Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/329477430
CITATIONS READS
0 211
1 author:
John Treimun
17 PUBLICATIONS 5 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by John Treimun on 07 December 2018.
Imaginería
multi e hiper
espectral
(Drones)
Imaginería satelital Escáner laser
Multi e hiper espectral Aerotransportado
Imaginería Radar (LiDAR)
Cambio en la superficie del
Mar de Aral,
Asia Central.
Landsat 8. Fuente fotos: Sitio web NASA
Fuente: NASA
Monitoreo Ambiental
• Corresponde a un proceso de observación del ambiente,
los ecosistemas y los recursos naturales de manera
periódica y sistemática.
• Se deben contar con objetivos enfocados en uno o más
elementos del ambiente, siguiendo un plan temporal.
• En Chile, en base a Teledetección satelital, se ha
desarrollado el Programa de Monitoreo Ambiental y
Territorial (PMAT) (Superintendencia del Medio Ambiente,
SMA) (2013-2014), a través del que se generaron
herramientas y modelos que permiten la obtención
automatizada de variables físicas y otros productos
espaciales.
• El Ministerio del Medio Ambiente (MMA) también ha
logrado dar importantes avances en el monitoreo
ambiental basados en Teledetección satelital, la
construcción de indicadores ambientales basados en la
imaginería satelital disponible para la comunidad.
Resolución de imágenes satelitales
La energía emitida o reflejada por la superficie terrestre es
un fenómeno complejo que se desarrolla continuamente
en cuatro dimensiones: espacio, tiempo, longitud de
onda y radiancia. En consecuencia, se definen cuatro
Pixel:
resoluciones: 5 km
i. Resolución espacial: Tamaño del pixel o celda del
raster que contiene a la banda espectral (Landsat: 30
m x 30 m)
ii. Resolución espectral: Número y rango de las regiones
del espectro electromagnético para los que capta
Landsat 8. Fuente fotos: Sitio web NASA
Landsat 8.
Pixel:
Fuente fotos:
1 km
información el sensor Sitio web NASA
Land Remote U.S. Geological Survey Sensor con problemas de barrido en algunos
Landsat 7 Enhanced Thematic Mapper Plus (ETM) 1999 - presente
Sensing (USGSS) periodos
Program National Aeronautics and
Space Administration (NASA) Operational Land Imager (OLI)
(LRSP) Landsat 8 2013 - presente
El sensor TIRS sufrió problemas de calibración
gran parte del verano 2015 (HS)
Thermal Infrared Sensor (TIRS)
Observing
NASA
System (EOS) Ministerio de Economía de Terra
Advanced Spaceborne Thermal Emission
2000 - presente
El subsistema SWIR no funciona normalmente
and Reflection Radiometer (ASTER) desde el año 2008
Japón
https://landsat.usgs.gov/landsat8.php
Landsat 8. Fuente fotos: Sitio web NASA
https://landsat.usgs.gov/band_designations_landsat_satellites.php
Satélite
MODIS
Aqua
https://eospso.nasa.gov/
Sentinel 3
https://www.copernicus.eu/
PMAT (SMA): Automatización de procesos
Proceso Expresión Parámetros Índice o Variable Expresión o método Parámetros
𝑁𝐼𝑅 − 𝑅𝐸𝐷 NIR: reflectividad infrarrojo
Lλ = Radiancia Normalized Difference
𝑁𝐷𝑉𝐼 = cercano.
Transformación 𝑴𝑳 = Factor re-escala multiplicativo Vegetation Index (NDVI) 𝑁𝐼𝑅 + 𝑅𝐸𝐷
RED: reflectividad rojo.
Lλ= 𝑀𝐿 ∗ 𝑄𝑐𝑎𝑙 + 𝐴𝐿
a radiancia 𝑨𝑳 = Factor de re-escala aditivo NIR: reflectividad infrarrojo
𝑸𝒄𝒂𝒍 = Valor calibrado pixel Normalized Burnt Ratio 𝑁𝐼𝑅 − 𝑆𝑊𝐼𝑅 cercano.
𝑁𝐵𝑅 =
(NBR) (𝑁𝐼𝑅 + 𝑆𝑊𝐼𝑅) SWIR: reflectividad infrarrojo
i = Ángulo de incidencia de onda corta.
𝐶𝑜𝑠 𝑖
𝜽𝒔 = Ángulo cenital solar
= 𝐶𝑜𝑠 𝜃𝑠 𝐶𝑜𝑠(𝜃𝑛 ) Ca = Clorofila a (mg/m3 )
𝜽𝒏 = Pendiente relieve Clorofila a 𝐶𝑎 = −3,533 + 0,455𝐿4 + 0,321𝐿5
+ 𝑆𝑒𝑛 𝜃𝑠 𝑆𝑒𝑛 𝜃𝑛 𝐶𝑜𝑠(𝜙𝑠 = Radiancia banda OLI4
𝝓𝒔 = Azimut solar (Ca) 𝐿4
= Radiancia banda OLI5
− 𝜙𝑛 ) 𝐿
Corrección 𝝓𝒏= Orientación relieve 5
Turbidez
Solidos en suspensión
Clorofila a
Landsat 8. Fuente fotos: Sitio web NASA
PMAT (SMA): Automatización de procesos
Zona saturada de origen antrópico en la bahía de
Coronel (derecha).
Filamentos
entre 1,5 km y 2
Landsat 8. Fuente fotos: Sitio web NASA km desde la
línea de costa
ECOSISTEMAS
AMBIENTES O
Minería
PRODUCTIVAS
INDUSTRIAS
Humedales
Energía
Salares
Lacustre Saneamiento
Bosques Acuicultura
INDICADORES
AMBIENTALES
Superficie anual cubierta con vegetación en 𝒊=𝒏 Superficie cubierta con vegetación en el
𝑺𝑨𝑪𝑽𝑯 = ራ 𝑺𝑪𝑽𝑯𝒊 NDVI
el humedal (SACVH) 𝒊=𝟏 humedal (SCVH)
Humedales
Superficie anual inundada en el humedal 𝒊=𝒏
𝑺𝑨𝑰𝑯 = ራ 𝑺𝑰𝑯𝒊 Superficie inundada del humedal (SIH) Normalized Difference Water Index (NDWI)
(SAIH) 𝒊=𝟏
MMA: Indicadores Ambientales
Concentración de Clorofila a
Detección de jaulas de acuicultura.
Golfo de Ancud, 2015
MMA: Indicadores Ambientales
1990 1995 2000 2005 2010 2015
CAAMS
Muy baja
-5
-10
+ 8-10 º C
-15
-20
-25
HPN4 HYADES LEONES MOCHO MORMEX NEF PARED NORTE PARED SUR
Zonificación
medio
ambiental
a nivel de
manzana
urbana.
Calama,
2013 – 2014.
24 72
72
64
60
Superficie (km2)
18 54
Amplitud (° C)
46
12 36
35
30
Landsat 8. Fuente fotos: Sitio web NASA
23 24 23
6 21 18
19 18 19
16
13 15
13
9
0 0
Ciudad del Este Puerto Iguazú Presidente Franco Hernandarias Foz do Iguazú Santana do Rivera Concordia Salto
Livramento
Iguazú Rivera-Santana Concordia-Salto
Superficie ciudad 2005 (km2) Superficie ciudad 2016 (km2) Amplitud térmica ciudad 2005 Amplitud térmica ciudad 2016
Climas urbanos: Confort térmico
Climas Urbanos: Confort térmico en los cañones urbanos del centro de Concepción
Climas urbanos: Confort térmico
Solo en verano llegan los rayos solares al piso del cañón urbano,
afectando en la percepción del confort térmico, según estación
del año.
Landsat 8. Fuente fotos: Sitio web NASA Relación proporcional entre la altura de las
edificaciones y el ancho de las calles, según
el ángulo de iluminación solar
Cooperación e investigación aplicada
Cooperación + Conocimiento
1. Integración de información espacial generadas por las instituciones y organizaciones de la temática en estudio
Exploración y adaptación de nuevas tecnologías en el análisis espacial
2. Trabajo conjunto en modelaciones y simulaciones de fenómenos o problemáticas con impacto socioambiental y
necesidad de computo eficiente
3. Compartir algoritmos y métodos que optimicen el trabajo y el computo de los geoprocesos
4. Capacitación continua Big Data y Machine Learning
Cooperación e investigación aplicada
http://www.hec.usace.army.mil/software/hec-ras/
Mesa técnica de aluviones
Cuenca hidrográfica Estero San Alfonso, San José de
Maipo. Se encuentra caracterizada por tres zonas:
Modelación y
Condiciones simulación:
Universidades,
ambientales y
conocimiento local
Sistema de Alerta Temprana Local centros de
de Aluviones (SATLA) investigación,
Landsat 8. Fuente fotos: Sitio web NASA institucionalidad
pública
Big Data y
Analítica avanzada para la toma Machine
de decisiones Learning
Mesa técnica de aluviones
MM1