Cálculo de la fracción de agua subpixel en datos MODIS para el monitoreo de inundaciones en la provincia de Buenos Aires.

Transcripción

1 Cálculo de la fracción de agua subpixel en datos MODIS para el monitoreo de inundaciones en la provincia de Buenos Aires. Miriam Elisabet Presutti (1,2) (1,) Universidad Nacional de La Plata Facultad de Ciencias Agrarias y Forestales 60 y 118 (1900) La Plata. Buenos Aires, Argentina Tel presutti@agro.unlp.edu.ar (2) Ministerio de Asuntos Agrarios- Provincia de Buenos Aires Dirección Economía Rural Torre I 12 esq 51 Piso 5 (1900) La Plata, Buenos Aires, Argentina Abstract. The aim of this work is to develop an easy methodology to evaluate, quantify and monitoring the flooded areas within Buenos Aires province. This study investigates how to derive water fraction and flood mapping from the Moderate-Resolution Imaging Spectroradiometer (MODIS) onboard the Earth Observing System (EOS) satellites using the linear mixture model. Satellite- derived flood maps in near-real time are vital to stake holders and policy makers for disaster monitoring and relief efforts. Precise mapping of floods and standing water is also required for detecting deficiencies in existing flood control and for damage claims. MODIS Band 5 and the difference Band2- Band1 were used to find the threshold values to determine pure water pixel, pure land pixel and those mixed pixels, where the water proportion is calculated. Finally, using administrative vector the flooded area was calculated and using weekly products is possible to monitoring the evolution. The preliminary results by visual evaluation with Landsat data acquired on same date show that the simple methodology can be employed for mapping water, although adjustment of the threshold based on actual situations is necessary. Palabras clave: Mapas de inundación, MODIS, Banda 5 1- Introducción La provincia de Buenos Aires es azotada en una parte considerable de su territorio por periodos de intensa sequía como así también por inundaciones periódicas. Desde el mes de agosto de 2012 hasta la actualidad se vienen produciendo abundantes precipitaciones en la región centro-este de Argentina, y en particular la provincia de Buenos Aires. Las precipitaciones acumuladas superaron los máximos históricos, causando el desborde de ríos y canales provocando graves inundaciones en distintas localidades de la Provincia de Buenos Aires. En el sector rural los perjuicios causados por inundaciones son múltiples. En la actividad ganadera provoca disminución del porcentaje de preñez, menor producción de terneros y de carne, menor ganancia de peso, aumento de enfermedades, menor superficie implantada con verdeos y pasturas. En la actividad agrícola: menor superficie agrícola y producción, mayores gastos productivos y de comercialización, menor calidad del producto cosechado, y en los suelos, degradación química, física y biológica, aumento de la salinización y de los riesgos de sodificación. Entre otros aspectos igualmente serios se produce degradación de instalaciones y mejoras, pérdida de vida útil de maquinaria e implementos, incremento de costos de mantenimiento y reparación de maquinarias e instalaciones, aumento de los costos de transporte de granos y carne, 1322

2 degradación de la red eléctrica rural, aumento de la desocupación rural y urbana, e incremento del éxodo rural. En el ámbito de Ministerio de Asuntos Agrarios de la Provincia de Buenos Aires funciona el Departamento de Emergencia Agropecuaria, quien se encarga de fiscalizar las parcelas afectadas `por inundación otorgando a los productores un certificado que le permite postergar el pago de impuestos o eximir en casos de desastre. Los mapas de inundación derivados de imágenes satelitales casi en tiempo real son una herramienta vital para los tomadores de decisión en el monitoreo y evaluación de los desastres. La mayor dificultad de los sensores que actúan en el rango del visible y del infrarrojo es la inhabilidad de detectar la superficie terrestre en condiciones nubosas. En algunas ocasiones, cuando el agua no escurre y permanece en el suelo, es posible mapear las condiciones de inundación hasta algunas semanas después de ocurrido el evento, pero en otras ocasiones cuando se logra disponer de una imagen, el agua ya escurrió y no pude ser mapeada aunque el daño está causado. Debido a que una zona inundada es tierra con agua, en un sensor de baja resolución espacial, como el MODIS, los pixeles inundados son agua mezclada con otros objetos, como vegetación, árboles o incluso zonas urbanas, por lo tanto solo una fracción del pixel es agua libre en superficie. Estudios previos han reportado como derivar la fracción de agua en un pixel a partir de modelos lineales de desmezclado identificando umbrales en el histograma de la clase agua en una clasificación (Sheng et al, 2001), utilizando árboles de decisión (Sun el al, 2011) Los parámetros que pueden ser utilizados para separar agua de tierra incluyen la reflectancia en el NIR, la diferencia entre el NIR y el VIS, NDVI, mapas de temperatura. De acuerdo a las características espectrales de la respuesta del agua, que tiene menor reflectancia que la vegetación y otras coberturas en la región del NIR, como la Banda 2 del MODIS ( nm); y por el contrario, el agua tiene valores algo mas altos en el VIS, como la Banda 1 el MODIS ( nm). Por ello, la imagen diferencia entre estas dos bandas puede ser utilizada en la delimitación entre agua y tierra. De acuerdo a Sheng et al (2001) la Fracción de agua (WF) puede calcularse a partir de un modelo linear de mezcla, donde la reflectancia de un pixel mezclado en el rango del Visible al Infrarrojo se describe como: R WF * R (1 WF) * R Mix (1) Donde el predictor R pude ser la reflectancia de la Banda 2, de la Banda 1, o la diferencia entre ambas. El R water y R Land son los valores umbrales para agua pura y pixeles tierra respectivamente. Un pixel con R <=R Water es considerado agua pura, uno con R>= R Land es pura tierra, y aquellos R Water < R > R Land son los pixeles mezclados y la fracción de agua que contienen se resuelve aplicando la ecuación 2 water Land WF R R Land * R R Land Water *100% (2) La Fracción de agua (WF) varia entre 0 y 100%, los dos valores extremos son WF=100% para agua pura y WF=0% para tierra. 1323

3 Un pixel mezclado es causado por la respuesta de dos o más clases en una superficie menor a la resolución del sensor. La abundancia de pixeles mezclados en una imagen depende de la resolución del sensor o de la heterogeneidad del terreno. La presencia de estos pixeles mezclados se torna importante en imágenes satelitales de baja resolución, como AVHRR, SPOT Vegetation y MODIS ya que un pixel grande generalmente contiene múltiples coberturas Se han utilizado índices de vegetación en la delimitación de agua, Lei et al (2009) reportaron que el NDWI calculado como (verde-swir) tiene el umbral mas estable para el mapeo de inundaciones mientras que el NDVI no es útil para este análisis. En este contexto, el objetivo del presente trabajo es desarrollar una metodología expeditiva para la evaluación, cuantificación y monitoreo de zonas inundadas en cada partido de la provincia de Buenos Aires, utilizando datos MODIS y mediante el cálculo de la fracción de agua a nivel subpixel. 2- Metodología En la figura 1 se observa la ubicación de la provincia de Buenos Aires, con una superficie de aproximadamente 30 millones de hectáreas. La Provincia de Buenos Aires forma parte de la Región Pampeana de la República Argentina, constituyendo el área de mejores condiciones para las actividades agropecuarias, en particular las producciones agrícolas. En ella se encuentra gran parte de la llamada zona núcleo maicera y las principales regiones trigueras del país. No obstante, las características productivas no son iguales en toda su superficie ya que existen notorias diferencias climáticas, edáficas y fisiográficas, que han determinado una gran variedad de usos y sistemas productivos. Figura 1: Ubicación de la provincia de Buenos Aires Los productos MOD09A1 y MYD09A1 generados a partir de imágenes MODIS (Moderate Resolution Imaging Spectroradiometer) Terra y Aqua respectivamente, son suministrados semanalmente en los sitios de la NASA ( Los productos elegidos son MODIS/Terra Surface Reflectance 8-Day L3 Global 500m SIN Grid V005 o MODIS/Aqua Surface Reflectance 8-Day L3 Global 500m SIN Grid V005, que proveen una estimación de la reflectancia de superficie, para las bandas 1 a 7 a 500 m de resolución espacial. Cada pixel contiene la mejor observación durante 8 días lo cual garantiza la menor cobertura de nubes. Para 1324

4 cubrir la provincia de Buenos Aires son necesarias dos imágenes (h12v12 y h13v12), por lo cual se realiza el mosaico de las mismas y luego se recorta el Área de Interés (AOI). Todo el procesamiento de las imágenes se realiza con el software ERDAS Imagine 8.4. Para la separación entre agua/no agua se utiliza la Banda 5 ( nm) y la diferencia entre la banda 2 y banda 1 interviene en la separación de aquellos pìxeles correspondientes a zonas urbanas. En la figura 2 se observan los pasos metodológicos propuestos para la extracción de la fracción de agua en cada pixel. Se determinan los R water y R Land, y utilizando estas condiciones se separan los pixeles, en agua pura, tierra pura y a todos aquellos pixeles ubicados entre ambos valores se les aplica la ecuación 2, para calcular la proporción de agua. Se trabajó con tres productos MODIS generados en las semanas: del 29 al 6 octubre, del 23 al 30 de octubre y del 31 de octubre al 7 de noviembre de Se utilizaron imágenes Landsat ETM+ adquiridas en la misma semana con el fin de corroborar los resultados del procesamiento. Solamente se contó con dos imágenes ( y 85) adquiridas el 25 de octubre para contrastar con el producto MODIS de la semana del 23 al 30 de octubre de MODIS h12 v12 MODIS h13 v12 Mosaico Recorte AOI (BsAs) - Diferencia B2-B1 - B5 Determinación de valores de pixeles puros Agua y Tierra R Water y R Land Model Maker Condicional Límites de los partidos Pixel= 0 Tierra Pixel= 100 Agua Pixeles Mezclados= % Agua Cálculo de la superficie cubierta con agua Figura 2. Pasos metodológicos para el cálculo de la fracción de agua a nivel subpixel. 1325

5 3- Resultados y Discusión En la tabla 1 se observan los valores límites determinados para la banda 5 para el producto de cada semana. Todos los pixeles por debajo del limite de R water son considerados agua pura; todos los pixeles por encima del valor de R Land son considerados libres de agua, mientras que aquellos pixeles que tengan un valor en la banda 5 entre ambos límites son los pixeles mezclados, y a ellos se le aplica la fórmula 2. Es en estos pixeles donde se considera el valor que resulte en la banda diferencia Banda2-Banda1. En la Figura 3 se observan los productos MODIS para dos de las semanas analizadas. En una de ellas (a y b) se muestra solo una de las dos imágenes necesarias para cubrir el área de estudio (h13v12) y se despliegan en falso color las banda 5 y la diferencia de Banda2-Banda1. En c) y d) se observa la imagen cruda y para ambas se muestran los resultados de la aplicación del modelo condicional que arroja el porcentaje de agua dentro de cada pixel. Tabla 1: Valores límites para la Banda 5. Semana R water R Land 29 setiembre a 6 octubre <1197 > al 30 octubre <1410 > octubre al 7 de noviembre <1210 >3090 En la Figura 4 se observa en detalle la comparación entre los resultados de la fracción de agua por pixel para la semana del 23 al 30 de octubre generado con MODIS y la imagen Landsat ETM adquirida el 25 de octubre, para sitios con diferente grado de inundación: a) y b) son áreas con grandes volúmenes de agua en superficie, el sitio b) está localizado en los bordes de la imagen donde el Landsat 7 presenta los fallos. En el sitio c) se observa en la imagen de mayor resolución que las áreas con agua son parches distribuidos espacialmente, son sitios de bajo relieve donde se acumula el agua de las precipitaciones. En la imagen MODIS estos son considerados pixeles mezclados y por lo tanto se ha calculado el porcentaje de agua. Mediante un análisis visual de ambas imágenes se considera que los resultados son correctos. Finalmente, en el sitio d) es una zona donde el agua se encuentra solo en los cauces y las parcelas agrícolas están sin problemas de inundación, esto también se observa en el resultado arrojado por el análisis de la imagen MODIS con pixeles con muy poca fracción de agua en pixeles. 1326

6 a) b) c) d) Figura 3. a) MODIS 23 al 30 oct h13 v12 R (B2-B1) G (B)5, B (B2-B1). b) Fracción de agua para la semana 23 al 30 octubre. c) MODIS RGB: 6,2,1 d) Fracción de agua para la semana del 31 de octubre al 7 de noviembre. 1327

7 a) b) c) d) Figura 4. Comparación de los resultados de la Fracción de agua por pixel para la semana 23 al 30 de octubre con la imagen Landsat ETM del 25 de octubre Finalmente, a partir de la imagen resultante y utilizando el limite de los partidos se calcula la superficie total de agua en cada partido, teniendo en cuenta que un pixel de MODIS cubre aproximadamente 25 ha y según cual sea la fracción de agua en pixel sumará proporcionalmente al total de superficie anegada. A modo de ejemplo, se presentan los resultados de algunos partidos del centro-oeste de la provincia para la semana del 31 al 7 de noviembre de Aplicando la metodología semanalmente es posible monitorear la evolución de áreas inundadas y poder tomar las medidas necesarias. 1328

8 Tabla 2: Superficies inundadas por partidos en la semana de 31 de octubre al 7 de noviembre de 2012 Partido Superficie Partido (ha) Porcentaje agua Superficie afectada (ha) Bolívar , Bragado , Carlos Casares , Carlos Tejedor , Daireaux , Florentino Ameghino , General Pinto , General Viamonte , Hipólito Irigoyen , Leandro N. Alem , Lincoln , Lobos , Navarro , Nueve de Julio , Pehuajó , Pellegrini , Rivadavia , Trenque Lauquen , Veinticinco de Mayo , Conclusiones La metodología propuesta para la evaluación expeditiva de áreas inundadas en la provincia de Buenos Aires utilizando datos MODIS permitió alcanzar resultados satisfactorios. Considerando que estos productos nos permiten obtener semanalmente una imagen prácticamente libre de nubes, dada su alta frecuencia temporal, aunque se pierda resolución espacial cuando se compara con otros productos como Landsat, y aplicando el desmezclado linear de los componentes que forman parte del pixel se tornan herramientas muy útiles en el monitoreo de áreas inundadas en grandes extensiones. Referencias Bibliográficas -Lei Ji, Li Zhang, and Bruce Wylie. Analysis of Dynamic Thresholds for the Normalized Difference Water Index. Photogrammetric Engineering & Remote Sensing. Vol. 75, No. 11, November 2009, pp Sheng Y., P. Gong, y Q. Xiao, Quantitative dynamic flood monitoring with NOAA AVHRR, Int. J. Remote Sens., vol. 22, no. 9, pp , Sun Donglian, Yunyue Yu, and Mitchell D. Goldberg. Deriving Water Fraction and Flood Maps From MODIS Images Using a Decision Tree Approach. IEEE Journal of Selected Topics In Applied Earth Observations and Remote Sensing, VOL. 4, Nº. 4, pp