Palabras Clave: Temperatura de superficie, NDVI, estrés hídrico, NOAA-AVHRR.

Transcripción

1 RESULTADOS PRELIMINARES DE LA ESTIMACIÓN DEL ESTRÉS HÍDRICO A PARTIR DE TEMPERATURA DE SUPERFICIE Y NDVI Rivas, Raúl, Weinzettel, Pablo y Usunoff, Eduardo Instituto de Hidrología de Llanuras (Universidad Nacional del Centro, Comisión de Investigaciones Científicas de la Provincia de Buenos Aires Buenos Aires, Municipalidad de Azul), CC 44, 7300, Azul, Buenos Aires, Argentina. rrivas@rec.unicen.edu.ar Resumen En este trabajo se muestran los resultados preliminares de la aplicación de un modelo sencillo que permite la estimación del Estrés Hídrico (EH), calculado a partir del Temperature Vegetation Dryness Index (TDVI). El TDVI es obtenido únicamente con información derivada de satélite y se sustenta en la relación existente entre la temperatura de superficie (Ts) y el índice normalizado de vegetación (NDVI). A partir de la relación (Ts/NDVI) se pueden obtener los parámetros requeridos por el modelo. La aplicación se ha realizado en la cuenca del arroyo del Azul (centro de la provincia de Buenos Aires, Argentina) utilizando cuatro imágenes captadas por el sensor Advanced Very High Resolution Radiometer (AVHRR) de la serie de satélites NOAA. Desde éstas se ha estimado la Ts y la cobertura vegetal. Para la estimación de la Ts se ha utilizado una ecuación de tipo split window, y el NDVI para la cobertura vegetal. Los resultados preliminares muestran la utilidad del TDVI para conocer las variaciones del contenido de agua del suelo. Además, las comparaciones del modelo aplicado con medidas realizadas en parcelas de monitoreo de la zona no saturada demuestran que a partir de este índice sería posible estimar la disponibilidad de agua en los primeros centímetros de suelo. Palabras Clave: Temperatura de superficie, NDVI, estrés hídrico, NOAA-AVHRR. Abstract This paper reveals the preliminary results of a simple model that allows the estimation of the hydric stress (HE), which is calculated from the Temperature Vegetation Dryness Index (TDVI). Such a TDVI is obtained from satellite information, based on the relationship between the surface temperature (St) and the Normalized Difference Vegetation Index (NDVI). Parameters required by the model are obtained from the relationship between St and NDVI. The application took into account the Azul River Basin (Center of Buenos Aires Province, Argentina), using four images captured by the Advanced Very High Resolution Radiometer (AVHRR) sensor of the NOAA satellite, from which St and vegetative cover were obtained. St estimations used the split window equation, whereas vegetative cover was estimated through the NDVI. Preliminary results indicate that TDVI may be useful for assessing soil-water content variations. Moreover, comparisons of the model results with actual measurements in unsaturated zone monitoring sites show that the TDVI index could be used to estimate the availability of water in the upper horizon of soils. Keywords: Surface Temperature, NDVI, Hydric Stress, NOAA-AVHRR.

2 INTRODUCCIÓN Los sensores remotos son una buena alternativa para el conocimiento de la distribución espacial de variables hidrológicas de gran interés (como por ejemplo la evaporación y la transpiración, el porcentaje de cubierta vegetal y las condiciones de los cultivos, entre otras). Los modelos hidrológicos de grandes cuencas requieren conocer una gran cantidad de variables en períodos cortos de tiempo. La heterogeneidad de las grandes cuencas requiere modelos hidrológicos distribuidos de tal forma de lograr reproducir la distribución espacial de cada variable. Disponer de modelos distribuidos no es una tarea fácil, y menos aún lo es el costo que requiere el monitoreo continuo de las variables. Entonces, es en estos casos que los sensores remotos son una atractiva herramienta ya que permiten obtener información de superficie con buena resolución espacial y temporal. Teniendo la idea anterior en mente, en este trabajo se presenta y aplica un modelo que permite conocer la distribución espacial del EH a partir del TDVI (Sandholt et al., 2002). Éste utiliza únicamente información de satélite (temperatura de superficie y cubierta vegetal). El mismo se aplica en la cuenca del arroyo del Azul (centro de la provincia de Buenos Aires, Argentina) utilizando imágenes NOAA-AVHRR con la finalidad de evaluar la capacidad del modelo, y además, comparar los resultados con medidas del terreno de forma tal de conocer la verdadera potencialidad de su uso. Esto último permite definir los futuros pasos para la extensión de las medidas puntuales de humedad de suelo a una escala mayor, la cuenca. METODOLOGÍA Para la estimación del EH se ha utilizado el TDVI (Temperature Vegetation Dryness Index) propuesto por Sandholt et al. (2002): Ts Ts min TVDI = (1) a + b NDVI Ts min donde Ts es la temperatura de superficie observada en el píxel (K), Tsmin es la mínima temperatura de superficie (K), NDVI es el índice de vegetación normalizado (Normalized Difference Vegetation Index), y a y b son parámetros propios para el área de estudio que se obtienen a partir de la relación existente entre NDVI y Ts. Los parámetros a y b se han estimado con la información contenida en la propia imagen (Sandholt et al., 2002). El valor del TVDI varia entre 1 (límite seco) y 0 (límite húmedo) de acuerdo con lo mostrado en la Figura 1. A partir de lo observado en la Figura 1 es posible decir que para un valor mínimo de Ts corresponde la máxima disponibilidad de agua en el suelo (máxima evaporación (Ev) y transpiración (T), y que para un valor máximo de Ts no existirá disponibilidad de agua en el suelo (nula Ev y T). Para que la ecuación 1 resulte operativa es necesario disponer de datos de Ts con buena resolución espacio-temporal. La única posibilidad de lograr la resolución espaciotemporal necesaria es utilizando imágenes de satélite (IS). Las IS más apropiadas y de mayor relevancia en la actualidad son las NOAA-AVHRR. Estos satélites brindan información de la superficie diariamente con una resolución espacial adecuada (~ 1km 2 ) para los modelos hidrológicos de grandes cuencas. El sensor AVHRR tiene 5 bandas en sectores clave del espectro electromagnético (visible-v, infrarrojo cercano-irc y medio IRM e infrarrojo térmico-irt) (Tabla 1). Con estas bandas disponibles es posible determinar variables de gran interés hidrogeológico (cobertura vegetal, albedo, evapotranspiración y humedad de suelo), combinando adecuadamente la información que contienen.

3 Temperatura de superficie No Ev Ts = a+ b.ndvi TDVI = 1 No T Ev Ts Ts min Max Ev TDVI = 0 A B T Max T NDVI Índice de vegetación Figura 1. Descripción del TVDI. El valor de TDVI para un píxel dado (NDVI, Ts) es la proporción entre las distancias A y B. Los símbolos son indicados en el texto (Adaptado de Sandholt et al.; 2002). Tabla 1. Bandas del sensor AVHRR y ancho de cada banda (µm). Banda Ancho de banda 1-V IRC IRM IRT IRT En cada imagen se han eliminado las nubes a partir de un método de umbrales en las bandas visible y térmico (Saundres y Kriebel, 1988). Las bandas 1 y 2 fueron corregidas de los efectos de la atmósfera mediante el código 6S (Second Simulation of the Satellite Signal in the Solar Spectrum; Vermote et al., 1997). El NDVI se ha calculado a partir de la ecuación propuesta por Rouse et al. (1974) ((IRC-V)/(IRC+V)), y la Ts a partir de una ecuación split window. En este trabajo se ha optado por la ecuación cuadrática propuesta por Coll y Caselles (1997): Ts [ ( )] ( ) α ( 1 ε) β ε = T4 + T4 T5 T4 T5 (2) donde Ts es la temperatura de la superficie en el píxel considerado (K), T 4 y T 5 son las temperaturas radiativas en las bandas 4 y 5 de NOAA-AVHRR (K), α y β son coeficientes que dependen del contenido de vapor de agua (W) en la atmósfera (K), ε es la emisividad de la superficie en el intervalo µm, y ε es la diferencia espectral de emisividad entre las bandas 4 y 5. Para α se ha considerado un valor de 50 K, y para β un valor de 70 K para verano y de 130 K para invierno (Rivas y Caselles, 2003). La determinación de ε se realizó utilizando la ecuación operativa propuesta por Valor y Caselles (1996), simplificada para las condiciones de la región pampeana (Kerdiles et al., 1998; Rivas, et al., 2001): ( 1 ) ε = εv Pv + εs Pv (3) donde ε v es la emisividad de la vegetación (0.985), P v es el porcentaje de vegetación y ε s es la emisividad del suelo (0.949 para la banda 4, para el canal 5 y 0.96 para el intervalo µm). La determinación del P v se estimó a partir del NDVI (Valor y Caselles, 1996).

4 Para evaluar la sensibilidad del TDVI al contenido de agua en el suelo, se compararon sus resultados con los obtenidos mediante la medición de la humedad del suelo en una parcela de estudio de la zona no saturada. La aparatología instalada permite conocer las variaciones de la humedad volumétrica del suelo así como los gradientes hidráulicos desarrollados en el mismo. Para la medición de la humedad se ha utilizado una sonda de capacitancia. Para ello se instaló un tubo de acceso que permitió la medición semanal de la humedad del perfil del suelo edáfico y la zona no saturada. La sonda de capacitancia consiste en un par de electrodos separados por un plástico dieléctrico. Los electrodos superior e inferior y el plástico separador tienen la forma cilíndrica que entra ajustadamente en un tubo de acceso plástico que es instalado en el suelo. Un circuito de resonancia LC (L= inductancia, C= capacitancia) en la sonda incluye al suelo fuera del tubo de acceso, al mismo tubo de acceso más el espacio de aire entre la sonda y el tubo de acceso, como uno de los elementos del capacitor. Los cambios en la frecuencia de resonancia del circuito dependen de los cambios en la capacitancia del sistema suelo tubo de acceso. La diferencia entre la frecuencia de resonancia de la sonda en el tubo de acceso y la línea de base de la frecuencia de resonancia (a menudo medida con la sonda en el aire) es el valor D que es reportado por la unidad lectora (Evett y Steiner, 1995). El equipo utilizado fue desarrollado por Troxler Electronic Laboratories, Inc., y su modelo Sentry 200 AP fue fabricado a partir del trabajo de Dean et al. (1987). Las mediciones se realizaron cada 10 cm hasta 180 cm de profundidad. La sonda debió ser convenientemente calibrada mediante la obtención de muestras a distintas profundidades. Así se obtuvieron tres curvas de calibración para el tubo de acceso instalado (Weinzettel y Usunoff, 2003). En la Figura 2 se grafica el ajuste obtenido para la sonda de capacitancia hasta los 60 cm de profundidad; el RCME del ajuste es de (cm 3.cm -3 ). Contenido de agua (cm 3.cm -3 ) 0,6 0,5 0,4 0,3 0,2 Parcela 1 (20-60 cm) r 2 = , D Figura 2. Ajuste obtenido a partir de la sonda de capacitancia en la parcela de control. La ecuación de ajuste utilizada para el sector del suelo comprendido entre los 20 y 60 cm de profundidad fue: θ= D (4) Como las características de los suelos y de la cubierta vegetal en el área de la parcela no varían de forma significativa es que en esta etapa del trabajo se lo ha considerado como un área comparable con las medidas observadas desde el satélite. Entonces, los valores de humedad volumétrica medidos en esta parcela han sido comparados con los obtenidos a partir del TDVI para un área de 9 km 2 (3 por 3 píxeles). Se

5 toma un área de 9 km 2 para tener certidumbre que el valor de TDVI comparado contiene a la parcela de referencia. ÁREA DE ESTUDIO El área en la que se ha aplicado el TDVI corresponde a la cuenca del arroyo del Azul, ubicada en el centro de la provincia de Buenos Aires, Argentina (Figura 3). Cubre km 2 de la denominada pampa húmeda. Es predominantemente llana con un pendiente media menor al 1 %, pudiendo llegar en la parte norte a un 0,2 %, y con altitudes en torno a los 100 m (Varni et al., 1999; Usunoff, et al., 1999). La precipitación media anual en la zona es de 1005 mm (estación Azul para el período ). En general, se presentan excesos pluviométricos en otoño (marzoabril) y déficit en los meses invernales, aunque existe un déficit puntual en los meses de verano. Canal 11 N 36º 40' Azul Olavarría º Parcela Est. Azul Tandil º Chillar 0 30 km Juarez º 59º 30' Figura 3. Área de estudio y ubicación de parcela de estudio. RESULTADOS Para la estimación del NDVI y de la Ts se han utilizado imágenes del sensor AVHRR a bordo de los satélites NOAA 14 y 16 comprendidas en el período 1998 a 2003 captadas entre las 14 y 18 horas. De un total de 50 imágenes, 46 fueron desechadas por no ser representativas de las condiciones impuestas para la aplicación del modelo propuesto, que son: (1) días con menos del 90 % de cobertura nubosa, (2) píxeles con ángulos de observación bajo, (3) ausencia de precipitaciones los días previos, y (4) imágenes de verano con elevado déficit hídrico. De esta manera se reduce considerablemente el error de estimación del TDVI. Las fechas de las cuatro imágenes así seleccionadas son: 29 de noviembre de 1998, 29 de diciembre de 1999, 21 de enero de 2000 y 3 de febrero de La Figura 4 muestra los gráficos de dispersión (NDVI-Ts) para las cuatro imágenes consideradas, mientras que, la Figura 5 permite observar el límite seco y la recta ajustada por regresión lineal. En estas Figuras se puede ver claramente las condiciones hídricas de la cuenca si se observa el comportamiento de la Ts teniendo en cuenta que, a mayor temperatura se reduce la velocidad de evaporación y transpiración.

6 363_99 333_98 021_00 034_01 Figura 4. Dispersión NDVI -Ts para las cuatro imágenes. 333_98 363_99 NDVI (K) 034_01 021_00 NDV I ( ) Figura 5. Límite seco usado para la estimación de los parámetros a y b. La Tabla 2 muestra los valores de los parámetros utilizados en la ecuación 1 para cada imagen considerada. Los valores de Tsmin en cada imagen han sido comparados con el valor de Ts observado en la desembocadura del río Salado y en las lagunas Las Encadenadas. De esta manera se puede tener un valor de referencia (valor de base) del Tsmin que sería el valor de máxima evaporación desde superficie de agua libre.

7 Tabla 2. Valores de los parámetros de la ecuación 1 para cada fecha considerada. Fecha Tsmin (K) b (K) a (K) 333_ _ _ _ En la Figura 6 se muestran los mapas de TDVI obtenidos utilizando los parámetros propios de cada imagen (Tabla 2). Se puede ver de forma clara la distribución espacial de la disponibilidad de agua en el suelo en la cuenca (colores oscuros para valores altos, y claros para valores mínimos). Si se analiza cada mapa de TDVI en particular se puede observar que: (1) en noviembre de 1998 (333_98) existe una baja disponibilidad de agua en diferentes sectores de la cuenca sin zonación específica; (2) en diciembre de 1999 (363_99) gran parte de la cuenca presenta un valor alto del TDVI en la mayor parte de la cuenca y (3) en enero de 2000 y febrero de 2001 (021_00 y 034_01) se puede ver que los mayores valores se encuentran en sectores más localizados (norte de la cuenca). Lo más destacable de estos mapas es que permiten identificar de manera sencilla los sectores con baja disponibilidad de agua. 333_98 363_99 021_00 034_01 N Figura 6. Mapas de TDVI obtenidos para la cuenca del Azul aplicando la ecuación. El círculo indica la ubicación de la parcela de estudio de la zona no saturada. Finalmente se compararon los valores de humedad volumétrica obtenidos mediante la sonda de capacitancia en la parcela de referencia (Figura 7) con los obtenidos aplicando el modelo propuesto (Tabla 3) Hum. vol (%) /98 12/98 04/99 08/99 12/99 04/00 08/00 12/00 04/01 08/01 12/01 04/02 08/02 12/02 Figura 7. Valores semanales de la humedad volumétrica (%) obtenidos en la parcela de estudio para el período agosto de 1998 diciembre de 2002.

8 En la Tabla 3 se pueden ver los valores de humedad volumétrica medidos en la parcela de registro de la zona no saturada y valores del TDVI obtenidos para el área de 3 km por 3 km con centro en la parcela. A partir de los valores de la Tabla 3 es posible ver que el TDVI es un buen indicador de la disponibilidad de agua en el suelo y hasta podría ser de utilidad para la cuantificación. Si se comparan los datos de la parcela con los obtenidos haciendo (1-TDVI)*100 se puede ver que la diferencia es pequeña en todos los casos. Estos resultados incentivan a realizar mayores esfuerzos en el procesamiento de IS. Con una serie más consistente de datos satelitales será posible evaluar el error en la cuantificación espacial y temporal de la disponibilidad de agua. CONCLUSIONES Tabla 3. Valores de humedad volumétrica en la parcela de referencia y del TDVI. Fecha Hum Vol (%) TDVI (1-TDVI)* _ _ _ _ Se ha presentado un modelo que permite la estimación del estrés hídrico utilizando únicamente información captada desde satélite. El estrés se estima a partir de la relación existente entre Ts y NDVI. De la aplicación del modelo en la cuenca del arroyo del Azul (centro de la provincia de Buenos Aires, Argentina) utilizando imágenes NOAA-AVHRR, se ha podido comprobar que es posible reproducir la variación espacial de la disponibilidad de agua en el suelo. Complementariamente, se han comparado los valores obtenidos por el modelo con medidas de humedad de suelo realizadas en una parcela de referencia con sonda de capacitancia. Los resultados de la comparación muestran que las diferencias son poco significativas, con lo cual el TDVI podría ser de utilidad para cuantificar la disponibilidad de agua en el suelo de una cuenca. Resta aún realizar un análisis con una mayor cantidad de datos como para poder confirmar la posibilidad de estimar humedad a partir del TDVI, pero los resultados previos son prometedores. Estos resultados preliminares permiten indicar que el TDVI podría utilizarse como base para conocer las condiciones de humedad de una cuenca, lo cual de por sí es un buen aporte para el conocimiento hidrológico de superficie. De comprobarse la capacidad de este índice para la estimación de la disponibilidad de agua en el suelo, se estaría en condiciones de mejorar de manera considerable la modelación hidrogeológica de una cuenca. AGRADECIMIENTOS Al Centro de Sensores Remotos de la Universidad Nacional de Rosario, Argentina por proporcionar las imágenes NOAA. BIBLIOGRAFÍA Coll, C., Caselles, V A split window algorithm for land surface temperature from advanced very high resolution radiometer data: Validation and algorithm comparison. Journal of Geophysical Research, vol. 102, 14: Dean, T., Bell. J., Baty, J Soil moisture measurement by improved capacitance technique, Part I. Sensor design and performance. J. Hydrol., 93: Evett, S., Steiner, J Precision of neutron scattering and capacitance type soil water content gauge from field calibration. Soil Sci. Soc. Am. J., 59: Kerdiles, H., Grondona, M., Rodriguez, R., Seguin, B Frost mapping using NOAA AVHRR data in the Pampean region, Argentina. Agricultural and Forest Meteorology 79:

9 Rivas, R., Caselles, V A simplified equation to estimate spatial reference evaporation from remote sensing based surface temperature and local meteorological data. Remote Sensing of Environment, 93: Rivas, R., Caselles, V., Valor, E., Entraigas, I Mapa de emisividad calculado a partir de una imagen Landsat TM sobre un sector de la cuenca del Azul. Revista de la Asociación Argentina de Geología Aplicada a la Ingeniería y al Ambiente, 16: Rouse, J. W., Haas, R. H., Schell, J. A., Deering, D. W., Harlan, J. C Monitoring the vernal advancement of retrogradation of natural vegetation, NASA/GSFC, Type III, Final Report, Grenbelt, MD, 371 pp. Sandholt, I., Rasmusen, K., Andersen, J A simple interpretation of the surface temperature / vegetation index space for assessment of surface moisture status, Remote Sensing of Enviromenmt, 79: Saunders, R. W., Kriebel, K. T An improved method for detecting clear sky and cloudy radiances from AVHRR data. International Journal of Remote Sensing, 9 (1): Usunoff E., Varni M., Weinzettel, P., Rivas, R Hidrogeología de grandes llanuras: La pampa húmeda Argentina. Boletín Geológico y Minero 110(4): Valor E., Caselles, V Mapping land surface emissivity from NDVI: Application to European, African and South American areas. Remote Sensing of Environment 57: Varni, M., Usunoff, E., Weinzettel, P., Rivas, R The groundwater recharge in the Azul aquifer, central Buenos Aires Province, Argentina. Physics and Chemistry of the Earth 24 (4): Vermote, E., Tanré, D., Deuzé, J., Herman, M., Morcrette J Second Simulation of the Satellite Signal in the Solar Spectrum, 6S: An Overview. IEEE Transactions on Geoscience and Remote Sensing, 28 (3): Weinzettel, P., Usunoff, E Calibración de una sonda de capacitancia en suelos argiudoles de la zona central de la provincia de Buenos Aires, Argentina. En: Alvaréz Benedí, J. y Marinero, P. Estudios de la zona no saturada del suelo, Vol VI, pp