EVOLUCIÓN DE LA EVAPOTRANSPIRACIÓN EN DIFERENTES COBERTURAS VEGETALES DE LA ARGENTINA UTILIZANDO PRODUCTOS DERIVADOS DEL SENSOR MODIS

Transcripción

1 EVOLUCIÓN DE LA EVAPOTRANSPIRACIÓN EN DIFERENTES COBERTURAS VEGETALES DE LA ARGENTINA UTILIZANDO PRODUCTOS DERIVADOS DEL SENSOR MODIS García Alfredo G. 1 ; Campos Alfredo N. 1 ; Di Bella Carlos M. 1 ; Posse Gabriela 1 1 Instituto de Clima y Agua, Instituto Nacional de Tecnología Agropecuaria (INTA). N. Repetto y de los Reseros s/n (11) Hurlingham, Bs. As., Argentina. aggarcia@cnia.inta.gov.ar, acampos@cnia.inta.gov.ar, gposse@cnia.inta.gov.ar, cdibella@cnia.inta.gov.ar RESUMEN La evapotranspiración (ET) es un proceso clave del funcionamiento del sistema climático y nexo entre los ciclos del agua, carbono y energía, por lo cual su precisa cuantificación adquiere relevancia tanto para la planificación agrícola a escala local como para la evaluación de posibles consecuencias asociadas al cambio climático a escala regional. Los métodos directos de medición de la ET implican el uso de costosos y complejos instrumentos por lo cual se han desarrollado numerosos métodos teóricos y empíricos para determinar dicha variable a partir de información meteorológica o sensores remotos. En este trabajo se evaluaron estimaciones de ET basadas en el uso de productos satelitales derivados del sensor MODIS frente a mediciones directas de ET y estimaciones de ETP a partir de información meteorológica recolectada en superficie. El producto de MODIS logró un ajuste similar en los tres ambientes (r ~.), mientras que el producto generado localmente consiguió un ajuste cercano a.7 en un sitio agrícola de la Pampa Húmeda,.3 en un bosque del Chaco Seco y.13 para una forestación de la Sabana Mesopotámica. Palabras clave: sensores remotos, eddy covariance, evapotranspiración potencial INTRODUCCIÓN La evapotranspiración (ET), definida como la evaporación directa desde el suelo más la transpiración realizada por los vegetales, es un proceso clave del funcionamiento del sistema climático y nexo entre los ciclos del agua, carbono y energía (Jung et al., 1). Además de ser un componente importante de pérdidas en el ciclo hidrológico, la ET constituye un mecanismo regulador de la temperatura de superficie a través de su efecto sobre el flujo de calor latente. En los ecosistemas terrestres, la ET está estrechamente ligada a las tasas de asimilación de carbono, y por lo tanto a la productividad primaria neta (Monteith, 19). Debido a su importancia, su precisa cuantificación adquiere relevancia tanto para la planificación agrícola a escala local como para la evaluación de posibles consecuencias asociadas al cambio climático a escala regional. Los métodos directos de medición de la ET implican el uso de costosos y complejos instrumentos como los lisímetros. El desarrollo de sensores micrometeorológicos y la aplicación de técnicas de análisis de flujos turbulentos o eddy covariance (EC) ha permitido avanzar en la caracterización de la ET a escala de local. Sin embargo, debido a su alto costo estas técnicas difícilmente pueden ser replicadas espacialmente. Tradicionalmente, las estimaciones de ET han sido realizadas a partir de información meteorológica recolectada en estaciones fijas de medición. Numerosos métodos directos, teóricos y empíricos han sido desarrollados para determinar la ET a partir de información meteorológica de manera sencilla. Sin embargo, dado el carácter puntual de las observaciones y la alta variabilidad espacial del fenómeno estudiado, resulta difícil obtener información espacialmente explícita confiable, más aún donde la densidad de estaciones meteorológicas es baja. En este sentido, la teledetección ofrece una oportunidad valiosa para obtener cartografías de ET sin necesidad de recurrir a protocolos de extra o interpolación a partir de datos puntuales (Paruelo et al., ). Entre los métodos que utilizan datos de sensores remotos pueden distinguirse métodos empíricos directos, métodos residuales del balance de energía y métodos indirectos (Courault et al., 3). Gran cantidad de productos de ET han sido generados a partir de estas metodologías utilizando datos de diferentes sensores satelitales. Sin embargo, los resultados son variables debido a los diferentes supuestos considerados y a que usan distintos datos de entrada para su cálculo.

2 El objetivo de este trabajo ha sido evaluar estimaciones de ET basadas en el uso de productos satelitales derivados del sensor MODIS frente a mediciones directas de ET y estimaciones de ETP a partir de información meteorológica recolectada en superficie. MATERIALES Y MÉTODOS Para evaluar estimaciones de ET basadas en el uso de productos satelitales MODIS se utilizaron datos de ET calculados con la técnica eddy covariance (EC) a partir de observaciones micrometeorológicas realizadas en tres puestos fijos de observación (Tabla A). Las tres estaciones EC están equipadas con un anemómetro sónico 3-D y un analizador infrarrojo de gases atmosférico (IRGA). La ET se calculó utilizando el software EVEDDY, desarrollado por INTA (9). En los tres casos se utilizaron la totalidad de los datos de ET disponibles, los cuales se usaron como referencia para evaluar los siguientes productos satelitales: 1) ET MODIS El producto global de ET MOD1A es desarrollado por el EOS (Earth Observing System) de la NASA, a partir de información derivada de los sensores MODIS. Se encuentra disponible en forma gratuita para el período -11 ( El algoritmo utilizado para calcular la ET ha sido propuesto por Mu et al. (11), y se basa en la ecuación Penman-Monteith (Monteith 195). ) ET Di Bella et al. () Se trata de un algoritmo de base empírica que relaciona variables biofísicas derivadas de sensores remotos con la ET estimada a partir de información meteorológica. Específicamente, Di Bella et al. () proponen utilizar el índice espectral de vegetación NDVI (Normalized Difference Vegetation Index) y la temperatura de superficie (T s ) calculados usando la información capturada por los sensores AVHRR, a bordo de los satélites NOAA, para estimar la ET diaria (mmd -1 ) en la Región Pampeana de Argentina mediante la siguiente fórmula: ET = ( T s +.*NDVI)/3 (1) Este algoritmo fue aplicado utilizando información derivada del sensor MODIS/Terra para las mismas ventanas temporales en que se disponía de datos EC. Los valores de T s se extrajeron del producto MOD11A, mientras que el NDVI (Tuker, 1977) se calculó a partir de los valores de reflectancia de las bandas rojo (ρ R ) e infrarrojo cercano (ρ IRC ) derivados del producto MOD9A. Ambos productos satelitales presentan una resolución espacial y temporal de 1 km y días respectivamente. Los valores de ET fueron extraídos del píxel correspondiente a la ubicación geográfica de las estaciones EC. Tabla A. Ubicación, ecorregión según Olson et al. (), tipo de uso de suelo y período de adquisición de datos de las estaciones EC utilizadas. Sitio EC1 San Luis, San Luis EC Mercedes, Buenos Aires EC3 Virasoro, Corrientes Ubicación 33 7'5."S; 7'3.5"O 3 3'9.7"S; 59 '31.7"O 1'."S; 5 11'19"O Ecorregión (Olson et al. ) Tipo de uso del suelo Período de adquisición de datos Chaco seco Ganadero 1/9-3/11 Pampa húmeda Agrícola 9/9-3/11 Sabana mesopotámica Forestal 1/9-1/1 Adicionalmente se calculó la evapotranspiración potencial (ETP) * mediante dos métodos basados en el uso de información meteorológica. Estas metodologías tienen la ventaja de requerir menor cantidad de datos que el método Penman-Monteith (Monteith, 1973), los cuales muchas veces son registrados en las estaciones meteorológicas. La información necesaria en cada caso fue capturada por el instrumental instalado en las estaciones EC. Los métodos utilizados se describen a continuación: * La evapotranspiración potencial (ETP) se define como la evaporación directa desde el suelo más la transpiración realizada por los vegetales cuando no existen restricciones hídricas (Penman 19).

3 ET/ETP (mm d -1 ) ET/ETP (mm d -1 ) ET/ETP (mm d -1 ) 1) Método Turc (191) ETP =.13(T/(T ETP =.13(T/(T +15))(Rs + 5)(1 + (5 - HR/7)) +15))(Rs + 5) si HR < 5% si HR 5% () donde: ETP es la evapotranspiración potencial diaria (mmd -1 ), T es la temperatura del aire promedio diaria (ºC), Rs es la radiación solar diaria (calcm - d -1 ) y HR es la humedad relativa promedio diaria (%). ) Método Makkink (1957) ETP =.1( /( +γ))(rs/5.5)-.1 (3) donde es la pendiente de la curva de presión de vapor a saturación (kpaºc -1 ), γ es la constante psicrométrica modificada por el cociente de la resistencia del canopeo y la resistencia atmosférica (kpaºc -1 ) y Rs es la radiación solar diaria (calcm - d -1 ). Finalmente se analizó la correlación existente entre la ET medida en las estaciones EC con los datos de ET extraídos de los productos satelitales y los valores de ETP estimados mediante información meteorológica. RESULTADOS Y DISCUSION Los coeficientes de correlación (r ) de las regresiones lineales calculadas entre los valores de ET medidos en las estaciones EC y los derivados de los cuatro métodos analizados variaron entre.13 y.7 (Tabla B). En cada uno de los sitios, los valores de ETP presentaron similar r cuando se estimaron con los dos métodos (Turc y Makkink), siendo la pendiente de la curva de ajuste mayor a 1 en todos los casos. Para estos métodos, los mayores r se observaron en el sitio más húmedo (EC3, con una precipitación promedio anual de 1 mm), mientras que menores se encontraron en el sitio más seco (EC1, con una precipitación promedio anual de mm). Del análisis visual de las curvas temporales de la ETP se observa que la dinámica temporal es similar a la ET medida (EC), siendo menores las diferencias observadas a bajos valores de ET. A 1 EC MOD1A Di Bella Turc Makkink B C oct-1 sep-1 ago-1 jul-1 may-1 mar-1 feb-1 ene-1 dic oct-1 sep-1 ago-1 jul-1 may-1 mar-1 feb-1 ene-1 dic-9 nov-9 oct-9 sep ene-1 dic-11 nov-11 oct-11 sep-11 ago-11 jul-11 jun-11 may-11 abr-11 abr-11 oct-1 sep-1 ago-1 jul-1 may-1 mar-1 feb-1 ene-1 dic-9

4 Figura 1. Comparación temporal entre la ET/ETP calculada con los diferentes métodos de estimación y la ET medida en las estaciones EC1 (A), EC (B) y EC3 (C). La ET derivada del producto satelital generado por la EOS/NASA (MOD1A) mostró un ajuste similar en los tres sitios (r ~.), sin embargo fue en la estación EC3 donde la ET estimada presentó la menor dispersión y un valor de pendiente (m) cercana a 1. En los sitios EC1 y EC, en general la ET estimada subestimó las mediciones realizadas a campo. Por su parte, la ET calculada a partir del algoritmo propuesto por Di Bella et al. () estimó la ET con un alto grado de ajuste en el sitio EC (Pampa húmeda, región para la cual el algoritmo fue desarrollado), con un m cercano a 1. Por el contrario, este producto satelital falló en la estimación de la ET en las estaciones EC1 y EC3. Tabla B. Pendiente (m), ordenada al origen (b) y coeficiente de correlación (r ) correspondiente a la regresión lineal entre la ET calcula por las estaciones EC y los diferentes métodos de estimación. EC1 EC EC3 EC vs m b r m b r m b r MOD1A Di Bella Turc Makkink CONCLUSIONES Las cartografías de ET logradas a través de información satelital presentan un alto potencial en la descripción de la dinámica temporal del consumo de agua de los ecosistemas terrestres. Productos sencillos como el desarrollado por Di Bella et al. () necesitan ser evaluados para su implementación a escala regional utilizando datos MODIS. REFERENCIAS Di Bella C.M., Rebella C.M. y Paruelo J.M.. Evapotranspiration estimates using NOAA AVHRR imagery in the Pampa region of Argentina. International Journal of Remote Sensing, 1: Courault D., Seguin B., Olioso A.. 3. Review to estimate evapotranspiration from remote sensing data: some examples from the simplified relationship to the use of mesoscale atmospheric models. ICID. Workshop on Remote sensing of ET for large regions. 17 Sept 3. Jung M., Reichstein M., Ciais P., Seneviratne S.I., Sheffield J., Goulden M.L., Bonan G., Cescatti A., Chen J., de Jeu R., Dolman A.J., Eugster W., Gerten D., Gianelle D., Gobron N.., Heinke J., Kimball J., Law B.E., Montagnani L., Mu Q., Mueller B., Oleson K., Papale D., Richardson A.D., Roupsard O., Running S., Tomelleri E., Viovy N., Weber U., Williams C., Wood E., Zaehle S. y Zhang K. 1. Recent decline in the global land evapotranspiration trend due to limited moisture supply. Nature Makkink G.F Testing the Penman formula by means of lysimeters. J. Inst. Of Water Eng. 11:77-. Monteith J.L Evaporation and environment. Symposium of the society of experimental biology, 19, 5. Monteith J.L Principles of environmental physics. Elsevier, New York, 1 pp. Monteith J.L Does transpiration limit the growth of vegetation or vice versa? Journal of Hydrology 1:57-. Mu Q., Zhao M., Running S.W. 11. Improvements to a MODIS Global Terrestrial Evapotranspiration Algorithm. Remote Sensing of Environment, Volume 115, pages Olson D.M., Dinerstein E., Wikramanayake E.D., Burgess N.D., Powell G.V.N., Underwood E.C., D'amico J.A., Itoua I., Strand H.E., Morrison J.C., Loucks C.J., Allnutt T.F., Ricketts T. H., Kura Y., Lamoreux J.F., Wettengel W.W., Hedao P. y Kassem K.R.. 1. Terrestrial Ecoregions of the World: A New Map of Life on Earth. BioScience 51(11): Pennman, H.L. 19. Natural evaporation from open wáter, bare soil and grass. Proc. Roy. Soc. London A193:1-1. Paruelo J.M.. La caracterización funcional de los ecosistemas mediante sensores remotos. Ecosistemas 17 (3). Tucker, C.J Resolution of grass canopy biomass classes. Photogrammetric Engineering and Remote Sensing, 3: Turc L. 191.Evaluation of besoins en eau d irrigation, ET potentielle. Ann. Agron. 1:13-9. AGRADECIMIENTOS

5 Este trabajo fue financiado por el INTA (AERN, AERN 933 y AERN 9331) y becas de formación de posgrado CONICET (García A.) e INTA (Campos A.).