Search

Los ecosistemas de páramo son esenciales para la regulación hídrica y la conservación de la biodiversidad en zonas montañosas. Sin embargo, enfrentan amenazas significativas debido al cambio climático y actividades humanas como agricultura, ganadería y minería. La ausencia de una delimitación clara y de sistemas de monitoreo continuo de sus coberturas dificultan su protección efectiva resaltando la necesidad de emplear técnicas digitales avanzadas que proporcionen información con alta exactitud y actualizada. Las redes neuronales convolucionales (CNNs, por sus siglas en inglés) se han posicionado como herramientas prometedoras para la segmentación semántica de imágenes satelitales. Esta investigación buscó evaluar el desempeño de dos modelos basados en arquitecturas de CNNs U-Net++ y DeepLabV3+ para clasificar las coberturas de la tierra en el complejo de páramos Tota-Bijagual-Mamapacha (TBM) en Colombia, utilizando imágenes Landsat 8 del periodo 2017 a 2019 y etiquetas del mapa nacional de coberturas 1:100 000 del IDEAM de 2018. Los resultados mostraron que U-Net++ alcanzó un kappa de 0,60, mientras que DeepLabV3+ obtuvo un kappa de 0,59. En las coberturas de páramo, U-Net++ logró un valor F1 del 78,43% para Herbazal y del 79,22% para Bosques, mientras que DeepLabV3+ alcanzó un valor F1 del 75% y 74,27%, respectivamente, confirmando el potencial de las CNNs para la clasificación de coberturas en estos ecosistemas. Aunque ambos modelos presentaron tiempos de procesamiento similares, el desbalance de clases y la dependencia de etiquetas consistentes afectaron su rendimiento en coberturas heterogéneas. Esta investigación establece una base metodológica para futuros estudios y sugiere abordar estas limitaciones para mejorar la eficiencia y la exactitud temática en la clasificación y monitoreo de ecosistemas de páramo.

La producción de sedimentos por erosión hídrica es un tema de gran interés debido a que su desconocimiento puede representar graves peligros para las comunidades e infraestructuras cercanas. En los últimos años se han desarrollado varios métodos para cuantificar los sedimentos, pero su complejidad, precisión y exactitud varía dependiendo del enfoque empleado. Sin embargo, muchos de estos modelos requieren de la utilización de extensas series temporales de precipitaciones, pero, en Ecuador, las estaciones meteorológicas presentan una preocupante carencia de datos y su distribución espacial no es homogénea, lo que genera una incorrecta estimación de las lluvias en el territorio analizado. Para resolver este problema, es posible utilizar metodologías que empleen información ráster satelital. El objetivo de la presente investigación fue estimar los volúmenes de sedimentos en las cuencas hidrográficas de la provincia de Manabí, mediante la implementación del modelo RUSLE, a través de un procedimiento empírico que requiere de la utilización de la densidad aparente del suelo en sus tres texturas principales (arena, arcilla y limo). La metodología consideró la delimitación de las cuencas analizadas, la evaluación de datos ráster satelitales para determinar los seis parámetros del modelo RUSLE entre el año 2001 y 2020 y la estimación de la densidad aparente mediante un método innovador. La delimitación de las cuencas fue obtenida de fuentes regionales; la información satelital fue obtenida desde fuentes web oficiales; los valores típicos de la densidad aparente fueron obtenidos de fuentes a escala mundial; y la validación de los datos de densidad aparente se realizó mediante un muestreo en sitio. Los resultados permitieron identificar tasas de erosión del suelo que varían entre 0,10 ton ha-1 y 3252,22 ton ha-1, lo que generó una estimación de sedimentos entre 0,06 m3 año-1 y 692,43 m3 año-1 a nivel de píxel. La densidad aparente promedio fue de 1,49 ton m-3, lo que demuestra un elevado contenido de arena en las cuencas manabitas. La validación de datos reveló una excelente compatibilidad entre la metodología propuesta y el análisis convencional en sitio, que se ve reflejada en una diferencia promedio inferior al 3%. La información obtenida permitirá a las entidades gubernamentales competentes, establecer programas de mitigación para hacer frente a la pérdida del suelo por erosión hídrica y al control de la producción de sedimentos.

La dinámica fluvial se caracteriza por diversos fenómenos que ocurren a lo largo del cauce de un rio, entre estos los procesos de erosión, sedimentación y movimiento lateral que afectan la vida de los ribereños asentados en los márgenes de los ríos de las regiones tropicales. En este estudio evaluamos los índices de erosión, sedimentación y migración lateral del canal principal en tres sectores de la cuenca media del rio Amazonas en la Amazonía peruana. Los resultados muestran una gran vulnerabilidad a la erosión y migración lateral en el sector “Samaria” y en parte del sector “Iquitos”. El sector “Muyuy” en la margen izquierda presenta un escenario de probable avulsión o incursión del rio Amazonas sobre el rio Itaya. Los procesos analizados han sido interpretados e ilustrados mediante el uso de procedimientos y técnicas proporcionados por la Teledetección y los Sistemas de Información Geográfica.

Comprender las sinergias existentes entre el fenómeno de Isla de Calor Urbano (ICU) y uno de los eventos climáticos extremos como son las olas de calor se ha convertido en uno de los grandes retos de la sociedad que persigue la mejora de la calidad de vida. En esta investigación, se ha determinado la Temperatura de la Superficie Terrestre (TST) y la Isla de Calor Urbana de Superficie (ICUS) mediante imágenes Sentinel-3 de la ciudad de Granada (España) durante los meses de julio y agosto de los años 2019 y 2020. El objetivo es el de determinar las posibles sinergias entre ambos fenómenos en una zona calificada como de alta vulnerabilidad a los efectos del cambio climático. Mediante el método de análisis estadístico Datos de Panel se han obtenido las relaciones multivariantes durante los periodos de ola de calor. Los resultados obtenidos en esta investigación y en línea con estudios anteriores, indican que los valores medios de TST y de ICUS se intensifican bajo condiciones de ola de calor en comparación con los periodos sin ola de calor (Diurnas: ΔTST=2,2 °C y ΔICUS=0,2 °C; Nocturnas: ΔTST=4,4 °C y ΔICUS= 0,3 °C). Se reportan relaciones entre la ICUS y la radiación solar y la dirección del viento que se intensifican en periodos de ola de calor.

En este estudio se ha realizado un seguimiento de cinco años mediante imágenes satelitales de Sentinel-2, en diferentes estaciones del año, de las fluctuaciones del nivel del agua de la Laguna de Gallocanta (entre las provincias de Teruel y Zaragoza. Aragón, España) considerado un humedal hipersalino y endorreico, el cual posee características que la hacen única en la zona geográfica en la que se encuentra, así como para el funcionamiento del sistema. Las precipitaciones en la zona poseen una amplia variación, dándose las máximas en los meses de mayo y junio y las mínimas en enero y febrero, produciéndose considerables fluctuaciones en el nivel del agua desde la desecación casi total de la laguna hasta el llenado con una profundidad aproximada de 3 metros.

The use of satellite images has become, in recent decades, one of the most common ways to determine the Land Surface Temperature (LST). One of them is through the use of Landsat 8 images that requires the use of single-channel (MC) and two-channel (BC) algorithms. In this study, the LST of a medium-sized city, Granada (Spain) has been determined over a year by using five Landsat 8 algorithms that are subsequently compared with ambient temperatures. Few studies compare the data source with the seasonal variations of the same metropolis, which together with its geographical location, high pollution and the significant thermal variations it experiences make it a suitable place for the development of this research. As a result of the statistical analysis process, the regression coefficients R2, mean square error (RMSE), mean error bias (MBE) and standard deviation (SD) were obtained. The average results obtained reveal that the LST derived from the BC algorithms (1.0 °C) are the closest to the ambient temperatures in contrast to the MC (-5.6 °C), although important variations have been verified between the different zones of the city according to its coverage and seasonal periods. Therefore, it is concluded that the BC algorithms are the most suitable for recovering the LST of the city under study.

Las modernas técnicas de mediciones remotas con el uso de cámaras (multiespectral y térmica) acopladas a un vehículo aéreo no tripulado (VANT) han permitido adquirir imágenes de alta resolución, haciendo posible estimar la evapotranspiración a una mayor escala espacial y temporal. El objetivo de la presente investigación fue estimar la evapotranspiración del cultivo (ETc) de arroz mediante el modelo METRIC (Mapping evapotranspiration at high resolution with internalized calibration) a partir de imágenes multiespectrales y térmicas de alta resolución espacial obtenidas desde un VANT. Se realizaron 18 vuelos con VANT para obtener las imágenes, así mismo, se recolectaron datos de una estación meteorológica e información de termopares instalados en el dosel del cultivo en condiciones de potencial hídrico del suelo de –10 kPa (T1), –15 kPa (T2), –20 kPa (T3) y un control de 0 kPa (T0), desde el 13 de noviembre del 2017 al 30 de abril del 2018. Los resultados indican que el modelo METRIC, comparado con las medidas de ETc registradas por un lisímetro de drenaje en campo, presenta un coeficiente de correlación de Pearson (r) de 0,97, un error cuadrático medio (RMSE) de 0,51 mm d–1, un coeficiente de Nash-Sutcliffe (EF) de 0,87 y subestimación del 7 %. La evapotranspiración alcanzó valores de 7,48 mm d–1, con diferencias entre tratamientos de 0,2%, 6% y 8% con respecto al T0 y una reducción del rendimiento del 9 %, 34 % y 35 % para T1, T2 y T3 del potencial hídrico del suelo. Las imágenes de alta resolución permitieron obtener información detallada de la variabilidad espacial de ETc que podría ser utilizada en la aplicación más eficiente del riego parcelario

Water quality is a subject of intense scientific inquiry because of its repercussion in human’s life, agriculture or even energy generation. Remote sensing can be used to control water masses by analyzing biophysical variables. Chlorophyll-a (Chl-a) and Total Suspended Solids (SS) are a well-known feature of water quality. These variables have been measured in Sitjar reservoir (Castelló, Spain) as a part of the project Ecological Status of Aquatic Systems with Sentinel Satellites (ESAQS), in order to compare the results with satellite reflectance data. Two processes were compared to correct atmospherically the level 1C Sentinel 2 (S2) images. The results show that Case 2 Regional Coast Colour (C2RCC) method, with a Root Mean Square Error of 2.4 mg/m3 (Chl-a) and 3.9 g/m3 (SS) is a better tool for atmospheric correction in this scenario due to the low turbidity levels of water. Besides, in this paper we study the Chl-a and SS variability through April 2017 to March 2019 with fourteen S2 images with the automatic products from C2RCC correction, finding correlations between them and the climate and reservoir conditions. Chl-a increase from 0.4 mg/m3 to 9.5 mg/m3 while SS rise 18 g/m3 in this period, which makes Sitjar as an oligotrophic-mesotrophic system. The correlation results demonstrate an excellent correspondence between them (R2=0.9). Sitjar reservoir lost almost 40 hm3 at the beginning of the study, which it had a possible relationship with the increasing parameter values. Also discussed was the role played by the climatology in the reservoir conditions due to the changes in the water structure with seasons, which explains the ariability through the year.

En el presente estudio se realizó un seguimiento de cinco años por teledetección del fenómeno de la precipitación de carbonato cálcico en la laguna kárstica de la Gitana o de la Cruz (situada en la provincia de Cuenca, España). Se conoce el importante papel que desempeña la precipitación del carbonato cálcico en la ecología del lago ya que influye en las migraciones verticales del fitoplancton, en la concentración de fósforo biodisponible y por ende, en la eutrofización y calidad de las aguas. El blanqueamiento sucede entre los meses de julio y agosto, pudiendo estudiarse en estas fechas a través de sus propiedades ópticas, con el objetivo principal de ofrecer datos actualizados de un fenómeno tradicionalmente estudiado y establecer posibles relaciones entre factores abióticos como la temperatura y/o precipitaciones. Los datos de temperatura del aire, recogidos por la estación meteorológica de Cuenca, sugieren una posible relación entre la aparición del fenómeno blanco y un pulso de temperaturas máximas previas. Por otra parte, no se encontró relación aparente entre las precipitaciones y el blanqueamiento del agua.

Los humedales altoandinos son considerados ecosistemas frágiles que proporcionan servicios ecosistémicos para el mantenimiento de la biodiversidad y economía andina, sin embargo, actualmente la amenaza global del cambio climático los pone en grave riesgo, es por ello que el objetivo de este estudio es determinar la variación espacio temporal y climática del humedal altoandino de Chalhuanca (Perú), durante el periodo 1986-2016. Se obtuvieron escenas Landsat de la temporada seca de los años 1986, 1991, 1996, 2001, 2006, 2011, 2016 y mediante técnicas de teledetección se calculó el área y el índice de vegetación (NDVI) de los humedales. Para la precipitación, temperatura máxima y temperatura mínima, se realizó un análisis de medias móviles, tendencias lineales y se aplicó la prueba estadística no paramétrica de Mann-Kendall, finalmente mediante correlación y regresión se evaluó la interacción entre las variables. Los resultados muestran que el área de humedal se ha incrementado en razón de 12 ha/año. En cuanto al NDVI, se ha detectado un incremento de los valores promedio para el periodo evaluado, siendo 0,26 el umbral (promedio de valores mínimos). El análisis de los datos climáticos muestra que la precipitación, temperatura máxima y mínima se han incrementado en 32 mm/dec, 0,3 °C/dec y 0,6 °C/dec respectivamente, siendo significativos (α

La sequía es un fenómeno que genera grandes pérdidas económicas para la sociedad y se están observando más frecuentemente debido al cambio climático. En Centroamérica este fenómeno se relaciona con la distribución anómala de la precipitación (P) en un período corto, dentro de la estación lluviosa. Específicamente, en El Salvador, el fenómeno denominado “canícula”, está asociado a una disminución importante de la P cuya duración es de pocos días, por lo que es difícil de monitorearlo sólo con la P, como se hace actualmente. En el presente se han desarrollado muchos indicadores para caracterizar las sequías; en particular, se destacan la precipitación estandarizada y los índices de condición propuestos por Kogan (1995), que admiten diversas fuentes de información. En este trabajo se aplicaron cinco indicadores de déficit hídrico - la P estandarizada, la evapotranspiración (ET), el índice de condición de la humedad del suelo (HSCI), el índice de condición de la vegetación (VCI) y estrés hídrico (EH) - para evaluar las sequías en El Salvador. Para ello se utilizó información satelital, bases de datos climáticas y la interface de programación disponible en la plataforma Google Earth Engine. Se analizó el comportamiento de los indicadores en el periodo 2015-2019 y en particular, el año extremadamente seco 2015, para determinar la capacidad de monitoreo de los indicadores utilizados. Los resultados obtenidos sugieren que el conjunto de índices propuesto permite monitorear la sequía, identificando el inicio, el impacto y la extensión territorial en El Salvador.

This work presents a cartography of land uses in the Segura Hydrographic Demarcation obtained by classifying 2017 Landsat 8 images. The classification was carried out using two classifiers: Maximum Likelihood (ML) and Random Forest (RF). Training areas were obtained from historical high resolution imagery until 2016. Prior to classification, a cross validation analysis of the training areas was carried out to determine which of them may have undergone a change of use between 2016 and 2017. The results obtained with ML and RF, both with the original set of training areas and with the one obtained eliminating the problem, are compared to determine the best option. In the case of ML, the results improve after eliminating the changing training areas, from 77.7% to 81.4%; however, with RF this improvement is not so important, going from 84.1% to 85.1%. Therefore, it can be concluded that, with both methods, the classification is more exact when the modified training areas are used and, although the results obtained are quite acceptable for both ML and RF, the latter performs a more accurate classification.

There is a relationship between net primary production of wheat and vegetation indices obtained from satellite imaging. Most wheat production studies use the Normalised Difference Vegetation Index (NDVI) to estimate the production and yield of wheat and other crops. On the one hand, few studies use the MERIS Terrestrial Chlorophyll Index (MTCI) to determine crop yield and production on a regional level. This is possibly due to a lack of continuity of MERIS. On the other hand, the emergence of Sentinel 2 open new possibilities for the research and application of MTCI. This study has built two empirical models to estimate wheat production and yield in Andalusia. To this end, the study used the complete times series (weekly images from 2006–2011) of the MTCI vegetation index from the Medium Resolution Imaging Spectrometer (MERIS) sensor associated with the Andalusian yearbook for agricultural and fishing statistics (AEAP—Anuario de estadísticas agrarias y pesqueras de Andalucía). In order to build these models, the optimal development period for the plant needed to be identified, as did the time-based aggregation of MTCI values using said optimal period as a reference, and relation with the index, with direct observations of production and yield through spatial aggregation using coverage from the Geographic Information System for Agricultural Parcels (SIGPAC—Sistema de información geográfica de parcelas agrícolas) and requests for common agricultural policy (CAP) assistance. The obtained results indicate a significant association between the MTCI index and the production and yield data collected by AEAP at the 95% confidence level (R2 =0.81 and R2 =0.57, respectively).

Evapotranspiration is the most important variable in the Pampas plain. Information provided by sensors onboard satellite missions allows represent the spatial and temporal variability of evapotranspiration, which cannot be achieved using only measurements of weather stations. In this work, the Priestley and Taylor (PT) and FAO Penman Monteith (FAO PM) equations were adapted to estimate the reference evapotranspiration, ET0 , using only CERES satellite products (SYN1 and CldTypHist). In order to evaluate the reference evapotranspiration from CERES, a comparison with in situ measurements was conducted. We used ET data provided by the Oficina de Riesgo Agropecuario, corresponding to 24 stations placed in the Pampean Region of Argentina (2001-2016). Results showed very good agreement between the estimates with CERES products and in situ values, with errors between ±0.8 and ±1.1 mm d–1 and r2 greater than 0.75 at daily scale, and errors between ±14 and ±19 mm month–1 and r2 greater than 0.9, at monthly scale better results were obtained with adapted model FAO PM than PT. Finally, ET0 monthly maps for the Pampean Region of Argentina were elaborated, which allowed knowing the temporal-spatial variation in the validation area. In conclusion, the methods presented here are a suitable alternative to estimate the reference evapotranspiration without requiring ground measurements.

The forest fire in Bonastre mountains (an area that has been several times affected by fires) on 06/01/2016, has been studied in order to obtain a Severity index. It is in the municipality of Albinyana, in the Baix Penedès region in Catalonia. The study is considered a starting point for the assessment and monitoring of the dynamics of regeneration of the burned surface. The dNBR index (Delta Normalized Burn Ratio) is obtained from SENTINEL-2 images, and the results are compared with CBI index (Composite Burned Index) obtained from ground survey. This study is a result of the final work of “Màster en Tecnologies de la Informació Geogràfica, 18ª edició”, by the Universidad Autónoma de Barcelona (UAB) codirected by Institut Cartogràfic i Geològic de Catalunya.

Sentinel-2 (S2), a new ESA satellite for Earth observation, accounts with 13 bands which provide high-quality radiometric images with an excellent spatial resolution (10 and 20 m) ideal for classification purposes. In this paper, two objectives have been addressed: to determine the best classification method for S2, and to quantify its improvement with respect to the SPOT operational mission. To do so, four classifiers (LDA, RF, Decision Trees, K-NN) have been selected and applied to two different agricultural areas located in Valencia (Spain) and Buenos Aires (Argentina). All classifiers were tested using, on the one hand, all the S2 bands and, on the other hand, only selecting those bands from S2 closer to the four bands from SPOT. In all the cases, between 10%-50% of samples were used to train the classifier while remaining the rest for validation. As a result, a land use map was generated from the best classifier, according to the Kappa index, providing scientifically relevant information such as the area of each land use class.

Biomass is a very important forest resource in Andalusia. “Forest Biomass in Andalusia” web tool, developed by the Andalusian Government, provides information about the location and biomass stock for the main pine forest species. It is important to mention that information needs to be regularly, quickly, effectively and inexpensively updated. These requirements could be covered with the help of Earth Observation technologies. In this project, radar images have been acquired from ALOS-PALSAR sensor from different years (2008 and 2010) over two pilot areas located in Huelva. The aim of the study has been to develop a methodology to estimate wood volumes based on the statistic correlation between radar signal and wood volume, variable extracted of forest management plans contemporary to images. As result, correlations of 0.8 and 0.7 have been obtained for pine and eucalyptus respectively. Forest biomass has been calculated using species-specific allometric equations. Three key sources of information have been used: a sample of plots distributed homogeneously, an accurate digital terrain model and a current forest map. Furthermore, the study of the variability of estimated volumes between these dates has been carried out. Methodologies obtained could be extrapolated to the whole region.

El estudio del clima urbano es relevante para conocer el ambiente donde habita la mayor parte de la población. Las ciudades presentan sectores que incluyen estructuras edilicias, espacios verdes, suelos al descubierto, tránsito vehicular, necesidades calóricas de la ciudad y diferentes coberturas de sombras. Actualmente, el cambio climático y sus efectos sobre las ciudades son temas de gran interés científico. Son escasas las investigaciones que interpretan los cambios térmicos que se producen en el interior de las ciudades debido a la densificación de los edificios y como consecuencia de la variabilidad climática. Por tal motivo, el objetivo de este trabajo fue analizar el comportamiento de la Temperatura de Superficie Terrestre (TST) y su relación con las distintas coberturas del suelo en la ciudad de Bahía Blanca, Argentina. Para ello, se analizaron imágenes satelitales Landsat 5 TM y 7 ETM+ con el método monocanal. Además, se realizó un mapa de coberturas del suelo mediante interpretación visual de imágenes satelitales validado por intervención empírica. Posteriormente, se relacionaron los datos de TST con las coberturas del suelo. En el centro de la ciudad, la TST presentó variaciones espaciales heterogéneas según las estaciones del año y las sombras generadas por los edificios. Los mayores valores de TST se localizaron en la periferia (45,1°C) y en urbano muy disperso (46°C) y el menor en el centro de la ciudad (2°C). Las distintas coberturas del suelo generaron menores fluctuaciones de TST en invierno (>5°C) y las mayores en verano (entre 15 y 25°C).

Los extremos climáticos se han incrementado en España a los largo del último siglo; por ello, su análisis se ha convertido en una línea prioritaria de conocimiento con objeto fundamental de diseñar planes para la gestión y mitigación de sus efectos. Los datos de satélite permiten analizar las variaciones en la actividad de la vegetación a varias escalas temporales y su respuesta a la variabilidad climática. En este trabajo se pone de manifiesto la vulnerabilidad de la vegetación en España ante condiciones ambientales extremas a través de las correlaciones entre índices meteorológicos de sequía (SPI) y variables biofísicas extraídas de datos MODIS/EOS y SEVIRI/MSG. Las anomalías en la vegetación, como indicadores de las condiciones de humedad de la misma, pueden ayudar a cuantificar y gestionar episodios meteorológicos extremos y hacer un seguimiento de la misma. Las mayores correlaciones se han obtenido en las regiones áridas y semiáridas y durante los meses de máxima actividad de la vegetación, generalmente entre mayo y junio.

Biological soil crusts (BSC) are complex communities formed by a close association of soil particles and cyanobacteria, algae, microfungi, lichens or bryophytes that live within or immediately on top of the uppermost millimeters of the soil surface. These communities cover non vegetated areas in most of the arid and semiarid ecosystems, and modify numerous soil surface properties and ecosystem processes. Given the importance of BSC in ecosystem functioning, accurate and spatially explicit information on the distribution of BSC is mandatory. With this objective, considerable effort has been devoted to identify and map BSC using remote sensing data, and some spectral indices have been developed. These indexes use the spectral differences among BSC and other surface components like vegetation or bare soil to identify the areas dominated by BSC. Our main objective is to test the feasibility of the previous indices published in the literature for mapping different types of BSC in a complex study area, where these index have not been developed, at different spatial scales. Our results showed the low capability of indexes based on multiespectral images to identify areas covered by BSCat field and image spatial scales. Hyperspetral indices, on the other hand, showed better results than those obtained with multispectral indices, with an accuracy around 71% because they analyzed specific absorption features related with photosynthetic pigments like chlorophyll and carotenoids. We can conclude that the spatial heterogeneity of the area and the spectral similarities among BSC, green and dry vegetation or bare soil makes it difficult to correctly distinguish BSC in arid and semiarid ecosystems using only multispectral information, whereas hyperspectral images offer an important tool to map different types of BSC and to discriminate among these and other surface components.

The following paper details the methodology for analyzing the potential of Unmanned Aerial Vehicles (UAV) as suitable observation platforms for obtaining thermal images of hunting areas, and for the estimation of number of individuals for these populations (fauna, in this case deer). Due to limitations detected in the initial information, some of the work stages are alternative approaches to an optimal process. On this basis, specific technical flight requirements are proposed in order to carry out a more appropriate analysis.