MONITOREO ECOLÓGICO MULTITEMPORAL DE LA ALBUFERA DE VALENCIA CON IMÁGENES SENTINEL-2

E.P. Urrego de Marquez1, X. Soria-Perpinyà2, J. Delegido1, M. Pereira-Sandoval1, A. Ruiz-Verdú1, C. Tenjo1, M. J. López-García3, F. M. Candelas3, E. Vicente2, J.M. Soria2 y J. Moreno1

1Laboratorio de Procesado de Imágenes, Universitat de València. patricia.urrego@uv.es.2Institut Cavanilles de Biodiversitat i Biología Evolutiva (ICBiBE), Universitat de València.3Departament de Geografia, Facultat de Geografia i Història, Universitat de València.

RESUMEN

La Albufera de Valencia, situada en la costa este de la Península Ibérica, es una laguna costera poco profunda, rodeada de campos de arroz y poblaciones. Las altas cantidades de contaminantes que se descargaron a la misma afectan la calidad de sus aguas, dándole el calificativo de hipertrófica. El estado actual de esta laguna hace necesario un monitoreo constante, el cual puede realizarse a través de la determinación de la concentración de clorofila-a, como parámetro biofísico indicador de la calidad del agua y, por tanto, del estatus ecológico de los ecosistemas acuáticos. En este sentido, la teledetección se presenta como una herramienta adecuada para realizar el monitoreo continuo del estado de los cuerpos de agua a partir de la estimación de la concentración de clorofila-a en los mismos. Este trabajo presenta los resultados de la validación del algoritmo de Dall’ Olmo et al. (2003), para la estimación de clorofila-a en la Albufera de Valencia a partir de imágenes Sentinel-2. El estudio fue llevado a cabo con imágenes tomadas sobre la Albufera entre 2016 y 2017, corregidas atmosféricamente. Los resultados de la validación (R2=0,6) obtenidos al aplicar una relación lineal entre los datos de campo y los estimados, muestran la validez del algoritmo utilizado. Finalmente, se muestran mapas de concentración de clorofila-a, en los cuales se observan la variación de la evolución temporal de dicho parámetro, la cual sigue un patrón anual bimodal en la zona en estudio.

Palabras clave: Albufera de Valencia; calidad del agua; clorofila-a; Sentinel-2.

ABSTRACT

The Albufera of Valencia, on the east coast of the Iberian Peninsula, is a coastal shallow lake, surrounded by rice fields and towns. The high amount of pollutant substances that were discharged to it affects their water quality, qualifying it as a hypertrophic lagoon. The current state of this lagoon, makes necessary a constant monitoring, that can be done through the determination of the concentration of chlorophyll-a, as a biophysics parameter indicator of water quality and, therefore, of the ecological status of the aquatic ecosystems. In this way, remote sensing is presented as a tool for the suitable continuous monitoring of the state of the water bodies. This work presents the validation of the Dall’ Olmo et al., (2003) algorithm for the estimation of chlorophyll-a in the Albufera of Valencia using Sentinel-2 images. The study was done using atmospherically corrected images of the Albufera from 2016 to 2017. The validation results (R2=0.6) obtained when applying a linear fit between the in-situ data and the estimated data, show the validity of the used algorithm. Finally, maps of concentration chlorophyll-a are shown, where there can be observed the variation of the temporal evolution of the parameter, which follows a bimodal annual pattern in the study area.

Keywords: Albufera of Valencia; water quality; chlorophyll-a; Sentinel-2.

1

1

2

3

45

6789

10

11

1213141516171819202122232425262728

29

30

31

3233343536373839404142434445

46

1

2

1. INTRODUCCIÓN

Uno de los mayores problemas que poseen los ecosistemas acuáticos, tanto lagos como aguas costeras, es la eutrofización, la cual afecta la calidad de sus aguas. Aunque este proceso se produce de forma natural, en la actualidad se ha visto acelerado debido a causas antropogénicas, siendo la agricultura uno de los factores principales (Ongley, 1997), así como vertidos de aguas residuales domésticas e industriales, produciendo un incremento considerable de nutrientes en el agua que estimula el aumento de la biomasa del fitoplancton (Kiage y Walker, 2009; Vasconcelos, 2006). Uno de los principales parámetros biológicos usados en estudios de ecología acuática es la concentración de clorofila-a [Chl-a], dado que ofrece una aproximación de la cantidad de biomasa del fitoplancton contenida en el agua (Soria-Perpinyà et al., 2018).

La Albufera de Valencia es una zona de alto valor ecológico. A pesar de esto, la laguna ha sido sometida a un intenso proceso de eutrofización desde la década de 1960, debido al vertido excesivo de desechos de actividades agrícolas, aguas residuales domésticas e industriales (Soria, 1997). Como resultado, las aguas de la laguna pasaron de limpias a turbias, consolidando su estado como laguna hipertrófica, con concentraciones medias aproximadas de [Chl-a] que varían entre los 100 y 300 mg/m3 (Soria, 1997; Ruescas et al., 2016; Pitarch et al., 2017; Soria-Perpinyà et al., 2018).

La situación ecológica de la Albufera resalta la necesidad de un monitoreo constante de este cuerpo de agua. En este sentido, las técnicas de teledetección se muestran como una potente herramienta para realizar dicho seguimiento: el tipo de aguas de la Albufera, definidas como medios productivos con reflectividades elevadas, pueden ser estudiadas mediante algoritmos empíricos aplicados a imágenes procedentes de sensores remotos multiespectrales, los cuales aportan información oportuna del estado ecológico de aguas continentales (Matthews, 2011), aprovechando la rápida y repetitiva adquisición de imágenes sobre las zonas afectadas (Kiage y Walker, 2009), aun cuando dichos sensores no estén específicamente diseñados para la teledetección en medios acuáticos.

En relación a ello, Matthews (2011) realizó una reseña de varias publicaciones dedicadas a la detección de una variedad de parámetros biogeofísicos en aguas continentales y costeras, así como de algoritmos empíricos utilizados para la estimación de dichos parámetros a partir de técnicas de teledetección, los cuales describen el estado de la calidad de las masas de agua. Entre estos parámetros se encuentra la [Chl-a], siendo éste el parámetro más común derivado en teledetección por su uso en la determinación del estado trófico de la masa de agua (Gitelson et al., 2007; Matthews, 2011; Soria-Perpinyà et al., 2018). Estudios pioneros en la Albufera de Valencia (López-García y Caselles, 1987; 1990) mostraron la utilidad de las imágenes Landsat TM para la estimación de la [Chl-a] a partir de relaciones empíricas obtenidas con la banda TM1.

La misión Sentinel-2 (S2), que en la actualidad cuenta con dos satélites operativos (S2A y S2B), de la Agencia Espacial Europea (ESA), fue diseñada principalmente para su aplicación en estudios de vegetación y suelos. Aun así, la misma reúne una serie de requisitos que la hacen muy adecuada para el seguimiento de calidad de aguas continentales, entre las que destacan la ubicación de sus bandas (en el visible y el infrarojo cercano, sobre todo en la región del red-edge), especialmente adecuadas para la estimación de [Chl-a] en lagos eutróficos (Matthews, 2011), así como su alta resolución espacial (10 m) y temporal (5 días), lo que permite obtener mapas temáticos de masas de aguas continentales y costeras con muy buen nivel de detalle y precisión. Además, las imágenes S2 pueden ser descargadas de forma gratuita directamente desde la página del servidor de la ESA.

2

47

48

49505152535455565758

59606162636465

666768697071727374

75767778798081828384

85868788899091929394

3

4

El objetivo de este trabajo es validar un algoritmo previamente calibrado para esta zona con el objetivo de generar un método operativo capaz de realizar el estudio de la evolución temporal y espacial de la [Chl-a] en la Albufera de Valencia, utilizando imágenes de los satélites S2. Para validar el método se han tomado datos de campo durante el período 2016-2017. Una vez validado se pretende obtener los mapas temáticos que representan la [Chl-a] y que permiten el estudio de la evolución temporal de la [Chl-a] en la Albufera de Valencia, con el objetivo de demostrar la validez operativa de este método y de la misión S2 para el estudio multitemporal del estado ecológico del lago.

2. MATERIAL Y MÉTODOS

2.1 Área de estudioLa Albufera de Valencia es una laguna oligohalina (1 – 2%) superficial, con una profundidad media de ~1 m, situada a 10 km al sur de la ciudad de Valencia, España (Figura 1). Es el lago natural más grande de la Península Ibérica y está rodeada de aproximadamente 220 km 2 de campos de arroz, así como de poblaciones (Soria et al., 1987; Romo et al., 2008; Soria-Perpinyà et al., 2018). Sus fuentes de agua son corrientes de agua naturales, manantiales de aguas subterráneas, aguas residuales y restos de irrigaciones (Pitarch et al., 2017). Su flujo hacia el Mar Mediterráneo está limitado por tres compuertas ubicadas en tres canales artificiales, de manera que toda la laguna actúa como reservorio para regular las inundaciones temporales de los campos de arroz (Soria et al., 1987; Pitarch et al., 2017; Soria et al., 2018).

Figura 1. Mapa de ubicación de la Albufera de Valencia. Imagen en combinación RGB del satélite Sentinel-

2A de fecha 17/11/2016.

A principios de los setenta, la Albufera empieza a sufrir un vertiginoso proceso de degradación como consecuencia del crecimiento demográfico y del vertido de desechos industriales, urbanos y agrícolas. Aun cuando esta área fue declarada Parque Natural desde 1986, lo que limita la cantidad de aportes a sus aguas, estas medidas no han sido suficientes para frenar este proceso de degeneración, a lo que se suma también la manipulación hídrica por medio de las compuertas, establecida según las necesidades de los cultivos de arroz. Por todo esto, las

3

9596979899

100101102

103

104

105

106107108109110111112113114

115116117

118119120121122123

5

6

características físico-químicas y biológicas de las aguas de la laguna han cambiado, catalogándola actualmente como un sistema hipertrófico (Soria, 1997; Pitarch et al., 2017).

2.2 Imágenes Sentinel-2La misión S2 de la ESA proporciona imágenes de alta resolución, basada en una constelación de dos satélites: S2A, lanzado el 23 de junio de 2015 y S2B puesto en órbita el 7 de marzo de 2016, ambos operativos actualmente. El par de satélites S2 entrega datos con un tiempo efectivo de revisita en el ecuador de cinco días (ESA, 2018a).

Cada satélite S2 lleva un sensor “Multi-Spectral Instrument” (MSI) con 13 bandas espectrales, situadas entre la región espectral del visible hasta el infrarrojo de onda corta (VNIR), con cuatro bandas a 10 m, seis bandas a 20 m y tres bandas a 60 m de resolución espacial, con una anchura de barrido de 290 km (Tabla 1). La misión fue inicialmente optimizada para estudios de vegetación, planeamiento urbano y ecosistemas terrestres, pero la inclusión de tres nuevas bandas en la región del red-edge, su calidad radiométrica y su alta resolución espacial, demuestra su potencial para el estudio en aguas continentales (Delegido et al., 2016; Soria-Perpinyà et al., 2018).

Tabla 1. Características espectrales de los sensores MSI de la misión Sentinel-2. Modificado de ESA, 2018b.

BANDA FUNCIÓNLongitud de onda central

(nm)

Ancho de banda

RESOLUCIÓN ESPACIAL (m)

1 Aerosol costero 443 27 602 Azul 490 98 103 Verde 560 45 104 Rojo 665 38 105 Infrarrojo cercano - NIR 705 19 206 Infrarrojo cercano - NIR 740 18 207 Infrarrojo cercano - NIR 783 28 208 NIR 842 145 10

8A Infrarrojo cercano - NIR 865 33 209 Vapor de agua 945 26 60

10 Cirrus - SWIR 1380 75 6011 SWIR 1610 143 2012 SWIR 2190 242 20

Los datos S2 disponibles son un producto de reflectividad en el techo de la atmósfera formado por un conjunto de grillas (granules) contiguas de 100 km x 100 km, correspondientes al nivel L1c, así como datos correspondientes al nivel L2, referido a reflectividad en superficie (ESA, 2018c). Las imágenes son descargadas directamente y de forma gratuita del servidor de la ESA.

Para este trabajo, fueron descargadas 40 imágenes S2A y S2B sin nubes, tomadas sobre la Albufera de Valencia entre 2016 y 2017, correspondientes al producto L1c, con una ventana de tiempo entre la adquisición de imágenes y las campañas de campo de 3 días, de acuerdo con Soria-Perpinyà et al., (2018). Las imágenes fueron corregidas a reflectividades utilizando el módulo Sen2Cor, basado en un conjunto de técnicas para la corrección atmosférica y un módulo de clasificación de escena (ESA, 2018d; Louis et al., 2016), el cual está incorporado al software libre SNAP desarrollado por la ESA. Aun cuando éste no es un método de corrección

4

124125

126

127

128129130131

132133134135136137138139

140

141142

143

144145146147

148149150151152153154

7

8

atmosférica adaptado a aguas, los valores de reflectividades obtenidas para este tipo de medios turbios son aceptables (Ruescas et al., 2016; Soria-Perpinyà et al., 2018). Las bandas fueron remuestreadas a la resolución mínima (10 m) con el software SNAP para posteriormente aplicar el algoritmo para la estimación de [Chl-a].

2.3 Algoritmo para la estimación de [Chl-a]Para la estimación de la [Chl-a] y la posterior obtención de los mapas temáticos, fue utilizado el algoritmo TBDO (tribanda de Dall’Olmo et al., 2003), el cual está basado en la evaluación de la reflectividad de tres bandas entre el rojo y el infrarrojo. El mismo fue calibrado con datos S2 simulados y validado con datos de [Chl-a] in situ de la Albufera por Guibaja et al, (2016), Soria-Perpinyà et al., (2018) y Pereira-Sandoval et al., (2018). En la Figura 2 se muestra la curva de calibración.

Figura 2. Calibración del algoritmo [TBDO]. Imagen tomada de Guibaja et al., (2016).

El algoritmo [TBDO] se basa en la ecuación:

TBDO=R (740 )×( 1R (665)

− 1R (705) ) (1)

Donde:

R(i) representa la reflectividad de la banda centrada en la longitud de onda i (en nm).

La [Chl-a] es estimada a partir de un ajuste polinómico aplicado al modelo TBDO mostrado en la Figura 2, resultando la siguiente ecuación:

[Chl−a ]=104,1TBDO2+221,1TBDO+2 (2)

Sustituyendo (1) en (2), se ha calculado la [Chl-a] de la Albufera a partir de las distintas imágenes S2 corregidas atmosféricamente.

2.4 Datos de campoPara validar los datos estimados con el algoritmo TBDO, fueron realizadas un total de 18 campañas de campo en fechas diferentes, entre enero de 2016 y noviembre de 2017, en las

5

155156157158

159

160

161162163164165166

167168

169

170

171

172

173

174175

176

177178

179

180

181182

9

10

cuales se tomaron 92 muestras de agua. Las mediciones fueron realizadas por el equipo del Departamento de Ecología de la Universidad de Valencia. Los datos de [Chl-a] fueron obtenidos de las muestras de agua a partir del método espectrofotométrico, según Soria -Perpinyà et al., (2018).

3. RESULTADOS Y DISCUSIÓN

3.1 Validación de los datos estimados con el algoritmo TBDODe las imágenes obtenidas de [Chl-a] estimada utilizando las ecuaciones 1 y 2, se extrajeron los valores de [Chl-a] de cada punto muestreado. Estos datos estimados fueron comparados con los datos in situ correspondientes a los mismos puntos (Figura 3), obteniendo un R 2 de 0,637 de un total de 92 muestras, lo que implica un grado de significancia menor a 0,001. En la Figura 3 se observa una tendencia a la sobreestimación de valores obtenidos por el algoritmo en puntos con concentraciones altas, lo cual puede deberse al método de corrección atmosférica utilizado (Soria-Perpinyà et al., 2018). Considerando que los datos fluctúan en un rango de valores entre 4 y 200 µg L-1, que la pendiente del ajuste es próxima a 1 y la ordenada en el origen pequeña, y la proximidad de la nube de puntos a la recta 1:1 (en rojo), se puede confirmar la buena capacidad predictiva del algoritmo utilizado.

Figura 3. Validación de los datos de [Chl-a] estimados con el algoritmo TBDO utilizando los datos medidos in situ. En color rojo se encuentra representada la recta 1:1. Imagen modificada de Soria-Perpinyà et al., (2018).

3.2 [Chl-a] in situ vs [Chl-a] estimadaEn cuanto a los datos obtenidos de la medición de la [Chl-a] a partir de las muestras de campo, estos muestran un valor de [Chl-a] promedio de 97 µg L-1 en los años de estudio, oscilando entre un valor máximo de 209 µg L-1 registrado durante el mes de octubre de 2017, y un valor mínimo de 4,5 µg L-1 registrado en el mes de abril de 2017. Estos resultados muestran la gran variabilidad espacio-temporal de las concentraciones de dicho parámetro en la Albufera. La Figura 4 muestra la comparación del promedio de los valores de [Chl-a] extraídos de las muestras de cada campaña, y el promedio de los valores de [Chl-a] extraídos de los píxeles de 17 imágenes (las más cercanas a las fechas de las campañas) correspondientes a los mismos puntos de muestreo. Como resultado, se obtiene que tanto los datos de campo como los

6

183184185186

187

188

189

190191192193194195196197198199

200

201202203

204

205

206207208209210211212213214

11

12

estimados, presentan el mismo patrón de variación de [Chl-a] durante el período de estudio, observándose de forma más detallada la tendencia a la sobreestimación de valores obtenidos por el algoritmo en puntos con concentraciones altas presentado anteriormente. Aun así, se observa que el algoritmo arroja resultados aceptables para concentraciones de más bajas de [Chl-a].

Figura 4. Comparación entre los valores promediados de todas las muestras de [Chl-a] de las medidas in situ y los estimados con el algoritmo TBDO. Imagen modificada de Soria-Perpinyà et al., (2018).

3.3 Evolución temporal de la [Chl-a] en la Albufera de ValenciaLos mapas de [Chl-a] fueron realizados aplicando la ecuación (2) a las imágenes S2 corregidas atmosféricamente. Un total de 40 imágenes fueron procesadas, de las cuales fueron seleccionadas 4 para mostrar en este trabajo (Figura 5), que representan los valores extremos de [Chl-a]. Estos describen claramente de manera gráfica, los cambios temporales y espaciales en la Albufera. En los mapas de la Figura 5 se muestra de una forma resumida el ciclo anual de la [Chl-a] en el año 2017. Los mapas muestran las concentraciones más bajas en el mes de marzo, generalizadas para toda el área del lago (Figura 5.A), coincidiendo con el período de renovación de las aguas, lo cual conlleva a una reducción de nutrientes en las mismas (Romo et al., 2008; Soria-Perpinyà et al., 2018). Después, se evidencia un incremento hacia el mes de mayo, que se acentúa en el centro y sur del lago (Figura 5.B), debido a un flujo de renovación de aguas mínimo. El mapa del mes de septiembre muestra de nuevo niveles mínimos de [Chl-a], sobre todo en el área costera (Figura 5.C), correspondientes con el período de recolección del arroz, que ocurre entre los meses de septiembre y octubre (Romo et al., 2008; Soria-Perpinyà et al., 2018). Finalmente, en el mapa del mes de noviembre se observa un incremento de [Chl-a] con valores máximos nuevamente en el centro de la Albufera (Figura 5.D), como resultado del incremento del nivel del agua en el lago para permitir que los campos se inunden. Así mismo, los mapas también muestran los patrones de concentración y variación espacial de la [Chl-a] en el lago, de nuevo acordes con las condiciones generales de la Albufera (Soria-Perpinyà et al., 2018).

Para poder evaluar la evolución de la [Chl-a] con mayor precisión, fue calculado y representado el valor promedio de [Chl-a] de todos los píxeles de un área amplia de la Albufera. Para ello, se ha realizado un ROI de la mayor parte del lago (excluyendo las islas) para cada una de las 40 imágenes procesadas. En la Figura 6 se muestra el valor promedio del lago de cada una de las imágenes, señalando en un círculo rojo las fechas que corresponden a las imágenes de la Figura 5. Los valores promedio de [Chl-a] en el período de estudio presentan mínimos y

7

215216217218219

220

221222223

224

225

226227228229230231232233234235236237238239240241242243244

245246247248249250

13

14

máximos muy marcados para cada año de período de estudio: un par de valores mínimos, el primero ubicado entre los meses de abril y marzo, y el segundo entre los meses agosto y septiembre; y otro par de valores máximos, en los meses de mayo y noviembre. Esta evolución temporal se muestra acorde con las tendencias estacionales de la Albufera, según los estudios previos realizados en el área (Romo et al., 2008; Soria-Perpinyà et al., 2018).

Figura 5. Mapas de [Chl-a] en la Albufera de Valencia para cuatro fechas: (A) 17/03/2017, (B) 26/05/2017, (C) 13/09/2017 y (D) 17/11/2017.

8

251252253254255

256

257258259

260

15

16

Figura 6. Valores promedios de [Chl-a] durante el período de estudio. En color rojo se encuentran señalizadas las fechas que coinciden con los mapas de la Figura 5. Imagen modificada de Soria et al., (2018).

4. CONCLUSIONES

En este trabajo se ha aplicado el algoritmo desarrollado por Dall´Olmo et al. (2003) calibrado previamente, a 40 imágenes Sentinel-2 de la Albufera de Valencia durante los años 2016 y 2017. Comparando los datos de [Chl-a] obtenidos de las imágenes con 92 datos de campo tomados en fechas coincidentes o cercanas a las de las imágenes, se ha obtenido un coeficiente determinación R2 de 0,6377 y una pendiente cercana a uno, lo que demuestra la validez del método.

Aplicando el algoritmo a las 40 imágenes, se ha hecho un análisis multitemporal analizando el valor promedio de la [Chl-a] en cada fecha, mostrando una tendencia anual bimodal de valores bajos y altos de concentraciones de [Chl-a], coincidentes respectivamente con los períodos de renovación de las aguas y la posterior recuperación de nutrientes en el lago. Esto demuestra la validez del método de estimación y su aplicabilidad para estudios del monitoreo ecológico de la Albufera de Valencia, así como el potencial de la misión Sentinel-2 en estudios multitemporales, debido a su alta resolución temporal (5 días) así como su aplicación a cuerpos de agua hipertróficos de pequeño tamaño, gracias a su alta resolución espacial (10 m).

5. AGRADECIMIENTOS

Este trabajo ha sido realizado gracias al apoyo del Programa Prometeo 2016/032 de la Generalitat Valenciana.

6. BIBLIOGRAFÍA

Dall’Olmo, G., Gitelson, A. A. y Rundquist, D. C. (2003): Towards a unified approach for remote estimation of chlorophyll-a in both terrestrial vegetation and turbid productive waters. Geophysical Research Letters, 30:18.

Delegido, J., Tenjo, C., Ruiz-Verdú, A., Pereira-Sandoval, M., Pasqualotto, N., Guibaja, G., Verrelst, J., Peña, R., Urrego, E. P., Borràs, J., Sanchis-Muñoz, J., Pezzola, A., Mosquera, Z., Quinto, Z., Gómez, J. J. y Moreno, J. (2016): Aplicaciones de Sentinel-2 a estudios de

9

261262263

264

265

266267268269270271

272273274275276277278279

280

281

282283

284

285

286287288

289290291

17

18

vegetación y calidad de aguas continentales. XVII Simposio Internacional en Percepción Remota y Sistema de Información Geográfica (SELPER). Puerto Iguazú, Argentina. 7-11 de noviembre de 2016.

ESA (2018a). ESA Sentinel Online. https://sentinel.esa.int/web/sentinel/missions/sentinel-2/overview, 01/03/2018.

ESA (2018b). ESA Sentinel Online. https://earth.esa.int/web/sentinel/user-guides/sentinel-2-msi/resolutions/radiometric, 01/03/2018.

ESA (2018c). ESA Sentinel Online: https://sentinel.esa.int/web/sentinel/missions/sentinel-2/data-products, 01/03/2018.

ESA (2018d). Sentinel-2 MSI. Level-2a Prototype Processor Installation and User Manual. http://step.esa.int/thirdparties/sen2cor/2.2.1/S2PAD-VEGA-SUM-0001-2.2.pdf, 01/03/2018.

Gitelson, A. A., Schalles, J. F., y Hladik, C. M. (2007): Remote chlorophyll-a retrieval in turbid, productive estuaries: Chesapeake Bay case study. Remote Sensing of Environment, 109(4), 464-472.

Guibaja, G., Ruiz-Verdú, A., Romo, S., Soria, J. M., Tenjo, C., Pereira-Sandoval, M., Delegido, J., Peña, R., y Moreno, J. (2016): Mapping water quality with Sentinel-2 in Albufera de Valencia. XVIII Iberian Congress of Limnology. IRTA. Tortosa, Italy. 4-8 de julio de 2016.

Kiage, L. M. y Walker, N. D. (2009): Using NDVI from MODIS to monitor duckweed bloom in Lake Maracaibo, Venezuela. Water resources management, 23(6), 1125-1135.

López-García, M.J., Caselles, V. (1987) Use of Thematic Mapper data to assess water quality in Albufera Lagoon of Valencia (Spain). En: Advances in Digital Image Processing, The Remote Sensing Society. University Nottingham, Reino Unido, pp. 510 – 519.

López-García, M.J., Caselles, V. (1990) A multitemporal study of chlorophyll-a concentration in the Albufera lagoon of Valencia, Spain, using Thematic Mapper data. International Journal of Remote Sensing 11 (2), 301- 311.

Louis, J., Debaecker, V., Pflug, B., Main-Knorn, M., Bieniarz, J., Mueller-Wilm, U., Cadau, E. y Gascon, F. (2016): Sentinel-2 Sen2Cor: L2A Processor for Users. Proceedings Living Planet Symposium 2016. Praga, República Checa. 9-13 de mayo de 2016.

Matthews, M. W. (2011): A current review of empirical procedures of remote sensing in inland and near-coastal transitional waters. International Journal of Remote Sensing. 32(21), 6855–6899.

Ongley, E. D. (1997). Lucha Contra la Contaminación Agrícola de los Recursos Hídricos. (Estudio FAO Riego y Drenaje-55), 155 p.

Pereira-Sandoval, M., Urrego, E. P., Ruiz-Verdú, A., Tenjo, C., Delegido, J., Peña, R., Vicente, E., Soria, J. M., Soria-Perpinyà, X. y Moreno, J. (2018): Calibration and validation of algorithms for the estimation of chlorophyll-a and Secchi disc depth in inland waters with Sentinel-2. Sent to Limnetica – Special Issue A Tribute to Maria Rosa Miracle.

Pitarch, J., Ruiz Verdú, A., Sendra, M. D., y Santoleri, R. (2017): Evaluation and reformulation of‐ the maximum peak height algorithm (MPH) and application in a hypertrophic lagoon. Journal of Geophysical Research: Oceans, 122(2), 1206-1221.

Romo, S., García-Murcia, A., Villena, M. J., Sánchez, V., y Ballester, A. (2008): Tendencias del fitoplancton en el lago de la Albufera de Valencia e implicaciones para su ecología, gestión y recuperación. Limnetica, 27(1), 011-28.

10

292293294

295296

297298

299300

301302

303304305

306307308

309310

311312313

314315316

317318319

320321322

323324

325326327328

329330331

332333334

19

20

Ruescas, A.B., Pereira-Sandoval, M., Tenjo C., Ruiz- Verdú A., Steinmetz, F. y De Keukelaere, L. (2016): Sentinel-2 Atmospheric Correction Intercomparison over two lakes in Spain and Peru-Bolivia. CLEO. ESA-ESRIN. Frascati, Rome, Italy. 6-8 September 2016.

Soria, J. M., Miracle, M. R., y Vicente, E. (1987). Aporte de nutrientes y eutrofización de la Albufera de Valencia. Limnetica, 3(2), 227-242.

Soria, J. M. (1997). Estudio limnológico de los sistemas acuáticos del Parc Natural del'Albufera. PhD. Thesis, Universitat de València, 289 p.

Soria-Perpinyà, X., Urrego, E. P., Pereira-Sandoval, M., Ruiz-Verdú, A., Peña, R., Soria, J. M., Delegido, J., Vicente, E. y Moreno, J. (2018): Ecological monitoring of a hypertrophic lake using Sentinel-2 images. Sent to Limnetica - Special Issue: A Tribute to Maria Rosa Miracle.

Vasconcelos, V. (2006): Eutrophication, toxic cyanobacteria and cyanotoxins: when ecosystems cry for help. Limnetica, 25(1-2), 425-432.

11

335336337

338339

340341

342343344

345346

21

22