Projecte Final Master

!"#$%"&$'( %*# +,-%.&/- %* ($*!
* -0/*($%- " +",/$, %*

$123*(*4 (-""5"!6,, &-( *# +,-%.&/- %* ($*!* %* -0/*($%-
" +",/$, %* $123*(*4 /*,,"51-%$4

AU1OR: Dani Gaalda Castet. Alumno del master de 1eledeteccin y SIG

DIRLC1OR DLL PRO\LC1O: Juan Ignacio Lpez Moreno. Cientico titular del Instituto Pirenaico de
Lcologa IPL-CSIC

,*4.1*(7 Obtener y estudiar con precisin las supericies cubiertas por la niee es til para la estimacin
de olmenes de agua presentes en las dierentes cuencas hidrograicas. Obserando los cambios en el
tiempo de esta cubierta, que a tan ligada a las condiciones atmosricas, se pueden realizar tambin una gran
cantidad de estudios sobre el impacto del cambio climatico en zonas de montana. Ln tiempos pasados la
estimacin de la cubierta de niee tena que ir ligada a costosas campanas de campo. Ln la actualidad, para
obtener esta supericie cubierta se utiliza la teledeteccin que permite economizar y mejorar los resultados
tanto a niel espacial, reduciendo la resolucin, como a niel temporal, obteniendo incluso arias imagenes
diarias de la misma supericie.
La necesidad de intentar analizar series temporales mas largas hace que se hayan desarrollado algoritmos que
identiican el manto de niee en las imagenes de los satlites mas antiguos.
Ll presente proyecto intenta alidar los productos de niee extrados de las imagenes del sensor AVlRR
embarcado en satlites de la serie NOAA. Para ello se comparan estos productos de niee inales con los de
otro sensor donde los algoritmos ya han sido comprobados, en este caso MODIS. La comprobacin de estos
productos se ha realizado sobre una zona de la mitad Lste de los Pirineos. Lsta engloba Pirineo rancs,
aragons y catalan.
Los resultados obtenidos en los productos de NOAA-AVlRR han sido positios. Ln la comparacin
realizada con los productos de 1LRRA-MODIS, se ha obtenido porcentajes de acierto eleados. 1ambin se
han obtenido buenos resultados con la aplicacin de las tablas de contingencia, estas en mas de un 9 por
ciento de los casos descartan la hiptesis de aleatoriedad en los datos. Por ltimo, estudiando la dispersin de
los datos se han obtenido coeicientes de correlacin de Pearson superiores a 0,8 en alturas superiores a 1.400
e ineriores a 2.600 metros.

!"#"$%"& (#")*+ Cubierta de niee, teledeteccin, sensor AVlRR, sensor MODIS, Pirineo, tablas de
contingencia, coeicientes de correlacin.

89 $(/,-%.&&$'(

Analizar periodos temporales amplios es una
necesidad para realizar estudios de cambio
climatico. Al mismo tiempo, si se mira hacia atras,
tambin se pueden realizar estudios sobre cambios
de la distribucin espacial de una ariable sobre la
supericie terrestre, por ejemplo la presencia de
niee.

Ln la actualidad, existen un gran nmero de
algoritmos desarrollados, como por ejemplo los
propuestos por Cea et at. ,200, y por 1rioai et at.
,2000,, que siren para extraer la cubierta nial,
utilizando las imagenes seridas por la gran lota de
sensores embarcados en satlites, que orbitan o
han orbitado alrededor de la 1ierra. Incluso
algunos sensores orecen estos productos
generados de orma automatica. Lste es el caso del
sensor MODIS, el United States Geological Surey
,USGS,, que orece un producto cada ocho das de
la cubierta de niee. Lste producto por su parte
presenta algunos errores de comisin como
presenta Cea et at. ,2006, en el que atribuye estos
errores a masas de agua continental y sombras
orograicas duras.

Ln este proyecto se intenta alidar un algoritmo
que se aplica a un conjunto de imagenes NOAA-
AVlRR para extraer la supericie nial.
Los satlites NOAA ,National Oceanic and
Atmospheric Administration, orman parte del
programa POLS ,Polar Operational Lnironment
Satellite, desarrollado por la NASA ,National
Aeronautics an Space Administration,. La misin
NOAA-AVlRR esta en marcha desde 199 con el
lanzamiento de NOAA-6 en el que se embarca ya
el sensor AVlRR,1. Desde entonces dierentes
modelos de este sensor se han embarcado en el
resto de satlites NOAA que llegan hasta NOAA-
19. Ln la Actualidad proporcionan imagenes de
1atiaaciv aet roavcto ae viere obteviao a artir ae ivageve. .1RR, cov et roavcto ae viere obteviao a artir ae ivageve. MOD 2
"
nuestro planeta el NOAA-15, 16, 18 y 19 con el
sensor AVlRR,3 a bordo en todos los casos
menos en el NOAA-15 que llea en su interior el
sensor AVlRR,2. Ademas de NOAA en la
actualidad tambin llea embarcado este sensor
,AVlRR,3, el satlite MetOp-A que se lanz a
inales de 2006.
Como se ha comentado este instrumento AVlRR
tiene arios modelos: Ll AVlRR,1 ,NOAA-6,-8,-
10,, el AVlRR,2 ,NOAA-,-9,-11,-12,-14, y el
AVlRR,3 ,NOAA-15,-16,-1,.
Lste instrumento mide relectancia emitida por la
1ierra en 5 bandas espectrales, en sus modelos
AVlRR,1, ,2 y en 6 bandas en el AVlRR,3. Ln
la siguiente tabla se detallan los distintos interalos
que estas bandas abarcan dentro del espectro
electromagntico:

AVlRR,1-2 AVlRR,3
Banda 1
0,58-0,68 !m 0,58-0,68 !m
Banda 2
0,2-1,10 !m 0,2-1,10 !m
Banda 3a
1,58-1,64 !m
Banda 3b
3,55-3,93 !m 3,55-3,93 !m
Banda 4
10,30-11,30 !m 10,30-11,30 !m
Banda 5
11,50-12,50 !m 11,50-12,50 !m

La resolucin espacial de estas bandas es de 1100
metros en el nadir.
Como se puede obserar en la tabla el AVlRR,3
tiene una banda espectral mas, el uso principal de
esta banda es la deteccin de niee y hielo,
eremos mas adelante que se haran dos
distinciones distintas en el algoritmo que se usa en
estas imagen, una primera para extraer la supericie
nial de las imagenes tomadas con AVlRR,1 y
AVlRR,2 y una segunda de las tomadas con
AVlRR,3.

Ln el presente estudio se enrentan los productos
de niee que se obtienen como combinacin de las
imagenes explicadas anteriormente con productos
generados a partir de imagenes 1LRRA-MODIS.
Lsta misin de la NASA ,^atiovat .erovavtic. av
ace .avivi.tratiov, se inici en 1999 con el
lanzamiento del primer satlite 1LRRA que
embarca el instrumento MODIS ;Moaeratere.otvtiov
vagivg ectroraaioveter). Lste instrumento, que
tambin se encuentra a bordo del satlite AQUA,
proporciona inormacin de la supericie de la
1ierra en 36 bandas espectrales que an desde 0,4
!m a 14,4 !m y la resolucin espacial de las
imagenes que genera es ariable ,Bandas 1-2 de
250 metros, bandas 3- de 500 metros y bandas 8-
36 1.000 metros,. Ln el presente proyecto se
utilizan tal como sugiere Cea et at. ,2006, las bandas
4 ,canal erde, 0,545-0,565 !m, y 6 ,canal
inrarrojo medio, 1,628-1,652 !m, para generar el
Normalized Dierence Snow Index ,NDSI,, se
establece un umbral para este ndice superior a 0,4
para discriminar la cubierta de niee, y las bandas 2
,canal inrarojo cercano, 0,841-0,86 !m, y 4 de
nueo, para aplicar dos iltros que distinguen las
masas de agua de los alores de niee y para
disminuir la comisin de pxeles correspondientes
a egetacin natural respectiamente, se han
seleccionado los alores de los pxeles superiores a
0,11 del canal 2 y 0,1 en el canal 4 como propone
Cea et at. ,2006,.

Ademas para utilizar las imagenes o partes de la
imagen de mayor calidad, se ha adaptado el
mtodo propuesto por Pe.qver et at. ,2013, donde
se usa la geoestadstica para seleccionar imagenes
de MODIS de la mejor calidad, en este mtodo se
usan las mascaras siguientes:
a, Cloud State ,00, OR ,01,
b, Cloud Shadow,00,
c, Cirrus detected,00,
Lstas mascaras tambin las sire MODIS en su
producto MOD09GA. Por ltimo se ha usado los
alores que orece la imagen Sensor Zenith,
tambin en el mismo producto, y se ha establecido
como umbral 3.500 con el objetio de escoger
tambin los pxeles de mayor calidad.
Ll resultado es la obtencin de la cubierta nial a
una resolucin de 500 metros.

Ll objetio principal del trabajo a a ser comparar
el producto de niee obtenido por personal del
Instituto Pirenaico de Lcologa ,IPL-CSIC,, a
partir de las imagenes NOAA-AVlRR ,que no ha
sido publicado, con el producto de niees que
debera ser generado a partir de imagenes de
1LRRA-MODIS. Para poder eriicar la iabilidad
de los productos de niee de NOAA-AVlRR se
escogeran unas echas, que se detallaran mas
adelante en el artculo, que pueden ser comparadas
con los productos generados con 1LRRA-
MODIS.
Lxisten trabajos como los de Cea et at. ,2006, que
compara los productos generados mediante
imagenes de MODIS y el producto de 8 das
tambin de MODIS con productos generados con
Landsat-5 1M y Landsat- L1M-, de mayor
resolucin, pero no se ha encontrado bibliograa
relacionada directamente con el caso de estudio.

La entaja que oreceran los productos de niee de
NOAA-AVlRR, de ser alidados, es una mayor
cobertura temporal ya que se dispone de imagenes
desde 199. Ln cambio la misin 1LRRA-MODIS
orbita desde 1999. Ll precio que se paga usando
NOAA-AVlRR y no 1LRRA-MODIS es la
prdida de resolucin espacial.

:9 2,*" %* *4/.%$-

Ll ambito geograico del estudio engloba la mitad
Lste del Pirineo. Ln su ertiente Norte
encontramos el Lste del Pirineo rancs, en
cambio el Sur se diide en dos, Pirineo Aragons al
Oeste de la zona y al Lste y centro el Pirineo
Catalan.
#

Lste ambito esta deinido por las siguientes
coordenadas ubicadas en el huso U1M-31 N:
45150 ,U1M X mnima,, 9150 ,U1M X
maxima,, 4680150 ,U1M \ mnima,,
45850,U1M \ maxima,. Lste ambito contiene
10.294 pxeles en los productos de niee de
NOAA-AVlRR con una resolucin espacial de
1.100 metros.
Se deine, pues, esta zona para adaptarla a la escena
h1804 de los productos de 1LRRA-MODIS que
se muestra en la ligura 1. ,lig. 1,.

;9 1"/*,$"# < 1=/-%-4

Como punto de partida del trabajo se contaba con
un amplio grupo de imagenes diarias ya tratadas,
desde el mes de julio de 1981 hasta octubre del ano
2013. Lstas imagenes correspondan a los
productos de niee de NOAA-AVlRR con una
resolucin espacial de 1.100 metros, que tenan que
ser alidadas. Lstos productos han sido elaborados
por personal del Instituto Pirenaico de Lcologa
,IPL-CSIC, y se han obtenido mediante unos
algoritmos mas restrictios que los que despus se
expondran para las imagenes de 1LRRA-MODIS.
Lstos algoritmos, que combinan las imagenes que
orece NOAA-AVlRR, tienen cuatro opciones,
dependiendo de la echa de las imagenes y del ano
de las imagenes se usaran un algoritmo u otro.

La primera diisin de los grupos de imagenes
iene dada segn la poca del ano en que hayan
sido tomadas, si corresponde al perodo calido,
entre Mayo y Octubre, o si en cambio corresponde
al periodo ro, entre Noiembre y Abril. Dentro
de estas dos opciones tambin se aplicaran
algoritmos distintos segn el satlite en el que a
embarcado el sensor que capt la imagen.
Lntonces se aplicara un algoritmo distinto, con
mas consideraciones, en imagenes procedentes del
satlite NOAA-16 o posteriores, que en las
imagenes procedentes de satlites anteriores.
As pues, estos productos son diarios, aunque no
se dispone de la totalidad de los das e incluso alta
alguna semana completa. Ln cuanto a su ambito,
abarcaban el Pirineo en su totalidad.

Se dispone del producto de relectancias diarias
,MOD09GA, de 1LRRA-MODIS desde el ano
2002 hasta el Octubre de 2013 para la escena
h1804.

lig.1 Combinacin RGB ,4, 2, 1, de la imagen del
da 2 de Lnero de 200 que muestra la escena
h1804 del producto Lscena h184 del producto
MOD09GA de 1LRRA-MODIS.

Mas adelante se usara tambin un MDL
proporcionado por el personal del Instituto
Pirenaico de Lcologa ,IPL-CSIC,. Lste ha sido
modiicado del elaborado por la Conederacin
lidrograica del Lbro ,ClL, para adaptarlo a los
productos de NOAA-AVlRR, as pues su
resolucin espacial es de 1.100 metros.

Ln cuanto a la metodologa empleada en el
procesado de las imagenes de 1LRRA-MODIS,
para generar el producto de niee diario, se ha
usado como base el Normalized Dierence Snow
Index ,NDSI, segn explican Cea et at. ,200, para
la determinacin de la supericie nial del Pirineo
Catalan.

Ademas, para utilizar las imagenes o partes de la
imagen de mayor calidad, se ha adaptado un
mtodo propuesto por Pe.qver et at. ,2013, donde
se usa la geoestadstica para para establecer unos
criterios de seleccin de pxeles de las imagenes de
MODIS de la mejor calidad.

Lstos dos procesos se detallaran mas adelante.

1odas estas consideraciones en las imagenes de
1LRRA-MODIS ,y teniendo en cuenta que para
determinar la supericie nial usando las imagenes
NOAA-AVlRR todaa hay que ser mas
restrictio, llean a la necesidad de generar
productos de arias echas. Como el producto de
niees que orece el United States Geological
Surey ,USGS, es de 8 das, se tomara este periodo
para generar los productos de niee.

Como se ha comentado anteriormente, en los
productos de niee de NOAA-AVlRR existan
algunas lagunas, periodos relatiamente largos en
que no se dispona de supericie nial. Para no
cortar estaciones de inierno por la mitad, se ha
considerado el ano hidrolgico, que en Lspana
comienza el 1 de Octubre y termina el 30 de
setiembre del ano siguiente.

$
Otro aspecto a tener en cuenta a la hora de escoger
los periodos de estudio son las precipitaciones en
orma de niee que haya habido en el Pirineo. Para
alorar este aspecto se utilizan los datos de una
estacin meteorolgica que se encuentra situada en
el Valle de Aran. Se escoge esta estacin ya que es
una de las que limita la ertiente norte y la
ertiente sur del Pirineo en la zona Sur-Lste de la
Val dAran. Utilizando graicos de eolucin del
manto nial que orece el Instituto Geolgico y
Cartograico de Catalunya ,ICGC, en su web, se
intentan escoger anos con condiciones
representatias de las diersas posibilidades como
muestran los graicos de la ligura 2 ,lig. 2,.

lig. 2 Graicos de eolucin del mantel nial en la
estacin meteorolgica de la Bonaigua
,Catalunya,. vevte CCC.
Lstos graicos juntamente con la disponibilidad de
imagenes establecen los anos hidrolgicos
siguientes como anos de estudio: 2003-2004, 2004-
2005, 2006-200 y 200-2008.
Ln los dos primeros anos el grosor de la cubierta
de niee ue mayor a la media. Ln cambio el ano
2006-200 es claramente inerior a esta media. Por
ltimo el ano 200-2008 presenta dos partes, los
dos primeros tercios donde claramente el grosor es
menos al grosor de niee medio, y el tercer tercio
del ano hidrolgico donde el espesor se situa en
alores prximos a la media.

Por ltimo y para eitar errores en los analisis se
descartan aquellos productos de niee generados a
partir de una sola imagen de NOAA-AVlRR, se
considera que si solamente se dispone de una
imagen del periodo de 8 das que ormara el
producto de niee inal, este producto tiene una
alta probabilidad de no ser iel a la realidad y por
tanto se deja de lado en el analisis.

A continuacin se detallan todos los pasos
realizados para determinar la supericie nial diaria
a partir del producto de relectancias de MODIS
MOD09GA:

1, Importacin de las imagenes al ormato
.img de MiraMon.
2, Recorte de las imagenes para el ambito
del Pirineo.

lig.3 Recorte de las imagenes

3, Generacin de los productos de niee
diarios de MODIS. Para hacerlo se han
establecido los siguientes criterios, estos
son una combinacin entre los mtodos
que utilizan Cea et at.(2007), a, b y c,
para determinar supericie nial del
Pirineo junto con algunos criterios ,ya
que otros eliminaban las imagenes que
tenan niee, propuestos por Pe.qver et at.
,2013,, d, e, f y g.

-liltros:
a, Primer iltro
NDSI~,,B4-B6,,,B4-B6,,0,4

b, Segundo iltro
B20,11

c, 1ercer iltro
B40,1

%
-Criterios en bsqueda de calidad:

d, Sensor Zenith3500

e, Cloud State ,00, OR ,01,

, Cloud Shadow,00,

g, Cirrus detected,00,
Ll resultado de este proceso genera una mascara
binaria , es decir una imagen de 0 y 1 donde 1
indica la presencia de niee.
Ll siguiente paso es generar el producto de niee
de 8 das. La generacin a partir de las mascaras
diarias se realiza segn el siguiente procedimiento:

1, Reclasiicar las imagenes sustituyendo los
0 por NODA1A.

2, Mosaicar las imagenes en grupos de ocho
das. Ll resultado consera todos los
pxeles de la imagen con presencia de
niee al menos uno de los ocho das.

Lstos pasos se realizan sobre los datos obtenidos
por los dos sensores a comparar.
Para estos 4 anos hidrolgicos se han generado un
total de 15 productos de ocho das para el
producto de niee de NOAA-AVlRR y 15 mas
para el producto de 1LRRA-MODIS, dejando de
lado 11 productos de 8 das que hubieran sido
generados a partir de una sola imagen de NOAA-
AVlRR.

Ln este momento, antes de empezar a analizar los
resultados, es necesario adaptar los productos de
niee de los dos sensores debido a su distinta
resolucin espacial. Para hacerlo, ya que estamos
comprobando la iabilidad de la supericie nial
extrada de las imagenes NOAA-AVlRR, se
adaptaran los productos obtenidos a partir de las
imagenes de 1LRRA-MODIS. As pues, se
utilizara el mdulo de MiraMon AdapRas para
cambiar el tamano de pxel del producto de
1LRRA-MODIS a la resolucin de AVlRR-
NOAA. Ln la aplicacin de MiraMon se indica que
el mtodo de interpolacin sea la moda, de este
orma si 2 o mas pxeles de la imagen de origen
son niee el pxel resultante indicara presencia de
niee.

Una ez generados y adaptados los productos de
ocho das de 1LRRA-MODIS y adaptados y
tambin agrupados en estos periodos de ocho das
los productos de niee de NOAA-AVlRR, se
compararan estos productos.
Siguiendo los ejemplos descritos por De v. et at.
,2003,, sobre la aplicacin de tablas de
contingencia ,Cross-1ab analysis, al analisis
espacial de tendencias climaticas, se cruzan los
productos de niee de los dos sensores.
Para ello en primer lugar se combinaron estas
capas de orma analtica mediante la aplicacin
Combicapa de MiraMon.

Como resultado se obtiene una imagen ,lig. 4, que
muestra la relacin entre estos productos. Lsta
relacin puede ser 0,0, en azul intenso, si en el
mismo pxel de las dos imagenes los dos productos
determinan ausencia de niee, 0,1, en azul claro, en
el caso de detectar niee en 1LRRA-MODIS pero
no hacerlo en el producto de niee de NOAA-
AVlRR, 1,0, en erde, si la presencia de niee se
detecta en la imagen de NOAA-AVlRR, y por
ltimo 1,1, en amarillo, si los dos productos
determinan presencia de niee en ese pxel.

lig.4 Ljemplo del resultado de la combinacin de
capas en MiraMon.

Se obsera pues, que la comparacin no se debe
hacer para el conjunto de celdas, ya que este tiene
en cuenta un gran nmero de celdas que no son
niee en las dos imagenes y parece que encajen los
productos de orma enganosa. Para realizar la
combinacin se ha escogido el area mas grande
cubierta por niee en los productos de 1LRRA-
MODIS, esto reduce el nmero de pxeles que
interienen en los analisis de 10.294 iniciales, a
6.986 que es la supericie maxima cubierta por
niee segn los productos elaborados con
1LRRA-MODIS.

Para realizar la combinacin y acilitar el posterior
analisis se ha generado un ichero de puntos con
estos pxeles que se a a ir combinando con las
dierentes imagenes para obtener la base de datos a
analizar.

Para ello se consideran los siguientes pasos sobre
la imagen que contiene la maxima supericie nial
segn 1LRRA-MODIS:

1, Conertir la imagen de IMG a txt
conserando las coordenadas.

2, Introducir este txt en el Lxcel y
seleccionar solamente los alores 1 de
presencia de niee.

X ,U1M, \ ,U1M, Niee
51200 40900 1
52300 40900 1
60000 40900 1

&
3, Introducir estos puntos en el MiraMon
como .pnt..

Ll siguiente paso a a ser realizar las
combinaciones para generar la base de datos. A
continuacin se detalla el proceso:

1, Se generan dos procesos paralelos que
posteriormente se uniicaran, uno para
combinar las imagenes de NOAA-
AVlRR y el otro para las 1LRRA-
MODIS. No se uniican inicialmente ya
que las tablas db soportan un maximo de
255 columnas y se supera ese nmero.

2, Se automatizan estos procesos con
icheros batcb donde se combinan el
archio de puntos resultado de combinar
el archio de puntos inicial con el de la
imagen. Lsto anade nueas columnas en
la db y mantiene las anteriores.

3, Como ltimo escaln antes de iniciar el
analisis se juntan ordenadamente las dos
db inales, que contienen 15 columnas
cada una. Lsto se realiza en una hoja de
Lxcel.

Los datos, llegados a este punto, ya estan listos
para ser cruzados. Para ello se ha utilizado el
mtodo descrito por De v. et at. ,2003,, sobre la
aplicacin de tablas de contingencia ,Cross-1ab
analysis, al analisis espacial de tendencias
climaticas. Ln este artculo se proponen 5 pasos
para realizar el analisis de la contingencia. Ln este
caso particular, se usa este mtodo para establecer
la relacin entre la supericie nial extrada con
NOAA-AVlRR y la extrada mediante el uso de
imagenes 1LRRA-MODIS.
Las medidas de la tabla a analizar son de 6986 ilas
y 350 columnas. Ll analisis se ha programado con
SPSS mediante la siguiente sintaxis:

CROSS1ABS
,1ABLLS~VAR00002 B\ VAR00188
,lORMA1~ AVALUL 1ABLLS
,S1A1IS1IC~ClISQ CC PlI
,CLLLS~ COUN1
,COUN1 ROUND CLLL .

Se debe tener en cuenta que se estn comparando
las ariables adecuadas. Ls decir, que
correspondan a los productos de niee de los dos
sensores y en la misma echa.
Mediante estos analisis se obtienen los alores de
los siguientes parametros:

1, 1abla de contingencia con el recuento.

2, Chi-cuadrado de Pearson con los grados
de libertad y la signiicacin asinttica.

3, Coeiciente de contingencia.
Con el recuento se pueden calcular el acierto que
tienen los productos de niee de NOAA-AVlRR
con respecto a los de 1LRRA-MODIS.

Ll coeiciente de contingencia, es una medida
basada en el Chi-cuadrado. lormulando las dos
hiptesis, con estos estadsticos se podra obserar
si los resultados de la determinacin de la
supericie nial por los dos mtodos rechazan la
,l0, o hiptesis de independencia y por tanto
estos estan asociados. Los resultados se adjuntan
en el anexo y se comentan en el apartado de
resultados y discusin. La rmula es la siguiente:

lrmula 1- para el calculo del coeiciente de
contingencia. Lxtrada de De vi. et.at ,200,.

Se ha calculado tambin el CCMAX dando 0,0
para el ejemplo de estudio. Se ha realizado del
siguiente modo, donde / es el nmero de ilas, en
nuestro caso 2:

lormula 2- para el calculo del coeiciente de
contingencia maximo. Lxtrada de De vi. et.at
,200,.

Ln ltimo lugar se ha estudiado la dispersin que
presentan las muestras. Lsto se ha realizado en
Lxcel comparando los pxeles cubiertos por niee,
en los productos de 8 das, de un sensor con los
del otro. Se han graicado mediante graicos de
dispersin ,scatterplots,. Despus de realizar estos
graicos se ha considerado oportuno generar una
nuea combinacin que permita introducir en la
base de datos las alturas de los pxeles. Lntonces se
ha ealuado la dispersin en interalos de 200
metros de altura. Los resultados se presentan en el
siguiente apartado.
>9 ,*4.#/"%-4 < %$4&.4$'(

Ln el apartado anterior se han expuesto
detalladamente los procesos y la metodologa que
se ha aplicado para alorar la calidad de los
productos de niee generados con imagenes de
NOAA-AVlRR utilizando como elemento a
comparar los productos de esta cubierta extrados
con imagenes 1LRRA-MODIS.
Los resultados ruto de la comparacin de estos
dos productos parecen positios.
No obstante, cabe recordar que la generacin de
estos productos con imagenes NOAA-AVlRR
son mas complejos ,Azorn-Molina et al., en
prensa,.

Realizando las primeras obseraciones sobre los
resultados e interpretando de donde proceden, se
1atiaaciv aet roavcto ae viere obteviao a artir ae ivageve. .1RR, cov et roavcto ae viere obteviao a artir ae ivageve. MOD
'
ha considerado oportuno realizar un cambio en los
datos a analizar para ganar representatiidad de la
cubierta nial en los analisis.

Lsta adaptacin que se ha tenido que realizar en
los datos ha consistido en reducir la zona donde
los resultados de los dos productos era nula, es
decir sin niee. La inormacin que aportan estos
pxeles no es releante para el estudio y lo nico
que aportan es una mejora aparente de los
resultados.
Se ha decidido escoger como zona de estudio la
supericie maxima cubierta por niee extrada de
las imagenes 1LRRA-MODIS diarias. Con esta
seleccin se reduce en un treinta y tres por ciento
la supericie total estudiada. Ademas sobre los
resultados cogera una uerza mayor la presencia de
niee, que es lo que se esta analizando.

Una ez establecida esta modiicacin del area de
estudio, y habiendo generado y adaptado la base de
datos a los requisitos del programa SPSS, se han
obtenido los primeros resultados.

A primera ista estos parecen adecuados. De los
15 productos de niee comparados un total de
139, el 9, tienen una signiicacin0,05, 0,000
en todos los casos menos en uno que el resultado
es 0,013.
Con estos alores se descarta la hiptesis nula ,l0,
de aleatoriedad en los datos, en este caso de 0 y 1.
Ln este nmero de muestras se acepta la hiptesis
alternatia ,l1, donde la distribucin de la
supercie nial, usando NOAA-AVlRR respecto
1LRRA-MODIS, no es aleatoria. De este modo se
asume que existe una asociacin espacial en la
presencia o no de niee.

Ademas utilizando el recuento de las tablas de
contingencia se puede calcular el porcentaje de
acierto del producto de niee de NOAA-AVlRR
respecto al producto de 1LRRA-MODIS. Para
ello se selecciona el nmero de celdas que no
aran entre estos dos productos. Realizando este
calculo se obtiene el porcentaje de pxeles que no
aran, es decir que coinciden en los dos
productos. Lste porcentaje de coincidencia es del
85 pero puede llear a engano si no se es
consciente de que esta teniendo en cuenta los
pxeles que no detectan niee en ninguno de los
dos productos.
Ll recuento se adjunta tambin al inal del presente
artculo en orma de Anexo de datos.

Por ltimo para estudiar el grado de relacin lineal
entre el producto de niee de NOAA-AVlRR y el
de 1LRRA-MODIS, se ha generado un diagrama
de dispersin. Ln l se han representado el nmero
de celdas con niee de cada producto de ocho das
para los dos productos de niee.
Se han sumado todos los pxeles con niee de cada
uno de los productos de ocho das y se ha
comparado este sumatorio con el realizado por el
otro sensor.

Mediante el coeiciente de correlacin de Pearson
,R
2
,, se determinara la correlacin entre los dos
productos de niee.

Ll resultado es el siguiente:

Graico 1. Scatterplot resultado de la
comparacin de los productos obtenidos a partir
de NOAA-AVlRR y los de 1LRRA-MODIS.

Ll coeiciente de determinacin, R
2
o coeiciente
de Pearson, es de 0,892 e indica que existe una
correlacin alta entre las dos ariables.

Obserando estos resultados, y para complementar
el estudio de la correlacin entre los dos
productos, se toma la decisin de comprobar la
correlacin por interalos de altura.
Utilizando un Modelo Digital de Lleaciones
,MDL, elaborado por la Conederacin
lidrograica del Lbro ,ClL,, se introducen las
alturas de las celdas a la base de datos y se realiza el
mismo proceso que en el diagrama de dispersin
anterior pero agrupando las celdas en interalos de
200 metros.

De los pxeles que se han estudiado, la altura
mnima es de 605,25 metros y la maxima es de
3.218,50 metros. Lntre estas dos alturas se
determinan los siguientes interalos cada 200
metros, y se estudia la correlacin entre los dos
modelos para cada interalo de alturas.

600-800 m
800-1000 m
1000-1200 m
1200-1400 m
1400-1600 m
1600-1800 m
1800-2000 m
2000-2200 m
2200-2400 m
2400-2600 m
2600-2800 m
2800-3000 m
3000-3218,5 m

Los resultados se adjuntan a continuacin
,Graicos 2 a 14,:

(

Graico 2. Diagrama de la comparacin de los
productos de niee entre 600 y 800 metros.





Graico . Diagrama de la comparacin de los
productos de niee entre 1600 y 1800 metros..





)



productos de niee entre 3000 y 3218,5 metros.

Los coeicientes de correlacin de Pearson para los
diagramas de dispersin ,scatterplot, por interalos
de altura son los siguientes:

",-./01 %2
1odas Alturas 0,892
600-800 0,5255
800-1000 0,5882
1.000-1.200 0,640
1.200-1.400 0,660
34566734866 69:368
34866734:66 69:5;2
34:66724666 69:8;8
24666724266 69:8<<
24266724566 69:=3:
24566724866 69:<6<
2.600-2.800 0,925
2.800-3.000 0,69
3.000-3.218,5 0,521

Los mejores resultados se obtienen entre 1.400 y
2.600 metros de altura. Lntre estas dos alturas el
coeiciente de correlacin de Pearson es superior a
0,8 indicando una buena correlacin lineal entre las
dos ariables. Ln los graicos de dispersin
tambin se obseran estas dierencias.
?9 &-(&#.4$-(*4

La necesidad de obtener inormacin relacionada
con el clima del pasado requiere de la generacin
de nueos algoritmos que extraigan esta
inormacin de imagenes mas antiguas. Lste es el
caso de este estudio que pretende alidar estos
algoritmos antes de utilizar la inormacin que
pueden orecer.

Ln este proyecto se han obtenido buenos
resultados en la alidacin de los productos de
niee elaborados mediante el uso de imagenes del
sensor NOAA-AVlRR.

Ln primer lugar se han obtenido buenos resultados
mediante el uso de las tablas de contingencia. Los
resultados han sido positios para el 9 de los
productos, descartando la hiptesis de aleatoriedad
de los datos. Por lo tanto se acepta que para la
distribucin de la supericie nial en los productos
de NOAA-AVlRR respecto a la misma supericie
en los productos de 1LRRA-MODIS, acierta de
una orma estadsticamente signiicatia.
Posteriormente se ha comprobado que el 85 de
los pxeles de un amplio grupo de productos de
niee procedentes del uso de imagenes NOAA-
AVlRR se corresponden a los alores de
presencia o ausencia obserados en los productos
de niee del segundo grupo de imagenes,
procedentes de 1LRRA-MODIS. Sin embargo, se
debe tener en cuenta que esta consideracin se ha
realizado sobre la totalidad de pxeles y no
solamente en aquellos que representan supericie
neada.

1ambin se han obtenido resultados positios en
la representacin mediante graicos de dispersin.
Ln este caso pero, se ha obserado que los
productos de niee generados a partir de imagenes
NOAA-AVlRR, estan mas correlacionados con
los productos de niee de 1LRRA-MODIS a unas
alturas que a otras, siendo la ranja entre 1.400 y
2.600 metros la que tiene una mayor correlacin
entre las dos ariables. Ls importante considerar
que la mayor parte de la supericie nial del Pirineo
en inierno y primaera se encuentra dentro del
rango altitudinal mencionado, lo que reincide en la
adecuacin de los productos NOAA-AVlRR para
el estudio de la dinamica del manto de niee en la
zona de estudio.

"3,"%*&$1$*(/-4

Quiero agradecer a Juan Ignacio Lpez Moreno
del Instituto Pirenaico de Lcologa ,IPL,, que
junto a sus companeros del IPL de Zaragoza
Sergio M. Vicente Serrano y Cesar Azorn Molina,
me han proporcionado los productos de niee de
NOAA-AVlRR con los que he trabajado y me
*+
han guiado en la realizacin del proyecto. Sin su
colaboracin no hubiera sido posible.

A Oscar Gonzalez Guerrero, coordinador del
master, por proporcionarme las imagenes de
MODIS ,MOD09GA, y por ayudarme con
algunas cuestiones que han ido surgiendo a lo largo
del trabajo.

A los companeros del master con los que se han
resuelto muchas cuestiones. Ln especial quiero
agradecer la paciencia que ha tenido conmigo a
Abel. Sin l, en algn momento el trabajo no
hubiera salido adelante.

A mi padre y a mi hermana, que me han ayudado a
agilizar algunos procesos y han iido este
proyecto conmigo.

0$0#$-3,"@A"

AZORIN-MOLINA, C., VICLN1L-SLRRANO,
S.V., BALNA-CALA1RAVA, R., CONNLLL, B.
,2009,. Validation o a daytime oer land algorithm
or computing conectie cloud composites oer
the Iberian Peninsula and Balearic Islands ,Spain,.
P.ter |M1.1 Meteorotogicat atettite Covferevce.

AZORIN-MOLINA, C, VICLN1L-SLRRANO,
S.M., DLLIANG, X., CONNLL, B.,
DOMINGULZ, D., LPLZ-MORLNO, J.I. ,en
prensa,. AVlRR warm-season cloud climatologies
under arious synoptic regimes across the Iberian
Peninsula and the Balearic islands. International
journal o Climatology.

CLA, C., CRIS1BAL, J., PONS X. ,200, An
improed methodoligy to map Snow coer by
means o Landsat and MODIS imagery. C.R
200 vtervaciovat Ceo.cievce ava Revote ev.ivg
,vo.ivv, arcetova, 22 ]vt, 200

CLA, C., CRIS1BAL, J., PONS X. ,200,.
Determinacin de la supercie nial del pirineo
catalan mediante imagenes LANDSA1 y MODIS.
tb Ceovatic ree/, arcetova, 202 ebrvar, 200.
|virer.itat .vtovova ae arcetova. Deartavevt ae
Ceografia.

CLA, C., CRIS1BAL, J., PONS X. ,2006,.
Mejoras en la determinacin de la cubierta nial
mediante imagenes LANDSA1 y MODIS. `
Covgre.o ae 1ecvotoga. ae ta vforvaciv Ceografica,
Cravaaa, 122 .etevber 200. |virer.itat .vtovova
ae arcetova. Deartavevt ae Ceografia.

DL LUS, M., VICLN1L, S.M., GONZALLZ
lIDLGO, J.C, RAVLN1S, J. ,2003,.
Aplicacin de las tablas de contingencia ,cross-tab
analysis, al analisis espacial de tendencias climaticas
em el sector oriental de la Pennsula Ibrica.
Cvaaervo. ae ivre.tigaciv geografica, ^ 021120,
^ 2, 200, ag.. 2.1. |virer.iaaa ae .ticavte.
Deartavevto ae cotoga. |virer.iaaa ae Zaragoa.
Deartavevto ae Ceografa.

Institut Cartograic i Geologic de Catalunya ,2014,.
rrr.igc.cat,reb,ca,attav._grvi_vev.b.e~bovaigvac
t~tote. ,consultado en agosto de 2014,

National Oceanic and Atmospheric
Administration. rrr.voaa.gor,.atettite..btvt
,consultado en agosto de 2014,

National Aeronautics and Space Administration
Modis web rrr.voai..g.fc.va.a.gor ,consultado en
agosto de 2014,

National Aeronautics and Space Administration
1erra web rrr.terra.va.a.gor ,consultado en agosto
de 2014,

PLSQULR, L., DOMINGO C., PONS X. ,2013,.
A Geostatistical Approach or Selecting the
lighest Quality MODIS Daily Images. Patterv
Recogvitiov ava vage .vat,.i., 1ot. , 201,
01:. Cevtre ae Recerca cotogica i .ticaciov.
ore.tat. ;CR.) , |virer.itat .vtovova ae
arcetova. Deartavevt ae Ceografia.

1RIPODI, D., lLRNNDLZ, B. ,2000,
Cobertura nial y enos en el pronostico de
caudales en cuencas de montana. vgevieria aet agva,
]vvio 2000, rot., vvv.2, |virer.iaaa Cattica ae Cbite ,
Cotoraao tate |virer.it,.

**
"(*B- %* %"/-4
DA1OS OB1LNIDOS CON SPSS

>?@A0 B
2
C4,4 &DC4 (4(4 &DC4
20031002_8 36.03 1 0.000 0.20 0.000
20031010_8 0.069 1 0.92 0.003 0.92
20031018_8 61.333 1 0.000 0.093 0.000
20031026_8 149.531 1 0.000 0.145 0.000
20031103_8 3108.909 1 0.000 0.555 0.000
20031111_8 3518.399 1 0.000 0.59 0.000
20031119_8 111.062 1 0.000 0.31 0.000
2003112_8 15.22 1 0.000 0.149 0.000
20031205_8 401.905 1 0.000 0.233 0.000
20031213_8 1220.42 1 0.000 0.386 0.000
20031221_8 123.496 1 0.000 0.132 0.000
20040106_8 40.38 1 0.000 0.251 0.000
20040114_8 595.511 1 0.000 0.280 0.000
20040130_8 185.881 1 0.000 0.451 0.000
2004020_8 3222.108 1 0.000 0.562 0.000
20040215_8 2112.056 1 0.000 0.482 0.000
20040223_8 322.629 1 0.000 0.210 0.000
20040302_8 2121.43 1 0.000 0.483 0.000
20040310_8 1228.52 1 0.000 0.38 0.000
20040318_8 144.699 1 0.000 0.44 0.000
20040411_8 1830.968 1 0.000 0.456 0.000
20040419_8 3896.695 1 0.000 0.598 0.000
20040513_8 119.04 1 0.000 0.380 0.000
20040521_8 65.128 1 0.000 0.29 0.000
20040529_8 855.92 1 0.000 0.330 0.000
20040606_8 1391.016 1 0.000 0.40 0.000
20040614_8 683.362 1 0.000 0.299 0.000
20040622_8 360.889 1 0.000 0.222 0.000
20040630_8 205.0 1 0.000 0.169 0.000
2004008_8 435.6 1 0.000 0.242 0.000
2004016_8 83.802 1 0.000 0.109 0.000
2004024_8
20040801_8
20040809_8 0 1 0.986 0.000 0.986
2004081_8
20040825_8 0.001 1 0.91 0.000 0.91
20040902_8
20040910_8
20040918_8 0.15 1 0.903 0.001 0.903
20040926_8
20041004_8
20041012_8 213.082 1 0.000 0.12 0.000
20041020_8 88.465 1 0.000 0.112 0.000
20041028_8 1833.835 1 0.000 0.456 0.000
20041105_8 662.546 1 0.000 0.294 0.000
20041113_8 294.989 1 0.000 0.54 0.000
20041121_8 298.519 1 0.000 0.54 0.000
20041129_8 129.342 1 0.000 0.396 0.000
2004120_8 298.513 1 0.000 0.202 0.000
20041215_8 2110.352 1 0.000 0.482 0.000
20041223_8 102.053 1 0.000 0.365 0.000
20041231_8 3313.2 1 0.000 0.56 0.000
20050108_8 1851.86 1 0.000 0.458 0.000
20050116_8 10.869 1 0.000 0.443 0.000
20050124_8 155.501 1 0.000 0.148 0.000
>?@A0 B
2
C4,4 &DC4 (4(4 &DC4
20050201_8 2502.68 1 0.000 0.514 0.000
2005021_8 88.22 1 0.000 0.318 0.000
20050225_8 1530.094 1 0.000 0.424 0.000
20050305_8 3112.25 1 0.000 0.555 0.000
20050313_8 266.64 1 0.000 0.533 0.000
20050321_8 3.692 1 0.055 0.023 0.055
20050329_8 2835.804 1 0.000 0.53 0.000
20050406_8 413.836 1 0.000 0.236 0.000
20050414_8 1540.529 1 0.000 0.425 0.000
20050422_8 3242.232 1 0.000 0.563 0.000
20050430_8 2532.064 1 0.000 0.516 0.000
20050508_8 0.224 1 0.000 0.100 0.000
20050516_8 1831.488 1 0.000 0.456 0.000
20050524_8 251.48 1 0.000 0.186 0.000
20050601_8 90.056 1 0.000 0.349 0.000
20050609_8 528.314 1 0.000 0.265 0.000
2005061_8 99.606 1 0.000 0.119 0.000
20050625_8 383.111 1 0.000 0.228 0.000
2005003_8
2005011_8 0 1 0.983 0.000 0.983
200502_8
20050804_8
20050812_8 0.083 1 0.3 0.003 0.3
20050820_8 6.119 1 0.013 0.030 0.013
20050828_8
20050905_8 0.128 1 0.21 0.004 0.21
20050913_8 0.00 1 0.934 0.001 0.934
20050921_8 0.05 1 0.824 0.003 0.824
20050929_8 0.068 1 0.94 0.003 0.94
20060924_8
20061002_8 0.44 1 0.504 0.008 0.504
20061010_8 1426.155 1 0.000 0.412 0.000
20061018_8 106.81 1 0.000 0.123 0.000
20061026_8 113.93 1 0.000 0.12 0.000
20061103_8 0.004 1 0.949 0.001 0.949
20061111_8 156.292 1 0.000 0.148 0.000
20061119_8 1836.145 1 0.000 0.456 0.000
2006112_8 859.51 1 0.000 0.331 0.000
20061205_8 1380.149 1 0.000 0.406 0.000
20061213_8 1521.321 1 0.000 0.423 0.000
20061221_8 250.29 1 0.000 0.531 0.000
20061229_8 145.608 1 0.000 0.418 0.000
2000106_8 1863.295 1 0.000 0.459 0.000
2000114_8 199.544 1 0.000 0.453 0.000
2000122_8 112.10 1 0.000 0.39 0.000
2000130_8 1223.18 1 0.000 0.386 0.000
200020_8 893.99 1 0.000 0.33 0.000
2000215_8 1140.23 1 0.000 0.35 0.000
2000223_8 920.002 1 0.000 0.341 0.000
2000303_8 950.1 1 0.000 0.346 0.000
2000311_8 3818.93 1 0.000 0.595 0.000
2000404_8 19.988 1 0.000 0.158 0.000
2000412_8 156.126 1 0.000 0.429 0.000
2000420_8 1828.156 1 0.000 0.455 0.000
2000506_8 2461.332 1 0.000 0.510 0.000
2000514_8 0.95 1 0.328 0.012 0.328
2000522_8 0.502 1 0.49 0.008 0.49
2000530_8 18.613 1 0.000 0.052 0.000
200060_8 281.333 1 0.000 0.19 0.000
*"
>?@A0 B
2
C4,4 &DC4 (4(4 &DC4
2000615_8 0.045 1 0.832 0.003 0.832
2000623_8 0.018 1 0.892 0.002 0.892
200001_8 1 0.000 0.000
200009_8 11.588 1 0.001 0.041 0.001
20001_8 0.026 1 0.82 0.002 0.82
200025_8 386.22 1 0.000 0.229 0.000
2000802_8 1 0.000 0.000
2000810_8 1 0.000 0.000
2000818_8 44.936 1 0.000 0.080 0.000
2000826_8 1 0.000 0.000
2000903_8 0.001 1 0.9 0.000 0.9
2000911_8 0.028 1 0.868 0.002 0.868
2000919_8 169.86 1 0.000 0.154 0.000
200092_8 21.49 1 0.000 0.055 0.000
2001005_8 159.008 1 0.000 0.431 0.000
2001013_8 22.213 1 0.000 0.16 0.000
2001021_8 1263.291 1 0.000 0.391 0.000
2001029_8 2544.4 1 0.000 0.51 0.000
2001106_8 614.633 1 0.000 0.284 0.000
2001114_8 1938 1 0.000 0.466 0.000
2001122_8 1435.135 1 0.000 0.412 0.000
2001130_8 2550.69 1 0.000 0.51 0.000
2001208_8 806.992 1 0.000 0.322 0.000
2001216_8 2242.35 1 0.000 0.493 0.000
2001224_8 2354. 1 0.000 0.505 0.000
20080101_8 503.894 1 0.000 0.259 0.000
20080109_8 56.035 1 0.000 0.089 0.000
2008011_8 123.841 1 0.000 0.445 0.000
20080125_8 2951.858 1 0.000 0.545 0.000
20080202_8 2354.929 1 0.000 0.502 0.000
20080210_8 2964.398 1 0.000 0.546 0.000
20080218_8 1931.044 1 0.000 0.465 0.000
20080226_8 110.456 1 0.000 0.443 0.000
20080305_8 45.565 1 0.000 0.008 0.000
20080313_8 1831.042 1 0.000 0.456 0.000
20080329_8 2190.546 1 0.000 0.489 0.000
20080406_8 65.434 1 0.000 0.314 0.000
20080414_8 89.8 1 0.000 0.33 0.000
20080422_8 312.26 1 0.000 0.559 0.000
20080430_8 239.891 1 0.000 0.504 0.000
20080508_8 69.35 1 0.000 0.099 0.000
20080516_8 6.108 1 0.000 0.316 0.000
20080524_8 1 0.000 0.000
20080601_8 182.584 1 0.000 0.160 0.000
20080609_8 3.268 1 0.01 0.022 0.01
2008061_8 1352.282 1 0.000 0.403 0.000
20080625_8 593.012 1 0.000 0.280 0.000
2008003_8 198.03 1 0.000 0.166 0.000
2008011_8 406.494 1 0.000 0.234 0.000
2008019_8 84.312 1 0.000 0.109 0.000
200802_8 1 0.000 0.000
20080804_8 0.01 1 0.920 0.001 0.920
20080812_8 0.00 1 0.934 0.001 0.934
20080820_8 0.013 1 0.910 0.001 0.910
20080828_8 1 0.000 0.000
20080905_8 0.051 1 0.822 0.003 0.822
20080913_8 30.65 1 0.000 0.066 0.000
20080921_8 0.003 1 0.959 0.001 0.959
20080929_8 0.096 1 0.5 0.001 0.5
1ABLA DL RLCULN1O

>?@A0 676 673 376 373
20031002_8 599 211 34 62
20031010_8 6863 4 119 0
20031018_8 4529 42 2329 86
20031026_8 4406 116 2238 226
20031103_8 3628 563 554 2241
20031111_8 4312 355 531 188
20031119_8 3602 88 102 149
2003112_8 1059 1551 1144 3232
20031205_8 336 68 588 535
20031213_8 1203 1539 351 3893
20031221_8 1822 663 203 198
20040106_8 582 898 80 426
20040114_8 210 68 1802 2309
20040130_8 1184 129 235 420
2004020_8 2332 99 31 3538
20040215_8 2689 504 1109 2684
20040223_8 316 599 210 1104
20040302_8 845 63 320 5148
20040310_8 2095 548 156 26
20040318_8 2584 384 1496 2522
20040411_8 2988 1030 62 2296
20040419_8 302 35 531 301
20040513_8 4011 1 2023 881
20040521_8 5184 14 1253 35
20040529_8 5458 146 1035 34
20040606_8 5841 22 491 382
20040614_8 6429 16 266 115
20040622_8 69 15 13 19
20040630_8 6856 9 113 8
2004008_8 6930 19 29 8
2004016_8 6952 18 14 2
2004024_8 691 0 15 0
20040801_8 6941 0 45 0
20040809_8 6983 2 1 0
2004081_8 6858 0 128 0
20040825_8 696 9 1 0
20040902_8 689 10 0 0
20040910_8 6930 0 56 0
20040918_8 6933 51 2 0
20040926_8 694 12 0 0
20041004_8 6941 45 0 0
20041012_8 542 601 03 255
20041020_8 523 1119 422 208
20041028_8 3198 589 1101 2098
20041105_8 2025 1441 983 253
20041113_8 1480 98 23 441
20041121_8 3192 824 39 253
20041129_8 1954 10 1259 3063
2004120_8 2831 18 3162 815
20041215_8 1695 1332 249 310
20041223_8 1048 1359 446 4133
20041231_8 166 386 539 4394
20050108_8 183 1552 244 340
20050116_8 1094 04 62 4561
20050124_8 140 630 364 5852
20050201_8 814 468 343 5361
2005021_8 36 281 82 5511
*#
>?@A0 676 673 376 373
20050225_8 42 308 52 569
20050305_8 838 243 40 5498
20050313_8 1486 522 542 4436
20050321_8 6011 4 915 13
20050329_8 3181 823 450 2532
20050406_8 4291 182 2039 44
20050414_8 2680 130 2131 2045
20050422_8 360 613 446 216
20050430_8 4694 598 455 1239
20050508_8 6198 44 14 30
20050516_8 3496 584 1051 1855
20050524_8 6095 13 829 49
20050601_8 6318 191 30 10
20050609_8 6635 112 19 60
2005061_8 6826 62 8 11
20050625_8 6936 2 44 4
2005003_8 6982 0 4 0
2005011_8 6982 3 1 0
200502_8 695 0 29 0
20050804_8 6958 0 28 0
20050812_8 6913 64 9 0
20050820_8 6925 21 39 1
20050828_8 6982 0 4 0
20050905_8 691 1 52 0
20050913_8 696 16 3 0
20050921_8 6948 23 15 0
20050929_8 6540 445 1 0
20060924_8 6613 33 0 0
20061002_8 699 169 18 0
20061010_8 545 605 34 550
20061018_8 6389 92 465 40
20061026_8 641 196 24 45
20061103_8 695 4 0
20061111_8 5564 513 10 199
20061119_8 4529 385 954 1118
2006112_8 5381 446 04 455
20061205_8 222 802 1136 2821
20061213_8 1982 1494 442 3068
20061221_8 3220 1056 296 2414
20061229_8 2843 1880 258 2005
2000106_8 4394 901 465 1226
2000114_8 535 666 292 653
2000122_8 1480 13 2209 3124
2000130_8 3166 1030 931 1859
200020_8 2259 1642 689 2396
2000215_8 122 66 1369 3228
2000223_8 3101 118 959 139
2000303_8 2163 1190 1008 2625
2000311_8 219 9 158 3312
2000404_8 368 950 1525 833
2000412_8 309 30 1402 1505
2000420_8 4310 598 93 1285
2000506_8 3 95 380 1854
2000514_8 564 29 1306 4
2000522_8 660 51 264 1
2000530_8 681 48 116 5
200060_8 6841 62 66 1
2000615_8 6939 8 39 0
2000623_8 6950 4 32 0
>?@A0 676 673 376 373
200001_8 694 0 12 0
200009_8 6851 98 34 3
20001_8 6923 3 60 0
200025_8 696 8 1 1
2000802_8 6964 0 22 0
2000810_8 6982 4 0 0
2000818_8 6934 2 49 1
2000826_8 6985 0 1 0
2000903_8 699 6 1 0
2000911_8 6889 2 95 0
2000919_8 6618 304 39 25
200092_8 5461 163 1288 4
2001005_8 5119 41 04 46
2001013_8 652 139 1 24
2001021_8 6052 193 461 280
2001029_8 308 960 446 2502
2001106_8 61 553 114 142
2001114_8 2888 685 90 2443
2001122_8 3263 1020 821 1882
2001130_8 4239 390 810 154
2001208_8 54 08 650 5054
2001216_8 1588 36 589 403
2001224_8 219 899 541 3349
20080101_8 803 1330 62 4181
20080109_8 263 39 3184 50
2008011_8 1526 949 620 3891
20080125_8 25 104 250 2914
20080202_8 1520 55 501 4210
20080210_8 256 91 299 2960
20080218_8 3519 932 644 1891
20080226_8 4534 54 1 110
20080305_8 1094 1610 2086 2196
20080313_8 2693 915 91 258
20080329_8 126 600 605 4514
20080406_8 3146 313 2223 1304
20080414_8 259 110 1063 2156
20080422_8 293 598 540 3055
20080430_8 4203 80 450 1526
20080508_8 6688 131 148 19
20080516_8 5550 31 694 31
20080524_8 660 0 39 0
20080601_8 653 424 18
20080609_8 668 13 284 2
2008061_8 6289 108 38 202
20080625_8 6601 61 262 62
2008003_8 696 29 146 15
2008011_8 6894 15 66 11
2008019_8 6916 21 45 4
200802_8 6968 0 18 0
20080804_8 6969 10 0
20080812_8 692 6 8 0
20080820_8 6896 89 1 0
20080828_8 698 8 0 0
20080905_8 686 3 116 0
20080913_8 628 4 251 3
20080921_8 695 9 2 0
20080929_8 6664 320 2 0

*$
NOMLNCLA1URA DL LAS 1ABLAS

Ln las tablas anteriores, en la primera columna
encontramos la echa de los productos de niee de
8 das. Ll ormato de la echa es el siguiente:
AAAMMDD_8

Ll producto de niee estara ormado por la imagen
que indica la echa mas los das posteriores.

Ln la primera tabla, en la segunda columna
encontramos el alor calculado con SPSS de la
Chi-cuadrado. Ln la tercera columna, los grados de
libertad, 1 en todas las imagenes. Ln la cuarta, la
signiicacin asinttica ,bilateral,. Ln la quinta, el
coeiciente de Contingencia, y en la sexta, su
signiicacin.

Ln la tabla de recuento, en la segunda columna,
encontramos el nmero de celdas sin niee en los
dos productos. Ln la tercera, los pxeles que en los
productos NOAA-AVlRR dan sin niee y en
1LRRA-MODIS dan niee. La siguiente al res
presencia de niee en NOAA-AVlRR y ausencia
en 1LRRA-MODIS. La ltima columna registra el
recuentro de los pxeles con niee segn los dos
productos.

Projecte Final Master

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Projecte Final Master

Cargado por

Copyright:

Formatos disponibles

!"#$%"&$'( %# +,-%.&/- % ($*!

* -0/($%- " +",/$, %

También podría gustarte