Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
561 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos 562 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos CAPITULO 21 TELEDETECCIÓN ESPACIAL APLICADO A LOS RECURSOS HÍDRICOS El estudio ciencias de la tierra en general es complejo y requiere del apoyo de otras materias que puedan incrementar su entendimiento para una mejor toma de decisiones ingenieriles a fin de que se puedan realizar estimaciones adecuadas de un determinado proyecto. En ese sentido, la teledetección aplicada a los recursos hídricos influye en una mejor cuantificación de los componentes del ciclo hidrológico, permitiendo que en muchos casos se pueda calibrar sus resultados con los medidos en las estaciones hidrometereológicas, disminuyendo los errores en su estimación y otorgando resultados más certeros. 21.1. La teledetección espacial La observación remota de la superficie terrestre engloba el marco de estudio de la teledetección. Este vocablo es una traducción del término inglés Remote Sensing, el cual fue ideado a inicio de los años 60 para designar cualquier medio de observación remota (fotografías aéreas). La teledetección no engloba solo los procesos que permiten obtener una imagen satelital o fotografía aérea, sino también su posterior tratamiento e interpretación. 21.1.1. Fundamentos de teledetección espacial La teledetección espacial es aquella técnica que permite obtener información a distancia de los objetos situados sobre la superficie terrestre, existiendo entre estos una interacción continua (Chuvieco, 2010). Asimismo, este autor considera a los siguientes elementos en un sistema de teledetección espacial. • Fuente de energía: Es el origen de la radiación electromagnética que detecta el sensor. La fuente de energía más importante es el sol (fuente natural), pero también puede realizarse teledetección desde fuentes artificiales. • Cubierta terrestre: Puede estar formada por la vegetación, suelos, agua o construcciones humanas, la cual recibe energía electromagnética procedente de una fuente, que como se mencionó puede ser natural (el sol) o artificial (emitida por otros sensores). Posteriormente esta energía electromagnética es reflejada y/o absorbida, esto dependerá de las características físicas de cada cubierta. • Sistema Sensor: El sistema sensor es el encargado de captar la energía procedente de las cubiertas terrestres, y enviarla al sistema de recepción. • Sistema de Recepción: La información se graba en un formato apropiado, se realizan correcciones para posteriormente ser distribuido a los interesados. • Intérprete: Es el encargado de convertir la data en información temática de interés, ya sea física o digital, para facilitar la evaluación del problema en estudio. • Usuario Final: Encargado de analizar el documento fruto de la interpretación. 563 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos Figura 254. Elementos de un sistema de teledetección Fuente: Natural Resources Canada (1996) ; Valentina y Matar (2016). a) Formas de un sistema de Teledetección Según el tipo de fuente de energía, se pueden diferenciar dos formas de teledetección: • Teledetección pasiva: La fuente de energía es natural, en este caso particular, el Sol que es la principal fuente de energía del planeta. Este emite energía electromagnética a la cubierta terrestre que es reflejada en función del tipo de cubierta presente. Este flujo reflejado es captado por el Sistema Sensor, que posteriormente lo transmite a las estaciones receptoras. Ejemplos: LANDSAT, TMI, AMSR, AIRS, MODIS, etc. Figura 255. Sistema de teledetección pasiva Fuente: Natural Resources Canada (1996). 564 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos • Teledetección activa: Cuando la fuente de energía es artificial, basándose en energía emitida por las propias cubiertas (emisión) o en la que podríamos enviar desde un sensor que sea capaz de generar su propio flujo energético y emitirlo hacia la cubierta terrestre, así como de recoger posteriormente su reflexión sobre la cubierta terrestre (reflexión - emisión). En cualquiera de los dos casos, este flujo energético constituye una forma de radiación electromagnética, cuyas propiedades se han explicado por dos teorías contrapuestas, una la concibe como un haz ondulatorio (Huygens, Maxwell) y la otra la considera como una sucesión de unidades discretas de energía, fotones o cuantos, con masa igual a cero, tales como Planck, Einstein (Villegas, 2008). Ejemplo: radares de precipitación, LIDAR, etc. Figura 256. Sistema de Teledetección activo Fuente: Natural Resources Canada (1996). b) Principios físicos de la Teledetección Radiación electromagnética Conocida como energía electromagnética, es un tipo de energía que proviene de la oscilación de cargas eléctricas, producida por el sol en forma natural o emitida por fuentes artificiales como son la televisión, radio o microondas. Esta se transmite de un lugar a otro por medio de ondas electromagnéticas. Onda Electromagnética La radiación electromagnética está compuesta por ondas electromagnéticas, las que poseen un campo eléctrico (E) el cual tiene una dirección perpendicular en su recorrido con el campo magnético (M). Ambos campos se desplazan a la velocidad de la luz (Natural Resources Canada, 1996). Figura 257. Onda Electromagnética Fuente: Natural Resources Canada (1996). 565 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos Las características de la onda electromagnética pueden describirse por dos elementos fundamentales: la longitud de onda (λ) y frecuencia (ν). La primera hace referencia a la distancia entre dos picos sucesivos, mientras que la frecuencia designa el número de ciclos pasando por un punto fijo en una unidad de tiempo (Chuvieco, 2010). Figura 258. Esquema de una Onda Electromagnética Fuente: Chuvieco (2010). Ambos están inversamente relacionados, la cual se expresa en la siguiente ecuación: c = λ ∗ ν Donde: c es la velocidad de la luz; λ expresa la longitud de onda en micrómetros (µm) y la frecuencia en Hertz (Hz). Según la ecuación podemos concluir que, a mayor longitud de onda, menor será la frecuencia y viceversa. Espectro electromagnético Este espectro posee tres escalas de valores diferentes, una para la frecuencia, otra para la longitud de onda y otra para la energía, cuya división básica se hace atendiendo a los rangos de frecuencias o de longitudes de onda, en orden creciente de frecuencias o decreciente en longitudes de onda. También, abarca las siguientes regiones: ondas de baja frecuencia, y radiofrecuencia, microondas, infrarrojo, visible, ultravioleta, rayos X, rayos Gamma. Para la Teledetección solo algunas de estas bandas de frecuencias son utilizadas para obtener información de la superficie de la Tierra o de la atmósfera: • Visible (0.38 µm – 0.75 µm). • Infrarrojo cercano (IRC) (0.75 µm – 1.2 µm). • Infrarrojo medio (1.2 µm – 8 µm). • Infrarrojo lejano o térmico (IRT) (8 µm – 14 µm). • Microondas (> 1 mm). 566 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos Figura 259. Clasificación del espectro electromagnético Fuente: Camps-Valls et al. (2011). c) Resolución de las imágenes satelitales Estes y Simonett (1975) definen como resolución de un sistema sensor a la habilidad que posee de discriminar información de detalle. A continuación, se mencionan los tipos de resolución de una imagen satelital. Espacial Se refiere al objeto más pequeño que puede ser distinguido sobre una imagen; esto es, la distancia correspondiente al tamaño de la mínima unidad de información en la imagen. Depende principalmente de la altura orbital, la longitud focal y el número de detectores (Chuvieco, 2010). Figura 260. Resolución espacial Fuente: ARSET (2013). Por ejemplo, para el sensor Thematic Mapper del satélite Landsat 5, la resolución espacial es de 30m. 567 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos Figura 261. Resolución espacial Fuente: Applied Remote Sensing Training [ARSET] (2013). Espectral Indica el número y anchura de las bandas espectrales que pueden discriminar el sensor. Un sensor será más idóneo cuanto mayor número de bandas proporcione, ya que facilita la caracterización espectral de las distintas cubiertas (Chuvieco, 2010). El sensor Thematic Mapper del satélite Landsat 5 posee 7 bandas espectrales (azul, verde, rojo, infrarrojo próximo, infrarrojo lejano, térmica lejana y térmica próxima). Radiométrica Se refiere a la sensibilidad del sensor; es decir, a su capacidad para detectar variaciones en la radiancia espectral que recibe. Para la mayoría de los equipos las imágenes se codifican en un formato binario, por lo que la resolución radiométrica suele identificarse con el rango posible de valores que almacena el sensor. Por ejemplo, los primeros satélites Landsat llevaban un sensor que ofrecía un rango de 128 niveles de codificación (128 = 27) (7 bits) por pixel con 64 niveles (26) de codificación (6 bits) para la banda del infrarrojo cercano. Actualmente, la mayoría de los sistemas ofrecen 256 niveles digitales por pixel (8 bits), aunque otros extienden ese rango notablemente, como son el satélite NOAA-AVHRR, IKONOS o Quickbird. Cuanto más grande sea el número de niveles digitales, más alta será la resolución radiométrica y más nítidas las imágenes. Temporal Este concepto alude a la periodicidad con la que el sensor adquiere imágenes de la misma porción de la superficie terrestre (Chuvieco, 2010); o con qué frecuencia un satélite observa la misma área de la tierra. El tiempo que tarda el sensor en pasar sobre la misma porción de la tierra se denomina ciclo de recubrimiento. 568 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos 21.1.2. Satélites para los componentes del ciclo hidrológicos La Administración Nacional de la Aeronáutica y del Espacio (NASA) tiene en funcionamiento satélites y sensores para la medición de los componentes del ciclo del agua, los cuales son: • LANDSAT (07/1972 – actualidad). • Tropical Rainfall Measuring Mission TRMM (11/1997 – actualidad). • TERRA (12/1999 – actualidad). • AQUA (5/2002 – actualidad). • Gravity Recovery and Climate Experiment GRACE (3/2002 – actualidad). A continuación, en la siguiente tabla se puede observar los satélites, sensores y cantidades de la teledetección espacial para la gestión de los recursos hídricos. Tabla 188. Satélites y sensores usados para la evaluación de recursos hídricos Satélite Sensores Cantidades TRMM Precipitation Radar (PR). TRMM Microwave Imager (TMI). Visible Infrared Scanner (VIRS). Tasa pluvial, perfil vertical de la tasa pluvial, lluvia acumulada. Terra y Aqua MODerate Resolution Imaging Spectrorradiometer (MODIS). Cubierta de nieve, índice de vegetación, índice de superficie foliar, cubierta terrestre, cubierta nubosa. Aqua Atmosferic Infrared Sounder (AIRS). Advance Microwave Scanning Radiometer for EOS (AMSR – E). Temperatura y humedad atmosférica, cubierta nubosa equivalente en agua de la nieve, hielo marino, humedad del suelo, tasa pluvial en 3 dimensiones. Landsat Enhanced Thematic Mapper (ETM). Thematic Mapper (TM). Cubierta terrestre, índice de vegetación, índice de superficie foliar. Grace k-Band Ranging Assembly. Agua terrestre. Fuente: Adaptado de Applied Remote Sensing Training [ARSET] (2013). Siempre se debe tener en cuenta que la calidad de los datos puede variar, esto depende de la capacidad del instrumento, su calibración y rendimiento. Además, también va a depender de los algoritmos y procedimientos que se utilicen para procesar e interpretar los datos, lo cual también está sujeto a la experiencia del profesional. 21.1.3. Modelos para los componentes del ciclo hidrológico Para el Perú, la información que proporcionan dichos satélites y sensores es de utilidad para estimar cuantitativamente los componentes del ciclo hidrológico, especialmente la precipitación (dado que en el sistema cuenca, esta es la principal entrada). Como se sabe, la carencia de información meteorológica en el país es una limitante para los proyectos de ingeniería, entonces, es posible utilizar datos que proporcionan estos satélites y a su vez, las mediciones en el terreno, y así establecer modelos matemáticos que muestren de forma correcta, el comportamiento físico de dichas variables en un área determinada. 569 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos Figura 262. Percepción remota + Observaciones terrestres y modelos numéricos Fuente: Applied Remote Sensing Training [ARSET] (2013). Hay que tener en consideración lo siguiente: • Los modelos usan las leyes de la física en términos de ecuaciones matemáticas para representar el ciclo hidrológico en el sistema cuenca. • Los modelos usan observaciones para representar el sistema en un momento determinado para deducir la evolución del sistema a través del espacio/tiempo. • Los modelos usan técnicas físicas, estadísticas y empíricas para representar los procesos de las variables del ciclo hidrológico. La Administración Nacional de Aeronáutica y el Espacio (NASA) cuenta con modelos que simulan el tiempo, clima y cantidades hidrológicas (modelos atmósfera – océano – tierra), entre ellos se mencionan algunos utilizados para cantidades hídrica: MERRA (Modern Era Retrospective – análisis for research and application) el cual proporciona información sobre vientos, temperatura, humedad, nubes, tasa pluvial, masa de nieve, cubierta de nieve, profundidad de nieve, tasa de nieve en la superficie, evapotranspiración. GLDAS (Gobal Land Data Assimilation System / NLDAS-North American Land Data Assimilation System), el cual muestra cantidades de evapotranspiración, humedad terrestre, tasa pluvial, tasa de nieve, deshielo, equivalente en agua de la nieve, escorrentía superficial y subterránea. Los datos que proporcionan dichos modelos son libres y cuentan con herramientas en línea disponibles para su acceso y descarga. 21.2. Satélites, sensores y modelos para lluvia y escorrentía Las dos principales fuentes pluviales de la NASA son: • GPCP – Global Precipitation Climatology Project. • TRMM – Tropical Rainfall Measuring Mission. 570 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos 21.2.1. GPCP – Global Precipitation Climatology Project Fue establecido por el Programa Mundial de Investigación Climatológico (WCRP – World Climate Research Program) y se encuentra junto al programa de Intercambio Global de Energía y Agua (GEWEX – Global Energy and Water Exchange Program) con la finalidad de abordar el problema de cuantificar la distribución de las precipitaciones. Su registro de datos en base a satélites es largo, cubriendo más de 40 años, desde 1979 hasta el presente. El GPCP combina información de varios satélites y medidores para derivar un conjunto de datos combinados. Los datos que se pueden obtener de este provienen de mediciones de lluvia de más de 6000 estaciones globales de pluviómetros. Dichos datos derivados se obtienen usando: • Los estimados de microondas pasivos, basados en las series del programa “Defense Metereological Satellite Program”: Special Sensor Microwave/Imager (SSMI) y Special Sensor Microwave Imager/Sounder (SSMIS) data. • Los estimados de precipitación Infrarrojos (IR) están basados en: Satélites Geoestacionarios de Estados Unidos de América, Europa y Japón, Satélites de órbita polar de la serie de NOAA como son Television Infrared Observation Satellite Program (TIROS), Operational Vertical Sounder (TOVS), Nasa Aqua Satellite Atmospheric Infrared Sounder (AIRS) y en Datos de Pluviómetros del Global Precipitacion Climatology Center (GPCC). A continuación, se muestra una tabla con los productos de los datos de GPCP. Tabla 189. Productosderivados del Global Precipitation Climatology Project Nombre y versión Resolución y cobertura espacial Resolución y cobertura temporal Formato GPCP Version 2.2 2.5° x 2.5° Global Medio de 5 días mensual (1979 – 2015). Climatología basada en (1979 – 2011). Binario con cabecera ASCCI GPCP Version 1.2 1° x 1° Global Diaria (10/1996 – 10/2015). Fuente: Adaptado de Applied Remote Sensing Training [ARSET] (2013). Se puede obtener más información sobre las fuentes de datos del GPCP en: https://psl.noaa.gov/data/gridded/data.gpcp.html https://psl.noaa.gov/data/gridded/data.gpcp.html 571 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos Figura 263. Portal GPCP Fuente: Physical Sciences Laboratory [PSL] (2022). 21.2.2. TRMM – Tropical Rainfall Measurign Mission La misión de medición de lluvia tropical fue la primera dedicada a la medición de la lluvia tropical y subtropical. Fue lanzado el 27 de noviembre de 1997 y terminado el 15 de abril de 2015. Además, fue el primer satélite en llevar un radar de precipitación de microondas y fue antecesor de la misión de medición global de precipitación (GPM – Global Precipitation Measurement). Dentro de las aplicaciones de los datos de lluvia de TRMM, se mencionan las siguientes: Monitoreo de lluvia y eventos extremos, de periodos secos y húmedos regionales, sirve como entrada para modelos hidrológicos, en el mapeo de las inundaciones para la gestión hídrica, monitoreo agrícola, etc. Se puede acceder a los datos desde el siguiente enlace: https://pmm.nasa.gov/TRMM. Figura 264. Portal TRMM Fuente: Adaptado de Applied Remote Sensing Training [ARSET] (2013). https://pmm.nasa.gov/TRMM 572 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos Cuenta con los siguientes sensores: TMI (TRMM Microwave Imager); PR (Precipitation Radar); VIRS (Visible and Infrared Scanner); LIS (Lightening Imaging Sensor); CERES (Clouds and the Earth’s Radiant Energy System). A continuación, se muestran algunos sensores del TRMM y sus características. Tabla 190. Sensores TRMM y sus características Sensor Cobertura Barrido Resolución temporal Tamaño de pixel Precipitation Radar (PR) 35°S-35°N 215 km (247 km después de 8/2001) 27 noviembre 1998 – 07 octubre 2014 5 km TRMM Microwave Imager (TMI) 35°S-35°N 760km (878 km after 8/2001) 27 noviembre 1988 – 15 octubre 2015 5 a 45 km Fuente: Adaptado de Applied Remote Sensing Training [ARSET] (2013). Los datos de lluvia a las diferentes escalas pueden extraerse del portal hidrológico Giovanni. Figura 265. Portal Giovanni Fuente: Adaptado de Applied Remote Sensing Training [ARSET] (2013). 21.2.3. Global Land Data Assimilation System (GLDAS) La escorrentía o el agua en exceso de lluvia y/o deshielo resulta de la saturación del suelo y depende de la capacidad de infiltración del suelo, tasa pluvial del deshielo, tipo de terreno, etc. Es uno de los componentes principales del ciclo hidrológico, que causa erosión, inundaciones y en ocasiones puede transportar contaminantes. El modelo GLDAS puede estimar escorrentía, a partir de datos calculados como modelos hidrológicos tierra/atmósfera. A partir de datos satelitales y de mediciones en la superficie (insitu) de las estaciones meteorológicas respectivas. Se generan los modelos tierra/atmósfera para escorrentía. Su objetivo es 573 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos integrar observaciones terrestres y satelitales dentro de modelos numéricos sofisticados para producir imágenes físicamente consistentes de alta resolución de estados de superficie terrestre. Los parámetros de entrada al modelo son: • Textura de suelo. • Cubierta terrestre. • Pendiente. • Radiación. • Precipitación. Figura 266. Modelo GLDAS Fuente: Adaptado de Applied Remote Sensing Training [ARSET] (2013). 21.3. Humedad del suelo y evapotranspiración 21.3.1. Evapotranspiración La evapotranspiración depende de variables como: la radiación solar en superficie, la humedad, vientos superficiales, condiciones del suelo, cobertura y tipo de vegetación, temperatura del aire y del suelo. Ello genera que sea altamente variable en el espacio y el tiempo. Existen varios productos de evapotranspiración, en base al índice de vegetación según MODIS, según procedimientos aplicados a imágenes LANDSAT y también en base a la existencia de satélites geoestacionarios globales. a) MOD16A2 Evapotranspiración MODIS El producto MOD16A2 Versión 6 Evapotranspiration/Latent Heat Flux es un conjunto de datos que posee una resolución temporal de 8 días y una resolución espacial de 500 metros. El algoritmo está basado en la ecuación de Penman- Monteith. Su cobertura temporal es del 2010 hasta la actualidad. 574 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos Los valores de los píxeles de las capas de ET (Evapotranspiración compuesta) y ETP (Evapotranspiración compuesta potencial) corresponde a la suma de los 8 días. También existen capas de Flujo de calor latente (LE) y Flujo de calor latente potencial (PLE) a estos les corresponde el promedio de los 8 días del periodo compuesto. Figura 267. Portal del producto MOD16A2 versión 6 Fuente: Land Processes Distributed Active Archive Center [LP DAAC] (2022). De acuerdo con Corriendo, Mu y Zhao (2017), el algoritmo MOD 16 se ejecuta a nivel diario, siendo la sumatoria de la evapotranspiración en el día y en la noche. La siguiente figura muestra el proceso lógico detrás del algoritmo MOD16ET. Figura 268. Proceso lógico del algoritmo MOD16 ET Fuente: Corriendo, Mu y Zhao (2017). 575 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos 21.3.2. Humedad del suelo La humedad del suelo depende de la precipitación y evapotranspiración principalmente. También depende de la características y tipo de suelo (textura, estructura del suelo, la vegetación, la capacidad de infiltración, entre otros). Además, es un indicador de la sequía. a) Soil Moisture Active – Passive (SMAP) (Activo – Pasivo para la detección de la humedad del suelo) SMAP fue lanzado el 31 de enero de 2015, posee una órbita heliosincrónica y altitud de 685 km. Posee alcance global y resolución espacial de 9 y 36 km, cuenta con una repetición temporal de 3 días y una profundidad de detección de 5 cm. De acuerdo con NASA’s Applied Remote Sensing Training Program, (2020) la justificación para hacer observaciones cada 3 días es que es el tiempo promedio para determinar la variabilidad de la humedad del suelo de manera óptima. Figura 269. Satélite SMAP Fuente: NASA’s Applied Remote Sensing Training Program (2020). El radar, diseñado para operar como radar de apertura sintética (SAR) dejó de funcionar después del 7 de julio de 2015. Actualmente, se utilizan datos SAR de Sentinel-1 de la Agencia Espacial Europea, en conjunto con el radiómetro pasivo a bordo de SMAP. Se puede acceder a los datos de SMAP desde National Snow Ice Data Center (NSIDC) siguiendo el siguiente enlace: https://nsidc.org/. Se pueden encontrar datos de nivel 2 a nivel 4 para SMAP. https://nsidc.org/ 576 Jhon Walter Gómez Lora y Victor Hugo Gallo Ramos Figura 270. Portal NSIDC Fuente: National Snow and Ice Data Center [NSIDC] (2021).
Compartir