imágenes del embalse RGII obtenidas de día por el sensor remoto MODIS (en
diferentes fechas) .................................................................................................................. 67
Figura 3.7. Correlación entre temperaturas medidas en campo por el proyecto GEITRO
(2012) y temperaturas estimadas a partir de satélite MODISTerra. ..................................... 70
Figura 3.8. Correlación entre los flujos difusivos (F (CO2)) medidos en campo y los flujos
difusivos (F (CO2)) estimados a partir de los modelos de las Ecuaciones 3.1 y 3.2............ 71
Figura 3.9. Correlación entre los flujos difusivos (F (CO2)) medidos en campo y los flujos
difusivos (F (CO2)) estimados a partir de los modelos de las Ecuaciones 3.1 y 3.2 donde las
temperaturas superficiales corresponden a las observadas por el Satélite MODIS-Terr ..... 72
11
Lista de tablas
Tabla 1.1. Características principales del sensor MODIS ................................................... 39
Tabla 2.1. Fechas de campañas científicas realizadas en el proyecto GEITRO (2012) sobre
el embalse de RGII ............................................................................................................... 44
Tabla 2.2. Características de los datos MOD11A1 ............................................................. 50
Tabla 3.1. Extracto de la información disponible para el embalse de RGII como resultado
del proyecto GEITRO
Tabla 3.2. Temperaturas de la superficie del agua del embalse RGII deducidas con base en
los daros del sensor remoto MODIS .................................................................................... 68
12
Introducción
Las Naciones Unidas en 1988 reunieron un grupo de científicos para asesorar a los
gobiernos sobre uno de los mayores problemas del planeta: el Calentamiento Global. Dicha
iniciativa da origen al bien conocido Panel Intergubernamental sobre el Cambio Climático
(IPCC, por sus siglas en inglés), el cual rindió su primer informe en 1990. En la Cumbre
sobre Medio Ambiente y Desarrollo de 1992 se aprobó la Convención Marco de las Naciones
Unidas sobre el Cambio Climático –CMNUCC- tratado jurídicamente vinculante en el cual
la comunidad internacional se comprometió a estabilizar las concentraciones de gases de
efecto invernadero (GEI) en un nivel que impida efectos peligrosos en el sistema climático.
A la fecha, el IPCC ha producido más de 30 reportes divididos entre especiales,
metodológicos y de evaluación; siendo estos últimos los más relevantes en términos de las
actividades principales desarrolladas por este organismo. El informe de evaluación más
reciente, el Quinto, data de 2014. En este se hace énfasis sobre la evaluación de los aspectos
socioeconómicos del Cambio Climático y sus consecuencias sobre el desarrollo sostenible,
los aspectos regionales, la gestión del riesgo y la elaboración de una respuesta mediante la
adaptación y la mitigación. En la 43ª reunión del IPCC, la cual tuvo lugar en el año 2016, se
acordó que el informe de síntesis del Sexto Informe de Evaluación se terminaría en 2022, a
tiempo para el primer balance mundial de la siguiente CMNUCC.
El conjunto de iniciativas y lineamientos establecidos por el IPCC a lo largo de sus
más de tres décadas de existencia, particularmente aquellas dirigidas a subsanar una de las
debilidades actuales más evidentes en torno al Cambio Climático, como es la cuantificación
acertada de las emisiones antrópicas y naturales de GEI, han sido bien adoptadas en la
13
mayoría de países desarrollados y en vía de desarrollo, dentro de los cuales Colombia no es
la excepción. En efecto, en la última CMNUCC, Colombia se comprometió a reportar
periódicamente, tanto en sus Comunicaciones Nacionales de Cambio Climático, como en sus
Informes Bienales de Actualización, sus emisiones de GEI en cada de los cuatro módulos
que contempla el IPCC: Energía, Residuos, Procesos Industriales y Uso de Productos en
Agricultura, Silvicultura y Otros Usos de la Tierra. En este sentido, para el año 2015, el
Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM), en tanto que
autoridad delegada para el estudio del Cambio Climático en el país, publicó la Tercera
Comunicación Nacional de Cambio Climático la cual está estrechamente relacionada con el
Inventario Nacional de GEI en Colombia.
Particularmente, con relación al módulo propuesto por el IPCC en torno al dominio
energético, para contribuir con la disminución de emisiones, el país ha optado por cambiar
las fuentes de energía eléctrica incluyendo tecnologías alternativas (eólica, solar) y cerca del
70% proceden de sistemas hidroeléctricos (Mayor, 2016). Sin embargo, estas últimas no han
resultado ser tan inocuas como se pensaba inicialmente y los embalses, además de alterar el
natural ciclo del carbono (Palau y Alonso, 2008), actualmente son reconocidos como fuertes
emisores de GEI (Mayor, 2016; IPCC, 2006; Abril et al., 2005; Delmas et al., 2004; Rosa,
et al., 2004; Demarty & Bastien, 2011,Guérin y León, 2015; Li, S. 2018) y, en la
cuantificación de sus emisiones, prevalecen grandes incertidumbres que sólo hasta el
momento las iniciativas de mediciones directas en campo han comenzado a aportar
conocimiento sobre las verdaderas magnitudes de las emisiones que tienen lugar en estos
hidrosistemas.
14
Los embalses, que si bien son considerados como una fuente de emisiones de gases
de efecto invernadero de origen antrópico a causa de su naturaleza; su comportamiento, en
tanto que ecosistema acuático, responde a los mismos procesos físico-químicos y
degradación de la materia orgánica (MO) que un ecosistema acuático de origen natural. A
pesar de que existen en la actualidad grandes incertidumbres con relación a la magnitud
precisa de emisiones de estos sistemas, diversos estudios (Guérin y Abril, 2007; Guérin et
al., 2008, entre otros) sugieren que los embalses pueden contribuir en un 4% y 12% de las
emisiones globales de origen antrópico de CO2 y CH4 respectivamente. Tales estimaciones
difieren de manera considerable con las apreciaciones que pueden encontrarse en el Informe
Especial del IPCC sobre Fuentes de Energía Renovable (2011) donde se asegura que las
emisiones de GEI de embalses son probablemente insignificantes cuando se consideran las
emisiones netas generadas en estos sistemas. De hecho, tal y como lo sostiene Pareckh
(2011), la pregunta no es si los embalses emiten más o menos GEI en relación a sistemas
naturales en general, sino, en términos de emisiones, cuál es el cambio en el lugar del embalse
antes y después de su construcción. Es probable que el medio natural antes de la inundación
fuese un sumidero de gases, lo que sugeriría que las emisiones netas serían mayores después
de la inundación.
Hasta el momento no hay nada científicamente concluyente a este respecto y es
probable que las aproximaciones difieran de manera importante según la región geográfica.
En efecto, dentro del mismo Informe Especial del IPCC (2011), es claro ver que se presta
mucha atención a estudios realizados en embalses sobre regiones boreales y templadas donde
no sólo se asegura que las emisiones son bajas, sino que estas tienden a disminuir después de
los primeros 10 años después de la inundación. Sin embargo, nada de esto ha podido definirse
15
como un comportamiento general dentro de los embalses tropicales; no hay detalles sobre
emisiones en los sistemas ubicados sobre dichas regiones.
Básicamente, el Informe del IPCC (2011), junto con otra serie de estudios más
recientes, tales como Raymond et al. (2013) y Werhli, B (2013), sostienen que existen muy
pocas mediciones en regiones tropicales, no sólo a nivel de embalses, sino a nivel de
ecosistemas acuáticos en general y que, por el momento, la poca información disponible
resulta insuficiente para concluir en relación a los aportes de emisiones de GEI a partir de
dichas regiones. De hecho, otros estudios anteriores a estos (Abril et al., 2005), ya han
considerado el análisis de emisiones de GEI en regiones tropicales, basados en monitoreos
temporales exhaustivos, como una alta prioridad debido a que dichas regiones están sub-
representadas en los conjuntos globales de estudios normalmente utilizados para ajustar los
balances globales de carbono. Si bien han existido hasta el momento importantes esfuerzos
que pretenden aportar conocimiento en dicho dominio, los cuales están básicamente
representados en los estudios como los desarrollados por Guérin y Abril (2007) y Guérin et
al., (2007) sobre el embalse de Petit-Saut en Guyana francesa, Kemenes et al., 2007;
Kemenes et al.,2011 en la represa de Balbina en Brasil, Chanudet et al., (2011) en los
embalses de Nam Ngum y Nam Leuk, Fearnside (2008); Fearnside (2009) y Demarty y
Bastien (2011) en diferentes embalses tropicales, finalmente son iniciativas necesarias, pero
aún insuficientes, para determinar con precisión la contribución de emisiones de GEI de
embalses en el trópico.
Particularmente en Colombia, teniendo en cuenta el conjunto de necesidades que
existen para una real cuantificación de emisiones de GEI en ecosistemas acuáticos naturales
y artificiales (embalses), el Grupo de Investigación en Ecología y Contaminación Acuática
16
de la Universidad Nacional de Colombia Sede Palmira, ha venido trabajando desde hace más
de 10 años en la medición directa de emisiones en estos cuerpos de agua, aportando no sólo
conocimiento sobre magnitudes reales de los flujos que salen hacia la atmósfera, sino sobre
el comportamiento biogeoquímico dentro del cuerpo de agua que origina estas emisiones. A
la fecha, se han estudiado zonas de inundación de la Amazonia (León y Guérin, 2019),
embalses de montaña como Riogrande II y Calima (Guérin y León, 2015), Porce III
(Bohórquez et al., 2019) y El Quimbo (León y Rojas. (En redacción)).
Como quiera que sea, tal y como se dijo anteriormente, todo este conjunto de
iniciativas, si bien necesarias, continúan siendo insuficientes para la cuantificación definitiva
de emisiones en espacio y tiempo de ecosistemas acuáticos a nivel tropical. Los elevados
costos ligados al desarrollo de trabajos de campo periódicos, compra y mantenimiento de
equipos de medición, tomas y análisis de muestras, entre otros, dificultan la ejecución el
desarrollo de esta labor. En este sentido, se hace inminente el desarrollo de modelos que
permitan estimar de forma acertada el conjunto de emisiones de estos ecosistemas a partir de
información que sea accesible por medio de sensores remotos (estaciones de medición en
tiempo real, teledetección, etc.).
El uso de los sensores remotos para este fin ha sido altamente reportado para
ecosistemas marinos (Stephens et al, (1995)), pero su aplicación en ecosistemas acuáticos
continentales, a nuestro conocimiento, está muy débilmente documentado, de aquí la idea de
reportar por primera vez los posibles resultados, positivos o negativos, de tal aplicación en
un ecosistema acuático tropical de alta montaña.
17
Esta investigación tuvo como objetivo fundamental aplicar el uso de herramientas de
observación, como sensores remotos, para alimentar modelos de emisiones de GEI
actualmente reportados en la literatura con el fin de reconstituir flujos difusivos de CO2
medidos en campo sobre el embalse de Riogrande II (RGII) en Antioquia y poder así concluir
sobre la viabilidad del uso de este tipo de tecnologías en la estimación de tales emisiones de
este biogás en ecosistemas acuático tropicales. Se muestra cómo estos modelos resultaron
insuficientes para una estimación ajustada de las emisiones reales del embalse y, en
consecuencia, se presentan el desarrollo de dos modelos propios de esta investigación,
fundamentados en los datos de campo actualmente existentes para el caso de RGII, para tal
fin.
Este documento se articula en cuatro capítulos que rompen un poco el esquema
convencional académico. En efecto, bajo una estructura de redacción literaria, el primero de
ellos ofrece un marco conceptual sobre las emisiones de CO2 en ecosistemas acuáticos
continentales: ocurrencia, origen, vías de emisión y mecanismos de difusión; así como la
descripción de la zona de estudio, métodos de campo utilizados para la medición de
emisiones y descripción del conjunto de datos que han sido puestos a disposición por parte
del Proyecto GEITRO (2012). Finalmente, se contextualiza sobre los conceptos en torno a
las herramientas de teledetección que fueron evaluadas en el marco de este estudio.
El segundo capítulo presenta una descripción detallada de todo el marco
metodológico empleado para el desarrollo de esta investigación. Se parte desde la
organización del conjunto de datos disponibles hasta la aplicación y validación de modelos,
reportados y propios, para la cuantificación temporal de emisiones de CO2 a la atmósfera
producidos desde el embalse de RGII. En este capítulo no se incluyen los métodos que
18
llevaron a la cuantificación de emisiones sobre el embalse RGII. Esos métodos hacen parte
del proyecto GEITRO (2012) y son descritos en el primer capítulo del documento.
El tercer capítulo describe el conjunto de resultados encontrados después de la
aplicación de los procesos metodológicos, para finalizar con el capítulo cuarto relacionado
con las conclusiones globales y específicas a las que se llegó en el cumplimiento del objetivo
general de esta investigación.
19
Capítulo I. Mecanismos de emisiones de CO2 en ecosistemas acuáticos
continentales y descripción del embalse de Riogrande II
1.1. El dióxido de carbono (CO2) en ecosistemas acuáticos
Desde la primera revolución industrial, las concentraciones de GEI aumentaron en la
atmósfera contribuyendo al efecto invernadero de origen antrópico. Los tres principales GEI
con este origen son el CO2, el CH4 y el N2O que contribuyen en 63%, 18% y 6% de las
emisiones de efecto invernadero de origen antrópico respectivamente (Forster et al., 2007).
Las concentraciones atmosféricas de CO2, CH4 y N2O están fuertemente ligadas a las
siguientes acciones: utilización de recursos naturales tales como los combustibles fósiles, a
la modificación que el hombre realiza sobre las superficies continentales en términos de
agricultura (pe. cultivos de arroz), las actividades pecuarias y de deforestación, en respuesta
a las necesidades del incremento en la producción de energía y alimento de la población
humana (Forster et al., 2007). Los embalses, en tanto que grandes sistemas generadores de
energía, constituyen en este sentido, una fuente de origen antrópico de GEI que sólo hasta el
2013 comienza a ser considerada dentro del contexto de los balances globales de carbono.
Tanto en los embalses, como en los lagos naturales, el CO2 es producido por la
degradación de la MO en la columna de agua y en los sedimentos, tanto en condiciones
aerobias como anaerobias, mientras que el CH4 es producido casi exclusivamente en los
sedimentos bajo condiciones estrictamente anaerobias durante la última etapa de la
degradación de la MO; este último gas es particularmente importante en el marco de esta
tesis por su transformación parcial en CO2 al momento de la oxidación.
Una parte del CH4 producido en los sedimentos se difunde hacia las aguas
superficiales y al momento que alcanza las zonas oxigenadas (superficie de los sedimentos o
20
en la columna de agua), es parcialmente oxidado en CO2 (Figura 1.1) por las bacterias
metanotrófagas (Abril et al., 2005; Abril y Iversen, 2002; Bastviken, 2009; Bastviken et al.,
2008; Bedard y Knowles, 1997; Dumestre et al., 1999; Frenzel et al., 1990; Guérin y Abril,
2007; Lima, 2005; Venkiteswaran y Schiff, 2005) (Figura 1.1). En los reservorios boreales
y tropicales, las cinéticas de oxidación aeróbica de CH4 son ampliamente superiores a
aquellas que tienen ocurrencia en medios naturales (Guérin & Abril, 2007; Venkiteswaran &
Schiff, 2005) y corresponden a la oxidación del 90% de CH4 producido en los reservorios
dando lugar a una producción de CO2 que podría inclusive explicar hasta el 30% de las
emisiones de los embalses tropicales (Guérin & Abril, 2007).
Figura 1.1. Esquema del funcionamiento biogeoquímico en un embalse y vías de
transferencia de CO2 y CH4 hacia la atmósfera (numerados de 1 a 4). Adaptado de: Abril et al., 2005.
El CO2 producido en los sedimentos y en la columna de agua por medio de la
respiración aeróbica de la MO alóctona (proveniente de las cuencas hidrográficas) y de la
autóctona (producida en el lago), así como por la oxidación de CH4, se difunde hacia las
aguas superficiales donde es parcialmente consumido por la fotosíntesis en la zona eutrófica
(Lewis, 2009) (Figura 1.1). Las biomasas de los microorganismos, que aseguran la
fotosíntesis y participan en la degradación de la MO, así como las excreciones de MO
4. Flux diffusif
CO2 CH4
3. Dégazage
CO2 CH4MO immergée
-sols
-végétaux
-bois
CO2 CH4
OxyclinePhyto
1. Ébullition
CH4
2. Flux diffusif
CO2 CH4
O2
O2
MO fluviatile
COP, COD
MéthanogénèseMO CH4 + CO2 Oxydation aérobie du CH4
CH4 + 2O2 CO2 + 2H2O
21
asociadas a su metabolismo, constituyen el conjunto de MO autóctona que, como la MO
alóctona, será parcialmente degrada in-situ y de la cual, una parte, será almacenada en el
compartimiento sedimentario. (Prairie and Cole, 2009;Tranvik et al., 2009).
Con relación a la forma como el CO2 y el CH4, producidos en un embalse se escapan
hacía la atmósfera, se tiene conocimiento de la ocurrencia de este proceso por cuatro vías
diferentes (Figura 1.1):
1. Por ebullición (burbujeo). Únicamente el CH4 es emitido por esta vía a causa de su
baja solubilidad en el agua. La rápida producción de CH4 y su acumulación en los
sedimentos conducen a la formación de flujos de ebullición en las regiones poco
profundas (<10m). (Abril et al., 2005; Galy-Lacaux et al., 1999; Keller y Stallard,
1994). En lagos y reservorios, las burbujas de CH4 se forman a escasos centímetros
bajo la interface agua-sedimento (Joyce y Jewell, 2003) donde la producción de este
gas es más importante (Guérin et al., 2008a). La ebullición puede ser desencadenada
por las variaciones de la velocidad de las corrientes (Martens & Val Klump, 1980),
eventos de fuertes vientos (Keller & Stallard, 1994) y caídas de la presión hidrostática
(altura del agua o presión atmosférica) (Casper et al., 2000; Smith et al., 2000). La
ebullición es por tanto irregular, difícil de cuantificar con precisión, lo que puede
conducir a sub-estimaciones en su cuantificación.(Glaser et al., 2004).
2. Por difusión. El CH4 y el CO2 alcanzan las aguas superficiales por difusión. Los flujos
difusivos dependen del gradiente de concentración entre el aire y el agua superficial,
así como del coeficiente de intercambio gaseoso en la interface aire-agua que, a su vez,
varía en función de la velocidad del viento y de la precipitación (Guérin et al., 2007).
22
3. Por desgasificación. En embalses, la desgasificación que ocurre a la salida de las
turbinas por las cuales transitan aguas del fondo del sistema, muy ricas en CH4 y CO2,
está ligada al cambio brusco de presión hidrostática entre la retención del agua
provocada por la presa y la entrada de agua aportada por el río al sistema. Esta es una
vía de emisión de CH4 y CO2 no despreciable en embalses tropicales (Abril et al., 2005;
Guérin et al., 2006; Kemenes et al., 2007). En sistemas tropicales las emisiones de CO2
por esta vía pueden representar más del 20% de las emisiones totales de todo el cuerpo
de agua (Roehm & Tremblay, 2006).
4. Por difusión en el río que drena el embalse. Los flujos difusivos de CH4 y CO2 emitidos
desde la interface aire-agua del río que drena la salida del sistema, a pesar de su poca
superficie, puede contribuir hasta con un 20% de las emisiones totales de los embalses
(Abril et al., 2005; Guérin et al., 2006; Kemenes et al., 2007).
En términos de emisiones totales, los resultados obtenidos sobre los embalses tropicales
más estudiados (Petit-Saut en la Guyana francesa, Balbina en Brasil, Riogrande II, Calima y
Porce III en Colombia) son muy heterogéneos; lo que impide generalizar conclusiones sobre
el comportamiento global de estos ecosistemas. En efecto, mientras que para los dos primeros
las emisiones varían por encima de un orden de magnitud promedio entre las estaciones secas
y las húmedas (Abril et al., 2005; Kemenes et al., 2007), para los casos en Colombia, se han
observado variaciones temporales menores (Guérin y León, 2015) que dependen del tiempo
de residencia de las aguas (Abril et el., 2005) y de la hidrodinámica (estratificación/des-
estratificación) en el cuerpo de agua del embalse (Guérin & Abril, 2007).
23
Tal como ha sido demostrado sobre varios embalses, las emisiones de GEI decrecen
en el tiempo durante la explotación del sistema (Abril et al., 2005; St. Louis et al., 2000;
Tremblay et al., 2004). En efecto, las importantes emisiones que se generan al llenar el
embalse están atribuidas a la degradación de la MO de los suelos y la vegetación inundados
(Abril et al., 2005; Galy-Lacaux et al., 1997; Galy-Lacaux et al., 1999; Guérin et al., 2008a;
St. Louis et al., 2000; St. Louis et al., 2003) posteriormente, las emisiones de CO2 y CH4
decrecen debido a la baja disponibilidad de MO lábil, sin que esta llegue a desaparecer (Abril
et al., 2005; Tremblay et al., 2004). Las fuentes de MO que originan las emisiones a largo
plazo no han sido claramente identificadas. La teoría indica que el CO2 y el CH4 serían
producidos principalmente por la degradación de la MO que proviene de la cuenca y de la
MO producida en el reservorio (Bodaly et al., 2004; Huttunen et al., 2002). La contribución
del carbono alóctono aumenta necesariamente con el tiempo debido a que el stock de MO
inundado lábil disminuye. El conocimiento del reciclaje de carbono autóctono y alóctono en
los reservorios se convierte entonces en un factor clave para la predicción de las emisiones
en estos sistemas de embalses a largo tiempo (>10-20 años).
Para resaltar la importancia de las emisiones de estos sistemas a escala global es
necesario considerar, en principio, que los embalses son reconocidos como trampas tanto
para el carbono que fluye desde los continentes hacia los océanos, como para una parte de la
MO autóctona. Este carbono que se sedimenta en los embalses constituye una fuente
potencial de MO para las bacterias que originan las producciones de CO2 y CH4. A escala
global, el almacenamiento de carbono por sedimentación en los embalses varía de 0.16 a 0.18
PgC.año-1 (Dean & Gorham, 1998; Mulholland & Elwood, 1982) es decir 400 a 700 Mg.km-
2.año-. El resultado de la absorción de CO2 por las superficies terrestres (fotosíntesis
24
principalmente) y de la remisión de CO2 debido a la respiración en los suelos corresponde a
un sumidero neto de carbono del orden de 0.4 a 0.7 PgC.año-1 (Houghton, 2003). Para una
superficie continental terrestre de 153.106 km2, el sumidero neto de carbono es del orden de
3 a 5 Mg.km-2.año-1, es decir, dos veces menos el orden de magnitud que el almacenamiento
de carbono en los embalses.
1.1.1. Mecanismo de difusión de CO2 a la atmósfera y su relación con las temperaturas
superficiales del agua.
El total de las emisiones de un gas (g) que tienen lugar desde el espejo de agua hacia la
atmósfera son dependientes de: i) la variación de velocidades de transferencia del gas en
dicha interface a una temperatura superficial del agua dada y, ii) la diferencia entre la
concentración del gas en el agua y su concentración de equilibrio con la atmósfera según la
ecuación:
𝐹(𝐶𝑂2) = 𝑘𝑔,𝑇 . ∆𝐶 (1.1)
Donde F (CO2) es el flujo difusivo de CO2, kg, T es la velocidad de transferencia del
gas para un gas (g) particular y una temperatura (T) dada, y ΔC es el gradiente de
concentración de CH4 o CO2 expresado como la diferencia entre la concentración en el agua
(Cw) y la concentración de equilibrio entre el agua y la atmósfera (Ceq).
Cuando kg,T es conocido para un gas a una temperatura T1 (Kg1T1), es posible calcular
un valor diferente de kg T a una temperatura T2 (Kg2T2) gracias a la relación entre los números
de Schmidt (Sc) (Jähne et al., 1987):
𝑘𝑔1𝑇1
𝑘𝑔2𝑇2= [
𝑆𝑐𝑔1𝑇1
𝑆𝑐𝑔2𝑇2]
𝑛
(1.2)
25
El exponente n de la Ecuación 1.2 varía de 1 a -0,67 según el proceso dominante del
fenómeno de la difusión (Jähne et al., 1987). El número de Schmidt es calculado para el CO2
con la Ecuación propuesta por Wanninkhof (1992):
𝑆𝑐𝐶𝑂2= 1911.1 − 118.11𝑇 + 3.4527𝑇2 − 0.04132𝑇3 (1.3)
Donde T es la temperatura superficial del agua en C.
Jähne et al. (1987) proponen una solución para la Ecuación 1.2 en función a la
Ecuación 1.3:
𝐾𝑔,𝑇 = 𝑘600. (600𝑆𝑐𝑇
⁄ )−𝑛
(1.4)
Donde k600 es la velocidad de transferencia del gas normalizada por el número de
Schmidt de 600 (Sc = 600, para CO2 a 20ºC), y sobre la superficie de un lago n puede
asumirse como 0,66 para velocidades de viento inferiores a 3,5 m.s-1, o 0,5 para velocidades
superiores a ese valor (Guérin et al., 2007).
En teoría, a partir de flujos conocidos de CO2 (F (CO2)) medidos en campo, es posible
deducir las velocidades de transferencia para cada concentración del gas en el agua aplicando
la Ecuación 1.1 si consideramos una presión atmosférica parcial para CO2 de 380 ppmv, la
cual corresponde a concentraciones de CO2 (Ceq) entre 513 nmol.l-1 y 580 nmol.l-1 (Guérin
et al., 2007).
De lo anteriormente descrito podemos deducir que, por una parte, según la Ecuación
1.1, para poder estimar los flujos difusivos de CO2 hacia la atmósfera es necesario conocer
las concentraciones del gas en la superficie del agua y estimar las velocidades de
26
transferencia del gas entre el cuerpo de agua y la atmósfera. En segunda instancia, de la
Ecuación 1.4, es posible estimar las velocidades de transferencia del gas entre el cuerpo de
agua y la atmósfera a partir de una velocidad de transferencia normalizada por el número de
Schmidt.
En conclusión, para conocer los valores de al menos dos de las tres variables de la
Ecuación 1.1 debemos escoger entre dos procedimientos:
1. Se hacen mediciones en campo de flujos superficiales y concentraciones superficiales
del gas para poder estimar las velocidades de transferencia del mismo.
2. Se desarrollan modelos que permitan estimar los flujos difusivos a partir de la relación
que puede haber entre las velocidades de transferencia y las concentraciones del gas
en el agua con variables fácilmente medibles en campo, u observables sin necesidad
de realizar muestreos in-situ, particularmente usando técnicas de teledetección.
Ambas opciones son igualmente válidas si las mediciones en campo se desarrollan
correctamente o si los modelos a aplicar son lo suficientemente precisos en las relaciones que
pretenden establecer entre variables. Tal y como será expuesto más adelante, para el caso de
RGII dos fuentes de información están disponibles: i) Datos de campo tomados durante 12
meses con relación a: flujos difusivos de CO2, concentraciones superficiales de CO2,
temperaturas superficiales del agua y velocidad del viento, entre otros; y, ii) Temperaturas
superficiales del agua medidas por teledetección a partir de registros del sensor MODIS-
Terra.
Las siguientes secciones de este contexto teórico darán cuenta las características de los
datos de campo (métodos y alcances) que han sido puestos a disposición para esta
27
investigación, de los modelos actualmente existentes para estimaciones de concentraciones
superficiales de CO2 a partir de temperaturas superficiales del cuerpo de agua, así como de
estimaciones de los coeficientes de la velocidad de transferencia a partir de valores conocidos
de velocidad del viento; y de las características de las mediciones de temperatura superficial
medidas con el sensor remoto MODIS-Terra. Esta descripción permitirá concluir cómo fue
posible la aplicación de la teledetección para la estimación de los flujos difusivos sobre el
embalse RGII.
1.2. Antecedentes y descripción de la zona de estudio
Entre el año 2012 y el 2014 el Grupo de Investigación en Ecología y Contaminación
Acuática de la Universidad Nacional de Colombia Sede Palmira desarrolló el proyecto de
investigación: Cuantificación de emisiones de GEI en embalses tropicales: Caso del Embalse
de Riogrande II – GEITRO (GEITRO 2012). Este proyecto tuvo como objetivo fundamental
la adquisición de datos de campo durante 18 meses para la estimación de emisiones de CO2,
CH4 y N2O provenientes del embalse de Riogrande II, así como el análisis del
comportamiento biogeoquímico del sistema que permitiría comprender las relaciones que
influyeron sobre tales emisiones. El conjunto de datos de campo y análisis realizados para el
embalse han sido puestos a disposición para el desarrollo de esta tesis de investigación.
El embalse de Riogrande II (Figura 1.2), está situado a 2.270 msnm en la región Andina
de Colombia, al norte del departamento de Antioquia, a aproximadamente 65 km de la capital
del departamento, Medellín, sobre la vía que conduce a Santa Rosa de Osos. Este embalse,
propiedad de las Empresas Públicas de Medellín - EPM, entró a disposición en 1990 como
una estrategia de sostenibilidad para el área metropolitana del Valle de Aburrá con dos
28
propósitos: suministrar agua potable para el acueducto urbano hasta el año 2020 y generar
energía eléctrica para atender demandas regionales y nacionales con capacidad instalada de
306 Mw.
El embalse RGII presenta un área inundada, a la cota de vertimiento, de aproximadamente
1.214 ha, y represa, a esa cota, un volumen de agua estimado en 236 Mm3 con tiempos de
retención hidráulicos de 77 días en promedio. Sobre la superficie, los anchos máximos del
espejo de agua no superan los 900 m y pueden fluctuar en promedio entre los 300 m y 320
m aproximadamente. Las profundidades máximas, que pueden alcanzar los 48 m, se
encuentran en varias áreas de la presa y en el centro de confluencia de los dos principales
tributarios que surten el sistema: Río Grande y Río Chico. Estos dos ríos, condicionados por
regímenes de precipitación que varían entre 1900 y 2100 mm al año, pueden llegar a aportar,
en promedio, alrededor de 15 a 25 m3.s-1, a partir de un área drenada de aproximadamente
1.050 km2. El sistema está globalmente condicionado por un régimen bimodal marcado por
precipitaciones moderadas entre los meses de marzo, abril y mayo; y por precipitaciones
fuertes durante los meses de septiembre y octubre. El período de sequía más importante tiene
lugar hacia finales de diciembre e inicios de febrero.
El sistema de captación del embalse está condicionado por la acción de 4 compuertas:
dos de ellas ubicadas a 24,7 m de elevación desde el fondo del cuerpo de agua para regular
la generación de energía; y otras dos compuertas ubicadas a 7, 24, y 33 m de elevación,
igualmente desde el fondo, para controlar el caudal requerido del suministro de agua potable.
Adicionalmente, el fondo de la presa cuenta con un sistema de drenaje que es utilizado
regularmente como sistema de control para evitar la acumulación de sedimentos.
29
Figura 1.2. Ubicación del embalse de Riogrande II en Antioquia, Colombia. (Fuente:
Elaboración propia).
1.3. Descripción de los datos de campo existentes para RGII
Entre marzo 2012 y febrero 2014, se realizaron 14 trabajos de campo. Estas
comisiones científicas tuvieron como objetivo general la toma de muestras para el
seguimiento de la calidad del agua en términos de parámetros fisicoquímicos como pH,
oxígeno disuelto, temperatura y conductividad; concentraciones de gases en la columna de
agua, medición de flujos difusivos desde la superficie del lago a la atmósfera y medición de
flujos de ebullición. Ligado a esto, se usó en forma permanente una estación meteorológica
30
portátil que registró durante todo este periodo, con intervalos de 30 minutos entre un registro
y otro, las siguientes variables: temperatura máxima y mínima, precipitación,
evapotranspiración, humedad relativa, presión atmosférica, radiación solar, velocidad y
dirección del viento.
En la Figura 1.3 se presenta la ubicación de los diferentes puntos de muestreo dentro
del sistema. Para cada uno de los puntos fijos (Figura 1.3), se tomaron parámetros
fisicoquímicos de: temperatura, pH, conductividad y oxígeno disuelto (sensor óptico), metro
a metro, desde la superficie hasta el fondo del sistema utilizando una sonda YSI-EXO1.
Figura 1.3. Ubicación en el RGII de los puntos o estaciones de muestreo para estimación
de flujos difusivos y concentraciones de CO2 (Fuente: Elaboración propia)
1.3.1. Descripción de toma de muestras para flujos difusivos.
En cada una de las comisiones de campo se realizó la captura de flujos difusivos
(emisiones de gases entre el espejo de agua y la atmósfera) mediante el método de cámaras
31
flotantes. Este procedimiento está basado en el desplazamiento natural de los equipos
flotantes durante el tiempo de medición (45 minutos por sección de muestreo). Se habla de
sección de muestreo ya que, en función de la fuerza de arrastre del viento local, es posible
derivar desde varios metros hasta varias centenas de metros durante una sola medida. Las
Figuras 1.4 y 1.5 presentan el funcionamiento de las cámaras en campo.
Figura 1.4. y 1.5. Cámaras flotantes para captura de flujos difusivos de GEI.
(Fuente: Proyecto GEITRO, 2012).
Las muestras se tomaron según la metodología propuesta por Guérin et al. (2007).
Desde un bote las cámaras son colocadas sobre la superficie del espejo de agua y se dejan
derivar libremente por acción de las corrientes y el viento, lejos del bote para evitar crear
turbulencia artificial. Por cada cámara, en intervalos de 0, 15, 30 y 45 minutos, se tomaron,
con jeringa plástica, para cada gas, muestras de 20 ml, las cuales fueron envasadas en viales
de alta presión debidamente sellados con anillos de aluminio.
Las muestras envasadas de CO2 fueron analizadas a través del cromatógrafo equipado
con detector de ionización de llama. Los flujos fueron calculados a partir de regresión lineal
del gas contenido en función del tiempo.
32
1.3.2. Concentraciones superficiales de CO2 en el cuerpo de agua.
Para cada uno de los puntos mostrados en la Figura 1.3, con el bote debidamente
anclado, se toman muestras de agua a 20 cm de profundidad con el fin de cuantificar
posteriormente en laboratorio la concentración de CO2 en cada una de las muestras por medio
del método Head Space. Lo especial de cada muestra es que cada una de ellas debe ser tomada
y envasada sin tener contacto directo con el aire ambiente. Las técnicas de campo han sido
perfeccionadas para tal fin. Las Figuras 1.6 y 1.7 detallan cómo se llevó a cabo esta actividad.
Figura 1.6 y 1.7. Toma de muestras para concentraciones de gases superficiales.
(Fuente: Proyecto GEITRO 2012).
El método Head Space consiste en crear una fase gaseosa en el vial que contiene la
muestra de agua para que los compuestos volátiles al interior de ésta puedan difundirse en la
fase de gas, y de esta manera el análisis de los componentes presentes en la fase gaseosa
representa los componentes de la fase líquida. Para este procedimiento se toman 20 ml de
33
nitrógeno que se inyectan en el vial que contiene la muestra; éste debe estar boca abajo para
asegurarse de expulsar el agua del frasco. Para esto es necesario introducir otra aguja de 25
G por el tapón que permita la salida del agua que es desplazada con la entrada del nitrógeno
asegurándose de que ésta nunca esté en contacto con el gas al interior del frasco. Tan pronto
como se inyecte la totalidad del nitrógeno, se retira la jeringa y se espera a que salga la última
gota de agua por la aguja de salida, esto para garantizar que no exista sobrepresión en el vial.
Se agita el frasco por unos segundos para acelerar el paso de los compuestos volátiles en al
agua hacia la fase gaseosa.
1.4. Modelos existentes para la estimación de concentraciones superficiales de CO2 y
de K600
1.4.1. Estimación de concentraciones superficiales de CO2.
Cuando un gas atmosférico, cualquiera que él sea, está en contacto con una masa
líquida, se produce un intercambio de moléculas entre ambos. Debido a este proceso una
pequeña parte de los gases se disuelve en el medio líquido generando un equilibrio entre
ambas fases de dicho gas. Las concentraciones de estas dos formas disponibles del gas
(atmosférica y disuelta en el agua) son particularmente importantes. Las concentraciones de
O2 en el agua, por ejemplo, son cruciales para los ecosistemas acuáticos que dependen del
oxígeno disuelto para respirar. Incrementos en las concentraciones de CO2 afectarán
consecuentemente la disponibilidad de oxígeno para esos mismos ecosistemas. En
ecosistemas acuáticos continentales estos incrementos de CO2 pueden estar asociados a dos
factores predominantes: a la descomposición de la materia orgánica (alóctona o autóctona)
durante los procesos de productividad primaria, o por incremento en del CO2 atmosférico
que, al entrar en equilibrio con la masa de agua, hará aumentar consecuentemente la
34
concentración del gas en dicho medio. Esta relación de concentración al equilibrio del gas
entre el agua y la atmósfera está dada por la siguiente ecuación:
𝐶𝐶𝑂2𝑒𝑞 =(𝐶𝐶𝑂2𝑎𝑡 .𝑎)
(22,4 .𝑇
273,15) (1.5)
Donde, CCO2eq es la concentración del CO2 al equilibrio en µmol.L-1, CCO2at es la
concentración del CO2 en la atmósfera (generalmente tomado como 380 ppm), a es el
coeficiente de solubilidad de Bunssen a una temperatura dada y T es la temperatura
superficial expresada en °K. La Ecuación 1.5 será fundamental para la estimación del flujos
difusivos propuesta por la Ecuación 1.1.
El equilibro del gas en el agua se da a partir de varias reacciones que dependen de la
capacidad del CO2 en disolverse en el agua. La primera reacción de equilibrio que se produce
cuando el CO2 entra en contacto con el agua es la formación de ácido carbónico (H2CO3),
luego este se disocia parcialmente para generar bicarbonato (HCO3-) y protones (H+). Así
mismo, los carbonatos (CO32-) provenientes del lavado de rocas calizas, generalmente
presentes en medios acuáticos, igualmente reaccionan con el agua dando paso a la formación
de iones OH- y bicarbonato. Así mismo, puede haber una reacción entre el agua y estos iones
OH- que pueden conllevar a la formación de más bicarbonato. Esto indica que, a más
cantidad de CO2 disuelto en el agua, habrá más formación de ácido carbónico y, en
consecuencia, un aumento de la acidez en el medio.
Por otra parte, es sabido que las concentraciones de CO2 en el agua son función de la
temperatura, las presiones parciales del gas, la alcalinidad y la salinidad del medio. En
cuerpos de agua continentales con pequeños cambios en alcalinidad y salinidad (lo cual
ocurre en la mayoría de los casos), la variación de concentraciones de CO2 están, por ende,
35
principalmente gobernadas en estos casos por los cambios en la temperatura y las presiones
del gas en agua.
Para el caso de los océanos, existen modelos ampliamente documentados que ponen
en relación presiones parciales (pCO2) o concentraciones superficiales del gas, con las
temperaturas superficiales. Entre los más utilizados está el modelo propuesto por Stephens
et al, (1995):
ln[𝑝𝐶𝑂2 (10º𝐶)] = 𝐴 + 𝐵. 𝑇𝑆𝑀 + 𝐶. (𝑇𝑆𝑀)2 + 𝐷 (1.6)
Donde pCO2 es la presión parcial del gas a 10°C, TSM es la temperatura superficial
del mar y los coeficientes A, B, C y D son valores reportados por Stephens et al, (1995) para
el cálculo de la presión parcial del CO2 teniendo en cuenta la variabilidad estacional del lugar.
Sin embargo, a nuestro conocimiento, después de una búsqueda exhaustiva de
literatura, no se logró encontrar relaciones similares para el caso de ecosistemas acuáticos
continentales. Bien podría emplearse para esta investigación los valores de concentraciones
superficiales de CO2 medidos en campo por el proyecto GEITRO (2012), pero, teniendo en
cuenta que es posible establecer una relación entre dichas concentraciones y las temperaturas
superficiales, y que el objetivo de este estudio tiene que ver con la estimación de temperaturas
superficiales observadas desde el espacio, se crea la posibilidad de poder deducir nuestro
propio modelo para el caso de RGII como se detallará en el siguiente capítulo.
1.4.2. Estimación de los coeficientes de velocidad de transferencia (K600) en
ecosistemas acuáticos continentales.
Para lagos y embalses el coeficiente de velocidad de transferencia de un gas (k en la
Ecuación 1.1) ha sido altamente documentado y parametrizado como una función de la
36
velocidad del viento y, tal como se explicó en la sección 1.1.1 de este documento,
normalizado usando el número de Schmidt de 600 (K600) (Cole y Caraco, 1998; Crusius y
Wanninkhof, (2003)).
Li, S. (2018) sintetiza cinco de los modelos más confiables para la estimación de K600:
- Cole y Caraco (1998):
𝐾600 = 2.07 + 0.215 𝑈10 1.7 (1.7)
Esta relación es precisa para velocidades de viento tomadas a 10 metros de altura (U10) y
cuya magnitud no supera los 3.7 m.s-1
- Borges et al. (2004):
𝐾600 = 4.045 + 2.580 𝑈10 (1.8)
Esta relación está ajustada para velocidades del viento U10 superiores a 2 m.s-1.
- Raymond and Cole (2001):
𝐾600 = 2.06 𝑒(0.37 𝑈10) (1.9)
La cual no presenta restricciones para límites de velocidad del viento.
- McGillis et al. (2001):
𝐾600 = 3.3 + 0.026 𝑈10 3 (1.10)
Igualmente, sin restricciones para límites de velocidad del viento.
- Guérin et al. (2007)
𝐾600 = 1.76 + 0.23 𝑈10 1.78 (1.11)
37
Sin restricción para velocidad del viento.
Para cada una de estas relaciones, repetimos, K600 (cm.h-1) es la velocidad de transferencia
ajustada al número de Schmidt de 600 para el CO2 a 20C. U10 (m.s-1) es la velocidad del
viento ocurrida a 10 m por encima del espejo de agua.
Conociendo entonces los valores de K600 a una velocidad del viento (U10) conocida, por
medio de cualquiera de los modelos antes descritos, es posible deducir los valores de
velocidad de transferencia del CO2 (kg,T) para estimar los flujos difusivos del gas (F(CO2))
según lo dispuesto en la Ecuación 1.1.
1.5. La teledetección para estimación de temperaturas superficiales en ecosistemas
acuáticos continentales
El proceso de adquisición, medición y registro de la información que proporcionan
las superficies, los materiales y fenómenos a través de un dispositivo que no se encuentra en
contacto físico con ellos, se conoce como teledetección o percepción remota (Khorram,
Koch, van der Wiele, & Nelson, 2012). Esto se logra, principalmente, porque la información
del fenómeno se transmite indirectamente por medio de la radiación electromagnética. Esta
energía no requiere un medio para transmitirse y, con la tecnología propicia, puede ser
detectada, filtrada, corregida y posteriormente analizada (Lira, 2010).
En un contexto ambiental, la teledetección se refiere a un conjunto de tecnologías y
técnicas que permiten registrar a través de sensores y/o dispositivos la energía
electromagnética que es reflejada por el suelo o los diferentes tipos de cobertura terrestre. El
comportamiento reflexivo de cada cobertura (suelo, agua, vegetación, edificaciones, entre
otros) es variable y está condicionado tanto por los factores externos a la emisión de la señal
38
(generalmente ambientales), como por las propias características físico-químicas de dichas
coberturas en el momento de reflectar la señal. Esencialmente, los sensores o dispositivos
miden las propiedades de los objetos asociadas con los niveles de energía electromagnética
(energía incidente) que son capaces de reflejar y que proviene de un emisor generalmente a
bordo de un satélite (Khorram, Wiele, Koch, Nelson, & Potts, 2016).
En este sentido se puede decir que los resultados de la teledetección, en asociación
con los Sistemas de Información Geográfica (SIG), brindan a la comunidad científica y
académica la oportunidad de obtener información de las propiedades y comportamientos de
extensas áreas geográficas, como la temperatura en ecosistemas acuáticos, la fotosíntesis en
la vegetación, los cambios en las coberturas urbanas, entre otros, con sólo un par de
observaciones o escenas, lo que es propicio por costos y tiempo (Richards & Jia, 2006).
1.5.1. El sensor remoto MODIS.
Dentro del contexto antes mencionado, y para los intereses de esta investigación, es
necesario destacar el uso de la información recolectada por el sensor remoto MODIS (por su
sigla en inglés Moderate Resolution Imaging Spectroradiometer) o Espectroradiómetro de
Imagen de Resolución Moderada. Este dispositivo fue diseñado y puesto en órbita por la
agencia estadounidense Administración Nacional de Aeronáutica y Espacio (NASA por sus
siglas en inglés) a través de la misión espacial EOS (Earth Observing System) o Sistema de
Observación de la Tierra.
Esta clase de sensor se encuentra en la actualidad a bordo de dos plataformas
satelitales, junto a otro tipo de sensores que estudian las diversas características terrestres
(NASA, 2016). La plataforma satelital Terra es la primera de ellas. Técnicamente es
conocida como EOS AM-1, principalmente porque su órbita se encuentra diseñada para
39
atravesar la línea ecuatorial en horas de la mañana en sentido Norte-Sur; mientras que la
segunda es Aqua, que recibe el nombre técnico de EOS PM-1 y describe su órbita en sentido
Sur-Norte atravesando la línea ecuatorial en horas de la tarde. Estas plataformas satelitales
fueron puestas en órbita el 18 de diciembre de 1999 y el 4 de mayo de 2002 respectivamente
(Xiong et al., 2004).
MODIS-Terra y MODIS-Aqua, inicialmente diseñados para una vida útil de 6 años,
observan la totalidad de la cobertura terrestre cada 1 a 2 días con adquisición de datos en 36
bandas espectrales diferentes. Sus órbitas están posicionadas a 705 km de altura y proveen
una resolución espacial de 250 m (en las bandas 1 y 2), 500 m (bandas 3 a 7), 1000 m (bandas
8 a 36). Esto, les permite realizar un registro de imágenes provenientes de la radiación solar
reflejada en la superficie terrestre durante el día, y de las emisiones térmicas tanto en el día
como en la noche de una gran proporción de la superficie del planeta (Fisher, 2013). En la
Tabla 1.1 se resumen las principales características del sensor MODIS usado en ambas
plataformas satelitales.
Tabla 1.1 Características principales del sensor MODIS
Uso primario Banda Ancho de banda1 Radiancia espectral
(W.m-2 - m-sr)
Límites de suelo y nubes 1 620-670 21.8
2 841-876 24.7
Propiedades de suelo y nubes
3 459-479 35.3
4 545-565 29.0
5 1230-1250 5.4
6 1628-1652 7.3
7 2105-2155 1.0
Color de los océanos,
fitoplancton y biogeoquímica
8 405-420 44.9
9 438-448 41.9
10 483-493 32.1
11 526-536 27.9
12 546-556 21.0
13 662-672 9.5
14 673-683 8,7
40
15 743-753 10.2
16 862-877 6.2
Vapor de agua atmosférico 17 890-920 10.0
18 931-941 3.6
19 915-965 15.0
Temperatura de la
superficie/nube
20 3.660-3840 0.45 (300K)
21 3.929-3.989 2.38 (335K)
22 3.929-3.989 0.67 (300K)
23 4.020-4.080 0.79 (300K)
Temperatura atmosférica 24 4.433-4.498 0.17 (250K)
25 4.482-4.549 0.59 (275K)
Vapores de agua de nubes
cirros
26 1.360-1.390 6.00
27 6.535-6.895 1.16 (240K)
28 7.175-7475 2.18 (250K)
Propiedades de la nube 29 8.400-8.700 9.58 (300K)
Ozono 30 9.580-9.880 3.69 (250K)
Temperatura de la
superficie/nube
31 10.780-11.280 9.55 (300K)
32 11.770-12.270 8.94 (300K)
Altura de la nube
33 13.185-13.485 4.52 (260)
34 13.485-13.785 3.76 (250K)
35 13.785-14.085 3.11 (240K)
36 14.085-14.385 2.08 (220K) 1 Bandas 1 a 19 en nm; bandas 20 a 36 en m. Fuente: Adaptado de: Baghdadi & Zribi;
NASA, 2015a NASA, 2015b.
Ahora bien, en esta parte de la descripción surge el interrogante ¿Cuál es la diferencia
existente entre los dos sensores ubicados en ambas plataformas?, Xiong et al., (2004),
mencionaron que las diferencias existentes residen en la manera como ambos sensores
orbitan alrededor del planeta, lo que produce diferencias en los ángulos de captura como el
cenit solar y los ángulos del azimut. Del mismo modo, Gao, Xie, Lu, Yao, & Liang (2010)
indicaron que los resultados obtenidos en ambos productos poseen características similares
y sus pocas diferencias podrían ser causadas principalmente por la geometría de captura y la
cobertura de nubes.
Por otro lado, Argote, Reymondin, & Jarvis (2011) exponen varias razones por las
que se deben considerar el uso del sensor MODIS en las investigaciones resaltando algunas
de sus ventajas. Entre ellas, se destaca que se tiene una resolución temporal elevada (1 km),
41
lo que brinda un alto margen para comparar registros de imágenes en diferentes fechas y así,
poder analizar los cambios en las propiedades estudiadas, lo que fue relevante para este
estudio. Otra ventaja, es que los datos provistos son de acceso gratuito a través del portal de
la NASA, además de que ser datos de calidad.
A propósito, para el interés de esta investigación, además de las razones antes
mencionadas para el uso de los datos capturados por el sensor MODIS, existe una razón
importante que consiste en la capacidad que posee este dispositivo para la estimación de las
temperaturas de diversas superficies. En ese sentido, la Temperatura de la Superficie
Terrestre (LST por sus siglas del inglés Land Surface Temperature) es un parámetro físico
clave, además de una importante variable climática, que se relaciona con el flujo energético
y el balance hídrico de la tierra. Además, es útil en estudios climatológicos, hidrológicos, del
ambiente y de los ecosistemas (Duan et al., 2019) .
De esta manera, la LST puede ser aplicada a una amplia variedad de análisis que
incluyen el cambio de la cobertura terrestre, monitoreo de la vegetación, estudios del clima
urbano, parametrización de flujos de superficie, estudios de humedad y sequía en el suelo.
Así mismo, esta variable hace parte del Registro de Datos de la Superficie de la Tierra
(ESDR) estudiados por la NASA, en conjunto con el Sistema Global de Observación del
Clima (GCOS) como una variable de clima ambiental (Duan et al., 2019).
A partir de lo antes expuesto, Wan (2013) menciona que el algoritmo principal con el
que se calcula la LTS es conocido como split-window LST y permite, a través de la
combinación de información proveniente de bandas, junto con los niveles de emisividad
terrestres, ser calculado.
42
La Ecuación 1.12 muestra este algoritmo:
𝐿𝑇𝑆 = 𝐶 + (𝐴1 + 𝐴21−𝜀
𝜀+ 𝐴3
∆𝜀
𝜀2)𝑇31+𝑇32
2+ (𝐵1 + 𝐵2
1−𝜀
𝜀+ 𝐵3
∆𝜀
𝜀2)𝑇31−𝑇32
2 (1.12)
𝜀 = (𝜀31 + 𝜀32) 2⁄ (1.13)
∆𝜀 = 𝜀31 − 𝜀32 (1.14)
Donde: T31 y T32 son las bandas 31 y 32 de MODIS; Ɛ31 y Ɛ32 son la emisividad de la
superficie de las bandas 31 y 32 de MODIS, C, A1, A2, A3, B1 y B3 son coeficientes de
regresión (Wang, Liang & Meyers, 2008).
Ahora bien, la última actualización del parámetro LST posee una cobertura espacial
mejorada si se compara con las versiones precedentes, además de un error inferior a 1°C (±
0.7°C) en el rango de -10oC a 50 °C. También, las validaciones para el algoritmo LST
mostraron errores cercanos al mencionado en superficies tales como agua, cultivos y
pastizales, lo que es adecuado en una amplia gama de estudios (Benali, Carvalho, Nunes,
Carvalhais & Santos, 2012).
43
Capítulo II. Descripción de métodos para estimaciones de flujos de CO2 en el embalse de
RGII a partir de modelos propuestos y datos satelitales
2.1. Organización y presentación de las bases de datos de campo para el RGII
El proceso inicial para el desarrollo de esta investigación tuvo que ver con la organización de
las bases de datos que contienen toda la información de campo y análisis de laboratorio para cada
uno de los muestreos realizados sobre el embalse RGII durante el periodo descrito en la Sección
1.2 de este documento. Parte de esa organización consistió principalmente en la selección y
extracción de la información particularmente relevante para el marco de esta tesis, esto es: conjunto
de mediciones de flujos difusivos y concentraciones de CO2 realizadas durante los trabajos de
campo, así como los datos relacionados con las temperaturas superficiales del cuerpo de agua y
velocidades del viento actuando sobre el hidrosistema registrados a cada instante de tiempo en que
se medían concentraciones y flujos difusivos. Así mismo, se extrajo el conjunto de datos de ciertos
parámetros adicionales que fueron estimados por el Proyecto GEITRO (2012) a partir de la
información antes mencionada entre los que se encuentran: velocidades de transferencia del CO2
(kg,T), Número de Schmidt a una temperatura dada y valores de K600.
Estos procesos de organización, selección y extracción de la información, fueron
fundamentales para la aplicación de los modelos descritos en el capítulo anterior, así como para el
desarrollo indispensable de nuestros propios modelos tal y como será presentado más adelante, con
el fin de estimar los flujos de CO2 a partir de información proveniente del espacio.
Particularmente, la organización de la información relacionada con las estimaciones de flujos
de CO2 obtenidas en el marco del proyecto GEITRO (2012), fue indispensable para los procesos
44
de validación en dos sentidos: validación de los modelos propuestos y validación de los resultados
de emisiones obtenidas a partir de datos espaciales.
La Tabla 2.1 sintetiza las fechas en las cuales se realizaron campañas científicas sobre el
embalse de RGII. Para cada una de estas fechas fueron medidos: parámetros fisicoquímicos de
temperatura del agua, pH, conductividad y oxígeno disuelto, desde la superficie hasta la máxima
profundidad; las concentraciones de CO2, CH4 y N2O igualmente desde la superficie hasta la
máxima profundidad. Así mismo, se midieron los flujos difusivos de los tres gases aplicando los
métodos descritos en la Sección 1.3.1 de este documento. Si bien no toda la información antes
descrita será usada en el marco de esta investigación, es pertinente hablar de la existencia de la
misma para contextualizar mejor los alcances que tuvo en su momento el proyecto GEITRO
(2012).
Tabla 2.1. Fechas de campañas científicas realizadas en el proyecto GEITRO (2012) sobre el
embalse de RGII
Número de campaña Fecha(d/m/año) Puntos de control muestreados
1 30/07/2012 R2, R7 y R8
2 16/09/2012 R8
3 31/10/2012 R2, R4
4 01/02/2013 R2, R4, R7
5 27/03/2013 R2 y R8
6 05/06/2013 R4 y R8
7 24/07/2013 R2 y R7
8 20/08/2013 R2
9 18/09/2013 R4, R7 y R8
10 27/11/2013 R4
11 28/01/2014 R8
12 25/02/2014 R4 y R7
Fuente: Proyecto GEITRO, 2012
Como se puede observar en la Tabla 2.1, los trabajos de campo realizados entre 2013 y 2014
fueron con temporalidad mensual. Lo anterior, según la dirección del proyecto, con el fin de hacer
un seguimiento espacial y temporal exhaustivo sobre el sistema acuático para intentar concluir
45
sobre la variación anual de emisiones en el embalse en función a la variación de las características
hidrobiogeoquímicas del mismo. A nuestro conocimiento ningún otro embalse de montaña en
medio tropical había sido monitoreado a este nivel de intensidad para la época mencionada.
A partir de la medición de los flujos difusivos de CO2 mediante el método de las cámaras
flotantes, la temperatura superficial del agua y las concentraciones superficiales del biogás, el
desarrollo del proyecto GEITRO (2012) estuvo en capacidad de deducir los valores de velocidad
de transferencia (Kg, T) y el número de Schmidt (ScT) relacionados en la Ecuación 1.4 en cada uno
de los puntos de control. En consecuencia, el valor de velocidad de transferencia normalizado a
K600 pudo ser estimado y puesto en relación con la velocidad local del viento que fue medida en la
estación meteorológica instalada en el embalse. Los resultados aportados por el proyecto GEITRO
a este respecto serán sintetizados en el siguiente capítulo de este documento.
2.2. Modelo para estimación de concentraciones superficiales de CO2 a partir de
temperaturas superficiales en Riogrande II
En el contexto teórico, Sección 1.4.1, quedó establecido que es posible definir una relación
entre las concentraciones superficiales de un gas en el cuerpo de agua, para nuestro caso el CO2, y
las temperaturas superficiales sobre un mismo punto de control. Si bien, la literatura reporta
ampliamente este tipo de relaciones para agua salada, al momento del desarrollo de esta tesis de
investigación, no logramos encontrar una sola relación reportada en ese mismo sentido para
ecosistemas acuáticos continentales y mucho menos para embalses tropicales de montaña. En
consecuencia, se establecieron dos posibles acciones a seguir: i) usar directamente las mediciones
de concentraciones superficiales del biogás obtenidas por el proyecto GEITRO (2012) con el fin
de calcular los flujos difusivos del mismo a partir de la Ecuación 1.1 o, ii) Intentar, a partir del
conjunto de datos de campo disponibles (concentraciones y temperaturas superficiales), deducir
46
una relación propia para el embalse de RGII que permita estimar, a cualquier valor de temperatura
superficial (medida o estimada por cualquier medio), las concentraciones superficiales con la
mayor precisión posible.
En el primer caso sería muy simple poder estimar flujos (F (CO2)) de la Ecuación 1.1,
únicamente a partir de los valores conocidos de ΔC y valores estimados de kg, T (cuya forma de
estimación será presentada más adelante). Sin embargo, esto limitaría a que, de cualquier manera,
siempre que se requiera estimar flujos a partir de la Ecuación 1.1 los datos de campo serán
indispensables y, en consecuencia, este trabajo de investigación perdería su interés en intentar
aportar soluciones a la estimación de emisiones a partir de datos obtenidos por sensores remotos.
Con base en lo anterior, se optó por hacer un aporte de investigación adicional al considerar la
segunda opción. En efecto, parte de este trabajo de investigación consistió entonces en analizar las
posibles relaciones que pueda haber entre el conjunto de temperaturas superficiales y
concentraciones superficiales medidas en campo con el fin de proponer un modelo que permita
estimar tales concentraciones a partir de valores conocidos de temperaturas superficiales, y como
se verá más adelante, estas últimas podrían ser estimadas a partir de sensores remotos evitando la
necesidad de muestreos in-situ.
El método para estimar estas posibles relaciones que permitan deducir un modelo de análisis
para el comportamiento de estas dos variables, no es diferente a la aplicación de un software
especializado que permita establecer un conjunto de regresiones dentro de las cuales, aquella que
represente mejor la dispersión del conjunto de datos maximizando su correlación, será la elegida.
47
2.3. Estimación de K600 a partir de modelos propuestos en la literatura y un modelo
específico para RGII.
En este momento es indispensable resaltar que si bien este trabajo de investigación pudo haber
utilizado directamente los valores de Kg,T calculados por el proyecto GEITRO (2012) para la
estimación de flujos difusivos de CO2, se ha querido ir un poco más allá y, con la intención de
ampliar la aplicabilidad de la teledetección, o cualquier otra herramienta similar que permita
disminuir las intervenciones directas en campo, resulta importante llegar a estimar los valores de
K600 a partir de valores conocidos de velocidad del viento vista la relación bien documentada que
existe entre ambas variables. Lo anterior, teniendo en cuenta que variables como la velocidad del
viento son accesibles no sólo por medios de teledetección de tipo QuickSCAT (NOAA, 2019), o
AEOLUS (ESA, 2018) sino también a partir de estaciones de redes meteorológicas presentes en
las zonas de interés. No está establecido como objetivos de esta tesis la observación e interpretación
de velocidades de viento medidas por sensores remotos u otros medios para la estimación de K600,
pero esto no implica que con la información disponible para RGII no podamos llegar a proponer
un resultado adicional que permita, como dicho anteriormente, reducir las mediciones específicas
en campo.
Según el contexto presentado en la Sección 1.4.2 de este documento, quedó establecido que la
relación entre el coeficiente de velocidad de transferencia de un gas (kg,T en la Ecuación 1.1) ha
sido altamente documentado y parametrizado como una función de la velocidad del viento y
normalizado usando el número de Schmidt de 600 (K600). En este aspecto metodológico se
consideró la aplicación de los cinco modelos presentados: Ecuaciones 1.8 a 1.11. Teniendo en
cuenta lo anterior, en una primera aproximación, se aplicaron los modelos usando los datos de
velocidad del viento medidos en campo con el fin de comparar, en tanto que un proceso de
48
validación, los valores de K600 obtenidos a partir de dichos modelos y los K600 deducidos a partir
de las mediciones de campo obtenidos a partir de las Ecuaciones 1.1, 1.3 y 1.4.
Según lo propuesto por Li, S. (2018), la velocidad del viento U10 (velocidad del viento tomada
a 10 m de altura sobre el espejo de agua) será corregida de acuerdo a la relación del perfil
logarítmico del viento usando la Ecuación propuesta por Crusius y Wanninkhof, (2003):
𝑈10 = 𝑈𝑍 (1 +(𝐶𝑑10) 1/2
𝐾 × 𝑙𝑛 (
10
𝑧)) (2.1)
Donde, Uz es la velocidad del viento medida en campo, Z es la altura a la cual fue medida
la velocidad del viento (25 m para las mediciones reportadas en el Proyecto GEITRO (2012), Cd 10
es el coeficiente de arrastre a 10 m de altura, normalmente asumido como 0.00013 m.s-1 Li, S.
(2018) y K es la constante de Von Karman (0.41 según lo propuesto por Li, S. (2018).
Ahora, guardando en contexto lo expresado en la Sección 2.2, gracias a la disponibilidad de
datos de campo, resulta posible deducir un modelo propio de K600 para el embalse RGII al poner
en relación las velocidades del viento medidas en campo (y ahora corregidas a U10) con los valores
de K600 deducidos a partir de los datos mediante la aplicación de las Ecuaciones 1.1, 1.3 y 1.4. Esto
permitirá concluir cuál de los ahora seis modelos propuestos para K600, se ajusta mejor a las
dinámicas del comportamiento del cuerpo de agua RGII. El modelo que minimice el error entre los
valores de K600 estimados por modelación y aquellos estimados por datos de campo, será escogido
para el proceso de estimación de flujos de CO2 a partir de temperaturas superficiales deducidas por
teledetección.
El método para estimar estas posibles relaciones que permitan deducir un modelo de K600 para
el embalse de RGII, será el mismo descrito en la sección anterior de este documento. Se llevará a
49
cabo la aplicación de un software especializado que permita establecer un conjunto de regresiones
dentro de las cuales, aquella que represente mejor la dispersión del conjunto de datos maximizando
su correlación, será la elegida.
2.4. Estimación y validación de temperaturas superficiales a partir de imágenes satelitales
El proceso para la descarga y tratamiento de las imágenes, que permitió determinar las
temperaturas superficiales del embalse sobre los puntos de control de la Figura 1.3, se resumen en
el diagrama de flujo de mostrado en la Figura 2.1.
Figura 2.1. Flujograma para el procesamiento de imágenes MODIS (Fuente: Elaboración
propia).
2.4.1. Descarga y preselección de imágenes.
Se descargaron 22 imágenes correspondientes a las fechas de interés, es decir, las mismas
fechas en las cuales se realizaron los trabajos de campo sobre el embalse de RGII dentro del marco
50
del proyecto GEITRO (2012). La descarga se realizó del portal web de la NASA, llamado Centro
de Archivos Activos Distribuidos de Nivel-1 y Atmósfera (LAADS-DAAC). A través de esta
plataforma, se buscaron, seleccionaron y ubicaron las fechas necesarias para su posterior descarga
y tratamiento (NASA, 2018).
Lo que se debe tener claro es que los datos de nuestro interés, es decir, aquellos relacionados
con la temperatura superficial diaria del agua, con resolución de 1km según la Tabla 1.1, están
categorizados bajo los productos denominados MODIS11A1 (Wan, 2006). Para llegar a estos
productos, después de generar un registro de usuario, se entra a seleccionar el tipo de producto del
sensor MODIS-Terra y/o MODIS-Aqua, seguido de la colección 6, nivel 11 (que corresponde al
nivel atmósfera y tierra). A este nivel se selecciona la categoría de Temperatura y Emisividad de
la Superficie Terrestre (categoría 9), en la cual se encuentra la banda de opción de MODIS11A1
(Wan, 2013). La Tabla 2.2 resume las características principales de estos productos.
Tabla 2.2 Características de los datos MOD11A1
Fuente: Adaptado de Wan, 2013.
Luego de la descarga, se realizó la preselección de imágenes mediante un criterio de
solapamiento visual sobre el área estudio; lo que significa, la superposición de la imagen
descargada sobre el área de interés en formato vector (shapefile), que fue digitalizada con
anterioridad del embalse de RGII. Esto se llevó a cabo mediante el software ArcGIS versión 10.6.
La visualización de la imagen sobre el área de interés permite determinar si la zona de la imagen
es apta para continuar con su tratamiento, esto es, que esté libre de cobertura de nubes sobre el área
Tipo de dato Nivel del
producto
Arreglo
de matriz
Resolución
espacial
Resolución
temporal
Proyección de
la escena
MOD11A1 L3 1200 x
1200
1 km Diaria Sinusoidal
51
del embalse y que exista disponibilidad de información sobre el sitio. Previamente se llevó a cabo
la digitalización del área de estudio, la cual fue utilizada para la identificación de la posición
espacial del cuerpo de agua y para realizar los cortes de las imágenes satelitales. Este proceso se
realizó en el software ArcGIS 10.6, a través de la creación de un polígono sobre el área del embalse
por medio de una imagen satelital de 2016 que tiene alta resolución y proviene del geovisor Bing
Maps.
En la Figura 2.2, se logra visualizar parte del procedimiento realizado. En la Figura 2.2a, se
observa, a modo de ejemplo, la imagen MOD11A1.2014055, y en la Figura 2.2b, la misma imagen
con un acercamiento sobre el área de estudio.
Figura 2.2. Preselección por medio del solapamiento visual.
Fuente: Elaboración propia
2.4.2. Reproyección y selección final.
Después de la preselección y descarga de los productos, las imágenes son
proyectadas a sistema de coordenadas conocido, ya que las imágenes por defecto vienen sin una
referencia espacial específica. La proyección se realiza a través de un software provisto por la
52
NASA para tal fin, la herramienta es conocida comúnmente como MODIS Reproyection Tools
(MTR) de acuerdo con Dwyer & Schmidt, (2006). En esta fase del proceso, se seleccionan dentro
del MTR en su proceso de configuración, los datos LST día/noche de cada imagen preseleccionada
y se estable el sistema de referencia, que para esta esta investigación y debido a la ubicación del
embalse fue el sistema UTM zona 18N con Datum WGS 1984.
2.4.3. Extracción por máscara y remuestreo.
Se realiza un corte para cada imagen preseleccionada alrededor de la zona de interés, con
un polígono de mayor tamaño en forma rectangular en formato vector (shapefile). Esto se consigue
con la ayuda del uso de una herramienta disponible en ArcToolbox llamada extracción por máscara
(Esri, 2018a). Debido a que este procedimiento consume una cantidad considerable de recursos del
hardware de procesamiento por el tamaño de la imagen original, como fue mencionado en la Tabla
2.3 (Esri, 2016), el objetivo es limitar la información a un área cercana que incluya la zona de
interés para facilitar el proceso siguiente de remuestreo (resample).
Con el remuestreo se busca aumentar la resolución de las imágenes, de su resolución
original de 1 km a 1 m con el fin que, al realizarse la extracción por máscara o corte del tamaño
del área de estudio, que es el siguiente paso metodológico, pueda extraerse con mayor precisión la
información posible de LST día/noche específicamente sobre los puntos de control dentro del
embalse RGII. En la Figura 2.3 se muestra el resultado del procedimiento en una de las imágenes
seleccionadas.
53
Figura 2.3. Resultado de la extracción por mascara (Fuente: Elaboración propia)
2.4.4 Cálculo de la temperatura.
Los valores de las temperaturas superficiales o LST de las imágenes seleccionadas, se
encontraban en la escala absoluta de Kelvin, por lo tanto, fueron convertidas a escala relativa en
grados Celsius empleando la siguiente relación propuesta por Sruthi & Aslam (2015):
𝑇(°𝐶) = (𝐷𝑁 ∗ 0.02) − 273.1 (2.2)
Donde DN es el Número Digital estimado por los algoritmos a bordo del satélite según la
Ecuación 1.12, y corresponde a los valores de LST día o noche respectivamente contenidos en las
imágenes seleccionadas.
El procedimiento del cálculo se realizó mediante la calculadora de raster en el
software ArcGIS 10.6. Esta, permite ingresar mediante una interfaz gráfica la Ecuación 2.2 y
calcular la temperatura en grados Celsius para todas las imágenes seleccionadas (Esri, 2018b).
Estas temperaturas fueron validadas teniendo en cuenta las temperaturas medidas en campo para
una misma fecha y posteriormente usadas para la estimación de concentraciones superficiales de
CO2 en el embalse de RGII, tal y como fue descrito en las secciones anteriores.
54
2.5. Estimación y validación de flujos difusivos de CO2 a partir de temperaturas superficiales
Después de organizar la información de campo y análisis de resultados disponibles para el
embalse de RGII, haber deducido a partir de esa información un modelo ajustado para estimación
de concentraciones superficiales de CO2 a partir de temperaturas superficiales, además de haber
aplicado una serie de modelos para la estimación de K600 y, en consecuencia, valores ajustados del
coeficiente de velocidad de transferencia de este biogás (kg,T), fue posible hacer las estimaciones
de flujos difusivos de CO2 (F(CO2)) sobre el embalse a dos niveles diferentes: por una parte, llevar
a cabo la estimación de flujos empleando el conjunto de modelos propuestos en las secciones 2.2
y 2.3 de este documento a partir de datos medidos en campo durante el desarrollo del proyecto
GEITRO (2012); y por otra parte, realizar el mismo proceso pero empleando ahora los datos de
temperaturas superficiales deducidos a partir de imágenes satelitales MODIS según lo descrito en
la sección anterior.
En el primer caso, la estimación de flujos a partir de los datos medidos en campo, tuvo como
objetivo fundamental establecer el dominio de validez de los modelos que aplicaremos para las
estimaciones. En efecto, la idea principal es que los modelos estuviesen en capacidad de reproducir
el comportamiento de las emisiones que ya han sido previamente medidas en campo durante la
ejecución del proyecto GEITRO (2012). Estos resultados nos aproximaron a concluir el grado de
error que cada modelo genera para la reconstitución de escenarios de flujos ya conocidos.
En el segundo caso, la estimación de flujos a partir de datos deducidos de información espacial,
fue llevada a cabo mediante la aplicación del modelo, o modelos, cuyos resultados en la etapa
previa antes descrita, lograron minimizar los errores sobre las estimaciones de los datos de campo
mismos.
55
La estimación del error en todos los casos fue concluida a partir del coeficiente de correlación
(R2) resultado de una regresión lineal entre los valores medidos y los valores estimados de las
variables a considerar. Adicionalmente, se calculó el error relativo de la aplicación de los modelos
según la siguiente relación:
𝐸 = (𝑃𝑖−𝑂𝑖)
𝑃𝑖 (2.3)
Donde Pi es el valor de la variable que consideramos como conocida, Oi el valor de la variable
estimada.
56
Capítulo III. Estimación de los flujos difusivos de CO2 para el embalse de Riogrande II
3.1. Datos de campo y análisis de datos disponibles para el embalse RGII
Tal y como fue descrito en el capítulo anterior, la información disponible de trabajos de campo
y análisis de muestras realizados en el marco del proyecto GEITRO (2012) sobre el embalse
Riogrande II, fue seleccionada, sintetizada y organizada para las necesidades de esta investigación.
La Tabla 3.1 es sólo un extracto de los resultados del proyecto GEITRO que fueron de interés para
el cumplimiento de los objetivos de esta tesis. No se presenta en este documento el total de la
información por tratarse de resultados aún no publicados del proyecto antes mencionado. En la
Tabla 3.1 se muestran únicamente dos fechas de muestreo para algunos puntos de control. Según
los aspectos metodológicos descritos en el capítulo anterior, se tiene esa misma información para
todas las fechas relacionadas en la Tabla 2.1 en cada uno de los puntos de control (31 registros en
total).
En la Tabla 3.1. se muestra: la fecha en que se desarrolló cada trabajo de campo, los puntos de
control (Figura 1.3) sobre los cuales fueron medidos los flujos difusivos de CO2 (F en la Ecuación
1.1), la temperaturas superficiales (T) y concentraciones superficiales (CW) en el cuerpo de agua;
las concentraciones al equilibrio con la atmósfera (Ceq) , la diferencia entre concentraciones
superficiales y concentraciones al equilibrio (C en la Ecuación 1.1), la constante de velocidad de
transferencia del CO2 (Kg,T en las Ecuaciones 1.1 y 1.4), el valor de coeficiente n (Ecuación 1.4),
el número de Schmidt y el K600 calculados a partir de las Ecuaciones 1.3 y 1.4, respectivamente;
así como la velocidad del viento medida en campo y corregida sobre U10 según la Ecuación 2.1.
57
No es del interés de esta tesis entrar a discutir sobre el comportamiento espacial y temporal de
las emisiones de CO2 observadas a partir de los análisis realizados dentro del marco del proyecto
GEITRO (2012). Las publicaciones a ese respecto darán cuenta de esos resultados. Sin embargo,
es posible afirmar que los flujos difusivos de CO2 para el embalse de RGII son en promedio de 517
331 mmol.m-2.d-1 y se sitúan en la gama alta de flujos de CO2 medidos en embalses tropicales y
sub-tropicales (Deshmukh, 2013; Guérin et al., 2006). Particularmente se observa que los flujos
aumentan significativamente en época seca y son más débiles en época de lluvias. Su variación
espacial no es muy importante y se mantiene prácticamente homogénea entre los puntos de control
para una misma fecha. Estos flujos difusivos de CO2, atribuidos a la totalidad de la superficie del
espejo de agua (12,06 km2), son en promedio de 2100 MgC.mes-1 (Figura 3.1).
58
Tabla 3.1. Extracto de la información disponible para el embalse de RGII como resultado del proyecto GEITRO (2012)
Fecha de
muestreo
(d/m/a)
Estación F
(mmol/m2.d)
T
(ºC)
Cw
(nmol/l)
Ceq
(nmol/l)
∆C
(nmol/l)
k
(l/m2.d)
k
(cm/h)
n Sc K600
(cm/h)
U10
(m/s)
12/05/12 R2 91,59 21,56 696773,84 591,61 696182,23 131,56 0,55 0,67 555,48 0,52 1,23
30/07/12 R2 94,94 21,65 137881,89 591,47 137290,42 691,53 2,88 0,50 553,07 2,77 3,53
11/05/12 R4 87,03 20,18 172748,70 641,22 172107,48 505,67 2,11 0,67 594,13 2,09 1,23
30/07/12 R4 36,59 20,98 281912,58 626,46 281286,12 130,08 0,54 0,50 571,32 0,53 3,53
12/05/12 R7 74,71 20,93 528079,19 648,12 527431,07 141,65 0,59 0,67 572,71 0,57 1,23
31/07/12 R7 78,33 21,13 288929,24 645,55 288283,69 271,71 1,13 0,50 567,17 1,10 3,52
11/05/12 R9 68,82 20,6 225760,55 675,91 225084,64 305,75 1,27 0,67 582,01 1,25 1,23
30/07/12 R9 160,31 21,22 168686,27 664,16 168022,11 954,10 3,98 0,50 564,70 3,86 3,53
Fuente: Proyecto GEITRO, 2012
59
Figura 3.1. Emisiones de CO2 para el embalse de RGII. (Fuente: Proyecto GEITRO, 2012)
3.2. Modelación de concentraciones superficiales para el embalse de RGII
Siguiendo el aspecto metodológico descrito en la Sección 2.2 de este documento, y teniendo en
cuenta el conjunto de medidas de campo antes mencionadas, particularmente concentraciones y
temperaturas superficiales, fue posible deducir un modelo propio para el embalse de RGII que pone
en relación esas dos variables. En consecuencia, a partir de un valor dado de temperatura superficial
en el cuerpo de agua (medida o estimada por cualquier medio), las concentraciones de CO2
superficiales podrán ser estimadas teniendo en cuenta la precisión del modelo.
Con relación a dicha precisión, la Figura 3.2 presenta la mejor correlación encontrada (R2=0,77)
entre el conjunto de datos disponibles. El número total de datos correlacionados (n) fue de 23, lo
que corresponde a un 70% del total de datos disponibles dentro de la base de datos descrita en la
sección anterior. La función exponencial encontrada, y que será, en consecuencia, usada para
modelar en adelante las concentraciones superficiales de CO2 a partir de temperaturas superficiales
medidas en campo, o por cualquier otro método disponible, está dada por la Ecuación 3.1.
0
2000
4000
6000
CO
2 (M
gC
mo
nth
-1)
0
20
40
60
CH
4 (M
gC
mo
nth
-1)
mai
-12
Jul-1
2
sept.-
12
nov.-1
2
janv.
-13
mar
s-13
mai
-13
juil.
-13
sept.-
13
nov.-1
3
janv.
-14
0
5000
10000
15000
To
tal e
mis
sio
ns (M
gC
O2eq m
on
th-1
)
CH4
CO2
CH4 diffusion (center of reservoir)
CH4 diffusion @ R1, R6 & R7
Ebullition
0
2000
4000
6000
CO
2 (M
gC
mo
nth
-1)
0
20
40
60
CH
4 (M
gC
mo
nth
-1)
mai-1
2
Jul-12
sept.-1
2
nov.-1
2
janv.-1
3
mar
s-13
mai-1
3
juil.-1
3
sept.-1
3
nov.-1
3
janv.-1
4
0
5000
10000
15000
To
tal e
mis
sio
ns (M
gC
O2eq m
on
th-1
)
CH4
CO2
CH4 diffusion (center of reservoir)
CH4 diffusion @ R1, R6 & R7
Ebullition
60
𝐶𝑤 = 263,02𝑒0,3296 𝑇 (3.1)
Donde, Cw es la concentración superficial de CO2 en el agua expresada en nmol.L-1, y T es
la temperatura superficial del agua expresada en ˚C.
Como se verá más adelante, esta relación fue utilizada con dos fines: i) validar la precisión
del modelo al estimar las concentraciones superficiales (medidas en campo), a partir de las
temperaturas superficiales medidas para las fechas de muestreo y, ii) conociendo ese nivel de
precisión, modelar las concentraciones superficiales a partir de temperaturas estimadas por
teledetección.
Figura 3.2. Correlación entre temperaturas superficiales y concentraciones superficiales en el
embalse RGII. (Fuente: Elaboración propia)
Con relación al proceso de validación, bajo el cual, con la aplicación del modelo presentado
en la ecuación 3.1, las concentraciones superficiales de CO2 fueron estimadas a partir de valores
conocidos de temperatura superficial adquiridos en campo, se determinó la correlación y el
porcentaje de error entre dichas concentraciones estimadas por el modelo y las concentraciones
61
medidas que fueron reportadas en el marco del proyecto GEITRO (2012). La Figura 3.3 muestra
la correlación obtenida entre ambas variables.
Figura 3.3. Correlación entre concentraciones superficiales medidas y estimadas en el embalse de
RGII. (Fuente: Proyecto GEITRO, 2012)
De la Figura 3.3 podemos concluir que el modelo propuesto correlaciona los datos estimados a
los datos medidos en casi un 70%. Al estimar el error relativo sobre el conjunto de datos, obtenemos
8 ± 7,4% de error entre los valores. Estos resultados indican que, si bien el modelo no es capaz de
estimar con absoluta precisión los valores de concentraciones, tomaremos los resultados obtenidos
como valores bastante aceptables y concluimos que el modelo propuesto es confiable y puede ser
usado para la estimación de concentraciones de CO2 sobre el embalse de RGII a partir de
temperaturas superficiales conocidas.
3.3. Modelación de K600 para el embalse de RGII
Una vez más es necesario mencionar que si bien este trabajo de investigación pudo haber
utilizado directamente los valores de Kg,T calculados por el proyecto GEITRO (2012), la intención
es la de emplear herramientas que conlleven a disminuir las intervenciones directas en campo. En
62
este sentido, llegar a estimar los valores de K600 a partir de valores conocidos de velocidad del
viento vista la relación bien documentada que existe entre ambas variables (Li, S. 2018), puede ser
un aporte interesante a los resultados de esta tesis.
En este sentido, tal y como se expresó en la Sección 2.3 de este documento, la relación entre el
coeficiente de velocidad de transferencia de un gas (kg,T en la Ecuación 1.1) ha sido parametrizado
como una función de la velocidad del viento y normalizado usando el número de Schmidt de 600
(K600) por diferentes autores Cole y Caraco (1998); Borges et al. (2004); Raymond and Cole (2001);
McGillis et al. (2001) y Guérin et al. (2007)). Cada uno de ellos ha deducido un modelo que pone
en relación las variables antes descritas. Con el fin de definir qué modelo es el que mejor estima
los valores de K600, se ha aplicado cada uno de ellos empleando los valores de velocidad de viento
(U10) medidos en campo; y se han comparado los valores estimados por dichos modelos con los
valores de K600 ya deducidos dentro del marco del proyecto GEITRO (2012). Los resultados de la
aplicación de estos 5 modelos son presentados en la Figura 3.4.
Como se puede observar en la Figura 3.4, sólo uno de los modelos, el propuesto por Guérin et
al. (2007), presenta una correlación que podría considerarse aceptable para poder estimar con la
mejor precisión posible los valores de K600 (R2 = 0,62). Por el contrario, los resultados obtenidos a
partir de los otros modelos no son satisfactorios. Esto no puede interpretarse como que los modelos
sean errados. Indica, simplemente, que ninguno de ellos se ajusta al comportamiento que se observó
en torno a K600 dentro del embalse RGII durante los años 2012 a 2014 cuando se realizaron los
muestreos de campo. En efecto, la mayoría de estos modelos han sido desarrollados para
ecosistemas acuáticos en zonas boreales o tropicales de bajas altitudes. En el caso de RGII estamos
hablando de un embalse tropical de montaña, y hasta donde se tiene conocimiento ningún modelo
ha sido propuesto para este tipo de ecosistema.
63
Teniendo en cuenta lo anterior, y recordando lo expresado en la Sección 2.3, gracias a la
disponibilidad de datos de campo, resultó posible deducir un modelo propio de K600 para el embalse
de RGII al poner en relación las velocidades del viento medidas en campo (y ahora corregidas a
U10) con los valores de K600 deducidos a partir de los datos mediante la aplicación de las Ecuaciones
1.1, 1.3 y 1.4. La Ecuación 3.2 corresponde al modelo de León y Rojas (En redacción) deducido
en este sentido para el caso de RGII.
Figura 3.4. Correlación entre K600 calculados con datos de campo y K600 estimados con los
modelos propuestos: a) Cole y Caraco (1998), b) Borges et al. (2004), c) Raymond and Cole
(2001), d) McGillis et al. (2001), e) Guérin et al. (2007) y, f) León y Rojas (En redacción)
b
c d
e
a
f
64
𝐾600 = 0,4054𝑒0,342 𝑈10 (3.2)
En la Figura 3.4c se observa la correlación (R2= 0,63) de los datos estimados por el
modelo y los datos conocidos de K600.
Del contexto anterior se puede deducir que, si bien el modelo propuesto por Guérin et al.
(2007), particularmente aplicable a embalses tropicales de zonas bajas, presenta una correlación
aceptable, el modelo deducido por León y Rojas (En redacción), aunque presenta una correlación
un poco mejor que la del modelo antes mencionado (R2=0,64), está claro que su aplicabilidad está
adaptada a un ecosistema acuático tropical de montaña, específicamente al embalse de RGII. En
este sentido encontramos más consecuente el uso de este último modelo para la estimación de los
valores de K600 a partir de valores conocidos de U10 en el embalse de RGII.
3.4. Temperaturas superficiales estimadas a partir de imágenes MODIS
Siguiendo los aspectos metodológicos descritos en el capítulo anterior, se pre-seleccionaron
para descarga un total de 22 imágenes entre MODIS-Terra y MODIS-Aqua, día y noche. Cada una
de ellas coincidía con una fecha en la que hubo mediciones de temperatura en campo según lo
reportado en la Tabla 2.1. Durante el proceso de reproyección y selección final encontramos que
los productos MODIS-Aqua, tanto de día como de noche, presentaban en su gran mayoría una
cobertura de nubes superior al 70%, particularmente en la zona de interés. Para los productos
MODIS-Terra este aspecto fue mucho más satisfactorio. En este sentido hemos seleccionado para
las etapas de post-procesamiento estos últimos productos. Al final del proceso el total de coberturas
raster relacionado temperaturas superficiales en el cuerpo de agua para el embalse de RGII fue de
ocho (8) imágenes de día y seis imágenes (6) de noche. La Figura 3.5 presenta los resultados de
este proceso.
65
La Tabla 3.2 sintetiza los valores de temperatura día y noche para cada uno de los puntos
de control en el embalse de RGII (Figura 1.2) obtenidos a partir del conjunto de coberturas descrito
anteriormente. Estas temperaturas, particularmente las de día, fueron comparadas a través del
proceso de validación descrito en la Sección 2.4 de este documento. Para tal fin se seleccionaron
las temperaturas de fechas y puntos de control R2, R4, R7 y R8 (disponibles con datos de campo
según la Tabla 2.1). En las Figuras 3.5 y 3.6 se observa el resultado de este proceso.
Para conocer la precisión de los valores de temperatura relacionados en la Tabla 3.2, estos
fueron correlacionados con los datos de temperatura superficial medidos en campo. En la Figura
3.7 se observa el resultado de este proceso.
La excelente correlación que muestran los datos observados en la Figura 3.7 (R2=0,87)
permiten concluir sobre la alta precisión que presenta el sensor en MODIS-Terra para la
adquisición de este tipo de información, al menos en nuestro caso, sobre ecosistemas acuáticos
continentales, particularmente en zonas tropicales de alta montaña. Estos resultados llevan a pensar
que los posibles errores que puede haber sobre la estimación de flujos de CO2 sobre el embalse de
RGII podrían estar más relacionados con los errores ligados al uso de los modelos antes descritos
y sobre los cuales ya se han aportado los análisis respectivos, que a la poca diferencia que pueda
haber entre los datos de temperaturas medidos en campo y estimados por teledetección.
66
Figura 3.5. Imágenes del embalse RGII obtenidas de noche por el sensor remoto MODIS (en
diferentes fechas): (Fuente: Elaboración propia)
67
Figura 3.6. Imágenes del embalse RGII obtenidas de día por el sensor remoto MODIS (en
diferentes fechas): (Fuente: Elaboración propia)
68
Tabla 3.2. Temperaturas de la superficie del agua del embalse RGII deducidas con base en los
datos del sensor remoto MODIS-Terra.
Imagen Fecha
(d/m/a)
Estación Temperatura
(oC)
Día
Temperatura
(oC)
Noche
2012305 31/10/2012 R8 18,19 No data
R7 19,81 No data
R6 20,21 No data
R5 16,73 No data
R4 16,63 No data
R3 16,85 No data
R2 18,71 No data
R1 18,23 No data
2013331 27/11/2013 R8 15,95 No data
R7 17,57 No data
R6 19,89 No data
R5 16,18 No data
R4 20,17 No data
R3 18,69 No data
R2 18,93 No data
R1 19,67 No data
2013205 24/07/2013 R8 19,72 No data
R7 20,15 No data
R6 19,31 No data
R5 20,81 No data
R4 18,17 No data
R3 19,39 No data
R2 22,23 No data
R1 23.35 No data
2013155 04/06/2013 R8 19,93 No data
R7 10,55 No data
R6 22,57 No data
R5 18.83 No data
R4 19,05 No data
R3 18,03 No data
R2 15,51 No data
R1 No data No data
2013031 31/01/2013 R8 No data 8,65
R7 No data 8,23
R6 No data 8,59
R5 No data 13,70
R4 No data 12,57
R3 No data 14,35
R2 No data 12,86
R1 No data 12,51
2013085 26/03/2013 R8 No data 13,71
R7 No data 13,01
R6 No data 12,19
R5 No data 13,79
R4 No data 13,17
R3 No data 13,99
R2 No data 13,85
R1 No data 13,51
69
Continuación
2013086 27/03/2013 R8 No data 8,91
R7 20,15 10,15
R6 No data 10,13
R5 23,55 7,51
R4 20,83 10,39
R3 20,87 10,24
R2 No data 11,57
R1 No data 11,92
2014027 27/01/2014 R8 21,75 12,75
R7 21,39 11,65
R6 24,45 9,59
R5 22,19 13,97
R4 21,89 11,49
R3 20,95 14,31
R2 22,35 9,91
R1 23,93 8,29
2014028 28/01/2014 R8 No data 12,63
R7 14,27 11,61
R6 14,47 12,13
R5 No data 12,61
R4 No data 11,33
R3 13,93 11,17
R2 No data 13,89
R1 No dato 13,59
2014055 24/02/2014 R8 19,11 13,37
R7 20,15 12,49
R6 21,35 10,83
R5 20,59 14,01
R4 20,03 12,89
R3 19,45 14,15
R2 21,39 15,07
R1 20,13 13,59
Fuente: Elaboración propia
70
Figura 3.7. Correlación entre temperaturas medidas en campo por el proyecto GEITRO (2012) y
temperaturas estimadas a partir de satélite MODISTerra. (Fuente: Elaboración propia)
3.5. Estimación de flujos difusivos de CO2 en el embalse de RGII
De la información de campo y análisis de resultados disponibles para el embalse de RGII, junto
con la aplicación de los modelos ajustados para estimación de concentraciones superficiales de
CO2 a partir de temperaturas superficiales y para la estimación de K600 (lo que conlleva a encontrar
valores ajustados del coeficiente de velocidad de transferencia de este biogás (kg,T)), se han
estimado los flujos difusivos de CO2 (F(CO2)) sobre el embalse a dos niveles diferentes: i) llevar a
cabo la estimación de flujos empleando el conjunto de modelos propuestos en las secciones 3.2 y
3.3 de este documento y, ii) estimar los flujos empleando los datos de temperaturas superficiales
deducidos a partir de imágenes satelitales del MODIS-Terra como resultado de lo que fue descrito
en la sección anterior de este documento.
En el primer caso, la estimación de flujos difusivos de CO2 (F(CO2)) a partir del modelo
deducido para concentraciones superficiales en el marco de esta investigación (Ecuación 3.1); y
R²=0,86891
18,0
19,0
20,0
21,0
22,0
23,0
24,0
25,0
18 19 20 21 22 23 24 25
Tem
peraturasestim
adasModisTerra(ºC)
Temperaturasmedidasencampo(ºC)
CorrelaciónentretemperaturassuperficialesmedidasyestimadasporModisTerra
71
del modelo propuesto para la estimación de K600 (Ecuación 3.2), fue llevada a cabo con el fin de
establecer la correlación y consecuente grado de error que estos modelos presentan al comparar sus
resultados de estimaciones de flujos con relación a los flujos calculados a partir de los datos de
campo ampliamente descritos en este documento por el proyecto GEITRO (2012). La Figura 3.7
muestra la correlación (R2) entre ambas variables.
Figura 3.8. Correlación entre los flujos difusivos (F (CO2)) medidos en campo y los flujos
difusivos (F (CO2)) estimados a partir de los modelos de las Ecuaciones 3.1 y 3.2.
Al observar la Figura 3.8 se puede concluir que la aplicación de los modelos usados en el
marco de esta investigación, es decir, aquel que hemos deducido para la estimación de
concentraciones superficiales de CO2 a partir de temperaturas superficiales conocidas (Ecuación
3.1); así como el propuesto por León y Rojas (en redacción) (Ecuación 3.2), han permitido
reproducir de manera más que aceptable (R2 =0,78; con un error relativo sobre el conjunto de datos
de 15 ± 0,07% en promedio), los flujos difusivos de CO2 medidos en el embalse de RGII entre los
años 2012 y 2014 a través de las Ecuaciones 1.1 y 1.4.
72
Para el segundo caso, los resultados antes presentados ofrecen la confiabilidad necesaria
para emplear las temperaturas superficiales medidas por MODIS-Terra para la estimación de los
flujos difusivos sobre el embalse. En este caso se aplicó la misma metodología anterior, esto es:
a partir de los modelos propuestos en las ecuaciones 3.1. y 3.2, se estimaron los valores de
concentraciones superficiales de CO2 y K600. Estos resultados fueron posteriormente usados en las
Ecuaciones 1.4 y 1.1 para obtener los valores de Kg,T y, finalmente F(CO2), respectivamente. La
Figura 3.9 muestra el resultado de la correlación obtenida después este proceso.
Figura 3.9. Correlación entre los flujos difusivos (F (CO2)) medidos en campo y los flujos
difusivos (F (CO2)) estimados a partir de los modelos de las Ecuaciones 3.1 y 3.2 donde las
temperaturas superficiales corresponden a las observadas por el Satélite MODIS-Terra
De la Figura 3.9 se puede concluir que, si bien la correlación encontrada (R2=0,71) entre los
flujos estimados a partir de los modelos propuestos, los cuales hacen uso de las temperaturas
superficiales obtenidas con datos del satélite MODIS-Terra, es inferior a la correlación encontrada
en el proceso de validación de dicho modelo (Figura 3.7), estos resultados siguen siendo bastante
73
aceptables. El uso de las temperaturas superficiales observadas por MODIS-Terra usadas en la
Ecuación 1.3 para la estimación del número de Schmidt, posteriormente K600 y finalmente Kg,T;
puede ser aceptado para la estimación de F (CO2) a partir de la diferencia de concentraciones
superficiales de CO2 y la concentraciones del gas al equilibrio con la atmósfera, junto con el Kg,T
según la Ecuación 1.1.
74
Capítulo IV. Lecciones aprendidas sobre la aplicación de la teledetección para la
estimación de flujos difusivos de CO2 en el embalse de Riogrande II.
Entre los años 2012 a 2014 el equipo de investigación en Ecología y Contaminación
Acuática de la Universidad Nacional de Colombia Sede Palmira desarrolló el proyecto GEITRO.
Dicho proyecto tuvo como objetivo principal la cuantificación de emisiones de GEI generados en
el embalse de Riogrande II localizado en el norte del departamento de Antioquia. En el desarrollo
de ese proyecto los métodos de cuantificación se clasificaron en grado 3 de complejidad según lo
propuesto por el IPCC (IDEAM et al., 2015), esto es, el desarrollo de una evaluación rigurosa y
detallada de la fuente de emisión basada en mediciones in situ. Este conjunto de resultados abrió
la posibilidad de explorar métodos alternativos que permitan la cuantificación de emisiones de
dicho hidrosistema a partir de la aplicación o desarrollo de modelos fundamentados en el uso de
variables medibles a partir de sistemas remotos tales como la teledetección. Tal perspectiva debería
contribuir a mejorar los alcances de una cuantificación de emisiones en ecosistemas acuáticos a
dos niveles fundamentales: i) menor inversión de recursos (tiempo y dinero) en la cuantificación
in situ de emisiones y, ii) una cuantificación con mejor resolución temporal y espacial de lo que se
permite realizar directamente en campo. En este sentido surgió la propuesta de investigación que
fue desarrollada en el marco de esta tesis de maestría y cuyo objetivo principal fue responder a la
pregunta: ¿Bajo qué condiciones y hasta qué punto es posible la aplicación de la teledetección para
la modelación de las emisiones de flujos difusivos de CO2 en un ecosistema acuático de tropical de
alta montaña como lo es el embalse de RGII? Gracias a la cantidad de información disponible sobre
la zona de estudio y puesta a disposición para esta tesis por la dirección del proyecto GEITRO
(2012), los resultados presentados en el capítulo anterior de este documento permiten concluir
ahora a este respecto.
75
Por una parte, como resultado de esta investigación, se ha propuesto un modelo para la
estimación de concentraciones superficiales de CO2 aprovechando la relación que existe entre este
parámetro y la variación de las temperaturas superficiales del agua. A nuestro conocimiento, esta
sería la primera vez que se reporta un modelo de estas características para un ecosistema acuático
tropical de alta montaña. En efecto, la revisión de literatura, tal y como se explicó en el Capítulo 2
de este documento, permitió llegar al conocimiento de modelos de este tipo únicamente con
aplicabilidad en océanos. La Ecuación 3.1 presentada en la Sección 3.2, da cuenta de la relación
potencial que se ha deducido a partir de datos de campo para el caso de RGII y cuya correlación
entre concentraciones de CO2 y temperaturas superficiales medidas, cercana a un R2 de 0,77,
permite concluir sobre un ajuste muy aceptable entre ambas variables. Esto lo confirma el proceso
de validación que, al comparar valores medidos versus valores de concentraciones estimados por
el modelo, para valores conocidos de temperatura superficial, arrojó un error inferior al 8 ± 7,4%.
Así mismo, como resultado adicional no previsto de esta investigación, se ha logrado
evaluar diferentes modelos reportados en la literatura y, así mismo, proponer un modelo propio
para la estimación del coeficiente de velocidad de transferencia normalizado sobre número de
Schmidt de 600 (K600) que conlleva a la estimación consecuente de los coeficientes de velocidad
de transferencia (kg,T) para el CO2 en el embalse de RGII según la Ecuación 1.4. El hecho de
proponer un modelo propio para la estimación de K600 a partir de su relación ampliamente
documentada con valores de velocidad del viento (U10), surge de la baja precisión que tuvieron
dichos modelos al intentar representar los valores de K600 medidos en campo. De los 5 modelos
evaluados (Ecuaciones 1.8 a 1.11), sólo uno de ellos, el propuesto por Guérin et al. (2007) presentó
una correlación aceptable, entre datos medidos y datos modelados, cercana a R2=0,62. El resto de
76
los modelos no lograron superar una correlación de 0,21. Esto significa que esos modelos no
representan de forma acertada el comportamiento de un ecosistema acuático tropical de montaña
como RGII, particularmente en la época en que fueron tomados los datos de campo. Aceptando el
modelo de Guérin et al. (2007) como mejor opción, se decidió proponer un sexto modelo
aprovechando la disponibilidad de información que se tenía sobre el embalse a este respecto. Dicho
modelo, presentado en la Ecuación 3.2 (León y Rojas (En redacción)), y según la discusión
aportado en la Sección 3.3, ofreció una correlación ligeramente superior a la propuesta por Guérin
et al. (2007) (R2=0,64), por lo que se ha aceptado como una solución más ajustada para la
modelación del comportamiento del sistema de RGII.
Estando en capacidad de estimar concentraciones superficiales de CO2, concentraciones al
equilibrio con la atmósfera y el cuerpo de agua según la Ecuación 1.5, así como los coeficiente de
velocidad de transferencia del CO2 (kg,T), fue posible modelar los flujos difusivos del biogás
(F(CO2)) según la Ecuación 1.1, para las fechas en que dichos flujos fueron medidos por el proyecto
GEITRO (2012), lo que ha permitido establecer, en consecuencia, el dominio de validez de los dos
modelos desarrollados en el marco de esta investigación y que vienen de ser discutidos. Los
resultados presentados en la Sección 3.5 permitieron concluir que los modelos propuestos logran
reproducir de manera más que aceptable (R2 =0,78, con un error relativo sobre el conjunto de datos
de 15 ± 0,07% en promedio), los flujos difusivos de CO2 medidos en el embalse de RGII entre los
años 2012 y 2014.
Por otra parte, la descarga y tratamiento de los productos MODIS-Terra en el modo de
banda MODIS11A1 permitieron deducir temperaturas superficiales del cuerpo de agua del embalse
para las fechas en las que los trabajos de campo del proyecto GEITRO tuvieron lugar. Los
productos MODIS-Aqua, para este caso en particular, los hemos descartado para el estudio debido
77
a la presencia de nubes en la mayor parte de las coberturas tratadas, lo que impidió la deducción
de las temperaturas que se buscaban. Las temperaturas observadas de los productos MODIS-Terra
fueron comparadas con las temperaturas medidas en campo para una misma fecha en horas del día.
La excelente correlación entre las variables medidas y observadas (R2=0,87) permiten concluir
sobre la alta precisión que presenta el sensor en MODIS-Terra para la adquisición de este tipo de
información, al menos en nuestro caso, sobre ecosistemas acuáticos continentales; particularmente,
en zonas tropicales de alta montaña.
Teniendo en cuenta los resultados antes expuestos, fue posible emplear las temperaturas
superficiales medidas por MODIS-Terra para la estimación de los flujos difusivos de CO2 sobre el
embalse. Los resultados fueron satisfactorios en la medida en que la correlación obtenida después
este proceso entre los flujos estimados a partir de los modelos propuestos, los cuales hacen uso de
las temperaturas superficiales obtenidas a partir de satélite MODIS-Terra fue de R2=0,71. Si bien
esta correlación resultó inferior a la correlación encontrada en el proceso de validación de los
modelos, estos resultados siguen siendo bastante aceptables.
Sobre todo este contexto expuesto se ha logrado demostrar que, de forma global, el uso de
las temperaturas superficiales observadas por MODIS-Terra para la estimación del número de
Schmidt, a partir del cual es posible estimar los valores de K600 usando el modelo desarrollado en
el marco de esta tesis, para finalmente calcular valores de kg,T; así como, el uso de esas mismas
temperaturas para la estimación de concentraciones superficiales de CO2 mediante la aplicación
del modelo propuesto por León y Rojas (En redacción), puede ser aceptado para la estimación de
flujos difusivos de este biogás (F(CO2)) según la Ecuación 1.1. Queda entendido que los valores
de velocidad del viento (U10) utilizados en el marco de esta investigación y necesarios para la
estimación de K600, fueron aquellos medidos en campo por la estación meteorológica dispuesta por
78
el proyecto GEITRO. Sin embargo, dependiendo del lugar de la zona de estudio, estos valores de
velocidad del viento, pueden ser medidos por otros tipos de medio remotos como AEOLUS
(ESA,2018) o por estaciones de las redes meteorológicas nacionales o locales, con lo cual, se
reduciría le necesidad de medir esta variable en campo. No fue objeto de esta tesis evaluar otras
fuentes de información que aporten velocidades de viento. El asunto queda entonces planteado
como expectativa para otras investigaciones relacionadas.
Así mismo, con relación a las expectativas que se generan de los resultados de esta
investigación, se plantea la posibilidad de analizar la variabilidad espacial y temporal de las
emisiones de flujos difusivos de CO2 considerando otras fechas (datos diarios, entre 2012 y la
actualidad según sea la disponibilidad de los productos MODIS-Terra) y otros puntos de control
(R1, R3, R5, R6 y R9) sobre el embalse de RGII. Teniendo en cuenta los errores aceptables ligados
a los procesos de modelación, este tipo de análisis podría aportar mayor información sobre el
comportamiento del hidrosistema más allá de los excelentes alcances logrados por el proyecto
GEITRO. De la misma forma, se plantea como expectativa explorar el dominio de validez de los
modelos desarrollados en esta investigación que, a nuestro conocimiento, son los primeros que se
enfocan en la estimación de concentración superficiales de CO2 y valores de K600 para un
ecosistema acuático tropical de alta montaña.
79
Referencias Bibliografías
Abril, G. and Iversen, N., 2002. Methane dynamics in a shallow non-tidal estuary (Randers Fjord,
Denmark). Marine Ecology-Progress Series 230, 171-181.
Abril, G., Guerin, F., Richard, S., Delmas, R., Galy-Lacaux, C., Gosse, P., Tremblay, A., Varfalvy,
L., Dos Santos, M. A., and Matvienko, B., 2005. Carbon dioxide and methane emissions
and the carbon budget of a 10-year old tropical reservoir (Petit Saut, French Guiana). Global
Biogeochemical Cycles 19.
Argote, D. K., Reymondin, L., & Jarvis, A. (2011). Uso de datos MODIS en el monitoreo de
cambios en la cobertura vegetal Caso de estudio: La Amazonía, Brasil. In T. N. C. CIAT
(Ed.), II Reunión del Comite Técnico Subregional: Proyecto " "Análisis de las Dinámicas de
Cambio de Cobertura de la Tierra (p. 32). Bogotá, D.C., Colombia. Retrieved from
http://dapa.ciat.cgiar.org/las-bondades-de-modis/
Baghdadi, N., & Zribi, M. (2016). Optical Remote Sensing of Land Surface. Techniques and
Methods. Kidlington, Oxford: Elsevier. https://doi.org/10.1016/C2015-0-01220-5
Bastviken, D. (2009.). Methane, Encyclopedia of Inland Waters. Academic Press, Oxford.
Bastviken, D., Cole, J. J., Pace, M. L., and Van de Bogert, M. C. (2008). Fates of methane from
different lake habitats: Connecting whole-lake budgets and CH4 emissions. Journal of
Geophysical Research-Biogeosciences.
Bedard, C. and Knowles, R. (1997.). Some properties of methane oxidation in a thermally
stratified lake. . Canadian Journal of Fisheries and Aquatic Sciences.
Benali, A., Carvalho, A. C., Nunes, J. P., Carvalhais, N., & Santos, A. (2012). Estimating air
surface temperature in Portugal using MODIS LST data. Remote Sensing of Environment,
124, 108–121. https://doi.org/10.1016/j.rse.2012.04.024
Bodaly, R. A., Beaty, K. G., Hendzel, L. H., Majewski, A. R., Paterson, M. J., Rolfhus, K. R.,
Penn, A. F., Louis, V. L. S., Hall, B. D., Matthews, C. J. D., Cherewyk, K. A., Mailman,
M., Hurley, J. P., Schiff, S. L., and Venkiteswaran, J. J.,. (2004). Expermenting with
Hydrielectric Reservoirs. Environmental Science & Technology.
Bohórquez-Bedoya, E., León-Hernández, J., and Gómez-Giraldo, A., (2019). "Vertical behavior
of GHG in a mountainous tropical reservoir" by, session HS1.2.10/NP2.6, abstract
EGU2019-12269, poster presentation.
80
Borges, A.V., Vanderborght, J.P., Schiettecatte, L.S., Gazeau, F., Ferron-Smith, S., Delille, B.,
Frankignoulle, M., 2004. Variability of the gas transfer velocity of CO2 in amacrotidal
estuary (the Scheldt). Estuaries 27, 593–603.
Casper, P., Maberly, S. C., Hall, G. H., and Finlay, B. J. (2000.). Fluxes of methane and carbon
dioxide from a small productive lake to the atmosphere. Biogeochemistry.
Chanudet, V., S. Descloux, A. Harby, H. Sundt, B. H. Hansen, O. Brakstad, D. Serca and F.
Guerin. (2011). "Gross CO2 and CH4 emissions from the Nam Ngum and Nam Leuk sub-
tropical reservoirs in Lao PDR." . Science of the Total Environment.
Cole, J.J., Caraco, N.F., (1998). Atmospheric exchange of carbon dioxide in a low-wind
oligotrophic lake measured by the addition of SF6. Limnol. Oceanography. 43, 647–656.
Crusius, J., Wanninkhof, R., (2003). Gas transfer velocities measured at low wind speed over a
lake. Limnol. Oceanography. 48, 1010–1017.
Dean, W. E. and Gorham, E., (1998.). Magnitude and significance of carbon burial in lakes,
reservoirs, and peatlands. Geology.
Delmas, R., Richard, S., Guérin, F., Abril, G., GalyLacaux, C., delon, C., and Grégoire, A. (2004.
). Long Term Greenhouse Gas Emissions from the Hydroelectric Reservoir of Petit Saut
(French Guiana) and Potential Impacts. In: Tremblay, A., Varfalvy, L., Roehm, C., and
Garneau, M.Eds.). Heidelberg, New York: Greenhouse Gas Emissions: Fluxes and
Processes. Hydroelectric Reservoirs and Natural Environments.
Demarty, M. y Bastien. (2011). Annual follow-up of gross diffusive carbon idoxide and methane
emissions from a boreal reservoir and two nearby lake in Quebec. (Vol. 8.). Canada,:
Biogeosciences.
Deshmukh, C. (2013). Greenhouse gas (CH4/CO2/N2O) emissions from a newly flooded
reservoir in subtropical south asia: case of Nam Theun 2 Reservoir, Lao PDR. PhD PhD,
University Paul Sabatier (Toulouse III)
Duan, S. B., Li, Z. L., Li, H., Göttsche, F. M., Wu, H., Zhao, W., … Coll, C. (2019). Validation
of Collection 6 MODIS land surface temperature product using in situ measurements.
Remote Sensing of Environment, 225(February), 16–29.
https://doi.org/10.1016/j.rse.2019.02.020.
Dumestre, J. F., Guezennec, J., Galy-Lacaux, C., Delmas, R., Richard, S., and Labroue, L.,.
(1999.). Influence of Light Intensity on Methanotrophic Bacterial Activity in Petit Saut
Reservoir, French Guiana. Appl. Environ. Microbiol.
81
Dwyer, J., & Schmidt, G. (2006). The MODIS Reprojection Tool. In J. J. Qu, W. Gao, M.
Kafatos, R. E. Murphy, & V. V Salomonson (Eds.), Earth Science Satellite Remote Sensing:
Vol. 2: Data, Computational Processing, and Tools (pp. 162–177). Berlin, Heidelberg:
Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-540-37294-3_9
ESA (2018). AEOLUS. Estados Unidos.
https://www.esa.int/Our_Activities/Observing_the_Earth/Aeolus/Introducing_Aeolus
Esri. (2016). Cell size and resampling in analysis—ArcGIS Help | ArcGIS for Desktop. Retrieved
October 14, 2010, from https://desktop.arcgis.com/en/arcmap/10.3/guide-
books/extensions/spatial-analyst/performing-analysis/cell-size-and-resampling-in-
analysis.htm
Esri. (2018a). Extract by Mask—Help | ArcGIS Desktop. Retrieved November 12, 2018, from
http://desktop.arcgis.com/en/arcmap/latest/tools/spatial-analyst-toolbox/extract-by-
mask.htm
Esri. (2018b). Raster Calculator—Help | ArcGIS Desktop. Retrieved November 23, 2018, from
http://desktop.arcgis.com/en/arcmap/latest/tools/spatial-analyst-toolbox/raster-
calculator.htm
Fearnside, P. (2008). A framework for estimating greenhouse gas emissions from Brazil’s
Amazonian hydroelectric dams, Oecologia Brasiliensis, 12.
Fearnside, P. (2009). As Hidrelétricas de Belo Monte e Altamira (Babaquara) como Fontes de
Gases de Efeito Estufa, Novos Cadernos NAEA, 12.
Fisher, G. H. (2013). Science writers’ guide to TERRA. NASA Technical Reports Server
(NTRS). Retrieved from http://terra.nasa.gov/Publications/terra_sw_guide.pdf
Forster, P. R. (2007.). Changes in Atmospheric Constituents and in Radiative Forcing In:
Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K. B., Tignor, M., and
Miller, H. L. Eds.), Climate Change 2007: . United Kingdom and New York, NY, USA:
The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment
Report of the Intergovernmental Panel on Climate Change.
Frenzel, P., Thebrath, B., and Conrad, R.,. (1990.). Oxidation of methane in the oxic surface layer
of a deep lake sediment (Lake Constance). FEMS Microbiology Letters.
Galy-Lacaux, C., Delmas, R., Jambert, C., Dumestre, J. F., Labroue, L., Richard, S., and Gosse,
P. (1997.). Gaseous emissions and oxygen consumption in hydroelectric dams: A case
study in French Guyana. Global Biogeochemical Cycles. 11(4):471-483.
Galy-Lacaux, C., Delmas, R., Kouadio, G., Richard, S., and Gosse, P.,. (1999 ). Long-term
greenhouse gas emissions from hydroelectric reservoirs in tropical forest regions. .
Global Biogeochemical Cycles. 13, 503-517.
82
Glaser, P. H., Chanton, J. P., Morin, P., Rosenberry, D. O., Siegel, D. I., Ruud, O., Chasar, L. I.,
and Reeve, A. S.,. (2004.). Surface deformations as indicators of deep ebullition fluxes in
a large northern peatland. Global Biogeochem. Cycles 18, GB 1003.
Gao, Y., Xie, H., Lu, N., Yao, T., & Liang, T. (2010). Toward advanced daily cloud-free snow
cover and snow water equivalent products from Terra-Aqua MODIS and Aqua AMSR-E
measurements. Journal of Hydrology, 385(1–4), 23–35.
https://doi.org/10.1016/j.jhydrol.2010.01.022
GEITRO. (2012). Cuantificación de Emisiones de Gases de Efecto Invernadero en Embalses
Tropicales: Caso de Riogrande II en Colombia. Universidad Nacional de Colombia Sede
Palmira. Dirección: Dr. Juan Gabriel León.
Guérin, F. and Abril, G.,. (2007.). Significance of pelagic aerobic methane oxidation in the
methane and carbon budget of a tropical reservoir. Journal of Geophysical Research-
Biogeosciences.
Guérin, F., Abril, G., Richard, S., Burban, B., Reynouard, C., Seyler, P., and Delmas, R., 2006.
Methane and carbon dioxide emissions from tropical reservoirs: Significance of
downstream rivers. Geophysical Research Letters 33.
Guérin, F., Abril, G., de Junet, A., and Bonnet, M.-P. (2008a.). Anaerobic decomposition of
tropical soils and plant material: Implication for the CO2 and CH4 budget of the Petit
Saut Reservoir. Applied Geochemistry.
Guérin, F., Abril, G., Richard, S., Burban, B., Reynouard, C., Seyler, P., and Delmas, R. (2006.).
Methane and carbon dioxide emissions from tropical reservoirs: Significance of
downstream rivers. Geophysical Research Letters.
Guérin, F., Abril, G., Serça, D., Delon, C., Richard, S., Delmas, R., Tremblay, A., and Varfalvy,
L.,. (2007.). Gas transfer velocities of CO2 and CH4 in a tropical reservoir and its river
downstream. Journal of Marine Systems. 66, 161-172.
Guerin, F., G. Abril, A. de Junet and M.-P. Bonnet. (2008). "Anaerobic decomposition of tropical
soils and plant material: Implication for the CO2 and CH4 budget of the Petit Saut
Reservoir." Applied Geochemistry.23(8), 2272-2283.
Guérin, F., Abril, G., de Junet, A., and Bonnet, M.-P., 2008a. Anaerobic decomposition of
tropical soils and plant material: Implication for the CO2 and CH4 budget of the Petit Saut
Reservoir. Applied Geochemistry 23, 2272-2283.
Guérin, F., and León, J. G. (2015). Greenhouse gas (CO2 and CH4) emissions from a high
altitude hydroelectric reservoir in the tropics (Riogrande II, Colombia). Geophysical
Research Abstracts. Vol. 17, EGU2015-14577.
83
Houghton, R. A. (2003.). Revised estimates of the annual net flux of carbon to the atmosphere
from changes in land use and land management. 1850–2000. Tellus B 55, 378-390.
Huttunen, J. T., Vaisanen, T. S., Hellsten, S. K., Heikkinen, M., Nykanen, H., Jungner, H.,
Niskanen, A., Virtanen, M. O., Lindqvist, O. V., Nenonen, O. S., and Martikainen, P. J.
(2002). Fluxes of CH4,CO2, and N2O in hydroelectric reservoirs Lokka and Porttipahta
in the northern boreal zone in Finland. Global Biogeochemical Cycle.
Instituto de Hidrología, Meteorología y Estudios Ambientales, IDEAM,. ((2015)). Tercera
Comunicación Nacional ante la Convención Marco de las Naciones Unidas sobre el
Cambio Climático.
IDEAM, PNUD, MADS, DNP, CANCILLERIA. 2015. Inventario Nacional de Gases de Efecto
Invernadero (GEI) Colombia. Tercera Comunicación Nacional de Cambio Climático.
IDEAM, PNUD, MADS, DNP, CANCILLERIA, FMAM. Bogotá, Colombia.
IPCC-. (2006.). IPCC Guidelines for National Greenhouse Gas Inventories, Prepared by the
National Greenhouse Gas Inventories Programme. In: Eggleston, H. S., Buendia, L.,
Miwa, K., Ngara, T., and Tanabe, K. Eds.). IGES, Japan, . Kanagawa.
IPCC. (2011.). Hydropower Chapter, Special Report on Renewable Energy Sources.
Jähne, B. M. (1987). On parameters influencing air–water exchange. J. Geophys. Res.
Joyce, J. and Jewell, P. W. (2003). Physical Controls on Methane Ebullition from Reservoirs and
Lakes. Environmental and Engineering Geoscience.
Keller, M. and and Stallard, R. F.,. (1994.). Methane emission by bubbling from Gatun Lake,
Panama. J. . Geophys. Res. 99, 8307-8319.
Kemenes, A., Forsberg, B. R., and Melack, J. M.,. (2007). Methane release below a tropical
hydroelectric dam. Geophysical Research Letters 34.
Kemenes, A., Forsberg, B.R., Melack, J.M., 2011. CO2 emissions from a tropical hydroelectric
reservoir (Balbina, Brazil), Journal of Geophysical Research 116,.
Khorram, S., Koch, F. H., van der Wiele, C. F., & Nelson, S. A. C. (2012). Remote Sensing.
Remote sensing. https://doi.org/10.1007/978-1-4614-3103-9
Khorram, S., Wiele, C. F. van der, Koch, F. H., Nelson, S. A. C., & Potts, M. D. (2016).
Principles of Applied Remote Sensing (1st ed.). New York, NY: Springer, Cham.
León, J., y Guérin, F. (2019). Cuantificación de emisiones de gases de efecto invernadero en
humedales tropicales: caso de Yahuarcaca en la Amazonía colombiana. En Lavelle P.,
84
León J., Ingeniería Ambiental. Manejo de ecosistemas, concepción de políticas públicas y
reciclaje de materiales (pp. 187-210). Palmira, Colombia: Universidad Nacional de
Colombia.
León, J., Rojas, M. (En redacción). Modelación del coeficiente de velocidad de intercambio K600
para un embalse tropical de montaña: Caso de Riogrande II en Colombia.
Lewis, W. M. . (2009.). Ecological Zonation in Lakes, Encyclopedia of Inland Waters. Academic
Press, Oxford.
Li, S. (2018). CO2 oversaturation and degassing using chambers and a new gas transfer velocity
model from the Gorges Reservoir surface. Retrieved from
https://doi.org/10.1016/j.scitotenv.2018.05.345
Lima, I. B. T., . (2005). Blogeochemical distinction of methane releases from two Amazon
hydroreservoirs. Chemosphere.
Lira, J. (2010). Tratamiento Digital de Imágenes (2nd ed., Vol. 1). México: Instituto de
Geofísica, UNAM. https://doi.org/Doi 10.1021/Ma050377v
McGillis, W.R., Edson, J.B., Hare, J.E., Fairall, C.W., 2001. Direct covariance air-sea CO2
fluxes. J. Geophys. Res. Oceans Atmos. 106, 16729–16745.
Martens, C. S. and Val Klump, J.,. (1980.). Biogeochemical cycling in an organic-rich coastal
marine basin--I. Methane sediment-water exchange processes. Geochimica et
Cosmochimica Acta.
Mayor, R., F. (2016). Estimación de la emisión histórica de gases de efecto invernadero por
embalses hidroeléctricos en Colombia y su potencial impacto el el Factor de Emisión de
la Generación Eléctrica. . Universidad Nacional de Colombia, Bogota D.C., Colombia .
Mulholland, P. J. and Elwood, J. W. (1982.). The role of lake and reservoir sediments as sinks in
the perturbed global carbon cycle. Tellus.
NASA. (2015a). Aqua Earth-observing satellite mission | Aqua Project Science. Retrieved
August 16, 2018, from https://aqua.nasa.gov/
NASA. (2015b). MODIS Moderate Resolution Imaging Spectroradiometer. Retrieved August 16,
2018, from https://terra.nasa.gov/about/terra-instruments/modis
NASA (2016). MODIS Web. Retrieved August 15, 2018, from https:/modis.gsfc.nasa.gov/about/
NASA. (2018). Find Data - LAADS DAAC. Retrieved September 12, 2018, from
https://ladsweb.modaps.eosdis.nasa.gov/search/order/1/MOD11A1--6
NSIDC. (2019, July). Terra vs. Aqua. Retrieved January 2, 2019, from
https://nsidc.org/data/modis/terra_aqua_differences
85
NOAA. (2009). Star Center for Satellite Application and Research. Estados Unidos.
https://manati.star.nesdis.noaa.gov/datasets/QuikSCATData.php
Palau, A. y Alonso, M. (2008). Embalses y Cambio Climático. Dirección de Medio Ambiente y
Desarrollo Sostenible (ENDESA). . España.
Pareckh P. (2011.). Avances en el campo de las emisiones de embalses. Un informe sobre la
investigación y las directrices recientes. International Rivers, People, Water, Life.
Prairie, Y. T. and Cole, J. J. (2009. ). Carbon, Unifying Currency, Encyclopedia of Inland
Waters. . Academic Press, Oxford.
Raymond, P., Hartmann, J., Lauerwald, R., Sobek, S., McDonald, C., Hoover, M., Butman, D.,
Striegl, R., Mayorga, E., Humborg, C., Kortelainen, P., Durr, H., Meybeck, M., Ciais, P.,
y Guth, P. (2013.). Global Carbon Dioxide Emissions From Inland Waters. Nature.
Raymond, P.A., Cole, J.J. (2001). Gas exchange in rivers and estuaries: choosing a gas transfer
velocity. . Estuaries 24, 312-317.
Richards, J., & Jia, X. (2006). Remote Sensing Digital Image Analysis. Methods.
https://doi.org/10.1007/3-540-29711-1
Roehm, C. and Tremblay, A. (2006). Role of turbines in the carbon dioxide emissions from two
boreal reservoirs, Quebec, Canada. Journal of Geophysical Research-Atmospheres 111.
Rosa, L. P., dos Santos, M. A., Matvienko, B., dos Santos, E. O., and Sikar, E. (2004).
Greenhouse gas emissions from hydroelectric reservoirs in tropical regions. Climatic
Change.
Smith, L. K., Lewis, W. M., Chanton, J. P., Cronin, G., and Hamilton, S. K., (2000.). Methane
emissions from the Orinoco River floodplain. Venezuela: Biogeochemistry. 51,113-140
Sruthi & Aslam, M. A. (2015). Agricultural drought analysis using the NDVI and Land surface
temperature data; a case study of Raichur District. International Conference on Water
Resources, Coastal and Ocean Engineering (ICWRCOE 2015). Aquatic Procedia
4(Icwrcoe), 1258–1264. https://doi.org/10.1016/j.aqpro.2015.02.164
St Louis, V. L. Lewis, W. M., Chanton, J. P., Cronin, G., and Hamilton, S. K., (2003.).
Mineralization rates of peat from eroding peat islands in reservoirs. Biogeochemistry.
St Louis, V. L., Kelly, C. A., Duchemin, E., Rudd, J. W. M., and Rosenberg, D. M. (2000).
Reservoir surfaces as sources of greenhouse gases to the atmosphere: A global estimate.
Bioscience.
86
Stephens, M. P., Samuels, G., Olson, D. B., Fine, R. A., Takahashi, T. . (1995). Sea-air flux of
CO2 in the North Pacific using shipboard and satellite data. . Journal of Geophysical
Research.100(C7), 13,583.
Tranvik, L. J. (2009). Lakes and reservoirs as regulators of carbon cycling and climate.
Limnology and Oceanography.
Tremblay, A., Varfalvy, L., Roehm, C., and Garneau, M.,. (2004). Greenhouse Gas Emissions:
Fluxes and Processes. Hydroelectric Reservoirs and Natural Environments. Springer-
Verlag, Berlin, Heidelberg, New York.
Venkiteswaran, J. J. and Schiff, S. L., (2005.) . Methane oxidation: isotopic enrichment factors in
freshwater boreal reservoirs. Applied Geochemistry.
Wanninkhof, R. (1992). Relationship between gas exchange and wind speed over the ocean. J. .
Geophys. Res. 97, 7373-7382.
Wan, Z. (2006). MODIS Land Surface Temperature Products Users´ Guide. ICESS, University
of California, Santa Barbara
Wan, Z. (2013). Collection-6 MODIS Land Surface Temperature Products Users’ Guide. Santa
Barbara: ERI, University of California.
Wang, W., Liang, S., & Meyers, T. (2008). Validating MODIS land surface temperature products
using long-term nighttime ground measurements. Remote Sensing of Environment, 112(3),
623–635. https://doi.org/10.1016/j.rse.2007.05.024
Wanninkhof, R., (1992). Relationship between gas exchange and wind speed over the ocean. J.
Geophysics. Res. 97, 7373–7382.
Werhli, B. (2013). Conduits of the carbon cycle. . Nature. 503. 346-347 pp.
Xiong, X., Salomonson, V. V., Sun, J., Wu, A., Barnes, W., & Guenther, B. (2004). Inter-
Comparison of Terra and Aqua MODIS. In CEOS-IVOS at ESA / ESTEC (p. 24).
Noordwijk, Netherlands. Retrieved from
http://earth.esa.int/workshops/ivos05/pres/19_xiong.pdf