Cálculo de la temperatura superficial de los

departamentos de Loreto y San Martin usando

imágenes Landsat 8/LDCM
Aranda Javes, Astrid

Chachi Martinez, Vladimir

RESUMEN

PALABRAS CLAVES: sensor TIRS, LANDSAT 8, temperatura superficial, TIRS

I. INTRODUCION pixel que genera en las imágenes tiene el tamaño que

podría cubrir un campo de béisbol.
El programa Landsat es un satélite de vigilancia
terrestre que antes de 1972 era solamente una idea El programa tiene actualmente 8 versiones, la última
visionaria, este satélite fue gestionado por la NASA y versión denominada “Landsat Data Continuity
el servicio Geológico de Estados Unidos. Este Mission” este satélite continuará el legado de los
programa ha cambiado la forma de ver a nuestro archivos anteriores, este es un programa que mejora el
planeta ya que tiene la serie de datos más larga de la registro de imágenes multiespectrales manteniendo la
historia del planeta tierra, registrando así los cambios misma calidad de antes. (AGREGAR OBJETIVO y
en la superficie terrestre desde el espacio, fue algo mas)
diseñado para observar repetidas veces la cubierta de
la tierra con una resolución moderada el cual cada
.
II. MARCO TEORICO (AGREGAR MAS)

El sensor infrarrojo térmico (TIRS) es un sensor

infrarrojo térmico de dos bandas diseñado para
continuar o mejorar las capacidades de imagen
térmica Landsat ETM.

Es un instrumento separado cuyos datos se van a

combinar con los datos OLI para formar un conjunto
de datos de imágenes registrados. Además, es un
diseño de barrido que utiliza tres detectores de
fotodetectores infrarrojos de pozo cuántico (QWIP) de
matriz bidimensional para abarcar la dirección
transversal.

TIRS utiliza óptica refractiva en lugar de la óptica

reflectante de ETM + y un único calibrador
radiométrico de apertura completa y una vista de
espacio profundo que se puede introducir
periódicamente en lugar del calibrador interno de
doble fuente de ETM + que se monitorea al principio
y al final de cada línea de datos.

Descripción del sensor TIRS

 Diseño estructural

El sensor TIRS consta de:

- Ensamblaje del telescopio
- Ensamblaje del plano focal (FPA)
- Ensamblaje de la electrónica del plano focal (FPE) el
cual proporciona energía y sincronización a las tres
matrices QWIP y digitaliza los datos de la
imagen. Una vez por cada período de observación
(hasta 43 minutos de duración), el SSM rota el campo
de visión (FOV) desde el suelo hasta el calibrador de
cuerpo negro y hacia el espacio profundo y luego de
regreso al suelo. Esto permite eliminar cualquier
variación en la radiancia de fondo térmico del rango de temperaturas asociadas con el vulcanismo
instrumento de la radiancia medida y proporciona una activo (y relicto) y también con el suelo y la
verificación regular de la respuesta de calibración. vegetación no afectados.
- Crioenfriador de dos etapas
Ecuación
- Calibrador de cuerpo negro
- Mecanismo de selección de escena (SSM) Las bandas del infrarrojo térmico de los últimos
- Escudo de la Tierra sensores de Landsat se transforman en valores de
- Radiadores y calor temperatura de brillo mediante la inversión de la
- Tubos ecuación de Planck.
- Caja de electrónica principal (MEB), este
proporciona interfaces de datos de imagen, telemetría
y comando a la nave espacial, proporciona energía y
controla todas las funciones del instrumento, controla
las zonas térmicas en el instrumento
Donde:
-Caja electrónica del enfriador de agua (CCE),
- K1 (en W m-2 sr -1 μm -1)
proporciona energía al refrigerador criogénico y
- K2 (en grados K) l
controla sus operaciones y temperatura. 
Son las constantes de calibración en función de la
configuración de la banda térmica de Landsat
 Plano focal
- L es la radiancia espectral (W m-2 sr -1 μm -1)
El TIRS usa tres arreglos QWIP de 512 píxeles por calculada previamente.
640 píxeles dispuestos en una configuración
escalonada para proporcionar los 1850 píxeles
cruzados necesarios para cubrir el campo de visión de
185 km a una resolución de 100 m. Estos píxeles de
25 μm × 25 μm tienen un IFOV de 141
μradianes. Dos filtros espectrales montados a 300 µm
por encima de cada QWIP producen las formas
espectrales.
Quedando así:

 Sensibilidad

Las bandas TIRS son sensibles a las superficies a

temperaturas de 320-350 K.

Es probable que los píxeles del TIRS sean

heterogéneos y vean superficies que muestran un Donde:
-TB es la temperatura de brillo
-λ es la longitud de onda de la radiancia emitida en
cada banda
-ρ = h · c/σ = 14380 m K.
-σ es la constante de Boltzmann (1,38·10−23 J/K).
-h es la constante de Planck (6,26·10−34 Js).
-c es la velocidad de la luz (2,998·108 m/s).
-ε es la emisividad de la superficie, dependiente de
cada sensor y banda espectral.
Temperatura de la superficie del suelo
Debido a la complejidad presentada en la superficie
del suelo se requiere tener en cuenta la radiancia
emitida en el TIR la que es dependiente de los
parámetros emisividad y temperatura que varían con
la longitud de onda.
Área de estudio
Loreto
Ocupa una superficie de 368 852 km 2 y está ubicado
en el extremo nor-oriental del Perú. Loreto está
dividido en 7 provincias y 51 distritos, en los cuales
viven 705 de las 1 786 comunidades indígenas
existentes a nivel nacional.
El clima es cálido, húmedo y lluvioso, con una
temperatura promedio anual mínima de 22ºC y
máxima de 32ºC. Excepto los meses de junio y julio
que tienen un mínimo de 17ºC y los meses de octubre
y enero que presentan un máximo de 36ºC entre
octubre y enero.
Las imágenes obtenidas abarcan las provincias de:
Datem del Marañon y Alto Amazonas.

Para lograr la medida se requiere de la ecuación Mapa nº1: Loreto

fundamental de la teledetección en el infrarrojo
térmico, la cual permite obtener la corrección
atmosférica en el TIR.

Debido a la disponibilidad de datos en el TIR, se han

desarrollado diferentes aproximaciones para estimar la
TSS. Lo primero es trasladar las radiancias medidas
por el satélite 53 en temperaturas de brillo en la
superficie. Después de la calibración y la conversión
de la radiancia en temperatura utilizando la inversa de
la función de Planck. Una vez obtenida la temperatura
de brillo, es necesario transformarla en TSS, teniendo
en cuenta la emisividad y de los efectos
bidireccionales. +
Fuente: SINIA
San Martin

Ocupa una superficie de 51 253 km 2 y está situado en

III. METODOLOGIA
la parte septentrional - oriental del territorio peruano.
San Martín limita por el Norte con el departamento de
Amazonas, por el Sur con el departamento de
Huánuco, por el Este con Loreto y por el Oeste con La
Libertad.
Tiene un clima subtropical y tropical, distinguiéndose
dos estaciones: una seca de junio a setiembre y otra
lluviosa de octubre a mayo. La temperatura varía entre
23ºC y 27ºC y la precipitación pluvial media anual es
de 1 500 mm.
Las imágenes obtenidas abarcan las provincias de:
Moyobamba,Lamas,San Martin,El dorado,Rioja y
Huallaga.

Mapa nº2: San Martin

Fuente: SINIA

Tipo y diseño de investigación

El método utilizado es un análisis descriptivo no

experimental, donde se analizará a través de imágenes
la temperatura superficial de la provincia de
Moyobamba el satélite Landsat 8.

Adquisición de imágenes satelitales

Método
La adquisición de imágenes satelitales LANDSAT 8
Atmosférica
se realizó a través del programa Earthexplore de la
USGS (United States Geological Survey). Para corregir la imagen y hallar la reflectancia
usaremos el método de FLASH. Esta corrección se
Tabla Nº1: Características de imagen L8 - 2016
aplica debido a que existen componentes líquidos y
METADATA FECHA HORA AZIMUT ELEVACIÓN gaseosos en la atmósfera, los cuales producen un

LC08_L1TP_ efecto de absorción y dispersión, que modifican

008064_2016 2016- 15:15:5 123.941 62.359 la señal procedente de la cubierta.
1122_201703 11-22 2
18_01_T1
- Calculo del índice de cobertura vegetal
Fuente: Elaboración propia
Para obtener los valores de NDVI se utilizó la
Tabla Nº2: Características de imagen L8-2019 herramienta de ENVI, indicando con qué tipo de
sensor se está trabajando. Los valores deben estar en
METADATA FECHA HORA AZIMUT ELEVACIÓN
un rango de 0 a 1.

Fuente: Elaboración propia Imagen nº 1: Valores de NDVI de zona de estudio

Procesamiento de imágenes (arreglar formulas)

Para el procesamiento de la imagen Landsat 8 y la

obtención de los resultados, se utilizará los softwares
ENVI y ARCMAP.

-Corrección radiométrica y atmosférica de las

bandas espectral
Fuente: Elaboración propia
El objetivo de la corrección atmosférica y
radiométrica es convertir los niveles digitales de la -Corrección radiométrica y atmosférica de las
imagen de satélite a valores de reflectancia. bandas termal

Radiométrica
Radiométrica
Para hallar la radiancia espectral de la banda termal 10
Hallaremos los valores de la radiancia para luego
se usó el método manual, usando la siguiente formula:
proceder a realizar la corrección atmosférica.
Lλsensor=ML ( ND ) + AL
Usaremos la banda multiespectral.
Esta corrección permite eliminar problemas en el Atmosférica
funcionamiento del sensor, posición del sol, o incluso
el estado de la atmósfera.
Para hallar la radiancia superficial, se necesitó los
valores de transmisividad y radiación de atmosférica La emisividad muestra la relación resultante del
ascendente, los cuales se calcularon usando resplandor superficial real emitido y el resplandor
algoritmos de Luisa Barsia.Luego se aplicó la teórico emitido por un cuerpo negro que se encuentra
siguiente formula: en la misma temperatura termodinámica.
Lisen−LiatmT
Lisup=
Ti Para hallar los valores de la emisividad se utilizó la
banda 10, y la siguiente ecuación:
-Cálculo de fracción de cobertura vegetal

La porción de la vegetación se estima a partir del
NDVI según la ecuación:
Donde se necesita los valores NDVI mínimo y
máximos, los cuales se obtienen en los datos
estadísticos de NDVI.
Imagen nº 2: Fracción de cobertura vegetal
εL 8 B 10=0.9828∗FCV + 0.9736∗¿(1-FCV)
La Emisividad puede se obtuvo a partir de los datos de
índice de vegetación diferencial normalizado, los
cuales les asignan a los pixeles un rango de valores de
emisividad. Los valores de FC deben estar en el rango
de 0.97 y 0.98.
-Método monocanal
Utilizo la radiancia superficial, emisividad y radiancia
atmosférica ascendente, con la siguiente formula:
Lλsen−( 1−ελ ) Liatm
BλTs=
ελ

Se obtiene la radiación superficial con los valores

corregidos de emisividad, radiación| atmosférica
ascendente y descendente, y transmisividad.

Fuente: Elaboración propia

Cálculo de la temperatura
-Cálculo de emisividad
 Se analizaron los datos de las imágenes obtenidas
Para calcular la temperatura se usará en la ecuación
durante el procesamiento de la temperatura superficial
inversa de Phlant:
de Loreto y San Martin.

k2
Tbrillo=
k1 Imagen L8 – 2016
ln[ ]
Lλ
+1

Imagen nº 3: Calculo de la temperatura superficial

Fuente: Elaboración propia Fuente: Elaboración propia

Se uso la banda 10 para calcular la temperatura

superficial terrestre. De acuerdo a la tabla 1 se
presentan los valores promedios de temperatura
superficial terrestre obtenidos para la imagen
Landsat 8 -2016 durante el mes de noviembre, en
grados centígrados.

Tabla nº 1: Temperatura media

L8 - 2016 Tº media
1º punto 28.01
2º punto 27.34
3º punto 27.62
4º punto 28.44
5º punto 29.10
6º punto 33.22
IV. RESULTADOS
PROMEDIO 28.96
 Fuente: Elaboración propia

- Puntos altos de calor o islas de calor

Se detectaron pequeños focos de calor en el
rango de 34 ºC a 42 ºC en la zona sur-este de
la provincia de Datem del Marañón, y en las
zonas nor-oeste,sur y nor-este de la provincia
Alto Amazonas del departamento de Loreto.
En el departamento de San Martín, las zonas
que presentaron islas de calor fueron la parte
sur-oeste de la provincia de San Martín, y la
zona norte de Rioja.

- Valores de NDVI
Tabla nº 2: Valores de NDVI
Fuente: Elaboración propia
L8 - 2016 Maximo Minimo
1º punto 0.889 0.146
2º punto 0.874 0.475
3º punto 0.864 0.084 Imagen L8 - 2019
4º punto 0.763 0.061
5º punto 0.772 0.327
6º punto 0.839 0.057

PROMEDIO 0.833 0.191

Fuente: Elaboración propia

Imagen n°4: DNVI L8 -2016 Fuente: Elaboración propia

De acuerdo a la tabla 2 se presentan los valores

promedios de temperatura superficial terrestre
obtenidos para la imagen Landsat 8 -2019 durante Imagen n°4: DNVI L8 -2016
el mes de julio, en grados centígrados.

Tabla nº 3: Temperatura media

L8 - 2019 Tº media
1º punto 27.03
2º punto 27.08
3º punto 28.17
4º punto 26.50
5º punto 26.90
6º punto 28.08

PROMEDIO 27.29

Fuente: Elaboración propia

- Puntos altos de calor o islas de calor

Se detectaron pequeños focos de calor en el
rango de 29 ºC a 36 ºC en la zona Sur-oeste
Fuente: Elaboración propia
de la provincia de Alto Amazonas en el
departamento de Loreto.En el departamento
V. DISCUSION DE RESULTADO
de San Martin las zonas Nor-este de Lamas y
Segun los resultados mostrados y la informacion
Sur-oeste de San Martin, fueron las que
recopilada, la Temperatura Superficial Terrestre muestras
presentaron focos altos de calor.
una variacion, para ello se comparo dos imagenes Landsat 8
- Valores de NDVI en los sensores termicos, en distos años, Noviembre de
2016 y Julio del 2019, donde los valores promedios varian
Tabla nº 4: Valores de NDVI
de 28.96 ºC (2016) a 27.29 ºC (2019), dentro de estos
L8 - 2016 Máximo Mínimo fechas Tambien se registraron valores superiores en
1º punto 0.833 0.312 determinados puntos, siendo considerados islas de calor,
2º punto 0.856 0.378
estas islas de calor muestras temperaturas en rangos de 34
3º punto 0.879 0.508
4º punto 0.876 0.326 ºC a 42 ºC (2016) y 29 ºC a 36 ºC (2019), esto puede ser
5º punto 0.822 0.363 debido a la presencia de zonas urbanas, con lo que
6º punto 0.896 0.557 conincidiria con los planteado por Weng (2001) sobre el
calentamiento de la superficie en las ciudades, que se debe
PROMEDIO 0.860 0.407
a la sustitución de la vegetación por materiales no
Fuente: Elaboración propia evaporantes ni transpirantes como el metal y el concreto, lo
que indica que en las zonas con presencia de coberturas
arbóreas las temperaturas son menores porque la vegetación
densa puede reducir la cantidad de calor almacenado en el
suelo y en las estructuras superficiales a través de la
evapotranspiración.
Las difencias de temperature en las superficie Terrestre
urbana y los indices de covertura vegetal han sido
documentadas en varios estudios (Cao et al., 2008; QIAN et
al., 2006; KATSIABANI et al., 2009, SOUTHWORTH,
2004), en donde se deja en claro que la vegetacion
abundante es determianda como un factor que influye
directamente en esta varible, devido a que este secciona la
radiancia solar en flujos de calor sensibles y calor latente,
donde hace que la interaccion entre dinamica termica y las
plantas creen firmas espectrales unicas en cada tipo de
coverture (Weng et al., 2004).
Con respecto al NDVI, se obtuvo valores promedios de
Max: 0.833 y Min: 0.192 (2016), Max: 0.860 y Min: 0.407
(2019) como lo especifica la Tabla nº2 y nº4
respectivamente, donde se observe que la relacion entre el
NDVI y la Temperatura Superficial Terrestre estan
comprometidas de manera directa, indicando que los
indices mayores de coverture vegetal tiende a influir con
una mayor capacidad en el enfriamiento superficial terreste,
asi mismo la correlación entre la temperatura superficial
terrestre y el NDVI se corrobora lo expresado por otros
trabajos como el de Vlassova en 2016 en el que las regiones
con valores más bajos de NDVI presentaron una mayor
intensidad térmica y el de Baño en 2017 quien menciona
que la temperatura superficial terrestre aumentó a medida
que las áreas verdes se fraccionaron, lo que indica que
existe una correlación inversa entre estas dos variables, los
mismos que generalmente se encuentran de moderada a
fuerte (GARCIA, 2018. Pp 62).
VI. CONCLUSIÓN
 Para el Cálculo de la temperatura superficial de la
provincia de Moyobamba usando imágenes
Landsat 8/LDCM, el cual nos ha permitido evaluar
la variabilidad de temperatura de la superficie, la
zona analizada presenta un comportamiento de
valores máximo que se considera focos de calor
para la zona de estudio. La variabilidad de la
temperatura en la zona principalmente se debe a la
cobertura vegetal como también entre otros
factores está el uso de la tierra y la deforestación
que existe en la zona de estudio. La distribución de
la temperatura obtenida de la zona presenta
concordancia con la variabilidad espacial de la
topografía
VII. BIBLIOGRAFIA
ANDRES, Paula. Temperatura superficial terrestre a partir
de imágenes satelitales: herramienta para su cálculo. Tesis
(Ingeniería geomática y topográfica). Universidad de
Salamanca. 2019, p.139.
Disponible en: http://hdl.handle.net/10366/139879
SCHOTT, John.Simulación de las características de
rendimiento de la imagen del sensor infrarrojo térmico
(TIRS) de la misión de continuidad de datos Landsat
(LDCM). Teledetección [en línea]. Octubre 2015, vol.4, no
4.[Fecha de consulta:26 de septiembre 2020].
Disponible en: https://doi.org/10.3390/rs4082477
ISSN 2072-4292
MARTÌ, Caselles y CAMILO, Diego. Calibración de los
sensores térmicos del landsat-8 con medidas de campo
realizadas en los arrozales de Valencia. TESIS (Ingeniero
mecánico). Escuela Técnica Superior de Ingeniería del
Diseño. 2015
Disponible en: https://riunet.upv.es/handle/10251/52148
MUÑOZ, Juan, SOBRINO, José, SKOKOVIC, Drazen,
MATTAR, Cristian, CRISTOBAL Jordi. Métodos de
recuperación de la temperatura de la superficie terrestre a
partir de los datos del sensor infrarrojo térmico Landsat-8.
IEEE Geoscience and Remote Sensing Letters[en línea].
Octubre 2014, vol. 11(10). [Fecha de consulta: 26 de
septiembre de 2020].
Disponible
https://ieeexplore.ieee.org/abstract/document/6784508
ISSN: 1558-0571
PASAPERA, José. Validación de la emisividad y
temperatura de la superficie del suelo usando datos del
satélite LANDSAT 8. Tesis (Magíster en aplicaciones
espaciales de alerta y respuesta temprana en emergencia).
Universidad Nacional de Cordova.2014, p.223.
Disponible en: https://rdu.unc.edu.ar/handle/11086/4126
REUTER, Dennis (et al). El sensor infrarrojo térmico
(TIRS) en Landsat 8: descripción general del diseño y
caracterización previa al lanzamiento. Teledetección [en
línea]. 2015, vol.7, no 1.[Fecha de consulta: 26 de
septiembre de 2020]. Disponible
https://doi.org/10.3390/rs70101135
ISSN: ISSN 2072-4292
https://www.bcrp.gob.pe/docs/Sucursales/Iquitos/Loreto-
Caracterizacion.pdf
WENG, Q. A remote sensing–GIS evaluation of urban
expansion and its impact on surface temperature in the
Zhujiang Delta, China. International Journal of Remote
Sensing, v. 22, n. 10, p. 1999-2014, 2001. [Fecha de
consulta: 7 de diciembre 2020]. Disponible
http://isu.indstate.edu/~qweng/IJRS01weng.pdf
Baño, D. (2017). Estudio de la Isla de Calor Urbano del
Distrito Metropolitano de Quito mediante tecnicas de
Percepcion Remota. Retrieved from
http://repositorio.uisek.edu.ec/handle/123456789/2144
Vlassova, L. (2016). Land Surface Temperature (LST)
estimated from Landsat images: applications in burnt areas
and tree-grass woodlands (dehesas).
Rueda F, Peñaranda LA, Velásquez WL, Díaz SA.
en: Aplicación de una metodología de análisis de datos
obtenidos por percepción remota orientados a la estimación
de la productividad de caña para panela al cuantificar el
NDVI (índice de vegetación de diferencia normalizada).
Corpoica Cienc Tecnol Agropecu. 16(1): 25-40 [Fecha de
consulta: 7 de diciembre 2020]. Disponible en:
http://www.scielo.org.co/pdf/ccta/v16n1/v16n1a03.pdf
ESTRADA, Engelberth. 2012, estimación de temperatura
superficial en el valle de aburrá mediante técnicas de
percepción remota. Ingeniero Ambiental. Escuela de
Ingeniería de Antioquia. [Fecha de consulta: 7 de diciembre
2020]. Disponible en:
https://repository.eia.edu.co/bitstream/11190/409/7/Trujillo
Santiago_2012_EstimacionTemperaturaSuperficial.pdf
en:
Carvajal, AF y Pabón, JD (2014). Temperatura superficial
terrestre en diferentes tipos de cobertura de la región andina
colombiana / Temperatura superficial terrestre en diferentes
cubiertas terrestres de la región andina de
Colombia. Sociedad y naturaleza , 26 (1). Obtenido de
http://www.seer.ufu.br/index.php/sociedadenatureza/article/
view/22779
en: