Calibración, evaluación y validación de un método sinérgico óptico-microondas pasivas para la estimación de humedad en superficie a partir de datos remotos

Abstract

La humedad de suelo es una de las variables climáticas esenciales en la biósfera, pues se encuentra fuertemente relacionada a los procesos de intercambio de calor y de distribución de los flujos de energía en la interface superficie-atmósfera. Sin embargo, su determinación de manera periódica y a escala regional es difícil por medio de estimaciones puntuales. Frente a esto las técnicas de teledetección, y en particular las basadas en observaciones de microondas en banda L (1.4 Ghz), se presentan como una herramienta importante para su estimación periódica a escala regional. Lo métodos utilizados para estimar la humedad a partir de las observaciones de microondas de banda L, no suelen consideran los efectos de la cubierta vegetal sobre la señal recibida por un sensor remoto. Es por esto que se han desarrollado métodos semi-empíricos que buscan corregir los efectos de la cubierta vegetal en la estimación de humedad a partir de la información de un índice de vegetación. Para esta memoria se utilizaron los datos de temperatura de brillo bi-polarizada en banda L de la misión SMOS; el índice de vegetación de diferencia normalizada (NDVI) del sensor MODIS; la humedad y temperatura de los primeros 7 cm de suelo provenientes del “reanalysis” ERA-Interim, y 13 clases de cobertura de superficie obtenidas de la base de datos ECOCLIMAP. Los datos abarcan el periodo comprendido entre Enero de 2010 y Diciembre de 2012, y corresponden a la zona central de Chile. Con los datos se generó una base de 3 años de datos para cada pixel del área de estudio, con la cual se calibró, evaluó y validó un método de estimación de humedad de superficie tanto considerando el NDVI de MODIS, como no considerando un indicador de vegetación. Los resultados se analizaron según las clases de coberturas presentes en el área de estudio y en función del coeficiente de determinación (r2 ), de los coeficientes obtenidos en las regresiones y del “Unbiased Root Mean Square Difference” (ubRMSD). Los resultados mostraron aumentos en el r2 promedio para todas las clases de cobertura analizadas cuando se incorporó el NDVI de MODIS en la calibración del método. Los aumentos en el r2 variaron entre un 3% correspondiente a la clase de Cultivos y un 49% correspondiente a la clase de Matorral Cerrado. El ubRMSD presentó disminuciones de hasta un 1% de m3 /m3 en las clases de Bosque, Matorral Abierto y Matorral Leñoso, y disminuciones de hasta un 2% de m3 /m3 en la clase de Matorral Cerrado. El análisis de los resultados sugiere que la incorporación del NDVI de MODIS en el método semi-empírico es capaz de mejorar las estimaciones de humedad de superficie para algunas coberturas.

Soil moisture is one of the biosphere’s essential climatic variables, as it drives the processes of heat exchange and energy fluxes distribution between Earth’s surface and the atmosphere. However, it periodical monitoring at regional scales using in-situ measurements is complicated. In this context, remote-sensing techniques, and in particular those based in L-band microwaves observations, appear as an important tool for the periodical estimation of soil moisture at regional scales. The approaches used to estimate soil moisture from L-band microwaves observations usually do not take into account the effects of the vegetation cover in the signal received by a remote sensor. Because of this, several semi-empirical approaches have been developed in order to correct the effects of the vegetation cover in the soil moisture estimation by using the information from a vegetation index. For this work, several datasets were used: Bi-polarized brightness temperature from the SMOS mission, the normalized difference vegetation index (NDVI) from MODIS, the temperature and water content from the first 7 cm of soil depth from the ERA-Interim reanalysis, and 13 land cover classes obtained from the ECOCLIMAP data base. The data period included years 2010, 2011 and 2012, and the method was applied over the central area of Chile. Using the data, a 3-year database was compiled for every pixel of the study area, which was used to calibrate, evaluate and validate a semi-empirical approach to estimate soil moisture, both using the NDVI from MODIS, and not including any vegetation index in the approach. Results were analyzed for every land cover class using the determination coefficient (r2 ), the coefficients obtained from the regressions and the unbiased root mean square difference (ubRMSD). Results showed an increase in the average r2 for all land cover classes when a vegetation index was used in the calibration of the approach. These increases in r2 ranged from a 3% for the Crop class, to a 49% for the Closed Shrubland class. The ubRMSD presented a decrease in its value up to 1% m3 /m3 for the Woodlands, Open Shrublands and Woody Shrublands classes and up to 2% m3 /m3 for the Closed Shrubland class. The analysis of the results suggests that the use of MODIS’s NDVI in the semi-empirical approach is able to improve the soil moisture estimation for some of the land cover classes.