Monitoreo de la concentración de materias en suspensión derivada de satélites1. IntroducciónLa Agencia Nacional de Aguas de Brasil (ANA) y el Instituto Nacional Francés de Investigación para el Desarrollo Sostenible (IRD), a través de un acuerdo con la Agencia Brasileña de Cooperación, desarrollan desde 2009 el proyecto de cooperación técnica Monitoreo Hidrológico de Grandes Cuencas (Cantidad y Calidad) – Proyecto “MEG-HIBAM”, que tiene como objetivo demostrar la posibilidad de monitorear los parámetros hidrológicos utilizando sensores espaciales. En el marco del proyecto MEG-HIBAM, se desarrollaron actividades para producir estimaciones de los niveles de los ríos y embalses utilizando sensores de radar altimétricos y para evaluar la calidad del agua, utilizando parámetros de calidad extraídos de sensores de imágenes espaciales. Se desarrollaron herramientas para el procesamiento de datos en gran cantidad, produciendo series temporales de parámetros hidrológicos en las regiones Amazónica y Nordeste. Estas herramientas se integraron en un sistema de difusión cartográfica en línea (HidroSat) para la visualización de estimaciones de concentraciones de sedimentos y pigmentos de algas en estaciones “virtuales” en la Amazonía y en la región Nordeste. Con el objetivo de sistematizar el conocimiento generado por las actividades realizadas en el proyecto “MEG-HYBAM”, ANA y IRD prepararon esta página, para que los usuarios sin conocimientos previos tengan acceso a la información técnica que permitió el procesamiento de imágenes satelitales para la extracción de los parámetros de calidad del agua que están disponibles en el sistema HidroSat. El propósito de esta página es presentar: Essas ferramentas foram integradas num sistema de difusão cartográfico online (HidroSat) para a visualização das estimativas de concentração de sedimentos e de pigmentos algais em estações “virtuais” da Amazônia e da região Nordeste. Visando sistematizar os conhecimentos gerados pelas atividades realizadas no Convênio, a ANA e o IRD elaboraram esta pagina, de forma que usuários sem conhecimento prévio tenham acesso a informações técnicas que possibilitaram o processamento de imagens de satélite para a extração de parâmetros de qualidade de água e que são disponibilizados no sistema HidroSat. O objetivo desta pagina é apresentar: 1) conceptos teóricos del comportamiento espectral del agua; 2. Propiedades ópticas del agua2.1 FUNDAMENTOS DE LA RADIOMETRÍA ÓPTICA ESPECTRALLa radiometría es la medida cuantitativa de la intensidad de cualquiera de los tipos de radiación conocidos, como la radiación electromagnética, emitida por el sol o por una fuente artificial como una lámpara (Meneses & Netto, 2001). La radiación electromagnética tiene la propiedad de propagarse en el espacio vacío, lo que permite su uso con fines de teledetección, ya que puede ser detectada por sensores de cámaras fotográficas o de imágenes multiespectrales a bordo de aviones o satélites. En la región del espectro electromagnético que se extiende desde el rango de longitud de onda de lo visible hasta el infrarrojo de las ondas cortas, de 400 a 2500 nm (0,4 a 2,5 µm), la radiación electromagnética recibe la denominación de óptica, cuya propiedad principal es poder ser reflejada por las superficies de los objetos según las leyes ópticas de reflexión (Meneses & Netto, 2001). 2.2 CONCEPTO DE REFLECTANCIACada material u objeto reacciona espectralmente de manera diferente a la energía iluminante que proviene del sol. Cuando la energía electromagnética alcanza la superficie de un objeto, se producen intercambios de energía que provocan la absorción, reflexión y/o transmisión de parte de la energía incidente. La cantidad de energía para cada una de estas formas de interacción está relacionada con las propiedades físicas, químicas y biológicas del objeto, y con propiedades externas como la geometría de medición (Meneses & Netto). La reflectancia es la relación porcentual entre la intensidad de la energía reflejada por el objeto y la intensidad de la energía incidente. Numerosos estudios sistemáticos de mediciones de reflectancia, con el detalle del comportamiento espectral de los blancos y la caracterización a través de curvas espectrales de los patrones de reflectancia de diferentes objetos, han generado conocimientos fundamentales para la extracción de información sobre la naturaleza de los objetos contenidos en los píxeles de las imágenes, proporcionando recursos a investigadores y usuarios para la interpretación de imágenes multiespectrales. 2.3 MEDICIONES ESPECTRO-RADIOMÉTRICASLa espectrorradiometría de reflectancia es una técnica que mide a diferentes longitudes de onda la energía electromagnética reflejada desde la superficie de los objetos y se representa en forma de un gráfico que se denomina curva de reflectancia espectral (Meneses & Netto, 2001). El coeficiente de absorción de agua pura es mínimo en la región entre 400 y 600 nm, aumentando rápidamente en la región del infrarrojo cercano. Por lo contrario, el coeficiente de dispersión de agua pura es máximo en el rango azul y disminuye exponencialmente hacia el infrarrojo. Estimando el espectro de reflexión del agua por la relación entre el coeficiente de retrodispersión (BB) y el coeficiente de absorción (a), la energía reflejada por el agua pura es máxima en el rango del azul y disminuye hacia el rojo, tendiendo a presentar el color azul cuando se observa desde un satélite. 2.4 COMPORTAMIENTO ESPECTRAL DEL AGUAEl comportamiento espectral de los sistemas acuáticos continentales está relacionado con la concentración de componentes ópticamente activos en el agua. Estos componentes son sustancias en suspensión o solución en el agua que provocan cambios en el color del agua pura dependiendo de su concentración y naturaleza. Hay tres grandes grupos de componentes ópticamente activos: * Partículas inorgánicas y orgánicas en suspensión en el agua (sedimentos); Influencia de los organismos vivos: Los pigmentos responsables de la fotosíntesis del fitoplancton -clorofilas, carotenoides y biliproteínas- provocan la absorción selectiva de la radiación electromagnética que penetra en la superficie del agua. La mayoría de las plantas tienen clorofilas a, b, c y más raramente d, y la clorofila a es la que ocurre en mayor abundancia. Entre las algas, sin embargo, la concentración de clorofila varía ampliamente. La relación entre la concentración de clorofila a y b también varía de especie a especie, y puede alcanzar valores mínimos alrededor de 1.0 mg/l en especies marinas hasta 6.0 mg/L para Euglenophyta (Meneses & Netto, 2001). Las regiones azules y rojas son los principales rangos de absorción de los pigmentos de fitoplancton (Tabla 1). Así, un aumento en la concentración de algas en el agua implica principalmente una reducción en la reflectancia del agua en la región azul (Meneses & Neto, 2001).
Tabla 1. Bandas de absorción de pigmentos fotosintéticos. A medida que aumenta la concentración de pigmentos, se produce una disminución constante de la energía reflejada por el agua en las bandas de absorción de los pigmentos. La máxima reflectancia del agua pasa gradualmente de la región azul a la verde, mientras que al mismo tiempo comienza a producirse un aumento de la energía reflejada en la región de alrededor de 680-700 nm, que corresponde a la región de emisión asociada a la fluorescencia por clorofila. Por lo tanto, las aguas con altas concentraciones de pigmentos tenderán a presentar color verde, ya que la máxima energía reflejada ocurre en la región verde (Meneses & Netto, 2001). Martínez y otros (2011) estudiaron los procesos de eutrofización de 4 grandes reservorios en la región noreste de Brasil utilizando imágenes MODIS de 2000 a 2010. Durante la investigación, se llevaron a cabo campañas de campo durante las estaciones seca y húmeda para medir diversos parámetros de calidad del agua, incluidos los pigmentos y las concentraciones de nutrientes a diferentes profundidades en la columna de agua, y mediciones radiométricas hiperespectrales, con el fin de relacionar estos datos con los datos de reflectancia del sensor MODIS. El estudio encontró un fuerte contraste del comportamiento espectral entre las aguas marcadas con fitoplancton y las aguas cargadas de sedimentos. Cerca de la longitud en la que se observaron 440 nm se observa una mínima reflectancia causada por la máxima absorción de clorofila A. Un pico de reflectancia de longitud de onda de 560 nm en el rango verde representa la absorción mínima de todos los pigmentos de algas y está relacionado con la dispersión causada por la materia inorgánica suspendida y la respuesta de las paredes celulares de fitoplancton. En el rango de 620 a 630 nm, se observa una marcada disminución en la reflectancia causada por la absorción del pigmento de ficobillina de las cianobacterias. Un agujero de reflectancia cerca de la longitud de onda de 670 nm se debe a la absorbancia máxima de la clorofila A en el rango rojo del espectro. La investigación demostró la eficacia del uso de imágenes MODIS para monitorizar los procesos de eutrofización en los cuatro reservorios estudiados, demostrando que las bandas espectrales del sensor MODIS son adecuadas para monitorizar la eutrofización mediante la cuantificación de la absorción mínima de clorofila-a cerca de la banda de 560 nm. Influencia de partículas inorgánicas en suspensión: Las partículas suspendidas, especialmente las inorgánicas, también pueden aumentar el coeficiente de absorción de agua. Según Meneses & Netto (2001), las medidas indirectas muestran que el coeficiente de absorción de partículas tiende a tener un comportamiento espectral similar al de la materia orgánica disuelta, con una absorción máxima en azul. El efecto principal de las partículas es aumentar el coeficiente de dispersión en el agua; cuanto mayor sea la concentración de sólidos en suspensión totales en el agua, mayor será el coeficiente de dispersión en el agua. Los experimentos con material edáfico con fracciones orgánicas e inorgánicas mostraron un aumento en la reflectancia del volumen de agua. Estudios de laboratorio han demostrado que la fracción inorgánica es la mayor responsable del aumento de la reflectancia del agua debido a su mayor índice de refracción. Con una mayor concentración de sedimentos suspendidos en el agua se produce un desplazamiento del máximo de reflectancia del agua hacia longitudes de onda más largas, además, se produce una ampliación de la región espectral en la que se produce este máximo, que comienza a comportarse con un nivel de reflectancia casi constante entre 500 y 700 nm. También hay un crecimiento expresivo de la reflectancia en la región infrarroja. Según Martínez et al (2009), numerosos estudios se refieren a la sensibilidad de la reflectancia de los sensores remotos a las concentraciones de sedimentos en suspensión en los océanos y aguas continentales. Un número significativo de investigadores han reportado una fuerte correlación positiva entre las concentraciones de sedimentos suspendidos en la superficie (SSS) y la radiación espectral, y han observado que la relación puede depender del rango de concentración, de los tipos de agua y del origen de la materia suspendida. La mayoría de los estudios coinciden en que la mejor correlación entre la reflectancia y la CSS es entre 700 y 800 nm en aguas interiores turbias. Martínez et al. (2009) cuantificaron el balance sedimentario en el río Amazonas utilizando datos de reflectancia derivados de 554 imágenes de sensores espaciales MODIS (Moderate-resolution Imaging Spectroradiometer) del período 2000 a 2009, y datos mensuales sobre la carga sedimentaria suspendida de la red de monitoreo HYBAM del período 1995 a 2007. Los resultados muestran un aumento de la reflectancia del agua extraída de la banda infrarroja MODIS en función de las mediciones de la concentración de sedimentos suspendidos en la superficie. El estudio también presentó una ecuación que relaciona los sedimentos suspendidos en superficie y los sedimentos suspendidos medios, estos últimos obtenidos en 18 campañas de muestreo realizadas entre 1995 y 2003. Así, el estudio determinó la descarga media de sólidos del río Amazonas en Óbidos en el período 1996-2007, contribuyendo a la cuantificación de los procesos de erosión en uno de los principales ecosistemas naturales remanentes. Con respecto a la reflectancia superficial de las aguas del río Amazonas, los datos de reflectancia parecen ser robustos con la concentración de sedimentos suspendidos en la superficie del río en un amplio rango de concentración y durante varios ciclos hidrológicos consecutivos. Gracias a la combinación de una excelente resolución temporal y una calibración fina, los datos MODIS se pueden utilizar operativamente con observaciones de campo para proporcionar más información a cuencas mal evaluadas, así como a cuencas grandes. Influencia de las sustancias orgánicas disueltas en el agua: Kirk (1994) muestra un aumento exponencial del coeficiente de absorción del agua hacia las longitudes de onda más largas. Mobley (1994) sugiere que la presencia de coloides asociados con materia orgánica disuelta promueve un aumento en el coeficiente de retrodispersión hacia longitudes de onda más largas, es decir, con un aumento en la concentración de materiales disueltos en agua, la reflectancia de la región azul disminuye hasta un punto en el que la máxima reflectancia comienza a ocurrir en la región verde y roja, lo que le da al agua un color amarillo. Según Meneses (2001), cuando la concentración de sustancias orgánicas disueltas es muy alta, como en el caso del Río Negro en el Amazonas, la absorción supera la dispersión y prácticamente no hay energía retrocedida por el volumen de agua, la cual adquiere un aspecto negro cuando se encuentra en grandes volúmenes. Mantovani (1993) muestra, en simulaciones de laboratorio, que el aumento de la concentración de materia orgánica disuelta está asociado a la reducción de la reflectancia del agua en la región de azul y verde. En la región roja (alrededor de 650 nm), la reflectancia prácticamente no cambia con la variación de la concentración de materia orgánica y, en la región infrarroja, la reflectancia del agua se expande con la materia orgánica disuelta. Con el aumento de la concentración de materia orgánica disuelta en el agua, el agua tenderá primero a un color amarillo, y luego a un rojo más oscuro de acuerdo con los bajos niveles de reflectancia. 3. Posprocesamiento de imágenes MODIS3.1 PROGRAMA MOD3RMOD3R (MODIS Reflectance Retrieval over Rivers) es un programa de posprocesamiento de imágenes MODIS desarrollado por el IRD en lenguaje JAVA para la extracción de series temporales de reflectancia de imágenes MODIS de masas de agua. Es una funcionalidad desarrollada para ser fácilmente utilizada por personas que trabajan con mediciones de concentración de sedimentos o fitoplancton en cuerpos de agua. El mismo software está implementado en el sistema Hidrosat para procesar automáticamente las imágenes MODIS. El algoritmo desarrollado para el programa determina de forma precisa y consistente a lo largo del tiempo los píxeles de agua pura en una imagen, o sus mejores candidatos, independientemente del tipo de morfología del río. Al extraer los valores de reflectancia de las bandas roja e infrarroja de las imágenes MODIS, es posible determinar las concentraciones superficiales de sedimentos y fitoplancton en el agua. El programa presenta una interfaz sencilla para seleccionar las imágenes y los parámetros necesarios para los cálculos. Se generan varios archivos de salida con resúmenes de las imágenes procesadas. El resultado de cada imagen va acompañado de un indicador de calidad codificado entre uno y tres, lo que da una sensación de confianza que puede atribuirse al valor encontrado. La información que se puede extraer de las imágenes de satélite para la investigación en hidrología depende tanto de la geomorfología del río (principalmente de la anchura del tramo del río estudiado), como de la meteorología y de la geometría de adquisición de la imagen (la resolución final de los píxeles depende del ángulo de visión del satélite y de la posición del sol). El MOD3R es una versión para uso individual con una interfaz específica. El mismo programa está siendo operado automáticamente en Hidrosat. 3.2 DESARROLLO DEL PROGRAMAEl software MOD3R fue desarrollado en lenguaje de programación JAVA, lenguaje orientado a objetos, robusto, libre y ampliamente utilizado en todo el mundo, que permite la creación de runnables independientes del tipo de máquina, proporcionando una buena portabilidad. Estas características permitirán la ejecución de actualizaciones rápidas y sencillas para el desarrollo de software en el futuro. 3.3 ALGORITMO DE EXTRACCIÓN AUTOMÁTICA DE REFLECTANCIAMartínez et al. (artículo en revisión) han desarrollado un algoritmo para separar dentro de una imagen de satélite los píxeles que presentan una respuesta espectral de agua de otros píxeles en los que la respuesta se mezcla con otros blancos, como la vegetación y los suelos en las orillas de los cuerpos de agua. El proceso de mezcla espectral depende de la resolución espacial del píxel que cambia con cada adquisición, ya que el ángulo de adquisición en una imagen MODIS puede variar de -53 grados a +53 grados. Esta variabilidad, junto con la variación del propio espejo de agua en función del período hidrológico, hace imposible, en la mayoría de las masas de agua continentales (ríos, lagos), asegurar que un determinado píxel sea siempre un píxel representativo del agua. El programa MOD3R permite procesar automáticamente un gran número de imágenes informando únicamente el área de interés de la imagen mediante la selección de una máscara. Si hay varios puntos de interés en una imagen (río, lago, etc…), será necesario crear tantas máscaras como puntos de interés haya. MOD3R sólo procesa los productos MODIS MOD/MYD09Q1 y MOD/MYD09A1 en formato HDF que han sido descargados del banco de imágenes GETMODIS dentro del sistema HidroSat. Estas imágenes fueron producidas a partir de un recorte espacial de los productos MOD09/MYD09 y una selección de bandas radiométricas y metadatos. La extracción de la reflectancia del agua es realizada por el MOD3R en 4 pasos: Seleccionar el área de interés en la imagen: El área de interés se extraerá en cada imagen del área delimitada por la máscara seleccionada en la función “Elegir archivo de máscara” de la ventana principal de MOD3R. Estimación y clasificación de píxeles en grupos homogéneos: A través del algoritmo estadístico se crean grupos homogéneos (clusters) de píxeles. Este método de clasificación no supervisada busca formar grupos K, representados por el centro del grupo (en el espacio espectral) y la dispersión de los valores de los otros píxeles en el grupo dado. Aplicación de un modelo lineal de mezcla espectral: Una vez definidos los grupos en el paso anterior, se selecciona el que mejor representa el agua Refagua). Como este grupo final a priori no se conoce, es necesario probar cada grupo Gi para determinar cuál es el que mejor describe el proceso de mezcla espectral en todos los demás grupos Gj. La ecuación de mezcla espectral se escribe para cada banda radiométrica y para cada grupo el resultado de la segmentación i con 1 ≤ i ≤ K. Así, sólo hay dos incógnitas: las fracciones i para cada grupo “j”. Con dos ecuaciones (para la banda roja y la banda infrarroja) para cada grupo Gj se resuelve el sistema de ecuaciones produciendo estimaciones de i, i and εi. Después de resolver el sistema de ecuaciones, se añade una condición de positividad de las fracciones para forzar al algoritmo a producir estimaciones realistas de las fracciones. Este proceso se repite para cada grupo de Gj para almacenar finalmente el residuo total t que se asocia con el candidato para recordar el agua de Gi. De una manera interactiva, cada grupo es probado como candidato a grupo de agua Gi y el grupo que produce el valor más pequeño de εt es seleccionado como el grupo final de agua. 3.4 PRODUCTOS GENERADOSLa aplicación puede generar hasta 4 productos:
Tabla 2 – Descripción de los campos de la hoja de datos. La columna 18 muestra una clasificación del nivel de calidad de la imagen en 4 niveles: 0: sin datos; 1: datos de calidad óptima; 2: datos de calidad media; 3: datos de mala calidad. Los datos de mala calidad deben ser descartados después del procesamiento. Las ocurrencias más comunes de calidad “3” se asocian con la reflexión de la luz del sol por el espejo de agua causando el proceso de “destello del sol”. Los datos de calidad 2 corresponden a datos adquiridos en condiciones adversas (ángulo de incidencia superior a 45 grados o fuerte nubosidad). Por lo tanto, para una estimación rápida de los parámetros de calidad es aconsejable descartar automáticamente los datos de calidad 2 y 3. En un segundo paso, se puede considerar que los datos de calidad “2” aumentan la cantidad de mediciones y deberían ser criticados en función de los datos disponibles en un futuro próximo. 4. Lista bibliográfica sobre la utilización de imágenes de satélite y espectro-radiómetros para el monitoreo de los parámetros de calidad del aguaDekker A.G., R.J.V., S.W.M. Peters (2002). Analytical algorithms for lake water TSM estimation for retrospective analyses of TM and SPOT sensor data. International journal of remote sensing, 23, 15-35 Aranuvachapun, S., & Walling, D.E. (1988). Landsat-MSS Radiance as a measure of suspended sediment in the lower Yellow River (Hwang Ho). Remote Sensing of Environment, 25, 145-165 Bhargava, D.S., & Mariam, D.W. (1991). Effects of suspended particle size and concentration on reflectance measurements. Photogrammetric Engineering Remote Sensing, 57, 519-529 Chen, Z., Hu, C., & Muller-Karger, F. (2007). Monitoring turbidity in Tampa Bay using MODIS/Aqua 250-m imagery. Remote Sensing of Environment, 109, 207-220 Dekker, G.A., & Malthus, T.J. (1991). Quantitative Modeling of Inland Water Quality for High-Resolution MSS Systems. IEEE Transactions on Geoscience and Remote Sensing, 29, 89-95 Doxaran, D., Froidefond, J.M., Lavender, S., & Castaing, P. (2002). Spectral signature of highly turbid waters. Application with SPOT data to quantify suspended particulate matter concentrations. Remote Sensing of Environment, 81, 149-161 Hu, C., Chen, Z., Clayton, T.D., Swarzenski, P., Brock, J.C., & Muller-Karger, F.E. (2004). Assessment of estuarine water-quality indicators using MODIS medium-resolution bands: Initial results from Tampa Bay, FL. Remote Sensing of Environment, 93, 423-441 Justice, C.O., Townshend, J.R.G., Vermote, E.F., Masuoka, E., Wolfe, R.E., Saleous, N., & al., e. (2002). An overview of MODIS land data processing and product status. Remote Sensing of Environment, 83, 3-15 Kirk, J.T.O. (1994). Light and Photosynthesis in Aquatic Ecosystems: Cambridge University Press Martinez J.M., JL Guyot, G Cochonneau, F Seyler. Surface water quality monitoring in large rivers with MODIS data – Application to the amazon basin. Proceedings of International Geoscience and Remote Sensing Symposium IGARSS 2007. Barcelona, July 2007 Martinez J.M., L. Maurice-Bourgoin, P. Moreira-Turcq, F. Seyler and J.L. Guyot. Amazon floodplain water quality monitoring using MERIS and MODIS data. Proceedings of the ENVISAT & ERS Symposium, 6-10 September 2004, Salzburg, Autriche, ESA publication SP-572, (CD-ROM), 10 p., 2004 Mertes, L.A.K., Smith, C.T., & Adams, J.B. (1993). Estimating Suspended Sediment Concentrations in Surface Waters of the Amazon River Wetlands from Landsat Images. Remote Sens.Environ., 43, 281-301 Miller, R.L., & McKee, B.A. (2004). Using MODIS Terra 250 m imagery to map concentrations of total suspended matter in coastal waters. Remote Sensing of Environment, 93, 259-266 Novo, E.M.L.M., Hamsom, J.D., & Curran, P.J. (1989a). The effect of sediment type on the relationship between reflectance and suspended sediment concentrations. International journal of remote sensing, 10, 1283-1289 Novo, E.M.L.M., Hamsom, J.D., & Curran, P.J. (1989b). The effect of viewing geometry and wavelength on the relationship between reflectance and suspended sediment concentration. International journal of remote sensing, 10, 1357-1372 Thiemann, S., & Kaufmann, H. (2002). Lake water quality monitoring using hyperspectral airborne data – a semiempirical multisensor and multitemporal approach for the Mecklenburg Lake District, Germany. Remote Sensing of Environment, 81, 228-237 Toole, D.A., D.A., S., Menzies, D.W., Neumann, M.J., & Smith, R.C. (2000). Remote-sensing reflectance determinations in the coastal ocean environment: impact of instrumental characteristics and environmental variability. Applied Optics, 39, 456-469 |