Palabras clave
índice de Gao
Landsat
precipitación anual
teledetección
Cómo citar
Resumen
Introducción: Los anegamientos son fenómenos frecuentes en ecosistemas llanos con deficiencias en el drenaje fluvial que afectan la economía local y regional. Estos pueden ser identificados y analizados mediante teledetección.
Objetivo: Evaluar el desempeño de dos índices normalizados de agua, en épocas de precipitación anual máxima y mínima, para la identificación de anegamientos en la cuenca del río Salado, Argentina.
Materiales y métodos: Los años con precipitación anual máxima y mínima en el periodo 2001-2020 se obtuvieron de estimaciones satelitales de precipitación mensual provistas por la NASA a través de Google Earth Engine. Los anegamientos se identificaron con imágenes Landsat, a través de la aplicación de dos índices normalizados de agua (NDWI, por sus siglas en inglés -Normalized Difference Water Index- y NDWI modificado) con la finalidad de evaluar su desempeño en la obtención de imágenes binarizadas que representen mejor la realidad del área de estudio.
Resultados y discusión: Ambos índices tuvieron buena capacidad para la identificación de los cursos y cuerpos de agua permanente o semipermanente; sin embargo, solo el NDWI demostró mayor capacidad para la identificación de áreas anegadas con escasa profundidad (5 a 15 cm). El empleo de la banda del infrarrojo medio de Landsat (1 566 - 1 651 μm) es menos sensible a la carga de sedimentos del agua y es capaz de reflejar diferencias sutiles en ella, lo que proporciona una mayor capacidad para delinear el límite agua-suelo.
Conclusión: El empleo del NDWI demostró un comportamiento adecuado para la identificación de zonas anegadas en ecosistemas de muy baja pendiente.
Citas
Ameghino, F. (1884). Las secas y las inundaciones en la provincia de Buenos Aires (5.ª ed.). Ministerio de Asuntos Agrarios de la provincia de Buenos Aires. https://es.scribd.com/doc/274933020/Las-Secas-y-Las-Inundaciones-en-La-Prov-de-Bs-as-Florentino-Ameghino
Atzberger, C., (2013). Advances in remote sensing of agriculture: context description, existing operational monitoring systems and major information needs. Remote Sensing, 5(2), 949–981. https://doi.org/10.3390/rs5020949
Bustamante, J., Díaz-Delgado, R., & Aragonés, D. (2005). Determinación de las características de masas de agua someras en las marismas de Doñana mediante teledetección. Revista de Teledetección, 24, 107–111. http://hdl.handle.net/10261/60245
Chauhan, S., Darvishzadeh, R., Boschetti, M., Pepe, M., & Nelson, A., (2019). Remote sensing-based crop lodging assessment: current status and perspectives. ISPRS Journal of Photogrammetry and Remote Sensing, 151, 124–140. https://doi.org/10.1016/j.isprsjprs.2019.03.005
Florio, E. L., Mercau, J. L., Jobbágy E. G., & Nosetto, M. D. (2014). Interactive effects of water-table depth, rainfall variation, and sowing date on maize production in the Western Pampas. Agricultural Water Management, 146, 75–83. https://doi.org/10.1016/j.agwat.2014.07.022
Gao, B. (1996). NDWI-a normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment, 58, 256–266. https://doi.org/10.7717/peerj.6450
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202,18–27. https://doi.org/10.1016/j.rse.2017.06.031
Huang, C., Chen, Y., Zhang, S., & Wu, J. (2018). Detecting, extracting, and monitoring surface water from space using optical sensors: A review. Reviews of Geophysics, 56(2), 333–360. https://doi.org/10.1029/2018RG000598
Instituto Nacional de Tecnología Agropecuaria (INTA). (2022). Estación experimental agropecuaria cuenca del Salado. https://inta.gob.ar/cuencadelsalado
Kuppel, S., Houspanossian, J., Nosetto, M. D., & Jobbágy, E. G. (2015). What does it take to flood the Pampas? Lessons from a decade of strong hydrological fluctuations. Water Resources Research, 51(4), 2937–2950. https://doi.org/10.1002/2015WR016966
Lara, B., Gandini, M., Matteucci, S., & Scaramuzzino, R. (2019). Cambios en el funcionamiento de la región pampeana en los últimos 20 años: indicios del impacto del cambio global. Revista de la Asociación Argentina de Ecología de Paisajes, 9(1), 81–84. https://www.asadep.com.ar/l/cambios-en-el-funcionamiento-de-los-ecosistemas-de-la-region-pampeana-en-los-ultimos-20-anos-indicios-del-impacto-del-cambio-global/
Liu, Z., Yao, Z., & Wang, R. (2016). Assessing methods of identifying open water bodies using Landsat 8 OLI imagery. Environmental Earth Sciences, 75(10), 1–13. https://doi.org/10.1007/s12665-016-5686-2
Matteucci, S. (2012). Ecorregión Pampa. In J. Morello, S. Matteucci, A. Rodríguez, & M. Silva (Eds.), Ecorregiones y complejos ecosistémicos argentinos (pp. 391–446). Orientación Gráfica Editora. https://www.researchgate.net/profile/Silvia-Matteucci-2/publication/268447092_Ecorregiones_y_complejos_ ecosistemicos_Argentinos/links/598333be0f7e9b2ac353f62e/ Ecorregiones-y-complejos-ecosistemicos-Argentinos.pdf
Nossetto, M. D., Paez, R., Ballesteros, S., & Jobbágy, E. (2015). Higher water-table levels and flooding risk under grain vs. livestock production systems in the subhumid plains of the Pampas. Agriculture, Ecosystems and Environment, 206, 60–70. https://doi.org/10.1016/j.agee.2015.03.009
Passucci, V., Carmona, F., & Rivas, R. (2017). Identificación de zonas anegadas y no anegadas mediante técnicas de teledetección. Revista Estudios Ambientales, 5(2), 51–78. http://hdl.handle. net/11336/59498
Pekel, J., Cottam, A., Gorelick, N., & Belward, A. (2016). High-resolution mapping of global surface water and its long-term changes. Nature, 540, 418–422. https://doi.org/10.1038/nature20584
Pinilla, A., Guevara, C., Lara, B., & Kruse, E. (2019). Impactos de los cambios de uso del suelo sobre la recarga subterránea en una zona de llanura. Caso de estudio, cuenca superior del arroyo Del Azul. Revista de la Asociación Argentina de Ecología de Paisajes, 9(1), 40–44. https://ri.conicet.gov.ar/bitstream/handle/11336/132708/CONICET_Digital_Nro.8c4bf8f9-99d9- 4bce-9cf2-ad0bcff5b526_A.pdf?sequence=2&isAllowed=y
QGIS Development Team. (2022). QGIS Geographic Information System. Open Source Geospatial Foundation Project. http://qgis.osgeo.org/
Vázquez, P., Cabria, F., Rojas, M., & Calandroni, M. (2009). Riesgo de anegamiento: estimaciones para la Cuenca Baja del Río Salado. Ciencia del Suelo, 27(2), 237–246. http://www.scielo.org.ar/scielo.php?pid=S1850-20672009000200010&script=sci_ arttext&tlng=en
Vercelli, N., Varni, M., Lara, B., Entraigas, I., & Ares, G. (2019). Linking soil water balance with flood spatial arrangement in an extremely flat landscape. Hydrological Processes, 34(1), 21– 32. https://doi.org/10.1002/hyp.13567
Weiss, M., Jacob, F., & Duveiller, G., (2020). Remote sensing for agricultural applications: ameta-review. Remote Sensing of Environment, 236, 111–402. https://doi.org/10.1016/j.rse.2019.111402
Xie, H., Luo, X., Xu, X., Pan, H., & Tong, X. (2016). Evaluation of Landsat 8 OLI imagery for unsupervised inland water extraction. International Journal of Remote Sensing, 37(8), 1826–1844. https://doi.org/10.1080/01431161.2016.1168948
Xu, H. (2006). Modification of normalized difference water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing, 27(14), 3023– 3033. https://doi.org/10.1002/hyp.13567
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor 2024 Revista Chapingo Serie Ciencias Forestales y del Ambiente