Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CHILLÁN-CHILE
2020
II
Aprobado por:
AGRADECIMIENTOS
Fuentes, entre muchos que entregaron parte de sus vivencias para forjar
mejores profesionales.
Al profesor Dr. Camilo Souto y Mg. Andrés Pérez por la revisión del documento.
carrera.
California.
proyecto ANID/FONDAP/15130015.
IV
ÍNDICE DE MATERIAS
Página
RESUMEN ........................................................................................................ 1
SUMMARY ....................................................................................................... 3
1. INTRODUCCIÓN ....................................................................................... 5
2. OBJETIVOS ............................................................................................... 8
2.1. Objetivo general .................................................................................. 8
2.2. Objetivos específicos ........................................................................... 8
3. MATERIALES Y MÉTODOS ...................................................................... 9
3.1. MATERIALES .................................................................................... 10
3.1.1. Sitios de estudio .......................................................................... 10
3.1.2. Imágenes capturadas por avión .................................................. 15
3.1.3. Imágenes Landsat 8.................................................................... 16
3.1.4. Métodos micrometeorológicos para obtener ET ......................... 18
3.1.5. Instrumentación estaciones de ET .............................................. 20
3.2. METODOLOGÍA ................................................................................ 22
3.2.1. Estimación de las variables de entrada del modelo SEB-PV ...... 22
3.2.1.1. Temperatura de la superficie terrestre .................................. 22
3.2.1.2. Albedo de la superficie ......................................................... 24
3.2.1.3. Radiación neta...................................................................... 25
3.2.2. Modelo SEB-PV. Modelo de SEB modificado para superficies
parcialmente vegetadas ........................................................................... 27
3.2.2.1. Resistencias del modelo SEB-PV......................................... 32
3.2.2.2. Entradas del modelo SEB-PV............................................... 35
3.2.3. Procesamiento en R y la API Google Earth Engine .................... 36
3.2.3.1. Procesamiento en R ............................................................. 36
3.2.3.2. Procesamiento en Google Earth Engine .............................. 37
3.2.4. Consideraciones para la implementación del modelo SEB-PV ... 40
3.2.5. Comparación estadística entre valores medidos y valores
V
estimados ................................................................................................. 43
4. RESULTADOS Y DISCUSIÓN................................................................. 45
4.1. Plataforma GEE ................................................................................. 47
4.2. Sitios de estudio en Chile .................................................................. 48
4.2.1. Larqui .......................................................................................... 48
4.2.2. Pullami ........................................................................................ 53
4.2.3. Vicuña ......................................................................................... 56
4.3. Sitios de estudio en California ........................................................... 59
4.3.1. Flores .......................................................................................... 59
4.3.2. Ivanhoe ....................................................................................... 62
4.3.3. Nichols ........................................................................................ 65
4.3.4. Nichols HES ................................................................................ 67
4.4. Imágenes tomadas por avión ............................................................ 70
4.5. Todos los sitios .................................................................................. 75
4.6. Análisis por cultivo ............................................................................. 76
4.6.1. Avellano europeo ........................................................................ 76
4.6.2. Cítrico.......................................................................................... 78
4.6.3. Pistacho ...................................................................................... 80
4.6.4. Uva de mesa ............................................................................... 83
5. CONCLUSIONES .................................................................................... 89
LITERATURA CITADA ................................................................................... 90
APÉNDICE ..................................................................................................... 97
VI
ÍNDICE DE TABLAS
En el texto Página
En el Apéndice Página
Tabla A1. Imágenes de satélite Landsat 8 seleccionadas para el
procesamiento del balance de energía superficial en
Pullami (Avellano Europeo)……..…..…..…..….…..….. 96
Tabla A2. Imágenes de satélite Landsat 8 seleccionadas para el
procesamiento del balance de energía superficial en
Larqui (Avellano Europeo)……..…..…..…..….…..….. 96
Tabla A3. Imágenes de satélite Landsat 8 seleccionadas para el
procesamiento del balance de energía superficial en
Vicuña (Uva de mesa)……..…..…..……..…..….…..….. 98
Tabla A4. Imágenes de satélite Landsat 8 seleccionadas para el
procesamiento del balance de energía superficial en
Flores (Pistacho)……..…..…..……..…..….…..……….. 98
IX
ÍNDICE DE FIGURAS
Página
Figura 1. Ubicación de los sitios de estudio Larqui, Pullami y
Vicuña en Chile. ………………………………………… 12
Figura 2. Ubicación de los sitios de estudio en California, USA… 13
Figura 3. Imagen capturada por avión el 12 de julio de 2017 en el
sitio Nichols HES………………………………………… 15
Figura 4. Red de resistencia esquemática del modelo de balance
de energía superficial (SEB-PV) modificado para
superficies con vegetación parcial a) Flujo de calor
sensible y b) Flujo de calor latente. Fuente: Lagos et al.,
(2012).……………………………………………………… 33
Figura 5. Flujos SEB estimados con el modelo SEB-PV el 6 de
diciembre de 2018 en el sitio Pullami…………………… 45
Figura 6. A) Uso del “Inspector” en GEE para visualizar variables
en cada pixel. B) Demostración para selección de flujo
SEB y de fecha…………………………………………… 47
Figura 7. Flujos SEB medidos con respecto al tiempo en Larqui 48
Figura 8. Flujos SEB estimados v/s flujos SEB medidos en Larqui 50
Figura 9. ET diario (ETd) medido y estimado con respecto al
tiempo en Larqui…………………………………………… 51
Figura 10. Flujos SEB medidos con respecto al tiempo en Pullami 52
Figura 11. Flujos SEB estimados v/s flujos SEB medidos en
Pullami……………………………………………………… 54
Figura 12. Flujos SEB medidos con respecto al tiempo en Vicuña 55
Figura 13. Flujos SEB estimados v/s flujos SEB medidos en Vicuña 57
Figura 14. Flujos SEB medidos con respecto al tiempo en Flores 58
Figura 15. Flujos SEB estimados v/s flujos SEB medidos en Flores 60
Figura 16. Flujos SEB medidos con respecto al tiempo en Ivanhoe 61
XI
Figura 32. Flujos SEB estimados v/s flujos SEB medidos en Uva
de mesa…………………………………………………… 83
Figura 33. ET diario (ETd) estimado y medido con respecto al
tiempo en Uva de mesa…………………………………… 84
1
RESUMEN
las imágenes del satélite Landsat 8 con una resolución de 30 m durante las
Engine. Resultados de la validación del modelo con los estadísticos raíz del
SUMMARY
The objective of this work was to apply the SEB-PV surface energy balance
model in seven fruit orchards located in Chile and California, USA. The model
was evaluated for Pistachio, Hazelnut, Table Grapes and Citrus orchards. One
2019-2020 growing seasons at all sites. In addition, for the 2017 season,
imagery taken by an aircraft with a spatial resolution of 2.9 cm pixel-1 were used
at one Pistachio site, California, USA. The images were analyzed using the R
JavaScript in the Google Earth Engine API. Results for the validation of the
model using the root mean square error (RMSE), relative difference (RD) and
the Nash-Sutcliffe coefficient (NS), showed that the SEB-PV model estimates
the components of the surface energy balance with a RMSE of 67.02 W m-2,
respectively.
5
1. INTRODUCCIÓN
climáticos (Van der Hurk et al., 1997) y programación del riego para optimizar
que conforman el balance de energía superficial como son radiación neta (Rn),
flujo de calor sensible (H) y el flujo de calor en el suelo (G), y por diferencia
obtener el flujo de calor latente (λE). METRIC ha sido usado exitosamente para
2014; Fonseca et al., 2015; González-Piqueras et al., 2015; Liaqat et al., 2015),
coberturas homogéneas.
modified SEB model for Partially Vegetated Surfaces). El modelo SEB-PV tiene
(Ta), humedad relativa (HR) y velocidad del viento (u). También requiere
estimar LAI (Leaf Area Index), la fracción de vegetación verde (FV), altura del
la canopia y evaporación del suelo desnudo, siendo una herramienta muy útil
de agua que realmente es consumida por las plantas para posteriormente ser
La eficiencia de los modelos SEB y SEB-PV ha sido evaluado por Lagos et al.
(pistacho, cítricos, avellano europeo y uva de mesa), con el uso del modelo
junto con 6 imágenes tomadas por avión combinadas con imágenes de satélite
2. OBJETIVOS
Engine (GEE).
3. MATERIALES Y MÉTODOS
ANTECEDENTES GENERALES
utilizando la radiación neta medida, el flujo de calor del suelo medido y el fujo
por las condiciones ambientales abióticas, pero también por las características
3.1. MATERIALES
cuatro en California, USA. Los sitios en Chile, Larqui (36° 35’ 16.8’’ S, 72° 21’
39,6’’ O, 74 m.s.n.m.), Pullami (36° 42’ 28.8’’ S, 71° 47’ 52.8’’ O, 254 m.s.n.m.)
y Vicuña (30° 2’ 16.8’’ S, 70° 41’ 16.8’’ O, 673 m.s.n.m.), poseen un clima
climáticas podría ser distinto a los demás sitios de estudio. Los sitios en
California, Flores (36° 14’ 34.8’’ N, 119° 56’ 16.8’’ O, 72 m.s.n.m.), Ivanhoe
(36° 23’ 9.6’’ N, 119° 14’ 27,6’’ O, 107 m.s.n.m.), Nichols (36° 15’ 28.8’’ N, 119°
30’ 28.8’’ O, 74 m.s.n.m.) y Nichols HES (36° 16’ 8.4’’ S, 119° 28’ 51,6’’ O, 76
huerto es regado por goteo usando dos laterales con emisores de 4 l h-1
11
demanda hídrica usando goteo con 2 emisores por planta y una descarga de
2,2 l h-1.
de la década del 80, con un espaciamiento de 5,0 m entre hileras y 5,0 m sobre
con 8 emisores por árbol de 1,4 l h-1, con una frecuencia de riego de acuerdo
usando dos laterales con 5 emisores auto compensados por árbol de 4 l h-1,
Vicuña
Larqui
Pullami
Nichols
Pistacho NIC D02 EC y SR 36,269 -119,481 76
HES
SR: Surface Renewal, EC: Eddy covariance; para obtener H.
Fuente: Elaboración propia
15
Las imágenes obtenidas mediante vuelos aéreos fueron tomadas el año 2017
con sensores en longitudes de onda del espectro visible (RGB), termal (TIR) e
infrarrojo cercano (NIR), y con una resolución aproximada de 2,9 cm. Las
California, Davis, por lo que se pudieron utilizar para estimar las componentes
comparación a las de satélite, debido a que la hora de vuelo del avión oscilaba
entre las 12:00 y 14:00 hora local. Por esta razón se asumió que la hora de
trabajar con estas imágenes, ya que a simple vista el centro de las imágenes
parecía tener una mejor calibración que los bordes debido a la presencia de
un color rojizo o azulado en las esquinas de las imágenes RGB (Figura 3).
16
HES.
Fuente: Elaboración propia
OLI recoge datos de imagen de 9 bandas espectrales de onda corta, con una
cirrus. TIRS recoge datos de dos bandas espectrales en la región térmica (10
(LaSRC code) (Vermote et al., 2018), del Centro de vuelo espacial Goddard
de terreno.
N° de imágenes N° de imágenes
Nombre sitio Cultivo
Landsat 8 tomadas por avión
Larqui Avellano europeo 48 -
Pullami Avellano europeo 13 -
Vicuña Uva de mesa 10 -
Flores Pistacho 22 -
Ivanhoe Cítrico 7 -
Nichols Pistacho 7 -
ingresos y salidas de agua en el suelo que sustenta una cubierta vegetal; por
solo estimaciones.
con EC representan un flujo promedio sobre un área con un radio del orden de
técnica simple para estimar ET (Rosa et al., 2015). El análisis SR supone que
objetos que salen de la canopia una vez que este último ha enriquecido o
agotado el escalar. Este proceso aparece como una serie temporal en forma
(NRLite2, Kipp & Zonen Inc., Delft, The Netherlands) para medir la radiación
sónico de tres dimensiones (RE, RM Young Inc., Traverse City, MI, USA) para
el suelo (G), que consta de una placa de flujo de calor del suelo (HFT3, REBS,
suelo (Tcav, Campbell Scientific Inc., Logan, UT, USA), y tres sensores de
humedad del suelo (EC5, Decagon Devices, Pullman, WA, USA). Se utilizaron
525M, Texas Electronics, Dallas, TX, USA), un piranómetro (SP Lite 2, Kipp &
relativa del aire (HC2S3, Rotronic Hauppauge, New York, NY, USA). Todos
Michigan, USA); una termocupla fina (FW3, Campbell Scientific, Logan, UT,
sobre hilera y dos entre hilera (Huxseux HFP01SC, Campbell Scientific, Logan,
Texas Electronics, Campbell Scientific, Logan, UT, USA); dos radiómetros neto
(NR-Lite2, Kipp & Zonen, Delft, NLD), uno sobre la canopia y otro entre hilera
USA).
Michigan, USA); una termocupla fina (FW3, Campbell Scientific, Logan, UT,
3.2. METODOLOGÍA
obtenida como:
los coeficientes del modelo SW (Tabla 3), TB10 y TB11 son las temperaturas de
este término por un valor fijo es una solución habitual pero no muy
Coeficiente C0 C1 C2 C3 C4 C5 C6
Valor -0,298 1,378 0,183 54,3 2,238 -129,2 16,4
Fuente: Elaboración propia
2013).
𝐾2
𝑇𝐵 =
𝐾1 [2]
𝐿𝑛 (( ) + 1)
𝐿𝜆
es la radiancia espectral TOA de las bandas TIRS en (W m-2 srad-1 µm-1). Estas
recomendado por Gutman y Ignatov (1997) utilizando la Ec. [3] propuesta por
𝑁𝐷𝑉𝐼 − 𝑁𝐷𝑉𝐼𝑠 2
𝐹𝑉 = ( ) [3]
𝑁𝐷𝑉𝐼𝑣 − 𝑁𝐷𝑉𝐼𝑠
El albedo de la superficie (α) se estima con las bandas del sensor OLI (1-7) en
et al., 2007a):
𝑛
representada por una banda específica. Los coeficientes wb para las imágenes
Tabla 4.
R n = R s − R s + R L − R L − (1 − o ) R L [5]
La radiación solar incidente de onda corta (Rs), tanto directa como difusa
Donde Gsc es la constante solar (1367 Wm-2), es el ángulo cenital solar (º),
= 90 − SUN_ELAVATION [7]
R L = 0 Ts4 [8]
de la superficie (K).
Para las imágenes Landsat 8, los índices de vegetación NDVI y SAVI fueron
R L = a Ts4 [9]
27
Las ecuaciones para el cálculo de los índices de vegetación SAVI y LAI, así
como los parámetros a, 0, dr, y Tsw, están ampliamente descritas en Allen et
al. (2010).
parcialmente vegetadas
et al. (2012) posee cuatro capas. La primera capa se extiende desde la altura
del suelo donde la atmósfera del suelo está generalmente saturada con vapor
radiación neta (Rn), calor sensible (H), el calor latente (λE), y el flujo de calor
pequeños para que los flujos laterales no sean considerados, y los términos
flujo de calor sensible (H), flujo de calor en el suelo (G) se estiman como:
la canopia (W m-2), λEs es el calor latente del suelo bajo la canopia (W m-2),
λEr es el calor latente del suelo cubierto de residuo bajo la canopia (W m-2),
λEbs es el calor latente del suelo expuesta a la radiación neta (W m-2), λEbr es
suelo bajo la canopia (W m-2), Hr es el calor sensible del suelo cubierto residuo
radiación neta (W m-2), Hbr es el calor sensible del suelo cubierto de residuos
(W m-2), Gr es el calor del suelo cubierto residuo bajo la canopia (W m-2), Gbs
es el calor del suelo expuesto a la radiación neta (W m-2), Gbr es el calor del
obtener mejores resultados que la relación con NDVI. Por esta razón, se
los valores de NDVIs y NDVIv serán 0,14 y 0,99 respectivamente para todos
Las expresiones que definen a λEc, λEs, λEr, λEbs, λEbr, Hc, Hs, Hr, Hbs, Hbr,
∆ 𝑟1 𝑅𝑛𝑐 + 𝜌 𝐶𝑝 (𝑒𝑏∗ − 𝑒𝑏 )
𝜆𝐸𝑐 = [13]
∆ 𝑟1 + 𝛾 (𝑟1 + 𝑟𝑐 )
𝜆𝐸𝑠 =
𝑅𝑛𝑠 ∆ 𝑟1 ∆ 𝑟𝐿
𝛾 (𝑟𝑢 + 𝑟𝑠 ) (𝑟𝑢 + 𝑟𝐿 + 𝑟2 ) + ∆ 𝑟𝐿 (𝑟𝑢 + 𝑟2 ) [14]
𝜆𝐸𝑟 =
𝜆𝐸𝑏𝑟 =
radiación neta absorbida por la canopia, ρ es la densidad del aire húmedo (kg
m-3), Cp es calor específico del aire (J kg-1 °C-1), eb* es la presión de vapor
canopia (s m-1), rL es la resistencia del flujo de calor del suelo para la capa
inferior (s m-1), ru es la resistencia del flujo de calor del suelo para la capa
Ecuaciones para el cálculo del flujo de calor en el suelo (G) son definidas por
Lagos et al. (2012) como: Gs = Gos - λEs, donde Gos es el flujo de calor en la
superficie del suelo bajo la canopia y se expresa como: Gos = Rns - Hs, donde
Rns es la radiación neta absorbida por el suelo bajo la canopia; G r = Gor - λEr,
bajo la canopia y se expresa como: Gor = Rns - Hr; Gbs = Gbos - λEbs, donde
y se expresa como: Gbos = Rn - Hbs; Gbr = Gbor - λEbr, donde Gbor es el flujo
Las resistencias del modelo SEB-PV son similares a las descritas en Lagos et
al. (2009) (Figura 4), sin embargo, el modelo SEB-PV requiere una nueva
𝑍𝑚 2
𝑙𝑛 ( )
𝑧0 [24]
𝑟𝑎𝑠 =
𝑘2 𝑢
viento (m s-1).
34
a)
b)
En la Tabla 5 se muestran los valores de los parámetros con los que se evaluó
el modelo SEB-PV para el sitio Larqui. Estos parámetros fueron usados por
tortuosidad), altura del cultivo (h) y ancho promedio de la hoja (w) para ajustar
radiación neta (Rn) estimada con el modelo SEBAL (Allen et al., 2007a) y
36
velocidad del viento (u), contenido de humedad volumétrico del suelo (θ)
junto con estaciones para medir los flujos SEB durante las temporadas
3.2.3.1. Procesamiento en R
uso de código abierto. El archivo actual de datos incluye los de otros satélites,
Para traducir el código hecho en R a Google Earth Engine fue necesario usar
ciclo “for” no son eficientes, por lo que fue necesario crear funciones para hacer
porcentaje fue el primer filtro para descartar imágenes que poseen valores
superiores a 40% de nubes por posible saturación, debido a que las nubes
cada imagen es de 170x183 km, por lo que este primer filtro no discrimina si
la región de interés (sitios de estudio) tiene presencia nubes o no. Es por eso
porcentaje de nubes, esta vez tomando como referencia este nuevo polígono
las imágenes disponibles es descartar las imágenes que tengan mayor o igual
que abarque un área mayor a la del predio ya que las nubes cercanas influyen
posean datos medidos en terreno, debido a que esto es necesario para correr
sin nubes, de las cuales solo 48 contaban con datos medidos en terreno. El
Landsat 8, de las cuales 30 son libre de nubes y sólo 13 están con datos
medidos en terreno.
La particularidad de los sitios Larqui, Flores y Vicuña respecto a los otros sitios,
es que estos sitios se encontraban en los bordes de los límites de las imágenes
diferencia de los demás sitios de estudio como por ejemplo Pullami, que es
del código hecho en R, creando una función para cada tarea específica, como
por ejemplo una función llamada “addRN” para calcular la radiación neta, “lai”
condiciones meteorológicas.
comparando las estimaciones con los datos medidos en terreno utilizando los
Para los distintos predios se calibraron los parámetros de ajuste del modelo
SEB-PV (Tabla 5) según características del cultivo y tipo de suelo. Para esto
una entrada del modelo que no sufre cambios al calibrar estos parámetros.
tipo de cultivo. Se estimó una altura de cultivo (h) promedio durante el periodo
de estudio.
Tabla 7. Ancho medio de la hoja (w), altura del cultivo promedio (h),
𝜃s β
Nombre a (W m-1 b (W m-1
Cultivo w (m) h (m) (cm3 (adimen-
sitio -1
°C ) -1
°C )
cm-3) sional)
Avellano
Larqui 0,12 4,00 1,52 1,40 0,507 16,0
europeo
Avellano
Pullami 0,12 4,00 2,28 1,85 0,432 11,0
europeo
Uva de
Vicuña 0,18 2,10 1,81 1,62 0,456 0,5
mesa
Nichols
Pistacho 0,04 4,65 1,93 1,71 0,447 8,0
HES
Ivanhoe Cítrico 0,08 4,00 1,81 1,62 0,456 6,5
Para correr las imágenes tomadas por avión, Rn se estimó con la imagen del
imágenes tomadas por avión para este cálculo. Esto debido a la buena relación
43
que tiene el satélite para estimar albedo, y por consecuencia Rn. No obstante,
estimados
la validación del modelo se utilizaron los estadísticos raíz del error cuadrático
medio (RMSE) Ec. [27], diferencia relativa (RD) Ec. [28] y, coeficiente de Nash-
∑𝑛𝑖=1(𝑋𝑂𝐵𝑆 − 𝑋𝐸𝑆𝑇 )2
𝑅𝑀𝑆𝐸 = √ [27]
𝑛
𝑅𝑀𝑆𝐸
𝑅𝐷 = 𝑅𝑒𝑙𝑎𝑡𝑖𝑣𝑒 𝑅𝑀𝑆𝐸 = [28]
̅̅̅̅̅̅
𝑋𝑂𝐵𝑆
∑𝑛𝑖=1(𝑋𝑂𝐵𝑆 − 𝑋𝐸𝑆𝑇 )2
𝑁𝑆 = 1 − [29]
∑𝑛𝑖=1(𝑋𝑂𝐵𝑆 − ̅̅̅̅̅̅
𝑋𝑂𝐵𝑆 )2
los datos observados, por lo que la media de los datos observados tendrá una
que la media tiene una capacidad predictiva mayor que el modelo, lo que
4. RESULTADOS Y DISCUSIÓN
resultado se realiza para cada fecha en todos los sitios de estudio. Valores
altos de ET están asociados a sectores que poseen mayor LAI. Estas mismas
al igual que las imágenes del satélite Landsat 8, modelos de elevación digital,
Para cada sitio de estudio hay una aplicación diferente, y puede ser editada
cada pixel. También se permite elegir la fecha y el tipo de flujo SEB que se
visualiza.
Earth Engine. Si requiere asistencia para ingresar por favor contactar al email
lcigarra@udec.cl.
https://code.earthengine.google.com/fc152eef42dc0f59d0d54a7227fa314f
48
A)
B)
4.2.1. Larqui
Los principales componentes del balance de energía superficial (SEB) Rn, ET,
Los flujos instantáneos del SEB fueron calculados sólo en las fechas donde
2017.
850
ET H G Rn
Flujos SEB medidos (W m-2)
700
550
400
250
100 -50
nov-17
dic-17
mar-18
nov-18
dic-18
mar-19
nov-19
dic-19
dic-19
mar-20
oct-17
ene-18
jun-18
jul-18
ago-18
oct-18
ene-19
jun-19
jul-19
ago-19
oct-19
ene-20
feb-18
feb-19
feb-20
abr-18
abr-19
may-18
may-19
sept-17
sept-18
sept-19
Cada componente del SEB fue comparado con las mediciones en terreno. La
para los valores medidos y estimados de todos los flujos SEB resultó un RMSE
ET H G Rn
RMSE (W m-2) 50,33 55,84 26,76 35,59
RD (%) 18,37 26,23 209,64 5,51
NS 0,57 -0,89 -2,40 0,80
Fuente: Elaboración propia
Según los resultados mostrados en Tabla 8, existe una buena correlación entre
etc., y se espera mejorar el modelo para estimarlo con mayor exactitud. Sin
ET H G Rn
700
Flujos SEB estimados (W m -2)
550
400
250
100
-50
Utilizando la Ec. [25] fue posible estimar la evapotranspiración diaria (ETd) para
medida y estimada para cada temporada con valores máximos cercanos a los
5,4 mm día-1, 6,2 mm día-1 y 6,2 mm día-1 para las temporadas 2017-2018,
Estimado Medido
7
6
ETd (mm día-1)
5
4
3
2
1
0
nov-19
nov-17
dic-17
mar-18
nov-18
dic-18
mar-19
dic-19
dic-19
mar-20
oct-17
ene-18
jun-18
jul-18
ago-18
oct-18
ene-19
abr-19
jun-19
jul-19
ago-19
oct-19
ene-20
feb-18
abr-18
feb-19
feb-20
sept-17
may-18
sept-18
may-19
sept-19
económicos y ambientales.
53
4.2.2. Pullami
De manera similar al sitio anterior, los flujos SEB se estimaron para las
calculados sólo en las fechas donde existían datos medidos en terreno, esta
ET H G Rn
Flujos SEB medidos (W m-2)
700
550
400
250
100 -50
nov-17
dic-17
mar-18
nov-18
dic-18
mar-19
ene-18
jun-18
jul-18
ago-18
oct-18
ene-19
feb-18
abr-18
feb-19
abr-19
may-18
sept-18
estadística para los valores medidos y estimados de todos los flujos SEB
Esta peor estimación de los flujos SEB respecto al sitio Larqui se puede
del cultivo, y un mayor error en la estimación de FV, siendo esta última una
ET H G Rn
RMSE (W m-2) 71,47 88,37 7,33 60,39
RD (%) 20,30 47,81 179,12 20,64
NS 0,07 -1,89 -1,49 0,94
Fuente: Elaboración propia
Las diferencias estadísticas con el sitio Larqui también puede ser atribuida a
Para las anomalías de los sensores, en el caso del sitio Pullami, se rellenaron
descartaron.
Al comparar las estimaciones de los flujos del SEB con las mediciones en
ET H G Rn
700
Flujos SEB estimados (W m -2)
550
400
250
100
-50
Figura 11. Flujos SEB estimados v/s flujos SEB medidos en Pullami.
Fuente: Elaboración propia
Esto se repite una mayor cantidad de veces en el sitio Pullami, debido a que
4.2.3. Vicuña
Esta vez los flujos SEB se estimaron solo para la temporada 2019-2020,
ET H G Rn
Flujos SEB medidos (W m-2)
700
550
400
250
100 -50
nov-19
dic-19
dic-19
mar-20
oct-19
ene-20
feb-20
sept-19
de datos.
estadística para los valores medidos y estimados de todos los flujos SEB
ET H G Rn
RMSE (W m-2) 139,29 78,67 59,93 58,11
RD (%) 35,21 28,63 1024,31 8,60
NS -1,64 -1,52 -121,65 0,52
Fuente: Elaboración propia
días. Por esta razón se decidió descartar las fechas donde había falta de datos
sitios en Chile (Figura 13), que se puede atribuir al tipo de suelo, ubicación del
radiómetro neto, altura del radiómetro neto, error en el código del radiómetro
neto, mala estimación de la emisividad del cultivo o del suelo, mala estimación
del albedo del cultivo o del suelo, entre otros muchos factores que podrían
investigaciones.
850
ET H G Rn
700
Flujos SEB estimados (W m -2)
550
400
250
100
-50
Figura 13. Flujos SEB estimados v/s flujos SEB medidos en Vicuña.
Fuente: Elaboración propia
59
En este sitio el mayor RMSE lo presenta ET. Esto podría mejorar si G es fijado
2020.
4.3.1. Flores
ET H G Rn
Flujos SEB medidos (W m-2)
700
550
400
250
100 -50
nov-18
jun-18
jul-18
ago-18
oct-18
abr-18
may-18
sept-18
El flujo G va desde los 30 a 200 W m-2, un valor alto comparado con los valores
niveles medios y altos de forma controlada, concluyendo que este sitio tiende
estadística para los valores medidos y estimados de todos los flujos SEB
ET H G Rn
RMSE (W m-2) 109,48 65,40 89,28 49,63
RD (%) 42,13 33,63 65,45 8,40
NS -0,43 -0,21 -4,95 0,73
Fuente: Elaboración propia
61
ET H G Rn
700
Flujos SEB estimados (W m -2)
550
400
250
100
-50
Figura 15. Flujos SEB estimados v/s flujos SEB medidos en Flores.
Fuente: Elaboración propia
como una variable de entrada al modelo para que obtenga una mejor
4.3.2. Ivanhoe
En este sitio la ET alcanzó valores de 200 a 300 W m-2, la menor entre los
ET H G Rn
Flujos SEB medidos (W m-2)
700
550
400
250
100 -50
jun-19
jul-19
oct-19
ago-19
sept-19
temporada comparado con los otros frutales (uva de mesa, avellano europeo
y pistacho).
estadística para los valores medidos y estimados de todos los flujos SEB
ET H G Rn
RMSE (W m-2) 62,61 81,33 35,19 60,55
RD (%) 22,60 26,21 12,60 9,82
NS -2,11 -1,36 -2,35 -0,11
Fuente: Elaboración propia
850
ET H G Rn
700
Flujos SEB estimados (W m -2)
550
400
250
100
-50
Figura 17. Flujos SEB estimados v/s flujos SEB medidos en Ivanhoe.
Fuente: Elaboración propia
cítrico.
4.3.3. Nichols
ET H G Rn
Flujos SEB medidos (W m -2)
700
550
400
250
100 -50
nov-17
jun-17
jul-17
ago-17
oct-17
abr-17
may-17
sept-17
de riego.
estadística para los valores medidos y estimados de todos los flujos SEB
ET H G Rn
RMSE (W m-2) 69,04 91,35 116,13 61,09
RD (%) 16,54 76,74 90,06 9,18
NS 0,61 -0,13 -4,77 0,56
Fuente: Elaboración propia
embargo, que las estimaciones hayan sido en eventos de riego, y más aún,
suelos saturados.
67
850
ET H G Rn
700
Flujos SEB estimados (W m -2)
550
400
250
100
-50
Figura 19. Flujos SEB estimados v/s flujos SEB medidos en Nichols.
Fuente: Elaboración propia
850
ET H G Rn
dic-17
dic-18
mar-17
jun-17
jul-17
oct-17
nov-17
mar-18
jun-18
jul-18
ago-18
oct-18
nov-18
ago-17
ene-18
feb-18
abr-17
abr-18
may-17
may-18
sept-17
sept-18
Mes del año
Figura 20. Flujos SEB medidos con respecto al tiempo en Nichols HES.
Fuente: Elaboración propia
(Figura 20), lo que provoca una mayor dispersión de los flujos en la Figura 21.
A diferencia del sitio Nichols, este sitio no tiene evidencias de suelo cercano a
estadística para los valores medidos y estimados de todos los flujos SEB
Tabla 14. Resultados estadísticos para cada flujo SEB en Nichols HES.
ET H G Rn
RMSE (W m-2) 65,32 63,22 83,17 62,39
RD (%) 18,49 58,19 77,12 10,95
NS 0,51 -0,01 -0,41 0,58
Fuente: Elaboración propia
850
ET H G Rn
700
Flujos SEB estimados (W m -2)
550
400
250
100
-50
Figura 21. Flujos SEB estimados v/s flujos SEB medidos en Nichols HES.
Fuente: Elaboración propia
70
Los flujos SEB se estimaron solo para la temporada 2017 en el sitio Nichols
Al igual que los otros sitios con pistacho, ET es mucho mayor que H, pero esta
ET H G Rn
Flujos SEB medidos (W m-2)
700
550
400
250
100 -50
ago-17
nov-17
jun-17
jul-17
oct-17
may-17
sept-17
Figura 22. Flujos SEB medidos con respecto al tiempo con imágenes tomadas
por avión.
Fuente: Elaboración propia
estadística para los valores medidos y estimados de todos los flujos SEB
Tabla 15. Resultados estadísticos para cada flujo SEB en imágenes tomadas
ET H G Rn
RMSE (W m-2) 100,80 99,76 89,54 55,87
RD (%) 23,94 214,04 99,48 10,02
NS 0,40 -7,62 -4,71 0,53
Fuente: Elaboración propia
por avión, igual que las estimaciones con imágenes de satélite con valores NS
850
ET H G Rn
700
Flujos SEB estimados (W m -2)
550
400
250
100
-50
Figura 23. Flujos SEB estimados v/s flujos SEB medidos con imágenes
2017, y este sitio de estudio fue el único con datos medidos en terreno durante
controlada.
Los mapas SEB con imágenes fusionadas de Landsat 8 y tomadas por avión
tienen una mayor resolución (28x28 cm), que se puede observar en la Figura
que el flujo G es mayor en el camino alrededor del predio y entre hileras, los
en presencia de vegetación.
74
ET H G Rn
700
Flujos SEB estimados (W m -2)
550
400
250
100
-50
Figura 25. Flujos SEB estimados v/s Flujos SEB medidos con todas las
imágenes.
Fuente: Elaboración propia
estadística para los valores medidos y estimados de todos los flujos SEB para
76
de NS de 0,91.
Tabla 16. Resultados estadísticos para cada flujo SEB en todos los sitios.
ET H G Rn
RMSE (W m-2) 83,47 67,57 63,57 48,91
RD (%) 24,07 35,80 112,38 7,87
NS 0,28 0,31 0,05 0,73
Fuente: Elaboración propia
estadística para los valores medidos y estimados de todos los flujos SEB para
de NS de 0,96.
77
Tabla 17. Resultados estadísticos para cada flujo SEB en Avellano Europeo.
ET H G Rn
RMSE (W m-2) 65,52 58,25 26,71 36,63
RD (%) 18,17 28,15 244,71 5,70
NS 0,26 -0,69 -2,90 0,81
Fuente: Elaboración propia
850
ET H G Rn
700
Flujos SEB estimados (W m -2)
550
400
250
100
-50
Figura 26. Flujos SEB estimados v/s flujos SEB medidos en Avellano Europeo.
Fuente: Elaboración propia
78
8
Estimado Medido
7
6
ETd (mm día-1)
5
4
3
2
1
0
dic-17
dic-18
nov-19
dic-19
dic-19
oct-17
nov-17
mar-18
jun-18
jul-18
oct-18
nov-18
jun-19
jul-19
oct-19
ene-18
feb-18
ago-18
ene-19
feb-19
mar-19
abr-19
ago-19
ene-20
feb-20
mar-20
abr-18
may-18
may-19
sept-17
sept-18
sept-19
Mes del año
Avellano Europeo.
Fuente: Elaboración propia
modelo SEB-PV), y solo con el fin de comparar este valor con otro modelo
4.6.2. Cítrico
estadística para los valores medidos y estimados de todos los flujos SEB
ET H G Rn
RMSE (W m-2) 62,61 81,33 35,19 60,55
RD (%) 22,60 26,21 120,60 9,82
NS -2,11 -1,36 -2,35 -0,11
Fuente: Elaboración propia
850
ET H G Rn
700
Flujos SEB estimados (W m -2)
550
400
250
100
-50
Figura 28. Flujos SEB estimados v/s flujos SEB medidos en Cítrico.
Fuente: Elaboración propia
80
8
Estimado Medido
7
6
ETd (mm día-1)
5
4
3
2
1
0
jun-19
jul-19
oct-19
ago-19
sept-19
Mes del año
Cítrico.
Fuente: Elaboración propia
modelo SEB-PV), y solo con el fin de comparar este valor con otro modelo
para Cítrico. Este bajo NS se debe al bajo rango de ETd medido de 1,77 mm
día-1 en la temporada.
4.6.3. Pistacho
Son 55 las imágenes disponibles para este cultivo en las temporadas 2017 y
2018.
estadística para los valores medidos y estimados de todos los flujos SEB para
81
de NS de 0,87.
ET H G Rn
RMSE (W m-2) 89,78 72,88 91,07 56,71
RD (%) 27,09 91,99 75,89 9,63
NS 0,42 0,46 -1,72 0,67
Fuente: Elaboración propia
850
ET H G Rn
700
Flujos SEB estimados (W m -2)
550
400
250
100
-50
Figura 30. Flujos SEB estimados v/s flujos SEB medidos en Pistacho.
Fuente: Elaboración propia
82
8
Estimado Medido
7
6
ETd (mm día-1)
5
4
3
2
1
0
dic-17
dic-18
jul-17
mar-17
jun-17
oct-17
nov-17
jul-18
mar-18
jun-18
oct-18
nov-18
abr-17
ago-17
ene-18
feb-18
ago-18
abr-18
may-18
may-17
sept-17
sept-18
Mes del año
Pistacho.
Fuente: Elaboración propia
modelo SEB-PV), y solo con el fin de comparar este valor con otro modelo
para Pistacho.
debe a que el modelo utiliza la resta de Rn y G como una relación para obtener
estadística para los valores medidos y estimados de todos los flujos SEB
Tabla 20. Resultados estadísticos para cada flujo SEB en Uva de mesa.
ET H G Rn
RMSE (W m-2) 139,29 78,67 59,93 58,11
RD (%) 35,21 28,63 1024,31 8,60
NS -1,64 -1,52 -121,65 0,52
Fuente: Elaboración propia
84
850
ET H G Rn
700
Flujos SEB estimados (W m -2)
550
400
250
100
-50
Figura 32. Flujos SEB medidos v/s flujos SEB estimados en Uva de mesa.
Fuente: Elaboración propia
8
Estimado Medido
7
6
ETd (mm día-1)
5
4
3
2
1
0
dic-19
dic-19
oct-19
nov-19
mar-20
ene-20
feb-20
sept-19
Figura 33. ET diario (ETd) estimado y medido con respecto al tiempo en Uva
de mesa.
Fuente: Elaboración propia
modelo SEB-PV), y solo con el fin de comparar este valor con otro modelo
cultivo de alfalfa en un clima similar al sitio Vicuna, con una textura de suelo
Jin et al. (2018) evaluó el modelo METRIC en los sitios Flores y Nichols.
esta modificación obtuvo un RMSE de 1,4 y 0,8 mm día-1 para Flores y Nichols,
respectivamente.
aplicación del modelo descrito en la Ec. [25] para obtener ET d para todas las
Tabla 21. RMSE de la ET instantánea y diaria para todas las estimaciones del
modelo SEB-PV.
Número de
Nombre sitio RMSE (mm día-1) RMSE (W m-2)
imágenes
Larqui 0,79 50,33 48
Pullami 0,58 103,87 13
Vicuña (Uva de
0,77 139,29 10
mesa)
Flores 0,96 109,48 22
Ivanhoe (Cítrico) 0,69 62,61 7
Nichols 1,72 69,04 7
Nichols HES (avión) 1,31 100,80 6
Nichols HES 1,00 65,32 20
Avellano europeo 0,75 65,52 61
Pistacho 1,14 89,78 55
Fuente: Elaboración propia
87
instantánea puede no verse reflejado en ETd, como es el caso del sitio Nichols,
con un RMSE instantáneo de 69,04 W m -2, pero su RMSE de ETd fue de 1,7
mm día-1, el peor de todos. Aun así, fue una mejor estimación que el modelo
ya que el valor de ETd es el que realmente se utiliza para el manejo del riego.
sitios, donde los sensores remotos de los satélites incluyen el suelo y la planta
instalan.
obstante, en solo 1 de 7 sitios fue posible medir Fv, y en ningún sitio se midió
rc. Lo ideal sería calibrar estas variables con mediciones en terreno y así
enfocar la calibración del modelo en otros aspectos. Se espera que una mayor
88
eficiente.
temporada. Esto podría afectar las estimaciones del modelo debido a que
que alcanza la superficie del suelo, y sería correcto enfocar las futuras
Por último, la entrada del modelo Rn, que es obtenido desde el modelo SEBAL,
5. CONCLUSIONES
un avión. Con este propósito se implementaron los algoritmos del modelo SEB-
PV en R y GEE, entregando una herramienta para estimar los flujos del SEB
California, USA, estima los componentes del SEB con indicadores estadísticos
LITERATURA CITADA
2. Al-Gaadi, K.A., V.C. Patil, E. Tola, R. Madugundu and P.H. Gowda. 2016.
9(441): 1-12.
USA.
(Landsat Data Continuity Mission) [en línea]. United Nations Platform for
Response. <http://www.un-spider.org/sites/default/files/LDCM-
10. Bastiaanssen, W.G.M. 2000. SEBAL-based sensible and latent heat fluxes
12. Carlson, T.N., D.A. Ripley. 1997. On the relation between NDVI, fractional
vegetation cover and leaf área index. Remote Sens. Environ. 62(3): 241-
252.
14. Chavez, J.L., C.M.U. Neale, J.H. Prueger and W.P. Kustas. 2008. Daily
15. Chen, W., M. D. Novak, T. A. Black and X. Lee. 1997. Coherent eddies and
99-124.
16. Choudhury, B., J. Monteith. 1988. A four-layer model for the heat budget of
398.
Santiago, Chile.
Chile.
(43): 43-54.
20. Gutnam, G., A. Ignatov. 1998. The derivation of the green vegetation
768-793.
thermal infrared sensor data. IEEE Geosci. Remote Sens. Lett. 11(10):
1840-1843.
23. Jin, Y., R. He, G. Marino, M. Whiting, E. Kent, B.L. Sanden, M. Culumber,
24. Johnson, L.F., T.J. Trout. 2012. Satellite NDVI assisted monitoring of
25. Ke, Y., J. Im, S. Park and H. Gong. 2016. Downscaling of MODIS one
26. Lagos, L.O., D.L. Martin, S.B. Verma, A. Suyker and S. Irmak. 2009.
28. Lagos, L.O., D.L. Martin, S.B. Verma, S. Irmak, A. Irmak, D. Eisenhauer
29. Liaqat, U.W., M. Choi. 2015. Surface energy fluxes in the Northeast Asia
30. Madugundu, R., K.A. Al-Gaadi, E. Tola, A.A. Hassaballa and V.C. Patil.
32. Mutanga, O., L. Kumar. 2019. Google Earth Engine Applications. Remote
33. Panda, R.K., S.K. Behera and P.S. Kashyap. 2003. Effective management
34. Paw U, K.T., J. Qiu, H. Su, T. Watanabe and Y. Brunet. 1995. Surface
36. Rosa, R., J. Tanny. 2015. Surface renewal and eddy covariance
37. Shuttleworth, J.W., J.S. Wallace. 1985. Evaporation from sparse crops-an
855.
39. Van der Hurk, B.J.J.M., W.G.M. Bastiaanssen, H. Pelgrum and E. Van
40. Vermote, E., J.C. Roger, B. Franch and S. Skakun. 2018. LaSRC (Land
2020].
74(1-2): 139-154.
97
APÉNDICE
Europeo).
Europeo).
ID Landsat
Fecha Path/row Hora
LC08_L1TP_233085_20171117_20171122_01_T1 17-11-2017 233/085 14:34:43
LC08_L1TP_233086_20171117_20171122_01_T1 17-11-2017 233/086 14:35:06
LC08_L1TP_001085_20171124_20171206_01_T1 24-11-2017 001/085 14:40:50
LC08_L1TP_233085_20171203_20171207_01_T1 03-12-2017 233/085 14:34:37
LC08_L1TP_001085_20171210_20171223_01_T1 10-12-2017 001/085 14:40:48
LC08_L1TP_233085_20171219_20171224_01_T1 19-12-2017 233/085 14:34:40
98
ID Landsat
Fecha Path/row Hora
LC08_L1TP_043035_20180423_20180502_01_T1 23-04-2018 043/035 18:39:32
LC08_L1TP_042035_20180502_20180516_01_T1 02-05-2018 042/035 18:33:16
LC08_L1TP_043035_20180509_20180517_01_T1 09-05-2018 043/035 18:39:23
LC08_L1TP_042035_20180518_20180604_01_T1 18-05-2018 042/035 18:33:05
LC08_L1TP_042035_20180603_20180615_01_T1 03-06-2018 042/035 18:32:54
LC08_L1TP_043035_20180610_20180615_01_T1 10-06-2018 043/035 18:39:08
LC08_L1TP_042035_20180619_20180703_01_T1 19-06-2018 042/035 18:33:03
LC08_L1TP_043035_20180626_20180704_01_T1 26-06-2018 043/035 18:39:19
LC08_L1TP_042035_20180705_20180717_01_T1 05-07-2018 042/035 18:33:13
LC08_L1TP_043035_20180712_20180717_01_T1 12-07-2018 043/035 18:39:27
LC08_L1TP_043035_20180728_20180813_01_T1 28-07-2018 043/035 18:39:33
LC08_L1TP_042035_20180806_20180815_01_T1 06-08-2018 042/035 18:33:28
100
ID Landsat
Fecha Path/row Hora
LC08_L1TP_042035_20190622_20190704_01_T1 22-06-2019 042/035 18:33:59
LC08_L1TP_042035_20190708_20190719_01_T1 08-07-2019 042/035 18:34:03
LC08_L1TP_042035_20190724_20190801_01_T1 24-07-2019 042/035 18:34:07
LC08_L1TP_042035_20190809_20190820_01_T1 09-08-2019 042/035 18:34:13
LC08_L1TP_042035_20190825_20190903_01_T1 25-08-2019 042/035 18:34:18
LC08_L1TP_042035_20190910_20190917_01_T1 10-09-2019 042/035 18:34:22
LC08_L1TP_042035_20190926_20191017_01_T1 26-09-2019 042/035 18:34:27
Fuente: USGS. (https://earthexplorer.usgs.gov/)
ID Landsat
Fecha Path/row Hora
LC08_L1TP_042035_20170429_20170515_01_T1 29-04-2017 042/035 18:33:25
LC08_L1TP_042035_20170616_20170629_01_T1 16-06-2017 042/035 18:33:50
LC08_L1TP_042035_20170702_20170715_01_T1 02-07-2017 042/035 18:33:54
LC08_L1TP_042035_20170718_20170728_01_T1 18-07-2017 042/035 18:33:58
LC08_L1TP_042035_20170819_20170826_01_T1 19-08-2017 042/035 18:34:11
LC08_L1TP_042035_20170920_20171012_01_T1 20-09-2017 042/035 18:34:17
101
ID Landsat
Fecha Path/row Hora
LC08_L1TP_042035_20170429_20170515_01_T1 29-04-2017 042/035 18:33:25
LC08_L1TP_042035_20170515_20170525_01_T1 15-05-2017 042/035 18:33:33
LC08_L1TP_042035_20170616_20170629_01_T1 16-06-2017 042/035 18:33:50
LC08_L1TP_042035_20170702_20170715_01_T1 02-07-2017 042/035 18:33:54
LC08_L1TP_042035_20170718_20170728_01_T1 18-07-2017 042/035 18:33:58
LC08_L1TP_042035_20170819_20170826_01_T1 19-08-2017 042/035 18:34:11
LC08_L1TP_042035_20170920_20171012_01_T1 20-09-2017 042/035 18:34:17
LC08_L1TP_042035_20171006_20171023_01_T1 06-10-2017 042/035 18:34:23
LC08_L1TP_042035_20180502_20180516_01_T1 02-05-2018 042/035 18:33:16
LC08_L1TP_042035_20180518_20180604_01_T1 18-05-2018 042/035 18:33:05
LC08_L1TP_042035_20180603_20180615_01_T1 03-06-2018 042/035 18:32:54
LC08_L1TP_042035_20180619_20180703_01_T1 19-06-2018 042/035 18:33:03
LC08_L1TP_042035_20180705_20180717_01_T1 05-07-2018 042/035 18:33:13
LC08_L1TP_042035_20180721_20180731_01_T1 21-07-2018 042/035 18:33:20
LC08_L1TP_042035_20180806_20180815_01_T1 06-08-2018 042/035 18:33:28
LC08_L1TP_042035_20180822_20180829_01_T1 22-08-2018 042/035 18:33:36
LC08_L1TP_042035_20180907_20180912_01_T1 07-09-2018 042/035 18:33:42
LC08_L1TP_042035_20180923_20180929_01_T1 23-09-2018 042/035 18:33:47
LC08_L1TP_042035_20181009_20181029_01_T1 09-10-2018 042/035 18:33:55
LC08_L1TP_042035_20181025_20181114_01_T1 25-10-2018 042/035 18:34:01
LC08_L1TP_042035_20181110_20181127_01_T1 10-11-2018 042/035 18:34:03
LC08_L1TP_042035_20181126_20181210_01_T1 26-11-2018 042/035 18:34:03
LC08_L1TP_042035_20181212_20181226_01_T1 12-12-2018 042/035 18:33:59
Fuente: USGS. (https://earthexplorer.usgs.gov/)