Vulnerabilidad de la vegetación a la sequía en España

  1. García-Haro, F.J. 1
  2. Campos-Taberner, M. 1
  3. Sabater, N. 1
  4. Belda, F. 1
  5. Moreno, A. 2
  6. Gilabert, M.A. 1
  7. Martínez, B. 1
  8. Pérez-Hoyos, A. 1
  9. Meliá, J. 1
  1. 1 Unitat de Investigació en Teledetecció, Departament de Física de la Terra i Termodinàmica, Universitat de València
  2. 2 Agencia Estatal de Meteorología
    info

    Agencia Estatal de Meteorología

    Madrid, España

    ROR https://ror.org/04kxf1r09

Revista:
Revista de teledetección: Revista de la Asociación Española de Teledetección

ISSN: 1133-0953

Año de publicación: 2014

Número: 42

Páginas: 29-38

Tipo: Artículo

DOI: 10.4995/RAET.2014.2283 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista de teledetección: Revista de la Asociación Española de Teledetección

Resumen

Los extremos climáticos se han incrementado en España a los largo del último siglo; por ello, su análisis se ha convertido en una línea prioritaria de conocimiento con objeto fundamental de diseñar planes para la gestión y mitigación de sus efectos. Los datos de satélite permiten analizar las variaciones en la actividad de la vegetación a varias escalas temporales y su respuesta a la variabilidad climática. En este trabajo se pone de manifiesto la vulnerabilidad de la vegetación en España ante condiciones ambientales extremas a través de las correlaciones entre índices meteorológicos de sequía (SPI) y variables biofísicas extraídas de datos MODIS/EOS y SEVIRI/MSG. Las anomalías en la vegetación, como indicadores de las condiciones de humedad de la misma, pueden ayudar a cuantificar y gestionar episodios meteorológicos extremos y hacer un seguimiento de la misma. Las mayores correlaciones se han obtenido en las regiones áridas y semiáridas y durante los meses de máxima actividad de la vegetación, generalmente entre mayo y junio.

Referencias bibliográficas

  • García-Haro, F.J., Sommer, S., Kemper,T. 2005. A new tool for variable multiple endmember spectral mixture analysis (VMESMA). International Journal of Remote Sensing, 26(10): 2135-2162. http://dx.doi.org/10.1080/01431160512331337817
  • García-Haro, F.J., Belda, F., Poquet, D. 2008. Estimation of climatological variables in Spain during the 1950-2008 period using geostatistical techniques. En: 8th Annual Meeting of the EMS / 7th European Conference on Applied Climatology (ECAC). Amsterdam, Holanda, 29 septiembre-3 octubre. EMS2008-A-00319.
  • García-Haro, F.J., Pérez-Hoyos A. 2010. Land cover classification in Spain from seasonal trajectories of MODIS data. En: Proceedings of the RAQRS2010, 3rd Symposium on Recent Advances in Quantitative Remote Sensing. Torrent, España, 27 septiembre - 1 octubre. pp 562-567.
  • García-Haro, F.J., Camacho, F., Gilabert, M.A., Meliá, J. 2013. Monitoring of vegetation properties. Products overview and applications: drought assessment. En: 8th APMG Symposium on Meteorology and Geophysics. Ericeira, Portugal. 18-21 marzo.
  • Ji, L., Peters A.J. 2003. Assessing vegetation response to drought in the northern Great Plains using vegetation and drought indices. Remote Sensing of Environment, 87(1): 85-98. http://dx.doi.org/10.1016/S0034-4257(03)00174-3
  • Kohonen, T., Hynninen, J., Kangas, J., Laaksonen, J. 1996. SOM_PAK: The Self-Organizing Map Program Package. Technical Report A31, Helsinki University of Technology.
  • Liu, Z., Notaro, M., Kutzbach, J., Liu, N. 2006. Assessing global vegetation-climate feedbacks from observations. Journal of Climate, 19: 787-814. http://dx.doi.org/10.1175/JCLI3658.1
  • Mckee, T.B., Doesken, N.J., Kleist, J. 1993. The relationship of drought frecuency and duration to time scales. En: Proceedings of the 8th Conference of Applied Climatology. Anaheim, EE.UU. 17-22 enero. pp 179-184.
  • Moreno-Martínez, A., Soria-Olivas, E., García-Haro, F.J., Martín Guerrero, J.D., Magdalena, R. 2010. Neural models for rainfall prediction. Capítulo 21 en “Soft Computing Methods for Practical Environmental Solutions: Techniques and Studies”, pp 353-369. New York: Gestal, M. y Rivero, D.
  • Paruelo, J.M., Lauenroth, W.K. 1995. Regional Patterns of Normalized Difference Vegetation Index in North American Shrublands and Grasslands. Ecology, 76(6): 1888-1898. http://dx.doi.org/10.2307/1940721
  • Peñuelas, J., Filella, I., Zhang, X., Llorens, L., Ogaya, R., Lloret, F., Comas, P., Estiarte, M., Terradas, J. 2004. Complex spatiotemporal phenological shifts as a response to rainfall changes. New Phytologist, 161(3): 837-846. http://dx.doi.org/10.1111/j.1469-8137.2004.01003.x
  • Pérez-Hoyos, A., García-Haro F.J, Valcárcel, N. 2014. Incorporating sub-dominant classes in the accuracy assessment of large scale land cover products:Application to GlobCover, MODISLC, GLC2000 and CORINE in Spain. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 7(1): 187-205. http://dx.doi.org/10.1109/JSTARS.2013.2258659
  • Poquet, D., Belda, F., García-Haro, F.J. 2008. Regionalización de la sequía en la península ibérica desde 1950 hasta 2007 a partir del SPI y una modelización digital terreno. En: XXX Jornadas Científicas de la Asociación Meteorológica Española “Agua y Cambio Climático”, IX Encuentro Hispano-Luso de Meteorología y XII Congreso Latinoamericano e Ibérico de Meteorología. Zaragoza, España. 5-7 de mayo.
  • Thornthwaite, C.W. 1948. An approach toward a rational classification of climate. The Geographical Review, 38(1): 55-94. http://dx.doi.org/10.2307/210739
  • Verbesselt, A., Zeileis, A., Herold, M. 2012. Near Real-Time Disturbance Detection Using Satellite Image Time Series. Remote Sensing of Environment, 123:98-108. http://dx.doi.org/10.1016/j.rse.2012.02.022
  • Vicente-Serrano, S.M. 2007. Evaluating the Impact of Drought Using Remote Sensing in a Mediterranean, Semi–arid Region. Natural Hazards, 40(1): 173-208. http://dx.doi.org/10.1007/s11069-006-0009-7
  • Wang, J., Rich, P.M., Price, K.P. 2003. Temporal responses of NDVI to precipitation and temperature in the central Great Plains, USA. International Journal of Remote Sensing, 24(11): 2345-2364. http://dx.doi.org/10.1080/01431160210154812
Fuente de los datos: Dialnet