Sinergia entre datos ópticos y de microondas pasivas para el estudio de variables biofísicas sobre coberturas naturales

Resumen

La humedad de la superficie es una variable fundamental para el estudio de la biósfera. En este trabajo doctoral se desarrollaron dos metodologias sinérgica para la estimación de la superficie utilizando datos provenientes del espectro de las microondas pasivas y el rango óptico con el fin de potenciar la estimación de la humedad de la superficie a partir de diversificación de fuentes de información. Para la estimación de la humedad de la superficie, se desarrollaron dos tipos de métodos, un método empírico basado en la modificación del método propuesto por Carlson et al (1994) y otro método semi-empírico que consistió en la combinación de diferentes capas de información espectral, como las microondas pasivas y la región del dominio óptico. La estimación de la humedad de la superficie por parte de cada uno de estos métodos mejora sustancialmente en comparación el método inicial en el cual se basa cada uno. El método empírico descrito en este trabajo fue solo aplicado a la región agrícola de Barrax donde se incorporó la emisividad como un indicador del tipo de cobertura. En promedio el RMSE por este método es de un 5% y varía según la heterogeneidad de la zona de estudio. Sin embargo, se evidencia una significativa mejora al incorporar la emisividad de la superficie como factor de la regresión empírica y a la vez dentro de la estimación. Por otra parte, el método semi-empírico desarrollado en este trabajo, es la continuación de la aproximación semi-empírica desarrollada por Wigneron et al., (2004b), el cual desarrolló una parametrización simple en función de variables térmicos para estimar la humedad de de la superficie. La metodología propuesta en este trabajo mejora esta parametrización al incluir información espectral del domino óptico reflejada en los indicadores de vegetación, como el NDVI, LAI, entre otros. En términos de error, al utilizar el NDVI, se reduce en un 2% el error de estimación de la humedad de la superficie en comparación a la no utilización de este indicador. A nivel in-situ, la mejora de las estimaciones de la humedad de la superficie dependen de la sistematización de las medidas en un determinado sitio. En el caso de SMOSREX, la gran cantidad, diversidad y calidad de datos permitió generar un algoritmo validado a nivel in-situ. Sin embargo, la no ubicación exacta de los instrumentos en relación al área de medida no potenciaron las diferencias apreciadas en cada una de las calibraciones y validaciones llevadas a cabo con valores de NDVI y LAI. Al mismo tiempo, se ha podido establecer que ambos indicadores de vegetación fortalecen y mejoran la estimación de la humedad de la superficie en función de la ecuación semi-empírica desarrollada por Wigneron et al. (2004b). Sin embargo, la identificación de cuál índice genera mejores resultados es una tarea a analizar con más detalle. A nivel global, la calibración realizada a parir de datos ópticos (MODIS) y de microondas pasivas (SMOS) es prometedora. A pesar de que el método presentado en este trabajo se calibró durante un corto periodo de tiempo, la versatilidad de comprar estas dos fuentes de datos con información global, como el caso del ERA-interm, permite establecer lineamientos futuros sobre la real aplicación de SMOS a la estimación de la humedad de la superficie y su sinergía a diferentes escalas espaciales de resolución. La sinergía se entiende como la acción conjunta correspondiente a la suma de dos causas que generarán un efecto mayor a la suma proporcional de estas. En este trabajo, la combinación de información óptica a través de índices de vegetación, con la temperatura de brillo obtenida a través de sensores de microondas pasivos, peritó generar un resultado mejor que con la sola información procedente del rango de las microondas pasivas. A nivel de datos in-situ esto se evidenció sustancialmente al incorporar, de manera teórica, el espesor óptico al modelo presentado por Wigneron et al. (2004b). Tanto la utilización del LAI como del NDVI presenta mejoras sustanciales en relación a la no utilización de estos parámetros. Para finalizar, es necesario destacar que el método desarrollado en este trabajo debe ser validado y comprobado en otras situaciones con más fuentes de información, tales como datos provenientes de satélites geoestacionarios, interacción con modelos a meso-escala, entre otras fuentes de información.