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/.%$-
Ll ambito geograico del estudio engloba la mitad Lste del Pirineo. Ln su ertiente Norte encontramos el Lste del Pirineo rancs, en cambio el Sur se diide en dos, Pirineo Aragons al Oeste de la zona y al Lste y centro el Pirineo Catalan. 1atiaaciv aet roavcto ae viere obteviao a artir ae ivageve. .1RR, cov et roavcto ae viere obteviao a artir ae ivageve. MOD 3 #
Lste ambito esta deinido por las siguientes coordenadas ubicadas en el huso U1M-31 N: 45150 ,U1M X mnima,, 9150 ,U1M X maxima,, 4680150 ,U1M \ mnima,, 45850,U1M \ maxima,. Lste ambito contiene 10.294 pxeles en los productos de niee de NOAA-AVlRR con una resolucin espacial de 1.100 metros. Se deine, pues, esta zona para adaptarla a la escena h1804 de los productos de 1LRRA-MODIS que se muestra en la ligura 1. ,lig. 1,.
;9 1"/*,$"# < 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.
1atiaaciv aet roavcto ae viere obteviao a artir ae ivageve. .1RR, cov et roavcto ae viere obteviao a artir ae ivageve. MOD 4 $ 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
1atiaaciv aet roavcto ae viere obteviao a artir ae ivageve. .1RR, cov et roavcto ae viere obteviao a artir ae ivageve. MOD 5 % -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.
1atiaaciv aet roavcto ae viere obteviao a artir ae ivageve. .1RR, cov et roavcto ae viere obteviao a artir ae ivageve. MOD 6 & 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,:
1atiaaciv aet roavcto ae viere obteviao a artir ae ivageve. .1RR, cov et roavcto ae viere obteviao a artir ae ivageve. MOD 8 (
Graico 2. Diagrama de la comparacin de los productos de niee entre 600 y 800 metros.
Graico 3. Diagrama de la comparacin de los productos de niee entre 800 y 1000 metros.
Graico 4. Diagrama de la comparacin de los productos de niee entre 1000 y 1200 metros.
Graico 5. Diagrama de la comparacin de los productos de niee entre 800 y 1000 metros.
Graico 6. Diagrama de la comparacin de los productos de niee entre 1400 y 1600 metros.
Graico . Diagrama de la comparacin de los productos de niee entre 1600 y 1800 metros..
Graico 8. Diagrama de la comparacin de los productos de niee entre 1800 y 2000 metros.
Graico 9. Diagrama de la comparacin de los productos de niee entre 2000 y 2200 metros.
Graico 10. Diagrama de la comparacin de los productos de niee entre 2200 y 2400 metros.
Graico 11. Diagrama de la comparacin de los productos de niee entre 2400 y 2600 metros.
1atiaaciv aet roavcto ae viere obteviao a artir ae ivageve. .1RR, cov et roavcto ae viere obteviao a artir ae ivageve. MOD 9 )
Graico 12. Diagrama de la comparacin de los productos de niee entre 2600 y 2800 metros.
Graico 13. Diagrama de la comparacin de los productos de niee entre 2800 y 3000 metros.
Graico 14. Diagrama de la comparacin de los 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:
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 1atiaaciv aet roavcto ae viere obteviao a artir ae ivageve. .1RR, cov et roavcto ae viere obteviao a artir ae ivageve. MOD 10 *+ 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,.
1atiaaciv aet roavcto ae viere obteviao a artir ae ivageve. .1RR, cov et roavcto ae viere obteviao a artir ae ivageve. MOD 11 ** "(*B- %* %"/-4 DA1OS OB1LNIDOS CON SPSS
1atiaaciv aet roavcto ae viere obteviao a artir ae ivageve. .1RR, cov et roavcto ae viere obteviao a artir ae ivageve. MOD 14 *$ 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.