nº 40 - diciembre 2013 revista de teledetección · • estudio de la operaconalidad del futuro...

Nº 40 - Diciembre 2013

R e v i s t a d eTeledetecciónR E V I S TA D E L A A S O C I A C I Ó N E S P A Ñ O L A D E T E L E D E T E C C I Ó N

A E TA S O C I A C I Ó N

E S PA Ñ O L A

D E T E L E D E T E C C I Ó N

SUMARIO

Consejo de Redacción y Junta Directiva de la AET............................................................................................. 1

Editorial ................................................................................................................................................................... 2

Información y Normas para los autores ................................................................................................................ 3

ARTÍCULOS CIENTÍFICOS

• Evaluación mediante teledetección del efecto de canalizaciones sobre el humedal del Saladillo, Argentina.C. López, P. G. Brandolin, O. R. Campanella, A. L. Martino y C. de Angelo ................................................. 5

• Evaluación de productos de cubiertas del suelo en la península ibérica.A. Pérez-Hoyos y F. J. García-Haro................................................................................................................... 22

• Estimación de la evapotranspiración utilizando bandas del infrarrojo medio.D. Girolimetto y V. Venturini ............................................................................................................................... 41

• Simulación de productos HyspIRI de mapas de flujos energéticos en superficie.J. M. Sánchez, V. García-Santos, A. N. French, E. Valor, C. Coll y V. Caselles ............................................... 51

• Estudio de la operaconalidad del futuro sensor Sentinel-3/SLSTR para la parametrización del fuego activo.A. Calle, P. Salvador y F. González-Alonso ...................................................................................................... 62

• Estudio de la homogeneidad de la temperatura de la superficie terrestre mediante imágenes MODIS de la zona de DoñanaD. Skokovic, J. A. Sobrino, G. Sòria, J. C. Jiménez-Muñoz y Y. Julien............................................................ 71

• Primera aplicación de imágenes Fasat-Charlie al estudio de praderas semi-áridas de Chile.A. Santamaría-Artigas, C. Mattar, C. Durán-Alarcón, L. Olilvera, M. Inzunza, D. Tapía y E. Escobar-Lavín 78

• Dinámica de la cobertura vegetal y los usos de la tierra a través de modelos de no-equilibrio.A. H. Britos y A. H. Barchuck............................................................................................................................. 88

CASOS PRÁCTICOS

• Desagregación del volumen de población a partir de la imagen de satélite con Sistema de Información Geográfica y Procesamiento Digital de Imágenes.A. Martínez Serrano............................................................................................................................................ 110

• Clasificación de materiales geológicos en la superficie de la luna Europa de Júpiter.I. Ordóñez Etxeberria y V. Caselles Miralles .................................................................................................... 122

• Conceptos físicos básicos para la utilización de teledetección óptica en el cartografiado de hábitats ben-tónicos costeros.G. Casal ............................................................................................................................................................... 134

• RESEÑA LITERARIA: Diccionari Terminològic de Teledetecció o sobre la necesidad de una referencia semántica sobre el léxico técnico de nuestra disciplina. ................................................................................. 143

DirectorJosé Antonio SOBRINODep. de Física de la Terra i Termodinámica. Facultat de Física. Universidad de Valencia. C/ Dr. Moliner, 50. 46100 Burjassot (Valencia). Tel.: 96 354 31 15. Fax: 96 354 30 99. [email protected]

SecretarioJuan Carlos JIMÉNEZ MUÑOZUnidad de Cambio Global Dep. de Física de la Terra i Termodinámica. Facultat de Física. Universidad de Valencia. C/ Dr. Moliner, 50. 46100 Burjassot (Valencia). Tel.: 96 354 37 81. Fax: 96 354 32 02. [email protected]

Consejo de RedacciónLuis Ángel RUIZ-FERNÁNDEZ. Universidad Politécnica de Valencia. ValenciaCarlos PÉREZ. Universidad de Salamanca. Salamanca.Alfonso CALERA. Universidad de Castilla La Mancha. Albacete.Federico GONZÁLEZ. Instituto Nacional de Investigaciones Agrarias (INIA). Madrid.Xavier PONS. Universitat Autònoma de Barcelona (UAB). Barcelona. José MORENO. Universitat de València. Valencia.Massimo MENENTI. Universidad de Delft. Holanda Jean-Pierre LAGOUARDE. INRA Burdeos. Francia Leo PAOLINI. Laboratorio de Investigaciones Ecológicas de las Yungas. Argentina.

Comité CientíficoFernando CAMACHO. Earth Observation Laboratory Spin-off Universidad de Valencia. [email protected] DE MIGUEL. Laboratorio de Teledetección INTA. [email protected] KARNIELI. The Remote Sensing Laboratory. Jacob Blaustein Institute for Desert Research. Ben Gurion Univ. of the Negev. Sede Boker Campus 84990, ISRAEL. [email protected]ín LOBO, Institut de Ciències de la Terra «Jaume Almera». CSIC. [email protected] MORALES. Dpto. de Ciencias Ambientales y Recursos Renovables. Universidad de Chile. [email protected] MOYA. LMD-CNRS. Ecole Polytechnique. [email protected]çoise NERRY. LSIIT/TRIO. Louis Pasteur University. [email protected] OLIOSO. INRA-Avignon. [email protected] PLAZA. Dpto. Tecnología Computacional y Comunicaciones. Universidad de Extremadura. [email protected] ROUJEAN. Meteo-France. [email protected] ROYER. Département de géomatique appliquée. Université de Sherbrooke. [email protected] SHI. Institute for Computational Earth System Science. University of California. [email protected] VERHOEF. Dept. of Water Resources. ITC. [email protected]úl ZURITA-MILLA. Laboratory of geo-information science and remote sensing. Wageningen [email protected]

Junta DirectivaPresidente: Dr. Federico GONZÁLEZ ALONSO. Coordinador del Departamento de Protección Forestal.Centro de Investigación Forestal (CIFOR). Jefe del Laboratorio de Teledetección. Instituto Nacional de Investigación y Tecnología Agraria y Alimentaria (INIA). Ministerio de Ciencia e Innovación. Carretera de la Coruña km 7. 28040 Madrid. ESPAÑA. Tel: 91 347 68 28. e-mail: [email protected]. www.inia.es/teledeteccionVicepresidente: Abel CALLE MONTES. Departamento de Física Aplicada. Universidad de Valladolid. Facultad de Ciencias. Paseo de Belén, 7. 47011-Valladolid. Tel: 983 423 758. e-mail: [email protected]: Juan José PECES MORERA. Servicio de Teledetección. Instituto Geográfico Nacional.General Ibáñez Íbero, 3, 28003, Madrid. Tel: 91 597 95 85. Fax: 91 597 95 85. e-mail: [email protected]: Antonio RUIZ VERDU. Instituto Nacional de Técnica Aeroespacial (INTA). Carretera de Ajalvir, km 4, 28850, Torrejón de Ardoz, Madrid. Tel: 91 520 15 13. e-mail: [email protected]: Dr. José A. SOBRINO. Unidad de Cambio Global - Laboratorio de Procesado de Imágenes. Universidad de Valencia. Parc-Cientific. C/ Catedrático Agustín Escardino n.º 9. 46980 Paterna (Valencia).Tel: 34 96 354 31 15. Fax: +34 96 354 31 15. e-mail: [email protected]: Carmen RECONDO GONZÁLEZ. Área de Ingeniería Cartográfica, Geodésica y Fotogrametría (Dpto. de Explotación y Prospección de Minas) e INDUROT. Universidad de Oviedo. Campus de Mieres.C/ Gonzalo Gutiérrez Quirós, s/n. 33600 Mieres (Asturias). Tel: 985 458 034 (despacho) - 985 458 118 (Secretaría INDUROT).Móvil: 666 075 878. Fax: 985 458 110 (INDUROT). e-mail: [email protected]: Silvia MERINO DE MIGUEL. Unidad Docente de Topografía. Escuela Universitaria de Ingeniería TécnicaForestal. Universidad Politécnica de Madrid. Ciudad Universitaria, s/n. 28040 Madrid. Tel: 913 367 668. Fax: 915 347 796. e-mail: [email protected]: Alix FERNÁNDEZ RENAU GONZÁLEZ ANLEO. Área de Teledetección. Dpto. de Observación de la Tierra, Teledetección y Atmósfera. Sub. Gral. de Investigación y Programas del INTA. Carretera de Ajalvir, km 4. 28850 Torrejón de Ardoz, Madrid, España. Tel: +34 91 520 19 91. Fax: +34 91 520 16 33. e-mail: [email protected]

Foto portada: Mapas de cubiertas del suelo para la Península Ibérica reconciliados a una leyenda generalizadade 14 clases.

REVISTA DE TELEDETECCIÓNRevista de la Asociación Española de Teledetección

Depósito Legal: B-9.502.1993ISSN: 1988-8740

Estimados socios y lectores,

En este número 40 de la Revista de Teledetección se publican un total de ocho artículos co-rrespondientes a diversas temáticas, entre las que se encuentran la evaluación del efecto de ca-nalizaciones sobre el humedal, la evaluación de productos de cubiertas del suelo en la PenínsulaIbérica, la estimación de la evapotranspiración con bandas del infrarrojo medio, la simulación deproductos HyspIRI de flujos energéticos, el estudio de la parametrización del fuego activo con elfuturo sensor S3/SLSTR, el estudio de la homogeneidad térmica en la zona de Doñana, la pri-mera aplicación de las imágenes Fasat-Charlie, y el estudio de la dinámica de la cobertura vege-tal y los usos de la tierra.

Este número incluye también la publicación de tres casos prácticos, en los que se presentanaplicaciones para la desagregación del volumen de población a partir de imágenes de satélite ySIG, una clasificación geológica de la luna Europa de Júpiter, y una revisión de los conceptos bá-sicos de teledetección óptica para el cartografiado de hábitats bentónicos costeros.

Además se presenta una reseña literaria sobre el «Diccionari Terminològic de Teledetecció»,realizado por los autores Xavier Pons y Anna Arcalís y editado por el Instituto Cartográfico deCataluña, con el fin de proporcionar tanto a especialistas de esta área como de cualquier otra dis-ciplina una completa lista de definiciones de conceptos y acrónimos en el campo de la telede-tección.

Finalmente siendo este el último número bajo la dirección del actual equipo de la Revistade Teledetección, quiero aprovechar la ocasión para agradecer a todos los autores y socios de laAET su colaboración y apoyo desde el número 28, primero bajo nuestra dirección, así como alSecretario de la Revista, Dr. Juan Carlos Jiménez Muñoz, por el trabajo realizado. En el futurocontinuaremos nuestra colaboración desde las nuevas responsabilidades de Presidente y Vocal dela AET emanadas de la XIII Asamblea General Ordinaria de la AET celebraba en las instalacio-nes del INTA en Torrejón de Ardoz el 23 de octubre de 2013.

José A. SobrinoDirector

Editorial

Asociación Española de Teledetección Revista de Teledetección 40, 2ISSN: 1988-8740

Revista de Teledetección (ISSN: 1988-8740) esuna publicación científico-técnica en la cual sepublican artículos originales de investigación, re-lacionados con las diversas aplicaciones de la Te-ledetección y con su desarrollo metodológico. Ensecciones aparte, se presentan Casos Prácticos quedescriben experiencias prácticas en los que se hautilizado la teledetección para desarrollar pro-yectos de análisis y gestión territorial o para de-sarrollar misiones, sensores o segmentos terres-tres. También, se incluyen recensiones críticas delibros, programas y material docente relacionadocon métodos o aplicaciones de la teledetección,así como resúmenes de tesis doctorales.

Revista de Teledetección es el órgano de expre-sión científica de la Asociación Española de Tele-detección. Se publica ininterrumpidamente desde1993, siendo la publicación de referencia en nues-tro idioma en el ámbito de los desarrollos y aplica-ciones de esta tecnología. Se edita semestralmente.

Los artículos originales de investigación sonsometidos a un proceso de evaluación externa yanónima por pares, por parte de miembros espe-cialistas de la comunidad científica nacional e in-ternacional de teledetección, supervisado y co-ordinado por el Consejo de Redacción. Revistade Teledetección se compromete a comunicar alos autores la aceptación o rechazo de los ma-nuscritos en un plazo de 3 meses.

Revista de Teledetección se encuentra indexa-da en el Catálogo LATINDEX (http://www.la-tindex. unam.mx/) y en las bases de datos ISOCe ICYT (Instituto de Estudios Documentales so-bre Ciencia y Tecnología, IEDCYT-CSIC). A tra-vés del portal de difusión electrónica de revistascientíf icas DIALNET de la Universidad de LaRioja (http://dialnet.unirioja.es/) y del sitio webde la Asociación Española de Teledetección(http://www.aet.org.es/?q=numeros) se puede ac-ceder a los contenidos de la revista, en formato.pdf. Revista de Teledetección forma parte de e-revist@s, una Plataforma Open Access de Re-vistas Científicas Electrónicas españolas y lati-noamericanas (http://www.erevistas.csic.es/). Porúltimo, el sitio web de la Asociación Española deTeledetección (http://www.aet.org.es/) disponede una herramienta de búsqueda que puede apli-

carse a la selección de los contenidos de los nú-meros publicados de la revista.

PRESENTACIÓN DE ORIGINALES

1. ARTÍCULOS

Los artículos deberán ser obligatoriamente ori-ginales e inéditos. Se enviarán en soporte digital(preferentemente Word o compatible). El traba-jo no excederá de 25 páginas (DIN-A4) incluidosresúmenes, figuras, tablas y referencias. Los tra-bajos deberán ir precedidos de resúmenes en es-pañol e inglés, finalizando con las palabras cla-ve. Para facilitar la edición se recomienda escribirlos artículos utilizando la plantilla Word dispo-nible en el siguiente enlace:http://www.aet.org.es/plantillas/plantilla.doc

El Consejo de Redacción seleccionará los ar-tículos en función de su calidad y originalidad.Para desarrollar esta tarea de supervisión, conta-rá con la colaboración de especialistas de la co-munidad científ ica nacional e internacional deteledetección quienes, de forma anónima, infor-marán sobre la conveniencia o no de la publica-ción de los artículos evaluados o, en su caso, so-bre las modificaciones que el autor deberá incluiren el trabajo. La maquetación final del artículose realizará desde la secretaría de la revista, unavez que se haya recibido la versión final del mis-mo, aprobada por el consejo de redacción.

En cualquier caso, es recomendable ajustarsea los siguientes criterios:

• Título en Mayúsculas, centrado. Además deltítulo en español, los autores indicarán el títulodel artículo en inglés.

• A continuación, autores e institución en laque trabajan, dirección y correo electrónico pa-ra el autor principal.

• Resumen / Abstract y palabras clave (mí-nimo de 5).

• Texto principal: los epígrafes principalesirán, sin numerar, en mayúsculas y negritas y lossubepígrafes en minúsculas negritas.

• Las líneas vendrán numeradas correlativa-mente desde el inicio hasta el final del texto.

• Referencias. Tablas. Pies de figura y figu-ras, insertadas en el documento.

Información y normas para los autores

Asociación Española de Teledetección Revista de Teledetección 40, 3-4ISSN: 1988-8740

• Las citas de autor, en el texto, irán en minús-cula (ej. Fernández, 2006 ó Fernández et al., 2005).

• Las tablas y figuras deberán llevar un títuloy estar numeradas consecutivamente. Se indicarásu inserción en el texto con el texto: «Insertar fig.XX». Las figuras pueden insertarse en el texto pa-ra la versión de evaluación, pero se requerirá pos-teriormente remitirlas en ficheros gráficos (tif,jpg), con suficiente resolución (300 ppp o supe-rior). Se debe prestar especial atención a la rotu-lación, para que sean legibles al tamaño final de re-producción. Se pueden incluir figuras en color,aunque conviene considerar que sólo se reprodu-cirán en color para la edición electrónica de la re-vista, mientras serán en blanco y negro para la ver-sión impresa. Las tablas se envierán en unarchivo de Microsoft Excel, evitando insertar fi-guras en ellas.

• Se intentará evitar la inclusión de notas apie de página. En caso necesario, la numeraciónserá correlativa. Se indicarán en el texto comosuperíndices.

Las referencias irán al final del texto del artí-culo y sólo se incluirán las citadas en el texto. Es-tará dispuesta por orden alfabético por el apelli-do del autor o autores, en mayúscula y nombre onombres propios con inicial, seguido de la fecha,título en cursiva, lugar de edición, editorial y nú-mero de páginas (ej: CHUVIECO, E. 2002. Te-ledetección Ambiental, Barcelona, Ariel, 586pags). Los artículos de revista habrán de redac-tarse como sigue: apellidos del autor o autorescon las iniciales de sus nombres propios, fechade edición, título del trabajo, nombre de la revistaen cursiva, número del volumen y/o del fascícu-lo, primera y última página (ej. VENTURINI, V.,RODRÍGUEZ, L. y ISLAM, S. 2007. Metodolo-gía para la estimación de la facción evaporable yla evapotranspiración con productos MODIS. Re-vista de Teledetección. 27: 44-52).

2. PRESENTACIÓN DE CASOSPRÁCTICOS

La revista incluirá una sección que describaexperiencias prácticas en las que se haya utiliza-do la teledetección para desarrollar un proyectode gestión o análisis territorial, desarrollo de mi-siones, sensores, segmentos terrestres, etc. Su ob-jetivo es mostrar ejemplos de cómo la teledetec-ción se emplea en situaciones prácticas.

Estos artículos no se incluirán en el procesode revisión estándar de la revista, sino que seránevaluados por el director de la misma o personaen quien delegue. Seguirán, por lo demás, la mis-ma estructura formal de los artículos, aunque lasreferencias bibliográficas serán más sucintas.

3. CRÍTICAS DE LIBROS O PROGRAMAS

Se incluirán recensiones críticas de libros, pro-gramas o material docente relacionados con mé-todos o aplicaciones de la teledetección, así co-mo resúmenes de tesis doctorales. Se incluirá enlas mismas los datos completos de la obra recen-sionada: ficha bibliográfica del libro, datos de re-ferencia del programa (incluyendo versión, cos-te, dirección de contacto), o de la página webcomentada (incluyendo último acceso), así comolos del autor de la crítica.

Todos los trabajos se enviarán a la siguientedirección: [email protected]

ASOCIACIÓN ESPAÑOLA DE TELEDETECCIÓN

La Asociación Española de Teledetección(AET) se inscribió en el Registro de Asociacio-nes del Ministerio del Interior el 8 de Septiem-bre de 1988 con el número nacional 81537.

Los fines son fomentar, facilitar, aunar y di-fundir los trabajos de investigación interdiscipli-nar en todos los aspectos de la Teledetección enEspaña mediante:

a) Organización de reuniones, periódicas ono, para la exposición y discusión de trabajoscientíficos.

b) Revista, actas, boletines y servicios de in-formación bibliográfica.

c) Organización de cursillos, conferencias ypublicaciones para la difusión de la investigacióncientífica en la relación de la Teledetección.

d) Creación de Grupos temáticos de trabajopara el estudio de problemas concretos.

e) Fomento de las enseñanzas y estímulo dela investigación en relación con las ramas de laciencia vinculadas con Teledetección.

f) Y la ejecución de cualesquiera otros finesen relación con la actividad principal, siempreque sean compatibles con las disposiciones lega-les y con las normas dictadas al efecto por los or-ganismos competentes.

4 Revista de Teledetección (2013) 40, 3-4


Evaluación mediante teledetección del efecto de canalizaciones sobre el humedal

del Saladillo, Argentina

C. López1, P. G. Brandolin2, O. R. Campanella3, A. L. Martino1 y C. de Angelo4

1 Departamento de Ciencias Naturales. Facultad de Ciencias Exactas, Físico-Químicas y Naturales. Universidad Nacional de Río Cuarto-UNRC. Ruta 36, km 601.

5800 Río Cuarto (Córdoba), Argentina2 Asociación Civil Amigos para la Conservación de las Aves. Leopoldo Lugones 1441.

5800 Río Cuarto (Córdoba), Argentina3 Departamento de Geología. Facultad de Ciencias Exactas, Físico-Químicas y Naturales.

Universidad Nacional de Río Cuarto-UNRC. Ruta 36, km 601. 5800 Río Cuarto (Córdoba), Argentina

4 Instituto de Biología Subtropical. Facultad de Ciencias Forestales. Universidad Nacional de Misiones - CONICET - Asociación Civil Centro de Investigaciones

del Bosque Atlántico. Bertoni 85. Puerto Iguazú (Misiones), Argentina

Resumen

Los humedales son ecosistemas naturales cuya dinámica está determinada principalmente por lapresencia de agua. Generalmente se los identifica como áreas que se inundan temporariamente don-de el agua subterránea aflora en la superficie, o con áreas con suelos de baja permeabilidad que per-manecen cubiertos por agua poco profunda. El agua, por lo tanto, juega un rol fundamental en la de-terminación de su estructura y funciones ecológicas. Los datos provistos por imágenes satelitales sonuna herramienta apropiada para analizar humedales y los cambios ocurridos en ellos a lo largo deltiempo. Los Bañados del Saladillo son un complejo de humedales en el centro de Argentina, de granimportancia para la preservación de aves acuáticas. Estos bañados han sufrido profundos cambios porel avance de la agricultura y las canalizaciones realizadas para mitigar el efecto de inundaciones en elsudeste de la provincia de Córdoba de este país. El objetivo del trabajo fue conocer la condición his-tórica y presente de los Bañados del Saladillo, y analizar los efectos de las canalizaciones sobre losmismos. Se estudiaron 6 imágenes satelitales que se clasificaron con ENVI 4.8, representando la es-tación seca y húmeda en tres períodos: previo a las canalizaciones (1996); posterior a las canaliza-ciones (2004-2006); período reciente (2010-2011). Éstas fueron seleccionadas de acuerdo a las pre-cipitaciones acumuladas en 6 meses previos para que fueran comparables. El área de lagunas se redujoentre un 70% (estación húmeda) y un 33% (estación seca). Los mayores cambios observados en la es-tación húmeda se reflejaron también en la reducción del número de lagunas (40%), la variabilidad desu tamaño (66%), el perímetro de las mismas (28%) y el incremento de la distancia entre ellas. Másallá de la mitigación de las inundaciones, las canalizaciones favorecieron el avance de la agriculturasobre áreas históricamente inundadas en la estación lluviosa, poniendo en riesgo la persistencia de es-te importante humedal del sudeste de Córdoba en el centro de Argentina. Los resultados obtenidos re-presentan una herramienta útil al momento de tomar decisiones para el manejo y conservación de es-tos relictos de hábitat natural y su biodiversidad.

Palabras claves: avance de la frontera agrícola, Bañados del Saladillo, canalizaciones, conserva-ción de la biodiversidad, teledetección.

* Autor para la correspondencia: [email protected]: 24-12-12; Aceptado: 16-09-13.

Introducción

Los humedales son ecosistemas naturales cu-ya dinámica está determinada principalmentepor la presencia de agua (Ramsar, 1971). El tér-mino humedales se refiere a una amplia varie-dad de hábitats interiores, costeros y marinosque generalmente se los identifica como áreasque se inundan temporariamente donde el aguasubterránea aflora en la superficie, o con áreascon suelos de baja permeabilidad que perma-necen cubiertos por agua poco profunda. Elagua, por lo tanto, juega un rol fundamental enla determinación de su estructura y funcionesecológicas, entre ellas el sostenimiento de unarica biodiversidad (Andrade y Benítez, 2004;Alvarado Quesada, 2006; Celis, 2006).

A pesar de la rica biodiversidad y los servi-cios ambientales que brindan los humedales(Ramsar 1971 y 2000, Mengui 2000, Mitsch yGosselink, 2000), el manejo de los mismos his-tóricamente no ha tenido en cuenta sus valoresy fue direccionado bajo el concepto de que es-tos ambientes podían ser drenados o rellena-dos (Neiff 1997, Canevari et al. 1998). A nivelglobal, estos ambientes están sometidos a una

magnitud sin precedente de disturbios antró-picos locales y globales (Brönmark y Hansson2002, Saunders et al. 2002), indicando algunasestimaciones que más del 50% de los humeda-les ya han sido alterados, degradados o perdi-dos en los últimos 150 años a nivel global(O’Connell 2003). Los procesos de degrada-ción ecológica que han sufrido los humedalesse han acelerado e intensificado en las últimasdécadas como consecuencia del avance de lafrontera agrícola y otros cambios en el uso dela tierra asociados al aumento de la población,la sobreexplotación de los recursos naturales yel desarrollo tecnológico (Saunders et al.2002). Sumado a esto, los fenómenos globalesde cambio climático pueden alterar los pará-metros hidrológicos de los humedales y afec-tar a las especies que dependen de ellos (Har-tig et al. 2002). A causa de la alarmante pérdidade humedales es que organismos internacio-nales (ej. Ramsar, Wetlands International, Bird-Life International) han generado en la actuali-dad un interés particular en la conservación deestos ambientes debido a que el impacto sos-tenido históricamente sobre los mismos ha cau-sado grandes pérdidas de su biodiversidad aso-

6 C. López / Revista de Teledetección (2013) 40, 5-21

Abstract

Using remote sensing to evaluate the effect of channelization on wetlands in central Argentina

Wetlands are natural ecosystems whose dynamics is mainly determined by the presence of water.They are generally identified as temporarily flooded areas where groundwater emerges at the surface,or areas with low permeability soils that remain covered by shallow water. The water, therefore, playsa key role in determining the structure and ecological functions of wetlands. Data provided by satelliteimages are an appropriate tool for analyzing wetlands and their changes over time. The SaladilloWetlands are a complex of marshlands in the centre of Argentina, of great importance to the preservationof birds. These marshes have suffered profound changes caused by the advancement of agriculture andchannels made to mitigate the effects of flooding in the southeast of the province of Cordoba in thiscountry. The objective of our work was to know the historical and present condition of the SaladilloWetlands, and to analyze the effects of the channelization on them. We studied six satellite imagesclassified with ENVI 4.8. These images represented the dry and the wet season into three periods:prior to the channelization (1996), after the channelization (2004-2006); and recent period (2010-2011). They were selected according to the accumulated rainfall during the previous 6 months to makethem comparable. The pond area was reduced by 70% (wet season) and 33% (dry season). The majorchanges observed in the wet season also reflected in the reduction in the number of ponds (40%), thevariability of their size (66%), the perimeter of flooded areas (28%) and an increasing the distancebetween ponds. Beyond the flood mitigation, the channelization favoured the advancement of agricultureon areas historically flooded in the rainy season, threatening the persistence of this important wetlandof the southeast of Cordoba in central Argentina. Our results represent a useful tool for the managementand conservation of these remnants of natural habitat and biodiversity.

Key words: advance of the agricultural frontier, biodiversity conservation, channelization, remotesensing, Saladillo Wetlands.

ciada (RAMSAR, 1971). Por ello, describir ymonitorear el estado de los humedales y las tie-rras que los rodean es de gran relevancia por-que las prácticas de uso del suelo en las zonasadyacentes pueden causar la pérdida de losmismos, sus funciones, bienes, servicios y va-lores (Barbier et al., 1997).

La Republica Argentina no es la excepciónrespecto al deterioro y pérdida de los humeda-les y su biodiversidad (Neiff, 2001b). Los másgrandes humedales del país, como los Esterosdel Iberá, han sufrido el deterioro y su reduc-ción a partir del avance de actividades produc-tivas como el arroz y las plantaciones foresta-les (Neiff y Poi de Neiff, 2006). Inclusoaquellos humedales más remotos del país tam-bién fueron afectados por acciones antrópicasque ponen en riesgo su biodiversidad (Canzia-ni et al. 2001). En la región central de Argenti-na encontramos otro caso destacado, el de losBañados del Río Saladillo (Figura 1). Históri-camente, esta región del sur de la provincia deCórdoba se ve afectado por inundaciones recu-rrentes. Las mismas se producen en años de pre-cipitaciones extremas a causa de que el escu-

rrimiento superficial del agua es escaso (Cue-llo et al., 2003). Particularmente entre los años1998 y 2001, áreas circundantes a los Bañadosdel Río Saladillo se vieron enormemente afec-tadas por las inundaciones coincidiendo con fe-nómenos de abundantes precipitaciones (De-gioanni et al., 2002b; Maldonado et al., 2005).A causa de ello, los años sucesivos se realiza-ron en todo el sur provincial canalizaciones pa-ra mitigar el efecto de las inundaciones, prin-cipalmente atravesando el área por dos grandescanales construidos por el gobierno provincial:el canal del río Cuarto y el canal de La Brava(Brandolin et al. 2013; Brandolin y Ávalos,2012). También se han construido en estos añosuna serie de canales por parte de propietariosprivados, en su mayoría sin autorización ni pla-nificación gubernamental alguna, que interco-nectan cuencas, derivan la problemática a otrossectores y afectan áreas que en otros momen-tos no eran afectadas (Maldonado et al., 2005).

Como consecuencia de estas canalizacionesy dragados tendientes a mitigar los efectos delas inundaciones, se ha modificado el funcio-namiento hidráulico de la cuenca del Río Sa-

Evaluación mediante teledetección del efecto de canalizaciones... 7

Figura 1. Localización del área de estudio en la provincia de Córdoba, Argentina (arriba-izquierda), y de-talle del área seleccionada para el análisis (abajo-derecha).

ladillo (Brandolin y Ávalos, 2012). Si bien ini-cialmente los canales estaban destinados a dre-nar el excedente hídrico de lluvias extremas,existen indicios de que la superficie de los Ba-ñados ha disminuido, y hay cierta controversiasobre si las causas de dicha disminución fue-ron dichas canalizaciones o causas climáticas(FICH-UNL, 1999; Brandolin y Ávalos, 2012).La obtención de información sobre la situaciónhistórica y presente de los Bañados es impres-cindible para evaluar acciones futuras ten-dientes a un manejo integrado de la región quecontemple la conservación de su biodiversidad(Casañas, 2004).

En este trabajo se utilizaron herramientas deteledetección en la región de los Bañados delRío Saladillo para 1) Conocer la condición his-tórica y presente de estos humedales, 2) Des-cribir los cambios ocurridos en los Bañados delSaladillo en los últimos 15 años en cuanto a lasuperficie ocupada, el número de lagunas, ta-maño de las mismas, y proximidad entre ellas,entre otras características relevantes y 3) Ana-lizar las posibles causas (climáticas vs. antró-picas) que llevaron a los cambios que se ob-serven en los Bañados.

Datos y metodología

Área de estudio

El área de los Bañados del Río Saladillo selocaliza en el sudeste de la provincia de Cór-doba, República Argentina, en el Departamen-to de Unión, en una de las regiones más pro-ductivas para la actividad agropecuariaprovincial. Es un sistema de aproximadamen-te 40 lagunas permanentes de agua dulce y nu-merosas lagunas temporarias ubicadas sobreuna gran depresión del terreno, cercano a lasciudades de Canals y Laborde (Figura 1). Elárea de estudio se encuentra demarcada entrelas coordenadas 33°04’-33°33’S y 62°46’-63°18’O cubriendo una superf icie de unas195.000 ha, 71 km de desarrollo en sentido Es-te-Oeste con desnivel de 179 m, pendiente ge-neral de 0.1% y máxima de 2.2%.

Se estima que históricamente los Bañadosdel Río Saladillo poseían una superficie apro-

ximada de 30.000 ha (Coconier, 2005). Este hu-medal se localiza en la ecorregión pampeanadonde predominaban hábitats de pastizales yrestos de espinal. Sin embargo, los principalesusos de la tierra que hoy en día rodean los Ba-ñados son agricultura, ganadería, y áreas utili-zadas para la recreación y turismo (Di Giaco-mo, 2005). Las lagunas y bañados quecomponen el sistema del Saladillo son alimen-tadas principalmente por el Río Cuarto, que dis-curre en dirección SE-NE (que luego tomará elnombre de Saladillo). También recibe las aguasprovenientes del suroeste que son canalizadasdesde los Bañados de Tigre Muerto, a través delcanal Devoto. Estas aguas, luego de pasar poruna cadena de lagunas entre las que se desta-can: Las Acollaradas, La Santa Ana, El Camo-atí, La Helvecia, La Terita, La Dulce, La Sala-da Chica y La Salada Grande (Casañas, 2004);El Señuelo y La Brava, cruzan la Ruta Nacio-nal N.° 8 y llegan a los Bañados del Saladillo.Estos conforman una planicie extensa de ori-gen fluvial, que en épocas normales es una zo-na de circulación de agua hacia el Río Saladi-llo, mientras que en los momentos de grandesaumentos de caudal funciona como tapón pro-vocando un aumento de las superficies inun-dadas. Los sedimentos provenientes del RíoCuarto, y arroyos como el de Chazón y Chuculque aportan al sistema crean en determinadasépocas, especialmente primavera y verano, unhábitat propicio para la alimentación de muchasespecies de aves acuáticas (Casañas, 2004).

Estos bañados representan una enorme áreade cría, alimentación y descanso invernal denumerosas especies de aves acuáticas, muchasde ellas migratorias demostrando su relevan-cia a nivel mundial (Casañas, 2004). Pese a serconsiderados de gran importancia, los Baña-dos del Río Saladillo no poseen ninguna figu-ra de protección que permita conservar por-ciones representativas de estos humedales paraasegurar una mínima superficie de hábitat dis-ponible para las aves y la vida silvestre en ge-neral (Coconier, 2005).

Análisis de imágenes satelitales

La teledetección ha resultado una herra-mienta particularmente apta para el estudio de


un fenómeno, cuyo objeto de estudio es uncuerpo de la superficie terrestre (agua en el ca-so de los humedales) de fácil discriminaciónespectral (Degioanni et al., 2002a). Por ello, lateledetección por satélite puede ser apropiadapara analizar humedales, la pérdida de ellos enel tiempo y el seguimiento en torno a usos dela tierra, pudiendo con esta herramienta inclu-so monitorearlos estacional o anualmente(Ozesmi y Bauer, 2002).

Por ello, para este trabajo utilizamos imá-genes satelitales de los Bañados del Río Sala-dillo a partir de la base de imágenes disponi-bles en el Instituto Nacional de PesquisasEspaciales de Brasil (www.inpe.br). De allí seescogieron las que poseían la mínima cobertu-ra de nubes, para que no afecte a las medicio-nes en la región de interés. Se seleccionaronimágenes del satélite LANDSAT 5 TM WRS228/083 de diferentes años (INPE, 2011) paracubrir el período 1996-2011. Se seleccionó enperíodos de 4 a 5 años una imagen de finalesde la estación seca (septiembre-octubre) y otrade finales de la estación húmeda (marzo-abril)(Degioanni et al., 2002a). Se consideró adqui-

rir imágenes comparables respecto a los regis-tros pluviométricos correspondientes a seismeses anteriores de la fecha de adquisición dela imagen (Figura 2). Esto contribuyó a detec-tar eventuales interferencias con otros factoresque puedan modificar la condición de los Ba-ñados. Los registros pluviométricos mensua-les de la zona de estudio desde 1996 hasta 2011fueron obtenidos a partir de Climate Explorer:time series (www.climexp.knmi.nl), para bus-car y seleccionar las imágenes satelitales másadecuadas en años con precipitaciones que es-tuvieran dentro de los valores promedio parala región (Tabla 1). A partir de las imágenesdisponibles para años comparables, se selec-cionaron tres períodos a analizar: período 1(previo a las grandes inundaciones de fines dela década y a las canalizaciones principales decomienzos del 2000); período 2 (posterior a lasprincipales canalizaciones en el área); y pe-ríodo 3 (período más reciente, posterior a laruptura y desborde del canal del río Cuarto).

De las imágenes seleccionadas se generaronsub escenas correspondientes al área de estu-dio. La imagen de fecha más reciente (marzo


Tabla 1. Imágenes analizadas para la estación húmeda y seca para monitorear la superficie inundada en laregión de los Bañados del Saladillo en el sudeste de Córdoba, Argentina. Entre paréntesis se mencionan laslluvias acumuladas en los seis meses previos a la fecha de la imagen, valor utilizado como criterio para suselección para obtener imágenes comparables

Estación seca Estación húmeda (entre 100 y 200 mm) (entre 600 y 700 mm)

Período 1: Antes de las canalizaciones principales Del 04/11/1996 Del 10/04/1996Período 2: Después de las principales canalizaciones Del 15/10/2006 Del 15/03/2004Período 3: Situación reciente Del 26/10/2010 Del 04/04/2011

Figura 2. Lluvias acumuladas en los seis meses previos a la adquisición de las imágenes analizadas para laestación seca (izquierda) y húmeda (derecha). Se representan siete meses debido a las diferencias en las fe-chas de adquisición de las imágenes pero el total corresponde a la sumatoria acumulada en los seis mesesprevios a la fecha de la imagen de cada período.

de 2011) se georreferenció a partir de 50 pun-tos de GPS tomados en el terreno en lugaresque pudieran ser reconocibles en la imagen(cruces de rutas, puentes, etc.) (Degioanniet al., 2002a). Las otras imágenes fueron co-registradas con esta imagen con un error me-dio cuadrático de la transformación menor aun pixel (30 × 30m) de manera de reducir po-tenciales errores de superposición. En este es-tudio se utilizaron las aplicaciones ENVI 4.8(ITT, 2010) y ArcMap 10 (ESRI, 2010).

Para la clasificación de las imágenes en lascoberturas de suelo de interés se definieron di-ferentes tamaños y números de campos de en-

trenamiento para cada imagen independiente-mente para que no fueran necesarias correc-ciones radiométricas (Song et al., 2001). Me-diante el análisis visual de la composición RGB752, se establecieron 4 clases de muestreo querepresentan: agua; barro o áreas inundables;pastos y vegetación natural; y agricultura (De-gioanni et al., 2002a) (Tabla 2). Se clasifica-ron supervisadamente usando el método deasignación de máxima verosimilitud. Median-te este método se obtuvo un mapa de las áreascubiertas por los Bañados y otros usos de la tie-rra para la estación seca y húmeda en los dife-rentes períodos estudiados (Figura 3).


Tabla 2. Cantidad de pixeles y superficie aproximada tomados como muestrapara las diferentes clases de cobertura en cada imagen, con el fin de obtenerclasificaciones comparables para los diferentes períodos. La superficie paracada clase se seleccionó a partir de su frecuencia relativa promedio en el áreade estudio y los datos de la tabla representan los valores promedio utilizadospara la clasificación de todas las imágenes analizadas. Los datos de la tablacorresponden a una imagen de la región e los Bañados del Saladillo de co-mienzos de abril de 2011 en la porción sudeste del área de estudio

Clases muestreadas Píxeles Superficie (ha) Color

Agua 20.000 1.800 AzulAgricultura 250.000 22.500 AnaranjadoPastos o vegetación natural 100.000 9.000 VerdeBarro o áreas inundables 20.000 1.800 Marrón

Figura 3. Ejemplo del resultado de la clasificación supervisada (derecha) de una imagen RGB 752 TM04/04/2011 (izquierda) utilizando las siguientes categorías de cobertura del suelo: agua, agricultura, pas-tos o vegetación natural, y barro o áreas inundables (ver colores de referencia en Tabla 2); y el método demáxima verosimilitud. La imagen mostrada corresponde a la región de los Bañados del Saladillo de co-mienzos de abril de 2011 en la porción sudeste del área de estudio.

Postclasificación y validación

La post clasificación se realizó mediante lasherramientas Sieve classes y Majority/Mino-rity Analysis de ENVI para eliminar puntos noclasificados, para disminuir el efecto de gra-nulado y eliminar píxeles sueltos de las dife-rentes clases. Se guardó las imágenes con elformato Erdas Imagine para luego analizarlascon ArcMap10 (ESRI, 2010).

Para obtener una estimación del error aso-ciado a las clasificaciones realizadas y poderestimar la confiabilidad de los resultados seutilizó un método alternativo de validación apartir de imágenes satelitales de alta resolu-ción (Izquierdo et al., 2008). Se presentó unproyecto de trabajo a la organización PlanetAction (www.planet-action.org), mediante lacual se accedió a una imagen del satélite SPOT5 de 2,5 m de resolución espacial, con fecha deadquisición 21/03/2011, fecha cercana a la co-rrespondiente a la clasificación del último pe-ríodo analizado (estación húmeda 04/04/2011).Esta imagen fue corregistrada de la misma ma-nera que las imágenes clasificadas e interpre-tada visualmente para el proceso de validación(Figura 4).

Se creó una grilla de puntos ubicados al azaren la parte del área de estudio cubierta por laimagen SPOT. Esta grilla fue de 35 puntos ge-nerados sobre superficies clasif icadas comoagua y 99 puntos en áreas clasificadas comootro uso de la tierra. Previamente, se elimina-ron aquellos puntos que hubiesen quedado lo-

calizados a una distancia menor a 60 metrosdel borde (entre una zona de agua y «no agua»)para evitar contabilizar errores que pudierandeberse a las diferencias de resolución entrelas imágenes y a los errores de corregistro.Luego se observaron los puntos seleccionadosen la imagen SPOT para corroborar si corres-pondían a agua o no, es decir si eran correctose incorrectos, para luego calcular los porcen-tajes de la validación. También se calculó el Ín-dice Kappa considerando la diferencia entre laproporción de acuerdo observado y la propor-ción de acuerdo esperado por azar.

Análisis de cambios en la superficie y fragmentación

Con la extensión PatchGrid para ArcMap10(Rempel et al., 2008) se analizaron índicescuantitativos de ecología de paisajes aplicadosa nivel de fragmento de hábitat (Vilá Subiroset al., 2006). En este caso, los fragmentos oparches de hábitat estuvieron representados porlas lagunas y superficies cubiertas por agua,ya que el análisis se realizó desde la perspec-tiva de las aves acuáticas que corresponden aun grupo biológico de los más emblemáticosen cuanto la importancia de conservación deeste sitio (Casañas, 2004). De esta manera seevaluó el cambio en aspectos básicos relacio-nados a la disponibilidad y fragmentación delhábitat de estas aves a lo largo del tiempo, con-siderando lo sucedido antes y después de las


Figura 4. Ejemplo de la vista de una laguna en una composición RGB752 de la imagen Landsat 5 TM (30m de resolución; izquierda), el resultado de la clasificación supervisada (centro, referencias de los coloresen Tabla 2) y la misma laguna vista con una imagen del satélite SPOT 5 (2,5 metros de resolución; derecha)utilizada para estimar el error de clasificación en el período analizado más reciente (marzo-abril 2011).

canalizaciones de los Bañados tanto para lasépocas lluviosas como secas. Entre el conjun-to de índices disponibles, se calcularon los si-guientes: área cubierta por lagunas; número to-tal de lagunas; tamaño promedio de lagunas;desviación estándar del tamaño promedio delagunas (medida de la variabilidad de tamañosde las lagunas); total de costa (sumatoria delperímetro del borde a nivel de laguna en todoel paisaje); y trayecto promedio entre lagunas(promedio de la distancia al fragmento de lamisma clase más próximo). Para los índices detamaño promedio de lagunas y distancia pro-medio entre lagunas, utilizamos comparacio-nes no paramétricas (test de Kruskal-Wallis ycomparación múltiple simultáneas a posterio-ri de efectos relativos; Sokal y Rohlf, 1995;Konietschke 2013) para observar si los cam-bios ocurridos en cada estación fueron signi-ficativos en comparación con periodo inicialanalizado (período 1). Los análisis estadísticosfueron realizados con el programa R (R Deve-lopment Core Team, 2012).

Resultados

El porcentaje de concordancia entre puntoscorrespondientes a zonas cubiertas por agua enla imagen de alta resolución con los puntos cla-sificados como agua para la estación húmedadel 2011 fue del 90,6%. Por otro lado, el por-centaje de concordancia entre puntos clasifi-cados como no agua sobre el total de puntos es-cogidos al azar clasificado como no agua fuedel 93,6%. Esto resulta en una concordanciamedia del 92,1 demostrando que se obtuvo unaclasificación relativamente precisa. Conside-rando que el mismo método de clasificación fueutilizado en ambas estaciones de los tres perí-odos analizados, podemos asumir que un errorsimilar estaría asociado a las otras clasif ica-ciones y, por lo tanto, cambios menores o de al-rededor del 8% deben ser interpretados con pre-caución ya que podrían deberse principalmentea errores de clasificación. Al calcular el Índicede Kappa (Kappa = 0,817, ES = 0,059), este ín-dice ratifica nuestra validación ya que la fuer-za de concordancia es muy buena, siguiendo loscriterios sugeridos por Lopez de Ullibarri Gal-parsoro y Pita Fernández (1999).

De manera cuantitativa se observa que entreel período 1 y 2 cuando las mayores canaliza-ciones fueron realizadas, el área total cubiertapor lagunas disminuyó drásticamente en am-bas estaciones (seca y húmeda, Figura 5a). Sibien entre el período 2 y 3 se ve una leve ten-dencia de incremento, en ninguna de las dosestaciones se llegó nuevamente a las mas de12000 ha de superficie cubierta por agua (Fi-gura 5a). Del mismo modo, el número total delagunas disminuyó de manera marcada en am-bas estaciones entre los primeros períodos ana-lizados (Figura 5b). En el período posterior seprodujo un aumento hacia el 2010-2011, peroal igual que la superficie inundada la cantidadde lagunas se mantuvo por debajo de los valo-res iniciales. Para la estación seca en el últimoperiodo el número de lagunas se asemeja a losvalores del primer periodo (Figura 5b).

Las lagunas y cuerpos de agua, en promediosiempre fueron mayores en la estación húme-da respecto a la estación seca, pero el tamañopromedio de lagunas se redujo a lo largo de to-do el período de estudio en ambas estaciones(Figura 5c; test de Kruskal-Wallis para esta-ción seca: x2 = 21,79, gl = 2, p < 0,001; paraestación húmeda: x2 = 4,68, gl = 2, p = 0,095).Si bien el valor promedio final de tamaño delagunas fue menor en el último período res-pecto a los anteriores (Figura 5c), las diferen-cias más significativas en los tamaños de la-gunas fueron observadas entre los períodos 1y 2 para ambas estaciones (comparaciones múl-tiples respecto al período 1: período 1 vs 2 enestación seca: F = 0,069, p < 0,001, en esta-ción húmeda: F = –0,013, p = 0,06; períodos 1vs. 3 en estación seca: F = –0,013, p = 0,1; enestación húmeda: F = –0,002, p = 0,95). Enconcordancia con el resultado anterior, la va-riabilidad en el tamaño de las lagunas se ob-serva que éste ha disminuido marcadamentedesde el período 1 hacia el período 2, tanto enestación seca como en húmeda; y se produjoun leve aumento hacia 2010-2011 pero sin re-cuperar la variabilidad encontrada inicialmen-te (Figura 5d).

En cuanto a la distancia entre lagunas, se ob-servó que en promedio esta distancia siemprefue mayor en la estación húmeda que en la es-tación seca, aumentando bruscamente en am-bas estaciones desde 1996 al 2006 (Figura 5e;



Figura 5. Índices cuantitativos de paisaje: a) Área total de lagunas; b) cantidad de lagunas; c) Tamaño pro-medio de lagunas; d) variación del tamaño promedio de lagunas medido a través de la desviación estándar(SD); e) Distancia promedio entre lagunas; f) total de costas de lagunas de los Bañados del Río Saladillo.Las flechas rojas indican: 1) creación de los principales canales; y 2) ruptura del canal del Cuarto.

test de Kruskal-Wallis para estación seca:x2 = 159,83, gl = 2, p < 0,001, período 1 vs. 2:F = –0,03, p < 0.001; para estación húmeda:x2 = 21,49, gl = 2, p < 0,001, período 1 vs. 2:F = –0,027, p = 0,003), con una tendencia endescenso hacia el 2010-2011 (Figura 5e; paraestación seca: período 1 vs. 3: F = –0,012,p = 0,059; para estación húmeda: período 1vs. 3: F = 0,017, p = 0,04). Mientras que en laestación seca la distancia promedio se acercó alos valores observados en 1996, en la estaciónhúmeda las lagunas siguieron estando más ale-jadas entre sí que en el período inicial analiza-do (Figura 5e). Al igual que lo observado en lasuperficie cubierta por agua, la longitud de cos-tas también disminuyó en ambas estaciones des-de 1996 al 2004-2006, con una leve tendenciaen aumento hacia el 2010-2011 luego de la rup-tura del canal del Cuarto (Figura 5f).

Estos resultados se muestran también de ma-nera cualitativa si observamos toda el área deestudio (Figura 6), pero particularmente parala región atravesada por los mayores canalesen el sudeste de la misma (Figura 7).

Discusión

A través de este trabajo se pudo conocer lahistoria de los últimos 15 años y el presente delos Bañados del Río Saladillo en el área cen-tral de Argentina por medio de teledetección.Ello nos permitió observar los cambios ocu-rridos en los últimos 15 años en esta impor-tante área para la conservación de la biodiver-sidad, período durante el cual se llevaronadelante numerosas obras de canalización enla región con el f in de mitigar inundaciones.Mediante este análisis observamos la dismi-nución de la superficie ocupada por agua (másdel 50% en la estación húmeda y del 30% enla estación seca), la reducción tanto del núme-ro de lagunas como el tamaño de las mismas(principalmente en la estación húmeda), y ladesaparición de más del 50% en estación hú-meda de superficies del ambiente costero (Fi-guras 5 y 6), lo que significa una cuantiosa pér-dida y fragmentación del hábitat para labiodiversidad acuática, en especial para lasaves acuáticas de esta región (Herrera, 2011;Valdés, 2011). Estos cambios se observaron a

pesar de hacer las mediciones en imágenes queprovienen de épocas con similares condicionesmeteorológicas y precipitaciones equivalentesen los meses previos, apoyando la hipótesis deque las causas principales de estos cambios es-tán asociadas a las actividades de canalizacióny drenado de los Bañados (Brandolín et al.2013).

Para la década del ’90 el área analizada es-taba cubierta por más de 10.000 ha de hume-dales a lo largo de todo el año, con al menosunas 2.000 ha más de superficie inundada enlos meses de verano concentrados en grandesáreas inundadas en la región de los Bañadospropiamente dichos al sudeste del área anali-zada (Figuras 5, 6 y 7). Para este período, Can-tero et al. (1998) describen para los bañadosdel Saladillo una superf icie aproximada de30.600 ha con alrededor de 675 ha de lagunaspermanentes (i.e. inundadas todo el año). Sibien estos valores no son comparables a losanalizados en este trabajo debido a las dife-rencias metodológicas (se desconoce el áreasobre la que estos autores estiman la superfi-cie ocupada por humedales), es importante des-tacar que ellos apoyan lo observado aquí res-pecto a grandes superficies cubiertas por aguay de una importante variación estacional en lasuperficie de los Bañados. En el presente tra-bajo lo que observamos tanto en el análisis cua-litativo como cuantitativo de las imágenes sa-telitales, es que luego de las canalizaciones estavariación anual entre estación seca y húmedase vio reducida, y la distribución y superficiede los humedales de la región en la estaciónhúmeda se parecen cada vez más a la estaciónseca. Por lo tanto, las canalizaciones permitie-ron no sólo controlar posibles inundaciones deáreas productivas como fue su intención ini-cial, sino también propiciaron el avance de laactividad agrícola sobre áreas que antigua-mente eran parte del sistema de humedales quese inundaban cada año durante la estación llu-viosa (Brandolin et al., 2013). Estas áreas in-undadas cada verano, ofrecían una importantediversidad de ambientes y hábitat para aves pla-yeras (en especial las migratorias que arribanen la estación húmeda), vadeadoras y zambu-llidoras (Canevari et al., 1991), que en el pre-sente ven sumamente reducida la disponibili-dad de su hábitat.


Los mayores cambios que se observaron enel presente análisis ocurren entre el primer ysegundo período (Figuras 5 y 6), coincidiendocon el desarrollo de las mayores obras de in-fraestructura por parte del gobierno provincial

entre los años 2002 y 2003: el canal de La Bra-va y el canal del río Cuarto. Estas obras, su-madas a canalizaciones menores realizadas porpropietarios privados (Cuello et al., 2003; Mal-donado et al., 2005), llevaron no sólo a la pér-


Figura 6. Distribución de las lagunas y humedales de la región de los Bañados del Saladillo en la estaciónseca (izquierda) y húmeda (derecha) para los tres períodos analizados (período 1, 2 y 3).


Figura 7. Detalle de la evolución del área ocupada por humedales región específica de los Bañados del RíoSaladillo en el sudeste del área de estudio. Se puede observar el área inundada en el período más recientea causa de la rotura del canal principal.

dida de superficie de humedales, sino tambiéna la disminución en el número y tamaño de laslagunas, lo que se reflejó en una marcada caí-da en la heterogeneidad de ambientes disponi-bles para las aves (Figura 5d). A ello se le su-ma el aumento del aislamiento entre lagunas apartir del aumento de la distancia entre las mis-mas y la reducción en la superficie cubierta porambientes costeros, causado posiblemente nosólo por la pérdida de humedales sino tambiénporque las lagunas al disminuir de tamaño to-man forma circular (Castro Nogueira, 2002).Todos estos cambios fueron más marcados yevidentes en las imágenes correspondientes ala estación húmeda, mientras que en la esta-ción seca los cambios más claros fueron la dis-minución en superficie de humedales y la pér-dida de heterogeneidad en los tamaños de laslagunas presentes. Tanto para el número decuerpos de agua y total de zona costera para laestación seca los valores de los últimos años seasemejan a los valores iniciales. En cambio pa-ra la estación húmeda todos los parámetrosanalizados no igualan a los valores iniciales.Para la biodiversidad existente en el área seriade suma importancia que los valores de estosparámetros se recuperaran. Entre los años2004-2006 y el período más reciente (2010-2011), no se observan cambios tan marcadosy, a pesar de que en promedio las lagunas si-guen disminuyendo de tamaño, en general seobserva una recuperación en los diferentes pa-rámetros analizados (Figuras 5 y 7), pero nun-ca a valores cercanos a los observados en el pe-ríodo previo a las canalizaciones principales.Parte de estos resultados pueden deberse a queentre estos años ocurrió una ruptura del canaldel río Cuarto, generando una extensa área in-undada en el sector sudeste (Figura 7).

A pesar de los claros patrones encontrados,es importante destacar las limitaciones de lametodología empleada. Debido a la dependen-cia que tienen estos humedales al régimen deprecipitaciones (Neiff, 2001a; Bó et al., 2002;Malvárez, 2004), una limitante importante esobtener imágenes satelitales comparables pa-ra su análisis. Si bien se realizó un cuidadosoanálisis de las precipitaciones acumuladas enlos seis meses previos a cada imagen, se ob-servó que la presencia de agua en muchas delas lagunas temporarias de la región podría de-

berse a condiciones climáticas más próximasen el tiempo y no al valor acumulado de llu-vias. Por ejemplo, eso podría explicar los pa-trones observados en los períodos 2 y 3, don-de la estación seca presenta superf iciesinundadas mayores a la estación húmeda (Fi-guras 5 y 6) y que la distancia promedio entrelagunas sea mayor en la estación húmeda queen la estación seca. Por este motivo, para futu-ros análisis se recomienda hacer una base dedatos con las imágenes satelitales disponiblese incorporar más criterios en cuanto a las pre-cipitaciones de manera de no sólo considerarlas lluvias acumuladas sino también las lluviasocurridas en los días previos a la captura de laimagen.

La fragmentación y pérdida de hábitat sonlas causas más importantes de pérdida de bio-diversidad en el mundo (Grez et al. 2006). Losprocesos de degradación ecológica que han su-frido los humedales se han acelerado e inten-sif icado en las últimas décadas como conse-cuencia del avance de la frontera agrícola yotros cambios en el uso de la tierra asociadosal aumento de la población, la sobreexplota-ción de los recursos naturales y el desarrollotecnológico (Brönmark y Hansson en 2002;Saunders et al. 2002; O’Connell 2003)). Losecosistemas acuáticos se hallan entre los másproductivos y de mayor importancia ecológicadel planeta. Esto se debe a que poseen una ele-vada productividad y que desempeñan un im-portante papel funcional en numerosos fenó-menos y procesos de la naturaleza, ademásalbergan una biota particularmente rica y abun-dante tanto en especies vegetales como ani-males dando sustento a una de las concentra-ciones de especies silvestres más grandes delmundo (Escobar et al. 2008). A su vez, se hademostrado que los humedales, incluso aque-llos de tamaño reducido, son de extrema im-portancia para la conservación de biodiversi-dad porque existe entre ellos conectividad parala fauna, siendo éste un elemento fundamentala tener en cuenta para la toma de decisiones so-bre conservación (Gibbs 2000; Kusch et al.2008).

Por otro lado, las inundaciones constituyenuna problemática social ya que pueden afectarextensas áreas rurales que quedan temporal-mente inutilizadas, y pueden producir daños en


la infraestructura, interrupción de las vías decomunicación e incluso la inundación de loca-lidades y evacuación de personas (Cuello et al.,2003; Degioanni et al., 2002b; Maldonadoet al., 2005). Sin embargo, la canalización sinuna adecuada planif icación puede generargrandes daños ambientales y la pérdida de nu-merosos ambientes naturales como se observóen este trabajo. Por otra parte, en traspaso deagua desde zonas con actividades agrícolas ha-cia los humedales, pueden producir problemasde contaminación por fertilizantes u otros agro-químicos, y afectar además la estructura y fun-cionamiento de los sistemas naturales supe-rando los límites de asimilación de nutrientesy contaminantes, y producir la eutrofizaciónde los cuerpos de agua, entre otras problemá-ticas (Neiff 2001b; Montico, 2002; Pérez y Na-varrete Le Blas, 2004; Rodrigues Capituloet al., 2010). En países desarrollados como losEstados Unidos, existen casos emblemáticos(Everglades, sur de Florida) donde debido a lanecesidad de proveer protección contra las in-undaciones y mantener fuentes de agua para lacreciente población humana, a principios delsiglo 20 se construyeron diversos diques, ca-nales y sistemas de exclusas que alteraron elfuncionamiento natural de los humedales. Ac-tualmente y debido al creciente interés am-biental y de conservación del agua, en esta re-gión se ha comenzado con un plan (CERP,Comprehensive Everglades Restoration Plan)para restaurar la cantidad, calidad, hidroperío-do y distribución del agua a un estado original(Johnson et al. 2007). Actualmente el 30% dela superficie original de los Everglades ha si-do transformado para agricultura o el desarro-llo urbano, el resto de la superficie perteneceal Estado en forma de Áreas de Conservaciónde Agua (WCAs, por sus siglas en inglés) (Ri-chardson 2009). Programas de restauración deesta magnitud y sus mecanismos de segui-miento asociados son hoy posible gracias a queen las investigaciones se ha sumado el uso deimágenes satelitales, que permiten realizar unmonitoreo preciso de la cobertura vegetal ycambios en el uso de la tierra (Ortiz 2000).

La región de los Bañados del Saladillo re-presentaba una importante fuente de biodiver-sidad nativa para el área central de Argentina(Casañas, 2004). Las canalizaciones han sido

la mayor intervención del hombre en este pai-saje natural, que han llevado a una pérdida sus-tancial de cuantiosos humedales que afectaronaproximadamente al 70% del área inundada enla estación húmeda y un 30% en la estación se-ca. Junto con la pérdida ambiental y de biodi-versidad, se han perdido representaciones so-ciales y actividades culturales que tenían quever con la identidad de los pueblos adaptadosa la vida en comunión con las lagunas y baña-dos (Ramsar, 1971; Montenegro et al., 2009).Además esta pérdida cultural afecta al am-biente en sí mismo, ya que las generaciones fu-turas perderán su vínculo con los ambientes na-turales (Josens et al., 2009; Perotti et al., 2005;Sarrías et al., 1996).

De esta manera, los resultados de este traba-jo destacan la necesidad de planificación de lascanalizaciones y uso del territorio en el centrode Argentina, que sea compatible con la con-servación de la biodiversidad en ambientes ru-rales, primando la protección de relictos de há-bitat natural y apuntando al desarrollo devaliosos corredores biológicos especialmentepara las aves de estos humedales. Proteger loshumedales de la región permitirá además la con-tinuidad de los procesos y funciones que cum-plen, y viabilizará la supervivencia de muchasformas de vida adaptadas a estos ecosistemaspeculiares. La teledetección puede ser una he-rramienta clave para la planificación de medi-das de manejo y ordenamiento territorial en es-ta región, así como para el monitoreo futuro deestos ambientes (Degioanni et al. 2002b).

Agradecimientos

Este trabajo fue realizado gracias al apoyode la Asociación Civil Amigos para la Conser-vación de las Aves; la Cátedra de Ecología delDepartamento de Ciencias Naturales de la Fa-cultad de Ciencias Exactas, Físico Químicas yNaturales de la Universidad Nacional de RíoCuarto; BirdLife International; y Aves Argen-tinas. Las licencias de software fueron obteni-das gracias al apoyo de la Sociedad de SIG pa-ra la Conservación (SCGIS) en coordinacióncon ESRI e ITT Visual Information Solutions.Las imágenes satelitales SPOT fueron provis-tas por Planet Action.


Referencias

ALVARADO-QUESADA, G. M. 2006. Conserva-ción de las aves acuáticas de Costa Rica. Brene-sia 66: 49-68.

ANDRADE, L. M. E., & BENÍTEZ, H. 2004 LosHumedales de la Sabana de Bogotá: Área Im-portante para la Conservación de las Aves de Co-lombia y el Mundo. Instituto de Investigación deRecursos Biológicos Alexander von Humboldt.Bogotá, Colombia, 38 págs.

BARBIER, E., ACREMAN, M., & KNOWLER, D.1997. Valoración económica de humedales. Guíapara decisores y planificadores. Oficina de laConvención de Ramsar. Gland, Suiza, 155 págs.

BÓ, R. F., QUINTANA, R. D., & MALVÁREZ, A.I. 2002. El uso de las aves acuáticas en la regióndel Delta del Paraná. En: Blanco, D. E.; Beltrán,J. & De La Balze, V. (Eds.). Primer taller sobrela caza de aves acuáticas. Hacia una estrategiapara el uso sustentable de los recursos de los hu-medales. Wetlands International, Wageningen,The Netherlands: 93-107.

BRANDOLIN, P. G., & ÁVALOS, M. A. 2012. Ba-ñados del Río Saladillo ¿un paraíso perdido? AvesArgentinas, Revista de Naturaleza y Conserva-ción 33: 14-19.

BRANDOLIN, P. G., ÁVALOS, M. A., & DE AN-GELO, C. 2013. The impact of flood control onthe loss of wetlands in Argentina. Aquatic Con-servation: Marine and Freshwater Ecosystems.23: 291-300.

BRÖNMARK C., & HANSSON, LA. 2002. Envi-ronmental cues in lakes and ponds: current stateand perspectives. Environmental Conservation29: 290-306.

CANEVARI, M., CANEVARI, P., CARRIZO, G. R.,HARRIS, G., & RODRÍGUEZ MATA, J. 1991.Nueva guía de las aves argentinas. Tomo I y II.Fundación ACINDAR, Buenos Aires, Argentina,410 pp. y 497 pp., respectivamente.

CANEVARI, P., BLANCO, D., BUCHER, E., CAS-TRO, G., & DAVINSON, I. (Eds.) 1998. Los hu-medales de la Argentina. Wetlands International,Publ. 46: 1-208.

CANTERO, A., CANTÚ, M., CISNEROS, J. M.,CANTERO, J. J., BLARASIN, M., DEGIOAN-NI, A., GONZÁLEZ, J., BECERRA, V., GIL, H.,DE PRADA, J., DEGIOVANNI, S., CHOLAKY,C., VILLEGAS, M., CABRERA, A., & ERIC, C.1998. Las tierras y aguas del sur de Córdoba.Propuestas para un manejo sustentable. Univer-sidad Nacional de Río Cuarto, 119 págs.

CANZIANI, S. M., DERLINDATI, E. J., TÁLAMO,A., SUREDA, A. L., TRUCCO, C. E., & NICO-LOSSI, G. 2001. Waterbird richness in AltiplanoWetlands of Northwestern Argentina. Waterbirds24(1): 103:117.

CASAÑAS, H. 2004. Bañados del Río Saladillo:Un Valioso Humedal Del Sur Cordobés. Natura-leza y Conservación 14: 22-25.

CASTRO NOGUEIRA, H. 2002. Integración terri-torial de espacios naturales protegidos y conec-tividad ecológica en paisajes mediterráneos.Consejería del Medio Ambiente, Dirección Ge-neral de la Red de Espacios Naturales Protegidosy Servicios Ambientales, Junta de Andalucía. Se-villa, España. 248 págs.

CELIS, J. 2006. Humedales y Biodiversidad. Cien-cia ahora 9(18): 25-31.

COCONIER, E. G. 2005. Aves acuáticas en la Ar-gentina. Aves Argentinas/Asociación Ornitoló-gica del Plata, Buenos Aires. 137 págs.

CUELLO, P., RECCA, L., & RISSO, R. 2003. In-undaciones, un problema ambiental en el sures-te de Córdoba y noreste de La Pampa. Anuariode la Facultad de Ciencias Humanas, Universi-dad Nacional de La Pampa 5: 39-64.

DEGIOANNI, A., REYNERO, M., CISNEROS, J.,& CANTERO, A. 2002a. Batimetría de lagunasmediante teledetección: ajustes de un modelo em-pírico en el sureste de Córdoba, Argentina. Re-vista de Teledetección 17: 89-95.

DEGIOANNI, A., CAMARAS, A., BELMONTE,A., CISNEROS, J., MARCOS, J., & CANTERO,A. 2002b. Las Inundaciones en el SE de Córdo-ba (Argentina) y las Tecnologías de InformaciónGeográfica: Ejemplos de Aplicación. Serie Geo-gráfica 10: 143-169.

DI GIACOMO, A. S. 2005. Áreas importantes pa-ra la conservación de las aves en la Argentina.Sitios prioritarios para la conservación de la bio-diversidad. Temas de Naturaleza y Conservación5. Aves Argentinas/Asociación Ornitológica delPlata, Buenos Aires, 514 págs.

ESCOBAR, E., MAASS, M., et al. 2008. Diversi-dad de procesos funcionales en los ecosistemas,en Capital natural de México, vol. I: Conoci-miento actual de la biodiversidad. Conabio, Mé-xico, pp. 161-189.

ESRI. 2010. ArcGIS versión 10. EnvironmentalSystems Resarch Institute, Redlands, EstadosUnidos.

FICH-UNL. 1999. Vulnerabilidad de los recursoshídricos en el Litoral-Mesopotamia. Tomo I. Ac-tividades habilitantes para la segunda comunica-ción Nacional del Gobierno de la República Ar-gentina a las partes de la Convención Marco delas Naciones Unidas sobre Cambio Climático.TF51287/AR. Facultad de Ingeniería y CienciasHídricas, Universidad Nacional del Litoral. San-ta Fe, Argentina. 670 págs.

GIBBS, J. R. 2000. Wetland loss and biodiversityconservation. Conservation Biology 14: 314-317.

GREZ, A., SIMONETTI, J., & BUSTAMANTE, R.(2007). Biodiversidad en Ambientes Fragmenta-



dos de Chile: Patrones y Procesos a Diferentes Es-calas. Ciencia e investigación agraria, 34(2), 159.

HARTIG, E. K., GORNITZ, V., KOLKER, A.,MUSHACKE, F., & FALLON D. 2002. Anthro-pogenic and climate-change impacts on salt mars-hes of Jamaica Bay, New York city. Wetlands 22:71-89.

HERRERA, J. M. 2011. El Papel de la Matriz en elMantenimiento de la Biodiversidad en HábitatsFragmentados. De la Teoría Ecológica al Desa-rrollo de Estrategias de Conservación. Ecosiste-mas 20(2): 21-34.

INPE,. 2011. Instituto Nacional de Pesquisas Es-paciáis. Ministerio da Ciencia, Tecnología e In-ovacao. Gobierno de Brasil. http://www.inpe.br.

ITT. 2010. ENVI Versión 4.8. ITT Visual Informa-tion Solutions, Boulder (CO), Estados Unidos.

IZQUIERDO, A., DE ANGELO, C., & AIDE, M.2008. Thirty years of human demography andland-use change in the Atlantic Forest of Misio-nes, Argentina: a test of the forest transition mo-del. Ecology and Society 13(2): 3.

JOHNSON, K. G., ALLEN, M. S., & HAVENS, K.E.2007. A review of litoral vegetation, fisheries, andwildlife responses to hydrologic variation at La-ke Okeechobee. Wetlands 27(1): 110-126.

JOSENS, M. L., PRETELLI, M. G., & ESCALAN-TE, A. H. 2009. Censos de aves acuáticas en suscolonias reproductivas en lagunas del sudeste dela provincia de Buenos Aires. Hornero 24: 7-12.

KONIETSCHKE, F. 2013. Package «nparcomp»:Perform multiple comparisons and compute si-multaneous confidence intervals for the nonpa-rametric relative contrast effects 2.0. R Project.Disponible en http://cran.r-project.org/web/pac-kages/nparcomp/index.html (Fecha de acceso 6Jun 2013).

KUSCH, A., CÁRCAMO, J., & GÓMEZ, H. (2008).Aves acuáticas en el humedal urbano de Tres Puen-tes, Punta Arenas (53° S), Chile Austral. Analesdel Instituto de la Patagonia, 36(2), 45-51.

LOPEZ DE ULLIBARRI GALPARSORO, I., & PI-TA FERNÁNDEZ, S. 1999. Medidas de concor-dancia: el índice de Kappa. Cuadernos de Aten-ción Primaria 6: 169-171.

MALDONADO, G., NATENZON, C., & CÓCCA-RO, J. M. 2005. Algunos aportes teóricos meto-dológicos para el estudio de las inundaciones enel sur de la provincia de Córdoba. Memoria Aca-démica de las VII Jornadas de Investigación. Cen-tro de Investigaciones Geográficas y Departa-mento de Geografía de la Facultad deHumanidades y Ciencias de la educación de laUniversidad Nacional de La Plata. La Plata, Ar-gentina, 17 págs.

MALVÁREZ, A. I. 2004. Consideraciones prelimi-nares sobre un sistema nacional de clasificacióne inventario de humedales. Documentos del cur-so-taller «Bases ecológicas para la clasificación

e inventario de humedales en Argentina». Ana In-és Malvárez Editora. Buenos Aires, 120 págs.

MENGUI, M. 2000. Reserva Natural de Fauna La-guna la Felipa (Ucacha, Córdoba): Un encuen-tro con el paisaje autóctono, sus ecosistemas ycomunidades vegetales. Departamento de Im-prenta y Publicaciones de la UNRC.

MITSCH, W., & GOSSELINK, J. 2000. The valueof wetlands: importance of scale and landscapesetting. Ecological Economics 35: 25-33.

MONTICO, S. 2002. Manejo Integrado de CuencasHidrográf icas Rurales: Base para el Ordena-miento Territorial. Revista Agromensajes N° 7(3), Facultad de Ciencias Agrarias, UniversidadNacional de Rosario, Argentina. Publicado onli-ne: http://www.fcagr.unr.edu.ar/Extension/Agro-mensajes/07/4AM7.htm.

NEIFF, J. J. 2001a. Diversity in some tropical we-tland systems of South America. En: B. Gopal,W.J. Junk & J.A. Davis (Eds.). Biodiversity in we-tlands: assessment, function and conservation.Backhuys, Leiden, South Holland, the Nether-lands. 157-186.

NEIFF, J. J. 2001b. Humedales de la Argentina: si-nopsis, problemas y perspectivas futuras. En: Ci-relli, A.F. (Ed.): El Agua en Iberoamérica. Fun-ciones de los humedales, calidad de vida y aguasegura. Publ. CYTED, Madrid, España, 83-112.

NEIFF, J. J., 1997. El Régimen de pulsos en ríos ygrandes humedales de Sudamérica. Pp. 1-49 en:Malvárez, A.I. y P. Kandus (Eds.) Tópicos sobregrandes humedales sudamericanos. ORCYT-MAB (UNESCO) 106p.

O’CONNELL, M. J. 2003. Detecting, measuringand reversing changes to wetlands. Wetlands Eco-logy and Management 11: 397-401.

ORTIZ, S. 2000. Monitoreo en el cambio de uso dela tierra en el área natural de manejo integradoAmboró (ANMIA), Bolivia. Degree Dissertation.Santa Cruz-Bolivia.

OZESMI, S. L., & BAUER, M. E. 2002. Satelliteremote sensing of wetlands. Ecology and Mana-gement Wetlands 10: 381-402.

PÉREZ, A. A., & NAVARRETE LE BLAS, F. 2004.Lineamientos para la aplicación del enfoque eco-sistémico a la gestión integral del recurso hídri-co. 1.ª edición, n.º 8, PNUMA/ORPALC, Méxi-co, 2004, 112 págs.

PEROTTI, M. G., DIÉGUEZ, M. C., & JARA, F. G.2005. Estado del conocimiento de humedales delnorte patagónico (Argentina): aspectos relevan-tes e importancia para la conservación de la bio-diversidad regional. Revista chilena de historianatural 78: 723-737.

R DEVELOPMENT CORE TEAM. 2012. R: A lan-guage and environment for statistical computing.R Foundation for Statistical Computing, Vienna,Austria. Disponible en www.R-project.org (Fe-cha de acceso 20 Apr 2012).

RAMSAR, 1971. Convención Relativa a los Hume-dales de Importancia Internacional especialmentecomo Hábitat de Aves Acuáticas. Ramsar, Irán.

RAMSAR. 2000. Manuales RAMSAR para el usoracional de los humedales. Tomos 1-9.

RAMSAR. 1971. Convención Relativa a los Hu-medales de Importancia Internacional especial-mente como Hábitat de Aves Acuáticas. Ramsar,Irán.

REMPEL, R. S., CARR, A. P., & KAUKINEN, D.2008. Patch Grid extension for ArcMap Version4.2. Ontario Ministry of Natural Resources, On-tario, USA. Disponible en http://flash.lakehea-du.ca/~rrempel/patch (Fecha de acceso 2 Mar2012).

RICHARDSON, C. J. 2009. The Everglades: NorthAmerica’s subtropical wetland. Wetlands Ecologyand Management. doi: 10.1007/s11273-009-9156-4.

RODRIGUES CAPÍTULO, A., GÓMEZ, N., GIOR-GI, A., & FEIJOÓ, C. 2010. Global changes inpampean lowland streams (Argentina): implica-tions for biodiversity and functioning. Hydro-biologia 657(1): 53-70.

SARRÍAS, A. M., BLANCO, D., & LOPEZ DE CA-SENAVE, J. 1996. Estructura en gremios de unensamble de aves acuáticas durante la estaciónreproductiva. Ecología Austral 6: 106-114.

SAUNDERS, D. L., MEEUWIG, J. J., & VINCENT,A. C. J. 2002. Freshwater protected areas: strate-

gies for conservation. Conservation Biology16(1): 30-41.

SLUTZKY, D. 2004. Los conflictos por la tierra enun área de expansión agropecuaria del NOA conreferencia especial a la situación de los peque-ños productores y a los pueblos originarios. Ver-sión ampliada de la ponencia presentada en lasJornadas Interdisciplinarias de Estudios Agrariosy Regionales del NOA, Programa Interdiscipli-nario de Estudios Agrarios, Universidad Nacio-nal de Salta, Salta, 41 págs.

SOKAL, R. R., & ROHLF, F. J. 1995. Biometry: theprinciples and practice of statistics in biologicalresearch. 3 ed. W. H. Freeman and Company. NewYork, New York, USA. pp 887.

SONG, C., WOODCOCK, C. E., SETO, K. C.,LENNEY, M. P., & MACOMBER, S. A. 2001.Classification and change detection using Land-sat TM data: when and how to correct atmosphe-ric effects? Remote sensing of environment 75(2):230-244.

VALDÉS, A. 2011. Modelos de Paisaje y Análisisde Fragmentación: de la Biogeografía de Islas ala Aproximación de Paisaje Continuo. Ecosiste-mas 20(2): 11-20.

VILA SUBIRÓS, J., LINDE, D. V., PASCUAL, A.L., & PALOM, A. R. 2006. Conceptos y métodosfundamentales en ecología del paisaje. Una in-terpretación desde la geografía. Documents d’a-nàlisi geogràfica 48: 151-16.



Evaluación de productos de cubiertas del suelo en la península ibérica

A. Pérez-Hoyos y F. J. García-HaroDepartament de Física de la Terra i Termodinàmica. Universitat de València.

c/ Dr. Moliner, 50. 46100 Burjassot

Resumen

Existe una amplia variedad de productos de cubiertas del suelo a escala global y regional. Sin em-bargo éstos presentan grandes discrepancias entre ellos tanto técnicas como temáticas y no han sidovalidados convenientemente a escala regional. El objetivo de este trabajo consiste en evaluar cuatrode los productos más representativos y usados frecuentemente en la Península Ibérica, focalizando enEspaña. Los productos seleccionados incluyen GlobCover, CORINE land cover, el MODIS land co-ver (MODISLC) y Global land cover (GLC2000). La metodología aplicada consiste en una valida-ción directa utilizando como datos de referencia SIOSE (Sistema de Información sobre Ocupación delSuelo en España) y una validación indirecta mediante la intercomparación entre los distintos produc-tos. En la validación indirecta se ha aplicado una metodología basada en la lógica difusa, que permi-te acomodar las discrepancias temáticas entre productos y que complementa la comparación Boolea-na o convencional. Para ello se define una métrica que integra en una única magnitud el solapamientoentre leyendas en base a 9 atributos independientes recogidos en el Land Cover Classification System(LCCS). Los resultados de la comparación indirecta muestran que la combinación CORINE-GLC2000posee los mejores acuerdos (59.0%) mientras que MODISLC y GlobCover presentan importantes res-tricciones en la Península Ibérica (20.9% de acuerdo en la combinación MODISLC-GlobCover). Lacomparación basada en la lógica difusa ha permitido minimizar el efecto de los errores temáticos de-bido a las diferencias en la definición de las leyendas y detectar zonas que aunque a priori se consi-deren de desacuerdo están muy próximas temáticamente. Finalmente la validación directa ha demos-trado que el producto que mejor se adecua a la realidad territorial de España es CORINE (69.5% deexactitud total) seguido de GLC200 (56.8%), mientras que GlobCover (38.7%) y MODISLC (36.1%)presentan grandes discrepancias.

Palabras clave: CORINE, GLC2000, GlobCover, MODISLC, SIOSE, cubiertas del suelo, lógicadifusa, validación.

Abstract

Land cover assessment in the Iberian Peninsula

There is a wide range of land cover products at global and regional scale. Nevertheless, these productshave large thematic and technical discrepancies among them, so an adequate validation in a regionallevel has not yet undertaken. The aim of this work is evaluate the most representative and frequentlyused land cover datasets in the Iberian Peninsula, focussing in Spain. The selected land cover datasetsinclude GlobCover, CORINE land cover, MODIS land cover (MODISLC) and Global land Cover(GLC2000). The applied methodology consists in a direct validation with SIOSE (Sistema deInformación sobre Ocupación del Suelo en España) as reference dataset and an indirect validationthrough the intercomparison between datasets. Indirect validation consists in a methodology based onfuzzy logic which allows accommodating thematic discrepancies among datasets and complementsthe Boolean or conventional comparison. The methodology was based on the definition of a metricwhich integrates in an only magnitude the overlap among legends using 9 independently attributes


Introdución

La cubierta del suelo y su estudio es de granimportancia puesto que juega un rol funda-mental en las interacciones entre la biosfera,la atmósfera y la geosfera, por tanto intervie-ne directamente tanto en procesos hídricos yde energía, como en el ciclo del carbono (Kal-nay & Cai, 2003). Esta variable es uno de losinputs esenciales en diferentes tipos de mode-los de cambios de usos del suelo (Verbug et al.,2010), climáticos, de distribución de cultivos(You et al., 2009) o modelos de trasferenciasuelo-vegetación-atmósfera entre otros. La cu-bierta del suelo es también el input de entradaen diferentes actividades de monitorizaciónambiental y el desarrollo de políticas me-dioambientales (Mayaux et al., 2004). Por ello,constituye una variable de referencia utilizadaen una gran variedad de aplicaciones a escalaglobal, regional y nacional (Fritz et al., 2012)y su estudio es de especial interés para una am-plia variedad de usuarios, como el United Na-tion’s Millennium Ecosystem Assessment (Mi-llenium Ecosystem Assessment, 2005) o elGMES (Global Monitoring for Environmentand Security) (Schreier & Dech, 2005).

En este contexto, es lógico que desde la apa-rición del primer producto a partir de imágenesdel satélite Advanced Very High Resolution Ra-diometer se haya producido una proliferaciónde productos de cobertura del suelo, principal-mente en la última década con el desarrollo deGLC2000 (Mayaux et al., 2004), MODIS(Friedl et al., 2002) y GlobCover (Bontemps etal., 2011). Sin embargo, varios estudios previos(Giri et al., 2005; Neumann et al., 2007) han de-mostrado que los productos existentes presen-tan discrepancias notables entre ellos, puestoque han sido generados bajo la supervisión de

diferentes iniciativas nacionales e internacio-nales, con distintos objetivos y metodologías, ypor tanto estos productos no son directamentecomparables entre ellos (Herold et al., 2008).

La aplicación de métodos apropiados paravalidarlos y cuantificar su fiabilidad es por tan-to necesaria. El primer paso en la validación esla intercomparación entre productos, con el ob-jetivo de determinar y cuantif icar tanto susventajas como limitaciones. Esta comparaciónnormalmente se lleva a cabo mediante unaaproximación Booleana, es decir, cuando dosclases de dos mapas comparados no coincidense asume un desacuerdo total y se asigna un va-lor de cero (Fritz & See, 2005). Sin embargo,este método no admite ningún tipo de flexibi-lidad y no tiene en cuenta los factores intrín-secos que realmente son los causantes de lasdiscrepancias, como la incertidumbre temáti-ca o semántica (Cheng et al., 2001). Ante es-tas limitaciones la lógica difusa (Zadeh, 1965)se ha aplicado como un método alternativo enla comparación entre productos de cubiertasdel suelo, permitiendo introducir un grado devaguedad entre las categorías evaluadas.

Conjuntamente a la comparación entre pro-ductos, la validación per se es una estrategiaóptima en la determinación y selección del pro-ducto que reúne las características más idóneaspara un objetivo específico. Aunque diferen-tes iniciativas de validación global de los prin-cipales productos de cobertura del suelo (Mo-risette et al., 2002; Mayaux et al., 2006; Friedlet al., 2010) se han llevado a cabo, los resulta-dos de estos estudios no son ni extrapolables aun ámbito regional ni comparables entre ellos.Por otra parte, el principal hándicap en la va-lidación de productos es la ausencia de datosde validación, a este respecto España es un paíspionero con el reciente desarrollo del Sistema

Evaluación de productos de cubiertas del suelo en la Península Ibérica 23

derived from the Land Cover Classification System (LCCS). Results of the indirect comparison showthat CORINE-GLC2000 combination presents the best agreement (59.0%), whereas MODISLC andGlobCover have important restrictions in the Iberian Peninsula (20.9% agreement for MODISLC-GlobCover). Fuzzy logic comparison allows minimizing thematic errors in the comparison due todifferences in legend definition and detects zones that a priori are in disagreement but really are veryclose thematically. Finally, direct validation has shown that the best land cover product in Spain isCORINE (69.5% overall accuracy) followed by GLC2000 (56.8%), whereas GlobCover (38.7%) andMODISLC (36.1%) have important discrepancies.

Key words: CORINE, GLC2000, GlobCover, MODISLC, SIOSE, land cover, fuzzy logic, validation.

de Información sobre Ocupación del Suelo(SIOSE) que ha permitido la elaboración de in-formación del territorio a alta resolución.

El objetivo de este trabajo consiste en ex-plorar y evaluar el funcionamiento de los pro-ductos de cubiertas del suelo en la PenínsulaIbérica con especial interés en España, ofre-ciendo una perspectiva de cuán diferentes sonestos productos y qué potencial tienen para di-ferentes aplicaciones. Para ello se ha realizadotanto una validación indirecta en la que se hancomparado los productos entre sí, como una va-lidación directa con datos de referencia SIOSE.Los productos evaluados corresponden a cua-tro de los productos de cubiertas del suelo másampliamente utilizados a nivel global comoson: CORINE, GLC2000, MODIS y GlobCo-ver. Este trabajo amplia y ofrece sustancialesmejora respecto a estudios previos llevados acabo en la zona de estudio (Moreno & Chuvie-co, 2009) en varios aspectos: (i) se incluye en

la evaluación un producto tan relevante comoes GlobCover, (ii) ofrece un mayor análisis delas discrepancias/acuerdo entre productos alaplicar una metodología que ha demostrado sermás robusta (Pérez-Hoyos et al., 2012) en otraszonas de estudio basada en la lógica difusa uti-lizando como marco común de comparación elLand Cover Classification System (LCCS) y(iii) la reciente disponibilidad de datos de altaresolución gracias a SIOSE ha permitido reali-zar una validación indirecta.

Datos

Productos de cubiertas del suelo

En este trabajo se han considerado cuatro delos principales productos de cubiertas del sue-lo a nivel global y continental (Figura 1):

24 A. Pérez-Hoyos y F. J. García-Haro / Revista de Teledetección (2013) 40, 22-40

Figura 1. Mapas de cubiertas del suelo para la Península Ibérica reconciliados a una leyenda generalizadade 14 clases.

GLC2000, MODISLC, GlobCover y CORINE.En la Tabla 1 se muestran las principales ca-racterísticas de cada uno de los productos uti-lizados.

GlobCover para 2005 se obtuvo de la Agen-cia Espacial Europea (ESA) en cooperacióncon una red internacional de socios (incluyen-do la EEA, FAO, GOFC-GOLD, IGB, JRC yUNEP). Este producto presenta mayor resolu-ción que cualquier producto global previo de-rivado a partir de imágenes satélite (Bicheronet al., 2008). MODISLC ha sido desarrolladopor la Universidad de Boston y coordinado porel MODIS Land Team de la NASA (NationalAeronautics and Space Administration) (Friedlet al., 2002). La primera versión se desarrollóen el año 2001 y es actualizada anualmente. Eneste estudio se ha utilizado la capa de cubier-ta 1 de la colección 5 (MOD12Q1 V005) parael año 2005 (Friedl et al., 2010). El GlobalLand Cover para el año 2000 a 1 km de reso-lución espacial se ha implementado por el JointResearch Centre (JRC) de la Comisión Euro-pea (EC) con más de 30 equipos (Bartholomé& Belward, 2005). La base de datos consisteen 19 mapas regionales armonizados en un úni-co mapa global. El programa CORINE (Coor-dination of Information on the Environment)puesto en marcha en 1985 por la Comisión Eu-ropea y supervisado desde 1995 por la Agen-cia Europea del Medio Ambiente desarrolló su

primera capa de cubiertas del suelo en 1990(CLC90). En este estudio se ha utilizado la ver-sión del 2000 (CLC2000).

Puesto que estos productos se han llevado acabo bajo diferentes iniciativas nacionales e in-ternacionales y con diferentes propósitos, pre-sentan diferencias básicas a nivel instrumental(satélite utilizado), técnico (algoritmos de cla-sificación) y conceptual (sistema de clasifica-ción). A continuación se detallan las principa-les diferencias que pueden ser resumidas en 5puntos:

(i) Cubierta espacial: GlobCover, MO-DISLC y GLC2000 se han diseñado de acuer-do a un marco global, mientras CORINE utili-za una aproximación regional con el objetivode monitorizar 27 países de la Unión Europea,así como Albania, Bosnia y Herzegovina, Croa-cia, la ex República Yugoslava de Macedoniay Liechtenstein.

(ii) Características del sensor y periodode adquisición de los datos: El desarrollo deGLC2000 se ha basado en los datos del sen-sor SPOT a bordo de satélite VEGETATION,que suministra datos diarios a 1 km de reso-lución tomados desde el 1 de noviembre de1999 al 31 de diciembre 2000. Otras fuentesde datos, como el modelo digital de eleva-ción, radar y datos climatológicos han sidotambién usados para su desarrollo. MODISse produce anualmente utilizando la reflecti-


Tabla 1. Características de CORINE, GLC2000, MODISLC y GlobCover.

ProductoResolución

espacialSensor Fecha Datos

Técnica de clasificación

Leyenda Precisión

CORINE 100 m Landsat ETM+ SPOT-4

1999-2000 Monofecha Foto-interpretación

Jerárquica 3 niveles 44 clases

Muestreo estratificado al azar 87%

GLC2000 1 km SPOT/VGT Nov. 1999-Dic. 2000

Mosaicos diarios

4 bandas NDVI

Depende del socio regional

No supervisada

FAO LCCS 44 clases


MODISLC 500 m MODIS 1a versión Nov. 2000-Dic. 2001

Composiciones bi-mensuales

7 bandas, LST y NDVI

Supervisada con árboles de decisión

IGBP 17 clases

Validación cruzada de 10 pasos

75%

GlobCover 300 m MERIS/Envisat

Dic. 2004-Jun. 2006

Composiciones bi-mensuales

13 bandas

Cluster No-Supervisada/

Supervisada

FAO LCCS Regional (51)Global (22)


vidad la superf icie (canales 1-7) a 500 m.GlobCover ha usado como input mosaicos bi-mensuales y anuales libres de nubes deriva-dos a partir de datos MERIS (300 m) toma-dos en un periodo entre el 1 de diciembre de2004 al 30 de junio de 2006. CORINE se haelaborado a partir de imágenes de alta reso-lución (ej. LANDAT TM con consulta simul-tánea de datos auxiliares).

(iii) Algoritmo de clasificación. GLC2000ha utilizado diferentes técnicas de clasif ica-ción en función de la localización geográfica,dependiendo de los requisitos y preferenciasdel socio que lo ha desarrollado. En el caso deEuropa, se ha utilizado una clasificación no su-pervisada que se basa simultáneamente en pa-trones espectrales y temporales (Fritz et al.,2003). De forma similar, GlobCover se ha be-nef iciado temporal y espectralmente de lascomposiciones bimensuales mediante un al-goritmo de clúster (Arino et al., 2007). MO-DISLC se ha producido con un conjunto de al-goritmos de clasificación supervisada, basadoen árboles de decisión multi-temporal conjun-tamente con una técnica boosting que permitedar robustez a la probabilidad del píxel (Friedlet al., 1999). CORINE se ha realizado me-diante fotointerpretación visual en un entornoSIG (EEA, 2002).

(iv) Sistema de clasificación o leyenda.Tanto GlobCover como GLC2000 tienen le-yendas diseñadas en el Land Cover Classifi-cation System (LCCS). En el caso de GLC2000la leyenda para el producto regional europeoestá formada por 23 clases. El producto glo-bal de GlobCover está formado por 22 clasesaunque en este caso hemos utilizado el pro-ducto regional que está formado por 51 clases.CORINE presenta una nomenclatura jerárqui-ca, formada por tres niveles organizativos y te-niendo 44 clases en el nivel más detallado deorganización (Bossard et al., 2000). MO-DISLC está formada por un grupo de capascon diferentes tipos de clasificaciones de cu-bierta. En este estudio se ha utilizado la pri-mera capa formado por 17 clases de acuerdoal sistema de clasif icación del InternationalGeosphere Biosphere Programme (IGBP) (Lo-veland et al., 2000).

(v) Validación. Los resultados de valida-ción para los diferentes productos son: 68.6%

para GLC2000 (Mayaux et al., 2006), 73% pa-ra GlobCover (Bicheron et al., 2008) y 75%para MODISLC (Friedl et al., 2010). La pre-cisión de CORINE a un intervalo de confian-za del 95%, es 87.0 ± 0.7% (EEA, 2006). Lavalidación de GLC2000 se ha basado en uncontrol de calidad con datos auxiliares y unavalidación cuantitativa de un muestreo estra-tif icado aleatorio como datos de referencia.La validación de MODISLC se ha hecho conuna validación cruzada con 10 particiones uti-lizando para ello 1860 muestras (Friedl et al.,2010). Para la validación de GlobCover se harealizado en un muestreo aleatorio con puntosdistribuidos globalmente, incluyendo paisajestanto homogéneos como heterogéneos (Bi-cheron et al., 2008). La validación de CORI-NE se ha basado en un control de calidad queasegura una precisión temática ≥85% (EEA,2002) a partir de una validación con los datosde LUCAS (Land Use/Cover Area frame sta-tistical Survey). Aunque los resultados de lasvalidaciones se han llevado a cabo en un mar-co global, no son comparables entre ellos pues-to que utilizan diferentes metodologías y da-tos de validación y además los resultados songlobales, o regionales en el caso de CORINE,por tanto no se pueden extrapolar a un nivelregional como es España. Por ejemplo Cer-deira et al. (2006) realizaron una validación apartir de datos MODISLC en Portugal mos-trando que la precisión no supera un 57%.

Datos de validación

Los datos de referencia utilizados para eva-luar la precisión de las clasificaciones en Es-paña se han obtenido a partir de la base de da-tos SIOSE (www.siose.es). SIOSE es unproyecto enmarcado dentro del Plan Nacionalde Observación del Territorio en España(PNOT) dirigido y coordinado por el InstitutoGeográfico Nacional (IGN) con el objetivo deintegrar las bases de datos de ocupación delsuelo disponible por las Comunidades Autó-nomas y la Administración General del Estadoy generando una base de datos de vectorial deocupación del suelo para toda España a escala1:25,000 con imágenes de referencia corres-pondientes al año 2005. SIOSE se ha llevado a


cabo con la partición de más de 25 institucio-nes, organizadas en grupos temáticos. Cadaequipo regional produce una capa de cubiertasdel suelo a partir de la fotointerpretación asis-tida por ordenador de imágenes SPOT5, Land-sat5 TM y ortofotos.

El resultado es una base de datos orientadaa objetos (OODM) interoperable y armoniza-da, donde la unidad de trabajo es el polígono,con una superficie lo más homogénea posibley con una unidad mínima cartografiable quevaría entre 0.5 y 2 ha en función de la superfi-cie representada. Asociado a cada polígono sehan definido dos superclases denominadas deuso y cobertura. El modelo de datos SIOSEpermite la asignación de uno o más usos y unacobertura a un único polígono. La cobertura deun polígono deberá ocupar siempre el 100%del mismo, sin embargo, el uso podrá diferirde este valor. Los polígonos pueden ser sim-ples, cuando ésta sea única, y una coberturacompuesta cuando se encuentre formada pordos o más coberturas simples y/o compuestasa su vez. En función del tipo de combinación,la cobertura compuesta será una asociación (sino hay una distribución f ija) o un mosaico(cuando la combinación de coberturas sigueuna distribución).

La base de datos SIOSE obtenida, se ha so-metido a una comprobación de campo, y dosprocesos de control de calidad, uno de calidadinterno llevado a cabo por los equipos regio-nales y uno de calidad externo realizado por elIGN, que asegura la alta calidad de los datos(Valcárcel et al., 2008).

Métodos

Pre-procesado de los datos

Debido a la diferente naturaleza de los da-tos (resolución espacial, proyección) el primerpaso para la comparación de los mimos es re-proyectarlos y co-registrarlos a un entorno co-mún. Para ello, los productos de cubiertas delsuelo han sido re-proyectados a WGS-84 y re-muestreados a una resolución espacial de 1 km(0.0089286 grados) mediante un filtro de ma-yoría.

Validación indirecta

Comparación Convencional y Flexible

La comparación convencional o Booleanase basa en la lógica binaria, que sólo admitedos posibles opciones 0 (descuerdo) y 1 (acuer-do total). Para aplicar este método, el paso pre-vio consiste en la armonización entre sus le-yendas, que es uno de los procesos queentrañan mayor dif icultad (Caetano et al.,2010), puesto que como se ha indicado ante-riormente los productos analizados presentanleyendas de diferente naturaleza y con un nú-mero variable de clases, por ejemplo CORINEtiene 44 clases frente a GLC2000 que presen-ta 23 clases. En este estudio la armonizaciónse ha realizado creando una leyenda común decatorce clases (Tabla 2) en la que cada una delas clases de cada producto se reconcilia concada una de las clases de la leyenda generali-zada, de forma que se establece una relaciónde tipo uno (clase de leyenda generalizada) amuchos (clases de las leyendas de los produc-tos). Para ello se han tenido en cuenta relacio-nes que otros estudios de la misma temáticahan establecido previamente (Giri et al., 2005;Numann et al., 2007). Con el objetivo de per-mitir cierta flexibilidad temática, típica de cla-ses que presentan solapamientos temáticos, he-mos extendido este método permitiendo ciertaflexibilidad en las relaciones establecidas en-tre leyendas en lo que hemos denominado com-paración convencional Flexible. Este métodointroduce un acuerdo parcial (valor de 0.5)(marcadas con negro oscuro en la Tabla 2) en-tre pares de clases que presentan un ciertoacuerdo temático. Por ejemplo, la clase deGlobCover 110. Mosaic forest or shrubland(50-70%)/ grassland (20-50%) es una clase connumerosos tipos de cubierta simultáneamenteque puede admitir acuerdo parcial con dife-rentes clases incluyendo bosque, matorral oherbáceos.

Comparación basada en la lógica difusa

En la comparación basada en la lógica Bo-oleana se admite que hay una correspondencia



Leye

nda g

ener

aliza

daG

lobC

over

GLC

2000

MO

DIS

IGBP

CORI

NE

1.Bo

sque

de F

rond

osas

40. C

lose

d to o

pen (

>15%

) bro

adlea

ved e

verg

reen

or se

mi-d

ecid

uous

fore

st41

. Clo

sed (

>40%

) bro

adlea

ved e

verg

reen

and/

or de

ciduo

us fo

rest

50. C

lose

d (>4

0%) b

road

leave

d dec

iduo

us fo

rest

60. O

pen (

15-4

0%) b

road

leave

d dec

iduo

us fo

rest/

woo

dlan

dCl

asse

s:30

/ 32/

100/

101/

110

1. T

ree c

over

, bro

adlea

ved

ever

gree

n, cl

osed

to o

pen

(>15

%)

2. T

ree c

over

, bro

adlea

ved d

ecid

uous

, clo

sed (

>40%

)3.

Tre

e cov

er, b

road

leave

d, de

ciduo

us, o

pen (

15-4

0%)

Clas

ses:

6/ 7/

9

2. E

verg

reen

Bro

adle

af F

o-re

sts4.

Dec

iduo

us B

road

leaf F

o-re

stsCl

asse

s:5/

8/9

311.

Bro

ad-le

aved

fore

stCl

asse

s:31

3

2.Bo

sque

de C

onífe

ras

70. C

lose

d (>4

0%) n

eedl

eleav

ed ev

ergr

een f

ores

t90

. Ope

n (15

-40%

) nee

dlele

aved

decid

uous

or ev

ergr

een f

ores

t91

. Ope

n (15

-40%

) nee

dlele

aved

decid

uous

fore

st92

. Ope

n (15

-40%

) nee

dlele

aved

ever

gree

n for

est

Clas

ses:

30/3

2/10

0/10

1/11

0

4. T

ree c

over

, nee

dlele

aved

ever

gree

n, cl

osed

to op

en(>

15%

)5.

Tre

e cov

er, n

eedl

eleav

ed de

ciduo

us, c

lose

d to o

pen

(>15

%)

Clas

ses:

6/7/

9

1. E

verg

reen

Nee

dlele

af Fo

-re

sts3.

Dec

iduo

us N

eedl

eleaf

Fo-

rest

Clas

ses:

5/8/

9

312.

Coni

fero

us fo

rest

Clas

ses:

313

3.Bo

sque

Mix

to10

0. C

lose

d to

ope

n (>

15%

) mix

ed b

road

leav

ed a

nd n

eedl

elea

ved

fore

st10

1. C

lose

d (>4

0%) m

ixed

broa

dlea

ved a

nd ne

edlel

eave

d for

est

110.

Mos

aic f

ores

t or s

hrub

land

(50-

70%

) and

gra

ssla

nd (2

0-50

%)

Clas

ses:

30/3

2/40

/41/

50/6

0/70

/90/

91/9

2

6. T

ree c

over

, mix

ed le

afty

pe, c

lose

d to o

pen (

>15%

)9.

Mos

aic tr

ee-c

over

and o

ther

natu

ral v

egeta

tion

Clas

ses:

1/2/

3/4/

5

5. M

ixed

Fore

st8.

Woo

dy S

avan

na9.

Sav

anna

sCl

asse

s:1/

2/3/

4

313.

Mix

ed fo

rest

Clas

ses:

311/

312

4.M

ator

ral

130.

Clo

sed

to o

pen

(>15

%) b

road

leave

d or

nee

dlele

aved

, eve

rgre

enor

decid

uous

shru

blan

d13

1. C

lose

d to

ope

n (>

15%

) bro

adlea

ved

or n

eedl

eleav

ed ev

ergr

een

shru

blan

d13

4. C

lose

d to o

pen (

>15%

) bro

adlea

ved d

ecid

uos s

hrub

land

Clas

ses:

30/1

10/1

52

11. S

hrub

cove

r, cl

osed

to o

pen

(>15

%),

ever

gree

n(b

road

leave

d or n

eedl

eleav

ed)

12. S

hrub

cove

r, cl

osed

to o

pen

(>15

%),

deci

duou

s(b

road

leave

d)Cl

asse

s:15

6. C

lose

d Shr

ublan

d7.

Ope

n Shr

ublan

d32

2. M

oors

and h

eath

land

323.

Scle

roph

yllo

us ve

getat

ion

324.

Tra

nsiti

onal

wood

land-

shru

b

5.H

erbá

ceas

120.

Mos

aic g

rass

land (

50-7

0%) a

nd fo

rest

of sh

rubl

and (

20-5

0%).

140.

Clo

sed

to o

pen

(<15

%) h

erba

ceou

s veg

etat

ion

(gra

ssla

nd, s

a-va

nnas

or li

nche

s).14

1. C

lose

d (<4

0%) g

rass

land

Clas

ses:

30/1

10/1

51

13. H

erba

ceou

s cov

er, c

lose

d to o

pen (

<15%

)Cl

asse

s:15

10. G

rass

lands

231.

Pas

ture

s32

1. N

atura

l gra

sslan

ds

6.Ve

geta

ción

Esca

sa15

0. S

parse

(<15

%) v

egeta

tion

151.

Spa

rse (<

15%

) gra

sslan

d15

2. S

parse

(<15

%) s

hrub

land

14. S

parse

herb

aceo

us or

shur

bcov

er (0

-15%

)16

. Bar

ren o

r Spa

rsely

Vege

-tat

ion

333.

Spa

rsely

vege

tated

area

s

Tab

la 2

.Arm

oniz

ació

n de

leye

ndas

en

una

leye

nda

gene

rali

zada

de

14 c

lase

s. L

as c

lase

s m

arca

das

en n

egri

ta in

dica

n fl

exib

ilid

ad te

mát

ica.

La

nom

encl

atur

a de

las

leye

ndas

ori

gina

les

se h

a co

nser

vado

en

ingl

és c

on e

l ob

jeti

vo d

e no

int

rodu

cir

conf

usió

n en

el

proc

eso

de t

radu

cció

n.


Leye

nda g

ener

aliza

daG

lobC

over

GLC

2000

MO

DIS

IGBP

CORI

NE

7.Su

elo d

esnu

do20

0. B

are a

reas

201.

Con

solid

ated

bar

e are

as (h

ardp

ans,

grav

els,

bare

rock

, sto

nes,

boul

ders)

202.

Non

-con

solid

ated b

are a

reas

(san

dy de

sert)

203.

Salt

hard

pans

19. B

are a

reas

10. T

ree c

over

, bur

nt (b

orea

l for

est)

16. B

arre

n or S

parse

ly Ve

ge-

tatio

n33

1. B

each

es, d

unes

and s

and p

lains

332.

Bar

e roc

ks33

4. B

urnt

area

s

8.H

umed

ales

180.

Clo

sed

to o

pen

(>15

%) g

rass

land

or w

oody

vege

tatio

n on

regu

-lar

ly fl

oode

d or w

aterlo

gged

soil

Fres

h, br

acki

sh or

salin

e wate

r18

5. C

lose

d to o

pen (

>15%

) gra

sslan

d on r

egul

arly

floo

ded o

r wate

r-lo

gged

soil-

Fre

sh or

brac

kish

wate

r

7. T

ree c

over

, clo

sed t

o ope

n (>1

5%),

regu

larly

floo

-de

d, fre

sh or

brac

kish

: swa

mp f

ores

t15

. Reg

ular

ly fl

oode

d (>2

mon

th) S

hrub

and /

or H

er-

bace

ous c

over

, clo

sed t

o ope

n

11 P

erm

anen

t wetl

ands

411.

Inlan

d mar

shes

412.

Pea

t bog

s42

1. S

alt m

arsh

esCl

asse

s:31

x For

est

9.Cu

ltivo

s Irr

igad

os11

. Pos

t-flo

odin

g or i

rriga

ted cr

oplan

d (or

aqua

tic)

13. P

ost-f

lood

ing o

r irri

gated

herb

aceo

us cr

ops

23. I

rriga

ted A

gricu

lture

12. C

ropl

ands

212.

Per

man

ently

irrig

ated l

and

213.

Rice

field

s

10.C

ultiv

os14

. Rain

fed c

ropl

ands

15. R

ainfe

d her

bace

ous c

rops

16. R

ainfe

d shr

ub or

tree

crop

s (ca

sh cr

ops,

vine

yard

s, ol

ive t

ree,

or-

char

ds…

)

16. C

ultiv

ated a

nd m

anag

ed ar

eas

12. C

ropl

ands

211.

Non

irrig

ated a

rabl

e lan

d22

1. V

iney

ards

222.

Fru

it tre

es an

d ber

ry pl

antat

ion

223.

Oliv

e gro

ves

241.

Ann

ual c

rops

asso

ciated

with

per

-m

anen

t cro

ps24

2. C

ompl

ex ag

ricul

tura

l patt

ern

11.M

osai

co d

e Cul

tivos

20. M

osaic

crop

land (

50-7

0%)/

vege

tatio

n (20

-50%

)21

. Mos

aic cr

oplan

d (50

-70%

)/ gr

assla

nd or

shru

blan

d (20

-50%

)22

. Mos

aic cr

oplan

d (50

-70%

)/ fo

rest

(20-

50%

)30

. Mos

aic ve

getat

ion (

50-7

0%)/c

ropl

and (

20-5

0%)

32. M

osaic

fore

st(50

-70%

)/cro

plan

d(20

-50%

)

17. M

osaic

of cr

oplan

d/tre

e cov

er/h

erba

ceou

s cov

er18

. Mos

aic

of c

ropl

and/

shr

ub c

over

/ her

bace

ous

cove

r

14. C

ropl

and/

Natu

ral v

ege-

tatio

n Mos

aic24

3. L

and p

rincip

ally o

ccup

ied by

agri-

cultu

re, w

ith si

gnifi

cant

are

as o

fna

tura

l veg

etatio

n24

4. A

gro-

fore

stry a

reas

231.

Pastu

res

12.A

gua

210.

Wate

r bod

ies20

. Wate

r bod

ies17

. Wate

r bod

ies5x

x. W

ater b

odies

423.

Inter

tidal

flat

s

13.N

ieve

220.

Per

man

ent s

now

and i

ce21

. Sno

w an

d ice

15. S

now

and i

ce33

5. G

lacier

s and

perp

etual

snow

14.S

uper

ficies

Art

ificia

les19

0. A

rtific

ial su

rface

s and

asso

ciated

area

s22

. Arti

ficial

surfa

ces a

nd as

socia

ted ar

eas

13. U

rban

an

d bu

ilt-u

pLa

nds

1xx.

Arti

ficial

surfa

ces

422.

Sali

nes

Tab

la 2

.Arm

oniz

ació

n de

leye

ndas

en

una

leye

nda

gene

rali

zada

de

14 c

lase

s. L

as c

lase

s m

arca

das

en n

egri

ta in

dica

n fl

exib

ilid

ad te

mát

ica.

La

nom

encl

atur

a de

las

leye

ndas

ori

gina

les

se h

a co

nser

vado

en

ingl

és c

on e

l ob

jeti

vo d

e no

int

rodu

cir

conf

usió

n en

el

proc

eso

de t

radu

cció

n (c

ont.

).

directa entre clases, sin embargo se ha com-probado que las leyendas presentan diferenciasirreconciliables en su definición. Por tanto, enocasiones se está hablando del mismo tipo decobertura según diferentes productos y se pre-sume que hay una relación directa, cuando enrealidad conceptualmente son clases distintasy están definidas de diferente forma. Por ejem-plo, el significado de un bosque de coníferasen GLC2000 donde la altura del árbol tiene queser superior a 3 m es diferente de un bosque deconíferas en MODISLC, donde la altura es su-perior a 2 m (Fritz y See, 2008) o de uno deGlobCover dónde la altura debe ser superior a5 m. Por tanto, en este apartado se proponeaplicar una metodología alternativa a la con-vencional basada en la teoría de la lógica di-fusa, puesto que este formalismo permite aco-modar adecuadamente las discrepanciastemáticas existentes. Se define para ello una

métrica que integra en una única magnitud elsolapamiento entre leyendas en base a 9 atri-butos independientes recogidos en el LCCS. LaFigura 2 muestra el diagrama de flujo de estametodología. El primer paso consiste en tra-ducir las leyendas a un sistema común como esel LCCS. Como ya se ha mencionado anterior-mente GLC2000 y GlobCover utilizan este sis-tema de clasificación, por lo tanto existe sufi-ciente documentación al respecto. Latraducción de CORINE entraña una mayor di-ficultad puesto que las clases están definidascomo una mezcla entre cubierta y usos del sue-lo (Herold et al., 2008). La traducción en estecaso, al igual que para MODISLC, se ha reali-zado utilizando documentación previa comoreferencia (Herold et al., 2009) y con la ayudadel software LCCS distribuido por la FAO.

A partir de las leyendas traducidas se handerivado una serie de 8 atributos (descriptores


Figura 2. Diagrama de flujo del método de lógica difusa.

de LCCS) y se ha incorporado un atributo adi-cional de Tipos de Usos (Jansen y DiGregorio,2002). En algunas ocasiones, se ha tenido queañadir algún código adicional con el objetivode codificar todos los posibles casos. Por ejem-plo, en el atributo Presencia de Vegetación, quesegún LCCS sólo admite dos posibles clases(Vegetación y No Vegetación), se ha incorpo-rado Vegetación/No Vegetación para codificaraquellos casos que se produce simultáneamentela presencia/ausencia de vegetación como su-cede en la clase 16. Barren or Sparsely de laleyenda IGBP donde coexisten dos clases con-ceptualmente tan distintas. A continuación sedetallan todos los atributos utilizados en esteestudio así como sus posibles opciones de co-dificación:

1. Presencia de Vegetación: Vegetación,No Vegetación, Vegetación/No Vegetación.

2. Condición Edáfica: Terrestre, Acuáticoo inundado regularmente.

3. Artificialidad de la Cubierta: Natural oSeminatural y Áreas gestionadas.

4. Tipos de Usos: Agrícola, Forestal, Ura-no, Mosaico, sin uso.

5. Tipo de Forma: Artif icial, Herbáceo,Árbol, Matorral, Herbáceo/Matorral, Herbá-ceo/Árbol, Árbol/Matorral, Herbáceo/Ár-bol/Matorral, Artificial/Herbáceo.

6. Tipo de Hoja: Coníferas, Frondosas,Mixta, Sin vegetación, Sin especificación dela vegetación.

7. Densidad de la Cubierta: Cerrada aabierta (40-100%), Cerrada a abierta (30-100%), Cerrada a abierta (15-100%), Cerrada(60-100%), Abierta general (10-70%), Abier-ta (40-70%), Abierta (30-70%), Muy abierta(10-40%), Muy abierta (10-50%), Escasa (1-20%), Vegetación sin especificar (5-95%),Sin vegetación (0-4%).

8. Fenología de la Hoja: Perenne, Cadu-cifolio, Sin descripción para áreas con vegeta-ción, Sin descripción para artificial/agua/sue-lo desnudo.

9. Altura del Árbol: Suelo desnudo(0.02 m), Vegetación sin especif icar (0.03-5 m), Mosaico para GlobCover (0.03-30 m),Árbol (3-30 m), Árbol GlobCover (5-30 m),Árbol MODISLC (2-30 m), Matorral (0.3-5 m), Matorral CORINE (2-7 m), MatorralMODISLC (0.3-2 m), Matorral GlobCover

(0.3-2 m), Herbáceos (0.03-1.5 m), HerbáceosCORINE (0.03-1.5 m).

Posteriormente, se ha establecido el solapa-miento temático entre pares de leyendas (ej.GLC2000-CORINE), este índice tendrá unosvalores que oscilarán entre 0 (clases muy dife-rentes) y 1 (clases conceptualmente iguales).Para ello primero se ha establecido el solapa-miento por atributo de acuerdo a diferentes fun-ciones de pertenencia de lógica difusa (Bou-chon-Meunier et al., 1996; Ahlqvist, 2005). Elresultado se ha combinado en un una única me-dida a partir de la media de los nueve atributosconsiderados. Finalmente, el solapamiento to-tal de los cuatro productos considerados se haestablecido de acuerdo a la media entre las seiscombinaciones de leyendas (ej. CORINE-GlobCover).

Validación directa

El proceso de validación directa se ha desa-rrollado a partir de la comparación de los pro-ductos de cubierta del suelo con los datos dereferencia SIOSE. Para disponer de los datosde forma que pudieran ser utilizados en la va-lidación ha sido necesario realizar una serie deoperaciones previas en SIOSE. Primero se hare-proyectado a WGS-84 para que fuera com-patible con los productos analizados y se harasterizado con una resolución espacial de 50m. Posteriormente a cada píxel que lleva aso-ciada una leyenda SIOSE, en este caso nos he-mos centrado en las cubiertas, se le ha asigna-do una de las catorce clases de la leyendageneralizada. Por ejemplo en el caso de tenerun píxel etiquetado como I[70CNF.30MTR],lo que significa que es un polígono irregularformado con un 70% de coníferas «CNF» y un30% de matorral «MTR», se le han asociadoestos dos tipos de cubiertas simultáneamentepreservado su porcentaje de ocupación. Es de-cir, el resultado son catorce capas correspon-dientes a cada una de las clases de la leyendageneralizada con el porcentaje de ocupación.Es necesario hacer un inciso en este puntopuesto que SIOSE no tienen ni bosques mix-tos ni vegetación escasa en su leyenda, clasesque son de gran importancia en el área de es-tudio. Por lo que, dado que se dispone de las


fracciones de cada clase, estás clases se han in-cluido a partir de la definición de bosque Mix-to de CORINE (Bossard et al., 2000), es decircuando se produce simultáneamente la ocupa-ción de bosques de coníferas y frondosas en elpíxel y no se excede el 75% de cada una de lasclases. Para garantizar que fuera un píxel debosque mixto hemos ampliado esta definiciónconsiderando que la ocupación de cada uno delos tipos de bosque fuera superior al 30%. Seha procedido de manera similar en el caso devegetación escasa tomando para ello la defini-ción del IGN (2002), es decir una mezcla desuelo desnudo (50-90%) y cubierta vegetal (10-50%). Por último, y para que se geo-localiza-ra con los datos a validar se ha re-muestreadoa 1 km.

Una vez se dispone de la base de datos ade-cuada para validar los productos globales se hahecho un muestreo aleatorio estratificado en elque se han seleccionado alrededor de unas90,000 muestras. El número de muestras de ca-da una de las clases de la leyenda generaliza-da se ha seleccionado de forma que fuera pro-porcional a la abundancia de esta clase en unpromedio de los cuatro productos analizados,para ello se ha establecido un umbral mínimode ocupación o de pureza en el píxel (valorescomprendidos entre 75 y 95%) que ha ido va-riando en cada clase en función del número demuestras que se quisiera conseguir para cum-plir este criterio.

La validación en sí se ha realizado median-te el estudio de las matrices de contingencia,

confusión o error (Stehman & Czaplewski,1998; Foody, 2002), que son tablas de dobleentrada en la que se establece la correspon-dencia entre las clases del producto analizadoy los datos de referencia. A partir de la matrizse han derivado una serie de parámetros analí-ticos que nos informan sobre la precisión de laclasificación a nivel global, mediante la exac-titud global (OA-Overall accuracy), así comodiferentes medidas que nos indican la fiabili-dad por clases como la exactitud de productor(PA-Producer’s accuracy) relacionado con loserrores de omisión y la exactitud del usuario(UA-User’s accuracy) relacionada con los erro-res de comisión (Story & Congalton, 1986;Congalton, 1991). Además se ha calculado elíndice Kappa, que mide la diferencia entre elacuerdo del mapa-realidad observado y el quecabría esperar aleatoriamente (Cohen et al.,1960).

RESULTADOS

Comparación de superficies

La Figura 3 muestra el porcentaje total desuperficie para los cuatro productos y agrupa-dos en doce clases. La clase cultivos es la cu-bierta dominante para esta zona de estudio.CORINE y GLC2000 presentan porcentajes si-milares de esta clase, con una extensión total(incluyendo la clase mosaico de cultivos) de


Figura 3. Porcentaje total del área para GLC2000, CORINE, MODISLC y GlobCover.

44.3% (55.0%) y 46.5% (51.7%) en Portugal(España). Un porcentaje similar se ha calcula-do por la Oficina Estadística de la ComisiónEuropea (Eurostat, 2008) para el año 2007, conuna superficie total de 41.2% (50.8%) en Por-tugal (España). En contraste, el porcentaje delas clases de cultivo para MODISLC y Glob-Cover son solamente de 36.6% y 31.6%.

En lo que concierne a las clases forestales,MODISLC subestima los bosques de frondo-sas y coníferas y sobreestima los bosques mix-tos. Este resultado demuestra y conf irma laexistencia significativa de errores de omisiónen la clase MODISLC 2.Evergreen broadleaf,tal y como indican investigaciones previas(McCallum et al., 2006) a escala global. Lasdiscrepancias se pueden explicar parcialmentedebido a la diferencia que existe en la defini-ción de los bosques en IGBP y a la ausencia deuna correspondencia directa de las clases sa-banas de MODISLC. Basándonos en estudiosprevios (Herold et al., 2008), en este estudio laclase MODISLC 8. Woody savannas se ha re-lacionado con los bosques mixtos, resultandoen una sobreestimación de esta clase. Aunqueotros autores los relacionen con bosques defrondosas (Giri et al., 2005) hemos seguido lasindicaciones de Herold et al. (2008) puesto queen la zona de estudio hemos detectado que laszonas cartografiadas como 8. Woody savannasocupan principalmente la parte este de la Pe-nínsula Ibérica, presentando alta diversidad debosques mixtos con muy baja presencia de bos-ques de frondosas (MFE50, 2001).

La extensión de la clase GlobCover 150.Sparse Vegetated (34.5%) está sobredimensio-nada y es poco representativa de la realidad.En una comparación visual con una cartogra-fía detallada (MARM, 2009), se ha detectadoque esta clase presenta importantes errores decomisión principalmente en las zonas de cul-tivos de secano. Resultados similares se en-cuentran en Navarra y Murcia (García-Gigo-rro et al., 2007) utilizando MERIS para laclasificación de la cubierta y en la validaciónde GlobCover en Portugal (Caetano et al.,2010). Por tanto, podemos concluir que Glob-cover ofrece una representación poco adecua-da de la cubierta en aquellas zonas ocupadaspor cultivos susceptibles al estrés hídrico enzonas áridas con valores bajos de NDVI, pró-

ximos a aquellos que poseen la vegetación es-casa. Esto se debe a la ausencia de la banda delinfrarrojo de onda corta (SWIR-short-wave in-frared) en el sensor MERIS, que es especial-mente sensible a la vegetación, la humedad delsuelo y el contenido de agua en las hojas y quemejora la discriminación de la vegetación (Cle-vers et al., 2007).

Validación indirecta

Método Convencional y Flexible

En la Figura 4 se muestra el acuerdo entrelos cuatro productos de cubiertas del suelo re-clasif icados a la leyenda generalizada. Elacuerdo total representa un 12.7% de total dela superficie, localizándose principalmente enzonas de cultivos extensivos de secano ubica-dos en la meseta central y en los cultivos de re-gadío del valle del Ebro (Aragón y Cataluña).Estas superficies se caracterizan por presentarun paisaje homogéneo lo que permite una me-jor discriminación espectral (Wu et al., 2008).Zonas de alto acuerdo (26.9%) se localizan ad-yacentes a las áreas de acuerdo total. El méto-do flexible Booleano permite delinear zonas detransición de muy alto acuerdo (4.2%), porejemplo la región Centro de Portugal donde selocalizan diferentes tipos de bosque, clases quetemáticamente están muy próximas (ej. Bos-que mixto en MODISLC y coníferas en el res-to de productos).

Las zonas de desacuerdo, 15.9% para el mé-todo convencional y 9.28% para el flexible, selocalizan principalmente en la zona occidentalde la Península Ibérica. Estas zonas se asocianprincipalmente con un paisaje heterogéneo yfragmentado compuesto con una mezcla de zo-nas herbáceas, matorral, cultivo y bosque. Porejemplo, el noroeste de la península, se clasi-fica principalmente como cultivo (GLC2000),bosques de frondosas caducifolias (GlobCo-ver), matorral de transición (CORINE) y sa-bana leñosa (MODISLC).

El acuerdo total en una comparación entrepares de productos (Tabla 3), revela una bue-na coincidencia (59.0%) entre CORINE yGLC2000. El acuerdo disminuye drásticamente


entre otras combinaciones, principalmente en-tre la combinación GlobCover y MODISLC(20.5%). Las discrepancias en MODISLC sedeben parcialmente a una muestra insuficien-tes de datos de entrenamiento del ecosistemaMediterráneo durante la clasificación (Mori-sette et al., 2002). Aunque a nivel global lacombinación GLC2000-GlobCover presentaun mayor acuerdo (55.7%), no es de esperarque estos resultados se obtengan en paisajesfuertemente antropogénicos y heterogéneos co-mo la Península Ibérica, puesto que este tipode paisaje complejo y de alta variación topo-gráfica es propenso a presentar errores por fa-tal de registro geográfico (Foody et al., 2002).

Método basado en la lógica difusa

La Figura 5, muestra un mapa de solapa-miento entre los cuatro productos analizados a

partir de la lógica difusa y de los atributos de-rivados del LCCS. Esta metodología nos per-mite obtener un mapa, con una gradación queoscila entre 0 (grado de acuerdo nulo) y 1(acuerdo total), lo que nos permite analizar enmayor profundidad las discrepancias/acuerdosentre productos, así como sus causas. Asimis-mo permite detectar áreas que aunque en unacomparación directa (método Booleano) nocoincidan, son similares independientementede la leyenda asociada. Así pues, en una com-paración Booleana el resultado mostraría quedos productos presentarían una zona de des-acuerdo en una zona que uno de ellos la clasi-fique como coníferas y otro como frondosas,sin embargo al aplicar esta metodología nospermite reconciliar estas diferencia minimi-zando el desacuerdo en esta zona, que presen-taría un alto valor de similitud. Por ejemplo,

En la Figura 5 se puede observar que en lazona del noreste de la Península (Galicia y As-


Figura 4. Acuerdo espacial entre los diferentes productos de cobertura del suelo para una leyenda general.Izquierda (Comparación Booleana): Acuerdo total (4 de los productos), acuerdo altro (3 de los productos),acuerdo moderado (2 de los productos). Derecha (Comparación Booleana Flexible), la leyenda se extiendecon valores intermedios: muy alto acuerdo (tres y medio), acuerdo sustancial (dos y medio) y acuerdo ba-jo (uno y medio).

Tabla 3. Acuerdo entre productos de acuerdo a una validación indirecta.

Combinación de productos Método Método Método de lógica difusa Boleano Flexible

GlobCover-GLC2000 79.6 29.1 36.9GlobCover-MODISLC 78.4 20.5 30.3GlobCover-CORINE 77.5 29.9 36.9GLC2000-MODISLC 78.7 36.1 43.9GLC2000-CORINE 83.1 59.0 63.6MODISLC-CORINE 77.0 32.6 40.1

turias) hay una zona de valores relativamenteelevados (alrededor de ocho) en contraste conla Figura 4 que presenta zonas de desacuerdo.Esta zona corresponde a bosques mixtos segúnGLC2000 y CORINE y bosques de frondosassegún GlobCover, la nueva metodología puedepor tanto detectar zonas donde la discrepanciaes relativamente mínima.

Las zonas de desacuerdo (zonas en amari-llo) se observan principalmente en la RegiónNorte, Madrid, Comunidad Valenciana y Cata-lunya. Los principales conflictos se localizanen las zonas colindantes con las áreas metro-politanas de Madrid, Barcelona, Lisboa, Opor-to y Valencia debido al cambio del paisaje pro-ducido por el crecimiento urbano. De hecho ladensidad y la forma de los núcleos urbanos aescala global, como ocurre con MODISLC, sonnormalmente difíciles de distinguir (Friedlet al., 2010). GlobCover es el producto que re-presenta más f idedignamente el crecimientourbano ocurrido en la última década.

Resultados parciales de la comparación ba-sada en LCCS muestran que las clases más ge-

néricas que utilizan menos atributos en su de-finición (ej. Agua) están más próximas y po-seen índices de solapamiento más altos (alre-dedor de 1) puesto que dos categorías son mássimilares cuanto menor es el número de vin-culaciones entre ellas (Feng & Flewelling,2004). Por tanto, los atributos que pertenecena un nivel superior de la jerarquía de LCCS (fa-se dicotómica: Presencia Vegetación, Condi-ción Edáfica y Use del Suelo) son los que ori-ginan menores discrepancias entre productos.Mientras que el resto, presentan mayores dife-rencias. Un ejemplo de estas discrepancias loencontramos en las zonas forestales, que estándescritas por diferentes tipos de Densidad deVegetación incrementando la diferencia entrelos distintos productos. CORINE tiene unadensidad superior a 30%, mientras que MO-DISLC >60%, GLC2000 >15% y GlobCoverdefine diferentes densidades según el tipo debosque: abierto (15-40%), cerrado a abierto(>15%) y cerrado (>40%).

CORINE presenta menor ambigüedad y ma-yor detalle temático en la caracterización de


Figura 5. Mapa de solapamiento basado en la lógica difusa, representando una medida de acuerdo entre loscuatro productos.

las clases agrícolas. Sin embargo el principalhándicap de CORINE, comparado con los otrosproductos, es la ausencia de un descriptor dela fenología de la hoja en las clases de bosque.Es decir, CORINE no distingue entre hoja ca-duca y perenne, por tanto se puede concluir queeste producto en estudios forestales ofrece uninventario menos detallado. GlobCover poseeuna leyenda muy flexible en la definición desus clases, admitiendo una gran variedad de cu-biertas simultáneamente (ej. Clase 110. Mo-saic forest of shrubland (50-70%)/grassland(20-50%)) que aunque introduce confusiónofrece una caracterización más realista del te-rritorio.

En la Tabla 3 se muestra el acuerdo basadoen la lógica difusa, representado por la mediade los datos de la imagen. Se puede observarque comparados con el método Booleano, lalógica difusa incrementa significativamente losvalores de acuerdo minimizando las discre-pancias temáticas, aunque el patrón es similaral que ofrece el método Booleano, mostrandoque el mejor acuerdo se produce en la combi-nación CORINE-GLC2000.

Validación directa

La validación directa de los productos en Es-paña resulta en una exactitud global de 69.5%(kappa 0.7) en CORINE, 56.8% (kappa 0.59)en GLC2000, 38.7% (kappa 0.46) en GlobCo-ver y 36.1% (kappa 0.5) en MODISLC. Estos

valores son menores que los resultados a nivelglobal. Por ejemplo, GlobCover para el pro-ducto global presenta una precisión total de73% (Bicheron et al., 2008). Sin embargo, ytal y como se ha dicho anteriormente en lu-gares como España, donde hay una alta varia-bilidad topográf ica se incrementa el errorgeográfico, incurriendo en errores en la clasi-ficación.

Dado las óptimas características de la basede datos de referencia, se ha evaluado el efec-to de varios factores en la precisión global re-sultante (Tabla 4). Primero se ha evaluado co-mo influye la resolución temática en laexactitud global. Para ello hemos evaluado laprecisión considerando diferentes grados deagregación de la leyenda, seis, diez, doce y ca-torce clases (leyenda generalizada), resultan-do que la exactitud se incrementa cuanto ma-yor es el grado de agregación de la leyendapuesto que agregar las clases minimiza las di-ferencias debido a la definición de las clases yla ambigüedad temática, mejorando la exacti-tud (McCallum et al., 2006). Sin embargo hayque tener en cuenta que la disminución de cla-ses incurre en una pérdida de información.

Generalmente, en el proceso de validaciónse asume que el pixel es homogéneo y presen-ta un único tipo de cubierta. Dado que en esteestudio disponemos de la fracción de ocupa-ción en cada píxel también se ha evaluado elefecto que tiene la heterogeneidad sub-pixel(Tabla 5). Para ello, se ha llevado a cabo la va-lidación considerando cada vez un umbral di-


Tabla 4. Efecto de la resolución temática en la precisión total.

Producto 6 Clases 10 Clases 12 Clases 14 Clases

CORINE 88.57 72.88 70.68 69.55GLC2000 80.06 61.58 57.89 56.85MODISLC 78.32 46.13 39.66 36.15GlobCover 77.99 50.45 47.02 38.76

Tabla 5. Efecto de la fracción sub-pixel en la precisión total.

Producto 100% 90% 80% 70% 60%

CORINE 90.20 85.82 80.66 75.32 70.59GLC2000 88.79 82.53 76.65 70.49 64.96MODISLC 71.71 60.76 54.64 49.02 44.37GlobCover 73.84 64.53 59.02 53.68 48.68

ferente de pureza que oscila desde el 50 al100%, es decir, se ha calculado la precisión to-tal sólo con los píxeles que superaran un um-bral determinado de ocupación. En la Tabla 5se muestra como la precisión incrementa a me-dida que aumenta la homogeneidad en el píxeldebido a que la clasificación de píxeles puroses más sencilla (Latifovic & Olthof, 2004),puesto que en las zonas de alta fragmentaciónpaisajística y gran heterogeneidad en el pixeles difícil captar su complejidad (Mayaux et al.,2006).

En la Tabla 6 se muestran los resultados dela exactitud en un análisis por clases para la le-yenda generalizada de 14 clases. En la tabla sepuede observar que ciertas clases, como Mo-saico de Cultivos en MODISLC, no ha sido po-sible evaluarlas puesto que no existen. Tambiénhay que resaltar que la clase suelo desnudo yvegetación escasa, se han validado por separa-do sin embargo en MODISLC conforman unaúnica clase.

Algunas clases se caracterizan por tener al-ta exactitud de usuario (EU) y exactitud de pro-ductor (EP) en todos los productos lo que sig-nifica que son clases bien cartografiadas, comolas superficies artif iciales, cultivos, cultivosirrigados y agua. Estas clases presentan unamejor discriminación espectral y menor ambi-güedad en su definición. Otras clases presen-tan alta EP y baja EU lo que indica una sobre-estimación, como la clase de MODISLC

bosque mixto con valores de 67.3% y 9.1% res-pectivamente. Esta clase presenta muchos erro-res de comisión (90.9%) debido a que se cla-sifica como bosque mixto, cuando realmentecorresponde a bosque de coníferas. Además,MODISLC presenta valores bajos de EP en losbosques de frondosas (9.7%) y de coníferas(33.9%) debido a la confusión de este tipo debosques con zonas de cultivo y matorral. Tal ycomo se ha indicado anteriormente esto se pro-duce en parte a la dificultad de relacionar lasclases de sabana y a la diferentes definicionesde la densidad de bosques según productos.

GlobCover presenta una EP (alrededor de0.4%) y por tanto muchos erros de omisión enla clase herbáceas, por su parte MODISLC pre-senta bajo EP (7%) y EU (5.6%) indicando al-tos valores tanto de comisión como de omisiónpara la clase matorral. La clase que presentauna menor EP (9%) y EU (24.9%) en GLC2000es la clase de suelo desnudo.

Los cultivos en GlobCover están subesti-mados representado por una alta EU (97.8%)y una baja EP (59.2%), debido a que esta cla-se se confunde con vegetación escasa. La cla-se bosques mixtos presentan altos errores deomisión (valores entre 61.8% y 82.9%) y decomisión (valores entre 55.4% y 87.6%), estaclase se confunde normalmente con otro tipode bosques (frondosas y coníferas) o con ma-torrales e incluso con herbáceas. En general,este tipo de clases presentan menos precisión


Tabla 6. Medidas de exactitud por clase de los productos validados con SIOSE. Nota: EU (Exactitud delUsuario), EO (Errores de Omisión), EP (Exactitud de Productor) y EC (Errores de Comisión).

ClasesCORINE

�GLC2000

�GLOBCOVER

�MODISLC

EP EO EU EC EP EO EU EC EP EO EU EC EU EO UA EC

Superficies Artificiales 60.7 39.3 88.3 11.7 67.7 32.3 97.1 2.9 87.2 12.8 86.3 13.7 48.4 51.6 96.1 3.9Cultivos Irrigados 74.9 25.1 86.2 13.8 64.5 35.5 93.0 7.0 59.2 41.0 0.0 100.0 0.0 100.0 97.8 2.2Cultivos 97.0 3.0 74.1 25.9 96.4 3.6 63.6 36.4 72.3 27.8 74.6 25.4 79.3 20.7 65.0 35.0Mosaico de Cultivos 0.0 100.0 0.0 100.0 0.0 100.0 0.0 100.0 0.0 100.0 0.0 100.0 0.0 100.0 0.0 100.0Bosque de Frondosas 69.5 30.5 60.0 40.0 63.5 36.5 54.5 45.6 53.6 46.4 11.2 88.8 30.6 69.4 47.9 52.1Bosque de Coníferas 75.5 24.5 60.7 39.3 74.2 25.8 51.3 48.7 68.8 31.2 54.1 46.0 34.0 66.0 44.2 55.8Bosque Mixto 20.5 79.5 44.6 55.4 17.7 82.3 24.3 75.7 17.1 82.9 20.1 79.9 38.2 61.8 12.4 87.6Matorral 65.1 34.9 43.0 57.0 46.5 53.5 36.4 63.6 25.6 74.4 5.6 94.4 8.0 92.0 28.9 71.1Herbáceas 39.3 60.8 69.6 30.7 10.2 89.8 58.6 41.4 0.4 99.7 65.1 34.9 31.0 69.0 19.9 80.1Vegetación Escasa 11.5 88.5 52.7 47.3 14.4 85.6 41.7 58.3 35.8 64.2 0.0 100.0 0.0 100.0 15.9 84.1Suelo Desnudo 32.5 67.5 36.2 63.8 9.0 91.0 24.9 75.1 10.6 89.4 32.1 67.9 5.8 94.0 44.6 55.4Humedales 53.2 46.8 80.4 19.6 77.7 22.3 60.6 36.4 0.6 99.4 30.2 69.8 2.4 97.6 80.0 20.0Nieve 0.0 100.0 0.0 100.0 0.0 100.0 0.0 100.0 0.0 100.0 0.0 100.0 0.0 100.0 0.0 100.0Agua 66.0 34.0 60.8 39.2 65.1 34.9 78.2 21.8 95.3 4.7 77 23 39.5 60.5 71.6 28.4


puesto que en ellas coexisten distintos tipos decobertura con diferentes señales espectrales,por lo que es difícil delimitarlas correctamen-te, principalmente en productos de media o ba-ja resolución espacial.

Conclusiones

En este trabajo se ha evaluado cuatro de losproductos de cubiertas del suelo más relevan-tes (CORINE, GLC2000, GlobCover y MO-DISLC) en la Península Ibérica, haciendo es-pecial hincapié en España. Para ello se hanrealizado dos validaciones: (i) una validacióndirecta con unos datos de referencia extraídosde la base de datos SIOSE y (ii) y una valida-ción indirecta en la que se han comparado losdiferentes productos entre ellos con el objeti-vo de detectar sus fortalezas y debilidades. Asu vez, la validación indirecta se ha llevado acabo aplicando dos metodologías, una Boole-ana que a su vez se ha ampliado permitiendocierta flexibilidad temática en lo que hemosllamado comparación Flexible y otra basada enla lógica difusa a partir de unos atributos deri-vados del LCCS.

La comparación Booleana en la PenínsulaIbérica muestra grandes discrepancias entreproductos. Los mejores resultados se han ob-tenido en la comparación de CORINE conGLC2000 (59%), mientras que los peores sehan obtenido para la combinación entre Glob-Cover y MODISLC (20.5%). Es decir, a nivelregional en la zona de estudio MODISLC yGlobCover presentan restricciones importan-tes. A grandes rasgos, se puede concluir queGlobCover sobreestima claramente la clase devegetación escasa debido a una confusión deesta clase con zonas de cultivos, mientras quelas principales discrepancias de MODISLC sedeben a la dif icultad en la asignación de lasclases sabanas por carecer de una correspon-dencia directa con el resto de leyendas y con larealidad del área de estudio.

Al incrementar la flexibilidad del método(Método Flexible) se produce un ligero incre-mento del acuerdo, siendo más significativo elincremento en leyendas que presentan un ele-vado número de clases tipo mosaico, comoGlobCover (ej. la combinación GlobCover-

MODISLC pasa de un 20% a un 30%). La com-paración basada en la lógica difusa, ha resul-tado adecuada para identificar áreas donde seproducen conflictos importantes entre produc-tos, como las áreas artificiales. Además la apli-cación de esta metodología ha resultado unaherramienta adecuada en la localización de áre-as que a priori no presentan ningún tipo deacuerdo según la comparación convencional,pero cuyas diferencias pueden resultar acepta-bles para una determinada aplicación. Porejemplo, en las zonas boscosas de Galicia y Re-gión Centro en Portugal, aunque existe una am-plia variedad de tipos de cubierta, el alto gra-do de similitud entre clases sugiere un buenacuerdo o consenso entre productos. En estazona, la cartografía podría considerarse, portanto, adecuada en aplicaciones forestales.

Los resultados de la validación directa mues-tran que en España el producto que mejor seajusta a la realidad del terreno es CORINE(69.5%) seguido de GLC2000 (56.8%), mien-tras que GlobCover (38.7%) y MODISLC(36.1%) presentan las mayores imprecisiones.Las clases agrícolas, junto con las superficiesartificiales y el agua son las que se encuentranmejor caracterizadas en todas las clasificacio-nes, puesto que presentan una mejor discrimi-nación espectral. Por el contrario, las clases fo-restales y mixtas (ej. matorral, bosque mixto)presentan los valores más bajos en exactituddel productor y del usuario.

Agradecimientos

Este trabajo se ha realizado gracias al apo-yo de los proyectos LSA SAF (EUMETSAT),RESET CLIMATE (CGL2008-00381) y RE-SET CLIMATE (CGL2012-35831).

Referencias

AHLQVIST, O. 2005. Using uncertain conceptualspaces to translate between land cover categories.International Journal of Geographical Informa-tion Science, Vol. 19, 831-857.

ARINO, O., LEROY, M., RANERA, F., GROSS, D.,BICHERON, P., NINO, F., BRACKMAN, C.,DEFOURNY, P., VANCUTSEM, C., ACHARD,F., DURIEUX, L., BOUFG, L., LATHAM, J.,

GREGORI, A. D., WITT, R., HEROLD, M.,SAMBALE, J., PLUMMER, S., WEBER., J. L.,GORYL, P., & HOUGHTON, N. 2008. GlobCo-ver- a global land cover service with MERIS. EN-VISAT SYMPOSIUM.

BARTHOLOMÉ, E., & BELWARD, A. 2005.GLC2000: A new approach to global land covermapping from Earth Observation data. Internatio-nal Journal of Remote Sensing, Vol. 26, 1959-1977.

BICHERON, P., DEFOURNY, P., BROCKMANN,C., SCHOUTEN, L., VANCUTSEM, C., HUC,M., BONTEMPS, S., LEROY, M., ACHARD, F.,HEROLD, M., RANERA, F., & ARINO, O. 2008.GlobCover: products description and validationreport. Technical report, ESA GlobCover project.

BONTEMPS, S., DEFOURNYE, P., VAN BO-GAERT, E., ARINO, O., KALOGIROU, V., & PE-REZ, J.R. 2011. GLOBCOVER 2009: productsdescription and validation report. http://due.es-rin.esa.int/globcover/LandCover2009/GLOB-COVER2009_Validation_Report_2.2.pdf

BOSSARD, M., FERANEC, J., & OTAHEL, J.2000. Corine land cover technical guide-adden-dum. Technical Report 40, EEA, Copenhagen.

BOUCHON-MEUNIER, B., RIFQI, R., & BO-THOREL, S. 1996. Towards general measures ofcomparison of objects. Fuzzy Set System, Vol.84,143-153.

CAETANO, M., CARRÃO, H., SARMENTO, P., &NUNES, V. 2010. GlobCover Developments inEnvironmental Earth Observation from Space. EnAccuracy assessment of the Portuguese CORINEland cover map, 459-467. Rotterdam: Milpress.

CERDEIRA , C., ARAÚJO, A., CARRÃO, H., &CAETANO, M. 2006. Validação das cartografiasglobais de ocupação do solo, GLC2000 eMOD12Q1, para Portugal Continental. En IX En-contro de Utilizadores de Informação Geográfica.

CHENG, T., MOLENAAR, M., & LIU, H. 2001.Formalizing fuzzy objects from uncertain classi-f ication results. International Journal of Geo-graphical Information Science, Vol. 15, 27-42.

CLEVERS, J., SCHAEPMAN, M., MÜCHER, C.,DE WIT, A., ZURITA-MILLA, R., & BARTHO-LOMEUS, H. 2007. Using MERIS on Envisat forland cover mapping in the Netherlands. Interna-tional Journal of Remote Sensing, Vol. 28, 637-652.

COHEN, J. 1960. A coefficient of agreement for no-minal scales. Educational and Psychological Me-asurement, Vol. 20, 37-46.

CONGALTON, R. G. 1991. A review of assessingthe accuracy of classifications of remotely senseddata. Remote Sensing of Environment, 37, 35-46.

EEA. 2002. CORINE land cover update. I &CLC2000 project. Technical guidelines. Tech-nical report, European Environmental Agency.

EUROSTAT. 2008. Eurostat year book- Euroep inFigures. Technical report, Statistical Office of theEuropean Communities. Luxemburgo.

FENG, C. C., & FLEWELLING, D. M. 2004. As-sessment of semantic similarity between landuse/land cover classif ication systems. Compu-ters, Environment and Urban Systems, Vol. 28,229-246.

FOODY, G. M. 2002. Status of land cover classifi-cation accuracy assessment. Remote Sensing ofEnvironment, 80, 185-201.

FRIEDL, M. A., BRODLEY, C., & STRAHLER, A.1999. Maximizing land cover classification ac-curacies produced by decision trees at continen-tal to global scales. IEEE Transactions on Geos-cience and Remote Sensing, Vol. 37, 969-977.

FRIEDL, M. A., McIVER, D. K., HODGES, J. C. F.,ZHANG, D., MUCHONEY, D., STRAHLER,A. H., WOODCOCK, C. E., GOPAL, S., SCHE-NEIDER, A., COOPER, A., BACCINI, A., GAO,F., & SCHAAF, C. 2002. Global land cover map-ping from MODIS: algorithms and early results.Remote Sensing of Environment, Vol. 83, 287-302.

FRIEDL, M. A., SULLA-MENASHE, D., TAN, B.,SCHNEIDER, A., RAMANKUTTY, N., SI-BLEY, A., & HUANG, X. 2010. MODIS Collec-tion 5 global land cover: Algorithm refinementsand characterization of new datasets. RemoteSensing of Environment, Vol. 114, 168-182.

FRITZ, S., BARTHOLOMÉ, E., BELWARD, A.,HARTLEY, A., STIBIG, H., & EVA, H. 2003.Harmonization, mosaicking and production ofthe global land cover 2000 database. Technicalreport, Ispra, Italy: Joint Research Center.

FRITZ, S., & SEE, L. 2008. Identifying and quan-tifying uncertainty and spatial disagreement inthe comparison of global land cover for differentapplications. Global Planetary Change, Vol. 14,1057-1075.

FRITZ, S., & SEE, L. 2005. Comparison of land co-ver maps using fuzzy agreement. InternationalJournal of Geographical Information Science,Vol. 19, 787-807.

FRITZ, S., McCALLUM, I., SCHILL, C., PER-GER, C., SEE, L., SCHEPASCHENKO, D., VANDEREVELDE, M., KRAXNER, F., & OBERS-TEINER, M. 2012. Geo-Wiki: An online plat-form for improving global land cover. Environ-mental Modelling & Software, Vol. 31, 110-123.

GARCÍA-GIGORRO, S., GONZÁLEZ-ALONSO,F., MERINO-DE MIGUEL, S., ROLDÁN-ZA-MARRÓN, A., & CUEVAS, J. 2007. MERIS-FRpotential for land use-land cover mapping inSpain. International Journal of Remote Sensing,Vol. 28, 1405-1412.

GIRI, C., ZHU, Z., & REED, B. 2005. A compara-tive analysis of the Global Land Cover 2000 andMODIS land cover datasets. Remote Sensing ofEnvironment, Vol. 94, 123-132.

HEROLD, M., MAYAUX, P., WOODCOCK, C.,BACCINI, A., & SCHMULLIUS, C. 2008. So-me challenges in global land cover mapping: An


assessment of agreement and accuracy in exis-ting 1 km datasets. Remote Sensing of Environ-ment, Vol. 112, 2538-2556.

HEROLD, M., HUBALDN, R., & DI GREGORIO,A.D. 2009. Translating and evaluating land coverlegends using the UN Land Cover ClassificationSystem (LCCS). GOFC-GOLD report series, 43,Workshop report of FAO, Rome, Italy.

JANSEN, L., & DI GREGORIO, A. D. 2002. Para-metric land cover and land-use classifications astools for environmental change detection. Agri-culture, Ecosystems and Environment, 91, 89-100.

KALNAY, E., & CAI, M. 2003. Impact of urbani-zation and land-use change on climate. Nature,Vol. 423, 528-531.

LATIFOVIC, R., & OLTHOF, I. 2004. Accuracy as-sessment using sub-pixel fractional error matri-ces of global land cover products derived fromsatellite data. Remote Sensing of Environment,90, 153-165.

LOVELAND, T. R., REED, B. C., BROWN, J. F., OH-LEN, D. O., ZHU, Z., YANG, L., & MERCHANT,J. M. 2000. Development of a global land covercharacteristics database and IGBP DISCover from1 km AVHRR data. International Journal of Re-mote Sensing, Vol. 21, 1303-1330.

MARM. 2013. SIG Mapa. Documentación técnica,Ministerio de Medio Ambiente Rural y Marino.Último acceso 24/06/13 http://sig.marm.es/siga/

MAYAUX, P., BARTHOLOMÉ, E., FRITZ, S., &BELWARD, A. 2004. A new land-cover map ofAfrica for the year 2000. Journal of Biogeo-graphy, Vol. 31, 861-877.

MAYAUX, P., EVA, H., GALLEGO, J., STRA-HELR, A., HEROLD, M., AGRAWAL, S., NAU-MOV, S., MIRANDA, E. D., BELLA, C. D.,ORDYNE, C., KOPIN, Y., & ROY, P. 2006. Vali-dation of the global land cover map. IEEE Trans-actions on Geoscience and Remote Sensing,Vol. 44, 1728-1739.

McCALLUM, I., OBERSTEINER, M., NILSSON,S., & SHVIDENKO. A. 2006. A spatial compa-rison of four satellite derived 1 km global landcover datasets. International Journal of AppliedEarth Observation and Geoinformation, Vol. 8,246-255.

MFE50. 2001. Mapa Forestal de España 2001. Ban-co de datos de la Naturaleza. Documentación téc-nica, Ministerio de Medio Ambiente y Medio Ru-ral y Marino.

MILLENIUM ECOSYSTEM ASSESSMENT.2005. Ecosystem and Human Well-Being:Synthesis. Island Press. Washington. Technicalreport, World Resources Institute.

MORENO, M. V., & CHUVIECO, E. 2009. Valida-ción de productos globales de cobertura del sue-

lo en la España Peninsular. Revista de Teledetec-ción, Vol. 31, 5-22.

MORISETTE, J. T., PRIVATTE, J. L., & JUSTICE,C. O., 2002. A framework for the validation ofMODIS Land products. Remote Sensing of En-vironment, Vol. 83, 77-96.

NEUMANN, K., HEROLD, M., HARTELY, A., &SCHMULLIUS, C. 2007. Compartive assessmentof CORINE2000 and GLC2000: Spatial analysisof land cover data for Europe. International Jour-nal of Applied Earth Observation and Geoinfor-mation, Vol. 9, 425-437.

PÉREZ-HOYOS, A., GARCÍA-HARO, J. F., &SAN-MIGUEL-AYANZ, J. 2012. Conventionaland fuzzy comparisons of large scale land coverproducts: Application to CORINE, GLC2000,MODIS and GlobCover in Europe. ISPRS Jour-nal of Photogrammetry and Remote Sensing, 74,185-201.

SCHREIER, G., & DECH, S. 2005. High resolutionearth observation satellites and services in thenext decade- a European perspective. Acta As-tronautica, Vol. 57, 520-533.

STEHMAN, S., & CZAPLEWSKI, R. L. 1998. De-sign and analysis for thematic map accuracy as-sessment: Fundamental principles. Remote Sen-sing of Environment, Vol. 64, 331-344.

STORY, M., & CONGALTON, R. 1986. Accuracy as-sessment: a user perspective. Photogrammetric En-gineering and Remote Sensing, Vol. 52, 397-399.

VALCÁRCEL, N., VILLA, G., AROZARENA, A.,GARCÍA-ASENSIO, L., CABALLERO, M.,PORCUNA, A., DOMENECH, E., & PECES, J.2008. SIOSE a successful test bench towards har-monization and integration of land cover/use in-formation as environmental reference data. In TheInternational Archives of the Photogrammetry,Remote Sensing and Spatial Information Scien-ce. Beijing, vol. XXXVII, 1159-1163.

VERBUG, P. H., NEUMANN, K., & NOL, L. 2010.Challenges in using land use and land cover da-ta for global change studies. Global Change Bio-logy, Vol. 17, 974-989.

WU, W., SHIBASAKI, R., YANG, P., ONGARO, L.,ZHOU, Q., & TANG. H. 2008. Validation andcomparison of 1 km global land cover productsin China. International Journal of Remote Sen-sing, Vol. 29, 3736-3785.

YOU, L., WOOD, S., & WOOD-SICHRA, U. 2009.Generating plausible crop distribution and per-formance maps for Sub-Saharan Africa using aspatially disaggregated data fusion and optimi-zation approach. Agriculture Systems, Vol. 99,126-140.

ZADEH, L. 1965. Fuzzy sets. Information and Con-trol, Vol. 8, 338-353.



Estimación de la evapotranspiración utilizando bandas del infrarrojo medio

D. Girolimetto1 y V. Venturini1

1 Centro de Estudios HidroAmbientales. Facultad de Ingeniería y Ciencias Hídricas. Universidad Nacional del Litoral. Ciudad Universitaria. CC217 Santa Fe, 3000, Argentina

Resumen

La creciente demanda del recurso hídrico conlleva la necesidad de utilizarlo eficientemente en to-dos los ámbitos, y en particular, en la agricultura por ser la principal consumidora de agua. Desde ha-ce varias décadas la comunidad científica ha desarrollado y actualizado diferentes métodos que apo-yan la gestión del agua para la agricultura. Entre estos modelos destacamos aquellos que permitencalcular la principal perdida de agua, la evapotranspiración (ET). La tecnología satelital ha generadoun punto de inflexión en estos desarrollos científicos al proporcionar información con resolucionesespacio-temporales muy finas comparadas con la densidad de información de campo. Así, existen mu-chos modelos para estimar la ET con datos de teledetección. En este trabajo se presenta una modifi-cación al cálculo del parámetro «F» del modelo de Venturini et al. (2008) que determina la ET con da-tos de teledetección. La humedad relativa de la superficie, σ = es / e*s, puede ser estimada mediantelas propiedades de las bandas infrarrojas cortas (SWIR) y fácilmente incorporada al cálculo de F yET. Los resultados preliminares obtenidos con esta nueva forma de estimar F son promisorios, mos-trando un error medio cuadrático del orden del 13% del valor medio de la ET y un sesgo de aproxi-madamente 4%. Los estadísticos indicarían que el modelo modificado supera al modelo original.

Palabras clave: evapotranspiración, SWIR, humedad relativa de la superficie, MODIS, estrés hí-drico

Abstract

Evapotranspiration estimation using short-wave infrared bands

The growing demand for water leads to the need for efficient use in all areas, and particularly in theagriculture practices that are the main consumer of water. For several decades the scientific communitydeveloped and updated different methods that support water management for agriculture. These modelsinclude those that calculate the main loss of water, the evapotranspiration (ET) . Satellite technologyhas created a turning point for these scientific developments providing information with fine spatial-temporal resolutions compared to the density of field data. Thus, today there are many models availableto estimate ET with remotely sensed data. In this work we present a modification to the calculation ofthe parameter «F» in model published by Venturini et al. (2008) to compute ET with remotely senseddata. The relative humidity of the surface, σ = es / e*s, can be estimated from the properties of the shortinfrared bands (SWIR), and easily incorporated in the calculation of F and ET. The results obtainedwith the new F shows promising results. The mean square error is about 13% of the mean ET and theresulting bias approximately 4%. These statistics would indicate that the modified model results improvethe original model.

Key words: evapotranspiration, SWIR, relative surface moisture, MODIS, water stress.


Introducción

La demanda creciente de agua a nivel mun-dial, ha motivado la necesidad de utilizar esterecurso de forma eficiente en todos los ámbi-tos, y en particular, en la agricultura por ser laprincipal consumidora de agua. A su vez, la ac-tividad agrícola juega un papel de suma im-portancia en el producto bruto interno de lospaíses, aportando grandes beneficios econó-micos y brindando la principal fuente de ali-mentos a sus poblaciones. Es por ello, que segeneran planes que optimicen el uso del aguamientras se maximiza la producción, conser-vando el recurso hídrico para las generacionesfuturas.

En las últimas cuatro décadas, la comunidadacadémica internacional ha puesto especialatención en el desarrollo de diversas metodo-logías tendientes a aportar soluciones al sectoragrícola (Sullivan et al., 2007). La necesidadde monitorear grandes regiones, ha motivado eldesarrollo de métodos para el cálculo de la eva-potranspiración (ET) sobre la base de datos pro-venientes de sensores remotos. El advenimien-to de los sensores remotos, permitió cuantificarel flujo de energía radiante que proviene de lasdiferentes superficies, proporcionando infor-mación que caracteriza las funciones y propie-dades de los diferentes ecosistemas en general.

La tecnología satelital permitió el desarro-llo de diversas metodologías para estimar la ETen base a datos remotamente sensados (Jack-son et al., 1977; Seguin et al., 1989; Jiang e Is-lam, 2001; Nishida et al., 2003; Norman et al.,2003; Rivas y Caselles, 2004; Venturini et al.,2008). En particular, el método desarrolladopor Venturini et al., (2008), requiere exclusi-vamente de datos satelitales para estimar la ET,facilitando su aplicación. Este método permi-te obtener mapas de ET a partir de la relacióncomplementaria propuesta por Granger (1989)y la ecuación de Priestley and Taylor (1972),mencionada como P-T de aquí en adelante. Elmodelo elimina la función del viento y los pa-rámetros de resistencia mediante la inclusiónde la de evaporación relativa.

En este trabajo se adopto modelo propuestopor Venturini et al. (2008) pero se modificó lametodología de obtención del parámetro prin-cipal de dicho modelo.

Revisión del modelo de Venturini et al.

Como ya se mencionó, Venturini et al.,(2008) desarrollaron una ecuación basada enla relación complementaria de Granger, (1989),la ecuación de P-T y el concepto de evapora-ción relativa propuesto por Granger y Gray(1989), que se define como:

[1]

donde fu es una función de la velocidad delviento y altura de la vegetación, es es la pre-sión de vapor de agua real de la superficie almomento de la medición, ea es la presión de va-por agua real del aire al momento de la medi-ción, e*s es la presión de vapor de agua de sa-turación de la superficie.

Venturini et al. supusieron que fu afecta deforma similar a la ET y a la evapotranspiraciónpotencial (Epot). También consideraron que laspresiones de vapor de agua de saturación y re-al se pueden calcular a partir de la curva SVPcon los datos de temperatura (Figura 1). De es-ta forma, los autores expresaron a la evapora-ción relativa (F) de la siguiente manera:

GGET

E

f (e e )

f (e* e )pot

u s a

u s a

= =−

−

42 D. Girolimetto y V. Venturini / Revista de Teledetección (2013) 40, 41-50

Figura 1. Esquema de la curva de presión de vaporde saturación y la relación entre Tu, Ts, es, e*s en elcontexto de la temperatura de superficie. El aire su-prayacente, se caracteriza por Ta y Td y la presiónde vapor e*a y ea respectivamente.

[2]

donde Tu es la temperatura de la superficie siésta es saturada sin cambiar su presión de va-por de agua real. Este concepto es análogo alconcepto de temperatura punto de rocío (Td).Ts es la temperatura de la superficie y Δ1 y Δ2

son las pendientes de la curva presión de va-por de agua de saturación (SVP) para las tem-peraturas Td y Ts respectivamente (ver Figu-ra 1).

A partir de la ecuación [2], es posible obte-ner Epot (Epot = ET / F) y combinarlo con laecuación complementaria de Granger (1989)[ET + Epot (γ / Δ) = Ew (Δ + γ) / Δ], lo que re-dunda en una expresión para ET como una fun-ción de la evapotranspiración de ambiente hú-medo (Ew),

[3]

donde Δ es la pendiente de la curva SVP y γ esla constante psicrométrica.

Venturini et al. utilizaron la ecuación de P-T para calcular Ew. Consecuentemente, com-binando la expresión de P-T con la ecua-ción [3], se obtiene la siguiente expresiónpara ET:

[4]

donde α es el parámetro de P-T que general-mente es considerado como igual a 1.26 parasuperficies saturadas, Rn es la radiación neta anivel de la superficie y G es el flujo de calordel suelo.

En esta nueva expresión de ET, es necesariodeterminar el factor F. Para ello, los autoresutilizaron la curva SVP suponiendo que, en su-perficies no saturadas, las fuerzas actuantes so-bre las moléculas de agua son las mismas queen superficies saturadas. Venturini et al. utili-zaron la ecuación de Buck (1981) para mode-lar la curva SVP y aproximar Tu.

La pendiente de la curva SVP en Ts y Td (Δ2

y Δ1 respectivamente) puede obtenerse comola primera derivada de la curva SVP así comotambién a partir de la linealización de la curvaSVP en los intervalos [Td, Tu] y [Tu, Ts]. Por lo

tanto, igualando ambos conceptos, los autoresderivaron la siguiente expresión para Tu:

[5]

Con Tu determinado, es posible obtener es yluego calcular ET. Una completa discusiónacerca de la definición de Tu y su cálculo pue-den encontrarse en Venturini et al., (2008).

Los autores reconocen que esta forma de es-timar Tu es numérica y no refleja totalmente losprocesos involucrados en dicha variable.

Derivación del nuevo coeficiente F

Para resolver la ecuación [2] es necesarioconocer es, o la temperatura Tu, como se expli-có anteriormente. La estimación de Tu a partirde la linealización de la curva SVP, implica tá-citamente que Tu es dependiente de Td, es de-cir, depende en cierta medida de la humedadrelativa del aire. Sin embargo, por definición(Venturini et al., 2008), Tu es una variable desuperficie que dependería sólo de la Ts y delcontenido de humedad de la superficie.

La ecuación [2], está gobernada por el défi-cit de presión de vapor de la superficie evapo-rante (e*

s – es) o por la disponibilidad de aguaen la superficie. En otras palabras, en una su-perficie saturada, es = e*

s, mientras que en unasuperficie muy seca, es tiende a ea (Granger yGray, 1989).

La relación entre es y e*s fue analizada por

Barton, (1979) quien en virtud de describir laevaporación desde una superficie no saturada,introdujo el parámetro σ definido como el co-ciente entre una condición real y potencial depresiones:

[6]

Barton definió a σ como una medida de lahumedad disponible sobre la superficie. El au-tor utilizo datos de la región árida de Denili-quin (Australia) para relacionar empíricamen-te σ con la humedad del suelo (HS). Lassiguientes relaciones fueron encontradas porBarton:

e

e

s

s*

σ =

Te e T T

us a s d*

2 1

1 2

( )=

− −Δ +Δ

Δ −Δ

ETF

FR G( )( )nα

γ=

Δ

Δ+−

ETET

FE ( )w

γ γ+

Δ=

+Δ

Δ

FET

E

e e

e e

T T

T T

( )

( )

( )

( )pot

s a

s a

u d

s d*

1

2

= =−

−≅

− Δ

− Δ

Estimación de la evapotranspiración utilizando bandas del infrarrojo medio 43

Si HS < 37.5 [7]

σ = 1 Si HS ≥ 37.5 [8]

donde HS es la humedad del suelo en %.Para dicha región, el autor encontró que un

suelo desnudo se satura para HS ≥ 37.5%. Estelímite es un parámetro de ajuste del método deBarton, que debe ser definido para cada tipo desuelo y región en estudio. El autor no reportó va-lores de σ para superficies mixtas (suelo + ve-getación), sin embargo, Barton indicó que estaparametrización es práctica ya que se puede in-corporar fácilmente en un modelo de ET.

El concepto de σ es utilizado en este trabajopara relacionar a Tu con propiedades de la su-perf icie. Más específ icamente, σ puede seraproximado a partir de la reflectancia en las fre-cuencias del infrarrojo de onda corta (SWIR) yrelacionado con el concepto de humedad rela-tiva de una superficie de evaporación.

La energía en el SWIR es absorbida por elagua, por lo que estas bandas son sensibles a lasvariaciones del contenido de humedad de unasuperficie (Chen et al., 2005) y han sido am-pliamente utilizadas para estimar el contenidode agua de la vegetación y para estimar la hu-medad del suelo (Knaeps et al., 2012). Diver-sos autores utilizaron combinaciones de la re-flectancia en el infrarrojo cercano (NIR) y enel SWIR para estudiar cambios en el contenidode agua foliar (Hunt et al, 1987; Gao, 1996;Ceccato et al., 2001; Fensholt y Sandholt, 2003;Zarco-Tejada et al., 2003; Chen et al., 2005;Cheng et al., 2006; Trombetti et al., 2008).

La importante absorción por agua produci-da a longitudes de onda > 1000 ηm, tiene unefecto significativo sobre la reflectancia, la queestá negativamente relacionada con el conte-nido de agua de la superficie (Yilmaz et al.,2008). Así, los suelos secos presentan una al-ta reflectividad en contraste con la baja reflec-tancia de los suelos húmedos (Lovell y Asner,2002). Hay otros parámetros que afectan a lasondas SWIR, como por ejemplo, la estructurainterna de la hoja, contenido de materia seca,tipo de suelo, entre otros, pero son insignifi-cantes en comparación con la absorción poragua (Fensholt y Sandholt, 2003). Cecattoet al., (2002) sugieren que más del 50% de los

cambios en la reflectancia del SWIR se debena la absorción causada por el contenido de aguaen el suelo y vegetación. Esta región del es-pectro electromagnético sería sensible al vaporde agua atmosférico, sin embargo en áreas re-lativamente pequeñas en ausencia de nubes, lavariabilidad espacial atmosférica sería insig-nificante y las variaciones de las bandas SWIRse relacionan con la presencia de agua en la su-perficie (Tucker, 1980; Hunt et al, 1987; Cec-cato, et al, 2001).

Diferentes pruebas de laboratorio demos-traron que para cualquier superficie saturada,la reflectancia en el SWIR es casi nula (Zarco-Tejada et al. 2003). Se ha observado que la ban-da del sensor MODIS correspondiente a los2130 ηm es altamente sensible al contenido deagua de las hojas (Fensholt and Sandholt,2003). En esta frecuencia, a medida que au-menta el contenido de agua en la vegetación,la reflectancia disminuye, alcanzando valorescercanos a cero para superficies con alto con-tenido de humedad.

Esta propiedad se utiliza para definir la re-flectancia SWIR correspondiente a la condi-ción de saturación (Rsat). Por lo tanto, conside-rando la superficie conformada por el complejosuelo + vegetación, a medida que aumenta elcontenido de agua, la reflectancia en el SWIRdisminuye. Considerando dicha relación in-versa y suponiendo que la disminución de lareflectancia en el SWIR es esencialmente de-bido al contenido de agua de la superficie, σpuede aproximarse como:

[9]

donde Rsat es la reflectancia de una superficiesaturada y Ri es la reflectancia SWIR del pixel i.

A los fines prácticos, Rsat es fácilmente ob-tenible a partir de la relación entre Ri y la HS,si los datos in situ están disponibles; de lo con-trario, Rsat se puede aproximar como la reflec-tancia media de los píxeles identificados comoagua libre (por ejemplo pixeles con NDVI < 0)en una imagen. En cualquier caso, valores deRi cercanos a cero representan píxeles satura-dos y pueden ser tomados como Rsat.

Con σ determinado, se puede calculares = σ e*

s y determinar el parámetro F (ecua-ción [2]) para luego calcular ET.

R

R

sat

i

σ =

HS

HS

1.8

30σ =

+


Zona de estudio

El área de estudio se encuentra en la regióndenominada Southern Great Plains (SGP) deEE.UU., entre los 95,5 y 99,5º de longitud Oes-te y los 34,5 y 38,5º de latitud Norte (Figura 2).

SGP es una planicie que se extiende sobre elEstado de Oklahoma y el sur de Kansas. Presen-ta una geografía relativamente homogénea, conun rango de elevaciones que va desde los 490 mal Este hasta los 900 m hacia el Oeste, incre-mentándose gradualmente. En estos llanos, laspendientes son cortas y empinadas en los valles.El clima es subtropical semiárido, con inviernosfríos y secos y veranos calurosos. Las precipita-ciones máximas ocurren en verano, sin embargo,las temperaturas altas hacen que la estación searelativamente seca. La temperatura media anualvaría entre los 14°C y los 18°C y las precipita-ciones entre los 490 y 740 mm. La cobertura ve-getal es heterogénea, siendo la hierba la vegeta-ción dominante en la pradera. Debido a que, engeneral, las condiciones climáticas y de suelo sonfavorables, la mayor parte de la superficie se en-cuentra cultivada (http://www.arm.gov).

SGP cuenta con una amplia red de estacio-nes terrenas que son mantenidas por el pro-grama Atmospheric Radiation Measurement(ARM). Las estaciones se encuentran bien dis-tribuidas en todo el dominio como se puede ob-servar en la Figura 2.

Datos disponibles

La zona denominada SGP presenta una ex-tensa cobertura de estaciones del tipo EnergyBalance Bowen Ration (EBBR) que permitenobtener observaciones de los flujos de calor anivel de la superficie como así también de di-ferentes variables meteorológicas. El sistemaEBBR produce cada 30 min, estimaciones decuatro variables primarias: flujo de calor sensi-ble, flujo de calor latente, Rn y valor medio deflujo de calor de la superficie del suelo. Ademáse registran variables ambientales tales comotemperatura del aire (Ta), presión de vapor, pre-sión atmosférica, humedad de suelo (HS, a cin-co profundidades), temperatura de suelo (Tsuelo,a cinco profundidades), flujo de calor del suelo(a cinco profundidades), dirección y velocidadde viento. Mayor información acerca de los da-tos está disponible en http://www.arm.gov.

Imágenes satelitales

El sensor MODIS (Moderate ResolutionImaging Spectroradiometer) se encuentra abordo de los satélites Terra y Aqua. Estos sa-télites forman parte de la misión EOS (EarthObserving System) de la NASA. MODIS pro-porciona una resolución radiométrica alta, de12 bits, en 36 bandas del espectro electromag-


Figura 2. Ubicación del área de estudio y estaciones de muestreo sobre un mapa de NDVI.

nético que abarcan longitudes de onda desdelos 0.4 a los 14.4 μm. Para obtener más infor-mación sobre el sensor MODIS se puede visi-tar la página: http://modis.gsfc.nasa.gov/.

En este trabajo se seleccionaron 4 imágenesMODIS-Aqua correspondientes a la verano delos años 2009, 2010 y 2011, con al menos el80% del área de estudio libre de nubes. La Ta-bla 1 resume la información de las imágenesincluyendo la fecha, día del año, la hora de pa-so del satélite y la calidad de la imagen.

Se utilizaron los productos MYD02,MYD07 y MYD11. El producto MYD02 ofre-ce diariamente la radiancia calibrada y geolo-calizada, al tope de la atmósfera, de 36 bandasespectrales. Las bandas 8-36 presentan una re-solución espacial de 1 km, mientras que los da-tos correspondientes a las bandas 1-2 (250 m)y 3-7 (500 m) son agregados hasta una resolu-ción de 1 km. Las imágenes correspondientesal rojo (R) y NIR, fueron utilizadas para obte-ner el índice de vegetación NDVI; mientras quelas imágenes de reflectancia de la banda 7 (R7)correspondiente al canal centrado en los 2.130Ìm se utilizaron para obtener σ.

El producto MYD07 ofrece perfiles de tem-peratura y humedad, concentración total de lacolumna de ozono, vapor de agua precipitabley varios índices de estabilidad atmosférica (Se-emann et al., 2003; Seemann et al., 2006). Losperfiles de temperatura y humedad son produ-cidos en 20 niveles verticales de presión at-mosférica (Menzel et al., 2002). El algoritmoutilizado por MODIS para recuperar los perfi-les atmosféricos, es una regresión estadísticaque permite una recuperación física posterior(Smith y Woolf, 1988; Hayden, 1988; Li, 2000).En este trabajo se utilizó el perfil vertical de950 hPa por ser el nivel más cercano a las pre-siones atmosféricas registradas en la zona deestudio. Este perfil corresponde exactamente

al plano de los 950 hPa y ofrece la Ta y la Td detodos aquellos puntos del plano con presionesatmosféricas mayores o iguales a 950 hPa. Laresolución espacial de este producto es de 5 km2

y la resolución temporal es diaria.El producto MYD11 proporciona imágenes

de Ts y emisividad de la superficie diariamen-te (Wan y Dozier, 1996; Venturini et al., 2004;Venturini et al., 2010). El producto tiene unaprecisión de 1 K para materiales con emisivi-dades conocidas.

Estos productos fueron validados, lo que sig-nif ica que las incertidumbres de los mismosestán bien definidas sobre un rango de condi-ciones representativas. En el siguiente linkhttp://www.modis.gsfc.nasa.gov es posible en-contrar toda la información acerca de estos pro-ductos. Todas las imágenes utilizadas, georre-ferenciadas a partir de las coordenadasgeográficas (Latitud y Longitud) originales delas mismas, fueron recortadas en una matriz de445 × 445 píxeles de 1 km2 aproximadamente.

Calculo de σσ

Con el fin de aproximar Rsat, se contrastó laR7 con los datos de HS (% gravimétrico) ob-tenidos en cada estación de muestreo para ca-da uno de los días analizados (Figura 3). Se ob-servó una relación inversa entre ambasvariables, lo que es congruente con lo obser-vado por Zarco-Tejeda et al., (2003) quienesmodelaron la reflectancia de la vegetación pa-ra diferentes valores de contenido de agua enla hoja.

En la Figura 3 se observa que la R7 tiende ahacerse asintótica a 0,06 para valores de HSmayores a 25%, indicando la condición de sa-turación de la superf icie (Hillel, 1998). Seadopta Rsat igual a 0.06 coincidiendo con la re-


Tabla 1. Fecha, día del año, hora de paso del satélite y calidad de la imagen.

Día Hora Calidad Fecha del año de paso de la imagen

(DOY) (UTC) (% de nubes)

5 de junio del 2011 156 19:55 141 de junio del 2010 152 19:15 44 de junio del 2010 155 19:45 185 de junio del 2009 156 19:25 14

flectancia mínimo minimonum. En el caso deno contar con observaciones de HS, Rsat puedeobtenerse a partir de la reflectancia de los pí-xeles identificados con NDVI < 0 en la imagendel SWIR. En este caso, Rsat se obtiene como(ΣRdNDVI < 0) / n, donde RdNDVI < 0 es la reflec-tancia media de los píxeles identificados conNDVI < 0 en la banda del SWIR para un día da-do, y n es el total de días analizados.

Se destaca la similitud en los valores obte-nidos de Rsat a partir de observaciones de HS ya partir de RdNDVI < 0 (0.06 y 0.059). Las prue-bas de laboratorio demostraron que la reflec-tancia de una superficie saturada presenta unrango de variación limitado cualquiera sea lasuperficie y estación del año (Zarco-Tejada,2003), razón por la cual, Rsat puede conside-rarse constante sin introducir grandes errores.

Con Rsat determinado, es posible aplicar laecuación [9] y obtener σ para cada uno de los dí-as estudiados. Luego, es puede ser obtenido (verecuación [6]) y el parámetro F calculado me-diante la aplicación de la ecuación [2]. Final-mente, la ET modificada a partir de σ (ETG-V)puede ser estimada para los días analizados.

Validación de la ET modificadaa partir de σσ

Se contrastaron los resultados de ETG-V conlos datos observados (ETobs). Los estadísticosutilizados para analizar la bondad del nuevo mo-delo fueron el bias, el error medio cuadrático(RMSE) y el coeficiente de correlación (r). Elbias se calculó como ∑(ETobs – ETcalculada) / n yel RMSE como [∑(ETobs – ETcalculada)2 / n]0,5,donde n es el número de observaciones(n = 20). La ETG-V arrojó un RMSE de 52.0Wm–2 y un bias de 15.9 Wm–2, los que repre-sentan el 13% y el 4% de la media de ETobs, res-pectivamente. Estos valores son similares a lospresentados por otros autores (Kustas et al.,2003; Batra et al., 2006; Venturini et al., 2008;Peng et al., 2012). Los estadisticos sugierenque el modelo modificado, ETG-V, representacorrectamente los valores observados.

La Tabla 2 muestra el RMSE y el bias delmodelo para cada día analizado. En general,los RMSEs son menores al 13% de los valoresmedios para cada día, con sesgos inferiores al8% de la ETobs. Sólo el día 04/06/2010 presen-tó un RMSE de 19% con un sesgo del mismoorden. La calidad de la imagen de dicho día(18% de nubes) no es buena y solo dos esta-ciones están libres del efecto de nubes. Ventu-rini et al., (2008) publicaron valores de RMSEy bias del orden de 18% y 15% del valor me-dio de ETobs para la misma región. Kalma et al.,(2008) realizaron un análisis exhaustivo don-de los resultados de 30 estudios publicados so-bre validación de ET fueron resumidos. Estosautores informaron valores RMSE del ordende los 50 Wm–2 y errores relativos entre el 15y el 30%. Long y Singh, (2012) publicaron re-cientemente valores de RMSE entre 45.6 Wm–2

y 63.1 Wm–2 utilizando imágenes LandsatTM/ETM+ y ASTER, respectivamente.


Figura 3. Relación entre R7 y HS. Superpuesto Rsat.

Tabla 2. Comparación entre ETobs y ETcalculada en cada día analizado.

Día# de ETG-V

observaciones RMSE Bias

5 de junio del 2011 8 36.78 –18.821 de junio del 2010 2 19.22 –5.544 de junio del 2010 4 84.05 –74.975 de junio del 2009 8 31.53 –19.95

Finalmente, la Figura 4 muestra el contrasteentre el modelo modificado y ETobs. El modelomodificado presenta un buen ajuste con la ETobs

y significaría una importante mejora en las es-timaciones de ET con datos provenientes de sa-télites. El parámetro σ incorporado en la me-todología mejora las estimaciones de ET, siendoademás el nuevo método fácil de obtener condatos teledetectados, pudiendo ser codificadoy aplicado rutinariamente sin supervisión.

Análisis de σσ

Como se demostró en el apartado anterior,σ mejora notoriamente las estimaciones de ET,sin embargo, se debe analizar la sensibilidadde dicho parámetro para capturar distintas con-diciones de humedad de la superficie. Por ellose lo contrastó con observaciones de HS (%gravimétrico) a una profundidad de 5 cm (Fi-gura 5), obteniéndose una correlación de 0.82,indicando una clara asociación entre ellos. Sise supone que valores de HS > 25% indican ellímite para la condición de saturación de la su-perficie en la región en estudio, valores de σsuperiores a 0.70 indicarían que la superficiese encuentra saturada. Barton (1979) encontróque para suelo desnudo, un valor de σ ≈ 1 secorrespondía con una condición de humedadsuperficial > 35% (en peso de suelo seco). Re-cordemos que el autor no reportó valores de σpara superficies mixtas. De acuerdo a lo ana-lizado, σ parecería captar las variaciones tem-porales y espaciales de la HS.

Discusión y conclusiones

El cálculo de la ET ha sido un desafío paralos hidrólogos. La ET es la pérdida local deagua más importante de cualquier ecosistema,por lo que su estimación requiere de métodosprecisos.

En general, muchos de los modelos actualespara estimar la ET requieren poca cantidad deobservaciones auxiliares de campo (Jiang y elIslam, 2001; Nishida et al., 2003; Venturiniet al., 2008). Hoy en día, los sensores satelita-les son una fuentes de datos cruciales para cual-quier modelo ya sea físico o empírico, no sólopor su eficacia en el monitoreo de los diferen-tes ecosistemas terrestres, sino también para eltipo y calidad de la información entregada.

En este trabajo, la metodología de Venturiniet al., (2008) fue modificado para mejorar laestimación del parámetro principal del método.Se propuso una metodología sencilla que rela-ciona las propiedades de las bandas infrarrojascortas (SWIR) y el parámetro σ de Barton. Es-te parámetro σ se definen como es / e*s. Se pro-puso obtener σ como la relación entre la re-flectancia SWIR de los píxeles saturados, aquíllamada Rsat, y la reflectancia del píxel común.Rsat, se puede estimar con la información de laimagen o con datos de humedad de suelo.

A fin de verificar que s representa el conte-nido de humedad de cada píxel, se lo contras-tó con datos de HS, encontrándose una corre-lación entre ambas variables de 0.82, que indicauna relación entre ambas. El análisis espacial


Figura 5. Relación entre σ y HS.

Figura 4: Contrastre entre los resultados de ETG-V

y ETobs.

mostró que existe una correspondencia entre sy datos de HS a pesar de las diferentes escalasde observación que presentan las variables;mientras que HS presenta una escala de obser-vación puntual y está medido por debajo de lasuperficie del suelo, σ es la respuesta superfi-cial de un píxel mixto de 1 km2 aproximada-mente.

A fin de verificar la bondad del modelo pro-puesto acá, se compararon las estimaciones deETG-V con valores observados de ET encon-trándose un RMSE del orden del 13%. En es-ta comparación nuevamente tenemos diferen-tes escalas, ya que las estaciones Bowen tienenun radio de cobertura de metros, mientras laETG-V es un valor promedio en 1 km2. Sin em-bargo los resultados obtenidos están dentro loserrores publicados por otros autores quienestrabajaron mejores resoluciones espaciales(Kustas et al., 2003).

Aunque esta comparación no es exhaustiva,se aplico el modelo a los meses de verano (don-de se registran los mayores valores de Rn y ET),bajo el supuesto que los errores serian mayo-res también en esta época del año. Los resul-tados de la ETG-V son mejores que los resulta-dos de la ET obtenida con el modelo originalde Venturini et al. el que se aplicó a diferentesestaciones del año.

En general, se puede decir que la seleccióndel mejor modelo depende de los datos dispo-nibles, el tipo de aplicación y la experienciadel usuario final. En este sentido, la combina-ción del modelo original de Venturini et al. conel nuevo parámetro s conduce a un modelo máspreciso y robusto, que puede ser de gran ayu-da para establecer sistemas de alerta.

Por otro lado, este nuevo modelo permitiríamonitorear el estado hídrico de una superficiemixta fácilmente y a bajo costo operativo.

Referencias

BATRA N., ISLAM S., VENTURINI V., BISHT G.,& JIANG L. 2005. Estimation and Comparisonof Evapotranspiration from Multiple Satellitesfor Clear Sky Days. Remote Sensing of Environ-ment, 103, 1-15.

BARTON I. J. 1979. A parameterization of the eva-poration from nonsatured surfaces. Journal of Ap-plied Meteorology. 18, 43-47.

BUCK, A. L. 1981. New equations for computingvapor pressure and enhancement factor. Journalof Applied Meteorology, 20, 1527-1532.

CECCATO, P., FLASSE, S., TARANTOLA, S.,JACQUEMOUD, S., & GREGOIRE, J. M. 2001.Detecting vegetation leaf water content using re-flectance in the optical domain. Remote Sensingof Environment, 77, 22-33.

CECCATO, P., GOBRON, N., FLASSE, S., PINTY,B., & TARANTOLA, S. 2002. Designing a spec-tral index to estimate vegetation water contentfrom remote sensing data: Part 1. Theoretical ap-proach. Remote Sensing of Environment, 82,188-197.

CHEN, D., HUANG, J., & JACKSON, T. 2005. Ve-getation water content estimation for corn andsoybeans using spectral indices derived fromMODIS near- and short-wave infrared bands. Re-mote Sensing of Environment, 98, 225-236

CHENG, Y. B., ZARCO-TEJADA, P. J., RIANO, D.,RUEDA, C. A., & USTIN, S. L. 2006. Estimatingvegetation water content with hyperspectral da-ta for different canopy scenarios: Relationshipsbetween AVIRIS and MODIS indexes. RemoteSensing of Environment, 105, 354-366.

FENSHOLT, R., & SANDHOLT, I. 2003. Deriva-tion of a shortwave infrared water stress indexfrom MODIS near- and shortwave infrared datain a semiarid environment. Remote Sensing ofEnvironment, 87, 111-121.

GAO, B. C. 1996. NDWI-A normalized differencewater index for remote sensing of vegetation li-quid water from space. Remote Sensing of Envi-ronment, 58, 257-266.

GRANGER, R. J. 1989. An examination of the con-cept of potential evaporation. Journal of Hydro-logy, 111, 1-20.

GRANGER, R. J., & GRAY, D. M. 1989. Evapora-tion from natural nonsaturated surfaces. Journalof Hydrology, 111, 21-29.

HAYDEN, C. M. 1988. GEOS-VAS simultaneoustemperature-moisture retrieval algorithm. Jour-nal of Applied Meteorology. 27, 705-733.

HILLEL, D. 1998. Environmental soil Physics. Aca-demic Press. Amsterdan. 771 pags.

HUNT, E. R., ROCK, B. N., & NOBEL, P. S. 1987.Measurement of leaf relative water content by in-frared reflectance. Remote Sensing of Environ-ment. 22, 429-435.

JIANG L., & ISLAM S. 2001. Estimation of surfa-ce evaporation map over southern Great Plainsusing remote sensing data. Water Resources Re-search, 37(2), 329-340.

JACKSON, R. D, REGINATO, R. G., IDSO, S. B.1977. Wheat canopy temperature: A practical to-ol for evaluating water requirements. Water Re-sources Research. 13: 651-656.

KALMA, J. D., MCVICAR, T. R., & MCCABE, M.F. 2008. Estimating Land Surface Evaporation:


A Review of Methods Using Remotely SensedSurface Temperature Data. Surveys in Geophy-sics. Volume 29, Numbers 4-5, 421-469

KNAEPS, E., DOGLIOTTI, A. I., RAYMAEKERS,D., RUDDICK, K., & STERCKX, S. 2012. In si-tu evidence of non-zero reflectance in the OLCI1020 nm band for a turbid estuary. Remote Sen-sing of Environment. 120(SI), 133-144.

KUSTAS, W. P., NORMAN, J. M., ANDERSON, M.C., & FRENCH, A. N. 2003. Estimating sub-pi-xel surface temperature and energy fluxes fromthe vegetation index-radiometric temperature re-lationship. Remote Sensing of Environment, 85,429-440.

LI, J., WOLF, W., MENZEL, W.P., ZHANG, W.,HUANG, H. L., & HACHTOR, T. H. 2000. Glo-bal soundings of the atmosphere from ATOVSmeasurements: The algorithm and validation.Journal Aplied Meteorology. 39, 1248-1268.

LONG, D., & SINGH, V. P. 2012. A Two-source Tra-pezoid Model for Evapotranspiration (TTME)from satellite imagery. Remote Sensing of Envi-ronment, 121, 370-388.

LOBELL, D. V., & ASNER, G. P. (2002). Moistureeffects on soil reflectance. Soil Science Societyof America Journal. Vol. 66 N° 3, 722-727.

MENZEL, W. P., SEEMANN, S. W., LI, J., &GUMLEY, L. E. 2002. MODIS AtmosphericProf ile Retrieval Algorithm Theoretical BasisDocument, Version 6, Reference Number:ATBD-MOD-07. http://modis.gsfc.nasa.gov/data/atbd/atbd_mod07.pdf (accessed on12/04/2003).

NISHIDA K., NEMANI, R. R., RUNNING, S. W.,& GLASSY, J. M. 2003. An operational remotesensing algorithm of land surface evaporation.Journal of Geophysical Research-Atmospheres,108.

NORMAN, J. M., ANDERSON, M. C., KUSTAS,W. P., FRENCH, A. N., MECIKALSKI, J., &TORN, R. 2003. Remote sensing of surfaceenergy fluxes at 101-m pixel resolutions. WaterResources Research. 39(8), 1221-1232.

PENG, J., LIU, Y., ZHAO, X., & LOEW, A. 2012.Estimation of evapotranspiration from TOA ra-diances in the Poyang Lake Basin, China. Hydro-logy and Earth System Sciences. 9, 10963-11003.

PRIESTLEY, CH. B., & TAYLOR, R. J. 1972. Onthe Assessment of Surface Heat Flux and Eva-poration Using Large-Scale Parameters. MonthlyWeather Review, 100, 81-92.

RIVAS, R., & CASELLES, V. 2004. A simplifiedequation to estimate spatial reference evapora-tion from remote sensing-based surface tempe-rature and local meteorological data. RemoteSensing of Environment, 83, 68-76.

SEEMANN, S. W., LI, J., MENZEL, W .P., & GUM-LEY, L. E. 2003. Operational retrieval of atmos-pheric temperature, moisture, and ozone from

MODIS infrared radiances. Journal of AppliedMeteorology. 42, 1072-1091.

SEEMANN, S. W., BORBAS, E. E., LI, J., MEN-ZEL, W. P., & GUMLEY, L. E. 2006. MODIS at-mospheric profile retrieval algorithm theoreticalbasis document. Online document[http://modi-satmos.gsfc.nasa.gov/_docs/MOD07:MYD07_ATBD_C005.pdf].

SEGUIN B., ASSAD, E., FRETAUD, J. P., IM-BERNOM, J. P., KERR, Y., & LAGOUARDE,J. P. 1989. Use of meteorological satellite for rain-fall and evaporation monitoring. InternationalJournal of Remote Sensing. 10, 1001-1017.

SMITH, W. L., & WOOLF, H. M. 1988. A linearsimultaneous solution for temperature and ab-sorbing constituent profiles from radiance spec-tra. Technical proceedings of the fourth inter-nationals TOVS. Study conference held in Igls,Austria 16 to 22 March 1988. W.P. Menzel Ed.330-347.

SULLIVAN, D. G., FULTON, J. P., SHAW, J. N., &BLAND, G. 2007. Evaluating the sensitivity ofan unmanned thermal infrared aerial system todetect water stress in a cotton canopy. Trans.ASABE 50, 1955-1962.

TUCKER, C. 1980. Remote sensing of leaf watercontent in the near infrared. Remote Sensing ofEnvironment. Volume 10, Issue 1, Pages 23-32

VENTURINI, V., BISHT, G., ISLAM, S., & JIANG,L. 2004. Comparison of evaporative fractions es-timated from AVHRR and MODIS sensors overSouth Florida. Remote Sensing of Environment,93, 77-86.

VENTURINI, V., ISLAM, S, & RODRÍGUEZ, L.2008. Estimation of evaporative fraction and eva-potranspiration from MODIS products using acomplementary based model. Remote Sensing ofEnvironment, 112, 132-41.

VENTURINI, V., RODRÍGUEZ, L., & BISHT, G.2010. A comparison among different modifiedPriestley and Taylor’s equations to calculate ac-tual evapotranspiration with MODIS data. Inter-national Journal of Remote Sensing. In print.

WAN, Z, & DOZIER, J. A. 1996. A generalizedsplit-window algorithm for retrieving land-sur-face temperature from space. IEEE Transac-tions on Geoscience and Remote Sensing, 34(4),892-905.

YILMAZ, M. T., HUNT JR., E. R., GOINS, L. D.,USTIN, S. L., VANDERBILT, V. C., & JACK-SON, T. J. 2008. Vegetation watercontent duringSMEX04 from ground data and Landsat 5 The-matic Mapper imagery. Remote Sensing of En-vironment, 112, 350-362.

ZARCO-TEJADA, P. J., RUEDA, C. A., & USTIN,S. L. 2003. Water content estimation in vegeta-tion with MODIS reflectance data and model in-version methods. Remote Sensing of Environ-ment, 85, 109-124.


Introducción

A lo largo de la última década se ha traba-jado intensamente en la estimación de la eva-potranspiración de la superficie (LE) median-

te técnicas de teledetección. Son numerosos lostrabajos y publicaciones en los que se van de-sarrollando y actualizando modelos, al tiempoque implementando nuevas técnicas, en bús-queda de una mayor precisión y operatividad


Simulación de productos HyspIRI de mapas de flujos energéticos en superficie

J. M. Sánchez1, V. García-Santos2, A. N. French3, E. Valor2, C. Coll2 y V. Caselles2

1 Depto. Física Aplicada. Universidad de Castilla-La Mancha. Pl. Manuel Meca 1. 13400 Almadén, Ciudad Real

2 Depto. Física de la Tierra y Termodinámica. Universidad de Valencia. C/ Dr. Moliner 50. 46100 Burjassot, Valencia

3 Arid Land Agricultural Research Center. USDA-ARS. 21881 North Cardon Lane. 85238 Maricopa, Arizona

Resumen

La estimación operativa y a escala global del balance de energía en superficie requiere de datos detemperatura desde satélite con alta frecuencia y resolución espacial. Sus 8 bandas en el térmico, los60 m de tamaño de píxel y los 5 días de revisita, convierten a la misión HyspIRI en el futuro de la te-ledetección térmica multiespectral. En este trabajo se han simulado productos HyspIRI de flujos ener-géticos a partir de vuelos MASTER, de muy alta resolución espacial, sobre las reservas experimenta-les de Jornada y Sevilleta, situadas en el suroeste de EEUU. Para ello se ha utilizado un modelo debalance de energía de dos fuentes, combinado con datos meteorológicos registrados en la zona. Losresultados muestran la estabilidad del modelo aplicado a las imágenes simuladas HyspIRI, y permi-ten hacer un análisis del efecto de la pérdida de resolución espacial sobre la variabilidad de los flujosenergéticos en zonas áridas.

Palabras clave: HyspIRI, MASTER, evapotranspiración, temperatura, emisividad, multiespectral.

Abstract

Simulation of HyspIRI products of surface energy flux maps

Frequent and high resolution remote sensing temperature data are needed for global scale, operationalestimation of the surface energy balance. Its 8 thermal bands, 60-m pixel size and 5-day revisit timemake the HyspIRI mission the future of the multispectral thermal remote sensing. In this work HyspIRIproducts of surface energy fluxes were simulated from very high spatial resolution MASTER flights,over the Jornada and Sevilleta experimental ranges, southwest USA. A two-source energy balancemodel, together with meteorological data, were used in this work. Results show the stability of themodel when applied to simulated HyspIRI images, and allow performing an analysis of the effect ofthe spatial resolution degradation on the surface variability in arid areas in terms of energy fluxes.

Key words: HyspIRI, MASTER, evapotranspiration, temperature, emissivity, multispectral.


en la estimación de este parámetro clave, tan-to en el balance de agua como en el balanceenergético de la superficie terrestre.

Los llamados modelos de balance de ener-gía plantean la estimación de LE como un tér-mino residual de la propia ecuación de balan-ce de energía. La estimación operativa y aescala global de este balance de energía en su-perficie requiere de datos de satélite frecuen-tes, de alta resolución espacial y que cubran lasfranjas del visible, infrarrojo cercano e infra-rrojo térmico, dentro del espectro electromag-nético. A principios de 2013, los únicos sen-sores en órbita que satisfacían estasnecesidades, y que por tanto permitirían reali-zar una estimación de los flujos energéticos yde evapotranspiración en zonas de cierta hete-rogeneidad, como por ejemplo zonas agríco-las, eran el Landsat 7-Enhanced ThematicMapper (L7/ETM+) y el Advanced Spacebor-ne Thermal Emission and Reflection Radio-meter (ASTER). Afortunadamente, desde elmes de mayo de 2013 se cuenta también con elnuevo sensor Landsat Data Continuity Mission(LDCM) (Tabla 1).

Uno de los parámetros clave para la estima-ción de LE a través de los modelos de balancede energía, es la temperatura de la superficie(LST). Esta temperatura presenta una gran va-riabilidad tanto espacial como temporal, y portanto, un tiempo de revisita de 16 días puedeno ser suf iciente para ciertas aplicaciones.Además, el tamaño de muchas parcelas de cul-tivo en zonas agrícolas, donde cuantif icar laevapotranspiración es esencial para la gestiónde los recursos hídricos, y especialmente enzonas áridas, suele estar por debajo de los 100m de lado, lo que dificulta su distinción con lossensores actuales. Estas limitaciones conduje-ron a la idea de diseñar un nuevo sensor quesatisficiese las necesidades anteriores.

De esta manera surgió la misión Hyperespec-tral Infrared Imager (HyspIRI) que fue reco-mendada por el U.S. National Research Councilen su informe de 2007. En líneas generales, elobjetivo de la misión HyspIRI es observar losecosistemas de todo el planeta y proporcionarinformación crítica sobre desastres naturales co-mo volcanes, incendios, y sequías. Además, per-mitirá registrar y estudiar los cambios en la su-perficie gracias a su capacidad para identificartipos de vegetación, e incluso su estado de salud.

Para conseguir estos objetivos la misiónHyspIRI se compone de dos instrumentos abordo de un satélite polar: un espectrómetrocuyo intervalo comprende desde el visible has-ta el infrarrojo cercano (VSWIR: 380-2500 nm), en 224 bandas contiguas de 10 nmde anchura, y un sensor multiespectral (8 ban-das) de 3 a 12 μm en el infrarrojo medio y tér-mico (TIR). Ambos instrumentos poseen unaresolución espacial de 60 m en nadir, el FOVes de 25,5°, y el tiempo de revisita varía de los19 días del VSWIR hasta los 5 días del TIR(Ramsey et al. 2012). Además, se incluye unmodulo inteligente que permitirá procesar unaserie de datos a bordo del propio satélite y en-viarlos a tierra casi en tiempo real.

Más allá de las posibilidades que plantea elsensor hiperespectral VSWIR, en este trabajopretendemos resaltar la trascendencia que ten-drá el sensor TIR, ya que sus 8 bandas convier-ten a HyspIRI, hoy en día, en la única posibili-dad de dar continuidad a la serie histórica demedidas de temperatura y emisividad de super-ficie del sensor multiespectral ASTER, mejo-rando incluso su resolución espectral, espacialy temporal. La Tabla 1 muestra una compara-ción de las principales características del sen-sor TIR de HyspIRI con el resto de sensores tér-micos de alta resolución actualmente en órbita(ASTER, L7/ETM+ y L8/LDCM). La compa-

52 J. M. Sánchez et al. / Revista de Teledetección (2013) 40, 51-61

Tabla 1. Comparación de las características de los sensores térmicos de alta resolución es-pacial actualmente en órbita

Sensor TIR L7/ETM+ L8/LDCM ASTER HyspIRI

Fecha de lanzamiento 15/04/1999 11/02/2013 18/12/1999 >2020Resolución espacial (m) 60 100 90 60Revisita (días) 16 16 16 5Nº Bandas 1 2 5 8FOV (km) 185 185 60 600

ración entre la distribución de los canales tér-micos situados entre 8 y 13μm de todos los sen-sores anteriores se muestra en la Figura 1.

En este trabajo se han utilizado vuelos de al-ta resolución del sensor aerotransportado MO-DIS/ASTER Airborne Simulator (MASTER)para simular imágenes HyspIRI de flujos ener-géticos en superficie. El objetivo es mostrar laestabilidad de los modelos aplicados a HyspIRI,así como el potencial de su alta resolución es-pacial y temporal para resolver la variabilidaden términos de los distintos flujos energéticosen superficie. El estudio se ha centrado en unazona experimental árida del suroeste de EE. UU.en la que existen registros históricos de pará-metros biofísicos y de variables meteorológicas.

Con este trabajo nos sumamos a los esfuer-zos de la comunidad científica involucrada enla misión por mostrar las posibilidades y ca-pacidades, y demostrar la necesidad de puestaen órbita, de HyspIRI.

Zona de estudio y medidas

Este trabajo se centra en dos reservas eco-lógicas (Jornada y Sevilleta) en la zona norte

del desierto de Chihuahua, dentro del estadode Nuevo México, USA, destinadas a la inves-tigación de los cambios en la superficie y en ladinámica de los ecosistemas. La reserva expe-rimental Jornada (Figura 2) se encuentra a25 km al noreste de Las Cruces (32.5 N, -106.8 W, 1200 m altitud), y la reserva experi-mental Sevilleta se localiza a unos 80 km al surde Albuquerque (34.3 N, -106.6 W, 1600 m al-titud). Ambas son zonas muy áridas, caracteri-zadas por temperaturas altas, pluviometría es-casa, y un alto grado de evaporación. Lavegetación predominante son los mezquites(Prosopis sp), arbustos y hierbas dispersas(French et al. 2008).

Las reservas de Jornada y Sevilleta han si-do sobrevoladas repetidas veces (73) por MAS-TER desde 1999. Las imágenes MASTER (Ho-ok et at. 2001) poseen 50 bandas espectrales,de 0,4 a 13 μm, entre las que se puede encon-trar correspondencia con bandas HyspIRI, y untamaño de píxel que varía entre 3 y 25 m, enfunción de la altura del vuelo. Las fechas, lu-gares y datos de todos los vuelos están dispo-nibles en el sitio http://master.jpl.nasa.gov. Enla Tabla 2 se detallan los 6 vuelos empleadospara este trabajo.

Simulación de productos Hyspiri de mapas de flujos... 53

Figura 1. Comparación de los canales térmicos de HyspIRI (excluyendo los dos situados pordebajo de los 8 μm) con los del resto de sensores térmicos actualmente en órbita.* Las bandas 10, 11 y 12 de ASTER son idénticas a las 3, 4 y 5 de HyspIRI.

Los perfiles atmosféricos de la zona nece-sarios para la corrección atmosférica de las es-cenas se obtuvieron de dos fuentes: los radio-sondeos de Santa Teresa y Albuquerque(NOAA/ESRL; www.esrl.noaa.gov/raobs) y elreanálisis a 32 km del centro de reanálisis re-

gional para Norteamérica (NARR) (Mesingeret al. 2006).

Finalmente, los datos de las variables me-teorológicas necesarias, temperatura del aire,velocidad de viento, y radiación de onda cor-ta y onda larga, se tomaron de la densa red de


Figura 2. Localización de la reserva experimental Jornada, y composición en falso color de un vuelo MAS-TER del día 20/5/2004 (11:36 GMT).

Tabla 2. Vuelos MASTER sobre las zonas experimentales deJornada y Sevilleta seleccionados para este trabajo

FechaHora

ZonaTamaño

(GMT) Píxel (m)

20/5/2004 11:36 Jornada 313:17 Sevilleta 1212:42 Jornada 12

4/10/2007 9:53 Sevilleta 311:19 Jornada 6

22/10/2008 11:45 Jornada 6

estaciones meteorológicas distribuidas por lazona.

Metodología

En este trabajo se ha seguido el modelo sim-plificado de balance de energía de dos fuentes(STSEB), propuesto por Sánchez et al. (2008a y b), para obtener mapas de radiación neta(Rn), flujo de calor en el suelo (G), flujo de ca-lor sensible (H) y evapotranspiración (LE) (Fi-gura 3).

Con el f in de analizar el efecto del degra-dado de la resolución espacial del sensorHyspIRI sobre los flujos energéticos estima-dos en la zona de estudio, los resultados se hanobtenido a dos resoluciones espaciales dife-rentes. En primer lugar, a tamaño de píxel ori-ginal 3-12 m de MASTER (según altura vue-lo) y, posteriormente, también a 60 m(resolución HyspIRI) tras haber degradado aesta resolución los valores de radiancia TOA(top of atmosphere). La similitud existente en-tre las funciones filtro de las bandas previstaspara HyspIRI y las correspondientes de MAS-TER, permite asumir valores iguales para lasradiancias de canal. Por este motivo los rea-justes espectrales no son necesarios en este tra-bajo.

El procesado de las imágenes MASTER po-dría resumirse en los siguientes pasos:

1. Empleando el código de transferenciaradiativa 6S (Kotchenova et al. 2006), se rea-lizó la conversión de valores de reflectividad aradiancia TOA en las bandas del VNIR.

2. Para la corrección atmosférica de lasbandas del TIR se utilizó el modelo de trans-ferencia radiativa MODTRAN (Berk et al.2006).

3. Dado el ancho campo de visión de losvuelos MASTER (FOV=85°) hubo que incluiruna parametrización angular de los factores decorrección atmosférica. Esta parametrizaciónse obtuvo previamente a partir de simulacio-nes con MODTRAN.

4. Se georreferenciaron todas las imáge-nes y se promediaron las radiancias TOA a 60m de resolución.

5. Se vuelven a propagar los datos hacia lasuperficie y se obtienen de esta forma valoresde reflectividad y radiancia en superficie si-mulados a escala HyspIRI (60 m).

Tras este procesado inicial de los vuelosMASTER se aplicó el modelo de Liang (2000)diseñado para ASTER, adaptado a las bandasMASTER indicadas en la Tabla 3, para calcu-lar el albedo (α) de la superficie necesario pa-ra el balance de radiación neta. En la Tabla 3también se indican los dos canales de MAS-TER empleados para la estimación de la pro-porción de vegetación, de acuerdo con el mo-delo descrito en Valor y Caselles (1996). Hayque recordar que HyspIRI contará con las 224bandas de su sensor VSWIR, lo que permitiráuna estimación precisa de parámetros biofísi-cos y también del albedo de la superficie.

En cuanto al cálculo de las emisividades decanal (εi) y temperatura de la superficie (LST)con HyspIRI, se están investigando distintosmodelos y combinaciones de bandas que per-mitan la estimación más precisa (Ramsey et al.,


Figura 3. Esquema del modelo simplificado de dos fuentes STSEB.

2012). Para este trabajo, se aplicó un algorit-mo de separación temperatura/emisividad(NEM) a las 5 bandas de MASTER coinciden-tes con las de ASTER. En la Tabla 3 se reco-gen estas bandas, además de los canales deHyspIRI a los que se corresponderían. En untrabajo de validación de las LST sobre Jorna-da realizado por los autores (no incluido en es-te artículo), las temperaturas NEM obtenidaspara vuelos MASTER presentaban un error dedesviación medio inferior a 1,5°C, a pesar dela heterogeneidad del terreno.

Finalmente, se aplicó el modelo de Ogawa(2002) diseñado para ASTER, adaptado a lasbandas MASTER indicadas en la Tabla 3, pa-ra el cálculo de la emisividad en banda ancha(ε), también necesaria para el balance de ra-diación neta.

Combinando la información de las imáge-nes con los datos meteorológicos (S: radiaciónsolar, Lsky: radiación onda larga, Ta: tempera-tura del aire, u: velocidad del viento) obteni-dos de la red de estaciones propias situadas enlas reservas experimentales de Jornada y Se-villeta, y asumiendo una altura de vegetación(h) estándar de unos 0,5 m de altura, se aplicóel STSEB, siguiendo el esquema de la Figu-ra 3. Todos los detalles del modelo y de las dis-tintas ecuaciones puede consultarse en Sánchezet al. (2008 a y b).

La validación regional de los productos deflujos energéticos y evapotranspiración obte-nidos mediante satélite resulta siempre una ta-rea complicada por las dificultades asociadasa la falta de representatividad de las medidaslocales puntuales realizadas. Con el fin de po-der llevar a cabo una validación regional de losproductos HyspIRI (60 m) generados en este

trabajo, se re-escalaron hasta alcanzar esta re-solución espacial los productos MASTER ob-tenidos a las resoluciones originales (3-12 m),y se tomaron como «patrón» de comparación.Hay que aclarar que este re-escalado de los pro-ductos finales MASTER es diferente al degra-dado de las radiancias MASTER originales, apartir de las cuales se han obtenido los pro-ductos simulados HyspIRI.

Resultados

Una vez realizado el pre-procesado de lasimágenes MASTER, se aplicaron uno por unolos diferentes pasos descritos en la sección an-terior a todas las imágenes disponibles. La fi-gura 4 muestra los productos simulados HyspI-RI de Pv, α, ε y LST, a modo de ejemplo, parael vuelo sobre Jornada del 20/5/2004 a las11:36. Los valores de cobertura de vegetaciónse mantienen por dejado del 0,5 para toda lazona, predominando los valores entre 0,2 y 0,3.Además, se observa como los valores de emi-sividad se sitúan por debajo de 0,96, en sinto-nía con el carácter árido de la superficie. Losvalores de temperatura de la superficie son ele-vados, oscilando entre los 43 y los 51°C.

La Figura 5 muestra, también a modo deejemplo, los productos generados de los cua-tro términos de la ecuación de balance de ener-gía en superficie (Rn, G, H y LE), para el mis-mo vuelo sobre Jornada. Se presentanconjuntamente los flujos a escala originalMASTER (3 m) y las simulaciones HyspIRI(60 m). A simple vista se aprecia un evidentesuavizado de los contrastes de colores, si biense mantienen los patrones generales dentro de


Tabla 3. Bandas MASTER utilizadas, y bandas TIR de HyspIRI equivalentes

MASTER�

HyspIRI

Pv Albedo (α) LST/ LST/Emisividad (ε) Emisividad (ε)

5 (0,660 μm) 3 (0,544 μm) 42 (8,255 μm) H3 (8,28 μm)7 (0,756 μm) 8 (0,806 μm) 43 (8,625 μm) H4 (8,63 μm)

21 (2,152 μm) 44 (9,095 μm) H5 (9,07 μm)22 (2,202 μm) 47 (10,645 μm) H6 (10,53 μm)24 (2,314 μm) 48 (11,295 μm) H7 (11,33 μm)25 (2,380 μm)

cada imagen. Entre todos los flujos, es preci-samente la evapotranspiración la que presentauna mayor variación dentro de la imagen, convalores que oscilan entre 0 y 200 W m–2, paralas zonas de suelo totalmente desnudo y aque-llas con proporciones de vegetación próximasal 50%, respectivamente. En cualquier caso sonvalores muy bajos, en sintonía con la aridez dela región, que a escala diaria no superan los 60W m–2 (el equivalente a unos 2 mm/día).

Tal y como se ha descrito en la sección an-terior, llevando a cabo una degradación pro-gresiva de los productos MASTER a escala ori-ginal se puede realizar un análisis del efecto de

la pérdida de resolución espacial en las imáge-nes de satélite. Los histogramas, como el de laFigura 6, muestran que a 60 m de resolución to-davía se pueden distinguir las distintas clasesde cubierta del suelo en Jornada, sin embargo,la variabilidad de los flujos ocurre a escalas in-feriores a 10 m. En la Tabla 4 se aprecia comoel efecto del degradado es evidente entre 3 y 12m, pero deja de ser significativo para píxelesmayores. Sin embargo, en regiones agrícolas enlas que el patrón de tamaño de los cultivos seadel orden de 1 ha o superior, el papel de HyspI-RI podría resultar esencial para resolver la va-riabilidad de la superficie en términos de flu-


Figura 4. Mapas simulados HyspIRI sobre Jornada para el día 20/5/2004 (11:36 GMT). De izquierda a de-recha: cobertura de vegetación (Pv), albedo (α), emisividad en banda ancha (ε) y temperatura de la super-ficie (LST).

jos energéticos y evapotranspiración, gracias asu mayor resolución espacial frente a otros sen-sores como ASTER o el LDCM.

El promediado de los valores de los distin-tos flujos para toda la escena pone de mani-fiesto la estabilidad de toda la cadena de pro-


Figura 5. Mapas de flujos energéticos sobre Jornada para el día 20/5/2004 (11:36 GMT). Vuelo MASTERcon píxeles de 3 m (izquierda); simulación HyspIRI con píxeles de 60 m (derecha).

cesado aplicada a las imágenes simuladasHyspIRI, ya que los resultados son práctica-mente coincidentes con los obtenidos al de-gradar los productos originales MASTER a lamisma resolución espacial de 60 m. Los bue-nos resultados de esta validación regional delos productos HyspIRI se aprecian en la Tabla 5con los valores promedio de las desviacionessistemáticas y los errores de estimación paralas 6 escenas procesadas. En resumen, los erro-res de los promediados espaciales de los flujos


Figura 6. Histograma de valores de LE para toda la escena del día 20/5/2004 (11:36 GMT), tomando co-mo base la imagen original MASTER (3 m), la imagen simulada HyspIRI (60 m), y diferentes resolucio-nes de degradado a partir de la escena original MASTER.

Tabla 4. Resultados estadísticos para la imagen de Jornada del día 20/5/2004 (11:36 GMT)

MASTER�

HyspIRI

Promedio σσ (W m–2) Promedio σσ (W m–2)

(W m–2) 3 m 12 m 24 m 60 m 120 m (W m–2) 60 m

Rn 445 21 15 12 10 9 450 8G 111 18 13 10 9 8 112 11H 250 7 5 4 3 3 258 4

LE 80 50 30 30 23 21 76 22

σ: desviación estándar de los promedios.

Tabla 5. Valores promedio de las desviaciones sis-temáticas (Bias) y los errores de estimación (RMSE)de las comparaciones entre las 6 imágenes simula-das HyspIRI y sus correspondientes degradadasMASTER a 60 m

Bias (W m–2) RMSE (W m–2)

Rn 3±60 6±3G 7±10 8±9H 1±19 14±12

LE –6±23 15±18

instantáneos cuando se trabaja a una escala de60 m se sitúan por debajo de los 20 W/m2. Ade-más, en la práctica totalidad de los casos se ob-tiene una desviación mayor que el propio va-lor del promedio.

Desafortunadamente, no existen registrossuficientes de medidas in situ de flujos ener-géticos coincidentes con las fechas de las imá-genes como para llevar a cabo una validaciónlocal de los resultados obtenidos, aunque tam-poco era éste el objetivo del artículo. En pró-ximos trabajos, pretendemos ampliar el estu-dio a vuelos MASTER sobre alguna zonaagrícola en la que preferentemente se registrenestas medidas de flujos en superficie.

Conclusiones

HyspIRI es en estos momentos la única mi-sión en fase de estudio que contempla poner enórbita un sensor multiespectral en el TIR. Es-tá por tanto llamada a ser la sucesora de AS-TER en este sentido, reduciendo incluso la re-solución espacial a 60 m y el tiempo de revisitaa tan solo 5 días. Los modelos de estimaciónde flujos energéticos en superficie se verían al-tamente beneficiados de estas mejoras.

En este trabajo se han simulado mapas deflujos energéticos para HyspIRI, a partir deimágenes de 6 vuelos del sensor aerotranspor-tando MASTER, y empleando un modelo debalance de energía de dos fuentes. Aunque losdetalles de la distribución de vegetación dis-persa, característica de la zona seleccionada,se pierden para resoluciones por encima de10 m, a escala de 60 m se continúa distin-guiendo bastante variabilidad en términos deflujos energéticos, asociada a cambios en laproporción de vegetación o en la temperaturade la superficie, entre otros. Por otro lado, secomprueba la estabilidad del modelo de ba-lance de energía de dos fuentes aplicado a es-cala HyspIRI, al reproducir resultados de losdistintos flujos energéticos, muy similares alos obtenidos degradando los productos MAS-TER a su misma resolución espacial.

Así pues, entre las muchas y diversas apli-caciones de HyspIRI hay que contar con la po-sibilidad de obtener mapas de evapotranspira-ción real cada 5 días, lo que permitiría reducir

significativamente los tiempos de respuesta an-te la detección de situaciones de estrés hídri-co, y también una mejor gestión de los riegos.

Agradecimientos

Los autores desean expresar su agradeci-miento por la f inanciación recibida a NASA(10-HYSPIRI1 0-13), al Ministerio de Eco-nomía y Competitividad (CGL2010-17577/CLI) y a la Generalitat Valenciana(PROMETEO/2009/086). También agradece-mos a Nick Hunsaker su labor en el procesa-do de imágenes.

Referencias

BERK, A. et al. 2006. MODTRAN5: 2006 Update.Proc. SPIE, Vol. 6233, 62331F.

FRENCH, A. N., SCHMUGGE, T. J., RITCHIE,J. C., HSU, A., JACOB, F., & OGAWA, K. (2008).Detecting land cover change at the Jornada Ex-perimental Range, New Mexico with ASTERemissivities. Remote Sensing of Environment,112, 1730-1748.

GILLESPIE, A. R., ROKIGAWA, S., HOOK, S. J.MATSUNAGA, T., & KAHLE, A. B. 1999. Tem-perature/emissivity separation algorithm theore-tical basis document. Version 2.4. Jet PropulsionLaboratory, Pasadena.

HOOK, S. J., MYERS, J. J., THOME, K. J., FIT-SEGRALD, M., & KAHLE, A.B. 2001. The MO-DIS/ASTER airborne simulator (MASTER) - anew instrument for earth science studies. Remo-te Sensing of Environment, 76 (2), 93-102.

KOTCHENOVA, S. Y., VERMOTE, E. F., MATA-RRESE, R. & KLEMM, F.J. 2006. Validation ofa vector version of the 6S radiative transfer codefor atmospheric correction of satellite data. PartI: Path radiance. Applied Optics, 45(26), 6762-6774.

LIANG, S. (2000). Narrowband to broadband con-versions of land surface albedo I Algorithm. Re-mote Sensing of Environment, 76, 213-238.

MESINGER, F. et al. 2006. North American regio-nal reanalysis. Bulletin of the American Meteo-rological Society, 87, 343-360.

OGAWA, K., SCHMUGGE, T., JABOC, F., &FRENCH, A. 2002. Estimation of broadband landsurface emissivity from multi-spectral thermalinfrared remote sensing. Agronomie, 22, 19-20.

RAMSEY, M. S., REALMUTO, V. J., HULLEY,G. C., & HOOK, S. J. 2012. HyspIRI Thermal In-frared (TIR) band study report. JPL, 12-16.


SÁNCHEZ, J. M., KUSTAS, W. P., CASELLES, V.,& ANDERSON, M. C. 2008a. Modelling surfa-ce energy fluxes over maize using a two-sourcepatch model and radiometric soil and canopy tem-perature observation. Remote Sensing of Envi-ronment, 112, 1130-1143.

SÁNCHEZ, J. M., SCAVONE, G., CASELLES, V.,VALOR, E., COPERTINO, V. A., & TELESCA,

V. 2008b. Monitoring daily evapotranspiration ata regional scale from Landsat-TM and ETM+ da-ta: Application to the Basilicata region. Journalof Hydrology, 351, 58-70.

VALOR, E., & CASELLES, E. 1996. Mapping landsurface emissivity from NDVI: Application to Eu-ropean, African, and South American Areas. Re-mote Sensing of Environment, 57, 167-184.


Introducción

Los incendios forestales y las quemas de bio-masa tienen un gran impacto en el cambio climá-tico y en el ciclo del carbono a nivel global, puescada año emiten 0,5 Pg de C netos, no compen-sados por la regeneración de la vegetación. Estacantidad representa aproximadamente el 50% delas emisiones LUC (Land Use Change) y el 5%de las emisiones totales de C en el mundo, de apro-ximadamente 10 Pg de C en el año 2010.

De acuerdo al documento GCOS (Global Cli-mate Observing System) «Systematic Observa-

tion Requirements for Satellite-based productsfor Climate», y la iniciativa de la ESA de estudiode variables climáticas esenciales, las emisionesde gases de efecto invernadero y aerosoles, pro-ducidas por los incendios y la quema de bioma-sa, son importantes factores de forzamiento cli-mático, contribuyendo en promedio entre 25-35%al total de las emisiones de CO2 a la atmósfera,así como el CO, metano y aerosoles.

La pérdida del satélite ENVISAT ha su-puesto un grave inconveniente para el estudiode los incendios forestales en el mundo y estacircunstancia da una mayor importancia al pa-


Estudio de la operacionalidad del futuro sensor Sentinel-3/SLSTR para la parametrización del fuego activo

A. Calle1, P. Salvador2 y F. González-Alonso3

1 Dpto. de Física Aplicada. Facultad de Ciencias. Univ. de Valladolid2 Laboratorio de Teledetección de la Univ. de Valladolid

3 CIFOR-INIA. Madrid

Resumen

La estimación de parámetros térmicos en los fuegos activos, como la FRP (Fire Radiative Power)es un método adecuado para determinar la severidad del incendio. En la literatura se encuentran va-rios métodos semiempíricos para calcular la FRP. Por otra parte el instrumento Sentinel-3/SLSTR dis-pone de dos bandas espectrales dedicadas a la observación del fuego activo, que permite parametrizarel fuego en una gran variedad de condiciones no afectadas por la saturación del sensor. Esta contri-bución analiza dichas aproximaciones, que serán implementadas en el futuro sensor Sentinel-3/SLSTR,para clarificar sus requerimientos y restricciones.

Palabras clave: FRP, Sentinel-3, SLSTR.

Abstract

Suitability study of the future sensor Sentinel-3/SLSTR for monitoring the active fire

The estimation of thermal parameters on the active fires, as the FRP (Fire Radiative Power) is asuitable method in order to analyze the fire severity. In the literature it’s possible to find several semiempiric methods to calculate the FRP. On the other hand, the Sentinel-3/SLSTR instrument has twospectral bands dedicated to active fire observation to parameterize the fire in a range of conditions notaffected by the sensor saturation. This contribution analyzes several technical approaches to beimplemented in the future Sentinel-3/SLSTR, in order to clarify the requirements and restrictions.

Key words: FRP, Sentinel-3, SLSTR.


pel que deberán desempeñar los futuros saté-lites Sentinel 3 y Sentinel 2 en este tipo de apli-caciones. El gran reto de los satélites Sentinel-3y Sentinel-2 en el estudio y monitorización delos incendios forestales en el mundo, será laimplementación de un sistema global opera-cional que permita realizar el seguimiento delos focos activos y las áreas quemadas en tiem-po real en internet, para de esta forma dar cum-plimiento al requerimiento realizado porGCOS en esta materia. Este futuro sistema de-berá ser complementario del sistema MODISWeb Fire Mapper y su continuación con el sis-tema VIIRS-NPP recientemente lanzado.

En el estudio de los incendios forestales me-diante técnicas de teledetección se pueden con-siderar varias temáticas como los mapas de ries-go, la cartografía de áreas quemadas, ladetección y los parámetros térmicos de los fo-cos activos y la estimación de la severidad (Gon-zález-Alonso et al., 2006). Las principales mag-nitudes físicas de los incendios son la FRE (FireRadiative Energy), en el caso de las plataformasgeoestacionarias y FRP (Fire Radiative Power),en el caso de los satélites de órbita polar. Estasmagnitudes son importantes en la evaluación dela gravedad de los incendios y las consecuen-cias ecológicas de los mismos, y pueden ser elpunto de partida para evaluar las emisiones pro-ducidas por las quemas de biomasa. El produc-to de detección de incendios proporcionados porel ATSR (Advanced Along-Track Scanning Ra-diometer) Atlas Mundial de Incendios ha sidouna valiosa herramienta indispensable para elseguimiento de los focos activos.

La FRP (Fire Radiative Power) es la mag-nitud asociada a la radiancia térmica que ex-plica los efectos ecológicos provocados por laactividad del fuego; es la componente quími-ca liberada a partir de la quema de la vegeta-ción y emitida como radiación durante el pro-ceso de combustión. La FRP fue introducidapor Kaufman et al. (1996) como una magnitudútil para estimar la velocidad de combustiónde la biomasa y las emisiones asociadas. Icho-ku et al. (2008) también emplearon la FRP y elFRE para clasificar la severidad de los incen-dios forestales en base a la biomasa quemadaen los mismos.

El método de Dozier inicialmente desarro-llado para su implementación en las imágeens

AVHRR (Advanced Very High Resolution Ra-diometer) es una técnica biespectral que usa laradiancia en el MIR (Middle InfraRed, 3-4 μm)y TIR (Thermal InfraRed, 10-12 μm) para es-timar la fracción del píxel afectado por el fue-go y la temperatura del fuego (Dozier, 1981),ambos valores están involucrados en la esti-mación de la FRP. Sin embargo la parametri-zación del fuego mediante técnicas de Telede-tección presenta múltiples fuentes de errordebido a las condiciones atmosféricas indeter-minadas y el valor desconocido de la emisivi-dad, principalmente, de forma que el sistemade ecuaciones biespectrales debe ser resueltopor métodos numéricos.

Por lo que respecta a sensores heliosíncro-nos, el algoritmo de detección de MODIS (Mo-derate Resolution Imaging Spectroradiometer)(Giglio et al., 2003) es la metodología de re-ferencia para aplicar a otros sensores. El pro-ducto de fuego de MODIS, descrito por Justi-ce et al. (2006) propone la estimación de laFRP empleando una relación empírica con latemperatura de brillo de la banda MIR, evi-tando así la resolución del sistema de ecuacio-nes biespectral. A partir del algoritmo de MO-DIS, antes mencionado, Wooster et al. (2012)han desarrollado un algoritmo de detección defuego activo para ser implementado en el fu-turo sensor Sentinel-3/SLSTR (Sea and LandSurface Temperature Radiometer) con resulta-dos validados; para calcular la FRP proponenuna relación semiempírica basada en estudiosprevios sobre el satélite BIRD (Bi-spectral In-fraRed Detection) (Wooster et al., 2003).

El programa GMES (Global Monitoring forEnvironment and Security), ahora Copernicus,es una iniciativa de la Comisión Europea y laESA, cuyo objetivo es evaluar la capacidad eu-ropea para el suministro y el uso de los servi-cios operativos. La contribución de GMES alestudio de los incendios forestales está repre-sentada por los satélites Sentinel-3 y Sentinel-2.Debe tenerse en cuenta que, actualmente, conla interrupción de los servicios de Envisat, elestudio de idoneidad de los algoritmos de de-tección de focos activos que se apliquen a Senti-nel-3 es una tarea científica necesaria y urgen-te. El futuro instrumento Sentinel-3/SLSTR,descrito por Coppo et al. (2010), es una ver-sión mejorada de Envisat/AATSR (Advanced

Estudio de la operacionalidad del futuro sensor Sentinel-3/SLSTR... 63

Along-Track Scanning Radiometer) que se pon-drá en marcha dentro de Copernicus. SLSTRproporcionará mediciones en nueve bandas es-pectrales, que cubre la región espectral [0.55-12] micras, dos de los cuales están optimiza-dos para la vigilancia de incendios. El principalobjetivo de la misión Sentinel-3 es medir la to-pografía de la superficie marina, temperaturadel mar y tierra y el color de océano con unaprecisión de alta calidad y fiabilidad en apoyode los sistemas de predicción oceánica, y parala vigilancia del medio ambiente y el clima. Elsensor SLSTR proporciona una corrección at-mosférica más avanzada de AATSR; su reso-lución espacial en las bandas visible e infra-rrojo medio es de 500 m, a 1 km en los canalesde infrarrojo térmico. La Tabla 1, adaptada deCoppo et al. (2010) muestra las bandas espec-trales térmicas (con una resolución espacial de1 km), y sus características radiométricas. Lasbandas espectrales dedicadas a la observaciónfuego son F1 y F2.

En este trabajo presentamos una discusiónacerca de la idoneidad de los procedimientosanteriormente mencionados para la determi-nación de la FRP. Dichas técnicas son aplica-das a situaciones simuladas mediante un mo-delo de transferencia radiativa, basado en lascaracterísticas espectrales de SLSTR, con elobjetivo de analizar el impacto de las condi-ciones atmosféricas en las estimaciones deFRP. Los principales resultados técnicos de es-ta aportación se encuentran recogidos en Ca-lle and Salvador (2013); aquí han sido añadi-dos algunos resultados correspondientes alanálisis de la función de respuesta espectral ylas condiciones de saturación del sensor, entreotros.

Algoritmos para estimar la FRP

Los parámetros del incendio, temperatura defuego Tf, y fracción del pixel ardiendo, p, pue-den ser obtenidos mediante la metodología deDozier (1981) que está basada en la solucióndel siguiente sistema de ecuaciones:

[1]

donde LMIR y LTIR son las radiancias salientesdel píxel a nivel de la superficie, en las regio-nes espectrales de 3-4 μm y 11 μm, respecti-vamente, y B(λ,T) es la función de Planck queinvolucra la longitud de onda, λ, y la tempera-tura, T. Tsurf es la temperatura de la superficieno afectada por el fuego. Puede consultarse unesquema basado en esta metodología en tér-minos de radiancias atmosféricas en Giglio yKendal (2001). La FRP es determinada me-diante la ley de Stefan-Boltzmann:

[2]

donde Asampl es el area total del píxel (en km2),σ es la constante de Stefan-Boltzmann(5.67 × 10–8 Wm–2K–4) y FRP está expresada enMW.

En el producto de incendios de MODIS (Jus-tice et al., 2006) la FRP se determina median-te la relación empírica (Kaufman et al., 1998):

[3]

donde TMIR es la temperatura de brillo en 4 μmen el pixel detectado, T–MIR es el promedio de latemperatura de brillo del fondo (no afectadapor fuego) en 4 μm, y Asampl es el área total (enkm2) del píxel. C es una constante empírica de-

FRP C T T Ath MIR MIR sampl88

8

= −⎛⎝⎜

⎞⎠⎟

FRP pA Tsampl f= σ 4

L p B ,T p B ,T

L p B

MIR MIR f MIR suf

TIR T

= ( )+ −( ) ( )=

λ λ

λ

1

IIR f TIR surf,T p B ,T( )+ −( ) ( )⎧⎨⎪

⎩⎪ 1 λ

64 A. Calle et al. / Revista de Teledetección (2013) 40, 62-70

Tabla 1: Características radiométricas de las bandas espectrales térmicas del sensor SLSTRsensor. Esta tabla está adaptada de Coppo et al. (2010) donde puede ser encontrada una des-cripción extensa del sensor.

Banda Región λ (μm) Δλ (μm) Rango T (K) Temp. ref. NEΔT (mK)

S7 MIR 3.74 0.38 200-323 270 56S8 TIR 10.85 0.90 200-321 270 29S9 TIR 12,00 1.00 200-318 270 21F1 MIR 3.74 0.38 285-500 285-500 680-16F2 TIR 10.85 0.90 230-400 230-400 79-35

λ es la longitud de onda central, Δλ es la anchura espectral, T es la temperatura de brillo en el te-cho de la atmósfera, NEΔT es el ruido equivalente en diferencia de temperatura.

terminada para la banda espectral de 4 μm deMODIS (CMODIS = 4.34 × 10–19 MWK–8km–2).La FRP (en MW) será denominada, en ade-lante, FRP8th, debido a su dependencia en la8ª potencia de la temperatura de brillo.

Un algoritmo para la detección del fuego ac-tivo ha sido propuesto para ser aplicado al sen-sor Sentinel-3/SLSTR por Wooster et al.(2012). En cada pixel afectado por fuego, laFRP es calculada usando la radiancia MIR me-diante el método explicado por Wooster et al.(2003):

[4]

Donde Asampl es el área de la proyección delFOV (Field Of View) del sensor, en m2, s es laconstante de Stefan-Boltzmann constante, L–MIR

es la radiancia espectral, en la banda MIR, delpixel afectado por el fuego (Wm–2sr–1μm–1), esel promedio de la radiancia espectral MIR delos pixeles de fondo (Wm–2sr–1μm–1), ?MIR es latransmitancia atmosférica en la banda espec-tral MIR (calculada como una función del con-tenido total de la columna de vapor de agua) ya (Wm–2sr–1Ìm–1K–4) es el factor de la relaciónentre la radiancia espectral y la 4ª potencia dela temperatura; esto es: la radiancia especralL(λ,T) emitida por un cuerpo negro a la longi-tud de onda λ está dada por la función dePlanck, la cual puede ser aproximada, en el ran-go de las 4 μm, por la relación potencial:L(λ) = aT4.0; debe notarse que el método de laradiancia es válido solamente para temperatu-ras de fuego superiores a 600 K; no existe com-portamiento lineal por debajo de dicho valor.FRP4th está expresada en MW.

Metodología

Una diversidad de incendios han sido simu-lados mediante MODTRAN (MODerate reso-lution atmospheric TRANsmission) (Berk et al.,1996) para calcular la radiancia emitida al ni-vel TOA (Top of Atmosphere) y recibida por elsensor SLSTR. Los escenarios de datos simu-lados son descritos por los intervalos de los pa-rámetros: Tf ∈ [400 K, 1100 K], p ∈ [1e-5,0.4] y transmitancia atmosférica τMIR ∈ [0.69,

0.88]; τTIR fue calculada de forma que τMIR y τTIR

estaban relacionados mediante perfiles atmos-féricos estándar (no se consideraron variacio-nes arbitrarias entre ellas). La radiancia es-pectral fue integrada usando funciones derespuesta cuadrada para las bandas del fuegoSLSTR, F1 (λ = 3.74 μm, Δλ = 0.38 μm) y F2(λ = 10.85 μm, Δλ = 0.9 μm) (para una des-cripción de SLSTR consultar Coppo et al.,2012), y usando un valor nominal de Asampl de1 km2. La FRP de los fuegos simulados (en ade-lante FRPTRUE) fue calculada mediante los va-lores simulados de p y Tf y la ecuación [2] (No-tar que FRPTRUE no depende de la transmitanciaatmosférica). La temperatura de la superficieno afectada por el fuego fue considerada a300 K. Respecto a los valores representativosde emisividad de fondo se tomaron εMIR = 0.85(banda de 3.74 µm) y εTIR = 0.9 (banda de10.85 µm) y el fuego fue considerado comocuerpo negro. Aunque dichos valores son ba-jos para vegetación verde, son adecuados paravegetación senescente, de acuerdo a Salisburyy D’Aria (1994, a y b).

Para estimar la FRP mediante el método deDozier y la ley de Stefan-Boltzmann (en ade-lante FRPDSB), se propone un algoritmo itera-tivo, basado en las radiancias TOA MIR y TIRobservadas por el sensor, de acuerdo a las ecua-ciones siguientes:

[5]

donde j es la banda espectral (MIR y TIR), Lj

es la radiancia TOA proporcionada por el sen-sor, τj es la transmitancia atmosférica, B(λ,T)es la función de Planck, Tf es la temperaturadel fuego, p es la fracción del píxel afectadapor el fuego, y L–j es el promedio de la radian-cia TOA de los pixeles de fondo; notar que es-te término incluye la dependencia con la trans-mitancia atmosférica y la emisividad. Paradeterminar Tf, se resuelve la siguiente ecuaciónmediante método iterativo:

[6]

La fracción del fuego, p, se determina, f i-nalmente, desde cualquiera de las dos ecua-ciones [5] y la FRP (FRPDSB) se obtiene de laecuación [2]. Teniendo en cuenta que las con-diciones atmosféricas son desconocidas cuan-

L L

B ,T L

L LMIR MIR

MIR MIR f MIR

TIR TIR−( )( )−

=−( )

τ λ τTTIR TIR f TIRB ,T Lλ( )−

L pB ,T p L j MIR TIRj j j f j= ( ) + −( ) =τ λ 1 ,

FRPA

aL Lth

sampl

MIR

MIR MIR4610

=⎛

⎝⎜

⎞

⎠⎟ −( )

τ

σ


do el método es aplicado, en la simulación delos fuegos han sido usados promedios de τMIR

y τTIR. Los errores en Tf y p no son significati-vos cuando varía la transmitancia atmosféricausada en la simulación.

Cuando se usa una transmitancia promediadalos errores máximos encontrados, en el interva-lo de transmitancias descrito anteriormente, fue-ron de 60 K, en Tf, y 70%, en p (para p = 10–3).Notar que, en la estimación de la FRP, el impac-to del error en p es muy inferior al error en Tf.

Por lo que respecta a la estimación de FRP8th,usada en el producto MODIS, fue determinadauna nueva constante para SLSTR, CSLSTR, para serutilizada en la ecuación [3]. Para dicho cálculosolo se aplicaron condiciones de pixel no satura-do; así, mediante FRP simuladas y característi-cas espectrales del sensor SLSTR, la constanteCSLSTR = 4.48 × 10–19 MWK–8km–2 fue estimadamediante una regresión lineal (R2 = 0.94). Notarque CSLSTR es ligeramente diferente de CMODIS.

La metodología aplicada a FRP4th descrita porla ecuación [4] no es adecuada para temperatu-ras inferiores a 600 K. La constante a válida pa-ra el sensor SLSTR, previamente estimada me-diante transmitancias atmosféricas promediadasen los fuegos simulados, fue aSLSTR = 1.05 × 10–9

Wm–2sr–1μm–1K–4 (R2 = 0.99).

Resultados y discusión

El porcentaje de error proporcionado porFRPDSB no depende de la fracción del fuego. El

error se incrementa con τMIR y τTIR y disminu-ye con Tf. La restricción de este procedimien-to es que, para Tf inferior a 450 K, no existeconvergencia en la ecuación [6]. Esos resulta-dos se muestran en la Figura 1.

El porcentaje de error en FRP8th muestra unafuerte dependencia con la fracción del fuegocuando la temperatura del fuego aumenta. LaFigura 2 muestra la gráfica 3D de los erroresobtenidos para tres valores de p (10–1, 10–2 y10–3). Notar que p = 10–1 es incompleta debidoa la saturación del sensor SLSTR (a partir deTf de 740 K para p = 10–1). La dependencia enτMIR es débil. FRP8th muestra un buen compor-tamiento con errores dentro del intervalo±10%, para p = 10–2, para Tf ∈ [540 K, 600 K]cuando τMIR es alta y Tf ∈ [600 K, 740 K] parabajos valores de τMIR. Si p disminuye, el rangode error ±10% corresponde a intervalos de Tf

más estrechos y desplazados a bajas Tf. Esosresultados se muestran en la Figura 2.

El porcentaje de error proporcionado porFRP4th no muestra ninguna dependencia con lafracción del fuego. Altos valores de τMIR sonmás sensible a errores, de forma que FRP4th es-tá dentro del intervalo ±10% para el intervalode Tf ∈ [625 K, 700 K] para valores altos detMIR y Tf ∈ [720 K, 900 K] para bajos valoresde τMIR. FRP4th sobre-estima FRPTRUE para va-lores altos de Tf. Estos resultados se muestranen la Figura 3.

Este análisis se ha realizado teniendo encuenta un escenario de vegetación senescenteque ocuparía la zona que rodea al píxel con fue-


Figura 1. a) Porcentaje de error, en la estimación de FRPDSB; gráfica del error como función de la trans-mitancia MIR y la temperatura del fuego; el nivel de error 0% es mostrado como referencia. b) Líneas deerror, generadas como la intersección de la gráfica 3D con planos de error en el intervalo [–10%, 50%].

go (pero no afectado por el fuego); ello ha si-do así para optar por valores conservadores deemisividad. La vegetación verde no sería rea-lista en escenarios de fuego, pero aunque seprodujera, los errores serían menores al tratar-se de valores más cercanos al comportamien-to de cuerpo negro. Sin embargo, el mismoanálisis se realizó teniendo en cuenta previa-mente un fondo de cuerpo negro, los erroresfueron los mismos para los tres algoritmos.Ello era esperable una vez que la temperaturade brillo utilizada en el análisis era magnitudTOA. Para la fracción de fuego, sin embargo,el comportamiento de cuerpo negro puede serasumido de forma razonable, siempre que lalongitud de la trayectoria de línea de visión através de las llamas es suficientemente gruesa

(Laangas, 1995), de modo que la ecuación (5)no incluye la corrección de emisividad.

Otro efecto a discutir es la forma de la SRF(Spectral Response Function); dado que suforma no es conocida aún, los cálculos fueronrealizados con una función cuadrada. No obs-tante otras formas fueron analizadas para es-timar su impacto en los errores encontrados eslas estimaciones finales de la FRP. Por ello, seha simulado una función de Gauss, cuya cam-pana de dispersión excedía a la función cua-drada, a longitudes de onda a izquierda y de-recha del espectro, en valores de respuesta del20%. Esta función de respuesta espectral es li-geramente diferente a la forma anterior, debi-do a la radiancia integrada a la izquierda y de-recha de la función cuadrada. Se encontraron


Figura 2. Porcentaje de error, en la estimación de FRP8th; gráfica de error como función de la transmitan-cia MIR, temperatura de fuego y fracción del píxel; se muestra el nivel de error 0% como referencia. Notarque p = 0.1 es incompleta debido a la saturación del sensor SLSTR. b) Líneas de error, generadas como laintersección de la gráfica 3D con planos de error en el intervalo [–70%, 20%].

Figura 3. Porcentaje de error, en la estimación de FRP4th; gráfica de error como función de la transmitan-cia MIR y la temperatura del fuego; el nivel de error 0% se muestra como referencia. b) Líneas de error, ge-neradas como la intersección de la gráfica 3D con planos de error en el intervalo [–30%, 40%].

ligeras diferencias poco relevantes en la tem-peratura de brillo como por ejemplo, para elcaso p = 0,001, las diferencias de temperatu-ra de brillo son 0.3 K (MIR) y 3.2 K (TIR); sinembargo, los errores encontrados en la tem-peratura del fuego y las fracciones de píxelafectadas por el fuego son los mismos que losmencionados previamente (±2,6% en prome-dio). Por lo tanto, los procedimientos de cál-culo de la FRP descritos aquí no serán depen-dientes de la forma f inal de la función derespuesta espectral SLSTR. Observar la Figu-ra 4, donde se muestra una comparación entrelas funciones de respuesta cuadrada y gaus-siana.

Por último, fue realizada una estimación delas condiciones del incendio que pueden pro-ducir saturación del sensor. Así, la saturaciónde la banda MIR sólo se produce en escenarioscon una potencia de fuego muy elevada, debi-do a altas temperaturas y grandes áreas afec-tadas simultáneamente; algunos ejemplos sig-nif icativos son los siguientes: a partir de(980 K, 2.5 hectáreas), (840 K, 5 ha) , (770 K,7.5 ha) , (730 K, 10 ha) , (670 k, 15 ha). La Fi-gura 5 muestra la línea de umbral de saturaciónde la banda MIR; el resultado es que el futurosensor SLSTR será adecuado para la vigilan-cia de incendios en una muy amplia variedadde condiciones físicas del fuego.


Figura 4. Dos SRF diferentes fueron consideradas para cada banda espectral (MIR y TIR): gaussiano y laSRF cuadrada. La función de Gauss fue obligada a rebasar los requisitos de la función cuadrada, con el finde calcular el impacto de este rebosamiento de la ventana espectral en la radiancia obtenida por el sensor.

Figura 5. Representación de la línea umbral de saturación del sensor SLSTR-MIR.La zona derecha permite la detección de incendios pero no la parametrización(Temperatura, área afectada y FRP). La zona izda. representa escenarios de totaloperacionalidad en la observación del fuego.

Conclusiones

Por lo que respecta a los resultados técnicosplanteados a lo largo del trabajo, cabe destacarque los métodos FRP4th y FRPDSB muestran me-jores resultados en un intervalo más ancho detemperaturas de fuego, que el procedimientoFRP8th, y además no muestran dependencia conla fracción del píxel afectada. Sin embargo, suserrores se incrementan dramáticamente cuan-do la temperatura de fuego cae a valores pordebajo de un cierto valor: 450 K para FRPDSB

debido a la convergencia imprecisa en la reso-lución del sistema de ecuaciones [6] y 650 Kpara FRP4th debido a que la relación de la ra-diancia en función de T4.0 no es válida; ésta esuna restricción del método cuando el nivel deconfianza, en la detección del fuego, es bajo.Notar que un fuego con reducida área activa ocuya temperatura es baja es difícil de detectar.El método FRPDSB muestra mejores resultadosque FRP4th y FRP8th, y su rango de aplicabili-dad es más ancho; sin embargo es más sensi-ble a la imprecisión en las condiciones atmos-féricas y usa τMIR y τTIR.

Como comentarios adicionales acerca de laidoneidad y estrategias de vigilancia de incen-dios debe hacerse notar que la magnitud FRP esconsiderada de importancia crucial; sin embar-go, las consecuencias ecológicas continuadasde la acción de la FRP son las que integran lainformación en el tiempo. Por esta razón todoslos cálculos y análisis efectuados sobre satéli-tes de órbita polar deberían encaminarse a la de-terminación de la FRE = ∫FRP · dt y ésta sóloes posible mediante sensores geoestacionarios.Por lo tanto, la coordinación entre plataformaspolares, que aportan la resolución espacial, y lasplataformas geoestacionarias, que aportan lacontinuidad temporal, debería ser el objetivo es-tratégico de los programas de observación de in-cendios; en otro caso, la información de los hot-spots se limitará a una utilidad estadística.

Agradecimientos

Este trabajo se ha realizado en el marco delproyecto CAT-1 de la ESA ID: 11846, cuyo tí-tulo es: «Study of suitability of Sentinel-3 tofire monitoring»

Referencias

BERK, A., BERNSTEIN, L. W., & ROBERTSON,D.C. 1996. MODTRAN: A moderate resolutionmodel for LOWTRAN 7, Rep. AFGL-TR-83-0187, Philips Lab., Hanscom Air Force Base,Mass. 1996

CALLE, A., & SALVADOR, P. 2013. The active fi-re FRP Estimation: study on Sentinel-3/SLSTR.IEEE Geoscience and Remote Sensing Letters,Vol. 10 (5), 1046-1049, September 2013

COPPO, P., RICCIARELLI, B., BRANDANI, F.,DELDERFIELD, J., FERLET, M., MUTLOW, C.,MUNRO, G., NIGHTINGALE, T., SMITH, D.,BIANCHI, S., NICOL, P., KIRSCHSTEIN, S.,HENNIG, T., ENGEL, W., FRERICK, J., & NIE-KE, J. 2010. SLSTR: a high accuracy dual scantemperature radiometer for sea and land surfacemonitoring from space. Journal of Modern Op-tics, 2010, Vol. 57, 1815-1830.

DOZIER, J. 1981. A method for satellite identifi-cation of surface temperature fields of subpixelresolution. Remote Sensing of Environment,1981, Vol. 11, 221-229.

GIGLIO, L., & KENDALL, J. D. 2001. Applicationof the Dozier retrieval to wildfire characteriza-tion. A sensitivity analysis. Remote Sensing ofEnvironment, 2001, Vol. 77, 34-49.

GIGLIO, L., DESCLOITRES, J., JUSTICE, C. O.,& KAUFMAN, Y. J. 2003. An enhanced contex-tual fire detection algorithm for MODIS. RemoteSensing of Environment, 2003, Vol. 87, 273-282.

GONZÁLEZ-ALONSO, F., CALLE, A., & ROL-DÁN, A. 2006. Comparison of Fire Severity andFire Parameters using Remote Sensing Images.Proceedings Second Recent Advances in Quan-titative Remote Sensing (RAQRS II). pp. 125-130.Valencia, 2006

ICHOKU, C., GIGLIO, L., WOOSTER, M. J., &REMER, L. A. 2008. Global characterization ofbiomass burning patterns using satellite measu-rements of fire radiative energy. Remote Sensingof Environment, 2008, vol. 112(6), 2950-2962.

JUSTICE, C., GIGLIO, L., BOSCHETTI, L., ROY,D., CSISZAR, I., MORISETTE, J., & KAUF-MAN, Y. 2006. MODIS Fire Products. AlgorithmTechnical Background Document, version 2.3, 1October 2006, EOS ID# 2741. MODIS ScienceTeam, (p. 12)

KAUFMAN, Y., REMER, L., OTTMAR, R.,WARD, D., RONG-R, L., KLEIDMAN, R., FRA-SER, R., FLYNN, L., MCDOUGAL, D., &SHELTON, G. 1996. Relationship between re-motely sensed fire intensity and rate of emissionof smoke: SCAR-C experiment. In J. Levine(Ed.), Global biomass burning, 1996, (pp. 685-696). MA: MIT Press.

KAUFMAN, Y. J., JUSTICE, C. O., FLYNN, L. P.,KENDALL, J. D., PRINS, E. M., GIGLIO, L.,



WARD, D. E., MENZEL, W. P., & SETZER,A. W. 1998, Potential global fire monitoring fromEOS-MODIS. Journal of Geophysical Research,1998, Vol. 103, 32215-32238.

LANGAAS, S. 1995. A critical review of sub-reso-lution f ire detection techniques and principlesusing thermal satellite data. PhD thesis, Depart-ment of Geography, University of Oslo, Norway.

SALISBURY, J. W., & D’ARIA, D. 1994. Emissi-vity of Terrestrial Materials in the 3-5 mm At-mospheric Window. Remote Sensing of Environ-ment, 1994, Vol. 47, 345-361.

SALISBURY, J., W., & D’ARIA, D. 1994. Emissi-vity of Terrestrial Materials in the 8-14/tm At-

mospheric Window. Remote Sensing of Environ-ment, 1994, Vol. 42, 83-106.

WOOSTER, M. J., ZHUKOV, B., & OERTEL, D.2003. Fire radiative energy for quantitative studyof biomass burning: derivation from the BIRDexperimental satellite and comparison to MODISfire products. Remote Sensing of Environment,2003, Vol. 86, 83-107.

WOOSTER, M. J., XU, W., & NIGHTINGALE, T.2012. Sentinel-3 SLSTR active fire detection andFRP product: Pre-launch algorithm developmentand performance evaluation using MODIS andASTER datasets. Remote Sensing of Environ-ment, 2012, Vol. 120, 236-254.

Introducción

La calibración y validación (cal/val) de sen-sores de baja resolución se realiza en sitios ho-mogéneos con una gran extensión como puedenser los desiertos, lagos y océanos. Ya que el ac-

ceso a estas zonas resulta dificultoso (desiertos)o las medidas obtenidas por los sensores en elagua presentan una serie de inconvenientes co-mo puede ser el efecto bulk-skin (Hook et al.,2003), es interesante hallar zonas extensas y defácil acceso para las actividades de cal/val. Por


Estudio de la homogeneidad de la temperatura de la superficie terrestre mediante imágenes MODIS

de la zona de Doñana

D. Skokovic, J. A. Sobrino, G. Sòria, J. C. Jiménez-Muñoz y Y. JulienUnidad de cambio global (UCG). Laboratorio de Procesado de Imágenes (IPL).

Universidad de Valencia (UVEG). C/ Catedrático José Beltrán 2. Paterna, 46980 Valencia. Tel: 963544054

Resumen

La Reserva Biológica de Doñana (RBD) posee zonas extensas y variadas que permiten el uso deimágenes de sensores de alta, media y baja resolución para el desarrollo de las actividades de cali-bración/validación (cal/val). Para hallar zonas potenciales para las actividades de cal/val, se ha estu-diado la homogeneidad de la temperatura de la superficie terrestre (TST) mediante imágenes MODISdurante los años 2011 y 2012. La metodología utilizada para este fin, se basa en la obtención de ladesviación estándar de una parcela de 3x3 píxeles con la que se ha hallado la variabilidad espacial dela TST en tres puntos concretos de la RBD (marisma, vegetación autóctona y dunas). Como resulta-dos podemos destacar; la homogeneidad de la marisma durante sus períodos de inundación y de la ve-getación autóctona durante todo el año; y la validez del uso de las medidas obtenidas por las estacio-nes presentes en la RBD para la cal/val de sensores de baja resolución en el térmico.

Palabras clave: CAL/VAL, TST, RBD, homogeneidad, desviación estándar, marisma.

Abstract

Study of the land surface temperature homogeneity from MODIS imagery over the Doñana test site

Doñana Biological Reserve (RBD) has extensive and varied areas that allow remote sensing imagesusing high, medium and low resolution for the development of calibration / validation activities (cal/val).To find potential areas for activities of cal/val, the study is based in the homogeneity of the land surfacetemperature (LST) using MODIS images during the time period between 2011 and 2012. Themethodology uses the standard deviation of a plot of 3 × 3 pixels. With this parameter the spatialvariability of LST is obtained in three particular points of RBD (Marsh, native vegetation and dunes).Results shows the homogeneity of the marsh during flood periods and native vegetation during thewhole year and validate the measurements registered by the stations on the RBD for cal / val activitiesof low spatial resolution sensors.

Key words: Cal/Val, LST, RBD, homogeneity, standard deviation, marsh.


eso, en el marco del proyecto CEOS-SPAIN pa-ra la búsqueda y puesta en marcha de zonas decal/val de satélites, se están realizando estudiospara la búsqueda de lugares que cumplan ciertascaracterísticas para el desarrollo, con las míni-mas incertidumbres posibles, de estas activida-des por el territorio español. La homogeneidades una de estas características que se requierenpara la cal/val de satélites (Morain et al., 2004 yTeillet et al., 2007) por lo que, un estudio de lahomogeneidad se hace necesario para la identi-ficación de zonas potenciales para el desarrollode estas actividades. Dependiendo del sensor quese desee calibrar/validar, la extensión de la zonavariará según su resolución espacial, por lo quees importante disponer de zonas amplias para po-der abarcar la mayor cantidad de sensores posi-bles. Una de las zonas que cumple esta caracte-rística es la Reserva Biológica de Doñana (RBD).

La RBD se encuentra en el suroeste de Es-paña. Posee un área de 3.560 km2 que incluyeuna rica variedad de formas de relieve y tiposde vegetación representativas de las tierras ba-jas del Mediterráneo. El clima es de tipo medi-terráneo subhúmedo y tiene una estacionalidadbien definida, con suaves y húmedos inviernosy veranos secos y calurosos. De acuerdo al es-tudio de Fernández et al. (2010) en este eco-sistema están representados dos unidades am-bientales generales: los Cotos, constituidos porsuelos arenosos de origen eólico, arenas basa-les y limos, y las Marismas de suelos arcillososque se originaron después de la ocupación delantiguo estuario del Rio Guadalquivir.

Estas características de la RBD ofrecen, pa-ra el desarrollo de las actividades de cal/val, laposibilidad de usar imágenes de sensores debaja, media y alta resolución espacial, aprove-chando las grandes extensiones que ofrecen lasmarismas, dunas y vegetación autóctona. Lahomogeneidad de todas estas superficies debeser analizada a lo largo de las distintas épocasdel año para identificar los periodos de tiem-po en que esta es máxima.

Metodología

Para el estudio de la homogeneidad sobre laRBD hemos utilizado las imágenes proporcio-nadas por el sensor MODIS de los años 2011

y 2012. Todas estas imágenes han sido adqui-ridas con la estación de recepción de imágenesde satélite del Laboratorio de Procesado deImágenes de la Universidad de Valencia.

Para el análisis de las imágenes, se ha utili-zado el producto de temperatura de la superfi-cie terrestre (TST) obtenido por el método de-sarrollado por Sobrino et al. (2003), que poseeuna resolución de 1 × 1 km, y la máscara denubes proporcionada por MODIS.

La metodología empleada para determinarla homogeneidad de un píxel se basa en la ob-tención de la desviación estándar, y la dife-rencia entre el valor máximo y mínimo, MMD,de una matriz de 3 × 3 píxeles, siempre que elmismo esté libre de nubes. Esto procedimien-to es necesario, ya que es la única forma de ca-racterizar la variabilidad espacial de la TST pa-ra un píxel dado (Hale et al., 2011). De estaforma, mediante la desviación estándar obten-dremos las diferencias de TST de nuestra píxelcentral con sus vecinos más cercanos, mientrasque la MMD nos proporcionará una herra-mienta para la eliminación de valores extremospuntales que puedan darse en algún píxel con-creto de la zona por la presencia de nubes queno hayan sido detectadas por la máscara. Paraasegurarnos de que la influencia de nubes fue-ra mínima en nuestros análisis, solamente seescogieron las imágenes con una cobertura nu-bosa inferior al 20%.

Con las imágenes procesadas, se estimaronlos productos mensuales de los años 2011 y2012 para los valores diurnos y nocturnos porseparado.

Área de estudio

De las zonas naturales sin transformar de laRBD, se han escogido tres áreas del parque ca-racterísticas de la zona: Estas áreas son la ma-risma, las dunas y la vegetación autóctona y sulocalización aproximada podemos verla en laTabla 1. Esta localización coincide con las es-taciones presentes en la RBD y que disponen deradiómetros para el registro continuo de la TST.

La parcela de las dunas, es la zona del par-que con los relieves más acusados, alcanzan-do alturas de hasta 40 m. Está formada por are-na y vegetación de tipo bajo. Su extensión no

72 D. Skokovic et al. / Revista de Teledetección (2013) 40, 71-77

es muy grande, en comparación con la resolu-ción ofrecida por MODIS. La parcela de ve-getación autóctona no presenta cambios tanabruptos de relieve y posee una vegetación dematorrales más densa que las dunas. Su exten-sión es muy grande y ocupa una gran área dela parte oeste del parque. Finalmente, la ma-risma, presenta un ciclo anual característico deinundaciones que comienzan en los meses deoctubre-noviembre y alcanza su máximo sobrelos meses de enero-febrero. Este ciclo no siem-pre se cumple, ya que depende mucho del ré-gimen de lluvias a lo largo del año. Cuando lamarisma se seca, la mayor parte de esta estáformada por un suelo arcilloso que alberga unagran cantidad de vegetación marismeña. En laFigura 1, podemos apreciar los diferentes tiposde superficie a estudiar.

Resultados

Ya que la superficie de la marisma varía mu-cho a lo largo del año, con gran dependenciadel régimen de lluvias, el estudio se ha dividi-do en dos períodos de tiempo: marisma inun-dada y marisma seca. Para ello se han identi-f icado los períodos de tiempo en que estabainundada la marisma y se han comparado conlos períodos secos (Figura 2).

En el año 2011 la marisma estuvo inundadahasta bien entrado el mes de mayo y durante elaño 2012, sólo durante los meses de abril y ma-yo, aunque parcialmente, sí que estuvo inun-dada nuestra zona de estudio. En este período,y en base a la Figura 2, se observa una dife-rencia de entorno a unos 0.5 K entre los perío-dos de inundación de la marisma y los de se-quía durante los primeros meses del año. Parael resto de meses, la desviación de la TST esmuy parecida.

En la Figura 3 podremos apreciar la homo-geneidad de la marisma para dos imágenes delmes de Marzo. Una para el año 2011 y otra pa-ra el 2012. En ella apreciamos claramente que

la homogeneidad de la TST es mucho mayorcuando la marisma está inundada que cuandoestá seca. Además, durante los periodos de po-cas lluvias, como el Marzo de 2012, la vegeta-ción es más homogénea que en los periodos llu-viosos. Esto se debe al poco contraste que existeen la TST entre los suelos arenosos y la vegeta-

Estudio de la homogeneidad de la temperatura de la superficie terrestre... 73

Tabla 1. Coordenadas de las superficies analizadas

Marisma 36.992 N 6.442 WVegetación 37.008 N 6.506 WDunas 36.917 N 6.417 W

Figura 1. De arriba a abajo: Imagen de la marismainundada; dunas de la RBD; zona de «El Ojillo» per-teneciente a la vegetación autóctona.

ción seca, mientras que para la vegetación ver-de, el contraste de la TST si es significativo.

Realizando el promedio de la desviación es-tándar de la TST para todos los meses estudia-dos, obtenemos la Tabla 2, en la que aprecia-mos la variación media de la TST para nuestraszonas de estudio. En ella observamos cómo lazona de vegetación es la más homogénea du-rante todo el año, mientras que la zona de lasdunas es la que más desviación estándar de laTST presenta. Esto es debido, en parte, al re-lieve de las dunas y a su pequeña extensión encomparación con el píxel ofrecido por MODIS,mientras que la vegetación, al cubrir un áreamuy grande de la zona, es mucho más homo-génea, sobre todo en los periodos de pocas pre-cipitaciones, como se ha mencionado ante-riormente. La marisma, sólo en los periodos deinundación, es la que menor variabilidad de laTST presenta. En la Figura 4, presentamos losresultados de una forma más clara y en la quepuede verse la distribución espacial de la ho-mogeneidad por toda el área de la RBD.

Se aprecia cómo la parte oeste de RBD es lamás homogénea durante todo el año, obser-vándose variaciones de la TST de 1 K que co-rresponden a la zona de la vegetación autócto-na. La zona de la marisma, dependiendo de laparte en la que nos encontremos variará de en-tre 1.7 K en la zona de Fuente Duque, hasta los3.5 K de la zona del centro y sur de la maris-ma. Para el resto de la zona de la RBD, partenorte, este y dunas, la desviación de la TST esbastante alta y ronda los 4 K.

Además de analizar la distribución espacialde la desviación estándar de la TST, tambiénse ha estudiado como varia esta con el tiempo.En concreto se han obtenido los valores me-dios de la desviación estándar de la TST paralos meses estivales y los meses invernales. Enla Tabla 3 observamos cómo durante los meses


Figura 2. Valores de la desviación estándar de laTST a lo largo del año para la marisma.

Figura 3. Imagen de la desviación estándar de laTST en la zona de la RBD durante el mes de mar-zo. Arriba: Imagen del año 2011 Abajo: Imagen delaño 2012.

Tabla 2. Promedio de la desviación estándar de laTST de los años 2011 y 2012 para una matriz de 3 × 3pixeles centrada en las coordenadas de la marisma,vegetación y dunas, con sus rspectivos errores

Zona dTST SDerror

Marisma inundada 0.9 0.4Marisma seca 2.2 0.8Vegetación 1.0 0.4Dunas 3.2 1.4

invernales la homogeneidad de la TST es ma-yor para nuestras zonas de estudio debido almenor aporte energético del Sol, lo que pro-duce una equiparación, para todas las superfi-cies, de la TST. Esta diferencia de homogenei-dad de la superficie entre los períodos estivalese invernales la podemos apreciar perfectamenteentre las imágenes de la desviación estándar dela TST durante los meses de agosto y noviem-bre del año 2011 (Figura 5), en la que obtene-mos que la diferencia media entre las dos es-cenas es de 1 K, con diferencias significativasde hasta 2 K en la parte norte y este de la RBD.

Aplicaciones

Una de las aplicaciones es la cal/val de sen-sores de baja resolución. Para ello, validare-

mos el producto de TST (MOD11) ofrecido porMODIS con el radiómetro ubicado en la esta-ción de Fuente Duque, ubicada en la marisma,cuyas coordenadas se mencionaron anterior-mente Tabla 1. Ya que anteriormente se ha co-mentado que la desviación espacial de la TST


Figura 4. Imagen de la desviación estándar de la TSTen la zona de la RBD para el periodo 2011-2012.

Figura 5. Imagen de la desviación estándar de laTST en la zona de la RBD durante el año 2011. Arri-ba: mes de agosto; Abajo: mes de noviembre.

Tabla 3. Promedio estándar de la desviación estándar de la TST, divi-dida en el período invernal y estival, de los años 2011 y 2012 para unamatriz de 3 × 3 pixeles centrada en las coordenadas de la marisma, ve-getación y dunas, con sus respectivos errores

ZonadTST

SDerrordTST

SDerrorinvernal estival

Marisma seca 1.6 0.6 2.6 1.1Vegetación 0.8 0.3 1.4 0.5Dunas 2.7 1.2 3.5 1.5

en la marisma es menor en los periodos de in-undación y en el periodo invernal, la valida-ción se ha separado en dos periodos: Uno convalores estivales, y otro con invernales y conla marisma inundada.

En la Tabla 4 se puede observar cómo paralos meses invernales se obtiene un RMSE de0.9 K lo que nos indica que el error de la vali-dación está dentro del límite ofrecido por elproducto de LST que es de 1 K (Wan et al.,2002). Para los meses estivales el error es unpoco mayor tal como predecía el estudio reali-zado, pero aun así sigue estando dentro del va-lor requerido (0.5-2 K) para las investigacio-nes agrícolas, hidrológicas y meteorológicascon resoluciones entre 1-10 km (CEOS &WMO, 2010; GCOS, 2006). Esto nos muestraque la RBD, en su zona de la marisma y vege-tación autóctona, es perfectamente apta para lacal/val de sensores de baja resolución en el tér-mico.

Conclusiones

En este trabajo hemos estudiado los perío-dos y zonas más homogéneas de la RBD. Paraello nos hemos basado en las imágenes MO-DIS obtenidas durante los años 2011 y 2012con la estación de recepción del Laboratorio

de Procesado de Imágenes de la Universidadde Valencia.

De entre los datos más relevantes extraídos deeste estudio, podemos concluir que la zona oes-te, correspondiente a la vegetación autóctona, esel lugar que presenta las mejores condiciones dehomogeneidad durante todo el año, no superan-do la desviación estándar de la TST con sus pí-xeles vecinos los 2 K. Si nos centramos en unperiodo de tiempo concreto, la marisma (cuan-do está inundada) y la vegetación autóctona (enmeses invernales) presentan los valores más al-tos de homogeneidad ya que su desviación es-tándar de la TST no supera el grado centígrado.

Con ello, tenemos que la marisma y la ve-getación autóctona son zonas ideales para lasactividades de cal/val de satélites, ya que pre-sentan errores espaciales aceptables inferioresa 1 K para validar productos de TST obtenidoscon sensores de baja resolución en el térmico,como MODIS y VIIRS, o el futuro SLSTR abordo de Sentinel-3. Estas zonas se ofrecen co-mo una alternativa a las calibraciones tradi-cionales que se realizan sobre zonas de agua(mares y lagos).

Finalmente, mediante este estudio, hemos de-mostrado la validez del uso de las medidas ob-tenidas por las estaciones presentes en la RBDpara la cal/val de sensores, tanto de baja comode alta resolución, en el espectro térmico.


Tabla 4. Comparación de la TST obtenida por el producto MOD11 de MODIS con las medidas in situ pa-ra la zona de la marisma durante el año 2011

Período FechaMODIS IN SITU ΔMOD-SITU RMSE

R2

TST (K) TST (K) (K) (K)

Invernal/ 24/03/2011 293.8 293.2 0.6Marisma 09/04/2011 298.7 299.2 –0.5inundada 13/05/2011 301.7 302.5 –0.8

17/10/2011 303.3 303.8 –0.517/11/2011 292.5 294.1 –1.607/12/2011 287.8 288.3 –0.5

Estival 08/06/2011 298.9 297.8 1.103/07/2011 299.6 300.3 –0.705/07/2011 309.8 309.1 0.714/07/2011 309.7 307.1 2.626/07/2011 308.5 310.7 –2.201/09/2011 297.1 297.1 0.006/09/2011 312,0 311.9 0.1

Invernal/Marisma inundada 0.90 0.99Estival 1.51 0.94

Agradecimientos

Los autores agradecen al Ministerio de Eco-nomía (proyecto CEOS-SPAIN)

Biblografía

CEOS, WMO. «Revision of AOPC requirements inWMO/CEOS database», Submitted by the Secre-tariat, 4 pp (2010).

WMO, GCOS-107. «Systematic Observation Re-quirements for Satellite-based Products for Cli-mate». WMO TD, 1338, 90 (2006).

FERNÁNDEZ, N., PARUELO, J. M., & DELIBES,M. 2010, Ecosystem functioning of protected andaltered Mediterranean environments: A remotesensing classification in Doñana, Spain, Remo-te Sensing of Environment, Volume 114, Issue 1,ISSN 0034-4257.

HALE, R. C., GALLO, K. P., TARPLEY, D., & YU,Y. 2011, Characterization of variability at in si-tu locations for calibration/validation of satelli-te-derived land surface temperature data, Remo-te Sensing Letters, vol. 2, no. 1, 41-50.

HOOK, S. J., PRATA, F. J., ALLEY, R. E., ABTA-HI, A., RICHARDS, R. C., SCHLADOW, S. G.,et al. (2003). Retrieval of lake bulk and skin tem-peratures using Along-Track Scanning Radio-meter (ATSR-2) data: A case study using LakeTahoe, California. Journal of Atmospheric andOceanic Technology, 20(4), 534-548.

MORAIN, S., & BUDGE, M. A. 2004. Post-LaunchCalibration of Satellite Sensors, ISPRS Book Se-ries - Volume 2, pp.181-187.

SOBRINO, J. A., EL KHARRAZ, J., & LI, Z. L.2003. Surface temperature and water vapour re-trieval from MODIS data, International Journalof Remote Sensing, 24, 5161-5182.

TEILLET, P. M., BARSI, J. A., CHANDER, G., &THOME, K. J. 2007. Prime candidate earth tar-gets for the post-launch radiometric calibrationof space-based optical imaging instruments. Pro-ceedings of SPIE, vol. 6677, 66770S.

WAN, Z., ZHANG, Y., ZHANG, Q., & LI, Z.-L.(2002). Validation of the landsurface temperatu-re products retrieved from Terra oderate Resolu-tion Imaging Spectroradiometer data. RemoteSensing of Environment, 83(1-2), 163-180.



Primera aplicación de imágenes Fasat-Charlie al estudio de praderas semi-áridas de Chile

A. Santamaría-Artigas1, C. Mattar1, C. Durán-Alarcón1, L. Olivera1, M. Inzunza2, D. Tapia2 y E. Escobar-Lavín2

1 Laboratorio para el Análisis de la Biósfera (LAB). Dpto. de Ciencias Ambientales y RecursosNaturales Renovables. Universidad de Chile. Av. Santa Rosa 11315, La Pintana. Santiago, Chile

2 Grupo de Operaciones Espaciales. Fuerza Aérea de Chile. Volcán Osorno s/n. El Bosque, Santiago, Chile

Resumen

La Región semi-árida de Chile ha cobrado una gran relevancia durante las últimas décadas de-bido al aumento de la desertificación, ocurrencia de eventos extremos climáticos y decrecientevolumen de precipitación. Esta situación condiciona a dicha región para convertirse en una zonade relevante interés científico en el estudio y análisis de los recientes fenómenos climáticos y surelación la cobertura de la superficie. En este contexto, las nuevas tecnologías satelitales que dis-pone Chile, podrían ayudar hacia una entrega constante de información actualizada de esta zona.El Sistema Satelital para Observación de la Tierra (SSOT/Fasat-C) a cargo de la Fuerza Aérea deChile (FACH) es el primer sensor multiespectral lanzado por Chile en diciembre de 2011 que pre-senta una resolución espacial de 5.8 metros para las bandas azul (455-520 nm), verde (528-588nm), rojo (625-695 nm) e infrarrojo cercano (758-881 nm), y una resolución espacial de 1.45 me-tros para la banda pancromática (455-744 nm). Entre sus principales objetivos se encuentra la de-tección y monitoreo de cambios en el territorio chileno, con el fin de generar las bases para unsistema de respuesta en el caso de eventos extremos, así como permitir el estudio de series tem-porales de las superficies naturales afectadas por el cambio climático.

En el presente trabajo se realizó una calibración radiométrica y posterior corrección atmosfé-rica de una escena Fasat-Charlie. A partir de los valores de reflectancia de superficie, se calcu-laron diferentes curvas espectrales para coberturas de vegetación, suelo desnudo (del orden Ari-disol) y concreto, siendo este último representativo de los materiales urbanos presentes en la zona.Estos comportamientos espectrales fueron comparados con información proporcionada por la As-ter Spectral Library (ASL), encontrando un comportamiento similar. Luego se estimaron cuatroíndices de vegetación: Cociente, NDVI (Normalized Difference Vegetation Index), LAI (LeafArea Index) y MSAVI (Modified Soil Adjusted Vegetation Index). Los índices de vegetación es-timados entregaron magnitudes bajas que podrían explicarse por la heterogeneidad espacial de lavegetación presente en el área de estudio. En este caso, el índice MSAVI fue el que representó demejor manera la característica dispersa de la vegetación. Estos resultados muestran el potencialdel Fasat-C para ser utilizado como una herramienta útil en el monitoreo, estudio y análisis delas coberturas de la superficie terrestre sometidas a constantes cambios de carácter global.

Palabras clave: Fasat-C, Región-Semiárida, índices de vegetación, Chile.


Introducción

La región semi-árida de Chile es una zonaclave para el estudio de un futuro escenario decambio climático. En esta zona se desarrollaampliamente la agricultura, la que se ha vistofuertemente beneficiada por la construcción dereservas de agua artif icial, sin embargo, sonlos montos de precipitaciones los que definenla posibilidad de un desarrollo agrícola real enla zona. En efecto, la magnitud de los fenó-menos climáticos que han ocurrido en la últi-ma década (i.e. ENSO) tienen influencia di-recta en los montos de precipitaciones y porende, podrían ser gravitantes para los procesosde cambio climático que podría afrontar estaregión (Meza, 2013).

Diversos trabajos se han desarrollado con elobjetivo de estudiar una serie de aspectos de lazona semi-árida de Chile tales como la: de-manda hídrica, paleoclimatología, flujo de ener-gía de la superficie, variación espacial de la ve-

getación productiva (Squeo et al., 2006; Meza,2013; Maldonado y Villagrán, 2006; flujo deenergía de la superficie; Kalthoff et al., 2006;Squeo et al. 2008). Sin embargo, una relaciónque todavía no ha sido estudiada en profundi-dad es la existente entre la demanda hídrica yla cobertura natural de la superficie. Ciertos tra-bajos a escala global abordan los cambios es-pacio-temporales de la vegetación en zonas ári-das y semi-áridas de Chile (Sobrino et al., 2006;Julien et al., 2011), pero todavía no existe unreal análisis de los posibles cambios en las co-berturas de la superficie de la región en las úl-timas década. Para llevar a cabo el análisis es-pacio-temporal es necesario un monitoreocontinuo de las diversas superficies, tales co-mo: cuerpos de agua, cultivos y vegetación se-mi-árida, esta última de especial vulnerabilidadecosistémica debido a que ha sido sometida aun excesivo pastoreo (e.g. debido a produccióncaprina) y a la extracción de leña (Perez et al.,2012). El monitoreo de estas zonas semi-áridas

Primera aplicación de imágenes Fasat-Charlie a la clasificación de praderas... 79

Abstract

First application of FASAT-Charlie Imagery for the assessment of semiarid prairies in Chile

The semi-arid region of Chile has gained great relevance in the recent decades mainly due tothe constant desertif ication process it’s suffering, the increase of climatic extreme eventsoccurrence and the decrease in the precipitation volume. This scenario makes the region a zoneof great scientif ic relevance to the scientif ic community for the study and analysis of recentclimatic events and their relationship with the land cover change process. In this context, satellitetechnologies now available to Chile could help towards a consistent delivery of updated informationfrom this area. The Satellite System for Earth Observation (SSOT/Fasat-C) controlled by theChilean Air Force (FACH) carries on board the multispectral sensor NAOMI-1 which has a spatialresolution of 5.8 meters for the blue (455-520 nm), green (528-588 nm), red (625-695 nm) andnear infrared (758-881 nm) bands, and a spatial resolution of 1.45 meters for the panchromaticband (455-744 nm). Among its main objectives are land use change detection and monitoring inthe Chilean territory, in order to create the basis for a response system in the case of extremeevents, and to allow time series study of natural surfaces affected by climate change.

In this paper the radiometric calibration and atmospheric correction of a Fasat-Charlie scenewas carried out. Spectral signatures of vegetation, bare soil (Aridisol) and concrete were obtainedfrom surface reflectance values. The spectral behavior was then compared with information fromthe Aster Spectral Library (ASL), and a similar behavior was found. Then, four vegetation indexeswere calculated, those are: Simple Ratio (SR), NDVI (Normalized Difference Vegetation Index),LAI (Leaf Area Index) and MSAVI (Modified Soil Adjusted Vegetation Index). The estimatedvegetation indexes showed low magnitudes, which could be explained by the scarce characteristicsof the vegetation. The MSAVI index showed to be the one that best represented this scarcedistribution of the vegetation. These results show the potential that the Fasat-Charlie has as a toolfor the monitoring, study and analysis of land covers affected by constant global changes.

Key words: Fasat-C, Semi-arid region, vegetation index,Chile.

(i.e. predominantemente praderas), praderas se-mi-áridas es clave para el desarrollo y susten-to en la región semi-árida de Chile, la que po-dría ver alterada su acción de reservorio decarbono debido a los usos antrópicos y de estamanera intensificar el los efectos del cambioclimático en esta zona (Frank, 2002).

En este contexto, nuevas tecnologías sateli-tales para el continuo monitoreo remoto de di-ferentes coberturas naturales se presentan co-mo una alternativa para un estudio constantede los parámetros ligados a las coberturas dela superficie. Este es el caso del Fasat-Charlie,el primer satélite chileno de observación de latierra que posee un gran utilidad para el moni-toreo de los recursos naturales (SAF, 2013). Apartir de estas imágenes, los usuarios han co-menzado a generar requerimientos de infor-mación y procesamiento con el objetivo de uti-lizar la información entregada por este sensor.El objetivo de esta nota técnica, es presentar lautilidad de las imágenes del satélite chileno Fa-sat-C en el monitoreo las zonas naturales sen-sibles de Chile, tanto para el estudio de los re-cursos naturales como para el análisis de losefectos de fenómenos ambientales en la regiónsemi-arida de este país. Esta nota técnica, se di-vide en las siguientes secciones: La sección 2presenta las características principales del sen-sor Naomi-1. La sección 3 describe el área deestudio correspondiente a un sector de la re-gión semi-árida de Chile. En la sección 4, semuestra un protocolo simple de calibración ra-diométrica, corrección atmosférica y compa-ración con espectros de librería. La sección 5muestra diversas aplicaciones para el estudiode la cobertura mediante imágenes Fasat-C yfinalmente, la sección 6 presenta algunas con-clusiones y comentarios futuros.

Sensor Naomi-1

El satélite Fasat-Charlie fue lanzado el 16 dediciembre de 2011, convirtiéndose en la primeramisión satelital exitosa de la Fuerza Aérea Chi-lena (FACH). Entre los principales objetivos dela misión se encuentra la detección y cuantifica-ción de cambios en el territorio chileno, con elfin de generar las bases de un sistema de res-puesta en el caso de eventos extremos como te-

rremotos o erupciones volcánicas y para permi-tir el estudio de series temporales de las superfi-cies naturales afectadas por el cambio climático.

El Fasat-Charlie es el primer satélite de al-ta resolución espacial operado por la fuerza aé-rea chilena (FACH). A bordo del Fasat-C se en-cuentra el sensor NAOMI-1 (New AstroSatOptical Modular Instrument), el cual registrala información de la superficie terrestre desdeuna órbita de 620km en una resolución radio-métrica de 10 bits para las bandas azul (455-520 nm), verde (528-588 nm), rojo (625-695 nm), infrarrojo cercano (758-881 nm) ypancromática (455-744 nm). La resolución es-pacial del sensor es de 5.8 m para las bandasmultiespectrales y de 1.45 m para la banda pan-cromática. Las características temporales delsensor corresponden a un tiempo de revisita deentre 3 a 5 días para un ángulo de observaciónde hasta 30°, y de 37 días para una visión des-de el nadir. Mas antecedentes del Fasat-C pue-den consultarse en Mattar et al. (2013).

Area de estudio:Región semi-arida de Chile

Para una aplicación de las funcionalidadesde los productos Fasat-Charlie, se seleccionóun sitio experimental ubicado en la región se-mi-árida de Chile. Esta área de estudio corres-ponde al sitio experimental «Las Cardas» de laUniversidad de Chile, ubicado en la región deCoquimbo, Chile (30°15’ S; 71°17’ W), a45 km al sur de La Serena en la depresión cen-tral entre las planicies costeras y la Cordillerade los Andes. El clima es del tipo Mediterrá-neo con alta influencia marina (i.e. menos de20 km desde el Oceáno Pacífico). La precipi-tación promedio es inferior a los 140 mm anua-les y se concentra entre junio y septiembre. Latemperatura anual varía entre los 26° en enero(verano) y 5°C en julio (invierno). El tipo devegetación dominante es arbustiva de estruc-tura abierta no-saturada (1,2 m), y los suelosson del tipo Aridisol derivados de depósitosgraníticos aluviales, con texturas franco-are-nosos en la superficie del horizonte y areno-francosos en las capas profundas (Perez et al.,2012). La Figura 1 muestra el área de estudioen la escena Fasat-C utilizada.

80 A. Santamaría-Artigas et al. / Revista de Teledetección (2013) 40, 78-87

Calibración radiométrica,corrección atmosférica y caracterización espectral del Fasat-C

Con el objetivo de utilizar magnitudes físi-cas como reflectancia de la superficie e índi-ces de vegetación, los valores en niveles digi-tales (ND) de la imagen FASAT-Charlieadquirida el 4 de mayo del 2013 fueron trans-formados en valores de radiancia aparente pa-

ra cada una de las bandas espectrales utilizan-do la ecuación [1]:

[1]

donde λ es la banda espectral del Fasat-Char-lie; Lλ es la radiancia aparente registrada por elsensor (W m–2 μm–

1 str–1); NDλ es el nivel digi-tal de cada banda (0-1024); Gain es el factor deconversión entregado por los coef icientes0.9338110; 1.0134981; 1.2136321 y 1.5855519para las bandas azul, verde, rojo e infrarrojocercano respectivamente. El offset se conside-

L ND Gain Offsetλ λ λ= ⋅ ( ) +−1


Figura 1. Area de estudio en falso color convencional.

ró igual a cero (SAF 2013, Reporte técnico Fa-sat-C). Una vez convertidos los valores en ni-veles digitales a radiancia aparente, la reflec-tancia en el tope de la atmósfera se puedederivar utilizando [2]:

[2]

Donde ρλ es la reflectancia espectral en eltope de la atmósfera; d es la distancia Tierra-Sol en unidades astronómicas (1.00831 para el4 de mayo de 2013), π es una constante igual a3.1415927, θ es el angulo de cenit solar dadopor el tiempo de adquisición de la imagen yEsunλ (Wm–2 μm–1) es la irradiancia solar es-pectral media en el tope de la atmósfera pro-puesta por Thuillier et al. (2003).

La información de observación para la es-cena trabajada se entrega en la Tabla 1.

Productos MODIS

Debido a la falta de medición de las carac-terísticas atmosféricas en el lugar durante lahora de paso del Fasat-Charlie, se utilizaronproductos atmosféricos del sensor MODIS(Moderate Resolution Imaging Spectroradio-meter) para caracterizar las condiciones at-mosféricas del momento en el que fue obteni-da la escena. Los productos atmosféricos deMODIS han sido utilizados en otras publica-ciones científ icas con resultados confiables(Gillingham y Shepard, 2004; Norjamäki y To-kola, 2007; Jiménez-Muñoz et al., 2010; Ji-ménez-Muñoz et al., 2013b). Para este traba-jo, se utilizó el producto de perfil atmosféricoMOD04_L2 (Kaufman y Tanré, 1998) para es-timar el espesor óptico a 550 nm en una reso-lución espacial de 10 × 10 km; la concentra-ción de ozono se obtuvo del producto MOD07(Gao y Kaufman, 1998) en una resolución de

5 × 5 km; finalmente, la concentración de va-por de agua se obtuvo a partir del productoMOD05 (Seeman et al., 2002) en una resolu-ción espacial de 1 × 1 km.

Corrección Atmosférica

Para estimar los valores de reflectancia in-situ desde los valores medidos por el sensor, seutilizó el código de transferencia radiativa 6S(Second Simulation of a Satellite Signal in theSolar Spectrum) desarrollado por Vermoteet al. (1997). Las parámetros atmosféricos usa-dos como entrada para el modelo 6S se pre-sentan en la Tabla 2.

El modelo 6S ha sido ampliamente utiliza-do para la corrección atmosférica de imágenesremotas pues su implementación es práctica,rápida y eficiente. Diversos estudios han apli-cado este método para corregir información demuy alta (Franch et al., 2013), alta (Martin etal., 2012), media (Jimenez-Muñoz et al., 2010)y baja (Vermote, 1997) resolución espacial.

Aplicaciones del Fasat-C a la región semi-arida de Chile

Comparación con librerías Espectrales

La caracterización espectral de diferentescoberturas fue analizada mediante la compa-ración de diversos valores espectrales obteni-dos desde las imágenes Fasat-Charlie, con va-lores obtenidos de la Aster Spectral Library(Baldridge et al., 2009). Esta librería presentauna robusta serie de espectros de la superficieque permiten una comparación con ciertos ele-mentos de la superficie detectados por senso-res remotos. Para este caso, se seleccionaron

ρπ

θλ

λ

λ

=⋅ ⋅

⋅

L d

Esun

2

cos( )


Tabla 1. Condiciones de Observación de la escenaFasat-C

Condición Gométrica Valor

Ángulo de Observación 26.44°Ángulo de Azimutal de la Plataforma 100.67°Ángulo Azimutal Solar 33.36°Ángulo de Elevación Solar 37.44°

Tabla 2. Caracterización Atmosférica para la cap-tura de la escena Fasat-C (04/05/2013)

Condición Atmosférica Valor

Concentración de Vapor de Agua (g/cm2) 0.630Concentración de Ozono (cm-atm) 0.307Modelo de Aerosoles ContinentalEspesor Óptico en los 550 nm 0.000

las coberturas de «Vegetación Arbórea», «Ari-disol» el cual es el orden de suelo más comúnen el área de estudio y «Concreto». Las firmasfueron posteriormente convolucionadas nu-méricamente a partir de la función de respues-ta espectral relativa del sensor para cada ban-da Fasat-C. Para esto se utilizó el softwaregratis RSR Calculator® desarrollado por Du-rán-Alarcón et al. (2013).

Índices de Vegetación

Los índices de vegetación obtenidos a partirde datos remotos son una de las principalesfuentes de información para el monitoreo de lacubierta vegetal sobre la superficie de la tierra(Gilabert et al., 2002). Uno de los objetivosprincipales del Fasat-C es la detección y cuan-tificación de cambios en la superficie terrestre(Mattar et al., 2013a), por lo que la obtenciónde índices de vegetación a partir de informa-ción remota entregada por esta misión es unade las principales aplicaciones a evaluar. La Ta-bla 3 muestra los índices de vegetación deriva-dos a partir de la información del Fasat-C.

Resultados y análisis

Comparación con espectros

La Figura 2 muestra los espectros de tres zo-nas clasificadas como vegetación, suelo des-nudo y concreto. Para el caso de la vegetación,

existe una diferencia cercana al 30% al com-parar la reflectancia de superf icie con la re-flectancia presente en la libreria ASL. Esto sedebe principalmente a que la vegetación exis-tente en la zona semi-árida corresponde a ar-bustos que no presentan una gran cobertura,además de no contar con irrigación artificial.Para el resto de las bandas, la vegetación secomporta muy similar al espectro de referenciapresentado por la ASL. Para el caso del suelodesnudo, los espectros correspondientes al or-den de suelo Aridisol que presentaron texturasfranco-arenosas presentan una diferencia apa-rente con los derivados del sensor Fasat-C. Es-to se debe principalmente a que las muestraspresentadas por la ASL no necesariamente cal-zan con la gran variedad de suelos que existenen la Cordillera de los Andes, más todavía,cuando estos corresponden a composicionesaluviales andesíticas las que no se ven repre-sentadas por la librería ASL. Pese a esto, la ten-dencia positiva de los dos espectros de Aridi-sol, tanto los presentados por ASL como por elFasat-C, siguen el mismo patrón, donde el má-ximo se estimó para la banda azul (cerano al10%) y el máximo para la banda del infrarrojocercano (33% y 18% para ASL y Fasat-C res-pectivamente). Finalmente, para el caso del con-creto, es posible apreciar una importante simi-litud entre los valores entregados por ASL yFasat-C, existiendo diferencias menores (cer-canas al 8%) para la banda infrarroja cercana.No obstante, esta similitud presenta una grandesviación de valores producto de los diferen-tes materiales que podrían constituir esta su-


Tabla 3. Indices de vegetación aplicados a la escena Fasat-C

Indice Fórmula Referencia

Cociente (C) C IRC

Rojo

=ρ

ρPearson y Miller, 1972

Índice de Vegetación de Diferencia Normalizada (NDVI)

NDVI IRC Rojo

IRC Rojo

=−

+

ρ ρ

ρ ρ

Rouse, Haas, Schell, Deering y Harlan, 1974

Indice de Area Foliar(LAI)

LAI = –0.397 + 2.268 * NDVI Fan et al. 2009

Índice de VegetaciónModificado Ajustado al Suelo (MSAVI)

MSAVIIRC IRC IRC Rojo=

+ − + − −2 1 2 1 8

2

2ρ ρ ρ ρ( ) ( ) Qi, Chehbouni, Huete, Kerr y Sorooshian, 1994


Figura 2. Firma espectral de vegetación (a), suelo (b) y concreto (c).

perficie y el aparente desgaste. Si bien es cier-to, los materiales de construcción como ladri-llos, concretos y metales poseen ciertas curvasespectrales de fácil caracterización, su variabi-lidad en la magnitud espectral resulta una des-ventaja al momento de clasificarla debido a queestas dependen de la composición del materialy el desgaste de estos. En adición a los espec-tros de material urbanos publicados por la ASL,en la actualidad, existen varias librerías espec-trales que abordan el tema de la clasificaciónde elementos urbanos, tales como Herold et al.(2004); Sobrino et al. (2012), Small et al.(2006); Roberts et al. (2012) entre otras. Sinembargo, el alto grado de heterogeneidad es-

pecial y espectral todavía sigue siendo un temade debate que requiere de especial atención so-bre la dimensión espectral para una clasifica-ción y comparación de superficies.

Aplicaciones de Índices de Vegetación

Los índices de vegetación derivados de la in-formación del Fasat-C se presentan en la Fi-gura 3. En general, para todos los índices pue-de observarse una fuerte diferenciación entrelas praderas de vegetación nativa que se en-cuentran dentro del área de estudio. Al mismotiempo, es posible identificar que el mayor vi-


Figura 3. Cociente (A), NDVI (B), LAI (C) y MSAVI (D) calculados para el area de estudio.

gor de la vegetación se localiza en el cauce quecruza el área de estudio. Por otra parte, las áre-as de suelo desnudo o materiales urbanos tam-bién pueden ser distinguidos en el cálculo deestos índices. Esto genera un potencial uso pa-ra las imágenes del Fasat-C sobre el análisis dela dinámica espacial de la cobertura de uso desuelo en la región semi-árida de Chile.

Conclusiones y futurasperspectivas

En esta nota técnica se presenta la primeraaplicación de imágenes Fasat-C al estudio dela pradera semi-árida de Chile. Además, se ca-racterizaron y detallaron los procesos de cali-bración radiométrica así como una correcciónatmosférica a partir de un modelo de transfe-rencia radiativa y productos atmosféricos. Lasimágenes Fasat-C son una útil herramienta pa-ra el estudio y análisis de cubiertas y procesosque ocurren a pequeña escala, entregando in-formación espectral que permite la elaboraciónde diversos índices que contribuyen a la pro-fundización en el conocimiento de las áreassensibles en un futuro escenario de cambio cli-mático. Por otra parte, se hace posible la ge-neración de clasificaciones a escalas pequeñas,las que permiten entre otras cosas facilitar elmonitoreo de procesos como el cambio de usode suelo, desertificación o cambios de la pro-pia cobertura de la superficie (i.e. pérdida devigor de la vegetación). A futuro, se espera quediversos estudios puedan focalizarse en el mo-nitoreo constante de las región semi-árida dechile a partir del análisis dinámico de las co-berturas de esta zona, la cual está en transiciónentre climas desérticos y mediterráneos.

Agradecimientos

Esta trabajo ha sido parcialmente auspi-ciado por Programa U-Inicia VID 2012(4/0612), Beca Santander a jóvenes investi-gadores, Universidad de Chile, Fondecyt-Iniciación (CONICYT/ref-11130359). Losautores también agradecen al equipo MO-DIS y NASA por la libre disposición de losproductos atmosféricos (http://modis-at-

mos.gsfc.nasa.gov/) y las f irmas espectralesASTER (http://speclib.jpl.nasa.gov/) res-pectivamente.

Referencias

DURÁN-ALARCÓN, C., SANTAMARÍA-ARTI-GAS, A., VALENZUELA, N., & MATTAR, C.2013. RSRcalculator®. Software libre para la con-volución espectral. Universidad de Chile. Ref.228209.

FAN, L., GAO, Y., BRÜCK, H., & BERNHOFER,C. 2009. Investigating the relationship betwe-en NDVI and LAI in semiarid grassland in In-ner Mongolia using in-situ measurements.Theoretical and Applied Climatology. Vol 95,151-156.

FRANCH, B., VERMOTE, E. F., SOBRINO, J. A.,& FÉDÈLE, E. 2013. Analysis of directional ef-fects on atmospheric correction. Remote Sensingof Environment, 128,Vol. 1, 276-288.

FRANK, A. B. 2002. Carbon dioxide fluxes over a gra-zed prairie and seeded pasture in the Northern Gre-at Plains. Environmental Pollution 116, 397-403.

GAO, B., & KAUFMAN, Y. 1998. The MODIS Ne-ar-IR Water Vapor Algorithm – Algorithm Theo-retical Basis Document. MOD05.

GILABERT, M. A., GONZÁLEZ-PIQUERAS, J.,GARCÍA-HARO, F. J., & MELIA, J. 2002. A ge-neralized soil-adjusted vegetation index. Remo-te Sensing of Environment, 82, Vol. 1, 303-310.

GILLINGHAM, S. S., & SHEPHERD, J. D. 2004.Evaluation of Modis for Atmospheric Correctionof Landsat ETM+ Imagery. Journal of SpatialScience, 49, Vol. 2, 43-56.

HEROLD, M., ROBERTS, D., GARDNER, M., &DENNISON, P. 2004. Spectrometry for urbanarea remote sensing - Development and analysisof a spectral library from 350 to 2400 nm. Re-mote Sensing of Environment, 91 , 304-319.

HOLBEN, B. N. 1980. Spectral assessment of soy-bean leaf area and leaf biomass. Photogramme-tric Engineering and Remote Sensing, 46, Vol. 1,651-656.

JIMÉNEZ-MUÑOZ, J. C., SOBRINO, J. A., MAT-TAR, C., & FRANCH, B. 2010. Atmospheric co-rrection of optical imagery from MODIS and Re-analysis atmospheric products. Remote Sensingof Environment, 114, Vol. 1, 2195-2210.

JIMÉNEZ-MUÑOZ, J. C., SOBRINO, J. A., MAT-TAR, C., & HULLEY, G. 2013. Temperature andEmissivity Separation from MSG/SEVIRI data.IEEE Transactions on Geoscience and RemoteSensing. (accepted)

JULIEN, Y., SOBRINO, J. A., & JIMÉNEZ-MU-ÑOZ, J.-C. (2011). Land use classification frommultitemporal Landsat imagery using the YearlyLand Cover Dynamics (YLCD) method, Inter-



national Journal of Applied Earth Observationsand Geoinformation, 13 (2011), 711-720.

KALTHOFF, N., FIEBIG-WITTMAACK, M.,MEISSNER, C., KOHLER, M., URIARTE, M.,BISCHOFF-GAUSS, I., & GONZÁLES, E. 2006.The energy balance, evapotranspiration and noc-turnal dew deposition of an arid valley in the An-des. Journal of Arid Environments, 65, 420-433.

KAUFMAN, Y. J., & TANRÉ, D. 1998. Algorithmfor Remote sensing of troposhperic Aerosol fromMODIS.

MALDONADO, A., & VILLAGRÊN, C. 2006. Cli-mate variability over the last 9900 cal yr BP froma swamp forest pollen record along the semi aridcoast of Chile. Quaternary Research, 66, 246-258.

MARTIN, J., EUGENIO, F., MARCELLO, J., ME-DINA, A., BERMEJO, J. A., & ARBELO, M.2012. Atmospheric correction models for highresolution WorldView-2 multispectral imagery:A case study in Canary Islands, Spain. RemoteSensing of Clouds and the Atmosphere XVII; andLidar Technologies, Techniques, and Measure-ments for Atmospheric Remote Sensing VIII.Proceedings of the SPIE, 8534, 10 pp

MATTAR, C., HERNÁNDEZ, J., SANTAMARÍA-ARTIGAS, A., DURAN-ALARCÓN, C., OLI-VERA-GUERRA, L., INZUNZA, M., TAPIA,D., & ESCOBAR-LAVÍN. 2013. A first in-flightabsolute calibration of the Chilean Earth Obser-vation Satellite. ISPRS Photogrammetry and Re-mote Sensing Journal (Accepted).

MEZA, F. 2013. Recent trends and ENSO influen-ce on droughts in Northern Chile: An applicationof the Standardized Precipitation Evapotranspi-ration Index. Weather and Climates Extremes, 1,51-58.

NORJAMÄKI, I., & TOKOLA, T. 2007. Compari-sion of Atmoshperic Correction Methods inMapping Timber Volume with MultitemporalLandsat Images in Kainuu, Finland. Photo-grammetric Enginnering and Remote Sensing,73, Vol. 2, 155-163.

PEREZ-QUEZADA, J. F., BOWN, H. E., FUEN-TES, J. P., ALFARO, F. A., & FRANCK, N. 2012.Efects of afforestation on soil respiration in anarid shrubland in Chile. Journal of Arid Envi-ronments, 83, 45-53.

ROBERTS, D., QUATTROCHI, D., HULLEY, G.,HOOK, S., & GREEN, R. 2012. Synergies bet-ween VSWIR and TIR data for the urban envi-ronment: An evaluation of the potential for theHyperspectral Infrared Imager (HyspIRI) Deca-dal Survey mission. Remote Sensing of Environ-ment, 117, 83-101.

SAF (Servicio Aéreo Fotogramétrico de Chile).2013. Reporte técnico Fasat-C (SSOT). Disponi-ble en: http://www.saf.cl/images/Material%20PDF/FASAT-C_Specifications_v1.3.pdf

SEEMANN, S. W., BORBAS, E. E., LI, J., MEN-ZEL, W. P., & GUMLEY, L.E. 2002. Modis At-mospheric Profile Retrieval Algorithm Theoreti-cal Basis Document. MOD07.

SMALL, CH. 2006. Comparative analysis of urbanreflectance and surface temperature. Remote Sen-sing of Environment, 104 (2), 168-189.

SOBRINO, J. A., JULIEN, Y., & MORALES, L.(2006). Multitemporal analysis of PAL imagesfor the study of land cover dynamics in SouthAmerica, Global and Planetary Change, 51(2006) 172-180

SOBRINO, J. A., OLTRA-CARRIÓ, R., JIMÉNEZ-MUÑOZ, J. C., JULIEN, Y., SORIA, G.,FRANCH, B., & MATTAR, C. 2012. Emissivitymapping over urban areas using a classification-based approach: application to the Dual-use Eu-ropean Security IR Experiment (DESIREX). In-ternational Journal of Applied Earth Observationand Geoinformation, 18, 141-147.

SOUDANI, K., C. FRANCOIS, G. MAIRE, V LEDANTEC, & DUFRÉNE, E. 2006. Comparativeanalysis of IKONOS, SPOT, and ETM+ data forleaf area index estimation in temperate conife-rous and deciduous forest stands. Remote Sens.Environ. 102:161-175.

SQUEO, F. A., ARAVENA, R., AGUIRRE, E., PO-LLASTRI, A., JORQUERA, C. B., & EHLE-RINGER, J. R. 2006. Ground dynamics in a co-astal aquifer in north-central Chile: Implicationsfor groundwater recharge in an arid ecosystem.Journal of Arid Environments, 67, 240-254.

SQUEO, F. A., TRACOL, Y., LÓPEZ, D., LEÓN, M.,& GUITÉRREZ, J. R. 2008. Vegetación nativa yvariación temporal de su productividad en la Pro-vincia de Elqui. Vulnerabilidad y cambio del cli-ma. CEPEDA PJ (ed): 168-191 (2008). EdicionesUniversidad de La Serena, La Serena, Chile.

HUILLIER, G., HERSE, M., LABS, S., FOUJOLS,T, PEETERMANS, W., GILLOTAY, D., SIMON,P. C. & MANDEL, H. 2003. The solar spectralirradiance from 200 to 2400 nm as measured bySOLSPEC spectrometer from the ATLAS 123and EURECA missions. Solar Physics, 214, Vol.1, 1-22.

VERMOTE, E., TANRÉ, D., DEUZÉ, J. L., HER-MAN, M., & MORCRETTE, J. J. 1997. SecondSimulation of the Satellite Signal in Solar Spec-trum: An overview. IEEE Transactions in Geos-cience and Remote Sensing, 35, Vol. 1, 675-686.


Dinámica de la cobertura vegetal y los usos de la tierra a través de modelos de no-equilibrio

A. H. Britos1 y A. H. Barchuk1,2

1 Instituto Superior de Estudios Ambientales. Secretaría de Ciencia y Tecnología. Universidad Nacional de Córdoba. Juan Filloy s/n

2 Ecología Agrícola. Facultad de Ciencias Agropecuarias (UNC). Av. Valparaíso s/n. Ciudad Universitaria. 5000 Córdoba, Argentina

Resumen

Se caracterizaron los patrones espacio-temporales de la cobertura vegetal en relación con los usosdel suelo, mediante el análisis de una serie temporal (1984-2010) de imágenes con valores de Índicede Vegetación de Diferencia Normalizada (NDVI) provenientes de sensores Landsat TM (Path 230,Row 81) de una porción de la cuenca de las Salinas Grandes, Chaco Árido, Argentina. Se postula quelas perturbaciones de alta intensidad, tales como el desmonte con rolado frecuente, afectan la resi-liencia de la vegetación y provocan el desarrollo de umbrales críticos a escala regional. La coberturavegetal continua es reemplazada por vegetación dispersa y esto altera la dinámica de la vegetacióntanto en áreas altas como bajas de la cuenca. Se utilizó el algoritmo K-Means del Programa de SIGIdrisi Taiga para agrupar 27 firmas espectrales de NDVI y sus desvíos estándar (de una ventana mó-vil de 5 × pixeles), en clases discretas de tendencias. Las tendencias se analizaron mediante Modelosde Regresión Lineales, Generales y Mixtos. En base a los R2 (fuerza del ajuste) y los p-valores signi-ficativos se agruparon las tendencias lineales en crecientes, decrecientes y estables. El Análisis de laAutocorrelación temporal (ACF) permitió detectar los cambios de estado. Los análisis realizados per-miten postular que la disminución de NDVI, causada por la alta incidencia de desmontes con sucesi-vos rolados, provocan la pérdida de nutrientes y agua por escurrimiento superficial, desde las zonasmás altas hacia las áreas bajas de la cuenca en las Salinas, es allí donde se produce una tendencia alaumento del NDVI, es decir, de la cobertura vegetal halófila. Tanto el seguimiento retrospectivo delíndice verde como la evaluación de su respuesta, han permitido interpretar el modelo de la teoría decatástrofes. Los resultados refuerzan la idea de un salto en el modelo de histéresis y el posible desa-rrollo de un cambio irreversible en la escala regional.

Palabras clave: índice de vegetación, monitoreo de bosques, teledetección, tendencias, cambio deuso del suelo, modelos de no equilibrio, Argentina

Abstract

Vegetation cover dynamics and land uses through non-equilibrium modelsWe characterize the spatio-temporal patterns of vegetation cover in relation to land use, through

analysis of time series (1984-2010) of images of Normalized Difference Vegetation Index (NDVI)from Landsat TM sensors (Path 230, Row 81) of a portion of the watershed of the Salinas Grandes,Arid Chaco, Argentina. It is postulated that high intensity disturbances, such as frequent shrub clearingwith roller chopping, affects resilience vegetation and cause the developing of critical thresholds ofchange at a regional scale. The continuous vegetation cover is replaced by sparse vegetation, and thisalters the dynamics of vegetation cover in both high and low areas of the basin. The K-Means algorithmfrom Idrisi Taiga software was employed in order to group, in discrete trend types, the NDVI spectralsignatures of the 27 images. Characterization of the direction and strength of a trend can beaccomplished with regression analysis with General and Mixed Models. For detection of thresholds


Introducción

Los cambios de uso de la tierra (Gasparri yGrau, 2009; Volante et al., 2012) y la pérdidacreciente de cobertura de los bosques nativosen zonas áridas y semiáridas, desencadenanprocesos progresivos de desertificación (Le Po-lain de Waroux y Lambin, 2012). Entre estosbosques que representan el 6% del total a es-cala mundial, está incluido el Chaco Árido(Morello et al., 1985). Este ecosistema estásiendo degradado por sobrepastoreo (Blancoet al., 2008; 2009), deforestado para el esta-blecimiento de la ganadería bovina intensiva(Kunst et al., 2006) y convertido en grandespotreros de pastizales (como en casos citadospara Mexico por Franklin et al., 2006). Estaspérdidas de cobertura en zonas áridas ocasio-nan la reducción en la productividad biológi-ca y económica, la alteración de los ciclos bio-geoquímicos e hidrológicos (Forman, 1995;Tongway et al., 2004) principalmente, los flu-jos de evaporación, escurrimiento e infiltra-ción (Noy-Meir, 1973; Puigdefábregas et al.,1998; Whitford, 2002). Los parches de vege-tación adaptada (Ogle y Reynolds, 2004) sonislas de fertilidad donde se concentran recur-sos o propágulos y su ausencia ayuda a que laescorrentía superficial transporte restos orgá-nicos, sedimentos y nutrientes disueltos. Ensíntesis, la cobertura es un indicador de la «sa-lud» de los ecosistemas (Ludwig et al., 2004)y su reducción genera fuga de recursos (Lud-wig et al., 2007), al extremo que de persistireste proceso en el tiempo, el ecosistema pue-de desertif icarse (MEA, 2005; Dakos et al.,2011).

Los cambios de la vegetación en hábitats ári-dos y semiáridos con frecuencia no siguen unproceso ordenado de reemplazo de comunida-des en dirección a la comunidad climax predi-cha por Clements (Clements, 1936). Los mo-delos de no-equilibrio de Estados-Transiciones(Westoby et al., 1989) y de umbrales han sidopropuestos como alternativos a los modelos deequilibrio. Los supuestos del modelo de Esta-dos-Transiciones sostienen que el ecosistematiene múltiples estados estables y las transi-ciones entre estados pueden ser causadas porperturbaciones naturales y por acciones de ma-nejo (Bestelmeyer et al., 2003; Briske et al.,2005). Los umbrales representan las condicio-nes necesarias para modificar la estructura yfunción del ecosistema más allá de los límitesde su resiliencia ecológica, desarrollando es-tados alternativos (Scheffer et al., 2001; Folkeet al., 2004; Briske et al., 2005). La resilien-cia se refiere a la capacidad de un sistema pa-ra absorber las perturbaciones y reorganizarsemientras, experimenta un cambio a fin de man-tener esencialmente la misma función, estruc-tura y adaptaciones (Holling, 1973; Walkeret al., 2004). La resiliencia ecológica de un es-tado deseable puede ser reducida por prácticasde uso de la tierra no apropiadas o por condi-ciones ambientales extremas, o combinacionesde eventos naturales y antrópicos (Folke et al.,2004). La pérdida de resiliencia puede anun-ciarse de manera lenta o imperceptible, o pue-de resultar de un cambio abrupto de los patro-nes y procesos del ecosistema, inducidos poreventos severos e imprevistos (Folke et al.,2004; Scheffer et al., 2009). La predicción delacercamiento a un umbral crítico no es senci-

Dinámica de la cobertura vegetal y los usos de la tierra a través de modelos... 89

in the time series used the autocorrelation function (ACF). Local processes of major changes at thescale of the patch, and later, at the scale of the site, show a cumulative effect and end up comprisingthe regional scale.

The analyses carried out in this work allow to postulate that decreasing NDVI, caused by high impactof brush clearing with successive roller chopping, make increase nutrient loss by runoff, from higherareas to lower areas of the basin, in the Salinas, where occurs an increasing of the NDVI, is to say ofthe cover halophyte vegetation. Both retrospective monitoring and assessment of the response of greenvegetation index, has made it possible to interpret the catastrophe theory model. The results reinforcethe idea of a jump in the Hysteresis model, and the possibility of irreversible change at the regionalscale.

Key words: vegetation index, forest monitoring, remote sensing, trends, non-equilibrium models,land use change, Argentina.

llo, puede estar relacionado con procesos deretroalimentación positivo a escala de parchesde vegetación (Bestelmeyer et al., 2003; 2009;Scheffer et al., 2009). Es decir, la resilienciade los ecosistemas áridos y semi-áridos se re-fuerza en la capacidad de los parches de re-tención de recursos y esto, a su vez, incrementapor relaciones positivas como la facilitaciónentre las especies (Kéfi et al., 2007). Un mo-delo particular que permite interpretar la di-námica de la vegetación en zonas áridas es elmodelo de Curva Catástrofe (Rietkerk et al.,2004; Washington-Allen et al., 2006; Schefferet al., 2009). En este modelo se pueden repre-sentar los fenómenos de bimodalidad, propen-sión a hacer un salto repentino a un estado al-ternativo, divergencia, cómo cambiosrelativamente pequeños en las variables de con-trol resultan en estados alternativos muy dife-rentes de los sistemas originales y de histére-sis cuando las trayectorias de degradación yrecuperación de la vegetación son distintas(Scheffer et al., 2009).

En las formaciones boscosas del Chaco Ári-do, parte septentrional del Chaco Seco (More-llo y Adámoli, 1968), coexisten especies es-cleróf ilas perennifolias de origen mésico yxerofíticas (Barchuk y Valiente-Banuet, 2006)en un clima de semidesierto. En cambio, paralas mismas latitudes de otras regiones del mun-do con clima similar se desarrollan formacio-nes vegetales tipo matorral de semidesierto(Leith y Whittaker, 1975). A escala de paisaje,es posible detectar actividad fotosintética du-rante todo el año de los estratos arbóreos y ar-bustivos dado el escaso acoplamiento con lasprecipitaciones distribuidas en una estrecha es-tación lluviosa (Iglesias et al., 2010). Las es-pecies leñosas poseen estrategias morfológi-cas, f isiológicas y arquitecturales que lespermiten tolerar la sequía (Giordano et al.,2011; Villagra et al., 2011); capacidad de con-vertirse en freatófitas facultativas de acuerdoa la disponibilidad estacional de agua de cali-dad en la profundidad (Jobbágy et al., 2011) ode tolerar niveles altos de salinidad (Guevaraet al., 2010). Originalmente, la vegetación delChaco Árido del noroeste de Córdoba se com-ponía de una cobertura continua de bosques deAspidosperma quebracho-blanco (Sayago,1969; Cabido et al., 1992), los cuales en su ma-

yor parte han sido modificados por las activi-dades humanas (Zak y Cabido, 2002; Zaket al., 2004; Morello et al., 2009). Los cam-bios en la vegetación del Chaco Árido (Cabi-do et al., 1992; 1993) y del Chaco Semiárido(Kunst et al., 2006) pueden observarse en unmosaico de coberturas a escala de paisaje (Bar-chuk et al., 2007; Britos y Barchuk, 2008).

Los usos en sistemas de pequeños produc-tores son tala selectiva (perturbación localiza-da de baja intensidad) y pastoreo bovino y ca-prino (Britos y Barchuk, 2008; Britos et al.,2011; Morello et al., 2009). El uso en extensasestancias consiste en el desmonte mecanizado,con el volteo y aplastamiento de la vegetacióncon maquinarias pesadas y la siembra de gra-míneas megatérmicas exóticas. Estas son per-turbaciones que requieren elevado uso de ener-gía y ocasionan un gran impacto sobre lacobertura leñosa (Franklin et al., 2006; Britosy Barchuk, 2008; Britos et al., 2011; Kunstet al., 2012). Estas tecnologías de desmontehan incrementado recientemente a nivel mun-dial, se aplican en «Estancias Ganaderas» (Bri-tos et al., 2011) y promueven paisajes simila-res a sabanas (Zak et al., 2004; Franklin et al.,2006; Britos y Barchuk, 2008; Kunst et al.,2012). El desmonte mecanizado sin el poste-rior control de leñosas (Britos y Barchuk,2008), la tala excesiva, el sobrepastoreo (Ca-bido et al., 1992), los incendios y el apotrera-miento de los campos (Kunst et al., 2006) con-ducen a formaciones tipo arbustales. Elincremento de la cobertura arbustiva puede re-forzarse en años de sequía intensa. En general,predomina la postura de que los arbustales sonestados ecológica (Eldridge et al., 2011) yagronómicamente «indeseables» (Kunst et al.,2006). Un estado «deseable» en el Chaco se-miárido tiene el predominio del estrato herbá-ceo (Kunst et al., 2006; Kunst et al., 2012), di-versidad de especies en los parches convegetación leñosa dentro de la matriz de pas-tizales resultado de los desmontes (Cabralet al., 2003). La degradación de la vegetaciónleñosa está frecuentemente asociada a la ocu-rrencia de sequías y la cercanía a las SalinasGrandes (Blanco et al., 2008; 2009).

Las evidencias permiten proponer la hipó-tesis de que los ecosistemas del Chaco Árido,cercano a las Salinas Grandes, han perdido re-

90 A. H. Britos y A. H. Barchuk / Revista de Teledetección (2013) 40, 88-109

siliencia ante las intensas perturbaciones co-mo los desmontes para la ganadería. La exten-sión e intensidad de los desmontes, en conjun-to con los factores físicos como la aridez,ayudan al desarrollo de umbrales de cambio deestado de la vegetación irreversible. Es decir,una vez que la capacidad de recuperación delos bosques semiáridos se supera por el incre-mento de las perturbaciones, la reversibilidadse ve comprometida y se pasa a una bifurca-ción catastrófica de acuerdo a las prediccionesdel modelo gráfico de curva-catástrofe. Así, sepredice que los cambios de cobertura por de-forestación ocurrida por desmontes mecaniza-dos y rolados con siembra de pasturas en gran-des extensiones, generan patrones detendencias decrecientes, no lineales y negati-vas, en una serie temporal retrospectiva de in-dicadores de la cobertura vegetal. A escala re-gional, la disminución drástica de la coberturavegetal en áreas elevadas incrementa la fugade recursos (agua y nutrientes) y esto se poneen evidencia con una tendencia creciente de lacobertura vegetal en áreas bajas de la cuencade Salinas Grandes.

Se analiza la dinámica de la vegetación de-bido a las perturbaciones como los desmontesteniendo en cuenta la variabilidad de la matrizfísica, especialmente de las precipitaciones, lostipos de suelos y los efectos geomorfológicosque controlan la vegetación (McAuliffe, 1994;Bestelmeyer et al., 2009). Se utiliza el proto-colo propuesto por Washington-Allen et al.(2006) para estudiar la dinámica de la vegeta-ción con sensores Landsat TM (Washington-Allen et al., 2006) y series temporales retros-pectivas del Índice Verde Normalizado (NDVI)invernal derivadas de la reflectividad espectraldel sensor Landsat5. Se asume que los valoresde NDVI invernal son indicadores de la pre-sencia de cobertura persistente (Washington-Allen et al., 2004), especialmente de vegeta-ción leñosa perennifolia o caducifolia deamplio rango estacional de crecimiento foliar(Iglesias et al., 2010). El análisis de series tem-porales se realiza para identificar los patronesde las tendencias, las tasas de cambio de la co-bertura vegetal, su heterogeneidad (desvíos es-tándares del NDVI), los estados estables, loscambios signif icativos en la autocorrelacióntemporal de las medias y los desvíos estánda-

res del NDVI invernal (desarrollo de umbra-les) (Washington-Allen et al., 2006; 2008;Aguilar et al., 2012). El objetivo del presentetrabajo es evaluar el efecto de los desmontessobre los patrones espacio-temporales de la ve-getación a escala regional, en una zona que in-cluye serranías, llanura y salinas de la cuencade las Salinas Grandes, mediante el análisis deuna serie temporal de 27 años de NDVI de laestación invernal. Así, ante el acelerado avan-ce de las deforestaciones en zonas áridas, esurgente evaluar su impacto a escala regional,teniendo en cuenta que estos ecosistemas es-tán controlados por factores de no-equilibrio(factores físicos de estrés, perturbaciones es-tocásticas y de manejo) para poder realizar unarevisión crítica de las prácticas actuales del ma-nejo del paisaje y fundamentar acciones de mi-tigación antes que los cambios conduzcan a ladesertificación.

Área de estudio

La zona analizada (Figura 1) comprendeaproximadamente 500000 hectáreas, localiza-das en la Llanura Occidental (400 a 200 msnm)entre las Sierras del Norte y las Salinas Gran-des (Capitanelli, 1979a) en la provincia de Cór-doba, Argentina. Se desarrollan suelos Aridi-soles de carácter salino-alcalino y Molisoles(Jarsún et al., 2003). Desde el punto de vistaclimático, el área de estudio pertenece al Do-minio semi-desértico de las planicies del Nor-oeste, con excesivo déficit de agua (–650 mm)y sin invierno térmico (tipo Quilino) (Capita-nelli, 1979b), lo que ubica a la región dentrodel clima semiárido-árido.

La vegetación original es el bosque xerofí-tico abierto caracterizado por un estrato arbó-reo que alcanza entre 6 y 8 m de altura com-puesto por A. quebracho-blanco, Prosopisflexuosa, Ziziphus mistol, Prosopis torquata yStetsonia coryne. El estrato arbustivo varía en-tre 3 y 4 m de altura con una cobertura entreun 40 y 70%, y las especies dominantes son Mi-mozyganthus carinatus, Larrea divaricata,Acacia furcatispina y Cercidium australe (Zaky Cabido, 2002).

Las Salinas Grandes (4700 km2) forma par-te de uno de los sistemas hipersalinos más


grandes del mundo (Dargám, 1995). El Montede las Barrancas es una «isla» dentro de las sa-linas con barrancas de hasta 7 metros de altu-ra con una superficie de 7656 ha y los bajos sa-linos desprovistos de vegetación presentananegamientos periódicos (Dargám, 1995). Enla periferia de las Salinas Grandes se presentauna fisonomía tipo estepa, donde predomina lavegetación achaparrada y baja, adaptadas asuelos de alto contenido salino: Allenrolfea pa-tagonica, Heterostachys ritteriana, Atriplexsp., Cyclolepis genistoides, Maytenus vitis-idaea, Lycium sp., Monanthochloe acerosa yGeoffroea decorticans (Zak y Cabido, 2002).

Los ganaderos de grandes estancias de la re-gión en estudio han adoptado la práctica deconvertir la vegetación leñosa de bosques y ar-bustales en pastizal con el objeto de «mejorar»la productividad ganadera. El proceso de con-versión comienza con el uso de máquinas pe-sadas para derribar la vegetación (topado) ynormalmente, sólo se conservan los grandesárboles. La vegetación derribada es «picada»y aplastada por el rolo que con sus cuchillasproduce incisiones en la tierra (rolado). Se rea-liza una remoción superficial para poder sem-brar la semilla de la pastura. Los pastos son es-pecies megatérmicas perennes de los génerosPanicum sp. y Cenchrus sp. y de esta manera

son sembrados en todo el área despejada (Kunstet al., 2012). Además, la siembra de pastos es-timula el aumento de la carga animal lo que in-crementa a su vez la presión sobre la vegeta-ción nativa remanente. En muchos casos elrolado debe repetirse cada cuatro años para po-der controlar el rebrote de las especies arbus-tivas. El resultado final es la transformaciónde bosques en fisonomías de sabanas, arbus-tales espinosos densamente ramificados desdela base, el aumento de suelo desnudo y la po-sibilidad de salinización de los suelos (Barchuket al., 2007).

Material y métodos

Datos. Se construyó una serie temporal de27 años (1984-2010) del satélite Landsat, sen-sores TM y ETM+ (Path 230, Row 81), resolu-ción de 30 metros, una escena por año (Tabla 1)correspondiente a la estación seca (invierno)para destacar la señal de la vegetación perma-nente (Washington-Allen et al., 2004; Was-hington-Allen et al., 2008) que posee una granamplitud fenológica (Iglesias et al., 2010). Lasimágenes ortorectificadas con corrección de ra-diancia (Chander y Markham, 2003), de acce-so libre, corresponden a la base de datos de Ins-


Figura 1. Localización de la región de estudio en el noroeste de la provincia deCórdoba, en base a una Imagen NDVI de Landsat5 (Path 230, Row 81) (Iz-quierda) en la región del Chaco Seco de Argentina (Derecha).

tituto Nacional de Pesquisas Espaciais de Bra-sil, INPE (http://www.dgi.inpe.br/CDSR/). Pa-ra la georeferenciación se aplicó el módulo Re-sample de Idrisi Taiga (Eastman, 2009) conveinte puntos de muestreo para estimar el errorcuadrático medio (RMS promedio de 15 m) enel sistema de coordenadas proyectadas Argen-tina Faja 4 de Transversal Mercator, DatumCampo Inchauspe 98. Las correcciones radio-atmosféricas se hicieron con el método por sus-tracción de cuerpos oscuros y para estos fueronapropiados los valores de Números Digitalesdel lago Cruz del Eje obtenidos directamentede la imagen satelital (Chávez, 1996).

El NDVI como indicador ecológico. ElNDVI (Normalized Difference Vegetation In-dex) tiene valores muy similares a la fracciónde radiación absorbida sobre la incidente fo-tosintéticamente activa (FAPAR) (Hunt et al.,2003), y l status y productividad de la cober-tura vegetal (Paruelo y Golluscio, 1994; Was-hington-Allen et al., 1998; Sellers, 1985;Ramsey et al., 2004). Se calcularon los índi-ces verdes normalizados NDVI a partir de lasbandas según la siguiente ecuación:NDVI = (IR – R) / (IR + R), cuyos valoresvan de +1 (máxima actividad fotosintética)hasta –1 con ausencia total de vegetación. Pa-ra estimar las desviaciones estándar de NDVIse aplicó una ventana móvil de 5 × 5 píxeles.

Relación entre cobertura y NDVI. A finde examinar la relación entre la cobertura le-

ñosa y el NDVI, se tuvo en cuenta los tipos devegetación, el uso y las formas de vida com-ponentes y se siguieron las siguientes etapas(Ramsey et al., 2004): 1. Recolección de da-tos en sitios de control a campo. Para ello fue-ron seleccionados 36 sitios de referencia enbase a los conocimientos previos de la zona(Zak y Cabido, 2002; Barchuk et al., 2007;Britos et al., 2011) y la accesibilidad. Se re-gistraron in situ datos de cobertura de los es-tratos arbóreo, arbustivo y herbáceo, altura, laespecie más frecuente por estrato, los usos dela tierra y la presencia de indicadores de in-cendios pasados, que permitieron identificarlos tipos de cobertura de la vegetación. Lasclases de cobertura de vegetación fueron dis-criminadas en (1) Arbustal, (2) Bosque, (3)Desmonte y (4) Suelo desnudo. Las unidadesde muestreo se situaban con un Geo Posicio-nador Satelital controlando que no hubiesemezcla de coberturas y que abarcase como mí-nimo 8000 m2, es decir, que se correspondie-ran con 9 píxeles (30 × 30 m) de la escenaLandsat TM de mayo de 2011. 2. Procesa-miento de imágenes. Los 36 polígonos co-rrespondientes a los cuatro tipos de vegetaciónfueron digitalizadas en la imagen de NDVIpreviamente construida. Cada vector se sola-pó sobre la imagen de NDVI y se obtuvieronlos valores promedios de NDVI. 3. Análisis deregresión. Se utilizó la regresión simple paraanalizar la relación entre NDVI y la cobertu-


Tabla 1. Base de Datos de imágenes Landsat5 de la Serie Temporal 1984-2011 (Path 230,Row 81). Las fechas de adquisición van desde la mitad del otoño hasta fin del invierno. Elerror medio cuadrático (RMS) se calculó con 25 puntos de control

Año Fecha Sensor RMS Año Fecha Sensor RMS

1984 30/09/1984 TM 5 12.170 1998 19/07/1998 TM 5 9.371985 13/06/1985 TM 5 13.560 1999 6/7/1999 TM 5 10.371986 19/08/1986 TM 5 7.310 2000 24/07/2000 TM 5 12.981987 11/6/1987 TM 4 13.021 2001 27/07/2001 TM 5 12.621988 5/6/1988 TM 5 15,000 2002 7/7/2002 ETM+ 13.471989 18/07/1989 TM 5 13.810 2003 15/06/2003 TM 5 14.481990 29/07/1990 TM 5 14.540 2004 17/06/2004 TM 5 10.781991 17/08/1991 TM 5 12.930 2005 8/9/2005 TM 5 14.201992 18/07/1992 TM 5 14.470 2006 25/07/2006 TM 5 13.011993 7/9/1993 TM 5 13.150 2007 12/7/2007 TM 5 10.741994 22/06/1994 TM 5 10.950 2008 16/09/2008 TM 5 11.071995 12/8/1995 TM 5 10.010 2009 1/7/2009 TM 5 11.981996 20/07/1996 TM 5 11.270 2010 21/08/2010 TM 5 10.881997 16/07/1997 TM 5 12.730 2011 04/05/2011 TM 5 14.50

ra vegetal por estrato. El mejor ajuste se logrócon la suma de la cobertura arbórea y arbusti-va; la cobertura herbácea no tuvo significan-cia en el modelo.

Relación entre precipitaciones y NDVI. Seanalizó la relación entre las series temporalesde lluvia de tres estaciones meteorológicas (LaPorfía, San José de las Salinas, Quilino) y delos valores de NDVI invernal de Landsat5 co-rrespondientes a las fechas citadas en la Ta-bla 1. En cada fecha se extrajeron los datos pro-medios de NDVI de un círculo de 1.5 km deradio con respecto a la localización de la esta-ción meteorológica. Se obtuvo además la pre-cipitación acumulada entre junio-julio de ca-da año hidrológico desde junio 1983 hasta juliode 2011. Para la determinación del grado dedependencia lineal existente entre ambas va-riables se aplicó el análisis de correlacionescruzadas, ya que se conoce que existe hasta unaño de retraso en la respuesta de la vegetacióncon respecto a la lluvia acumulada en la esta-ción anterior (Iglesias et al., 2010). Concep-tualmente, la función de correlación cruzadaes análoga a la función de autocorrelación,donde las correlaciones no son obtenidas en-tre observaciones de una misma serie, sino en-tre dos series diferentes, en este caso precipi-tación y NDVI (suavizados mediante mediasmóviles, N = 3). La confiabilidad de estas es-timaciones se determinó con una prueba esta-dística «F» de Fisher con un nivel de signifi-cancia de 0.05% (Di Rienzo et al., 2009). Enel análisis se tuvieron en cuenta los tipos deunidades de cobertura presentes (Bosque, Des-monte, Suelo Desnudo y Arbustal) dentro delradio de 1,5 km para interpretar la relación es-tudiada.

Patrones de Tendencias de NDVI y de losDesvíos Estándares de NDVI (Figura 2). Seutilizó el algoritmo K-Means (Richards y Jia,1999) del Sotware Idrisi Taiga para clasificarde manera no supervisada las firmas espectra-les de NDVI de las 27 imágenes consideradas,hasta 16 clases discretas de tendencias (Was-hington-Allen et al., 2006) de NDVI y sus Des-víos Estándar. Los criterios de clasificación deeste algoritmo fueron: centroides de semilla alazar; máximo número de iteraciones = 50, por-centaje píxeles migrantes > ó = 1% y solapa-miento de clusters con proporción de píxeles

menor o igual al 1%, se logró un rápido agru-pamiento heurístico de los datos por suma decuadrados medios (Eastman, 2009). Luego seprocedió a la extracción de las Medias y losDesvíos Estándar de NDVI por clase de agru-pamiento en la serie temporal 1984-2010.

Los datos de las series temporal de Mediasy de Desvíos Estándar fueron analizados me-diante los Modelos Lineales, Generales y Mix-tos (Di Rienzo et al., 2009) teniendo en cuen-ta que los datos no son independientesinteranualmente y que la varianza no es ho-mogénea, aspecto no considerado en el proto-colo de Washington-Allen et al. (2006). Mien-tras que para la interpretación fueronigualmente válidos los análisis de regresiónque permiten caracterizar la dirección de unatendencia (Yafee y McGhee 2000). Así la pen-diente (β) es una medida de la dirección de latendencia (es decir, si es [0] es estable, [+β] in-crementa y [–β] disminuye), y la magnitud delcoeficiente de determinación (R2) de un poli-nomio lineal o regresión mide la fuerza de latendencia (Yafee y McGhee, 2000; Washing-ton-Allen et al., 2006).

Las series fueron suavizadas mediante unfiltro de medias móviles (n = 3), con lo que seconsigue remover efectos estocásticos (Yafeey MacGhee, 2000). Se justifica esta transfor-mación en la medida de que si bien no hay es-trato herbáceo, se reduce otros efectos de es-tacionalidad en la vegetación leñosa y tomanmás potencia los valores significativos. Poste-riormente, con las tendencias analizadas porclase mediante los modelos Modelos Lineales,Generales y Mixtos, se procedió a agruparaquellas tendencias lineales con ajuste signi-ficativo. La pendiente define la tasa de cam-bio y se pudo categorizar las tendencias en cre-cientes y decrecientes, mientras que aquelloscoeficientes no significativos, se los asignó co-mo estables. El producto final fueron mapas detendencias regionales de NDVI invernal y Des-víos Estándar.

El Análisis de la Autocorrelación temporal(ACF) permite detectar dentro de la serie paraun determinado período o lag, valores de altay significativa correlación entre los datos (Hilly Lewicki, 2007), de esta manera se pueden es-tablecer los períodos o etapas donde se pre-sentan cambios de estado (Washington-Allen



Figura 2. Diagramas del procedimiento de análisis de las series temporales de NDVI, el NDVImedio (arriba) y de los desvíos estándar del NDVI (abajo).

et al., 2006). Si la autocorrelación es positiva,implica mejoramiento en el NDVI o coberturay si es negativa, disminución de la misma en laserie temporal. El punto o lag donde los datosse correlacionan entre sí signif icativamente,nos sugiere la cercanía del umbral (Washing-ton-Allen et al., 2006) dentro de la serie. En-tonces, para el análisis de los cambios de esta-dos o umbrales se procedió a extraer los valoresmedios de las categorías de tendencias cre-cientes, decrecientes y estables.

Finalmente, se integraron los mapas de ten-dencias de Medias de NDVI y Desvíos Están-dar de NDVI mediante el análisis de una matrizde tabulación cruzada.También se compararonlos mapas de tendencias hallados de NDVI conlos mapas de clasificación de usos de la tierra(unidades de cobertura Bosque, Arbustal, Des-montes y Suelos Desnudos) y el de clasifica-ción de Órdenes de Suelos de la región (Jarsúnet al., 1989).

Resultados

Relación entre NDVI con los tipos de cu-bierta vegetal. El análisis de regresión linealdel NDVI como sustituto de la cobertura y lafracción de cobertura vegetal registrada a cam-po, permitieron interpretar las magnitudes delos cambios de cobertura en los patrones detendencias detectados en este trabajo. Del aná-lisis resultó que el mejor ajuste (P = 0.000) es-tá entre la cobertura leñosa observada con lacobertura arbórea más la cobertura arbustiva ycon un R2 de 0,74 (Figura 3).

Relación entre lluvias y NDVI. En la Ta-bla 2 se presentan lo datos promedios de NDVIextraídos de un círculo de 1,5 km y los valorespromedio anuales de lluvias (27 años hidroló-gicos que varían de junio a julio de cada año).En general, se pone en evidencia que no exis-te dependencia lineal el NDVI y las precipita-ciones acumuladas con distintos períodos deretraso (lags) medido en años. Solamente la es-tación La Porfía presentó acoplamiento con laslluvias del año (p < 0,05), sitio que se caracte-riza por una alta proporción de desmontes re-cientes y suelos desnudos.

Tendencias de la media y de los DesvíosEstándar de NDVI invernal. Existen tres gru-pos de tendencias de NDVI bien diferenciados,las tendencias con valores positivos de pen-dientes, las negativas y las tendencias no sig-nif icativas que denominamos «estables». Elmodelo de clasificación K-medias puso en evi-dencia 15 categorías de tendencias de las cua-les sólo cinco registran tendencias lineales sig-nificativas (Tabla 3). Las tendencias positivas


Figura 3. Análisis de regresión lineal entre el NDVIy la fracción de cobertura vegetal (C: cobertura).

Tabla 2. Valores porcentuales por unidad de cobertura y análisis de las corre-laciones cruzadas de las series temporales interanuales de lluvias y NDVI

Atributo San José de Quilino La PorfíaLas Salinas

Bosque 27.0%0 8.9%0 25.4%0Desmonte 52.5%0 56.9%0 55.8%0Suelo Desnudo 0.7%0 7.0%0 11.3%0Arbustal 19.8%0 27.2%0 7.5%0Media de lluvia (mm) 654.9%0 666.90% 568.10%Media NDVI 0.44% 0.46% 0.42%DE NDVI 0.13% 0.12% 0.13%lag significativos (p-valor menor a 0.05) NS NS 0,00%Valor de correlación — — 0.43%Año del desmonte 1984 1992 1995

incluyen a las clases 4 (p-valor = 0,039,R2 = 0,50), 11 (p-valor = 0,058, R2 = 0,32) y12 (p-valor = 0,074, R2 = 0,36) y se localizanprincipalmente en las Salinas Grandes (Figu-ra 4). Las tendencias negativas incluyen a lasclases 9 (p-valor = 0.02, R2 = 0,35) y 14 (p-va-lor = 0,0005, R2 = 0,52) y se localizan en la lla-nura (Figura 4). Los valores de R2 son bajos ylos p-valores no son significativos para el res-to de las categorías clasificadas.

En el mapa de los Desvíos Estándar deNDVI se integra por 11 clases de tendencia. Deellas sólo cinco clases (III, IV, VI, X y XI) res-ponden a una tendencia lineal significativa, to-das con pendientes negativas, por lo tanto, latendencia corresponde a Desvíos Estándar deNDVI decreciente. De éstas tendencias, las cla-ses III y IV muestran valores estadísticos sig-nificativos con p-valores < 0,05 y R2 > 0,50),mientras que para las clases VI, X y XI se acep-


Figura 4. Clasificación de los patrones de Tendencias de Media de NDVI (Izquierda) y Desviación Están-dar de NDVI (Derecha) para el área de estudio.

Tabla 3. Estadísticos de ajuste de tendencias para las distintas clases obtenidas por clasificación no super-visada de la serie temporal (1984-2010). Media de NDVI y Desvíos Estándar (DE) estimado a partir de unaventana de 150 m

Media NDVI�

DE NDVI

Clases Coef. R2 p-valor Categoría�

Clases Coef. R2 p-valor Categoría

1 0.0016 0.12 estable I 0.0002 0.35 estable2 0.0019 0.12 estable II –5E-04 0.34 estable3 0.0009 0.08 estable III –9E-04 0.64 0.001 decreciente4 0.0121 0.50 0.0300 creciente IV –6E-04 0.52 0.020 decreciente5 –0.0007 0.01 estable V 0.0001 0.09 estable6 –0.0034 0.01 estable VI –3E-04 0.44 0.050 decreciente7 0.0004 0.03 estable VII –4E-04 0.21 estable8 –0.0039 0.02 estable VIII 0 0,00 estable9 –0.0080 0.35 0.0200 decreciente IX 0 0.07 estable

10 0.0010 0,00 estable X –7E-04 0.32 0.080 decreciente11 0.0048 0.32 0.0500 creciente XI –0.001 0.36 0.080 decreciente12 0.0059 0.26 0.0700 creciente13 –0.0003 0.06 estable14 –0.0080 0.52 0.0005 decreciente15 0.0033 0.17 estable

tan como signif icativos p-valores menores a0.10.

Para el caso de la clasif icación de los Des-víos Estándar de NDVI se observa claramen-te que la zona de Salinas presenta parches muycompactos en áreas asociadas a bañados, la-gunas y el «Monte de Las Barrancas», mien-tras en el resto de la Salina predomina la ten-dencia Estable. Por otro lado, el patrón deDesvíos Estándar decreciente se halla disper-so en muchos parches en el área de llanura, enlos bordes al Sur y Sur Este de las Salinas yen el área de Sierras, al Sur de la imagen (Fi-gura 4).

Función de Autocorrelación. La Media deNDVI Creciente presenta una autocorrelaciónsignificativa hasta el lag 2 y en general luegocontinúa dentro de la banda del 95%. Para elcaso de la Media de NDVI decreciente, se ob-serva la presencia de un salto de correlaciónnegativa en los lags 10 y 11 y hacia el final dela serie (lag 15). En el resto de las categoríasno hay correlaciones temporales significativasentre los datos de NDVI medio invernal. LosDesvíos Estándar de NDVI decreciente mues-tran valores significativos de correlación po-sitiva los lags 1, 2, 3 y 5, luego los valores deautocorrelación se muestran dentro de los lí-mites de la banda de correlación no significa-tiva (95% de nivel de confianza), para conver-tirse en valores de correlación negativasignificativos al final de la serie en los lags 14y 15 (Figura 5).

En la Figura 6 se pueden observar los perfi-les agrupados de las Medias de NDVI invernalcon tendencias creciente (tasa anual = 0.7%,R2 = 0.6 y p-valor = 0.0015) y decreciente (ta-sa anual = –0.39% anual, R2 = 0.32 y p-va-lor = 0.047). También, se pone en evidenciaque a partir del año 2004, momento en que laautocorrelación se hace significativamente ne-gativa para la tendencia decreciente, se evi-dencia un aumento de la tendencia crecientepor encima de la media hasta el final del pe-ríodo analizado. Los perfiles de la dinámica deDesvíos Estándar presentan tendencias clara-mente decrecientes (tasa anual = –0.05%,R2 = 0.59 y p-valor = 0.0078), principalmentea partir del año 1999 (Figura 6, abajo).

Relación entre las Unidades de Cobertu-ra, los tipos de suelos y las tendencias. La ten-

dencia estable domina en las categorías Bosquey Arbustal, La tendencia decreciente caracteri-za a las categorías Desmontes y Suelo Desnu-do y todas se localizan en la llanura. La Salinacontiene a la superficie con tendencia de NDVIinvernal creciente, implicando el 20% de la su-perficie clasificada como tal (Figura 7).

La mayor expansión de la tendencia deNDVI decreciente se desarrolla en más del 20%de la superficie que ocupan los suelos Moli-soles, representan un 18% de la superficie delos suelos Aridisoles y en una cantidad menor(5%) se localiza en los suelos Entisoles. Estosúltimos presentan una alta proporción de ten-dencias de NDVI estables. Los suelos clasifi-cados como de Salinas poseen una alta pro-porción de NDVI creciente, es decir, más del35% de la superficie Salina aparece con valo-res de NDVI creciente (Figura 8).

Análisis de tabulación Cruzada de Ten-dencias. En el mapa de distribución espacialde tendencias (Figura 9) son notables los par-ches de formas «apotreradas» o campos deformas geométricas, es decir con bordes rec-tilíneos que caracterizan a las superficies contendencias de NDVI decreciente; a su vez, es-tos parches presentan tendencias de desvíosestándar estables y decrecientes. Se localizanclaramente en toda el área de la llanura cen-tral y se observan algunos parches de formasmás irregulares en áreas de sierras. La ten-dencia de Media de NDVI decreciente y Des-víos Estándar decreciente alcanza el 8% de lasuperf icie total (Tabla 4), mientras que lastendencias NDVI Medio Decreciente en ge-neral alcanzan el 16% de la superficie anali-zada de llanura de la cuenca. Por otra parte,las categorías de NDVI Creciente con Desví-os Estándar decreciente se observan (Figura9) en áreas más bajas de la cuenca dentro delas Salinas Grandes. Ésta categoría abarca el2% de la superficie analizada (Tabla 4). Lasáreas compactas de NDVI creciente con Des-vío Estándar estable son identif icadas visual-mente en zonas de borde de Salinas, áreas dederrames de los bordes de las Salinas y en par-ches alargados en el sector Noroeste de la ima-gen. En toda el área la categoría NDVI cre-ciente que se desarrolla en una amplia zonade Salinas abarca cerca del 8% de la superfi-cie del área.



Figura 5. Función de Autocorrelación para las tendencias significativas de la Media (creciente y decre-ciente) de NDVI y de Desviación Estándar de NDVI (decreciente). Las líneas punteadas muestran los lí-mites de correlación significativa (95% de nivel de confianza), por lo tanto, los valores de NDVI fuera deestas bandas presentan una autocorrelación significativa para los intervalos de tiempo.


Figura 6. Dinámica y tendencias de las Medias de NDVI invernal (arriba) y Desvia-ción Estándar de NDVI invernal (abajo) significativos para el área de estudio en lacuenca de las Salinas Grandes durante 27 años. Se indican los años de cambios sig-nificativos de la función de autocorrelación (ACF).

Figura 7. Relación entre las Tendencias de NDVI clasificadas y las Unidades de Cobertura, la magnitud dela superficie está expresada en hectárea (izquierda) y en proporciones (derecha).

Discusión

En el presente trabajo se pudieron analizarlos cambios de la vegetación de una porción dela cuenca de las Salinas Grandes, tomando encuenta el modelo de curva catástrofe para la in-terpretación de su dinámica en condiciones deno-equilibrio (Washington Allen et al., 2006;Scheffer et al., 2009). Los valores de NDVI in-vernal de la serie temporal Landsat TM (1984-2010) representaron adecuadamente los valo-res de cobertura de los estados suelos


Figura 8. Relación entre las Tendencias de NDVI ylos órdenes de suelos.

Figura 9. Mapa resultante del análisis de tabulación cruzada de Tendencias de las Medias y Desvíos Es-tándar de NDVI.

Tabla 4. Superficie (ha) de las categorías resultante de la tabulación cruzada entre lastendencias de la Media y los Desvíos Estándar (DE) de NDVI

Media NDVI Media NDVI Media NDVI Total

Estable Creciente Decreciente

DE Estable 262547.91 45666,00 59448.24 367662.15DE Decreciente 312613.11 13880.25 63154.89 389648.25

Total 575161.02 59546.25 122603.13 757310.40

desnudos, pastizales o desmontes, arbustales ybosques. Así, los análisis de regresión entre losvalores del NDVI y las distintas formas de co-bertura confirmaron la relación entre NDVI in-vernal y la vegetación permanente al igual delos datos obtenidos para otros lugares del mun-do (Ramsey et al., 2004, Washington-Allenet al., 2004) y para la vegetación leñosa delChaco Árido. Además, se pudieron interpretara las perturbaciones que impactan en la cober-tura manera creciente (desmontes mecaniza-dos con rolados frecuentes para el control deleñosas) y el estrés dado por los factores físi-cos (suelo/precipitaciones/Salinas) como fac-tores de control de no-equilibrio. Sin embar-go, la escasa relación entre NDVI invernal ylluvias anuales acumuladas de la estación pre-via, nos permite suponer escasa influencia delas lluvias estivales en la señal de NDVI Land-sat TM invernal. Cabe señalar que en los sitiosdonde se encontró una correlación cruzada sig-nificativa con las lluvias ya existían desmon-tes desde hace varios años atrás, lo que permi-te deducir que la vegetación expresada en laseñal espectral corresponde a la vegetaciónherbácea y arbustiva de bajo porte. Se conoceque el estrato herbáceo es altamente depen-diente de las lluvias mientras que las especiesperennifolias y caducifolias presentan una granamplitud fenológica (Hill y Donald, 2003; Igle-sias et al., 2010). En general las coberturas deespecies leñosas de más porte como las arbó-reas de Chaco Árido tienen más influencia enel NDVI invernal, debido a su capacidad de ex-plorar en profundidad con sus raíces para ob-tener el agua y mantener la foliación (Giorda-no et al., 2011; Villagra et al., 2011), aunqueen la época invernal las especies perennifoliasesclerófilas son las que dominarían la señal,mientras que las caducifolias perderían sus ho-jas luego de un periodo fenológico de más de9 meses (Iglesias et al., 2010).

Desmontes en áreas de NDVIdecreciente en la Llanura de BosqueChaqueño

La serie temporal Landsat demuestra que enáreas donde ha ocurrido desmontes y hay pre-sencia de suelos desnudos, especialmente so-

bre suelos Molisoles y Aridisoles, se desarro-llan tendencias de NDVI decreciente. Éstaabarca a un 16% de la superficie de la cuencaen el área de llanura de Bosque Chaqueño y deesta superficie, la mitad se halla con una ten-dencia de desvío estándar decreciente; lo queimplica una progresiva homogeinización de lacobertura que acompaña a la pérdida de la mis-ma. Los cambios de correlación temporal sig-nificativa en esta serie de datos de NDVI im-plican que en los últimos 6 años (a partir dellag 10) ha habido una caída significativa de lacobertura invernal en el área analizada.

Si relacionamos las imágenes clasificadasde tendencias con las unidades de cobertu-ra/usos de la tierra, se interpreta que la dismi-nución del NDVI se debe a los desmontes co-mo uso de la tierra, coincidiendo además congrandes parches donde la tendencia de la des-viación estándar de la cobertura, disminuye.La literatura muestra que los desvíos estánda-res del NDVI invernal reflejan los cambios dela heterogeneidad espacial de la cobertura,cuando cambia el balance entre suelo desnudoy los parches de vegetación (Washington-Allenet al., 2008; Aguilar et al., 2012). El análisisde tendencia de la desviación estándar delNDVI fue una medida apropiada de la hetero-geneidad espacial. En otras investigacionestambién encontraron relaciones de la variabi-lidad del NDVI con la heterogeneidad de há-bitat (Oindo y Skidmore, 2002) y del paisaje.Así altos valores de desviación estándar deNDVI han sido relacionados con parches de ve-getación más variables (Aguilar et al., 2012) oque una alta probabilidad de píxeles con valo-res bajos de NDVI correspondan a una vegeta-ción escasa o suelo desnudo (Washington-Allen et al., 2008).

En las áreas detectadas donde el NDVI dis-minuye la tendencia decreciente de la desvia-ción estándar implica el descenso de la varia-bilidad en la cobertura vegetal activa, adiferencia de las tendencias estables donde severificaría respuestas más variables del NDVI.Ésta baja variabilidad de cobertura de NDVI«decreciente» nos sugiere que el carácter «per-manente» de los valores bajos de NDVI lo queimplica la degradación con carácter de «esta-dos estables». Aquí la desertificación se ma-nifiesta en la cobertura de vegetación baja, en


parches pequeños, con elevada proporción desuelo desnudo. Todo ello nos lleva a inferir quecambios de tipo bimodal o irreversible estánocurriendo en estas áreas (Scheffer et al., 2001;Folke et al., 2004; Rietkerk et al., 2004). Hayque considerar que estas zonas aparte del des-monte sufrido por topado, rolado de leñosas ysiembra de pasturas en el año inicial, son dis-turbadas frecuentemente con maquinaria pe-sada, cada tres o cuatro años, para controlar lasarbustivas, resembrar pasturas y romper cos-tras de suelos, con la consecuente efecto de de-terioro de los mismos (Britos y Barchuk, 2008).

Por otro lado la tendencia de arbustales ybosques son muy similares, sugiriendo que laresiliencia es posible en ambos. Las caracte-rísticas de ambas formas de vida mencionadaspara estos ambientes xéricos son muy simila-res, especialmente en cuanto a las estrategiasde resistir la sequía y de la utilización del agua(Villagra et al., 2011). Ello implica que al me-nos en términos de cobertura de vegetación sondiscutibles: la condición de «estado degrada-do» y la tendencia a la desertificación de lastierras arbustizadas, además de las posibilida-des de diseñar estrategias de recuperación conformas de vida arbustivas (Maestre et al., 2009;Eldridge et al., 2011).

Área de Salinas y tendencias de NDVI creciente

En la clasif icación de todas las categoríascon tendencia signif icativa de NDVI la ten-dencia lineal creciente es la que mejor ajusta,indicando la fuerza del proceso (Washington-Allen et al., 2006). Los valores medios bajosde esta serie (Figura 6) sugieren que se trataposiblemente de un aumento de la cobertura dela vegetación baja y dispersa de las Salinas. Vi-sualmente la categoría de NDVI bajo crecien-te se localiza en áreas bajas inundables de lasSalinas Grandes, en los bordes y vías de escu-rrimiento adyacentes a las lomas medanosasdonde existe la vegetación típica del ChacoÁrido y en forma de parches alargados en elsector Noroeste del área de Salinas.

Aquellos valores de la tendencia de NDVIcrecientes, y la tendencia de desvíos estándarestable podrían estar asociados a un mayor flu-

jo de agua en la cuenca. La clase de desvíos es-tándar estable se localiza en los bordes de lassalinas y en los conos de entrada de agua a lamisma. La clase desvíos estándar de NDVI de-creciente se asocia a los sitios bajos de lagu-nas semi-permanentes presentes en las SalinasGrandes. En definitiva, parece que ocurre unaporte de agua extra y nutrientes provenientesde zonas aguas arriba, provocado por pérdidasde parches de captación de recursos (Ludwiget al., 2004).

Los ajustes de la tendencia lineal sugierenque estos sistemas deforestados (NDVI decre-ciente, desvíos estándar decreciente) están per-diendo resiliencia y poseen una alta suscepti-bilidad de erosión, presentando fugas derecursos a escala de parche y redistribución derecursos a escala de paisaje (Ludwig et al.,2004). Al igual que en otros ecosistemas, elpaisaje se hace más susceptible a la erosióncuando ocurren pérdida de cobertura por des-montes, en conjunto con sequías y alta presiónde sistemas de pastoreo con altas cargas tipocomercial (Washington-Allen et al., 2010). Ladegradación producida por las altas cargas deanimales para pastoreo en áreas desmontadasgenera una disminución permanente e irrever-sible de la productividad de la vegetación a lar-go plazo (Wessels et al., 2007). En cuanto alefecto de la sequía podemos agregar que los re-gistros locales señalan un periodo de sequía ex-tendida en el área desde el año 2008 hasta el2010 (Britos y Basconcelo, 2011; CREAN,2012).

¿Cambios permanentes?

Los procesos de cambio son producto de unafragmentación continua en los últimos 10 añosy de grandes disturbios que provocaron im-portantes reducciones de la biomasa de bosquenativo en corto tiempo. Comprobamos aquí queeste proceso de degradación y pérdida de co-bertura se puede verificar en las tendencias deNDVI decreciente y los desvíos estándar de-creciente, sugiriendo que existen zonas dondela extensión y la persistencia de los disturbiosprovocan una pérdida de biomasa que poseecierta «estabilidad» en la señal de NDVI in-vernal de la serie temporal. La pérdida de bio-


masa acompañada de la «homogenización» delos valores de NDVI de estas áreas sugiere con-diciones de desertificación como consecuen-cia del aumento de limitación del agua deacuerdo a lo que predicen Dakos y colabora-dores (2011).

Los datos del trabajo sugieren el modelo hi-potético mostrado por la curva de histéresis (Fi-gura 10). Es decir, de una situación de equili-brio (rama superior del curso de histéresis)estable dado por la estructura del bosque xe-rofítico se pasa a una situación continua deequilibrio inestable donde predomina el suelodesnudo. Interpretamos aquí que los cambiosocurridos en toda la región implican que lascondiciones cambian suficientemente para pa-sar solo un umbral, se produce una transiciónabrupta a la rama inferior (Scheffer et al.,2001). Desde aquí, hace suponer que el eco-sistema exhibirá divergencia, es decir que a me-dida que se acrecienten las condiciones de es-trés en la región la reversibilidad de los estadosalternativos se ve comprometida o es posibleque el ecosistema exhiba histéresis, lo que sig-nifica que las trayectorias de degradación y re-cuperación de la vegetación serán distintas enesta zona del modelo (Scheffer et al., 2009),

pasando de una cobertura de bosque-arbustaluniforme a parches aislados de arbustivas ypastizales con abundante suelo desnudo. Sos-tenemos que la combinación NDVI decrecien-te y desvío estándar decreciente implica que larecuperación es extremadamente lenta y do-mina la tendencia al colapso, mientras que enel sistema con NDVI decreciente y desvío es-tándar estable, es una zona de inestabilidaddonde aún persisten mecanismos de resilien-cia (Washington-Allen et al., 2008).

Implicancias de las tendencias y cambios

En la región, los datos muestran que la dis-minución de la cobertura en zonas de bosqueslocalizadas en áreas elevadas de la cuenca consuelos Molisoles, se acompaña con una ten-dencia creciente al verdor de las áreas bajas enlas Salinas. Esto sugiere la posibilidad de unfenómeno que integra ambas tendencias con-sistentes en un flujo de recursos hacia la zonabaja de la cuenca de las Salinas Grandes. Va-rios autores reconocen que los rolados fre-cuentes implican un deterioro de la infiltración


Figura 10. En el modelo de Curva Catástrofe se representa la respuesta de lacobertura de la vegetación leñosa ante los incrementos de las perturbacionesocasionadas por los desmontes.

especialmente en áreas elevadas, pérdida de lamateria orgánica y nitrógeno por la excesivamineralización, disminución de la fijación denitrógeno, aumento de la susceptibilidad al fue-go, con la consecuente pérdida de nutrientes yagua hacia afuera del sistema (Ludwig y Tong-way, 2002; Kunst et al., 2003). Volante y cola-boradores (2012), para la región del Nor Oes-te Argentino del Gran Chaco, informan que losdesmontes no afectaban a la productividad pri-maria neta aérea, pero sí incrementaba la esta-cionalidad de la misma, disminuyendo en gran-des extensiones la capacidad fotosintética delas áreas sin cobertura, lo cual tiene conse-cuencias directas en la pérdida de serviciosecosistémicos como el control de la erosión yla regulación de agua debido al aumento desuelo desnudo. La pérdida de cobertura (NDVIdecreciente, desvíos estándar decreciente y es-table) en las áreas desmontadas, incrementarí-an, el efecto de las precipitaciones intensas ylas proporciones de escorrentía superf icial,donde coexisten manchas de vegetación leño-sa sobre una matriz más o menos continua sesuelo desnudo y gramíneas.

Tongway y colaboradores (2004) proponenun modelo de evaluación de paisajes para zo-nas áridas y semiáridas denominado desenca-denante-transferencia-reserva-pulso que ex-plica de una manera simple e integrada elfuncionamiento de un paisaje. De manera aná-loga, aplicando estas ideas se podría sugerir aescala regional, que el flujo de recursos se di-rige hacia áreas sumideros, es decir, áreas másbajas de bordes de Salinas donde el NDVI res-ponde de manera creciente, mientras que eldesvío estándar disminuye gracias a la menorvariabilidad de los valores de NDVI por el acu-mulo de agua. En zonas más elevadas de lacuenca, un desencadenante como la lluvia, dacomienzo a los procesos de transferencia, co-mo la escorrentía y la erosión, que redistribu-yen los recursos como el agua y nutrientes(Tongway et al., 2003). La excesiva presión so-bre el paisaje con los topados y rolados va endetrimento de la capacidad de los parches lo-cales de vegetación para actuar como sumide-ros de recursos e incremento del suelo desnu-do, de manera que el paisaje en su conjuntopresenta «fugas» (Ludwig et al., 2007). Es de-cir que el incremento de NDVI de una región

de Salinas más baja, se debe a un aporte cuan-tioso de agua y recursos, procedente de las zo-nas desnudas de vegetación de las zonas des-montadas aguas arriba (NDVI decreciente,desvíos estándar decreciente y estable). De ma-nera similar en algunas regiones áridas de Aus-tralia se estima que el efecto conjunto sobre lareducción de la cobertura por el pastoreo y lassequías podría ocasionar un aumento en las es-correntías posteriores a una lluvia aumentan-do el transporte de sedimentos hacia zonas ri-parias (McKeon et al., 2009). En el ChacoÁrido ante las condiciones extremas de déficithídrico la vegetación leñosa tiene una fuertecapacidad de amortiguación por sus sistemasradicales profundos o por su condición de fre-atófita facultativa (Iglesias et al., 2010; Villa-gra et al., 2011; Jobbagy et al., 2011). Frentea la reducción de este componente leñoso, elcrecimiento vegetal presentaría una alta co-rrelación con los eventos de lluvia (Ogle y Rey-nolds, 2004). Para analizar la estabilidad de es-tos sistemas es necesario considerar tanto losatributos ecológicos que contribuyen a la resi-liencia de la vegetación leñosa (Villagra et al.,2011; Jobbagy et al., 2011) como los riesgos alos eventos físicos estocásticos (Svoray y Kar-nieli, 2011) que se acentúan ante los cambioscreciente de la cobertura y uso del suelo.

Conclusiones

El trabajo proporciona nuevas bases para elestudio de las transiciones de bosques-arbusta-les a sabanas y semidesiertos de origen antró-pico, fundamentados por los modelos de um-brales y sirve para interpretar la dinámica de lavegetación en ambientes del Chaco Árido. Elseguimiento retrospectivo de la cobertura ve-getal y de la cobertura de las unidades de co-bertura y uso de la tierra, es especialmente in-teresante para comprender cómo las prácticasde manejo son los principales mecanismos cau-sales de la desertificación. También, existe evi-dencia del papel que tienen los factores abióti-cos en la dinámica de no-equilibrio delecosistema Chaco Árido a medida que incre-menta la intensidad de las perturbaciones. Asílas sequías periódicas, los suelos y la geomor-fología (escala de cuenca) juegan un papel im-


portante en los patrones espaciales y tempora-les de la vegetación y de su resiliencia ante losdisturbios catastróficos como los desmontes engrandes extensiones. Hemos utilizado indica-dores indirectos de la resiliencia, simples pro-piedades estadísticas que pudieron medirse di-rectamente del estado de la cobertura leñosainvernal expresado en NDVI. Los cambios enla tendencia lineal del NDVI invernal y su des-viación estándar en una ventana de 150 metros(medida de heterogeneidad) son identificablesespacial y temporalmente siempre que el um-bral/disturbio sea significativo e intenso. Aquílos desmontes con sucesivos rolados pueden serobservados por los fuertes y permanentes cam-bios que provocan tanto en cobertura como enheterogeneidad de la vegetación.

El análisis permite identificar interaccionesentre las escalas. Procesos locales de cambiosfuertes a escala de parche y después de prediotienen efecto acumulativo y terminan abarcan-do la escala regional (Ludwig et al., 2004; Bes-telmeyer et al., 2011). Verificamos en el tra-bajo que el incremento de las pérdidas ytransporte de nutrientes en áreas más elevadasde la cuenca (suelos Molisoles, principalmen-te y también Aridisoles) y su traslado hacia áre-as adyacentes de las salinas tiene relación conla superf icie creciente de suelos desnudos ycon la pérdidas de la vegetación leñosa por dis-turbios de gran impacto como los desmontes ypor la cobertura vegetal creciente en las áreasde sumidero (Prosser et al., 2002; Ludwig yTongway, 2002; Ludwig et al., 2004). Todo elloha implicado cambios irreversibles en la resi-liencia de la vegetación con consecuencias aescala regional (Bestelmeyer et al., 2011). Po-siblemente los tres últimos años de anomalíasen las precipitaciones por debajo de la media,refuerzan el salto de bistabilidad y potencianla irreversibilidad de los cambios (Britos y Bas-concelo, 2012; CREAN, 2012).

En el estudio también se consigna el com-portamiento de las leñosas frente a disturbiosen amplias escalas, valorándose su contribu-ción a la resiliencia regional. Numerosos au-tores señalan la importancia de la vegetaciónleñosa por contribuir a la productividad regio-nal, al ciclo del agua y a la estabilidad de losecosistemas (Villagra et al., 2011; Jobbagyet al., 2011). Particularmente, manifestamos

nuestra preocupación sobre la expansión de ladeforestación y el rolado en el área de estudio,especialmente las consecuencias derivadas dela interrupción de las conexiones entre los acuí-feros y los ecosistemas en la superficie (Gior-dano et al., 2011; Villagra et al., 2011) con locual la fragilidad de los ambientes se incre-mentaría con los riesgos económicos y socia-les que ello implica.

Las implicancias de la deforestación sobrelos agroecosistemas es un tema de gran con-troversia en la Argentina, sectores vinculadosa la ganadería industrial y equipos técnicos sos-tienen que los arbustales son improductivoseconómicamente, fruto de la degradación porprácticas productivas obsoletas, y que la in-corporación de pasturas no sólo mejorará laproducción y la economía sino que también im-pedirá la degradación (Kunst et al., 2012). Co-mo fruto de este trabajo es interesante desta-car que no sólo se deberá tener especialatención a las consecuencias de los desmontesy rolados en gran escala, cómo frenar los pro-cesos de fuga de agua y nutrientes mediante elordenamiento territorial de los bosques nati-vos, sino también se deberá profundizar en es-tudios sobre la productividad y estabilidad delas pasturas implantadas (Franklin et al., 2006)y cómo mitigar el proceso de desertificaciónque parece irreversible.

Referencias

AGUILAR, C., ZINNERT, J. C., POLO, M. J., &JOUNG, D. R. 2012. NDVI as an indicator forchanges in water availability to woody vegeta-tion. Ecological Indicators, 23: 290-300.

BARCHUK, A. H., & VALIENTE-BANUET, A.2006. Comparative analysis of leaf angles andsclerophylly of Aspidosperma quebracho-blan-co in a geographical gradient of water def icit.Austral Ecology, 31: 882-891.

BARCHUK, A. H., BASCONCELO, S., BRITOS,A. H., SANTA, J. A., & IGLESIAS, M. R. 2007.Unidades de Paisaje para el desarrollo sustenta-ble y manejo de los recursos naturales en el nor-oeste de Córdoba. En Matteuccci, S.D. (Ed.). Pa-norama de la ecología de paisajes en Argentina ypaíses sudamericanos. Ediciones INTA, MAB,SECYT, Buenos Aires, pp 139-162.

BESTELMEYER, B. T., BROWN, J. R., HAVSTAD,K. M., ALEXANDER, R., CHAVEZ, G., & HE-RRICK, J. E. 2003. Development and use of sta-


te-and-transition models for rangelands. Journalof Range Management, 56: 114-126.

BESTELMEYER, B. T., TUGEL, A. J., PEACOCK,G. L., ROBINETT, D. G., SHAVER, P. L.,BROWN, J. R., HERRICK, J. E., SANCHEZ, H.,& HAVSTAD, K. M. 2009. State-and transitionmodels for heterogeneous landscapes: a strategyfor development and application. Rangeland Eco-logy & Management, 62: 1-15.

BESTELMEYER, B. T., GOOLSBY, D. P., & AR-CHER, S. R. 2011. Spatial perspectives in state-and-transition models: a missing link to land ma-nagement? Journal of Applied Ecology, 48:746-757.

BLANCO, L. J., AGUILERA, M. O., PARUELO, J.M., & BIURRUN, F. N. 2008. Grazing effect onNDVI across an aridity gradient in Argentina.Journal of Arid Environments, 72: 764-776.

BLANCO, L. J., FERRANDO, C. A., & BIURRUN,F. N. 2009. Remote Sensing of Spatial and Tem-poral Vegetation Patterns in Two GrazingSystems. Rangeland Ecol. Management, 62:445-451.

BRITOS, A. H., & BARCHUK, A. H. 2008. Cam-bios en la cobertura y en el uso de la tierra en dossitios del Chaco Árido del noroeste de Córdoba,Argentina. AgriScientia, 25: 97-110.

BRITOS, A. H., BARCHUK, A. H., & FERNÁN-DEZ, J. M. 2011. Patrones de Deforestación delBosque Nativo bajo Manejo de Pequeños Pro-ductores Campesinos: ¿«Paisajes Sustentables»?Revista de Ecología de Paisajes, 2: 1-16.

BRITOS, A. H., & BASCONCELO, S. E. 2012. In-forme Sequía 2011. Análisis de Anomalías de Ín-dice Verde (NDVI). Subsecretaría de Agricultu-ra Familiar, Delegación Córdoba, Equipo delNorte. www.asadep.org.ar/documentos/Informe-Sequia2011.pdf. Activo desde Noviembre 2012.

CABIDO, M., ACOSTA, A., CARRANZA, L., &DÍAZ S. 1992. La vegetación del Chaco Árido enel W de la provincia de Córdoba Argentina. Do-cuments Phytosociologiques XIV: 447-456.

CABIDO, M. R., GONZÁLEZ, C., ACOSTA, A., &DÍAZ S. 1993. Vegetation changes along a pre-cipitation gradient in Central Argentina. Vegeta-tio 109: 5-14.

CABRAL, A., DE MIGUEL, J., RESCAI, A.,SCHMITZ, M., & PINEDA, F. 2003. Shrub en-croachment in Argentinean savannas. Journal Ve-getation Science, 14: 145-152.

CAMPOS, C. M., CAMPOS, V. E., MONGEAUDBORGHI, C. E., DE LOS RÍOS, C., & GIAN-NONI, S. 2011. Relationships between Prosopisflexuosa (Fabaceae) and cattle in the Monte de-sert: Seeds, seedlings and saplings on cattle-usesite classes. Revista Chilena de Historia Natural,2: 289-299.

CAPITANELLI, R. 1979a. Geomorfología. En:Vázquez J, Miatello R, Roque M (Eds). Geogra-

fía Física de la Provincia de Córdoba. Ed. Boldt,Buenos Aires, pp. 213-296.

CAPITANELLI, R. 1979b. Clima. En: Vázquez J,Miatello R y Roque M. (Eds). Geografía Físicade la Provincia de Córdoba. Ed. Boldt, BuenosAires, pp. 45-138.

CHANDER, G., & MARKHAM, B. 2003. RevisedLandsat-5 TM Radiometric Calibration Proce-dures and Postcalibration Dynamic Ranges.Transactions on Geoscience and Remote Sensing,41: 2674-2677.

CHÁVEZ, P. S. 1996. Image-based atmospheric co-rrections revisited and improved. Photogramme-tric engineering and remote sensing, 62: 1025.

CREAN. 2012. Monitoreo de Sequías. Índice de Pal-mer. Centro de Relevamiento y Evaluación de Re-cursos Agrícolas y Naturales. FCA. UNC.www.crean.unc.edu.ar/ secciones/monitoreo/pdi_2012/ult_2012.html. Activo en Enero de 2013.

DAKOS, V., KEFI, S., RIETKERK, M., VAN NES,E., & SCHEFFER, M. 2011. Slowing Down inSpatially Patterned Ecosystems at the Brink ofCollapse. The American Naturalist, 177: 153-166.

DARGÁM, R. M. 1995. Geochemistry of watersand brines from the Salinas Grandes basin, Cór-doba, Argentina. I. Geomorphology and hydro-chemical characteristics. International Journalof Salt Lake Research, 3: 137-158.

DI RIENZO, J. A., CASANOVES, F., BALZARI-NI, M. G., GONZALEZ, L., TABLADA, M., &ROBLEDO, C. W. 2008. InfoStat, versión 2008,Grupo InfoStat, FCA, Universidad Nacional deCórdoba, Argentina.

EASTMAN, J. R. 2009. IDRISI Taiga Tutorial. LandChange Modeller. Clark Labs. Clark University.Wourcester. MA. USA.

ELDRIDGE, D. J., BOWKER, M. A., MAESTRE, F.T., ROGER, E., REYNOLDS, J. F., & WHIT-FORD, W. G. 2011. Impacts of shrub encroachmenton ecosystem structure and functioning: towards aglobal synthesis. Ecology Letters, 14: 709-722.

FORMAN, R. T. T. 1995. Land Mosaics. The eco-logy of landscapes end and regions. CambridgeUniversity Press. 632 pp.

FOLKE, C., CARPENTER, S., WALKER, B.,SCHEFFER, M., ELMQVIST, T., GUNDER-SON, L., & HOLLING, C. S. 2004. RegimeShifts, Resilience, and Biodiversity in EcosystemManagement. Annual Review of Ecology, Evolu-tion, and Systematics, 35: 557-581.

FRANKLIN, K. A., LYON, K., NAGLER, P. L.,LAMPKIN, D., GLENN, E. P, MOLINA- FRE-ANER, F., MARKOW, T., & HUETE, A. R. 2006.Buffelgrass (Pennisetum ciliare) land conversionand productivity in the plains of Sonora, Mexi-co. Biological Conservation, 127: 62-71.

GIORDANO, C. V., GUEVARA, A., BOCCALAN-DRO, H. E., SARTOR, C., & VILLAGRA, P. E.2011. Water status, drought responses, and


growth of Prosopis flexuosa trees with differentaccess to the water table in a warm South Ame-rican desert. Plant Ecology, 212: 1123-1134.

GASPARRI, N. I., & GRAU, H. R. 2009. Defores-tation and fragmentation of Chaco dry forest inNW Argentina (1972-2007). Forest Ecology andManagement, 258: 913-921.

HILL, M. J., & DONALD, G. E. 2003. Estimatingspatio-temporal patterns of agricultural produc-tivity in fragmented landscapes using AVHRRNDVI time series. Remote Sensing of Environ-ment, 84: 367-384.

HILL, T., & LEWICKI, P. 2007. STATISTICS: Me-thods and Applications. StatSoft, Tulsa, OK.WEB: http://www.statsoft.com/textbook/.

HOLLING, C.S. 1973. Resilience and stability of eco-logical systems. Annu. Rev. Ecol. Syst., 4: 1-23.

HUNT, R. E., EVERITT, J. H., RITCHIE, M., MO-RAN, S., BOOTH, T., ANDERSON, G., CLARK,P. E., & SEYFRIED, M. S. 2003. Applicationsand Research Using Remote Sensing for Range-land Management. Photogrammetric Enginee-ring & Remote Sensing, 69: 675-693.

IGLESIAS, M. R., BARCHUK, A. H., & GRILLI,M. 2010. Dinámica estacional e interanual delNDVI en bosques nativos de zonas áridas argen-tinas. Revista de Teledetección, 34: 44-54.

JOBBAGY, E. G., NOSETTO, M. D., VILLAGRA,P. E., & JACKSON, R. B. 2011. Water subsidiesfrom mountains to deserts: their role in sustai-ning groundwater-fed oases in a sandy landsca-pe. Ecological Applications, 21: 678-694.

JARSÚN, B., GORGAS, J., ZAMORA, E., BOS-NERO, H., LOVERA, E., RAVELO, A., & TAS-SILE, J. 2003. Los Suelos. Nivel de Reconoci-miento. Escala 1: 500.000. Recursos Naturalesde la Provincia de Córdoba. Agencia CórdobaAmbiente SE. INTA EEA Manfredi, Córdoba.

KÉFI, S., RIETKERK, M., ALADOS, C., PUEYO,Y., PAPANASTASIS, V., ELAICH, A., & DERUITER, P. 2007. Spatial vegetation patterns andinminent desertif ication in Mediterranean aridecosystems. Nature 449: 213-218.

KUNST, C., MONTI, E., PÉREZ, H., & GODOY, J.2006. Assessment of the rangelands of south-western Santiago del Estero, Argentina, for gra-zing management and research. Journal of Envi-ronmental Management, 80: 248-265.

KUNST, C., LEDESMA, R., BRAVO, S., ALBA-NESI, A., ANRIQUEZ, A., VAN MEER, H., &GODOY, J. 2012. Disrupting woody steady sta-tes in the Chaco region (Argentina): Responsesto combined disturbance treatments. EcologicalEngineering, 42: 42-53.

LE POLAIN DE WAROUX, J., & LAMBIN, E. F.2012. Monitoring degradation in arid and semi-arid forests and woodlands: The case of the ar-gan woodlands (Morocco). Applied Geography32: 777-786.

LEITH, H., & WHITTAKER, R. H. 1975. PrimaryProductivity of the Biosphere. Ecological Stu-dies, Vol 14. Berlin, DE: Springer-Verlag.

LUDWIG, J. A., & TONGWAY, D.J. 2002. Clearingsavannas for use as rangelands in Queensland; al-tered landscapes and water-erosion processes.Rangeland Journal, 24: 83-95.

LUDWIG, J., TONGWAY, D., BASTIN, G., & JA-MES, C. 2004. Monitoring ecological indicatorsof rangeland functional integrity and their rela-tion to biodiversity at local to regional scales.Austral Ecology, 29: 108-120.

LUDWIG, J. A., BARTLEY, R., HAWDON, A. A.,ABBOTT, B. N., & MCJANNET, D. 2007. Patchconfiguration non-linearly affects sediment lossacross scales in a grazed catchment in north-eastAustralia. Ecosystems, 10: 839-845.

MAESTRE, F. T., BOWKER, M. A., PUCHE, M.A., HINOJOSA, M. B., MARTÍNEZ, I.., GAR-CÍA-PALACIOS, P., CASTILLO, A., SOLIVE-RES, S., ARÁNTZAZU, L., LUZURIAGA, A.M., SÁNCHEZ, J. A., CARREIRA, A. G., & ES-CUDERO, A. 2009. Shrub encroachment can re-verse desertification in semi-arid Mediterraneangrasslands. Ecology Letters, 2: 930-941.

MCAULIFFE, J. R. 1994. Landscape evolution, soilformation, and ecological patterns and processesin Sonoran desert bajadas. Ecological Mono-graphs, 64: 111-148.

MEA (MILLENNIUM ECOSYSTEM ASSESS-MENT). 2005. Dryland systems. In MillenniumEcosystem Assessment (Ed.), Ecosystems andhuman well-being: Current state and trends. Was-hington, DC. pp. 623-662.

MORELLO, J., & ADÁMOLI, J. 1968. Las grandesunidades de vegetación y ambiente del Chaco argen-tino, Primera parte: Objetivos y metodología. Seriefitogeográfica Nº10, INTA. Buenos Aires. 125 pp.

MORELLO, J., PROTOMASTRO, J., SANCHO-LUZ, L., & BLANCO, C. 1985. Estudio macro-ecológico de los Llanos de La Rioja. Serie delCincuentenario de la Administración de ParquesNacionales, 5: 1-53.

MORELLO, J., RODRÍGUEZ, A., & PENGUE, W.2009. Análisis descriptivo del proceso de des-monte y habilitación de tierras en el Chaco Ar-gentino. En Morello, J., A. Rodríguez, Eds., ElChaco sin bosques: La Pampa o el desierto delfuturo. Orientación Gráfica Editora, Buenos Ai-res. pp. 291-312.

OGLE, K., & REYNOLDS, J. F. 2004. Plant res-ponses to precipitation in desert ecosystems: in-tegrating functional types, pulses, thresholds, anddelays. Oecologia, 141: 282-294.

OINDO, B. O., & SKIDMORE, A. 2002 Interannualvariability of NDVI and species richness in Ken-ya. J Remote Sens, 23: 285-98.

PARUELO, J. M., & GOLLUSCIO, R. 1994. Ran-ge assessment using remote sensing in Northwest



Patagonia (Argentina). Journal of Range Mana-gement, 47: 498-502.

PUIGDEFÁBREGAS, J., BARRIO, G., BOER, M.,GUTIERREZ, L., & SOLÉ, A. 1998. Differen-tial responses and channel elements to rainfallevents in a semi-arid area. Geomorphology, 23:337-351.

PROSSER, I. P., MORAN, C. J., LU, H., SCOTT,A., RUSTOMJI, P., STEVENSON, J., PRIESTLY,G., ROTH, C. H., & POST, D. 2002. Regional pat-terns of erosion and sediment transport in theBurdekin river catchment. CSIRO Land and Wa-ter. Technical Report 5 (2). pp 47.

RAMSEY, R. D., WRIGHT, JR. D. L., & MCGINTY,C. 2004. Evaluating the Use of Landsat 30 m En-hanced Thematic Mapper to Monitor VegetationCover in Shrub-Steppe Environments. GeocartoInternational, 19: 39-47.

RICHARDS, J. A., & JIA, X. 1999. Remote Sen-sing Digital Image Analysis. New York, Springer.363 pp.

RIETKERK, M., DEKKER, S. C., DE RUITER, P.C., & VAN DE KOPPEL, J. 2004. Self-Organi-zed Patchiness and Catastrophic Shifts in Ecos-ystems. Science, New Series, 305: 1926-1929.

SAYAGO, M. 1969. Estudio fitogeográfico del nor-te de Córdoba. Boletín Academia Nacional deCiencias Córdoba, 46: 123-427.

SCHEFFER, M., CARPENTER, S. R., FOLEY, J. A.,FOLKE, C., & WALKER, B. H. 2001. Catastro-phic shifts in ecosystems. Nature, 413: 591-596.

SCHEFFER, M., BASCOMPTE, J., BROCK, W.,BROVKIN, V., CARPENTER, S., & DAKOS, V.2009. Early warnings of critical transitions. Na-ture, 461: 53-59

SEIA, E., ORODÁ, W., & CARRANZA, R. 2008.Hacia el uso racional y sustentable del monte cor-dobés. Foro Provincial «Ley de desmonte». El de-bate sobre la preservación del monte nativo cor-dobés: LA OTRA CARA DE LA MONEDA.http://www.imperiorural.com.ar/imperio /estructu-ra /desmonte/2008 /4_foro_desmonte_nov2008.htm

SELLERS, P. J. 1985. Canopy reflectance, photos-ynthesis and transpiration. International Journalof Remote Sensing, 6:1335-1372.

SVORAY, T., & KARNIELI, A. 2011. Rainfall, To-pography and Primary Production Relationshipsin a Semiarid Ecosystem. Ecohydrology, 4: 56-66.

TONGWAY, D. J., SPARROW, A. D., & FRIEDEL,M. H. 2003. Degradation and recovery processesin arid grazing lands of central Australia. Part 1:soil and land resources. Journal of Arid Environ-ments, 55: 301-326.

TONGWAY, D. J., CORTINA, J., & MAESTRE, F.T. 2004. Heterogeneidad espacial y gestión demedios semiáridos. Ecosistemas, 13: 2-15.

VILLAGRA, P. E., GIORDANO, C., ALVAREZ,J. A., CAVAGNARO J. B., GUEVARA A., SAR-

TOR C., PASSERA C., & GRECO S. 2011. Serplanta en el desierto: estrategias de uso de aguay resistencia al estrés hídrico en el MonteCentral de Argentina. Ecología Austral, 21 (1):29-42.

VOLANTE, J. N., ALCARAZ-SEGURA, D., MOS-CIARO, M. J., VIGLIZZO, E. F., & PARUELO,J. M. 2012. Ecosystem functional changes asso-ciated with land clearing in NW Argentina.Agriculture, Ecosystems and Environment, 154:12-22.

WALKER, B, HOLLING, C. S., CARPENTER,S. R., & KINZIG, A. 2004. Resilience, Adapta-bility and Transformability in Social – ecologicalSystems. Ecology and Society 9 (2): art 5. [onli-ne] URL: http:// www.ecologyandsociety.org/vol9/iss2/art5.

WASHINGTON-ALLEN, R. A., RAMSEY, R. D.,NORTON, B. E., & WEST, N. E. 1998. Changedetection of the effect of severe drought on sub-sistence agropastoral communities on the Boli-vian Altiplano. International Journal of RemoteSensing, 19: 1319-1333.

WASHINGTON-ALLEN, R. A., RAMSEY, R. D.,& WEST, N. E. 2004. Spatiotemporal mappingof the dry season vegetation response of sage-brush steppe. Community Ecology, 5: 69-79.

WASHINGTON-ALLEN, R. A., WEST, N. E.,RAMSEY, R. D., & EFROYMSON, R. A. 2006.A protocol for retrospective remote sensing-ba-sed ecological monitoring of rangelands. Range-land Ecology and Management, 59: 19-29.

WASHINGTON-ALLEN, R. A., RAMSEY, R. D.,WEST N. E., & NORTON, B. E. 2008. Quantifi-cation of the ecological resilience of drylandsusing digital remote sensing. Ecology and Society13(1): 33. [online] URL: http://www.ecolog-yandsociety.org/vol13/iss1/ art33/

WESSELS, K. J., PRINCE, S. D., CARROLL, M.,& MALHERBE, J. 2007. Relevance of Range-land Degradation in Semiarid Northeastern SouthAfrica to the Non-equilibrium Theory. Ecologi-cal Applications, 17 (3): 815-827.

WHITFORD, W. G. 2002. Ecology of desertsystems. Academic Press, London, UK.

YAFEE, R. A., & MCGHEE, M. 2000. Introductionto time series analysis and forecasting with ap-plications of SAS and SPSS. San Diego. Acade-mic Press. 528 pp.

ZAK, M., & CABIDO, M. 2002. Spatial patterns ofthe Chaco vegetation of central Argentina: Inte-gration of remote sensing and phytosociology.Applied Vegetation Science, 5: 213-226.

ZAK, M. R., CABIDO, M., & HODGSON, J. G.2004. Do subtropical seasonal forests in the GranChaco, Argentina, have a future? Biological Con-servation, 120: 589-598.


Caso práctico

Desagregación del volumen de población a partir de la imagen de satélite con Sistema de Información

Geográfica y Procesamiento Digital de Imágenes

A. Martínez SerranoFacultad de Filosofía y Letras. Universidad Nacional Autónoma

de México-UNAM. México. DF

Resumen

Las Tecnologías de la Información Geográfica desarrollan diversos campos de investigación, entreellos la gestión de la información referente a variables socio-demográficas, lo que permite el trata-miento de problemáticas sociales desde otra perspectiva de análisis. La desagregación espacial de es-tas variables mediante la técnica del Procesamiento Digital de Imágenes y los Sistemas de Informa-ción Geográf ica es nuestro objetivo. El método consiste en trasladar información demográf icadistribuida en unidades administrativas (unidades censales) a unidades del espacio geográfico (tramasurbanas de diversa densidad edificatoria), mediante la interpolación areal ponderada, partiendo de ladensidad demográfica de las áreas homogéneas residenciales obtenidas por la interpretación visual dela imagen de alta resolución Quickbird. Se obtuvo la desagregación del volumen total de la poblacióna partir de la diferenciación del uso urbano en los consejos populares; Cojimar, Alturas de Alamar,Alamar Este y Alamar Playa. Se realizó el control de los resultados obtenidos.

Palabras claves: desagregación espacial, volumen de población, imágenes, teledetección.

Abstract

Population volume disaggregation from satellite images using GIS and digital imageprocessing

The Geographic Information Technologies develop different research areas, including themanagement of information relating to socio-demographic variables, allowing treatment of socialproblematic from a different perspective of analysis. The spatial disaggregation of these variables usingthe technique of Digital Image Processing and Geographic Information Systems is our objective. Themethod consists of transferring demographic information distributed into administrative units (censusunits) to units of geographic space (urban grids of diverse building density) by the weighted arealinterpolation, based on the population density of homogeneous residential areas obtained by visualinterpretation of high resolution Quickbird image. We obtained the breakdown of total population fromurban use differentiation in the popular councils; Cojimar, Alturas de Alamar, Alamar Este y AlamarPlaya. Control was performed on the results obtained.

Key words: spatial disaggregation, population size, images, remote sensing.


Introduccion

La información proveniente de sensores re-motos y específicamente de las imágenes dealta resolución poseen un valor científico im-portante para los investigadores en diversas te-máticas, entre ellas los estudios urbanos. Enlas últimas décadas se ha ido incrementando eluso integrado de la Teledetección aéreo espa-cial y los Sistemas de Información Geográfi-ca convirtiéndose en herramientas muy útilespara la gestión y ordenación de los territoriosde las áreas urbanas. Esto es de especial inte-rés en aquellos países donde la reducida dis-ponibilidad de este tipo de información en for-mato digital para todos los decisores localesdificulta la adecuada planificación de los es-pacios urbanísticos, que generalmente se ca-racterizan por su continua expansión de formaespontánea, debido a varias causas como el ex-cesivo aumento demográf ico y también lasventajas que ofrecen las ciudades capitales adiferencia de los espacios rurales. Dentro deeste contenido, estas dos herramientas permi-ten la generación, tratamiento, almacenamien-to y seguimiento de aspectos esenciales paragestión urbana, a costos relativamente bajos.

En el contexto de los estudios urbanos, Ca-sas & Chuvieco (1987) revisan dos grupos deaplicaciones bien diferenciadas en el medio ur-bano utilizando como base el sensor MSS. Enel primero, se encuentran aquellos intentos dedelimitar exactamente el área ocupada por laciudad, tanto con vistas a actualizar los límitescensales (Dietrich & Lachoswsky, 1978), comopara estudiar el crecimiento urbano (Carter &Stow, 1979; Jensen & Toll, 1982). Los proble-mas más importantes surgen en las zonas resi-denciales suburbanas, por cuanto acogen res-puestas intermedias entre el substrato vegetaly los materiales en construcción. Este proble-ma conduciría a utilizar otros sensores auxilia-res al MSS, como es el caso del radar o las imá-genes térmicas según declaran los autores. Deconjunto se citan en este mismo trabajo a otrosautores que han determinado que en ocasionesse emplea además la fotografía aérea, tanto co-mo elemento adicional de la información comofuente de referencia para contrastar los resul-tados. Un segundo grupo de trabajos se condu-ce hacia el cálculo de volumen de población ur-

bana. Para ello, normalmente, se correlacionala población con la superficie edificada, dedu-ciendo un modelo de regresión que pueda ser-vir para estimaciones intercensales.

De acuerdo a otra autora, Molina (2005), sehan realizado importantes progresos en la es-timación de variables socioeconómicas a par-tir de imágenes de satélite, como: el ingresomedio por familia, la edad de las construccio-nes y la densidad de construcción. En un estu-dio sobre Sidney (Froster, 1993) se demostróque el valor promedio de las construccionespuede ser predecible a partir de datos MSS. Enla misma línea Dudley-Murphy (1990) encon-tró que se podía obtener información de nive-les de ingreso usando imágenes SPOT; paraello se establecieron correlaciones entre los di-ferentes tipos de residencias y el ingreso me-dio de la población residente en éstas, para laciudad de México. Otros autores como Weber& Hirsch (1992) utilizan de manera integradaimágenes SPOT, HRV y XS, en la extracciónde información cartográf ica de los usos delsuelo e información censal (población, empleoy vivienda) en ocho pueblos de la comunidadurbana de Estrasburgo, para obtener algunosíndices relacionados con la calidad de vida dela población. De esta manera, demostraron quela calidad del paisaje urbano puede ser carac-terizada y cartografiada con un detalle que noes posible utilizando únicamente informacióndel censo. Integrando la mencionada informa-ción y aplicando tratamientos de análisis mul-tivariante (correlación, regresión y análisis fac-torial) lograron obtener los siguientes índices:características de la edificación, atracción delas áreas residenciales en función de la pro-porción de áreas verdes y de repulsión en fun-ción de la proporción de áreas industriales ycomerciales.

Especialistas del tema como Lo (1995), de-sarrollan varios métodos para extraer infor-mación de unidades de población y viviendautilizando de manera integrada informaciónproveniente de imágenes multiespectralesSPOT y técnicas de SIG. Los métodos fuerondesarrollados para la ciudad de Hong Kong, ca-racterizada por una alta densidad de poblacióny usos urbanos mezclados en estructuras mul-tifuncionales. Los métodos incluyen diferen-tes formas de modelos de regresión compa-

Desagregación del volumen de población a partir de la imagen de satélite... 111

rando los valores de radiancia de los píxeles delas imágenes con densidades de población y vi-vienda. Los resultados demostraron que es po-sible establecer relaciones directas entre estosdos elementos a nivel general. Sin embargo, anivel de detalle, la precisión de los modelos esmenor debido a la dif icultad de discriminar,con imágenes, los usos residenciales de los noresidenciales en las estructuras multifuncio-nales. A pesar de los beneficios que se logranal integrar información proveniente de variossensores, no es menos cierto que la mayoría delos algoritmos de clasificación multiespectra-les píxel a píxel son incapaces de producir laprecisión requerida para la planif icación ur-bana y local, tal y como lo demuestran los tra-bajos realizados por Froster (1980), Milazzo& DeAngelis (1984) y Toll (1985), citados enMolina (2005). En este sentido, las tendenciasrecientes integran información proveniente deimágenes de satélite con la derivada de un SIG,a fin de lograr clasificaciones más precisas. Eluso de la información contenida en un SIG per-mite guiar las clasificaciones digitales con ma-yor exactitud. Con lo visto anteriormente sepuede concluir que el uso de fotografías aére-as y de imágenes de satélite de forma alternaha contribuido al desarrollo de al menos, tresfamilias de métodos:

— El primero trata sobre la relación exis-tente entre la superficie de la mancha urbanay la población total de una ciudad. Estos mé-todos están basados en la aplicación de mode-los matemáticos, en los cuales se relaciona su-perficie y población.

— Una segunda familia de métodos tomaen cuenta las diferencias internas de la ciudad.En ellos los análisis se realizan, por ejemplo,de acuerdo a los tipos de barrios, definidos se-gún criterios morfológicos. Las fotografías aé-reas y las imágenes de satélite son utilizadasde forma alterna para determinar la superficieocupada por cada tipo de barrio.

— Una tercera familia de métodos se basaen la hipótesis de que existen relaciones entrelas características morfológicas del medio ur-bano y las características demográficas y so-cioeconómicas de sus habitantes. Estos méto-dos utilizan de forma exhaustiva la informaciónproveniente de las imágenes para obtener, pormuestreo, las características relativas a las po-

blaciones urbanas. La idea principal es utilizarla imagen de satélite como base de sondeo yexplotar la información sobre la morfología ur-bana, a fin de establecer las áreas muestra so-bre las cuales aplicar una encuesta con objeti-vos demográficos y socioeconómicos.

Son innumerables las citas bibliográf icasque hacen referencia a distintas aplicacionesdel Procesamiento Digital de Imágenes con laintegración de los Sistemas de InformaciónGeográfica en ámbitos urbanos; estimación dela población, cuantif icación de cambios, es-timación de la densidad de edif icación, de-tección de asentamientos urbanos y rurales,evaluación de impactos producidos por la ac-tividad humana. También se ha utilizado lainformación exhaustiva que proporciona la fo-tografía aérea o imagen espacial de alta reso-lución para recoger rápidamente, por muestreo,los datos relativos a las poblaciones urbanas,para actualizar el total de habitantes de una ciu-dad que ha sido anteriormente objeto de uncenso de población. Dentro de esta temática laaplicación de las Tecnologías de la Investi-gación Geográfica nos da la disponibilidad deobtener variables diversas referentes a fenó-menos físicos y humanos espacialmente geo-referenciados. Es por ello que se convierte enuna herramienta eficaz para la gestión de in-formación con varios componentes sociales,económicos y físicos.

El objetivo del proyecto que se presenta eneste artículo es la realización de la transferen-cia del volumen de población total a un nivelde agregación sobre la base de unidades espa-ciales cercanas al individuo, descritas por la ti-pología de la trama urbana.

Materiales y métodos

Materiales

Para llevar a cabo el método propuesto queaquí aplicaremos, se ha seleccionado comoárea de estudio 5 consejos populares del mu-nicipio Habana del Este; Reparto Antonio Gui-teras, Cojimar, Alturas de Alamar, Alamar Pla-ya y Alamar Este. El porqué de esta selecciónes sobre la base de dos cuestiones principales:

112 A. Martínez / Revista de Teledetección (2013) 40, 110-121

1. En estos consejos populares existe unavariedad de tipologías edif icatorias que nospermite relacionar la información con más po-sibilidades.

2. A la vez estas zonas por sus caracterís-ticas edificatorias tienen poca probabilidad deser influenciadas por un descontrol elevado ensus tipologías en cuanto a subdivisiones del in-terior de las viviendas, y de crecimiento des-proporcionado de su población.

En este trabajo hemos empleado subescenasde la imagen del satélite QuicKbird en forma-to .jpg obtenidas a través del sitio web GoogleEarth Free del año 2009, pertenecientes a labanda pancromática con una resolución de0,60 m. Además hemos utilizado para la geo-referenciación de todas las subescenas el pla-no en formato digital de La Habana a escala1:2000. Como parte de la información básicaque procesaremos referente al volumen totalde población, se ha utilizado la información dela Oficina Nacional de Estadística (ONE) del2009. Como parte de la información básica queprocesaremos referente al volumen total de po-blación se ha utilizado la información que brin-da la Oficina Nacional de Estadística (ONE),elaborada para la publicación del CD; «Pobla-ción cubana de 2009», comprendida por datosal cierre del 31 de diciembre de 2008.

El volumen total de población por consejospopulares, municipio Habana del Este (áreasseleccionadas), es el siguiente: Cojimar,20 455; Antonio Guiteras, 23 452; Alamar Pla-ya, 26 467; Alamar Este, 34 685; Alturas deAlamar, 32 263.

Procedimiento metodológico

La forma más confiable y exacta de extraerinformación de las imágenes utilizadas en estetrabajo es mediante la clasificación visual, co-nocida también como interpretación visual, queestá basada en la habilidad que presentan loshumanos para relacionar tonos, colores y pa-trones espaciales que aparecen en una imagencon elementos del mundo real. Esta técnica seha seleccionado debido a la gran complejidadpara clasificar cubiertas de gran heterogenei-dad espacial como es el caso del área urbanamediante algoritmos automáticos de clasifica-

ción. Ya que se trata de cubiertas donde se mez-clan techos, aceras, asfaltos, jardines, espaciosabiertos, espacios comerciales, industriales,viales y que no obstante sí se pueden discrimi-nar por la interpretación visual mediante ras-gos directos e indirectos que no son traducidospor clasif icación digital como; localización,asociación, tamaño, texturas, formas, colores.

Por otra parte tenemos que trasladar la in-formación expresada en superficies censales aotras unidades definidas por la homogeneidadresidencial, que pueden asumir densidad de po-blación diversa no obstante son de carácterconstante en cada uno de estos sectores. Paraello seguiremos el método propuesto por Co-cero-Matesanz et al. (2006), en donde descri-ben que varios autores exponen varios méto-dos de desagregación espacial proponiendo eluso de la información contenida en censos yotras fuentes análogas con el objetivo de mo-delar el patrón subyacente referido por la agre-gación de la información. Para ello variosautores exponen diferentes métodos de des-agregación espacial proponiendo el uso de lainformación contenida en censos y otras fuen-tes análogas con el objetivo de modelar el pa-trón subyacente referido por la agregación dela información. Pueden citarse los trabajo deTobler (1979), Langford-Unwin (1994) y Spie-kermann-Wegener (2000). Este último planteala posibilidad del empleo del uso del suelo, co-mo elemento básico para asignar al territoriodividido en celdas la probabilidad de acogereventos, en específ ico el de una variable so-ciodemográfica. Para su aplicación cada celdao píxel debe estar clasificado por dos atribu-tos; la categoría del uso del suelo y el identifi-cador de la unidad de agregación a que perte-nece. Para cada evento este modelo asigna unpeso en forma de número entero a cada una delas categorías del uso del suelo y por consi-guiente a cada una de las áreas asociadas conla categoría en cuestión. Si se divide el peso decada área por la suma total de los pesos de ca-da categoría de la unidad de agregación a la quepertenece, se obtiene la probabilidad de que lascategorías del uso del suelo en estudio sea eldestino de la variable analizada.

Siguiendo la línea de trabajo de estos auto-res luego se aplica el método estadístico deMonte Carlo, con el objetivo de distribuir la car-


ga total de la variable analizada a cada una delas áreas, de forma aleatoria, de acuerdo a laprobabilidad de ocurrencia de las mismas. Deesta manera las áreas no residenciales tendríanuna probabilidad nula de contener la variableen cuestión (en este caso población) y por elcontrario el resto de los espacios de los usos re-sidenciales obtendrían una distribución apro-ximadamente proporcional a la probabilidad decontener la población, de acuerdo con la gene-ración de números aleatorios, debido a que ca-da variable o carga unitaria de población seríaubicada en cada área por sorteo. Finalmente esteprocedimiento verifica a través del identifica-dor de las unidades de agregación la capacidadde que la suma de las cargas correspondientes auna unidad de agregación sea correspondientecon la población total de la misma.

Siguiendo las líneas generales del métodopropuesto por Cocero-Matesanz et al. (2006),el procedimiento metodológico a seguir seríael siguiente:

1. Interpretación y delimitación de las ti-pologías edificatorias homogéneas.

2. Análisis de las densidades de poblaciónde las unidades espaciales identificadas.

3. Transferencia de la información desdelas unidades censales a las áreas residenciales.

Resultados y discusión

Interpretación y delimitación de lastipologías edificatorias homogéneas

De acuerdo a la diferenciación espacial delárea urbana, ya que se desarrollan actividadesdisímiles sobre un reducido espacio, la aplica-ción del Procesamiento Digital de Imágenesespaciales con estos fines es de uso reciente ydepende en gran medida del área en estudio(ver Figura 1), la resolución espacial y espec-tral de la imagen con la cual se trabaja y el ob-jetivo que se persigue.

La tipificación de la trama urbana se reali-zó apoyándonos en los criterios visuales clási-cos que mencionamos anteriormente, entreellos la sombra para la identificación y apro-ximación de la alturas de las construcciones,se obtuvo como resultado la delimitación de

una serie de polígonos que corresponden a unacategoría de área residencial determinada.

Durante el proceso de interpretación nos he-mos apoyado en una serie de documentos au-xiliares como el mapa topográfico, el plani-métrico, la información histórica del área y eltrabajo de campo que nos permitió mejorar loscriterios para la identificación. La digitaliza-ción se llevó a cabo en el programa Arc-view 3.2.

Estas categorías fueron declaradas de acuer-do a la morfología de la cubierta urbanística apartir de lo interpretado en la imagen y el com-portamiento generalizado de estas tipologíasen el área de estudio. De esta manera fue con-feccionado un catálogo de patrones para sucomprensión. Un patrón espacial se refiere ala distribución espacial de los objetos (tantonaturales como construidos), específicamentea la repetición de las formas, tonos, texturasdentro de un espacio determinado, que permi-te su localización e identificación (E. Manti-lla, com. pers. 2008).

Descripción de los Patrones espaciales

Edificación Alta (Figura 2)

Descripción de la trama urbana

Edificios de entre 12 y 18 plantas, entre 2 y3 escaleras por edificación, con apartamentosde calidad media-alta, de estilo moderno. Ge-neralmente el primer piso está destinado a cen-tros comerciales o espacios vacíos. Presentanáreas verdes alrededor, en ocasiones jardines.


Figura 1. Zonas de estudio. Habana del Este. Con-sejos populares.

Descripción del patrón

Se observan de forma rectangular y ordena-da ocupando manzanas completas separadaspor áreas verdes o vegetación. Los tonos varí-an en dependencia del material de recubri-miento de los techos que generalmente se iden-tifican por su tonalidad de rojo. Se observa lasombra que proyectan, en dependencia de la al-titud solar a la hora de la toma de la imagen.

Edificación Media (Figura 3)


Edificios de entre 3 y 5 plantas, entre 2 y 3escaleras por edificación, con apartamentos decalidad media, de estilo moderno. Usualmen-te en la zona aparecen de forma contigua dosedificaciones, presentan separadores estrechosen algunos casos. Presentan jardines a su alre-dedor en ocasiones. La estructura vial es irre-gular, con calles estrechas y avenidas princi-pales amplias.


Se observan de forma rectangular en posi-ciones diversas ocupando espacios definidospor estructuras lineales, en algunos casos se-paradas por áreas verdes o vegetación media.

Los tonos varían en dependencia del materialde recubrimiento de los techos que general-mente se identifican por su tonalidad de blan-co, gris y naranja. Se observa la sombra queproyectan, en dependencia de la altitud solar ala hora de la toma de la imagen.

Edificación baja (Figura 4)


Edif icios de 2 plantas, entre 2 y 4 aparta-mentos por edif icación, con apartamentos de


Figura 2. Edificación Alta. Subescena de la ima-gen Quickbird.

Figura 3. Edificación Media. Subescena de la ima-gen Quickbird.

Figura 4. Edificación Baja. Subescena de la ima-gen Quickbird.

calidad media, de estilo moderno. En oca-siones, cambio de la morfología de la vi-vienda, por autoconstrucción, edif icación degarajes, cercas, etc. Usualmente aparecen deforma contigua las edif icaciones, sin separa-dores, con calles estrechas sin presencia deaceras.


Se identif ican por su forma semi-rectan-gular, sin la presencia de vegetación alrede-dor y de manera compacta. La sombra queproyectan es perceptible en menor proporciónque edif icios más altos. El color de la cu-bierta se aprecia en tonalidades del gris cla-ro al blanco.

Unifamiliar Abierto (Figura 5)


Constituido por casas con buenas estructu-ras, compuesto por viviendas de 1 planta, gran-des, de mampostería, con amplios separadoresconformados por áreas verdes entre jardines ypatios interiores extensos. Viales estructuradoscorrectamente, y con presencia de aceras.


Forma rectangular y ordenada, constituyen-do manzanas compactas separadas por callesadecuadas para conformar un patrón en formade maya. Los tonos varían en dependencia del

material de recubrimiento de los techos que vandesde el gris, blanco, naranja y es evidente elcontraste con el verde de la vegetación.

Unifamiliar Denso (Figura 6)


Constituido por casas de calidad inferior,compuesto por viviendas de 1 y 2 plantas, pe-queñas, de mampostería y madera, contiguas,sin separadores. Amplia presencia de vivien-das reformadas por autoconstrucción. Vialesen malas condiciones, con poca presencia deaceras. Calles estrecha. Inexistencia de áreasverdes, que solo se concentran en algunos pa-tios de tamaño pequeño.


Se observan de forma compacta, con varia-da morfología en cuanto a su configuracióngeométrica. Escasas tonalidades de coberturavegetal. Los tonos varían en dependencia delmaterial de recubrimiento de los techos que ge-neralmente se identifican por su tonalidad deblanco, gris y naranja. Se aprecian algunos es-pacios vacíos. La sombra que proyectan es ca-si imperceptible.

El resultado de este procedimiento para elconjunto de la zona de estudio, fue un total de5 categorías de áreas residenciales; Edif ica-


Figura 5. Unifamiliar Abierto. Subescena de la ima-gen Quickbird.

Figura 6. Unifamiliar Denso. Subescena de la ima-gen Quickbird.

ción Alta, Edificación Media, Edificación ba-ja, Unifamiliar denso y Unifamiliar abierto (verFigura 7).

Análisis de las densidades de poblaciónde las unidades espacialesidentificadas

En primera instancia, para determinar ladensidad demográfica entre las diferentes ti-pologías edificatorias existentes en el área, hayque analizar la diferenciación presente en lazona urbana en cuestión. Con la descripción delos patrones anteriormente desarrollados po-demos apreciar las diferentes característicasentre cada una de las tipologías.

En la aplicación de este procedimiento me-todológico es esencial la evaluación de la ca-pacidad de cada zona para albergar diferentevolumen de población, ya que conforma la ba-se del método definido para evaluar la proba-bilidad o peso de la desagregación relativa encada trama urbana identificada. De manera ge-neral podemos considerar cada una de estas ti-pologías identificadas como homogéneas, des-de el punto de vista de sus características

morfológicas como de su altura, por lo que po-demos suponer que la densidad de poblaciónes similar, considerando un margen de errorpermisible. Teniendo en cuenta que no necesi-tamos calcular la densidad de población conexactitud, sino disponer de un índice capaz demedir o comparar las distintas tipologías exis-tentes con respecto a la variable volumen depoblación. Para ello hemos seleccionado es-pacios de muestreo (ver Figura 8), en cada unade las unidades espaciales clasif icadas; paracomprobar en trabajo de campo y contar in si-tu la cantidad de viviendas construidas en es-tos espacios.


Figura 8. Espacios de muestreos correspondientesa cada tipología identificada.

Figura 7. Clasificación visual de la tipología de la trama urbana. Consejos populares seleccionados.

Con ello se estimará la densidad de vivien-das por unidad de superficie en cada zona, pa-ra aproximarnos a la potencialidad relativa desu capacidad de asimilación (Tabla 1).

Transferencia de la información desde las unidades censales a las áreas residenciales

Para la transferencia de la distribución delvolumen de población, no se realiza de formaproporcional a la superficie, sino de maneraponderada a la densidad demográfica de cadaárea, de acuerdo a la tipología edificatoria co-rrespondiente.

A partir de la base espacial de cada tramaurbana obtenida anteriormente, correspondedeterminar la superficie total de cada una res-pectivamente, con ello se comprueba que la de-

finición de densidades de población obtenidaes correcta. Por lo que verificamos que el vo-lumen total de población de cada consejo po-pular es la suma de los productos parciales dela superficie de cada trama urbana por su den-sidad demográf ica. Con este planteamientotendríamos que evaluar las siguientes consi-deraciones:

— Teniendo un conjunto de categorías detipologías de tramas urbanas llamadas A.

— Los valores de densidades de viviendade cada trama urbana homogéneas; D.

— La superficie de cada tipología urbanaidentificada; S.

Los valores de las densidades de vivienda decada tipología urbana (D) deberían satisfacerla ecuación lineal que muestre la correspon-dencia entre la población de cada unidad ad-ministrativa censal (P) y la suma de las pobla-ciones de cada categoría urbana que la


Tabla 1. Densidad de viviendas por espacios de muestreos. Fuente: elabora-ción propia

Trama UrbanaSuperficie Número de Número de

(ha) viviendas viviendas/(ha)

Reparto Antonio GuiterasEdificación Alta 0.63 198 314.3Edificación Media 1.20 105 87.5Unifamiliar Abierto 1.40 20 14.3

CojimarEdificación Media 1.67 94 287.4Edificación baja 1.00 35 35,0Unifamiliar Denso 1.16 24 20.7Unifamiliar Abierto 1.07 15 14.01

Alturas de AlamarEdificación Alta 0.25 198 4,0Edificación Media 0.65 120 184.6Edificación baja 0.80 18 22.5Unifamiliar Denso 0.45 8 17.8Unifamiliar Abierto 0.55 3 5.5

Alamar PlayaEdificación Alta 0.16 135 843.7Edificación Media 0.39 120 307.7Edificación baja 1.01 30 29.7Unifamiliar Abierto 0.33 12 36.4

Alamar EsteEdificación Media 0.42 90 214.3Edificación baja 0.13 4 30.7Unifamiliar Denso 0.19 7 36.8Unifamiliar Abierto 0.67 3 4.5

integran, por lo que necesitamos suponer uncoeficiente k para obtener el valor medio dehabitantes por vivienda en cada trama de vi-vienda. Con ello podemos plantear la siguien-te ecuación:

[1]

La ecuación aquí planteada de forma teóri-ca es difícil de conseguir, debido a que supo-ne la existencia de una solución única al siste-ma de ecuaciones lineales, pero si se considerala búsqueda de la solución por tanteo resulta-ría más operativo. Considerando la obtenciónde la sumatoria del total de viviendas de cadauna de las tramas urbanas homogéneas (D); cal-culadas a partir de la superficie total de cadatrama (S), y el número de viviendas contadas«in situ» (N) en las áreas de muestras (A), po-demos determinar, de conjunto con la pobla-ción total del consejo, el índice de población

por vivienda (k). Posteriormente sobre el su-puesto de que k fuera establecida como cons-tante en cada una de las tipologías edificato-rias respectivamente, nos centraríamos endistribuirla por total de viviendas en cada tra-ma obtenida (Tabla 2).

Y finalmente podemos observar la distribu-ción del volumen de población por unidadesedificatorias homogéneas en la trama urbanaen la Figura 9.

Conclusiones

El método aplicado confirma posibilidad dedesagregar variables socio demográficas de lainformación censal, en este caso hemos trata-do solamente el volumen de población peropuede generalizarse a otras variables, a partirdel empleo de los usos del suelo y diferencia-

P NDkSi j tj t= ∑ == � �


Tabla 2. Superficie total ocupada por cada tipología edificatoria. Densidad dehabitantes por cada trama urbana Fuente: elaboración propia

Trama Urbana Superficie Número (ha) de habitantes/ha

Antonio GuiterasEdificación Alta 1.5 3406,69Edificación Media 27 17072,18Unifamiliar Abierto 28.8 2973,11

CojimarEdificación Media 18.3 7595.10Edificación Baja 1.5 387.11Unifamiliar Denso 15.9 2425.61Unifamiliar Abierto 97.2 10047.19

Alturas de AlamarEdificación Alta 0.2 722,11Edificación Media 35.6 29961,62Edificación Baja 14.4 1477,04Unifamiliar Denso 1.2 97,25Unifamiliar Abierto 0.2 4,97

Alamar PlayaEdificación Alta 0.8 2366,85Edificación Media 19.9 21470,27Edificación Baja 1.5 156,22Unifamiliar Abierto 19.4 2473,64

Alamar EsteEdificación Media 28.7 34600,62Edificación Baja 0.07 12,11Unifamiliar Denso 0.3 62,18Unifamiliar Abierto 0.4 10,07

ción de las tipologías edificatorias identifica-dos con técnicas de Procesamiento Digital deImágenes y el manejo de los Sistemas de In-formación Geográfica.

La identificación de las áreas por tipologí-as edificatorias homogéneas es compleja peropuede llevarse a cabo mediante la interpreta-ción de imágenes espaciales de alta resolucióny el conocimiento histórico de la zona así co-mo el necesario trabajo de campo para la com-probación.

El empleo del procedimiento de transferen-cia de la variable para su mayor precisión sedebe considerar el margen de error que puedeprovocar la existencia en las zonas de estudiode; hacinamiento, transformaciones de la par-cela (vivienda), entre otros, y la diferenciacióndel índice de población por viviendas al inte-rior de cada trama urbana.

Referencias

BOCCO, G., & SÁNCHEZ, R. (1995): Cuantifica-ción del crecimiento de la mancha urbana usan-do percepción remota y sistemas de informacióngeográfica, el caso de la ciudad de Tijuana, Mé-xico (1973-1993). Investigaciones Geográficas,Instituto de Geografía UNAM, Boletín n.º Espe-cial 4: 122-129.

CASAS, J., & CHUVIECO, E. (1987): Análisis vi-sual de imágenes «thematic mapper» para el es-tudio urbano. El caso de la ciudad de Madrid.Anales de Geografía de la Universidad Complu-tense. Norteamérica, 7, ene. 1987: 399-412.Con-sulta: 30 mayo 2011. Disponible en:http://revis-tas.ucm.es/index.php/AGUC/article/view/AGUC8787110399A.

CORTÉS, A., & SANTOS, C. (1996): Integraciónde imágenes SPOT y fotografía aérea en estudios

urbanos. Investigaciones Geográficas, Institutode Geografía UNAM, Boletín no. 32: 55-67.

COCERO, D., GARCÍA, F. J., & SANTOS, J. M.(2006): Propuesta metodológica para la desagre-gación espacial de variables sociodemográficascon Sistemas de Información Geográfica y Tele-detección. Cuadernos Geográficos, número 39,Universidad de Granada, Granada, España: 7-22.Consulta: 7 septiembre 2011.Disponible en:h t tp : / /www.ug r.es /~cuadgeo /docs / rev i s -tas/039.pdf.

CHENG, F., & THIEL, K. (1995): Delimiting thebuilding heights in a city from the shadow in apanchromatic SPOT image-Part 1. Test of forty-two buildings. En: International Journal and Re-mote Sensing (Memorias) vol. 16 (3), /s.e/, pp.409-415.

ESTORNEL, J., RUIZ, L., & DEL REY, A. (2004):Análisis metodológico para la detección de cam-bios urbanos en la ciudad de Valencia. Revista dela Asociación Española de Teledetección, vol.22:55-66. Consulta: 24 octubre 2011. Disponibleen: http://www.aet.org.es/revistas/revista22/AET22-08.pdf.

HERRERA-GONZÁLEZ, V. (2001): Estudio delcrecimiento urbano de la ciudad de Valdivia (Chi-le) a través del uso integrado de imágenes de sa-télite, SIG y equipos de GPS. Revista de la Aso-ciación Española de Teledetección, vol. 15:1-9.Consulta: 24 octubre 2011. Disponible en:http://www.aet.org.es/revistas/revista15/AET15_8.pdf.

LO, C. P. (1995): Automated population and dwe-ling unit estimation from high resolution satelli-te images, en a GIS approach. International Jour-nal Remote Sensing, vol.16 (1):17-34.

MOLINA-M, G. Z. (2005): Propuesta metodológi-ca para estudios de dinámica de uso urbano uti-lizando la teledetección: Maracay, estado de Ara-gua, Venezuela. Revista Geográfica Venezolana,vol. 46 (2): 195-234. Consulta: 20 septiembre2011. Disponible en: http://www.saber.ula.ve/bitstream/123456789/24647/2/articulo2.pdf.

MOLINA, G. Z., & CHUVIECO, E. (1996): Eva-luación de índices texturales para discriminarmorfología urbana: análisis de la ciudad de Ma-racay (Venezuela). Revista de la Asociación Es-pañola de Teledetección, vol. 7:1-8. Consulta 24octubre 2011. Disponible en: http://www.aet.org.es/revistas/revista7/AET7_5.pdf.

NASARRE, E., & BADIA, A. (2003): La fotogra-fía aérea y los Sistemas de Información Geográ-fica en el análisis de la morfología urbana de Te-rrassa. El acceso a la información espacial y lasnuevas Tecnologías Geográficas: 1695-1706.Universidad de Barcelona. Consulta: 30 abril2012. Disponible en: http://age.ieg.csic.es/meto-dos/docs/XII_3/125%20-%20Nasar re%20y%20Badia.pdf.


Figura 9. Distribución del volumen total de pobla-ción por unidades edificatorias clasificadas.


SALVATIERRA, H. C. (2006): Evaluación estadís-tica de patrones radiométricos para la determi-nación del crecimiento urbano. Mendoza, Ar-gentina. Ponencia. Mendoza, UniversidadNacional de Cuyo. Facultad de Filosofía y Letras.Instituto de Geografía. Consulta: 30 abril 2012.Disponible en: http://bdigital.uncu.edu.ar/1530.

SOLÉ, L., & SERRA, P. (1991): Morfología urba-na del área metropolitana de Barcelona en dosimágenes thematic mapper. Estudios Territoria-les. Instituto del Territorio y Urbanismo, Barce-lona, España, no. 36: 215-242.

Introducción

Nuestro sistema solar tan sólo contiene ochoplanetas, pero en torno a seis de ellos giran lu-nas, multitud de lunas, en la actualidad se co-nocen más de trescientas. Cada una de ellas es

un pequeño mundo, y en muchos aspectos sonmás llamativos que los planetas que orbitan.

Júpiter, y sus decenas de lunas, conformanuno de los sistemas más interesantes y diver-sos de los que se conocen en el sistema solar.Y su luna Europa, objeto de estudio en el pre-


Caso práctico

Clasificación de materiales geológicos en la superficie de la luna Europa de Júpiter

I. Ordóñez Etxeberria y V. Caselles MirallesDepartamento de Física de la Tierra y Termodinámica. Facultad de Física

de la Universidad de Valencia. Dr. Moliner, 50. 46100 Burjassot

Resumen

A partir de las imágenes obtenidas por la misión Galileo de la superficie de la luna Europa de Jú-piter, se ha realizado una clasificación de materiales geológicos sobre la región del cráter Tyre. Estasimágenes fueron tomadas por los instrumentos SSI (Solid State Imager) y NIMS (Near-Infrared Map-ping Spectrometer) y aportaron información multiespectral e hiperespectral del hielo de esta luna ylos materiales que lo componen. La metodología aplicada ha consistido en técnicas de Spectral Mix-ture Analysis, resolviendo la separación de materiales mediante el algoritmo Vertex Component Analy-sis, y permitiendo así identificar la participación de cada componente geológico en un mismo píxel.Los resultados, que han combinado una alta resolución espacial y espectral, muestran una diferencia-ción espacial entre cada uno de los valores propios propuestos.

Palabras Clave: clasificación geológica, Galileo, cráter Tyre, Europa, Júpiter, NIMS, SSI, Spec-tral Mixture Analysis, Vertex Component Analysis.

Abstract

Classification of geological materials on the surface of Jupiter's moon Europa

From the images captured by the Galileo Mission of the surface of Jupiter’s moon Europa, aclassification of geological materials on the Tyre crater region has been obtained. These images weretaken by the SSI (Solid State Imager) and NIMS (Near-Infrared Mapping Spectrometer) instruments,and provided multispectral and hyperspectral information of this moon ice and its component materials.The methodology has consisted of Mixture Spectral Analysis techniques, solving the separation ofmaterials by the Vertex Component Analysis algorithm, allowing to identify the contribution of eachgeological component in the same pixel. The results, which have combined high spatial and spectralresolution, exhibit a spatial differentiation between each of the endmembers given.

Key words: Geological classification, Galileo, Tyre crater, Europa, Jupiter, NIMS, SSI, SpectralMixture Analysis, Vertex Component Analysis.

* Autor para la correspondencia: [email protected] y [email protected]: 30-09-13; Aceptado: 20-11-13.

sente trabajo, con su superf icie helada y suocéano de agua, es uno de los objetos celestesque más curiosidad despierta en la comunidadcientífica.

Desde el inicio de la era espacial han sido va-rias las misiones que han visitado el sistema jo-viano, como las Pioneer 10 y 11, Ulysses, Cas-sini-Huygens y New Horizons. Sin embargo lasmisiones que han aportado información más re-levante de Europa han sido las misiones Voya-ger y la misión Galileo, destacando esta últimapor la resolución tanto espacial como espectralconseguida en la captura de sus imágenes.

Los objetivos de la misión Galileo cubríantres aspectos importantes referentes al sistemade Júpiter: estudiar la atmósfera del planeta,sus satélites y sus magnetosfera (Johnson et al.,1985). Tras su paso en repetidas ocasiones porel planeta y las cuatro lunas principales de és-te, la actividad del orbitador Galileo terminóel 21 de septiembre de 2003. Finalizó así unamisión que, a pesar de sus problemas técnicos,aportó valiosísima información para entenderel sistema de Júpiter y sus lunas.

Desde entonces diversos trabajos han anali-zado los datos recibidos desde Galileo, y se handado pasos para entender el funcionamiento ycomposición geológica de Europa. Esta hete-rogeneidad de materiales se puede apreciar enla Figura 1, en la que se muestra esta luna re-presentada en color verdadero y en falso color.

En este sentido, diversos artículos han abor-dado la cartografía de las distintas unidades ge-ológicas y geomorfológicas de Europa, desta-cando los trabajos de Prockter et al. (1999) yFigueredo y Greeley (2000), y el más comple-to de Figueredo y Greeley (2003), en el que serecoge la cartografía transversal de Europa delos dos hemisferios significativos de esta luna,el frontal y el posterior, con la cartografía deuna banda para cada uno de éstos. En amboscasos, la historia geológica en los dos hemis-ferios es prácticamente similar.

Por otro lado, estos trabajos han aportado mul-titud de pruebas que demostrarían la existenciade un océano de agua líquida bajo la fina corte-za de hielo de Europa, además de explicar la for-mación y origen de diversas estructuras geo-morfológicas sobre la superficie.

Además, el número de cráteres que se han ob-servado sobre la superficie es escaso, si lo com-

paramos con la presencia de éstos en otros cuer-pos rocosos del sistema solar. Este reducido nú-mero de cráteres se considera uno de los facto-res determinantes para datar la edad de la actualsuperficie de Europa, fijándose así en alrededorde 50 millones de años de media (Pappalardo etal., 1999), si bien se da por hecho que algunasregiones son más jóvenes, como áreas de ban-das (menos de 1 millón de años según el traba-jo de Nimmo et al. (2003)), y zonas de caos. Enla Tabla 1 se muestran algunas características delos principales cráteres de Europa.

La presencia de este océano de agua líquidabajo la fina capa de hielo, de apenas una de-cena de kilómetros, viene justif icada por al-gunas características orográficas del terreno.Así, los cráteres de impacto con múltiples ani-llos (el caso de Tyre o Callanish) sugerirían unpenetración en una capa superficial de baja vis-cosidad, insinuando la presencia de agua lí-quida a una profundidad de entre 6 y 40 km(Pappalardo et al., 1999).

Del mismo modo, la presencia de domos,manchas y estructuras lenticulares parecen de-berse también a procesos de convección térmi-ca. Así como los diapiros de hielo que deter-minan la formación de crestas y zonas de caos,se generan en zonas más profundas con pre-sencia de agua líquida. Todo ello justificando,desde el punto de vista morfológico, la presen-cia de este océano de agua en Europa bajo lacapa de hielo superficial (Greeley et al., 1998).

Por otra parte los trabajos de Dalton et al.(2005), Shirley et al. (2010) y Orlando et al.(2005) han aportado similitudes entre los ma-

Clasificación de materiales geológicos en la superfice de la luna Europa de Júpiter 123

Figura 1. Dos imágenes del hemisferio posterior deEuropa. La imagen de la izquierda muestra la su-perficie de esta luna en color verdadero, y la de laizquierda en falso color (violeta, verde e infrarro-jo). Fuente: NASA.

teriales analizados en laboratorio, reprodu-ciendo las condiciones de la superficie de Eu-ropa, con las características espectrales de lasimágenes capturadas por la misión Galileo.

La mineralogía de Europa se caracteriza asípor la presencia en su superficie de hielo deácido sulfúrico hidratado y sales de sulfatos hi-dratados.

Las mejores coincidencias espectrales se handado para combinaciones de sales de magne-sio y sodio tratadas en laboratorio (Daltonet al., 2005), como el sulfato hexadritado(MgSO46H2O), sulfato undecahidratado(MgSO411H2O), la epsomita (MgSO4H2O), labloedita (Na2Mg(SO4)24H2O) y la mirabilita(Na2SO410H2O). También hay similitudes conel ácido sulfúrico hidratado (H2SO48H2O) y elsulfato de sodio (Na2SO4) [Shirley et al. (2010)y Orlando et al. (2005)].

En el trabajo de Shirley et al. (2010) se des-cribe la composición del hielo superficial pa-ra las zonas seleccionadas en su estudio. Así,las llanuras atravesadas por un entramado degrietas parecen componerse de un 46% deagua, un 27% de ácido sulfúrico hidratado yotro porcentaje similar de sales hidratadas, co-mo se recoge en la Tabla 2.

En las regiones donde el albedo es menor,las sales hidratas son el mayor componente dela superficie, con un 62% de presencia, segui-do por el ácido sulfúrico en un 27% y una es-casa participación del 10% de agua en formade hielo. Esta correlación mineralógica con lasformaciones geológicas es también desarro-llada en los trabajos de Carlson et al. (2005) yDalton et al. (2005).

En el estudio de Shirley et al. (2010) tam-bién se encontraron mayores concentracionesde ácido sulfúrico en dirección del hemisferioposterior de Europa, y menores en el hemisfe-rio frontal.

Área de estudio y datos usados

Para el desarrollo práctico de este trabajo seha seleccionado un área de interés sobre la su-perficie de Europa que permite un análisis es-pectral de las imágenes obtenidas por la misiónGalileo. En este sentido, se ha escogido una re-gión que dispone de imágenes para los dos sen-sores de interés en este proyecto, SSI (SolidState Imager) y NIMS (Near-Infrared MappingSpectrometer).

124 I. Ordóñez y V. Caselles / Revista de Teledetección (2013) 40, 122-133

Tabla 1. Localización, diámetro y profundidad de los mayores cráteres de Eu-ropa (Moore et al., 2001)

CráterLatitud Longitud Diámetro Profundidad

(° N) (° W) (km) (km)

Maeve 58,0 75 20,44 0,92-1,68Manannán 3,0 240 21,77 0,95-1,82Pwyll –25,0 271 23,70 1,00-2,03Taliesin –23,0 137 27,70 1,16-2,31Tegid 0,5 164 28,43 1,23-2,29Callanish –16,0 334 29-47,3 1,23-3,62Tyre 34,0 146 43-44 1,86-3,33

Tabla 2. Materiales de la superficie de Europa y porcentaje de éstos según área,a partir del trabajo de Shirley et al. (2010)

ComponenteLlanuras Caos Llanuras con

(%) (%) bajo albedo (%)

Hielo de agua 45 23,0 9Ácido sulfúrico hidratado 35 35,0 29Hexahidrita 10 13,0 11Mirabilita 9 12,0 17Bloedita 2 17,1 9Sulfato de magnesio 0 0,0 16

Así, el área seleccionada ha sido el cráterTyre, situado en la posición 34° N, 146° W, queubica imágenes a gran resolución para ambosinstrumentos. Tyre es el cráter más grande y demayor profundidad que podemos encontrar so-bre Europa (Tabla 1) y muestra una morfolo-gía distinta a la del resto de cráteres de esta lu-na, si exceptuamos las formas similares que sehan encontrado en el cráter Callanish.

Su principal característica es que muestrauna serie de grandes anillos concéntricos alre-dedor del impacto. Estos anillos, y según seapunta en el trabajo de Moore et al. (1998),pueden ser explicados si se considera una ca-pa de hielo más fina que en otros entornos, deentre 10 y 15 km de grosor, y si ésta se apoyasobre un material de menor viscosidad, proba-blemente agua.

El diámetro del anillo más externo es de125 km y el anillo interior más reconocible tie-ne un diámetro de 30 km. La distancia entre losanillos es típicamente de entre 5 y 7 km. Losanillos individuales suelen ser muy estrechos,de alrededor de 1 km, aunque a veces se du-plican como en el noroeste de Tyre.

Más allá de este campo de anillos, se puedeobservar una serie de pequeños puntos en to-das las direcciones que se vuelven menos nu-merosos con la distancia al cráter, y que se in-terpretan como cráteres secundarios creadospor el impacto en la formación del cráter prin-cipal Tyre.

Cámara principal SSI

Con un peso de 29,7 kilogramos, el instru-mento SSI consistía en una cámara de 1500 mmde distancia focal, con un sensor CCD de 800x 800 píxeles que le permitía tomar imágenesa alta resolución espacial en los diferentes en-cuentros con algunos de los satélites de Júpi-ter. La resolución mínima de sus imágenes fuede 1 km/px, aunque en algunas áreas se consi-guieron resoluciones que permitieron distin-guir objetos menores de 10 metros. El campoangular (FOV) era de 8,1 mrad.

El rango espectral al que era sensible iba delos 350 a 1100 nm, lo que le suponía una sen-sibilidad mucho mayor que la de los equipostransportados por las misiones Voyager. La re-

solución radiométrica del sensor era de 8 bitsy la óptica de la cámara estaba construida co-mo un telescopio de tipo Cassegrain (reflec-tante).

Las imágenes de SSI están disponibles enformato Raw Experiment Data Record (REDR),a un tamaño de 800 × 800 píxeles, y una reso-lución radiométrica de 8 bits.

El sensor SSI, en la órbita E14, es el que me-jores imágenes obtuvo de esta región. Dispo-nemos de 15 imágenes, con pequeñas porcio-nes de solape entre ellas, que permiten su uniónpara formar una representación del área com-pleta del cráter Tyre (Figura 2). La resoluciónespacial de este conjunto de imágenes es de170 m/px, y fueron capturadas en modo CLE-AR, a una longitud de onda centrada en los 611nm (Tabla 3).

Espectrómetro en el infrarrojo cercano NIMS

En relación a los satélites del sistema jovia-no, este instrumento hiperespectral tenía comoobjetivo principal caracterizar la distribuciónde los diferentes minerales sobre la superficiede éstos.

Su resolución espacial era menor que en elcaso del instrumento SSI, alcanzando resolu-ciones de entre 5 y 30 km/px para los satélitesEuropa, Ganímedes y Calisto. En el caso de Ío,las resoluciones conseguidas con este equipofueron de 120 a 600 km/px. El rango espectralcubierto por NIMS iba de los 0,7 a 5,2 μm,coincidiendo en parte con el rango de longitudde onda de SSI.


Tabla 3. Características espectrales de los filtros deSSI (Belton et al., 1992)

Longitud Ancho Filtro de onda de banda

(nm) (nm)

Clear 611 440Violet 404 45Green 559 65Red 671 60«Methane» (7270) 734 10«Continuum» 756 19«Methane» (8890) 887 16«Infrared» 986 50

Para la clasificación de materiales superfi-ciales se ha seleccionado la imagen catalogadacon el nombre G7E004CI, que corresponde porsu nomenclatura a la cuarta imagen tomada enla séptima órbita a su paso por Ganímedes.

G7E004CI consiste en una imagen de66 × 77 píxeles, con 360 bandas espectrales,que en un principio recogían los datos desdelos 0,7 a 5,2 μm. La resolución espacial es de5,877 km/px, lo que supone una diferencia im-portante respecto a las anteriores imágenescapturadas por SSI.

En el caso de la imagen G7E004CI, estos da-tos han sido remuestreados y proyectados pa-ra un mismo punto de observación en la trans-formación de esta información a una imagencúbica. Además, al tratarse de una imagen convalores de reflectividad, también se realizó unproceso previo de conversión a partir de los va-lores de radiancia.

En nuestra imagen, a pesar de disponer apriori de 360 bandas, a partir de la banda 150,esto es en los 2,7 μm de longitud de onda, y co-mo se puede observar en la Figura 3, la señalobtenida es prácticamente ruido debido a la ra-

diación proveniente de Júpiter. Así, en lo querespecta a la parte práctica de este trabajo, sehan seleccionado exclusivamente las 150 pri-meras bandas de la imagen G7E004CI.

La extensión del fichero de la imagen des-cargada del repositorio del United States Geo-logical Survey (USGS), es QUB que corres-ponde a un formato de datos y arquitectura detipo VAX REAL de 32 bits. Por lo tanto, pre-viamente se han convertido los datos de la ar-quitectura VAX a IEEE, transformando el ar-chivo QUB original al formato CUB, usadoeste último de manera generalizada para los da-tos de otras misiones espaciales diferentes aGalileo.

En ambos archivos, tanto QUB como CUB,la información de los metadatos de la imagense ubica en la cabecera del fichero.

Así, para la obtención de los datos de la ima-gen G7E004CI, se ha decidido transformar és-tos en formato RAW binario, usando los co-mandos específ icos del software ISIS delUSGS en su versión 2. Con el resultado se haaccedido a los datos RAW binarios, exportán-dolos posteriormente al formato TIF para ha-


Figura 2. Mosaico formado por las imágenes SSI en la órbita E14, sobre el áreadel cráter Tyre. En este mosaico han participado 15 imágenes en total. La reso-lución espacial de esta imagen es de 170 m/px.

cerlos accesibles a la generalidad de los pro-gramas de manipulación y tratamiento de imá-genes.

Por último los píxeles negros en la imagencorresponden a valores sin datos (NaN), iden-tif icados en los datos RAW por el valor–3,402822 × 1038, y condicionando aún másel volumen de información disponible para es-te área.

Así, de los 5082 píxeles de los que dispone-mos en la imagen, para cada una de las bandas,tan sólo se ha podido contar con 3676, es de-cir, el 72% de la cobertura de la imagen. Estohace un total de cerca de 127.000 km2 dispo-nibles para la clasificación de materiales.

El acceso a las imágenes recopiladas por losdos sensores, se ha realizado mediante la pá-gina Galileo Online Data Volumes, gestionadapor el Jet Propulsion Laboratory (JPL) y elUSGS y la NASA.

Metodología

La aplicación de la metodología en este pro-yecto se ha centrado en el tratamiento de laimagen hiperespectral proveniente del sensorNIMS.

En lo que respecta a las imágenes de mejorresolución espacial del sensor SSI, su trata-miento tan sólo ha consistido en determinar suubicación sobre la superficie de Europa, con

el objetivo de disponer de una región amplia,que permita localizar y representar los resul-tados de la clasificación de la imagen NIMS.

Así, las imágenes SSI no han soportado nin-gún proceso de análisis ni tratamiento radio-métrico para ser usadas en este proyecto.

De este modo, y en cuanto a la metodologíase refiere, el objetivo de este trabajo es clasi-ficar y determinar la abundancia de los dife-rentes materiales que componen la superficiede Europa sobre el área del cráter Tyre, anali-zando la imagen hiperespectral G7E004CI delsensor NIMS.

Hay algunos factores que condicionan la se-lección de la metodología a aplicar. Por un la-do, se trata de identificar materiales superfi-ciales de los que no se dispone ninguna muestrade campo. Es decir, la única información conla que contamos para determinar la naturalezade estas superficies deriva del análisis que di-ferentes equipos de investigación han realiza-do de los datos provenientes de las misiones aEuropa.

Por otro lado, tampoco existe una caracteri-zación espacial de los materiales propuestos enlos diversos trabajos consultados, si exceptua-mos el planteamiento de Shirley et al. (2010)y que se ha mostrado ya en la Tabla 2.

Ambos condicionantes, la inexistencia demuestras de campo, y la imposibilidad de ubi-car espacialmente los diferentes materiales, nosimponen la selección de la metodología a apli-


Figura 3. Valores de reflectividad recogidos por banda, para cada uno de los píxeles.

car. En este caso, el método escogido ha sidoemplear una clasif icación no supervisa en-marcada dentro de las técnicas de Spectral Mix-ture Analysis (SMA).

Este método SMA permite diversas aplica-ciones, algunas muy interesantes, como la de-tección de objetivos concretos a nivel subpí-xel, el análisis multitemporal de las superficies,y la clasificación de cultivos y materiales ge-ológicos (Camps-Valls et al., 2011). Esto últi-mo, objeto de estudio en este trabajo.

Spectral Mixture Analysis

El diseño del instrumento NIMS, permitióla captura de imágenes a alta resolución es-pectral, cubriendo el rango de 0,7 a 5,2 μm enhasta 408 bandas diferentes. Sin embargo, laalta resolución espectral se consigue a costa deresolución espacial, debido fundamentalmen-te a limitaciones técnicas, y los píxeles resul-tantes son espacialmente toscos.

Para resolver este problema se usa la técni-ca de Spectral Mixture Analysis (o Spectral Un-mixing), que identifica los píxeles más puros(valores propios o endmembers), y estima suproporción y abundancia para cada uno de losmateriales.

Diversidad de materiales

El primer paso a dar, cuando se trata de apli-car técnicas de SMA, es definir el número demateriales puros diferentes que podemos en-contrar sobre el área de estudio.

Existe cierto consenso en lo que respecta alnúmero de materiales que se pueden encontraren esta luna, aunque su naturaleza aún no se haresuelto definitivamente. En todo caso, en lostrabajos de McCord et al. (2010) y Dalton et al.

(2005) se reduce el número de patrones espec-trales a 5, uno para el hielo de H2O, y cuatromás para diferentes composiciones de sales yácidos hidratados.

Este mismo criterio se ha seguido tambiénen el estudio de Clark et al. (1998), apuntandoque no se han encontrado evidencias de más deun valor propio diferente al del hielo de H2O,subrayando que éste no consistiría en un ma-terial puro, sino en la mezcla a diferentes pro-porciones de diversas sales hidratadas y ácidosulfúrico.

Por tanto, en lo que respecta al número devalores propios definidos para el área de estu-dio, limitamos la variedad de éstos a 5 patro-nes espectrales diferentes.

Vertex Component Analysis

El modelo escogido para resolver la clasifi-cación de este proyecto ha sido el Vertex Com-ponent Analysis (VCA), siguiendo las pautasdel algoritmo propuesto en el artículo de Nas-cimento y Bioucas Dias (2005).

El modelo VCA trata de separar espectral-mente y de manera lineal los vectores mezclade la imagen en sus correspondientes valorespropios.

Consiste en un algoritmo no supervisado,cuyas principales características son que losvalores propios a determinar corresponden alos vértices de una figura geométrica simplex(en nuestros caso, con 5 valores propios resul-taría un pentácoron), y que la transformaciónafín de un simplex resulta en otro simplex.

Los valores propios se caracterizan secuen-cialmente de manera iterativa, proyectando losdatos en una dirección ortogonal al subespacioanteriormente creado, repitiendo el procesotantas veces como número de endmembers se-ñalado.


Figura 4. Esquema del flujo de trabajo aplicado en la metodología del proyecto.

Los valores de cada uno de estos endmem-bers, se almacenan en una matriz A, de tama-ño b × n, siendo b el número de bandas selec-cionado (150 en este trabajo) y n, el número devalores propios escogido, en nuestro cason = 5.

Determinación de la abundancia

La abundancia, se calcula como una inver-sión por técnicas de regresión de manera quese obtiene así una estimación de la mezcla demateriales.

En nuestro caso, se resuelve el problema demínimos cuadrados con la matriz pseudoin-versa Moore-Penrose, de tal modo que reali-zamos el cálculo de ésta, sobre la matriz de va-lores propios A devuelta en el anterior proceso.

Finalmente el resultado será una matriz den × p dimensiones, siendo p el número de pí-xeles de cada una de las bandas de la imagen.

Resultados

Tras aplicar el SMA sobre las imágenes hi-perespectrales, usando el algoritmo VCA des-

crito anteriormente, se han obtenido diferen-tes mapas de abundancia de materiales.

Sin embargo, para mejorar la visibilidad delos resultados, y con el fin de ubicar éstos enfunción de las características geomorfológicasdel terreno, se ha realizado un mosaico de lasimágenes capturadas por el sensor SSI para elárea del cráter Tyre, sobre el que se han super-puesto los mapas resultantes.

En lo que respecta a la naturaleza de las su-perficies clasificadas, aunque como se ha men-cionado, en algunos trabajos se han muestrea-do materiales que se suponen en la superficiede Europa, caracterizando su señal espectralen las mismas condiciones de presión y tem-peratura que se dan en esta luna (Dalton et al.,2005), en este trabajo se ha preferido omitir lacomparación con éstas ya que los mismos tex-tos advierten de su consideración hipotética, afalta de obtener muestras de campo que vali-den estos estudios.

Por lo tanto, la nomenclatura de cada una delas clases obtenidas en este trabajo, ha consisti-do en numerar el material resultante en funcióndel número de su valor propio representante.

Primeramente se ha realizado un análisis decomponentes principales, con el fin de reducir ladimensionalidad y realizar una primera lecturade la distribución de ácidos y sales en la imagen.

El resultado de la segunda componente prin-cipal, que se puede observar en la Figura 6, se-para las áreas de mayor concentración de salesy ácidos del mismo modo que el señalado enel trabajo de Fanale et al. (2000), en el que es-te análisis se usa como modelo para la distri-bución de la saturación de materiales.

Así, este resultado del ACP, y tomando co-mo pauta en anterior artículo citado, nos seña-la la identidad de uno de los materiales obte-nidos tras aplicar el algoritmo VCA a los datosde hiperespectrales de NIMS.

Posteriormente, se ha aplicado el algoritmoVCA para identif icar el porcentaje de mate-riales en la escena, indicando la concentraciónde cada uno de los materiales seleccionados,en cada punto de la imagen. En la Figura 7 semuestran los resultados proyectados sobre elmosaico realizado con las imágenes SSI.

Al aplicar el algoritmo directamente sobrela imagen G7E004CI, para cada uno de los va-lores propios escogidos, se muestran las áreas


Figura 5. Gráfico de dispersión de los canales 140y 50, ya proyectados, con la proyección en 2 di-mensiones de un simplex de 3 vértices. Para estegráf ico se han usado los datos de la imagenG7E004CI, señalando la identificación de 3 valo-res propios.

de mayor concentración con tonos más oscu-ros, y más claros en los puntos donde la pre-sencia de ese material es más escaso.

El valor propio correspondiente al mate-rial 1, que es coincidente con el resultado de lasegunda componente del ACP (Figura 6), res-ponde a la respuesta en función de la mayor omenor concentración de sales sobre el hielo deH2O, teniendo en cuenta los resultados del tra-bajo de Fanale et al. (2000) y las descripcionesespectrales de Dalton et al. (2005).

De esta forma, este primer material resumemejor que ningún otro la característica mine-ralógica principal de la superficie de Europa,esta es, la concentración de sales y ácidos so-bre el hielo de agua. Representa pues la distri-bución de la pureza del hielo sobre la superfi-cie estudiada.

Por lo tanto, y como se puede observar en laFigura 7(a), la menor concentración de sales yácidos se da en las regiones más al norte de laimagen.

De igual modo destaca la saturación del res-to de valores propios en las alineaciones del

suroeste y sur del cráter Tyre, junto a las doscrestas que discurren de forma casi paralela alcráter y que terminan por unirse, y una aline-ación que atraviesa la región sur de este a oes-te, aunque en este último caso de manera me-nos acentuada.

Por último, se puede apreciar también unaconcentración alta del resto de materiales so-bre una formación lenticular, al noreste de laescena.

Abundancia de materiales

Tomando por lo tanto, como referente de laconcentración de materiales diferentes al hie-lo de H2O la Figura 7(a), podemos identificarlos 4 endmembers restantes como los 4 com-ponentes mineralógicos propuestos por Shir-ley et al. (2010), Dalton et al. (2005) y Orlan-do et al. (2005): Ácido sulfúrico hidratado,Hexahidrita, Mirabilita y Bloedita.

El material 2 [Figura 7(b)] tiene una distri-bución desigual en la escena. Su concentración


Figura 6. Segunda componente principal al aplicar el ACP.

es algo mayor en el área situada más al este,que en la parte oeste de la imagen. Además, esescaso en el centro del cráter Tyre, siendo estasu principal característica espacial.

Sin embargo en las áreas relativamente lla-nas, que se distribuyen a los lados de las di-versas crestas de la zona, la distribución de es-te material es bastante homogénea.

Exceptuando su ausencia de representaciónen el centro del cráter Tyre, no se puede apre-ciar ninguna otra relación de la concentraciónde este material con alguna característica geo-morfológica de la superficie.

El material 3 por otro lado, muestra ciertasimilitudes con la distribución espacial del an-terior, en el sentido que ofrece una menor con-centración en el área del cráter de impacto, aun-que es mayor que en el caso del material 2, ysu abundancia se muestra más constante en elresto de la imagen.

En todo caso, algunas pequeñas zonas dis-tribuidas en las áreas más llanas de la región

indican también una escasez de este material.El material 4, de manera diferente a los dos

anteriores, presenta una alta concentración enel cráter Tyre, siendo menor su presencia en elresto de la zona. Este material se encontraríapresente mayoritariamente para ese área, el in-terior del cráter Tyre, de forma conjunta con elhielo de agua.

Su presencia también se destaca al noroes-te de la escena, siendo menor conforme másnos alejamos de este área, y sin apenas repre-sentación en la esquina sureste de la imagen.

Por último, el material 5 [Figura 7(d)] tam-bién presenta similitudes con el material 4, sibien su distribución en el cráter Tyre no es tanhomogénea como en el anterior.

Muestra además una mayor concentraciónde material en la unión del cráter con las doscrestas de la parte suroeste a Tyre. Su distri-bución es heterogénea en el resto de la escena,siendo algo más significativa su presencia alsuroeste de la región.


Figura 7. Resultados obtenidos sobre la imagen NIMS al aplicar el algoritmo VCA, superpuestos al mo-saico de imágenes del sensor SSI. a) Material 1. b) Material 2. c) Material 3. d) Material 4. e) Material 5.

a

c d e

b

Conclusiones

Atendiendo a la diversidad mineralógicapropuesta por Dalton et al. (2005) y Shirleyet al. (2010), se ha realizado una separación deabundancias para cada uno de los materialespropuesto.

En este sentido, no existe un trabajo previoen el que se aporten concentraciones de mate-riales de manera espacial señalando su distri-bución para toda la escena estudiada. Es decir,las técnicas de SMA usadas en otros estudios[McCord et al. (2010), Dalton et al. (2005),Shirley et al. (2010) y Fanale et al. (2000)] sehan centrado en determinar las diversas signa-turas espectrales de cada material de la super-ficie, y no tanto en resolver espacialmente sudistribución en el terreno.

En general no se estudia su ubicación espa-cial, más allá de posiciones puntuales, si ex-ceptuamos el trabajo de Fanale et al. (2000),en el que se propone una distribución de satu-ración de sales y ácidos en base a un modelolineal apoyado en el ACP, y el artículo de Carl-son et al. (2005) con la presentación espacialdel ácido sulfúrico sobre la imagen estudiadaen su trabajo.

De este modo, los resultados obtenidos enel trabajo que aquí se presenta podrían ofreceruna perspectiva diferente en la caracterizacióny origen de los diferentes materiales, en fun-ción de su distribución sobre la superficie y surelación con las distintas formaciones geo-morfológicas.

Hay que destacar que los mapas obtenidoscorresponden a la primera propuesta de abun-dancia diferenciada de sales y ácidos realiza-da para la superficie del área del cráter Tyre.

En todo caso, la falta de identificación de lanaturaleza de los materiales resultantes, restala posibilidad de realizar una lectura más pro-funda de estos resultados. Tan sólo muestranque los diferentes materiales obtenidos no sedistribuyen de forma regular por el área de es-tudio.

Por lo tanto, los resultados aportados sólo sepueden entender como una aproximación pre-liminar en el estudio las características super-ficiales de Europa, en función de la distribu-ción diferenciada de sus materiales. Paraobtener información concluyente sería nece-

sario añadir otras metodologías que ampliaranlos datos de estos resultados aquí presentados.

Así, como futuras líneas de trabajo, sería in-teresante cotejar las señales espectrales de ca-da uno de los valores propios obtenidos, conlas signaturas de los materiales elaborados ymedidos en laboratorio. De este modo podríarealizarse una identificación de cada uno de losmateriales clasificados, y determinar, dentrode los márgenes de error analizados por losequipos que han desarrollado estas librerías es-pectrales, la naturaleza de cada una de estas su-perficies. Se aportarían así datos para ampliarel conocimiento de la dinámica y caracteriza-ción de la superficie de la luna Europa.

Referencias

Belton, M. J. S., Klaasen, K. P., Clary, M. C., An-derson, J. L., Anger, C. D., Carr, M. H., Chap-man, C. R., Davies, M. E., Greeley, R., & An-derson, D. (1992). «The Galileo Solid-StateImaging experiment». Space Science Reviews,60, pp. 413-455. doi: 10.1007/BF00216864.

Camps-Valls, G., Tuia, D., Gómez-Chova, L., Ji-ménez, S., & Malo, J. (2011). Remote SensingImage Processing. Morgan & Claypool.

Carlson, R. W., Anderson, M. S., Mehlman, R., &Johnson, R. E. (2005). «Distribution of hydrateon Europa: Further evidence for sulfuric acidhydrate». Icarus, 177(2), pp. 461-471. ISSN0019-1035. doi: 10.1016/j.icarus.2005.03.026.Europa Icy Shell. http://www.sciencedirect.com/science/article/pii/S001910350500134X

Clark, B. E., Helfenstein, P., Veverka, J., Ockert-Bell,M., Sullivan, R. J., Geissler, P. E., Phillips, C. B.,McEwen, A. S., Greeley, R., Neukum, G., Denk,T., & Klaasen, K. (1998). «Multispectral TerrainAnalysis of Europa from Galileo Images». Icarus,135(1), pp. 95-106. ISSN 0019-1035. doi:10.1006/i- car.1998.5968.http://www.sciencedi-rect.com/science/article/pii/S0019103598959681

Dalton, J. B., Prieto-Ballesteros, O., Kargel, J. S.,Jamieson, C. S., Jolivet, J., & Quinn, R. (2005).«Spectral comparison of heavily hydrated saltswith disrupted terrains on Europa». Icarus,177(2), pp. 472-490. ISSN 0019-1035. doi:10.1016/j.icarus.2005.02.023. Europa Icy Shell.http://www.sciencedirect.com/science/article/pii/S0019103505001375

Fanale, F. P., Granahan, J. C., Greeley, R., Pappa-lardo, R., Head, J., Shirley, J., Carlson, R., Hen-drix, A., Moore, J., McCord, T. B., & Belton, M.(2000). «Tyre and Pwyll: Galileo orbital remotesensing of mineralogy versus morphology at two



selected sites on Europa». Journal of Geophysi-cal Research: Planets, 105(E9), pp. 22647-22655.ISSN 2156-2202. doi: 10.1029/1999JE001102.http://dx.doi.org/10.1029/1999JE001102

Figueredo, P. H., & Greeley, R. (2003). «The Emer-ging Resurfacing History of Europa from Pole-to-Pole Geologic Mapping», 34, p. 1017.

Figueredo, P, H., & Greeley, R. (2000). «Geologicmapping of the northern leading hemisphere ofEuropa from Galileo solid-state imaging data».Journal of Geophysical Research: Planets,105(E9), pp. 22629-22646. ISSN 2156-2202. doi:10.1029/1999JE001107.http://dx.doi.org/10.1029/1999JE001107

Greeley, R., Sullivan, R., Klemaszewski, J., Homan,K. III, James W. H., Pappalardo, R. T., Veverka, J.,Clark, B. E., Johnson, T. V., Klaasen, K. P., Belton,M., Moore, J., Asphaug, E., Carr, M. H., Neukum,G., Denk, T., Chapman, C. R., Pilcher, C. B., Geiss-ler, P. E., Greenberg, R., & Tufts, R. (1998). «Eu-ropa: Initial Galileo Geological Observations».Icarus, 135(1), pp. 4-24. ISSN 0019-1035. doi:10.1006/icar.1998.5969. http://www.sciencedi-rect.com/science/article/pii/S0019103598959693

Johnson, T. V., Yeates, C. M., Colin, L., Fanale, F.P., Frank, L., & Hunten, D. M. (1985). Galileo:Exploration of Jupiter’s system.

McCord, T. B., Hansen, G. B., Combe, J.-P., & Hay-ne, P. (2010). «Hydrated minerals on Europa’ssurface: An improved look from the GalileoNIMS investigation». Icarus, 209(2), pp. 639-650. ISSN 0019-1035. doi: 10.1016/j.ica-rus.2010.05.026. http://www.sciencedirect.com/science/article/pii/S0019103510002186

Moore, J. M., Asphaug, E., Belton, M. J.S., Bier-haus, B., Breneman, H. H., Brooks, S. M., Chap-man, C. R., Chuang, F. C., Collins, G. C., Giese,B., Greeley, R. III, James W. H., Kadel, S,, Klaa-sen, K. P., Klemaszewski, J. E., Magee, K. P., Mo-reau, J., Morrison, D., Neukum, G., Pappalardo,R. T., Phillips, C. B., Schenk, P. M., Senske, D.A., Sullivan, R. J., Turtle, E, P., & Williams, K.K. (2001). «Impact Features on Europa: Resultsof the Galileo Europa Mission (GEM)». Icarus,151(1), pp. 93-111. ISSN 0019-1035. doi:10.1006/icar.2000.6558. http://www.sciencedi-rect.com/science/article/pii/S0019103500965588

Moore, J. M., Asphaug, E., Sullivan, R. J., Klemas-zewski, J. E., Bender, K. C., Greeley, R., Geiss-ler, P. E., McEwen, A. S., Turtle, E. P., Phillips,C. B., Tufts, B.R. III, J. W. H., Pappalardo, R. T.,Jones, K. B., Chapman, C. R., Belton, M. J.S.,

Kirk, R. L., & Morrison, D, (1998). «Large Im-pact Features on Europa: Results of the GalileoNominal Mission». Icarus, 135(1), pp. 127-145.ISSN 0019-1035. doi: 10.1006/icar.1998.5973.http://www.sciencedirect.com/science/article/pii/S0019103598959735

Nascimento, J. M. P., & Bioucas Dias, J. M.(2005). «Vertex component analysis: a fast al-gorithm to unmix hyperspectral data». Geos-cience and Remote Sensing, IEEE Transactionson, 43(4), pp. 898-910. ISSN 0196-2892. doi:10.1109/TGRS.2005.844293.

Nimmo, F., Pappalardo, R. T., & Giese, B. (2003).«On the origins of band topography, Europa».Icarus, 166, pp. 21-32. doi: 10.1016/j.ica-rus.2003.08.002.

Orlando, T, M., McCord, T, B., & Grieves, G. A.(2005). «The chemical nature of Europa surfacematerial and the relation to a subsurface ocean».Icarus, 177(2), pp. 528-533. ISSN 0019-1035.doi: 10.1016/j.icarus.2005.05.009. Europa IcyShell. http://www.sciencedirect.com/science/ar-ticle/pii/S0019103505001983

Pappalardo, R. T., Belton, M. J. S., Breneman, H. H.,Carr, M. H., Chapman, C. R., Collins, G. C.,Denk, T., Fagents, S., Geissler, P. E., Giese, B.,Greeley, R., Greenberg, R., Head, J. W., Helfens-tein, P., Hoppa, G., Kadel, S. D., Klaasen, K. P.,Klemaszewski, J. E., Magee, K., McEwen, A. S.,Moore, J. M., Moore, W. B., Neukum, G., Phillips,C. B., Prockter, L. M., Schubert, G., Senske, D.A., Sullivan, R. J., Tufts, B. R., Turtle, E. P., Wag-ner, R., & Williams, K. K. (1999). «Does Europahave a subsurface ocean? Evaluation of the geo-logical evidence». Journal of Geophysical Re-search: Planets, 104(E10), pp. 24015-24055. ISSN 2156-2202. doi: 10.1029/1998JE000628.http://dx.doi.org/10.1029/1998JE000628

Prockter, L. M., Antman, A. M., Pappalardo, R. T.,Head, J. W., & Collins, G. C. (1999). «Europa:Stratigraphy and geological history of the anti-Jovian region from Galileo E14 solid-state ima-ging data». Journal of Geophysical Research: Pla-nets, 104(E7), pp. 16531-16540. ISSN2156-2202. doi: 10.1029/1998JE001015.http://dx.doi.org/10.1029/1998JE001015

Shirley, J. H., Dalton, J. B., Prockter, L. M., &Kamp, L. W. (2010). «Europa’s ridged plains andsmooth low albedo plains: Distinctive composi-tions and compositional gradients at the leadingside-trailing side boundary». Icarus, 210, pp.358-384. doi: 10.1016/j.icarus.2010.06.018.


Caso práctico

Conceptos físicos básicos para la utilización de teledetección óptica en el cartografiado de hábitats

bentónicos costeros

G. CasalGrupo de Recursos Marinos y Pesquerías. Facultad de Ciencias. Universidad de A Coruña.

Rúa da Fraga 10. 15008 A CoruñaEstonian Marine Institute. University of Tartu. Mäealuse 14. Tallinn, 12618, Estonia

Resumen

El uso de la teledetección se encuentra bien consolidado en el cartografiado de fondos costeros de-bido a las ventajas que presentan en comparación con métodos de campo tradicionales. Entre estasventajas, se podría mencionar que son técnicas no invasivas, permiten estudiar áreas extensas, carto-grafiar zonas inaccesibles así como proporcionar coberturas repetitivas de un área objeto de estudio.Sin embargo, a pesar de su potencial, la aplicación de teledetección en ambientes acuáticos presentaciertas limitaciones como la perturbación atmosférica, la absorción de ciertas longitudes de onda porla columna de agua, el efecto de la velocidad del viento y la elevación solar, la resolución y el ruidodel sensor empleado, etc. que deberían ser tenidas en cuenta antes de su aplicación. Esto evitaría, enciertas ocasiones, la obtención de resultados inesperados o el malgastar determinados recursos. Poresta razón, este trabajo pretende resumir los procesos físicos básicos que deberían ser tenidos en cuen-ta a la hora de emplear la teledetección en el cartografiado de hábitats bentónicos costeros.

Palabras clave: óptica marina, teledetección, luz, agua, algas.

Abstract

Basic physical concepts in optical remote sensing for mapping benthic coastal habitats

The use of remote sensing is well established to map coastal environments due to its advantageswith regard to traditional f ield methods. Among these advantages, it can be mentioned that thesetechniques are non-invasive, allow studying large areas, mapping inaccessible zones as well as providea repetitive cover of a target area. However, despite its potential to map benthic habitats, the use ofremote sensing in aquatic environments presents some limitations such as the atmospheric perturbation,the absorption by the water column at some wavelengths, the effect of wind speed and solar elevation,the noise and resolution of the sensor, etc. Taking these limitations into account would avoid, in someoccasions, unexpected results or waste certain resources. For this reason, this manuscript tries to gatherthe basic physical processes that should be considered when it comes to use remote sensing in themapping of benthic coastal habitats.

Key words: marine optics, remote sensing, light, water, algae.


Introducción

La aplicación de teledetección en el carto-grafiado de hábitats sumergidos pasa por el en-tendimiento previo del comportamiento de laluz en el agua y las características de reflecti-vidad de los componentes bentónicos. Una delas dificultades más citadas en este tipo de es-tudios es la influencia que la variación de pro-fundidad provoca en la señal procedente delfondo debido, principalmente, a la absorciónde ciertas longitudes de onda por columna deagua (e.g. Crackwell et al., 1987). Consecuen-temente, un hecho fundamental a tener en cuen-ta en la elección de un sensor en el cartogra-fiado de hábitats bentónicos será por tanto unaconfiguración de bandas capaces de penetraren la columna de agua y registrar la señal pro-cedente del fondo. Por lo tanto, sólo los sen-sores con bandas en la región visible del es-pectro electromagnético serán efectivos en ladetección de las características de los hábitatssumergidos (Holden y LeDrew, 1998).

Por otra parte, profundidad a la que un de-terminado sensor sea capaz de registrar la se-ñal procedente del fondo, dependerá de la lon-gitud de onda que emplee pero también de laclaridad del agua. La absorción del agua en simisma limita la profundidad de penetración alongitudes de onda largas (infrarrojo), mientrasla absorción provocada por la materia orgánicadisuelta y el fitoplancton limita la penetraciónde longitudes de onda menores a 480 nm(IOCCG, 2000). Así, en aguas típicamente cos-teras, el fondo puede ser detectado hasta pro-fundidades de hasta 30 m o incluso más mien-tras que en aguas altamente turbias, como ríoscon una elevada carga de materia en suspen-sión, la profundidad de penetración puede sermenor de un metro para todas las longitudes deonda (IOCCG, 2000) o incluso puede llegar ano verse el fondo. Por esta razón, la variaciónde la atenuación en la señal espectral con la pro-fundidad, es una cuestión clave para la utiliza-ción de teledetección en estudios relacionadospor ejemplo, con la estimación de la batimetríao en la caracterización del fondo. La profundi-dad y el rango espectral de penetración varia-rán enormemente en función de la claridad delagua. En este artículo, se recogen de forma bá-sica y general los principales procesos físicos

a tener en cuenta en la aplicación de teledetec-ción en ambientes acuáticos y las principalesalteraciones que sufre la señal electromagnéti-ca antes de ser recogida por el sensor.

Luz, atmósfera, agua

Para que un sensor sea capaz de registrar unaseñal procedente del fondo, dicha señal deberecorrer un camino largo y complejo. El flujode fotones descendente procedente del sol de-be interactuar en primer lugar con la atmósfe-ra, atravesar la interfaz aire-agua y finalmen-te interactuar con la columna de agua hastaalcanzar el fondo. Además, una vez el flujo defotones ha interactuado con el fondo, es nece-sario que éste realice el camino inverso en unaseñal lo suficientemente intensa como para serregistrada por el sensor.

La contribución atmosférica y la reflexiónespecular de la superficie del mar constituyenruido en los estudios de cartografiado bentó-nico por lo que ambos necesitan ser corregi-dos. En el caso de la teledetección aplicada enambientes acuáticos, el total de la señal reci-bida a la altitud del sensor es solamente de un8% a 10% de la señal correspondiente a la re-flectividad procedente del agua (Gordon y Mo-rel, 1983). Por esta razón, la corrección de lainfluencia atmosférica constituye un procesofundamental en el cartografiado bentónico de-bido a que la radiancia procedente del agua (laseñal «útil») es muy baja si lo comparamos conla «huella» perturbadora de la atmósfera (Mé-lin y Zibordi, 2005).

El comportamiento de la radiación electro-magnética en la columna de agua, una vez haviajado a través de la atmósfera, dependerá enor-memente del tipo de agua con la que se en-cuentre. Teniendo en cuenta su composición, lasaguas marinas pueden dividirse en: Tipo 1 y Ti-po 2 (Morel y Prieur, 1977; Gordon y Morel,1983). Las aguas Tipo 1 son aquellas en las queel fitoplancton, junto con su material derivadoy acompañante, es el principal responsable delas variaciones de las propiedades ópticas delagua (IOCCG, 2000). Por otra parte, las aguasTipo 2 se encuentran influenciadas no sólo porel fitoplancton y las partículas relacionadas si-no también por otras sustancias, que varían in-

Conceptos físicos básicos para la utilización de teledetección óptica... 135

dependientemente del fitoplancton, tales comopartículas inorgánicas en suspensión y materiaorgánica disuelta (gelbstoff) (IOCCG, 2000).Además, si la reflectividad del fondo influenciade manera significativa la señal de radiancia delagua (water leaving radiance), estas aguas sontambién consideradas de Tipo 2 (Dekker et al.,2001). Siguiendo esta clasificación, las aguasTipo 1 representarían a las aguas oceánicasmientras que las Tipo 2 representarían las aguascosteras. Cerca de la costa, la acción de las olasy la influencia humana (agricultura, navegación,pesca, etc.) incrementan la materia particuladaen suspensión provocando a su vez un incre-mento en la complejidad óptica del agua y ha-ciendo difícil la detección de la señal procedentedel fondo mediante teledetección.

Es necesario considerar que el campo de luzdebajo de la superf icie del agua no es sola-mente una función de las propiedades de losconstituyentes del agua, sino también de la pro-fundidad y de las propiedades del fondo. De-pendiendo de estas dos últimas propiedades, laintensidad de la luz puede disminuir más rápi-damente de lo esperado, permanecer constan-te a través de la columna de agua o incluso in-crementarse con la profundidad (Maritorenaet al., 1994) (Figura 1).

Luz e interfaz aire-agua

Como todos sabemos, la luz está formada porunidades indivisibles denominadas cuantos o fo-

tones. Cada fotón tiene una longitud de onda, λy una frecuencia, υ, y la energía, e, en un fotónvaría con la frecuencia e inversamente con lalongitud de onda. Esta relación viene definidamediante la expresión e donde h correspondecon la constante de Planck (6.63 ⋅ 10-34 Js).Además, la luz presenta un comportamientodual onda-partícula, es decir, que pude com-portarse como una onda o una partícula depen-diendo de las circunstancias (Kirk, 1994). Porotra parte, esta radiación electromagnética pue-de propagarse en el vacío o en otros medios ysu velocidad dependerá de cada medio.

Cuando la radiación electromagnética en-cuentra un medio más denso, la onda reduce suvelocidad y en consecuencia cambia de direc-ción. La reducción en la velocidad de la luz enel agua viene determinada por el índice de re-fracción, n (λ), que se define como la relaciónde la velocidad de la luz a una longitud de on-da (λ) en el vacío frente a la velocidad de la luza una longitud de onda (λ) en un medio deter-minado (Bukata et al., 1995). Este proceso esconocido como refracción y fue primeramen-te descrito por Willebrord Snel. La ley de Snelldescribe el cambio en la velocidad de la luz alpasar de un medio a otro y la relación entre losángulos de incidencia y refracción mediante lasiguiente relación:

na = sinθa = nw ⋅ sinθw

Donde na y nw representan los índices de re-fracción del aire y el agua respectivamente, yy los ángulos de incidencia (en aire) y refrac-

136 G. Casal / Revista de Teledetección (2013) 40, 134-142

Figura 1. Esquema simplificado de los procesos que influyen enla señal medida por el sensor remoto en la zona costera.

ción (en agua). Esta ley afirma que la relaciónentre el haz incidente y el refractado es inver-samente proporcional a la relación entre los ín-dices de refracción. Así, la luz que viaja desdeal aire al agua es refractada debido a las dife-rencias en la densidad óptica de los dos medioso incluso reflejada de vuelta a la atmósfera. Elíndice refractivo del aire puede ser asumido co-mo 1 mientras que el del agua, a temperaturade alrededor de 20°C, es de 1.33. Años des-pués, Augustin-Jean Fresnel mejoró el conoci-miento sobre este proceso. Las ecuaciones deFresnel describieron entonces, no solamentelos ángulos y los índices de refracción sinotambién las amplitudes de longitud de ondacuando pasan entre diferentes medios. Así, lasecuaciones de Fresnel determinan de formacompleta la dirección de propagación de la ra-diación electromagnética reflectada y trans-mitida en función de la radiación incidenteafirmando que el ángulo de refracción en elagua (θw), es determinado por el ángulo de in-cidencia en aire (θa) y el índice refractivo.

Debido a estos procesos, la interfaz aire-aguajuega un papel fundamental, desde un punto devista de la teledetección aplicada a cartogra-fiado bentónico e incluso en ambientes acuáti-cos en general, ya que modifica la radiaciónelectromagnética que penetra en la columna deagua así como la que hace el camino inversoprocedente del fondo hasta ser registrada por elsensor remoto. Por una parte debemos consi-derar como la orientación del sol y el sensorafecta al registro de la señal procedente del fon-do. El porcentaje de reflectividad, haciendo unasuposición teórica de una superficie plana deagua, muestra valores muy bajos en ángulos so-lares zenitales menores a 50°, sin embargo a án-gulos mayores el porcentaje de reflectividad seincrementa muy rápido (Kirk, 1994). Por estarazón, a la hora de utilizar teledetección en me-dios acuáticos es necesario tener en cuenta unefecto de reflexión conocido como sun glint oefecto espejo. Este efecto puede ser producidocuando el sensor remoto y el sol se encuentranen el mismo ángulo en relación a la superficiedel agua y puede ser acentuado por el viento.El sun glint es un factor de alteración o ruidoimportante en la detección remota de las pro-piedades de la columna de agua y del bentos(Kay et al., 2009). El grado de sun glint puede

ser drásticamente reducido mediante una apro-piada elección de la geometría del sensor y lacorrecta elección del momento de adquisiciónde la imagen, siendo las condiciones óptimasángulos solares zenitales entre 40° y 55° así co-mo la adquisición de la imagen lo más próximaal nadir (Purkis y Klemas, 2011). Sin embargo,la presencia de cierto grado de sun glint es in-evitable, especialmente en las imágenes adqui-ridas mediante sensores satelitales, en los queel usuario no puede influenciar los planes deadquisición ni tampoco controlar las condicio-nes climáticas debido a que son órbitas f ijaspreviamente establecidas. En ambientes natu-rales es muy improbable encontrar la superfi-cie del agua completamente plana. La accióndel viento provoca irregularidades causando unefecto sobre la reflectividad. La rugosidad dela superficie del agua tiene un efecto reducidoen la reflectividad a ángulos solares elevados.Sin embargo, a bajas elevaciones solares los va-lores de reflectividad procedente del agua sonreducidos significativamente por el viento. Es-te efecto es debido a que la alteración de la su-perficie en promedio incrementa el ángulo en-tre la dirección de la luz y la superficie en elpunto de entrada (Kirk, 1994) (Figura 2).

Por otra parte, la radiación reflejada en elfondo también sufre procesos de modificaciónen la interfaz aire-agua dando lugar a procesosde reflexión interna. En este caso los fotonesque han interactuado con la columna de agua


Figura 2. Reflectividad del agua en función del án-gulo zenital solar a diferentes velocidades de vien-to (Datos de Gordon, 1969 y Austin, 1974) (Modi-ficación figura Kirk, 1994).

o el fondo deben de aproximarse a la interfazaire-agua en su camino de regreso al sensorinteractuando con la superficie del agua. Eneste caso, cuando el haz de luz dirigido haciala superficie dentro del agua (θw) es superior a49°, la luz es reflejada de nuevo hacia el fon-do por la interfaz aire-agua y los fotones se per-derán desde el punto de vista de la teledetec-ción (Purkis y Klemas, 2011).

Se calcula que cerca del 48% de la radianciaascendente es reflejada de nuevo a la columnade agua al llegar a la superficie del agua (Vaht-mäe et al., 2006). Este aspecto se debe de teneren cuanta junto con el SNR del sensor, a la ho-ra de diferenciar la señal procedente del fondomediante imágenes remotas. Por ejemplo, en elcaso de un sensor con un SNR de 1000:1, co-mo puede ser el sensor hiperespectral CASI, se-ría necesario considerar un SNR en términos dereflectividad justo debajo de la superficie delagua, R(0–), de 500:1 para que el sensor sea ca-paz de detectar diferencias en el espectro de re-flectividad procedente de los componentes ben-tónicos (Dekker et al.2001, Vahtmäe et al.,2006). Siguiendo esta consideración y para sim-plificar los valores se podría asumir que un sen-sor como el del ejemplo, podría diferenciar dossustratos sumergidos cuando su diferencia es-pectral sea mayor a 0.2%. Si por el contrario es-tos sustratos se encontrasen emergidos, podríaasumirse que ambos serían diferenciables en-tre sí, utilizando un sensor con SNR 1000:1,cuando su diferencia espectral fuese de 0.1%debido a que no estarían influenciados por lacolumna de agua. Es necesario mencionar aquíque la imagen puede verse afectada por otro ti-po de ruido ambiental como oleaje o sun glintpero estas condiciones deberían valorarse encada estudio específico.

Debido a estos procesos, a la hora de apli-car teledetección, es necesario corregir las al-teraciones provocadas por la interfaz aire-aguay convertir la señal procedente de la columnade agua en una señal utilizable en teledetec-ción, es decir en Rrs (remote sensing reflectan-ce) o reflectividad remota.

Para calcular esta reflectividad justo por en-cima de la superf icie del agua Rrs(0 + ,λ) sesuele utilizar la siguiente ecuación:

Rrs(0 + ,λ) = 0.54 Lu(0 – ,λ) / [1.04 Ed(0 – ,λ)]

Donde Lu (0 – ,λ) corresponde a la radian-cia ascendente (upwelling radiance) extrapo-lada a justo por debajo de la superficie del aguay Ed (0 – ,λ) corresponde a la irradiancia des-cendente (downwellinng irradiance) extrapo-lada a justo debajo de la superficie del agua.Los coeficientes 0.54 y 1.04 corresponden alos coeficientes de transmitancia de la interfazaire-agua para Lu y Ed, respectivamente (Aus-tin, 1974). Siguiendo estas consideraciones pa-ra mediciones realizadas en el nadir sobre in-terfaz una plana aire/agua, la corrección delefecto refractivo se realiza mediante la si-guiente expresión Rrs(z = w) = Rrs(z = a) / 0.54(Austin, 1974; Tassan, 1992). Donde w co-rresponde a la profundidad 0 pero en el aguajusto por debajo de la superf icie y a corres-ponde a la profundidad 0 pero en el aire justopor encima de la superficie del agua.

Atenuación de la luz en el medio acuático

Una vez los fotones penetran en el agua, es-tos pueden ser absorbidos o dispersados por losmateriales en suspensión o disueltos y por elagua en sí. Los procesos de absorción reducenla intensidad de la radiancia, mientras que losprocesos de dispersión también cambian el ca-rácter direccional. Esta reducción de la inten-sidad de la radiancia se denomina atenuación.El grado de atenuación dependerá del grado deturbidez del agua y a su vez de la longitud deonda. A longitudes de onda cortas (azul), la luzes atenuada en menor grado que a longitudesde onda largas (rojo) (Purkis y Klemas, 2011).La atenuación es un proceso importante en te-ledetección debido a que constituye la base pa-ra la interpretación de las medidas remotas enla región visible del espectro electromágneti-co (Bukata et al., 1995).

La atenuación puede ser tratada como unaconsecuencia aditiva de los procesos de ab-sorción y dispersión que se producen entre losfotones y los materiales orgánicos e inorgáni-cos presentes en el cuerpo de agua, así comocon el agua en sí misma. Esta atenuación esdescrita en términos del coef iciente de ate-nuación total c(λ), del coeficiente de disper-sión b(λ) y del coeficiente de absorción a(λ).


Estos coeficientes son clasificados como Pro-piedades Ópticas Inherentes (IOP) debido a quesus magnitudes dependen solamente de las sus-tancias de las que consta el medio acuático yno de la estructura geométrica del campo deluz. En aguas Tipo 1 el principal agente queprovoca variaciones en las IOP corresponde alfitoplancton mientras que en el Tipo 2, ademásdel fitoplancton, toman parte en esta variaciónel material en suspensión y la materia orgáni-ca disuelta tanto de origen acuático como te-rrestre y estos componentes pueden variar in-dependientemente de la concentración delfitoplancton (IOCCG, 2000).

Bajo condiciones oceánicas típicas, la irra-diancia decrece casi exponencialmente con laprofundidad. Esta disminución exponencialviene caracterizada por el coeficiente de ate-nuación difusa y es matemáticamente explica-do por la Ley de Lambert-Beer:

E(z, λ)= E0e(–Kdz)

donde, E0 son valores de la irradiancia des-cendente justo debajo de la superficie, z co-rresponde a la profundidad en metros y Kd co-rresponde con el coef iciente de atenuacióndifusa. Kd es clasificado como una PropiedadÓptica Aparente (AOP) (Preisendorfer, 1976)lo que significa que se encuentra influenciadopor la distribución angular del campo de luz,así como por la naturaleza y cantidad de lassustancias presentes en el medio. Consecuen-temente, Kd, será temporalmente dependientey variará sistemáticamente con la longitud deonda sobre un rango amplio de tipos de agua(desde aguas muy claras a muy turbias). El co-eficiente de atenuación difusa (Kd) para cual-quier longitud de onda o banda espectral a unadeterminada profundidad puede ser definidocomo (Gordon, 1980):

donde Ed (z) corresponde con la irradiancia es-pectral descendente a la profundidad z y con-sideryo z como un punto señalyo hacia el fon-do desde la superf icie. Este coef iciente deirradiancia descendente Kd (λ,z) es de particu-lar interés debido a que cuantifica la presenciade luz y la profundidad de la zona eufótica, fac-

tores fundamentales en la teledetección de am-bientes acuáticos así como en los sistemas deproducción primaria fitoplanctónicos. Debidoa esta importancia Jerlov (1976) aprovechó es-te comportamiento del Kd para desarrollar unesquema de clasificación para aguas oceánicasbasadas en su forma espectral.

La diferenciación entre coeficiente de ate-nuación total, c(λ), y el coeficiente de atenua-ción difusa Kd (λ,z) es importante. c(λ) descri-be la medida en que se reduce la intensidad opoder radiante de un haz de fotones (simple yestrecho) mientras que Kd (λ,z) es definido entérminos de disminución con la profundidadde todos los fotones en una dirección descen-dente (Mobley, 1994). Cerca de la costa la ac-ción de las olas y la influencia humana añadematerial particulado en suspensión provocan-do un aumento de la atenuación y de los valo-res de Kd. Por el contrario, en aguas oceánicaslas alteraciones son mínimas o incluso inexis-tentes y el agua se encuentra libre de cualquiermaterial en suspensión provocando bajos va-lores de Kd (Mishra et al., 2005).

Otro concepto fundamental asociado al Kd

es el de profundidad óptica (ζ) dado por Kirk(1994) y que se define como la integración dela irradiancia descendente Kd (λ,z) sobre unaprofundidad z.

ζ = Kd ⋅ z

Puede ocurrir que una profundidad ópticaespecífica corresponda a diferentes profundi-dades físicas pero a la misma disminución ge-neral de irradiancia. Por ejemplo, aguas muyclaras son caracterizadas mediante valores ba-jos de Kd mientras que aguas muy turbias soncaracterizadas por valores de Kd elevados. Deesta forma para una profundidad física z, laprofundidad óptica en aguas turbias será nu-méricamente mayor que la profundidad ópticaen aguas claras (Bukata et al., 1995). Una pro-fundidad óptica de especial interés en el con-texto de la producción primaria es la que co-rresponde a la atenuación de la radianciadescendente del 1% de los valores subsuperfi-cie ζ = 4.6 (Kirk, 1994). Esta profundidad óp-tica corresponde con el límite inferior de la zo-na eufótica y representa la región en la quetienen lugar los procesos fotosintéticos mássignificativos.

K zE z

E z

zmd

d

dλ

λ

λ,

,

,( ) = −

( )∂ ( )

∂

⎡

⎣⎢⎢

⎤

⎦⎥⎥

−1

1


Cartografiado de sustratosbentónicos utilizandoteledetección

El uso potencial de los instrumentos espec-trales para en el cartografiado bentónico ha si-do reconocido en diversos estudios (Haxo yBlinks, 1950; Gitelson, 1992 o Rundquistet al., 1996). Sin embargo, las macroalgas ysus propiedades no son tan fácilmente detec-tables como las de la vegetación terrestre uti-lizando teledetección debido a que, como se hamencionado anteriormente, la presencia de lacolumna de agua disminuye la señal procedentedel fondo. En aguas costeras, la dispersión es-pectral y la absorción del fitoplancton, la ma-teria orgánica e inorgánica en suspensión y lassustancias orgánicas disueltas añaden más rui-do a la señal procedente del fondo dificultan-do su detección en estas zonas. Por esta razónademás de estudiar las características espec-trales de la vegetación bentónica es necesariotambién entender su interacción con el am-biente que les rodea.

Las macroalgas bentónicas pueden ser divi-didas en tres grupos con un rango filogenéticode División. Así, podemos encontrar las algasverdes (División Chlorophyta), las algas par-das (División Phaeophyta) y las algas rojas(División Rodophyta). Cada uno de estos gru-pos presenta pigmentos característicos impli-cando a su vez diferentes propiedades ópticas.Por esta razón las algas verdes, pardas y rojaspueden ser diferenciadas entre sí mediante te-ledetección debido a las diferencias en sus fir-mas espectrales. Todos los grupos contienenclorofila-a, que presenta picos de absorción a435 y 675 nm, pero la presencia de otras clo-rofilas y pigmentos accesorios varía entre ellos(Hedley y Mumby, 2002). Por ejemplo, la al-gas verdes contienen también pigmentos ca-racterísticos como clorofila-b que absorbe alongitudes de onda de 450 y 650 nm y β-caro-teno que absorbe a 427, 449 y 475 nm (Hedleyy Mumby, 2002). Por otra parte, las algas par-das contienen clorofila-c que presenta picos deabsorción a 460 y 633 nm (Beach et al., 1997),β-caroteno y xantofilas, principalmente fuco-xantina, que absorbe a 426, 449 y 465 nm (He-dley y Mumby, 2002). Debido a la dominanciade estos pigmentos estas algas presentan un co-

lor pardo más que verde (debido a su elevadaabsorción en la longitud de onda del verde). Encuanto a las algas rojas, éstas se caracterizanpor la presencia de β-carotereno y principal-mente α-caroteno que presenta picos de ab-sorción a 423, 444 y 475 nm (Hedley y Mumby,2002). Las algas rojas contienen también bili-proteínas que pueden dividirse en ficoeritrinas,ficocianinas y aloficocianinas. La ficoeritrinapresenta picos de absorción a 543-568 nm, laficocianina a 553 y 618 nm (Smith y Alberte,1994) y la aloficocianina a 654 nm (Hedley yMumby, 2002). La localización de los picos deabsorción característicos de cada pigmentopuede variar ligeramente de un estudio a otrodependiendo de las condiciones de medida (ensolventes o in vivo), el estado fisiológico de lasmacroalgas, condiciones ambientales, etc.

Desde el punto de vista de teledetección, sedebe tener en cuenta que en condiciones natu-rales las comunidades de algas se pueden en-contrar emergidas (especialmente durante ma-rea baja), flotando o sumergidas. Por estarazón, su comportamiento en relación a las téc-nicas de detección remota debería ser consi-derado de forma diferente en cada caso. En elcaso de la vegetación sumergida la región delespectro electromagnético correspondiente alverde podría ser considerado la más adecuadapara la detección de este tipo de algas, segui-da de la región del rojo (Silva et al., 2008). Laslongitudes de onda del verde también propor-cionan gran penetración en aguas con elevadasconcentraciones de material disuelto y en sus-pensión como puede ocurrir en la zona coste-ra (Kirk, 1994). El agua absorbe la radiaciónelectromagnética en la región óptica del es-pectro, lo que resulta en una disminución im-portante de la señal electromagnética. Debidoa esto, las medidas de reflectividad para espe-cies sumergidas son muy bajas, generalmentedel orden 10–1 (Pinnel et al., 2004; Dierssen yZimmerman, 2003; Fyfe, 2003; Heege et al.,2003). Debido la magnitud tan reducida de es-ta señal, se requiere una cuidadosa y adecuadacorrección de los efectos atmosféricos y de lacolumna de agua previa a al análisis de los da-tos procedentes de teledetección.

En ambientes naturales, las macroalgas pue-den encontrarse coexistiendo con fondos dearena. Sin embargo, la diferencia entre ambos


sustratos es generalmente bastante grande de-bido a las diferencias en sus valores de reflec-tividad, mucho más elevados en el caso de laarena. Las diferencias en la firma espectral delsustrato arena puede variar en función de sucomposición, origen, el tamaño de grano y enalgunos casos también de la influencia del fi-tobentos. Sin embargo, en general su espectroes bastante característico sin la ausencia de lospicos de absorción típicos de la clorifila y devalores mucho más elevados.

Conclusiones

Los avances en teledetección a lo largo delos años han hecho posible utilizar imágenesremotas para producir mapas sobre algunas desus características como productividad, tem-peratura superficial, turbidez y también sobrecartografiado bentónico y distribución de há-bitats entre otros. Sin embargo, las aguas cos-teras son especialmente complejas, caracteri-zadas por una elevada variabilidad de susconstituyentes ópticos. Esto conlleva ciertasdificultades en la aplicación e interpretaciónde los datos de satélite en estas zonas debido aciertas limitaciones técnicas y metodológicas(resolución de espacial, radiométrica y espec-tral, corrección atmosférica, absorción produ-cida por la columna de agua, elevación solar,velocidad del viento, etc.). Sin embargo, la im-portancia de cada fuente de error o limitacióndependerá del objetivo del estudio así como delos métodos empleados para alcanzarlo. En-tender los procesos físicos básicos sobre elcomportamiento de la señal electromagnéticaen el agua y las limitaciones que implica sobrela aplicación de teledetección en ambientesacuáticos es fundamental para una correcta pla-nificación de cualquier estudio así como parala obtención de unos resultados exitosos, másrobustos y fiables.

References

AUSTIN, R. W. (1974). The remote sensing of spec-tral radiance from below the ocean surface. InJerlov, N.G., Nielsen, E.S. (eds.) Optical aspectsof oceanography. Academic Press London y NewYork, pp 317-344.

BEACH, K. S., BORGEAS, H. B., NISHIMURA,N. J., & SMITH, C. M. (1997). In vivo absorbancespectra y the ecophysiology of reef macroalgae.Coral Reefs, 16: 21-28.

BUKATA, R. P., JEROME, J. H., KONDRATYEV,K. Y., & POZDNAYAKOV, D. V. (1995). Opticalproperties y remote sensing of inly y coastal wa-ters. CRC Press, New York. ISBN 0-8493-4754-8.

CRACKNELL, A. P., IBRAHIM, M., & McMA-NUS, J. (1987). Use of satellite y aircraft data forbathymetry studies. Proceedings of the 13th An-nual Conference of the Remote Sensing Society,University of Nottingham, September 7-11, 1987(Remote Sensing Society, Nottingham), 391-402.

DEKKER, A. G., BRYO, V. E., ANSTEE, J. M., PIN-NEL, N., KUTSER, T., & HOOGENBOOM, H.J. (2001). Imaging spectrometry of water. Ima-ging spectrometry: Basic principles y prospecti-ve applications, vol. IV (pp. 307-359). Dordrecht’Kluwer Academic Publishers.

DEKKER, A. G., MALTHUS, T. J., WIJNEN,M. M., & SEYHAN, E. (1992). Remote Sensingas a Tool for assessing water quality in Loos-drecht lakes. Hydrobiologia, 233: 137-159.

DIERSSEN, H. M., ZIMMERMAN, C., LEA-THERS, R. A., DOWNES, T. V., & DAVIS, C. O.(2003). Ocean colour remote sensing of seagrassy bathymetry in the Bahamas Banks by high-re-solution airborne imagery. Limnol. Oceanogr.,48(1): 444-455.

FYFE, S. K. (2003). Spatial y temporal variation inspectral reflectance: are seagrass species spec-trally distinct? Limnol. Oceanogr., 48 (1, part 2):464-479.

GITELSON, A. (1992). The peak near 700 nm onradiance spectra of algae y water: relationship ofits magnitude y position with chlorophyll con-centration. International Journal of Remote Sen-sing, 13: 3367-3373.

GORDON, H. R., SMITH, R. C., & ZANEVELD,J. R. V. (1980). Introduction to ocean optics.Proc. SPIE Soc. Opt. Eng., 6:1-43.

GORDON, H. R., & MOREL, A. Y. (1983). Remo-te assessment of ocean color for interpretation ofsatellite visible imagery. A review of lecture no-tes on coastal y estuarine studies. 113 pp, Sprin-ger-Verlag, New York.

JERLOV, N. G. (1976). Marine Optics, ElsevierOceanography series 14, Elsevier Publishing Co.Amsterdam.

HAXO, F. T., & BLINKS, L.R. (1950). Photos-ynthetic action spectra of marine algae. The Jour-nal of General Physiology, 33: 389-422.

HEDLEY, J. D., & MUMBY, P. J. (2002). Biologi-cal y remote sensing perspectives of pigmenta-tion in coral reef organisms. Advances in marinebiology, 43: 277-317.

HEEGE, T., BOGNER, A., & PINNEL, N. (2003).Mapping of submerged aquatic vegetation with a



physically based process chain. Proc. SPIE 5233,Remote Sensing of the Ocean y Sea Ice 2003, 43(February 26, 2004); doi:10.1117/12.514054.

HOLDEN, H., & LeDREW, E. (1998). The scienti-fic issues surrounding remote detection of sub-merged coral ecosystems. Progress in PhysicalGeography, 22(2): 190-221.

IOCCG (2000). Remote sensing of ocean colour incoastal, y optically-complex, waters, in Reportsof the International Ocean-Colour CoordinatingGroup, no. 3, edited by S. Sathyendranath, pp.140, Dartmouth.

KAY, S., HEDLEY, J. D., & LAVENDER, S. (2009).Sun Glint Correction of High y Low Spatial Re-solution Images of Aquatic Scenes: a Review ofMethods for Visible y Near-Infrared Wave-lengths. Remote Sensing, 1(4): 697-730.

KIRK, J. T. O. (1994). Light y Photosynthesis inAquatic Ecosystems, Second Edition, Cambrid-ge Univ. Press.

MARITORENA, S., MOREL, A., & GENTIL, B.(1994) Diffuse reflectance of oceanic shallow wa-ters. Influence of water depth y bottom albedo.Limnol. Oceanogr., 39(7): 1689-1703.

MÉLIN, F., & ZIBORDI, G. (2005). Aerosol varia-bility in the Po Valley analyzed from automatedoptical measurements. Geophysical ResearchLetters, 32 (L03810): 1-4.

MISHRA, D. R., NARUMALANI, S., RUND-QUIST, D., & LAWSON, M. (2005). Characteri-zing the vertical diffuse attenuation coefficientfor downwelling irradiance in coastal waters: Im-plications for water penetration by high resolu-tion satellite data. ISPRS Journal of Photogram-metry y Remote Sensing, 60: 48-64.

MOBLEY, C. (1994). Light y water: radiative trans-fer in natural waters. San Diego, C.A. AcademyPress.

MOREL, A., & PRIEUR, L. (1977). Analysis of va-riations of ocean color. Limnology y Oceano-graphy, 22: 709-722.

PINNEL, N., HEEGE, T., & ZIMMERMANN, S.(2004). Spectral discrimination of submergedmacrophytes in lakes using hyperspectal remotesensing data. SPIE Proc Ocean Optics XVII, Fre-mantle, Australia.

PREISENDORFER, R. W. (1976). Hydrologic Op-tics, vol. 1, Introduction, Natl. Tech. Inf. Serv.,Springfield, Va.

PURKIS, S., & KLEMAS, V. (2011). Remote Sen-sing y Global Environmental Change. Oxford:Wiley-Blackwell.

VAHTMÄE, E., KUTSER, T., MARTIN, G., &KOTTA, J. (2006). Feasibility of hyperspectralremote sensing for mapping macroalgal cover inturbid coastal waters-a Baltic Sea case study. Re-mote Sensing of Environment, 101: 342-351.

RUNDQUIST, D. C., HAN, L., SCHALLES, J. F.,& PEAKE, J. S. (1996). Remote measurement ofalgal chlorophyll in surface waters: the case ofthe first derivative of reflectance near 690 nm.Photogrammetric Engineering y Remote Sensing,63(2): 195-200.

TASSAN, S. (1992). An algorithm for the identifi-cation of benthic algae in the Venice lagoon fromThematic Mapper data. International Journal ofRemote Sensing, 13:2887-2909.

SILVA, T. S. F., COSTA, M. P. F., MELACK, J. M.,NOVO, E.M.L.M. (2008). Remote sensing ofaquatic vegetation: theory y applications. En-vironmental Monitoring y Assessment, 140:131-145.

SMITH, C., ALBERTE, R. (1994). Characteriza-tion of in vivo absorption features of chlorophy-te, phaeophyte y rhodophyte algal species. Mar.Biol., 118:511-521.

Es evidente que en el desempeño de labo-res en el ámbito de la investigación, la inno-vación, la gestión y la empresa es necesario unamplio y actualizado bagaje de conceptos yacrónimos. En especial los acrónimos han con-vertido el lenguaje técnico en una plétora desiglas cuyo conocimiento permite rápidamen-te interpretar y comunicar ideas, proyectos yhallazgos. Por tanto, un esfuerzo de normali-zación y compilación de acrónimos combina-do con la definición revisada de los conceptoselementales de cualquier disciplina es indis-pensable y siempre bienvenido. Es este el ca-so de esta primera edición del Diccionari Ter-minològic de Teledetecció editado por elInstituto Cartográfico de Cataluña, cuyos au-tores son Xavier Pons Fernández y Anna Ar-calís Planas.

Dado el carácter multidisciplinar de la te-ledetección, el diccionario es recomendabletanto para los especialistas de este área de co-nocimiento como para cualquier otra discipli-na científica. El diccionario ofrece definicio-nes concisas y sucintas para 3484 conceptos yacrónimos admitiendo diferentes acepciones,reseñando sinonimias e incorpora una traduc-ción de los términos al castellano y al inglés,

siendo este idioma la fuente principal de la ter-minología. El resultado es un manejable tomode pasta dura que despierta una ávida curiosi-dad en el lector especializado por aclarar susdudas sobre el adecuado uso de un términoconcreto que conlleva en su consulta una pro-puesta de def inición basada en el entendi-miento del concepto. Los índices en castella-no y en inglés al f inal del texto remitenrápidamente al número de la entrada. El dic-cionario abre con el modelo de transferenciaradiativa 6S y se adentra en el vasto registrode plataformas y sensores con sus caracterís-ticas, descubriendo la extensa panoplia de ín-dices de vegetación y productos algorítmicosy los conceptos físicos elementales para ofre-cer una larga y revisada definición del propiotérmino de teledetección.

En resumen, Diccionari Terminològic de Te-ledetecció es una obra formidable que confir-ma lo apropiado de utilizar y difundir térmi-nos como rasterizar, vectorizar, mosaicar, opermite aclarar def initivamente conceptosconfusos como el número mínimo de bandasy su ancho para denominar a un sensor comohiperespectral. Los autores agradecen al lec-tor todo tipo de comentarios sobre los térmi-

Reseña literaria

Diccionari Terminològic de Teledetecció o sobre la necesidad de una referencia

semántica para el léxico técnico de nuestra disciplina

Pons, X., Arcalís, A. (2012) «Diccionari terminològic de Teledetecció».

Enciclopèdia Catalana i Institut Cartogràfic de Catalunya, Barcelona. 597 p. ISBN: 978-84-412-2249-6

Nota de prensa publicación TermCat: http://www.termcat.cat/ca/Actualitat/Noticies/423


144 Revista de Teledetección (2013) 40, 143-144

nos incluidos y posibles omisiones. Se pre-senta por tanto como imprescindible la actua-lización periódica de esta edición dada la rá-pida aparición de nuevos términos. No sin otrogran esfuerzo sería muy interesante contar conella en castellano y en inglés.

Dr. Ricardo Díaz-DelgadoResponsable técnico del Laboratorio de SIG

y Teledetección (LAST) de la Estacion Biológica de Doñana-CSIC.

e-mail: [email protected] http://last-ebd.blogspot.com/

R e v i s t a d eTeledetecciónR E V I S TA D E L A A S O C I A C I Ó N E S P A Ñ O L A D E T E L E D E T E C C I Ó N

Nº 40 DICIEMBRE 2013

ARTÍCULOS CIENTÍFICOS

Evaluación mediante teledetección del efecto de canalizaciones sobre el humedal del Saladillo, ArgentinaC. López, P. G. Brandolin, O. R. Campanella, A. L. Martino y C. de Angelo

Evaluación de productos de cubiertas del suelo en la península ibéricaA. Pérez-Hoyos y F. J. García-Haro

Estimación de la evapotranspiración utilizando bandas del infrarrojo medioD. Girolimetto y V. Venturini

Simulación de productos HyspIRI de mapas de flujos energéticos en superficieJ. M. Sánchez, V. García-Santos, A. N. French, E. Valor, C. Coll y V. Caselles

Estudio de la operaconalidad del futuro sensor Sentinel-3/SLSTR para la parametrización del fue-go activoA. Calle, P. Salvador y F. González-Alonso

Estudio de la homogeneidad de la temperatura de la superficie terrestre mediante imágenes MO-DIS de la zona de DoñanaD. Skokovic, J. A. Sobrino, G. Sòria, J. C. Jiménez-Muñoz y Y. Julien

Primera aplicación de imágenes Fasat-Charlie al estudio de praderas semi-áridas de ChileA. Santamaría-Artigas, C. Mattar, C. Durán-Alarcón, L. Olilvera, M. Inzunza, D. Tapía y E. Escobar-Lavín

Dinámica de la cobertura vegetal y los usos de la tierra a través de modelos de no-equilibrioA. H. Britos y A. H. Barchuck

CASOS PRÁCTICOS

Desagregación del volumen de población a partir de la imagen de satélite con Sistema de Informa-ción Geográfica y Procesamiento Digital de ImágenesA. Martínez Serrano

Clasificación de materiales geológicos en la superficie de la luna Europa de JúpiterI. Ordóñez Etxeberria y V. Caselles Miralles

Conceptos físicos básicos para la utilización de teledetección óptica en el cartografiado de hábi-tats bentónicos costerosG. Casal

RESEÑA LITERARIA: Diccionari Terminològic de Teledetecció o sobre la necesidad de una re-ferencia semántica para el léxico técnico de nuestra disciplina