Está en la página 1de 11

ESTIMACIÓN DE LA TEMPERATURA SUPERFICIAL TERRESTRE EN LA

ZONA DE INFLUENCIA DE LA HIDROELÉCTRICA EL QUIMBO
DEPARTAMENTO DEL HUILA.

Sanz Daniel – DanielSanz911@hotmail.com
Ingeniería Topográfica - Universidad del Valle Cali – Colombia

Resumen: Se presenta una herramienta para realizar la estimación de la temperatura
superficial terrestre
en 12 etapas de tiempo diferentes, como también se estudia
exploratoriamente la relación entre el NDVI(índice de vegetación de diferencia normalizada) y
los cambios de temperatura hallados, esta información servirá de insumo para realizar análisis
de posibles afectaciones a corto, mediano y largo plazo a la producción agrícola y calidad de
vida de los habitantes de la zona de influencia directa e indirecta del proyecto hidroeléctrico,
información importante con la cual se podrán ejercer planes de mitigación. La zona de estudio
comprende los municipios de Gigante, El Agrado, Garzón, Tesalia, Altamira y Paicol del
departamento del Huila, las coordenadas aproximadas del punto medio del embalse son 02° 24'
24" N, 75° 34' 59" W. Para el estudio se hizo usa del software Erdas imagine 9.2, 12 imágenes
del satélite Landsat7 las cuales deben tener poca presencia de nubes, a estas imágenes se les
realiza un proceso de corrección atmosférica con el método HAZE, con el método
HISTOGRAM MATCHING se normalizan las 12 imágenes teniendo como referencia la imagen
más antigua, se extrae la radiancia para las bandas 6,2 (térmica), se calcula el índice de
vegetación de diferencia normalizada, la emisividad con el método planteado por (Griend,
1993), luego se extrae la temperatura de brillo, para posteriormente calcular la temperatura
superficial terrestre; se presentan análisis de temperatura a lo largo de un transepto dentro de la
zona de influencia directa. Para validar la información esta se comparada con datos de
temperatura de 2 estaciones meteorológicas cercanas a la zona de estudio.

Introducción
La superficie terrestre recibe energía
proveniente del sol en forma de radiación
solar cuya consecuencia más directa es la
temperatura; la atmósfera y el suelo
absorben una porción de las radiaciones
luminosas y caloríficas que emite el sol,
mientras que otra parte de éstas se reflejan
y se pierden en el espacio. El calor ganado
de esta radiación incidente debe ser igual al
calor perdido mediante la radiación
terrestre, este balance se ve afectado por
factores como la variación dia-noche,
distribución
latitudinal,
variación
estacional, variación de altura y tipos de
superficie terrestre (Escudero, 2011) en este
último estará enfocado el actual estudio
debido al cambio de cobertura que se
presenta luego de la construcción de la

represa el Quimbo, este proyecto interviene
en un área que involucra los municipios de
Gigante, El Agrado, Garzón, Tesalia,
Altamira y Paicol, cubriendo un total de
8.586 hectáreas que serán
inundadas
(Angel Bonilla, 2012); la temperatura
superficial terrestre conocida por sus siglas
(LST)
se ha convertido en un factor
importante en los estudios de cambio
climático a nivel global, la cual ha sido
estudiada ampliamente mediante el uso de
sensores remotos por investigadores como
Majumdar et al 2009 quienes estimaron la
LST en Singhbhum Shear usando el
infrarrojo térmico de imágenes Landsat7
ETM+, usaron varios algoritmos de
recuperación de emisividad y temperatura
en las bandas visible, infrarrojo cercano y el
infrarrojo térmico; Jiang et al 2010
realizaron un análisis del impacto de los
cambios en la cobertura del uso del suelo,

586 hectáreas. para con estos realizar un análisis del cambio de temperatura en 12 etapas de tiempo diferentes. y Coll et al 2012 realizaron una comparación entre diferentes fuentes de perfiles atmosféricos para la recuperación de la temperatura de la superficie terrestre a partir de datos del infrarrojo térmico de un solo canal. 1. El Agrado. cuantifico la sensibilidad de la resolución haciendo uso de modelos de regresión espacial. practica y con alta precisión para estimar en tiempo casi-real la temperatura de cualquier punto geográfico dentro de la zona de influencia. 2011). Song et al 2014 estudiaron las relaciones entre las composiciones del paisaje y la temperatura de la superficie terrestre. El estudio será desarrollado en una zona aleatoria dentro de la zona de influencia directa. Descripción de la zona de estudio: La zona de estudio comprende los municipios de Gigante. de ahí la importancia de monitorizar esta variable. para esto se usaran imágenes lassat 7 se hará la respectiva corrección atmosférica. está directamente relacionado con la disminución de los rendimientos del sector agrícola. Materiales y métodos Revisión literaria en revistas científicas: Investigación del estado del arte del tema que se abordara para la identificación de variables. como también la relación entre el NDVI calculado y los cambios hallados. Tesalia. normalización. arroz. Garzón. Weng et al 2004 realizaron la estimación de la LST y su relación con la vegetación para estudios de islas de calor urbano. Ilustración 1: Imagen Satelital zona de estudio El Quimbo. 75° 34' 59" W. metodologías y resultados que se ha tenido en el emprendimiento de proyectos que a través de imágenes satelitales busquen estimar la temperatura superficial.cubierta del terreno y cambios en la temperatura superficial del terreno en Beijing. cubriendo un total de 8. cálculo del NDVI y Temperatura superficial. con lo cual vamos a obtener una herramienta económica. obtención de radiancia y reflectancia. Altamira y Paicol del departamento del Huila. las coordenadas aproximadas del punto medio del embalse son 02° 24' 24" N. en países como Estados Unidos mediante los registros agrícolas de maíz. wikimapia . trigo y soja durante 1980-2008 encuentran que cada aumento de 1ºC provoca una disminución de rendimiento del 10% (Reardon. El cambio de la temperatura superficial.

La investigación se realiza con imágenes Lansat 7 que son distribuidas de manera gratuita por la USGS en su sitio http://earthexplorer. geométrica no es necesaria ya que estas traen un error circular de 12 metros la cual no afectara significativamente los resultados del estudio. Haze reduction = Convolución [ Raster .gov para 12 temporadas diferentes de acuerdo a fechas se establezcan para su estudio. para esto se deben realizar la corrección atmosférica con el método Haze. para tener mejor resolución espacial se realiza un mejoramiento espacial con la banda pancromática que tiene una mejor resolución. teniendo en cuenta que la toma este con presencia de poca nubosidad. el cual será nuestra zona de estudio.Erdas Recorte de la zona de estudio: Mediante una herramienta de sistemas se recorta la imagen.usgs. información proporcionadas por estaciones climatológicas instaladas por la empresa el Quimbo en la zona de influencia del proyecto y una herramienta de procesamiento de imágenes digitales.2) Fuente: Elaboración propia Pre procesamiento de la información: Compilación de las bandas que se requieren para los modelos haciendo uso de la herramienta layer stack. este se basa en la transformación Tasseled Cap que produce un componente que se correlaciona con neblina para disminuirla (Ilustración No ). esto nos permitirá visualizar mejor la zona de estudio para su recorte. este método incluido en la herramienta ERDAS nos permite reducir la neblina general de la imagen. la corrección Ilustración 2: Modelo Haze . así como también el tratamiento de la información de satélite. Kernel de Convolucion ] Tabla 2: Kernel incluido en la herramienta “haze reduction” de erdas Tabla 1: Fecha de toma de imágenes Lansat7 Fuente: (Erdas Imagine 9. .

esto se realiza debido a que han sido tomadas en distintas fechas por ende las condiciones atmosféricas o de iluminación global varían.Elaboración propia Normalización: Con la función Histograma Matching proporcionada por la herramienta ERDAS.0167∗ Ilustración 4: Modelo Histogram Match Erdas 2 ( sin2 π∗( β−93. en este caso todas las imágenes se normalizan respecto a la imagen del año más antiguo que es el 2000.Ilustración 3: Recorte para zona de estudio. Ilustración 5: Imagen con brillo normalizado . ������� � ������� son los valores digitales máximo y mínimo de la imagen y ���� es la imagen cruda. normalizamos el brillo de las imágenes de las 12 diferentes temporadas.Erdas Calculo de Radiancia: �� = ( LMAX −LMIN QCALMAX −QCALMIN ) (����)+���� (1) ���� � ���� son los valores de radiancia máximos y mínimos para cada banda.5) ) α (3) . Este modelo se realizara en la herramienta Erdas Calculo de reflectancia: ��=�� Lγ ESUN cos θ (2) �=1+0.

1993) quien lo desarrollo para 10 superficies diferentes. se usan dos constantes de calibración. Lγ es la imagen de radiancia y � es el ángulo cenital solar.71 (USGS) TL = Ilustración 6:Imagen NDVI . para determinar la temperatura efectiva del satélite en grados kelvin se aplica el modelo 6.0094−0.7%.Calculo de emisividad para coberturas: Donde ���� es la irradiancia solar exotérmica los cuales los encontramos en literatura. Este modelo se realizara en la herramienta Erdas. �=1. Se calcula la Distancia solar para cada fecha de captura de las imágenes con la plantilla Excel adjunta en el proyecto. los valores de la irradiancia exotérmica solar se toman los proporcionados por la herramienta Erdas. Se debe corroborar que los valores del índice se encuentren entre -1 y 1. para así determinar zonas homogéneas.Elaboración propia K2 K1 ln(( )+1) Lɤ (6) . para hallar la emisividad se usara el modelo propuesto por (Griend.09 watts/(meter squared*ster*µm) y K2= 1282. donde 1 es máxima vegetación y -1 ausencia de vegetación. Calculo de la temperatura superficial: La conversión a temperatura se realiza con la imagen de radiancia de la banda 6.2 con el módulo de Modeler haciendo uso del modelo: NIR−R ����= NIR + R Ilustración7: Emisividad-Elaboración propia (4) Donde NIR se refiere a la banda del infrarrojo cercano y R a la banda del rojo. Primero se realizara una investigación para determinar el tipo de cobertura predominante en la zona de estudio.047∗���� (5) Calculo de NDVI: El cálculo del índice de diferencia de vegetación NDVI se realizara en la herramienta Erdas 9. con un error estimado del 0.2. Los valores de reflectancia deben estar entre -1 y 1. K1= 666.

39. ɤ es la Ilustración 9: Imagen de temperatura superficial . longitud de onda media de la banda térmica α =h*c/a (1. para estas constantes tenemos que h es la constante de Planck (6.Elaboración propia Análisis en el tiempo (12 temporadas) sobre las variaciones de temperatura superficial terrestre: Se realiza un transepto entre las coordenadas 433283.438*10-2 mK). Ilustración 1: Transepto usado para el análisis. c es la velocidad de la luz dada en 2.Ilustración 8: Imagen de temperatura de brillo-Elaboración propia La temperatura anteriormente hallada con la ecuación 6 es la temperatura en el satélite. TL es la temperatura de brillo del satélite. Adicional a estos parámetros.626*10-34 Js).Elaboración propia . 264077. para las imágenes posteriores al año 2003 omitimos los valores que se encuentran en la franja dañada. para hallar la temperatura en la superficie terrestre aplicamos el modelo usado por (Weng.998∗108.65(UTM/GWS-84) el cual pertenece a una zona aledaña a la construcción de la presa aledaña al sitio la Falla. a es la constante de Boltzman (1.75 .38*10-23 J/K) y ε es la emisividad de la superficie. establecemos un rango de valores acertados de temperatura entre 12 y 35 grados.61 hasta 434747. 260516. 2004) en su trabajo TS = Tl x Lnε 1+( ɤTl /α )  (7) Donde TS es la temperatura de la superficie corregida con la emisividad. sitio la Falla.

municipio El Agrado.Elaboración propia con Google Earth Tabla 3: Temperaturas promedio mensuales. Resultados 1. estaciones meteorológicas 2. el método no es eficiente para disminuir la nubosidad en las imágenes. Los valores de reflectancia para las doce imágenes estuvieron en el rango entre -1 y 1. en Gigante. por lo tanto los puntos que contienen nubes no serán tomados en cuenta en el análisis de temperatura superficial. Reducción de la neblina general de la imagen ∆x = Xe –Xc (8) Ilustración 2: Recorte corregido por método Haze. Ilustración 11: Estaciones Climatológicas zona de estudio . otro de los puntos se situó en La Yaguilga. izquierda sin corregir.Cerro Matambo. se usa el error absoluto. Las estaciones están ubicadas en sitios como Alta Montaña.Elaboración propia Como se puede observar en la ilustración N0 15. derecha corregida. .Validación: La empresa EMGESA ha puesto en funcionamiento 6 estaciones para monitorizar temperatura. se calcula hallando la diferencia entre el valor estimado Xe y el valor tomado en campo Xc. las cuales están cercanas al transepto objeto de estudio. Estudio de impacto ambiental hidroeléctrica el Quimbo 2. este es un indicador con el cual podemos establecer parcialmente que el modelo usado funciona. se extraerán los valores de temperatura hallados con sensores remotos de manera puntual en la coordenada de ubicación de las estaciones Betulia y Zuluaga.Parque Cerro Miraflores y La Jagua. y en los sectores de Río Loro. del municipio de Garzón. para validar los datos obtenidos. La Enea. Tres Esquinas.

5. este nos muestra la uniformidad de las temperaturas superficiales para cada periodo de tiempo modelado. variaciones de temperatura superficial terrestre.Elaboración propia Elaboración propia A pesar de tener solo dos datos puntuales de temperatura para la respectiva validación. 4. Análisis para las 12 temporadas. El índice de vegetación de diferencia normalizada para todas las 12 temporadas arrojo resultados entre -1 y 1. esto se comprobó visualmente identificando en la imagen de bandas visibles las zona densas de vegetación y comparándolo con el valor de NDVI para la misma coordenada. y 20 de noviembre del año 2913. evidenciándose mayores temperaturas para las fechas: 30 de agosto del 2000. el proceso de validación arrojo errores absolutos cercanos al valor medio de temperatura anual medidos con dos estaciones meteorológicas aledañas a la zona de influencia del proyecto hidroeléctrico. también se presentan temperaturas más bajas en las fechas 16 de julio de 2001 y 7 de octubre de 2002. valores cercanos a -1 son zonas de escasa vegetación. Los promedios de temperar atura para cada periodo se muestran en la tabla No 7. Discusiones Definitivamente la presencia de nubes es el principal obstáculo en el estudio de fenómenos a través .Elaboración propia En el grafico No 17 se presentan las temperaturas a los largo de un transepto aledaño a la zona de influencia del proyecto hidroeléctrico. a pesar de esto este resultado no nos proporciona un sólido indicador para inferir que la temperatura superficial de la zona de influencia de la hidroeléctrica el Quimbo ha incrementado a causa de la modificación de coberturas de suelo.Ilustración 3: Información imagen de reflectancia (Statistics info) -Elaboración con Erdas 3. Tabla 2: Validación de temperaturas puntuales Ilustración 4: Grafico comparativo de cada temperada. 3. las diferencias posiblemente se deben a que la información no se tomó a la misma hora del día. en donde encontramos diferentes promedio de temperatura. Tabla 1: Promedios de temperatura transepto. 11 de enero de 2003. podemos evidenciar que las diferencias de temperatura nos permiten mostrar que los datos modelados mediante información satelital son coherentes con la realidad. Elaboración propia Se puede evidenciar que para el año 2013 se presenta la temperatura más alta de los periodos estudiados. valores cercanos a 1 son zonas con alto contenido de vegetación.

se debe . 2010) mostro que mediante el establecimiento de un índice TVX que las temperaturas altas resultaban en suelos desnudos.99. Conclusiones Las imágenes lansat7 debido a su escasa escala temporal no permiten seguir el fenómeno eficientemente. Para modelar la temperatura superficial es importante tener en cuenta variables como vapor atmosférico. así como también la escasa caracterización de las coberturas existentes. 2012) obtuvo resultados que estaban dentro del rango ± 0. hay algunos estudios en donde usan estadísticas para componer este espacio mediante información cercana al mismo.de sensores remotos. corregir esta falla mediante procesos estadísticos u otros métodos saldría costoso y la información tendría cierto sesgo desde el inicio del procesamiento. (Jiang. 2003) con este procedimiento obtuvo resultados con correlaciones entre datos de campo y datos estimados mediante imágenes satelitales de alrededor de 0. Para establecer relaciones entre la cobertura vegetal y la temperatura superficial es importante realizar visitas de campo. la temperatura en este tipo de “cobertura” genera resultados muy bajos. además de esto para un estudio más detallado de temperatura superficial se debe optar por trabajar con imágenes de temporalidad diaria. En zonas donde hay presencia de nubes no se cuenta con información de temperatura. Para estudios de temperatura a pesar de que las imágenes lansat nos proporcionan valiosa información a bajo costo. así como también valores de humedad. Es necesario para hacer una efectiva calibración con la toma de datos de campo teniendo en cuenta que se deben hacer simultáneos al paso del satélite proveedor de las imágenes. los cuales aportarían información local que permiten tener modelos más robustos para estimar la temperatura superficial terrestre. y hacer una detallada segmentación de las diferentes coberturas vegetales que se encuentran en la zona de estudio. en el trabajo realizado los valores de temperatura obtenidos a pesar de que presentan incrementos en los últimos años. El proceso de calibración es un paso importante. área o transepto. en la literatura estudiada no se encontró ningún método eficaz para la remoción de nubes. para realizar una calibración confiable es importante realizar tomas de datos de campo. no es posible asegurar que sea debido al cambio de cobertura vegetal debido a que se presentan cultivos inundados (arroz). 4.2 K. Las imágenes lansat 7 posteriores al año 2003 presentan una limitación en estudios donde se requiera analizar fenómenos a lo largo de una línea. donde (Coll. ya que de este depende la calidad de los resultados. (Suga. así como también las temperaturas bajas se encontraban en zonas boscosas. de hecho su remoción causaría que el espacio que ocupaba quede sin información.

Qihao Weng. (2012). Bibliografía Angel Bonilla. (2010). El cambio climático y la . S. Remote Sensing of Environment. Thermal infrared remote sensing for urban climate and environmental studies:Methods. La represa del Quimbo-nuevas avalanchas. Profesor deEconomía Universidad Surcolombiana. 1-9. (2010). (2011). Coll. Reardon. 2606–2617. Validation of Landsat-7/ETM+ ThermalBand Calibration and Atmospheric Correction With Ground-Based Measurements. estas fallas que se presentan posterior al año 2003 ocasionan traumatismos en el momento de realizar los respectivos análisis. Unidad de Salvaguardias Ambientales. Reza Amiri. Surface temperature estimation in Singhbhum Shear Zone of India. Department of . (2011). ISPRS. IEEE. BID. Mexico. (2012). Landscape and Urban Planning. Guide to Wind Energy. Remote Sensing of Environment. 5. International Society for Environmental Information Sciences 2010 . INECC. EEUU: http://news. (2009). 571-575. Ediciones mundi prensa. (2009). applications. Climate Change Already Hurting Agriculture. Spatial– temporal dynamics of land surface temperature in relation to fractional vegetation cover and land use/cover in the Tabriz urban area.org/ .sciencemag. Edgar Obando . Analysis of the impact of Land use/Land cover change on Land Surface Temperature with Remote Sensing . César Coll. Jiang. 199–210. (2009). El Quimbo inundará seis municipios del Huila. Song.explorar el uso de imágenes satelitales que no presenten fallas. es necesario realizar calibraciones más exhaustivas que permitan generar datos con mayor precisión. and trends . Srivastava. 145-157. Comparison between different sources of atmospheric profiles for land surface temperature retrieval from single channel thermal infrared data. Instituto Nacional de ecologia y cambio climatico-El uso de la percepción remota y de los sistemas de información geográfica para el monitoreo ambiental. 335-344. Para hacer uso del método presentado para predecir la temperatura superficial de la zona de estudio. (2007). The relationships between landscape compositions and land surfacetemperature: Quantifying their resolution sensitivity with spatialregression model. (2014). (2012). Iran. (2012). Escudero.

Procedia Environmental Sciences. Estimation of land surface temperature– vegetation abundance relationship for urban heat island studies. 2235-2240.pdf. (2003). DETECTION OF SURFACE TEMPERATURE FROM LANDSAT-7/ETM+.gov/pdfs/Landsat7_Ha ndbook. Indian Institute of Technology. Landsat 7 Science Data Users Handbook. nasa.f. 1287 – 1292. Kharagpur. National Aeronautics and Space Administration . Zhi-qiang. USGS.gsfc. Remote Sensing of Environment. .). (2004). 467–483.Geology & Geophysics. http://landsathandbook. Utility of landsat Image in the Study of Land Cover and Land Surface Temperature Change. Suga. 1563–1574. (s. ElSEVIER. (2011). Weng.