6ta Reunión Científica del Servicio de Observatorio HYBAM de Octubre de 2015, Cusco

Transcripción

1 6ta Reunión Científica del Servicio de Observatorio HYBAM de Octubre de 2015, Cusco ESTIMACIÓN DEL ÍNDICE DE SEQUÍA A PARTIR DE LOS DATOS DEL NDVI Y LST DEL SENSOR MODIS Y EL TRMM EN LAS REGIONES LAMBAYEQUE, PIURA Y CAJAMARCA - PERÚ DURANTE EL PERIODO Autores: CARBAJAL DOMINGUEZ, Gisell Indira. Dr. WILLEMS, Bram Leo. Dr. LAVADO CASIMIRO, Waldo. Dr. ESPINOZA VILLAR, Raúl.

2 Área de Estudio El área de estudio son las regiones de Piura, Lambayeque y Cajamarca están ubicadas en las coordenadas geográficas - 82 a - 77º W de longitud y - 4 a 8 S de latitud Legend -78 Hyperarid Arid Semiarid Dry Subhumid Humid Subhumid Humid Precipitación media del periodo Evapotranspiración de referencia del periodo

3 Plan Nacional de Gestión de Desastres En el Perú la sequía, a nivel nacional de 1,729 distritos analizados, para el PLANGRACC, 1,301 distritos tienen riesgo a sequías (con diferentes niveles de riesgo, representando un 75.25%). Escenario AGRÍCOLA PECUARIO Alto Riesgo. Lambayeque, Tacna e Ica. Cusco, Huancavelica, Huánuco, Ica, Lambayeque, Puno y Piura. Medio Riesgo. Ancash, Apurímac, Arequipa, Ayacucho, Cajamarca, Huancavelica, Junín, La Libertad Moquegua, Piura, Puno, y Tumbes. Cajamarca, y otros. Bajo Riesgo. Amazonas, Cusco, Lima y Pasco. Amazonas. No hay Riesgo. Loreto y Madre de Dios. PLAN NACIONAL DE GESTIÓN DEL RIESGO DE DESASTRES - PLANAGERD (INDECI, 2014).

4 INDICADORES DE SEQUIA PCI (Precipitation Condition Index) VCI (Vegetation Condition Index) TCI (Temperature Condition Index) VHI (Vegetation Health Index) Escala de tiempo Escala espacial Conceptos Formula Concepto Fuente mensual 1km Mide el déficit de precipitación de una variabilidad climática. mensual 1km La vegetación es afectada por la variabilidad climática. mensual 1km Representa un cambio relativo en la condición termal del suelo. Los valores bajos de TCI corresponden a un baja cobertura vegetal y valores altos corresponde a una buena vegetación. mensual 1km Representa la salud en general de la vegetación. Kogan (1995b), Du (2013). Kogan 1990, Liu and Kogan (1996), Jain et al. (2009). Kogan (1995a), Du (2013). Bhuiyan (2006), Kogan (2001). NDVI: Índice de Vegetación de Diferencia Normalizada (MODIS, 1km, mensual) LST: Temperatura superficial del suelo (MODIS, 1km, cada 8 días) TRMM: Precipitación (estimado por satélite TRMM, 0.25 X 0.25, mensual)

5 Análisis de Series de Tiempo Serie de Tiempo de Promedio Mensual y Espacial del NDVI NDVI 0,7 0,6 0,5 0,4 0,3 0,2 0,1 I Desviación Estándar 0 Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Tiempo (meses) Serie de Tiempo de Promedio Mensual y Espacial de la Temperatura Superficial del suelo Temperatura Superficial del Suelo (K) I Desviación Estándar Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Tiempo (meses)

6 Serie de Tiempo del NDVI y Temperatura Superficial del Suelo del 2000 al 2013

7 VCI Leyenda de Índice de Condición de Vegetación. <10 Extrema Sequia <20 Severa Sequia <30 Moderada Sequia <40 Leve Sequia >40 No hay Sequia

8

9

10

11 TCI Leyenda de Índice de Condición de Temperatura. <10 Extrema Sequia <20 Severa Sequia <30 Moderada Sequia <40 Leve Sequia >40 No hay Sequia

12 Índice de Salud Vegetal

13 Conclusiones La serie temporales de promedio mensual y espacial del NDVI y el LST tiene una buena correlación inversa en el área de estudio. En la serie del VCI, TCI y VHI se observa claramente los años de sequia 2004, 2005 y el El indicador del VCI para las áreas agrícolas se ajusta muy bien con los datos de producción de la región Lambayeque y Piura.

14 Referencias Beguería, S., Vicente-Serrano, S.M., Martínez, A., (2010), A multiscalar global drought dataset: the SPEIbase a new gridded product for the analysis of drought variability and impacts, Bulletin of the American Meteorological Society, Vol. 91, No. 10, pp Bhuiyan, C., Singh, R.P., Kogan, F.N., (2006), Monitoring drought dynamics in the Aravalli region (India) using different indices based on ground and remote sensing data, International Journal of Applied Earth Observation and Geoinformation, Vol. 8, No. 4, pp Brown, J.F., Wardlow, B.D., Tadesse, T., Hayes, M.J., Reed, B.C., (2008), The vegetation drought response index (VegDRI): a new integrated approach for monitoring drought stress in vegetation, GIScience & Remote Sensing, Vol. 45, No. 1, pp Chen, J., Jonsson, P., Tamura, M., Gu, Z., Matsushita, B., Eklundh, L., (2004), A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky Golay filter, Remote Sensing of Environment, Vol. 91, Nos. (3 4), pp Lingtong Du, QingjiuTian, Tao Yu, QingyanMeng, TamasJancso, Peter Udvardy, Yan Huang., A comprehensive drought monitoring method integrating MODIS and TRMM data. International Journal of Applied Earth Observation and Geoinformation 23(2013) Dai, A., (2011), Drought under global warming: a review, WIREs Climate Change, Vol. 2, No. 1, pp

15