El mapeo del consumo de agua y de sequías con la ...

El mapeo del consumode agua y de sequías

con la percepciónremota satelital

Martha C. Anderson, Bill Kustas, Feng Gao, Yun Yang, Yang Yang, Liang SunUSDA-Servicio de investigación agrícolaLaboratorio de hidrología y percepción remotaBeltsville, MD, EE UU

Christopher Hain, Li Fang, Mitch SchullCentro interdisciplinario de ciencias de sistemas terrestres, Universidad de Maryland, NOAA-NESDIS-STAR

Xiwu ZhanNOAA-NESDIS-STAR

Jason OtkinUniversidad de Wisconsin

Thomas HolmesNASA-GSFC

Mét

odos

de

map

eod

e la

ET

Evaporación del suelo

Absorciónde raízes

Infiltración

drenaje

PRECIPITACIÓN

transpiración yevaporación

Humedad en lazona de raíces

Humedad Sfc

Paráms. de suelo hidráulicos

Parámetros de estrésvegetativo

Parámetros de evap de suelo desnudo

Soil moistureholding capacity

Paráms. de distribuciónde raíces Tomando en cuenta las fuentes de

energía radiativa de las que sabemos, ¿cuánta pérdida de agua es necesariapara mantener el suelo y la vegetación a las temperaturas observadas?

escorrentía

MÉTODO DE EQUILIBRIO HIDROLÓGICO(modelado de pronósticos)

TEMPERATURA SUPERFICIAL

TSuelo

Tsuelo & Tveg

transpiración yevaporación

evaporación del suelo

Tveg

MÉTODO DE EQUILIBRIO ENÉRGICO(modelado diagnóstico)

ARSET Remote Sensing Training Program

ALE

XI: s

istem

ad

e m

odel

ado

de

ET

regi

onal

Escala regionalDTRAD - GeostationarioTa - Modelo ABL

Temp superfic. :Temp. aire:

TRAD (φ), fcTRAD (φ), fc

Rsoil

TcTac

Hs

Ts

Ra H = Hc + Hs

Rx

Hc

Ta

ABL

Ta

ALEXI DisALEXI5 km

30 m

Two-

Sou

rce

Mod

el

TRAD,i(φi), fc,i

i

Ra,i

Blending height

Energy balance:ET = (RNET - G) - H

T

E

(Atmosphere-Land Exchange Inverse model)Modelo inverso del intercambio atmósfera-tierra

a

z

qH1 H2

t1

t2òH(t)dt

zblend

TA1 TRAD1 TA2 TRAD2

Altitud decombinaciónCierre ABL


Mod

elo

de d

os f

uent

es

Com

paris

on o

f ET

appr

oach

es

% de irrigación

Profundidad hasta la cepa freática

(m)

(Verde indica que ET de equilibrioenérgico es perseistenemente más

húmeda de lo que se esperabasado en el equilibrio

hidrológico local)

COMPARACIÓN deET de modelos de

equilibrio enérgico y hidrológico

(ALEXI vs. Noah)

Hain, et al. (2014)

Las diferencias estánrelacionadas

principalmente con:

(así también como la densidad de masas de agua

en subpixel)


FUSIÓN DE DATOS:

ET diaria enescala de

cultivos

Polar

(Landsat)

Airborne

(USU

aircraft)

Watershed(60m

)Fieldscale

(30m)

TEMPERATURASUPERFICIAL EVAPOTRANSPIRACIÓN

GEO

(GOE

SImager) Regional

(5km)

GEO

(GOE

SSounder) Continental

(10km)

Temperature(C)

Polar

(MOD

IS) Basin(1km

)

LatentHeat(Wm

-2)

GEO

(ISCC

P)

Global(25km

)

1julio 2002– 10:30AMLST

cornsoy

Horaria

Diaria

1 LS – 16 días2 LS – 8 días


FUSIÓN GOES/MODIS/LandsatG

OE

S(A

LEXI

)M

OD

IS(D

isAL

EXI)

LAN

DS

AT

(Dis

ALEX

I)

DOY 328 329 330 331 332 333 334 335 336

Landsat 5 Landsat 7

(Gao et al, 2006)Spatial Temporal Adaptive Reflectance Fusion Model*

(STARFM)

Evapotranspiración diaria– Orlando, Florida EEUU, 2002


*Modelo defusión dereflectancia espacial temporaladaptiva

Eval

uacó

ond

e flu

josd

e ET

fund

idos

SMEX02Soil Moisture Experiment 2002(Experimento de humedad del suelo)Ames, IowaMaíz y soya de secano

BEAREX08Bushland ET and Remote sensing Experiment 2008(Experimento de ET y percepción remota de Bushland)Bushland, TexasAlgodón de secano e irrigado

MEADSitio de Ameriflux (S. Verma)Mead, NebraskaMaíz y soya de secano e irrigados

4 km

SMEX02


Rend

imie

nto

de

mod

elos

enfe

chas

de

Land

sat

SMEX02 BEAREX08 MEAD

1.08 MJ m-2 d-1

8%MAE*:

RE**:1.3 MJ m-2 d-1

10%1.3 MJ m-2 d-1

11%


*Meanabsoluteerror=Errorabsoluto medio**Relativeerror=errorrelativo

Val

idac

ión

usan

do

dat

osd

e to

rresd

e flu

jo

0

50

100

150

200

250

300

150 160 170 180 190 200 210 220 230 240

Cum

ulat

ive

ET (m

m)

Day of Year

0

2

4

6

8

10

150 160 170 180 190 200 210 220 230 240

Daily

ET (

mm

per

day

)

Day of YearET de referenciaET obbservadaRecuperaciones de LandsatSolo LandsatFusión Landsat-MODIS

0

2

4

6

8

10

150 165 180 195 210 225 240

Daily

ET (

mm

per

day

)

Day of Year

Lluvia

Soya de secano – SMEX02 (Iowa)


Díadelaño

ETacumulativa(m

m)

ETdiaria

(mmpor

día)

Con

sum

od

e ag

ua-C

ultiv

osd

e se

cano

vs. c

ultiv

osirr

igad

os Bushland, Tejas Mead, NebraskaAlgodón no irrigado

Algodón IrrigadoMaíz irrigado

Maíz no irrigado


Viñedos Gallo; Lodi, California

Landsat 8 - 2013Din

ámic

ad

el c

onsu

mo

de

agua

envi

ñed

os


… Estrés e impactos en los cultivosMONITOREO DE SEQUÍAS

Ind

icad

ord

e se

quía

sde

ET sa

telit

al


Índice deestrés evaporativo 4kmCompuesto de3meses terminando el28dejulio de2012

Anomalías ET/PETestandartizadas

ESI- Metodología

ALEXI ESI representa anomalías en el ratio de ET real a ET potencial.

• ESI no requiere datos de precipitación, el estado actual de la humedadsuperficial es deducida directamente de la temperatura superficial terrestre(LST) remotamente percibida, por lo tanto, puede que sea más robusto enregiones con un monitoreo in situ de la precipitación.

• Las indicaciones de estrés en la vegetación se manifiestan en la señal de la LST antes de que ocurra cualquier deterioro del manto vegetal, como porejemplo, así como se indica en el NDVI, así que los índices basados en el TIR tales como ESI pueden brindar una señal de alerta temprana efectiva de alguna sequía agricultural próxima.

• ALEXI ESI inherentemente incluye señales de humedad no relacionada con la precipitación (tales como la irrigación, aguas subterráneas enraizadas enla vegetación, flujos laterales) que necesitan ser modeladas a priori enesquemas de pronósticos de modelos superficiales terrestres (LSM por sussiglas en inglés).


DevelopmentofaMulti-ScaleRemote-SensingBasedFrameworkforMappingDroughtoverNorthAmericaChristopherHain(U.ofMaryland)Las sequías repentinas son eventos de rápida aparición típicamente impulsadas por déficits de

precipitación, anomalías de altas temperaturas y a menudo, vientos fuertes. ESI tiene el potencial de brindar un componente de alerta temprana durante tales eventos, pues se puededetectar el estrés hidrológico en la señal de la temperatura superficial terrestre antes de que ocurra cualquier deterioro en la salud de la vegetación.

• Grandes valores negativos del RCI en la primera fila indican

que el estrés de humedadestaba incrementando

rápidamente a principios del verano.

• La impresionante extensión de la merma inusualmente rápida

en las anomalías de ESI esclaramente indicada por la gran área de valores del RCI

negativos

• La aprición inicial de valoresnegativos del RCI anticiparon

la introducción de sequíasevera en el USDM por más de

4 semanas

Sequía repentina deEEUUCentralde2012


Desarrollo de una esquema multi-escala a base de la percepción remota para el monitoreo de sequías sobre Norteamérica

C. Hain (UMD), M. Anderson (USDA), X. Zhan (NOAA), M. Svoboda (NDMC), B. Wardlow (NDMC), F. Gao (USDA)

Hito:•Para tratar con la necesidad de herramientas de monitoreo de sequías a base de la percepciónremota adicionales cubriendo Norteamérica, el dominio actual de ESI ha sido expandido para incluir a Canadá, México y Centroamérica.

Relevancia a las ciencias aplicadas de datosde ciencias terrestres (ESD por sus siglas en inglés):• Acceso y disponibilidad de información de sequíasque requiera alguna acción -- ALEXI ESI ofreceinformación espacial de alta resolución sobresequías que es independiente de muchos de losindicadores de sequía más comunmente usadosque dependen de una especificación exacta de la precipitación como insumos• Pronóstico, asesoramiento, adaptación y and mitigación de sequías en apoyo a la seguridadalimentaria y la conservación de recursos naturales -- ALEXI ESI puede brindar información a usuariosque puede ayudar con el proceso de toma de decisiones de mitigación de sequías, estimación de rendimientos, salud de las plantas y consumo de agua (especialmente en el sector agrícola).


ESI(JFM)

ESI(JFM)

Anom

.derend

im.

Anom

al.derend

im.

2003 2004 2005 2006 2007

2008 2009 2010 2011 2012

ESI(s)Anom

.derendim.(kg/ha)

ANOMALÍASDERENDIMIENTOANUALDESOYAANIVELMUNICIPAL


Estim

ació

nd

e re

ndim

ient

osen

Túne

z2001 2002 2003 2004 2005 2006 2007

2008 2009 2010 2011 2012 2013

ESI

Ano

mal

. de

rend

im.--

trigo

ESI


Ano

mal

. de

rend

im.--

trigo

GOES- Índice de estrés evaporativo JUNE 2002

565000 570000 575000 580000 585000 590000

3490000

3495000

3500000

3505000

3510000

3515000

565000 570000 575000 580000 585000 590000

3490000

3495000

3500000

3505000

3510000

3515000

Sequ

ías/

est

réss

obre

losc

ultiv

os


Una mirada hacia el futuro…..


Suplementando las capacidades de ALEXI con sensores de órbita polar

Hora del día

Tem

pera

tura

supe

rfici

al te

rrest

re(L

ST)

Local NoonSunrise

Subida matutina de LST : Observación de ALEXI

VIIRS- LST nocturna

VIIRS- LST diurna

Una técnica que ha sido desarrollada y evaluada usando datos de GOES para entrenar un modelode regresión a usar las diferencias de LST diurnal/nocturna del MODIS para predecir el aumentomatutino de la LST que ALEXI requiere.


Suplementando las capacidades de ALEXI con sensores de órbita polar

ESI Global de 5-km actual– 1ro de septiembre de 2016


Sist

ema

acop

lad

oA

LEXI

term

al/M

WLa sinergía entre las obeservaciones de termal infrarroja (TIR) y de microondas (MW) está siendo explotada más allá por el desarrollo de observaciones de temperatura superficial minima (LST) de las observaciones de microondas(banda Ka).

La integración de la LST de microondas en un sistema acoplado ALEXI TIR/MW permitirá la recuperación de flujos superficiales bajo nubes(donde no son posibles las recuperaciones exclusivas por TIR).

Esta capacidad llena un vacío significativo en un Sistema de TIR exclusivamente sobre regiones ecuatoriales tropicales donde las recuperaciones bajo un cielo despejado son posibles quizá entre una y tres veces al mes, particularmente durante la época de lluvia.


Evapotranspiración acumulativa (mm) – JAS 2004


Lapresencia delasnubes causanvalores deETbajosen eltrópico.ElMWseve másconsistente.

subestima laETsobre lasmontañasEtíopes.ElMWsevemás realista.

Anál

isisde

ano

mal

íasc

on M

W-A

LEXI

ES

I-int

érva

lod

e 12

sem

anas

de

mov

imie

nto

June7th,2011


Evapotranspiración basada en la LSTPor medio de su diagnosis captura fuentes/fugas de humedad no relacionadas con la precipitación(irrigación, aguas subterráneas pandas, desagüe)

Capacidad de mapear en escalas de globales hasta sub-parcela usando fusión de datos basados en el TIR

Puede combinarse con datos de la humedad del suelo y la precipitación remotamente percibidos para interpretar cambios en otros variables hidrológicos

Con

clus

ione

s

ALEXI: Christopher Hain ([email protected])Martha Anderson ([email protected])

Página en línea: http://hrsl.ba.ars.usda.gov/drought/http://www.ospo.noaa.gov/Products/land/getd/

Con

clus

ione

s

USDA es un provedor y empleador con igualdad de oportunidad.

Evapotranspiración basada en la LST

Por medio de su diagnosis captura fuentes/fugas de humedad no relacionadas con la precipitación(irrigación, aguas subterráneas pandas, desagüe)

Capacidad de mapear en escalas de globales hasta sub-parcela usando fusión de datos basados en el TIR

Puede combinarse con datos de la humedad del suelo y la precipitación remotamente percibidos para interpretar cambios en otros variables hidrológicos

El mapeo del consumo de agua y de sequías con la ...

Documents

Transcript of El mapeo del consumo de agua y de sequías con la ...