- -

Análisis espacial y temporal de la temperatura superficial en la microcuenca Apacheta mediante datos térmicos Landsat

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Análisis espacial y temporal de la temperatura superficial en la microcuenca Apacheta mediante datos térmicos Landsat

Mostrar el registro sencillo del ítem

Ficheros en el ítem

dc.contributor.author Moncada, W. es_ES
dc.contributor.author Willems, B. es_ES
dc.coverage.spatial east=-74.22975110745647; north=-13.177198104516764; name=Ayacucho 05003, Perú es_ES
dc.date.accessioned 2021-01-20T14:04:54Z
dc.date.available 2021-01-20T14:04:54Z
dc.date.issued 2020-12-28
dc.identifier.issn 1133-0953
dc.identifier.uri http://hdl.handle.net/10251/159575
dc.description.abstract [EN] High Andean ecosystems, such as grasslands and peatlands, are fragile and, due to the effects of climate change, their sustainability is being jeopardized. A key factor hampering sustainable management efforts from the government and communities, is the lack or scarcity of in-situ eco-hydrological and climate data. In that sense, remote sensing techniques offers a powerful alternative for the assessment of the evolution of these ecosystems, by providing a holistic view of the territory. The objective of this work is to determine both the spatial and temporal evolution of the local atmospheric temperature of the Apacheta micro-basin in Ayacucho over the past 34 years, using the soil surface temperature (SST) as a proxy. For this, thermal data of Landsat series (TM, ETM+ and TIRS sensors), covering the period from 1985 to 2018, were used. The TSS estimates were made from the emissivity correction of the brightness temperatures at the top of the atmosphere, considering the negligible atmospheric effect due to the conditions of high atmospheric transmissivity in the study area. The results show a positive trend of the SST with an increase of 4.9 °C, equivalent to 27.5% of the SST. Trends are higher (5.8 °C) in the snowy areas (equivalent to 35.3% of the TSS in the whole micro-basin). The SST in the snow area explains the 83.6% of the behavior of the snow cover derived by the NDSI, with a decreasing surface as SST increase. es_ES
dc.description.abstract [ES] Los ecosistemas altoandinos, como los pastizales y las turberas, son frágiles y, debido a los efectos del cambio climático, su sostenibilidad está en peligro. Un factor clave que obstaculiza los esfuerzos de gestión sostenible del gobierno y las comunidades es la falta o escasez de datos eco-hidrológicos y climáticos in situ. En ese sentido, las técnicas de teledetección ofrecen una poderosa alternativa para la evaluación de la evolución de esos ecosistemas, al proporcionar una visión holística del territorio. El objetivo de este trabajo es determinar la evolución espacial y temporal de la temperatura atmosférica local de la microcuenca Apacheta en Ayacucho en los últimos 34 años, utilizando la temperatura superficial del suelo (TSS) como aproximación. Para ello, se utilizaron los datos térmicos de la serie Landsat (sensores TM, ETM+ y TIRS), que abarcan el período comprendido entre 1985 y 2018. Las estimaciones de TSS se realizaron a partir de la corrección de emisividad de las temperaturas de brillo a nivel del techo de la atmósfera, considerando el efecto atmosférico despreciable debido a las condiciones de alta transmisividad atmosférica de la zona de estudio. Los resultados muestran una tendencia positiva de la TSS con un aumento de 4,9 °C, equivalente al 27,5% de la TSS. Las tendencias son más altas (5,8 °C) en las zonas nevadas (equivalente al 35,3% de la TSS en toda la microcuenca). La TSS en la zona de nieve explica el 83,6% del comportamiento de la cubierta de nieve derivado del NDSI, con una superficie decreciente a medida que la TSS aumenta. es_ES
dc.description.sponsorship Este trabajo ha sido posible gracias al apoyo financiero de los proyectos “Strengthening resilience of Andean river basin headwaters facing global change” (PGA_084063) y “Agua-Andes: Ecological infrastructure strategies for enhancing water sustainability in the semi-arid Andes” financiados por el Programa PEER de USAID, y el proyecto “International Water Security Network”, financiado por el Lloyd’s Register Foundation. Los autores agradecen a la Universidad Nacional de San Cristóbal de Huamanga por su incondicional apoyo. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.relation.ispartof Revista de Teledetección es_ES
dc.rights Reconocimiento - No comercial - Compartir igual (by-nc-sa) es_ES
dc.subject Brightness temperature es_ES
dc.subject NDSI es_ES
dc.subject Vegetation cover fraction es_ES
dc.subject Emissivity es_ES
dc.subject Soil surface temperature es_ES
dc.subject Temperatura de brillo es_ES
dc.subject Fracción de cubierta vegetal es_ES
dc.subject Emisividad es_ES
dc.subject Temperatura superficial del suelo es_ES
dc.title Análisis espacial y temporal de la temperatura superficial en la microcuenca Apacheta mediante datos térmicos Landsat es_ES
dc.title.alternative Spatial and temporal analysis of surface temperature in the Apacheta micro-basin using Landsat thermal data es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.4995/raet.2020.13855
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Moncada, W.; Willems, B. (2020). Análisis espacial y temporal de la temperatura superficial en la microcuenca Apacheta mediante datos térmicos Landsat. Revista de Teledetección. 0(57):51-63. https://doi.org/10.4995/raet.2020.13855 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.4995/raet.2020.13855 es_ES
dc.description.upvformatpinicio 51 es_ES
dc.description.upvformatpfin 63 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 0 es_ES
dc.description.issue 57 es_ES
dc.identifier.eissn 1988-8740
dc.relation.pasarela OJS\13855 es_ES
dc.description.references Aguilar, H., Mora, R., Vargas, C. 2014. Metodología para la corrección atmosférica de imágenes Aster, Rapideye, Spot 2 y Landsat 8 con el módulo Flaash del software Envi. Revista Geográfica de América Central, 2(53), 39-59. https://doi.org/10.15359/rgac.2-53.2 es_ES
dc.description.references Aguilar, J., Espinoza, R., Espinoza, J.C., Rojas, J., Willems, B.L., Leyva, W.M. 2019. Elevationdependent warming of land surface temperatures in the Andes assessed using MODIS LST time series (2000-2017). International Journal of Applied Earth Observation and Geoinformation, 77, 119- 128. https://doi.org/10.1016/j.jag.2018.12.013 es_ES
dc.description.references Araghi, A., Mousavi-Baygi, M., Adamowski, J. 2017. Detecting soil temperature trends in Northeast Iran from 1993 to 2016. Soil and Tillage Research, 174, 177-192. https://doi.org/10.1016/j.still.2017.07.010 es_ES
dc.description.references Artis, D. A., Carnahan, W.H. 1982. Survey of emissivity variability in thermography of urban areas. Remote Sensing of Environment, 12(4), 313-329. https://doi.org/10.1016/0034-4257(82)90043-8 es_ES
dc.description.references Arvidson, T., Barsi, J., Jhabvala, M., Reuter, D. 2013. Landsat and Thermal Infrared Imaging. En C. Kuenzer & S. Dech (Eds.), Thermal Infrared Remote Sensing: Sensors, Methods, Applications (pp. 177-196). Springer Netherlands. https://doi.org/10.1007/978-94-007-6639-6_9 es_ES
dc.description.references Avdan, U., Jovanovska, G. 2016. Algorithm for Automated Mapping of Land Surface Temperature Using Landsat 8 Satellite Data. Journal of Sensors, 2016, 1480307-1480307. https://doi.org/10.1155/2016/1480307 es_ES
dc.description.references Carlson, T.N., Ripley, D.A. 1997. On the relation between NDVI, fractional vegetation cover, and leaf area index. Remote Sensing of Environment, 62(3), 241-252. https://doi.org/10.1016/S0034-4257(97)00104-1 es_ES
dc.description.references Caselles, E., Abad, F.J., Valor, E., Caselles, V. 2011. Automatic Generation of Land Surface Emissivity Maps. Climate Change - Research and Technology for Adaptation and Mitigation, 15. https://doi.org/10.5772/24968 es_ES
dc.description.references Chi, Y., Sun, J., Sun, Y., Liu, S., Fu, Z. 2020. Multitemporal characterization of land surface temperature and its relationships with normalized difference vegetation index and soil moisture content in the Yellow River Delta, China. Global Ecology and Conservation, 23, e01092. https://doi.org/10.1016/j.gecco.2020.e01092 es_ES
dc.description.references Dozier, J. 1989. Spectral signature of alpine snow cover from the Landsat thematic mapper. Remote Sensing of Environment, 28, 9-22. https://doi.org/10.1016/0034-4257(89)90101-6 es_ES
dc.description.references Gutman, G., Ignatov, A. 1998. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models. International Journal of Remote Sensing, 19(8), 1533- 1543. https://doi.org/10.1080/014311698215333 es_ES
dc.description.references Huete, A., Didan, K., Miura, T., Rodriguez, E.P., Gao, X., Ferreira, L.G. 2002. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83(1), 195-213. https://doi.org/10.1016/S0034-4257(02)00096-2 es_ES
dc.description.references ITT Visual Information Solutions. 2009. ENVI Atmospheric Correction Module: QUAC and FLAASH User's Guide, Version 4.7, pp. 44. http://www.harrisgeospatial.com/portals/0/pdfs/ envi/Flaash_Module.pdf es_ES
dc.description.references Jiménez-Muñoz, J.C., Sobrino, J.A., Skoković, D., Mattar, C., Cristóbal, J. 2014. Land Surface Temperature Retrieval Methods From Landsat-8 Thermal Infrared Sensor Data. IEEE Geoscience and Remote Sensing Letters, 11(10), 1840-1843. https://doi.org/10.1109/LGRS.2014.2312032 es_ES
dc.description.references Mendoza, J.N. 2014. Implementación de un método operativo para la estimación de la temperatura superficial terrestre en la Región Callao usando datos de las imágenes satelitales. Universidad Nacional del Callao, 53. http://repositorio.unac.edu.pe/handle/UNAC/966 es_ES
dc.description.references Moncada, W., Pereda, A., Aldana, C., Masias, M., Jiménez, J. 2015. Cuantificación hidrográfica de la cuenca del río Cachi-Ayacucho, mediante imágenes satelitales. Instituto de Investigación Científica e innovación Tecnológica de la UNSCH, II. es_ES
dc.description.references Moncada, W., Willems, B., Rojas, J. 2020. Estimación de estadíos estacionales a partir de parámetros climáticos medidos en la estación meteorológica de la microcuenca Apacheta, Región Ayacucho, 2000 al 2018. Revista de Investigación de Física. UNMSM, 23(2), 17-25. https://fisica.unmsm.edu.pe/ rif/previo_files/2020-2/03moncada.pdf es_ES
dc.description.references Pereda, A., Moncada, W., Verde, L. 2018. Respuesta nival de la cabecera de cuenca Cachi-Apacheta de Ayacucho: Vol. I. Editorial Académica Española. https://www.morebooks.shop/store/es/book/ respuesta-nival-de-la-cabecera-de-cuenca-cachiapacheta-de-ayacucho/isbn/978-620-2-12620-5 es_ES
dc.description.references Quispe, B.J., Révolo, R.H. 2020. Temperatura superficial y estado de la vegetación del bosque de Polylepis spp, distrito de San Marcos de Rocchac, Huancavelica - Perú. Enfoque UTE, 11(3), 69-86. https://doi.org/10.29019/enfoque.v11n3.592 es_ES
dc.description.references Rudjord, Due, 2012. Evaluation of FLAASH atmospheric correction (SAMBA/10/12; p. 24). Norwegian Computing Center. http://publications. nr.no/1338298623/Rudjord-Trier_FLAASH_2012. pdf es_ES
dc.description.references Santos, B. 2016. Cubierta Nival y Temperaturas de Superficie en Sierra Nevada a través del tratamiento digital de imágenes de satélite [Tesis Doctoral, Universitat de Barcelona]. http://diposit.ub.edu/dspace/handle/2445/108441 es_ES
dc.description.references Sayão, V.M., Demattê, J.A.M., Bedin, L.G., Nanni, M.R., Rizzo, R. 2018. Satellite land surface temperature and reflectance related with soil attributes. Geoderma, 325, 125-140. https://doi.org/10.1016/j.geoderma.2018.03.026 es_ES
dc.description.references Sobrino, J., Jiménez, J., Paolini, L. 2004. Land surface temperature retrieval from Landsat TM 5. Remote Sensing of Environment, 90(4), 434-440. https://doi.org/10.1016/j.rse.2004.02.003 es_ES
dc.description.references Solman, S.A., Nuñez, M.N., Cabré, M.F. 2008. Regional climate change experiments over southern South America. I: Present climate. Climate Dynamics, 30(5), 533-552. https://doi.org/10.1007/s00382-007-0304-3 es_ES
dc.description.references USGS, Landsat Collections, Landsat Missions. Consultado el 14 de octubre de 2019, de https://www.usgs.gov/land-resources/nli/landsat. es_ES
dc.description.references Vuille, M., Bradley, R.S. 2000. Mean annual temperature trends and their vertical structure in the tropical Andes. Geophysical Research Letters, 27(23), 3885- 3888. https://doi.org/10.1029/2000GL011871 es_ES
dc.description.references Weng, Q., Lu, D., Schubring, J. 2004. Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies. Remote Sensing of Environment, 89(4), 467-483. https://doi.org/10.1016/j.rse.2003.11.005 es_ES
dc.description.references Xu, C., Qu, J.J., Hao, X., Zhu, Z., Gutenberg, L. 2020. Surface soil temperature seasonal variation estimation in a forested area using combined satellite observations and in-situ measurements. International Journal of Applied Earth Observation and Geoinformation, 91, 102156. https://doi.org/10.1016/j.jag.2020.102156 es_ES
dc.description.references Zhang, A., Liu, X., Di, W. 2009. Derivation of the green vegetation fraction from TM data of three gorges area. Procedia Earth and Planetary Science, 1(1), 1152- 1157. https://doi.org/10.1016/j.proeps.2009.09.177 es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem