USO ÓPTIMO DE IMÁGENES SAC-C: TRANSFORMACIÓN EN REFLECTANCIA (SENSOR MMRS) R. Rivas 1, P. Vázquez 2, I. Entraigas 1, E. Usunoff 1 y M.

Transcripción

1 USO ÓPTIMO DE IMÁGENES SAC-C: TRANSFORMACIÓN EN REFLECTANCIA (SENSOR MMRS) R. Rivas 1, P. Vázquez 2, I. Entraigas 1, E. Usunoff 1 y M. Gandini 3 1 Instituto de Hidrología de Llanuras, CC 44, 7300, Azul, Buenos Aires, Argentina. rrivas@faa.unicen.edu.ar 2 Unidad Operativa Cuenca del Salado, INTA. 3 Facultad de Agronomía, Universidad Nacional del Centro de la Provincia de Buenos Aires. Introducción Los avances científicos más recientes en el campo de la hidrología se han logrado, entre otros, a través del empleo de imágenes satelitales, que resultan fundamentales en la planificación y gestión de los recursos naturales por su capacidad de analizar un gran volumen de información de forma multitemporal, espacial y espectral (los sensores empleados permiten discriminar diferentes tipos de aspectos como uso del territorio hasta valores de temperatura). La aplicación de técnicas de teledetección ha dado en estos últimos años resultados relevantes en el seguimiento de los recursos naturales (Sandholt et al., 2002; Gardner et al., 1985). Es importante destacar que la información digital captada por los diferentes sensores debe tener un tratamiento adecuado para una optimización en el momento de hacer uso de los datos. Es decir, se debe transformar la información almacenada a una magnitud física en superficie (reflectividad o temperatura). Esta transformación posibilita, por ejemplo, la utilización de la información para estudios hidrológicos multitemporales, de erosión y de evolución de vegetación. En este trabajo se describe la metodología utilizada para la transformación en reflectividad (R) de las imágenes captadas por el sensor Multispectral Medium Resolution Scanner (MMRS) del primer Satélite Argentino de Observación de la tierra SAC-C (Rivas y Caselles, 2001). Posteriormente, las imágenes transformadas en R son utilizadas en los estudios hidrológicos que realiza el Instituto de Hidrología de Llanuras en la cuenca del arroyo del Azul (6.500 km 2 en el centro de la provincia de Buenos Aires) Metodología Para la transformación en reflectividad de las imágenes SAC-C se ha obtenido la R a nivel de superficie a partir de una imagen Landsat 7 Thematic Mapper Plus (L7 ETM+). Con esta información (equivalente a la realización de medidas sobre el terreno) se ha obtenido un ajuste lineal entre cuenta digital (CD) y R. Finalmente, se transformaron los valores de CD de cada banda del sensor MMRS a R en porcentaje (R%). En primer lugar se transformaron las CD de cada banda de las imágenes L7 ETM+ a radiancia a partir de los coeficientes de calibrado correspondientes, suministrados en cada imagen. La ecuación lineal aplicada para obtener la radiancia es: L = a λ) + a ( λ) CD( λ) 0 ( λ ) ( 0 1 Donde: L 0(λ) : radiancia que registra el satélite en la longitud de onda considerada a 0(λ) y a 1(λ) : coeficientes de calibrado propios del sensor Posteriormente se transformaron los valores de radiancia (L 0(λ)) en reflectividad (R aλ) a nivel del sensor (resistividad aparente). Para la transformación se aplicó la siguiente expresión (Fleming, 2001): R a ( λ ) π d L0( λ ) = E cosθ 0( λ ) ( 2) Donde: R aλ : reflectividad en la longitud de onda considerada (adimensional 0 R aλ 1) d: distancia tierra sol, en unidades astronómicas E 0λ : irradiancia extraterrestre θ: ángulo cenital ( 1)

2 En segundo lugar se realizó la corrección atmosférica aplicando el modelo denominado de corrección del histograma por valores mínimos (Chavez, 1988). Para ello se sustraen los valores mínimos de las áreas de fuerte absorción (por ejemplo, agua) presentes en la banda 1 (la más afectada por los efectos de absorción) al resto de las bandas. Este método fue utilizado por la ventaja de requerir sólo información contenida en la propia imagen. Se ha optado por este método ya que no se dispone de perfiles atmosféricos para la zona. Una vez calculados los valores de R(%) en L7 ETM+ a nivel de superficie, se realizó un ajuste lineal para SAC-C. Para ello, se seleccionaron superficies invariantes (Caselles y López Garcia, 1989) en las imágenes SAC MMRS y L7 ETM+, y se calcularon los coeficientes de ajuste para cada una de las bandas del sensor MMRS. Posteriormente, con dichos coeficientes se transformaron en R(%) las CD de cada banda del sensor MMRS. A partir de la imagen de R(%) resultante del ajuste se realizó una clasificación utilizando el método de isovalores a partir de las bandas (Lillesand y Kiefer, 1987). La finalidad de la clasificación ha sido identificar las condiciones hidrológicas del área de estudio (agua, zonas anegables, suelo desnudo y vegetación). Por último, se calculó el NDVI (Rouse et al., 1974) para las bandas captadas por el sensor MMRS sin corregir (en CD) y corregidas (en R%). La Figura 1 muestra esquemáticamente los pasos descriptos en los párrafos anteriores. Imagen Landsat 7 ETM+ Transformación en Radiancia Transformación en Reflectividad Aparente Corrección Atmosférica Reflectividad de Superficie Imagen SAC-C Sistema MMRS Ajuste Lineal Superficies Invariantes Imagen SAC-C en Reflectividad de Superficie Uso de las Imágenes SAC-C con Fines Hidrológicos Cálculo de Índices Estudios Multitemporales Clasificaciones Figura 1. Pasos seguidos para la transformación en R de las imágenes SAC-C captadas por el sensor MMRS. Información base y área de aplicación Con la finalidad de mostrar la metodología seguida, en este trabajo se han utilizado la imagen L7 ETM+ (225-86) y la imagen SAC-C MMRS ( ), captadas ambas el 23 de diciembre de El Instituto de Hidrología de Llanuras realiza un seguimiento semanal (en ocasiones diario) en la cuenca del arroyo del Azul (Figura 2) de las diferentes variables hidrológicas (precipitaciones, nivel freático, evapotranspiración, caudal de arroyos, hidroquímica superficial y subterránea, evolución de cuerpos de agua y comportamiento de la zona no saturada entre otras), por lo que se conocen las condiciones hidrológicas en sitios de referencia con buena certeza.

3 Figura 2. Ubicación del área de estudio (en amarillo) en la cuenca del arroyo del Azul (centro de la provincia de Bs. As.). Resultados La Figura 3 muestra la composición color (CC) (bandas 4-3-2, rojo-verde-azul) lograda a partir de la transformación en reflectividad del área seleccionada en la Figura 2 de la imagen L7 ETM+ obtenida a partir de las ecuaciones 1 y 2. Figura 3. Composición color L7 ETM+ (bandas 4-3-2) obtenida a partir de la transformación en reflectividad.

4 La Figura 4 muestra la CC obtenida a partir de cuentas digitales y la Tabla 1 muestra los parámetros del ajuste lineal para la transformación de CD a R(%) de la imagen SAC-C MMRS obtenidos a partir de las superficies invariantes. Figura 4. Composición color en CD (bandas 4-3-2). a b r 2 Banda Banda Banda Banda Banda Tabla 1. Parámetros para la transformación en R(%) de cada banda del sensor MMRS y coeficiente de determinación (r 2 ). En la Figura 5 se muestra el resultado de la CC luego de la aplicación de la transformación en R(%) obtenida a partir de las superficies invariantes (SAC-C y L7 ETM+). Figura 5. Composición color (bandas 4-3-2) obtenida a partir de las bandas transformadas en R(%).

5 La Figura 6 muestra la clasificación obtenida a partir de las bandas utilizando el método de isovalores. Esta clasificación permite conocer el estado hídrico del área seleccionada, y en forma indirecta el grado de anegamiento y de cobertura. Además, con la información de cobertura se puede inferir el grado de facilidad para favorecer u obstaculizar escurrimientos superficiales. La información de anegamiento (recarga rechazada) y cobertura (facilidad o no para el escurrimiento) se convierte en un dato de entrada de relevancia (por mostrar la variabilidad espacial) en los modelos de simulación hidrológica de la cuenca tratada. Figura 6. Clasificación de uso con fines hidrológicos. La Figura 7 muestra el resultado de NDVI calculado a partir de los valores de CD y a partir de R(%). Es posible observar que los valores de NDVI son más altos para la imagen corregida; sin embargo, a nivel de color dicho efecto no es fácilmente observable. Es importante tener en cuenta que valores bajos de NDVI indicarían escasa cobertura vegetal (dominio de suelo desnudo) lo que favorecería el escurrimiento superficial. Si se tiene en cuenta que los valores de NDVI obtenidos sin corregir la imagen son menores, se estaría suponiendo que hay suelo con reducida cobertura vegetal en lugares donde realmente existe una cobertura incompleta pero que no es suelo desnudo. En la Figura 8 se puede observar claramente lo expresado anteriormente. Figura 7. NDVI calculado con CD (izquierda) y NDVI calculado a partir de R(%).

6 NDVI (adimensional) Sitios testeados NDVI (R) NDVI (CD) Figura 8. NDVI calculados a partir de CD y a partir de R(%) en diferentes parcelas de la zona de estudio. Es importante observar que, desde el punto de vista hidrológico, es relevante la información de NDVI calculado a partir de R(%) para áreas con cobertura muy baja e intermedia (sitios testeados 1 a 8) al momento de usar dicha información en los modelos hidrológicos. No ocurre lo mismo para las parcelas con máxima cobertura ya que al momento de interpretar, el resultado final es virtualmente el mismo. Conclusiones La metodología aplicada es válida para la transformación en reflectividad de las cuentas digitales de las imágenes SAC-C (sensor MMRS) y puede ser aplicada de forma sencilla, sin la necesidad de validaciones en el terreno. A partir de estas imágenes ya transformadas, se optimiza la obtención de parámetros de entrada relevantes en modelos hidrológicos tales como los diferentes usos del suelo y la cobertura del mismo. A esto se suma la posibilidad que ofrecen los sensores remotos de realizar análisis temporales en virtud del período de revisita. Es de esperar que otros estudios como el aquí presentado progresivamente aporten información básica que permita validar lo ofrecido por las imágenes captadas por la plataforma SAC-C y que, de esa manera, se difunda el uso de estas imágenes por la comunidad científica en general y por los argentinos en particular. Referencias Caselles, V. y López García, M. J An alternative simple approch to estimate atmospheric correction in multitemporal studies. International Journal of Remote Sensing, 10 (6): Caselles, V. y Rivas, R., El SAC-C: Primer satélite Argentino de Observación de la Tierra. Revista Española de Teledetección 15: Chavez, P. S An improved dark-object substraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment, 24: Fleming, D Ikonos DN value conversion to plantary reflectance values. CRESS Project at the University of Maryland, Department of Geography. 1-4 pp. Gardner, B., Blad, B., Thompson, D. y Henderson K Evaluation and interpretation of Thematic Mapper ratios en equations for estimating cron growth parameters. Remote Sensing of Enviroment, 18: Lillesand, T. M. y Kiefer, R. W Remote Sensing and image interpretation. Jhon Wiley and Sons. New York. Segunda Edición. Sandholt, I., Rasmussen K. and Andersen, J A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status. Remote Sensing of Environment 79,