SERIES TEMPORALES DE VEGETACIÓN PARA UN MODELO HIDROLÓGICO DISTRIBUIDO Trabajo de Fin de Máster Máster en Hidráulica Ambiental Autor: ADOLFO DÍAZ GUTIÉRREZ Grupo de Hidrología e Hidráulica Agrícola Departamento de Agronomía Universidad de Córdoba Tutoras: MARÍA JOSÉ POLO GÓMEZ MARÍA PATROCINIO GONZÁLEZ DUGO Septiembre 2007 Índice general Agradecimientos...........................................................................................................1 Introducción y objetivos.............................................................................................. 3 I. Series temporales de vegetación 1. Estudio de la vegetación mediante teledetección ........................................... 7 2. Zona de estudio .............................................................................................. 11 3. Análisis del tipo de vegetación .......................................................................15 3.1. Clasificación de la cuenca ..........................................................................................15 3.2. Distribución espacial de la vegetación .....................................................................19 3.3. Validación de la clasificación.....................................................................................21 4. Evolución temporal de la vegetación ............................................................ 27 4.1. Selección de imágenes de satélite..............................................................................27 4.2. Procesamiento y validación de las imágenes...........................................................32 4.3. Evolución temporal de la cobertura vegetal ...........................................................35 II. Modelo distribuido de interceptación de lluvia 5. Pérdidas por interceptación de lluvia ............................................................ 45 6. Modelo de interceptación .............................................................................. 49 7. Aplicación a escala de cuenca ....................................................................... 55 7.1. El Modelo Guadalfeo.................................................................................................55 7.2. Datos meteorológicos ................................................................................................57 7.3. Capacidad de almacenamiento de la cubierta vegetal............................................59 8. Resultados del modelo y discusión ............................................................................61 8.1. Resultados básicos del modelo .................................................................................61 8.2. Interceptación a escala de cuenca.............................................................................63 8.3. Interceptación por tipo de vegetación .....................................................................70 Conclusiones ............................................................................................................. 75 Futuras líneas de investigación................................................................................. 77 I Anejos A. Pre-procesamiento de las imágenes de satélite.....................................................81 A.1. Esquema del proceso.........................................................................................................81 A.2. Corrección geométrica.......................................................................................................82 A.3. Calibración radiométrica ...................................................................................................83 A.4. Corrección atmosférica......................................................................................................84 A.5. Corrección topográfica......................................................................................................85 A.6. Fuentes de error .................................................................................................................89 B. Campañas de medida en campo........................................................................... 93 B.1. Medidas de reflectividad y cobertura vegetal..................................................................93 B.2. Validación de las imágenes pre-procesadas ....................................................................97 C. Revisión capacidad de almacenamiento de la cubierta vegetal........................... 99 Bibliografía ............................................................................................................... 103 II Índice de figuras 1.1. Respuesta espectral típica de la vegetación. Fuente: Chuvieco (1996) ...............................9 2.1. Esquema de la cuenca del río Guadalfeo ..............................................................................11 2.2. Modelo digital de elevaciones e hidrografía de la cuenca del río Guadalfeo ...................12 2.3. Imagen de la ladera Oeste de la subcuenca del río Torvizcón (3 de agosto de 2004)..........................................................................................................................................13 3.1. Algunas de las áreas de entrenamiento seleccionadas sobre la imagen de satélite para la clasificación supervisada ............................................................................................17 3.2. Mapa de coberturas del suelo de la cuenca del río Guadalfeo derivada de imágenes Landsat de los años 2003-2005. ...........................................................................20 3.3. Mapa de coberturas de la cuenca de Guadalfeo y distribución de la muestra de puntos para la elaboración de la matriz de error.................................................................23 4.1. Imágenes Landsat disponibles para el año hidrológico 2002/03. .....................................29 4.2. Imágenes Landsat disponibles para el año hidrológico 2003/04. .....................................30 4.3. Imágenes Landsat disponibles para el año hidrológico 2004/05. .....................................31 4.4. Distribución de valores de NDVI en las 15 imágenes disponibles de la cuenca Guadalfeo. ................................................................................................................................34 4.5. Relación entre la fracción de cobertura calculada con la imagen de satélite de 18ago-04 y la medida en campo el 2-3 agosto 2004. ..............................................................35 4.6. Mapa de cobertura vegetal de la cuenca del Guadalfeo de 30-mar-05. ............................36 4.7. Ejemplo de zonas seleccionadas para analizar su evolución temporal según la clase de cubierta vegetal. La imagen de fondo es la imagen Landsat de 28-ene-03 visualizada mediante una combinación de bandas 4-3-2. ..................................................37 4.8. Evolución temporal de las cubiertas vegetales de la cuenca del Guadalfeo durante el periodo 1septiembre2002 – 31agosto2005......................................................................39 4.9. Evolución temporal de la cubierta de matorral en función la precipitación y la temperatura. .............................................................................................................................41 6.1. Balance de agua en la cubierta vegetal. ..................................................................................49 III 6.2. Esquema del modelo de interceptación aplicado. Se representan las variables que intervienen en su ejecución. ...................................................................................................53 7.1. Estaciones meteorológicas de la cuenca. Fuente: Aguilar y Polo (2006)..........................57 7.2. Precipitación media (mm/año) entre 1999-2002. Fuente: Herrero (2006). .....................58 7.3. Temperatura media anual (ºC) entre 1990-2002. Fuente: Herrero (2006). ......................58 8.1. Evolución horaria de la humedad de la cubierta vegetal y de los flujos de precipitación incidente (P), evaporación potencial (Ep), evaporación real de agua interceptada (E), y lluvia interceptada (I). Los datos corresponden a un evento de lluvia (28-29 noviembre 2002), en el que se registraron 20.6 mm de lluvia sobre una cubierta de almendros. .........................................................................................62 8.2. Relación entre intensidad de lluvia y pérdidas por interceptación para los eventos ocurridos en el año hidrológico 2003/2004 sobre un píxel de coníferas en la cuenca del Guadalfeo..............................................................................................................63 8.3. Distribución espacial de la precipitación en la cuenca del Guadalfeo en el año hidrológico 2002/2003. Los valores característicos fueron: Pmax = 1052.9 mm; Pmin = 419 mm; Pmed = 671 mm. ...........................................................................................65 8.4. Distribución espacial de la precipitación en la cuenca del Guadalfeo en el año hidrológico 2003/2004. Los valores característicos fueron: Pmax = 1487 mm; Pmin = 423 mm; Pmed = 826.9 mm.................................................................................................65 8.5. Distribución espacial de la precipitación en la cuenca del Guadalfeo en el año hidrológico 2004/2005. Los valores característicos fueron: Pmax = 543.1 mm; Pmin = 201 mm; Pmed = 320.3 mm.................................................................................................66 8.6. Distribución espacial de las pérdidas por interceptación en la cuenca del Guadalfeo en el año hidrológico 2002/2003. Los valores característicos fueron: Imax = 108.5 mm; Imed = 40.8 mm. .........................................................................................66 8.7. Distribución espacial de las pérdidas por interceptación en la cuenca del Guadalfeo en el año hidrológico 2003/2004. Los valores característicos fueron: Imax = 121.6 mm; Imed = 37.4 mm..........................................................................................67 8.8. Distribución espacial de las pérdidas por interceptación en la cuenca del Guadalfeo en el año hidrológico 2004/2005. Los valores característicos fueron: Imax = 45.4 mm; Imed = 15.3 mm............................................................................................67 8.9. Relación entre la intensidad de lluvia media de un evento y las pérdidas por interceptación para el periodo 2002-2005 ..........................................................................70 8.10. Pérdidas por interceptación acumuladas (expresadas como porcentaje de la precipitación anual) para los tipos de cubierta vegetal característicos de la cuenca del Guadalfeo...........................................................................................................................71 IV A.1. Esquema del tratamiento de imágenes de satélite realizado para la obtención de la fracción de cobertura vegetal del suelo. ...........................................................................81 A.2. Situación de los puntos de control sobre la imagen de satélite de 1-sep-03. ..................83 A.3. Efecto de la atmósfera en la radiación que mide el sensor................................................84 A.4. Ejemplo de recta de regresión obtenida para la banda 4 de la imagen Landsat de 25 noviembre 2002. En este caso k=0.366 .........................................................................88 A.5. Detalle de la imagen Landsat de abril 2004 antes (izquierda) y después (derecha) de la corrección topográfica...................................................................................................89 A.6. Iluminación de la superficie en el momento de adquisición de la imagen Landsat de 23-enero-2004. La zona que se observa corresponde a la parte central de la cuenca del Guadalfeo y el grado de iluminación se representa mediante el coseno del ángulo de incidencia. ...........................................................................................90 B.1. Situación de las parcelas seleccionadas para el muestreo de campo. Se indica también el límite de las subcuencas del río Poqueira (al Norte) y del Torvizcón (al Sur). Los puntos de color rojo indican las parcelas del muestreo realizado en enero 2004, y los de color amarillo corresponden al de agosto 2004. Los puntos se muestran sobre la imagen de 18-agosto-1004 en una combinación de falso color de las bandas 5,4,3.........................................................................................................94 B.2. Itinerario seguido en la Parcela 1 para tomar datos de reflectividad con el espectroradiómetro .................................................................................................................95 B.3. Ejemplos de parcelas seleccionadas para la recogida de información de campo. Arriba a la izq. parcela de encinar denso; arriba a la derecha parcela de coníferas; abajo a la izq. parcela de matorral; y abajo a la derecha parcela de pasto de alta montaña. ...................................................................................................................................96 B.4. Respuesta espectral extraída de las imágenes de satélite para distintos tipos de vegetación frente a la respuesta típica de la vegetación. ....................................................98 V Índice de tablas 1.1. Aplicaciones de las bandas espectrales del sensor Thematic Mapper (Lillesand y Kiefer, 2000)...............................................................................................................................8 3.1. Clases de interés seleccionadas para clasificar los tipos de cubierta del suelo en la cuenca........................................................................................................................................16 3.2. Superficie de la cuenca ocupada por cada clase de interés y número de puntos necesarios para la validación de la clasificación. .................................................................22 3.3. Matriz de error del mapa de coberturas de Guadalfeo. ......................................................24 3.4. Precisión del mapa de coberturas de Guadalfeo, por clase y global. ................................24 7.1. Capacidad de almacenamiento asignada a cada cubierta vegetal de la cuenca.................60 8.1. Resultados del modelo de interceptación promediados para la cuenca completa y el año estudiado. SD expresa la desviación estándar. .........................................................64 8.2. Resumen de los eventos de lluvia ocurridos durante los 3 años del estudio. ..................69 A.1. Coeficientes de calibración para Landsat 5, en unidades (W/m2 sr µm).........................84 A.2. Coeficientes de calibración para Landsat 7, en unidades (W/m2 sr µm).........................84 A.3. Constantes de Minnaert (k) obtenidas para cada banda e imagen. ..................................88 A.4. Superficie sin información en cada imagen de satélite utilizada. ......................................91 B.1. Respuesta espectral promediada en 2 parcelas seleccionadas. Enero de 2004. ..............97 B.2. Respuesta espectral promediada en la parcela 1. Agosto 2004. ........................................97 C.1. Capacidad de almacenamiento (S) de los bosques de coníferas........................................99 C.2. Capacidad de almacenamiento (S) de diversos bosques. ................................................ 100 C.3. Capacidad de almacenamiento (S) de especies arbustivas y matorral ........................... 100 C.4. Capacidad de almacenamiento (S) de algunos cultivos y plantas herbáceas. ............... 101 VI Agradecimientos Agradecimientos Agradezco a mis tutoras Mª José Polo y Mª Pat. González todo el esfuerzo dedicado a este trabajo. Su guía en forma de brillantes ideas ha hecho posible su realización. La estrecha colaboración con Javier Herrero (Grupo de Ríos y Embalses de la Universidad de Granada) para incorporar los resultados de este trabajo en el modelo hidrológico global y su paciente ayuda para aprender a manejar esta herramienta informática han permitido el éxito del proyecto. También quiero agradecer los consejos y aportaciones de todos aquellos investigadores con los que me he relacionado en este tiempo, destacando a los catedráticos Juan Vicente Giráldez (Grupo de Hidrología e Hidráulica Agrícola de la UCO) y Susan Moran (USDA - ARS Southwest Watershed Research Center, en Tucson, AZ, EEUU). Este trabajo se ha realizado en el marco del convenio de colaboración entre la Universidad de Granada y la Universidad de Córdoba, para el desarrollo del “Estudio Piloto para la Gestión Integrada de la Cuenca Hidrográfica del Río Guadalfeo” financiado por el Instituto del Agua de Andalucía, sin cuyo apoyo no habría sido posible su desarrollo. Durante parte del periodo de realización de este trabajo he recibido soporte económico de la Universidad de Córdoba en forma de becas de investigación, por lo que le debo también mi agradecimiento. 1 Introducción y objetivos Introducción y objetivos La influencia de la vegetación en la hidrología de una cuenca ha sido observada desde la antigüedad. Plinio el Viejo fue probablemente el primero que se refirió al papel hidrológico de los bosques. En su Historia Natural (escrita en el siglo primero AD), observó lo siguiente: “Con frecuencia, tras la tala de un bosque, las reservas de agua de las que los árboles se alimentaban emergen”. Belgrand, un ingeniero francés del siglo XIX, fue el primero en organizar mediciones hidrométricas comparativas para evaluar el impacto hidrológico de los bosques. Tras sus observaciones concluyó: “los bosques, en su estación de crecimiento, disminuyen más que aumentan el caudal de los arroyos”. Numerosos experimentos posteriores han demostrado que la deforestación incrementa el caudal anual que genera una cuenca, mientras que la reforestación la disminuye. En el inicio del siglo XXI, es necesaria todavía la investigación a escala de cuenca para mejorar nuestro conocimiento sobre el impacto de la vegetación en la hidrología (Andréassian, 2004). La vegetación juega un importante papel en la hidrología de una cuenca, ya que afecta al balance de agua de la superficie en todos sus componentes. Los flujos hidrológicos más importantes que se ven afectados por la vegetación son la interceptación de la lluvia incidente, infiltración, escorrentía superficial y evapotranspiración, que a su vez afectan a procesos como el almacenamiento de agua en el suelo y la erosión (Chang, 2003). La caracterización de la vegetación de la cuenca debe ser, por tanto, el paso previo al estudio de los flujos de agua que tienen lugar en la misma. El objetivo de este trabajo es desarrollar un método para la caracterización espaciotemporal de la vegetación a escala de cuenca y su integración con distintas variables meteorológicas en un modelo distribuido para el cálculo de las pérdidas por interceptación de lluvia. La pérdida por interceptación de lluvia es la proporción de la precipitación incidente que es interceptada por la cubierta vegetal del suelo y posteriormente evaporada desde la misma, durante y después de cada evento de lluvia (Price y Carlyle-Moses, 2003). Como este flujo de agua no alcanza el suelo, es considerado generalmente como una pérdida en el balance de agua de la superficie (Bras, 1990). La vegetación intercepta parte del agua de lluvia, produciendo dos efectos: una reducción de la cantidad de agua que alcanza el suelo y una redistribución de la precipitación sobre el mismo. Las pérdidas por interceptación son un componente importante del ciclo hidrológico en zonas cubiertas de vegetación, como demuestran los estudios realizados desde principios del siglo XX sobre diferentes tipos de cubiertas y en diferentes climas (Zinke, 1967; Crockford y Richardson, 2000). Este trabajo se enmarca dentro de un modelo hidrológico más general a nivel de cuenca, que desarrolla el Grupo de Ríos y Embalses de la Universidad de Granada, con participación del Grupo de Hidrología e Hidráulica Agrícola de la Universidad de Córdoba, dentro del Estudio Piloto para la Gestión Integrada de la Cuenca Hidrográfica del Río Guadalfeo. Su objetivo es la creación de un modelo de comportamiento de la cuenca que permita dar respuesta a las cuestiones relativas a la gestión del recurso hídrico y del 3 Introducción y objetivos territorio que plantea la puesta en funcionamiento de la presa de Rules, de reciente construcción en el tramo medio del río Guadalfeo, al sur de la provincia de Granada. En este sentido, disponer de una herramienta de cuantificación de la fracción de interceptación permite caracterizar con mayor profundidad el patrón espacio-temporal de la precipitación que realmente alcanza el suelo y, así, obtener una adecuada caracterización hidrológica de la cuenca. Como parte de este modelo más general, el modelo de interceptación de lluvia presentado en este trabajo representa el proceso mediante variables físicas, lo que permite recoger la heterogeneidad típica de las cuencas mediterráneas, así como su aplicación en otras zonas diferentes a la estudiada. El presente documento se estructura en dos partes. En primer lugar se presenta el análisis de la vegetación a escala de cuenca mediante teledetección (Parte I). Para estudiar la evolución de la vegetación de una cuenca a una escala temporal pequeña es preciso recurrir a medios como la teledetección, que permite obtener información de grandes superficies en poco tiempo sin causar alteración alguna al medio estudiado. Las medidas de campo de abundancia de vegetación, aunque de gran calidad, están limitadas en su alcance y escala, por lo que no son viables para evaluar los cambios que se producen a escala regional. Las imágenes de satélite proporcionan las escalas espacial y temporal necesarias para tratar esta perspectiva fundamental (Elmore et al., 2000). Los fundamentos en que se basan las técnicas de teledetección se presentan en el capítulo 1. La descripción de la cuenca del río Guadalfeo se presenta en el capítulo 2. La información relativa a la vegetación que los modelos hidrológicos y, en general, los responsables de la gestión integral de una cuenca necesitan conocer es básicamente de dos tipos: la tipología de vegetación y la abundancia de la misma. Para estudiar la tipología de vegetación presente en cada punto de la cuenca se ha realizado una clasificación espectral supervisada de imágenes de satélite (capítulo 3). La abundancia, por su parte, se ha medido usando la variable ‘fracción de cobertura vegetal del suelo’, que resulta de gran importancia en modelos hidrológicos y es estimada igualmente a partir de imágenes de satélite. La disponibilidad de imágenes de la cuenca adquiridas con cierta frecuencia permite conocer la evolución temporal de la vegetación (capítulo 4). La Parte II del presente trabajo presenta un modelo hidrológico distribuido para el cálculo de las pérdidas por interceptación de lluvia (capítulos 5 y 6) basado en un balance de agua en la cubierta vegetal. Las variables de entrada necesarias para realizar el balance son, por un lado, de tipo meteorológico (precipitación y evaporación) y, por otro, las relativas a la vegetación (cobertura vegetal y tipo de cubierta) que fueron estudiadas anteriormente. La integración de todas estas variables para la aplicación del modelo de interceptación de lluvia a escala de cuenca se presenta en el capítulo 7. Por último se analizan los resultados del modelo a diferentes escalas espaciales y temporales, comparando diferentes años hidrológicos entre sí (capítulo 8), lo que permite extraer algunas conclusiones sobre el comportamiento de las pérdidas por interceptación en la cuenca como respuesta a diferentes combinaciones de parámetros. 4 Parte I Series temporales de vegetación 1. Estudio de la vegetación mediante teledetección Capítulo 1 Estudio de la vegetación mediante teledetección Los sensores remotos son sistemas fotográficos u óptico-eléctricos capaces de detectar y registrar, en forma de imágenes o no, el flujo de energía radiante reflejado o emitido por objetos distantes. Dicho flujo de energía, también denominado radiancia, se define como el total de radiación electromagnética de una longitud de onda determinada que llega al sensor por unidad de tiempo y de superficie, y por ángulo sólido de medida. Se mide en watios por metro cuadrado y estereo-radián (W/m2 sr). La posibilidad de adquirir información a distancia se basa en lo específico de la interacción entre la radiación electromagnética y la materia. Todos los objetos tienen una respuesta espectral propia y, además, esta combinación espectral es similar a la que presentan otros objetos o superficies de las mismas características. Las imágenes de satélite más ampliamente utilizadas para aplicaciones ambientales son probablemente las de la plataforma espacial Landsat. Concretamente, el sensor Thematic Mapper, a bordo del satélite Landsat-5, y el sensor Enhanced Thematic Mapper, a bordo del satélite Landsat-7, vienen tomando imágenes de la superficie terrestre de forma regular desde el año 1982, lo que constituye una serie muy importante de datos que permite analizar las acciones realizadas por el hombre y su impacto sobre el medio ambiente a largo plazo. Se han utilizado para este estudio imágenes de los satélites Landsat-5 TM y Landsat-7 ETM+ debido a que tienen una resolución espacial (30m) que permite la identificación de parcelas de cultivo y de los límites entre usos forestales diferentes, una resolución temporal (16 días) que permite la selección de imágenes de diferentes épocas de año, y una resolución espectral (registra información en longitudes de onda correspondientes al visible, infrarrojo cercano y térmico) que permite extraer información sobre diversas características de la cubierta vegetal del suelo. El uso de sensores ópticos como el TM de Landsat presenta, sin embargo, algunas limitaciones, como la necesidad de cielos despejados, sin nubes, durante la adquisición de las imágenes, la atenuación de la señal por la atmósfera y la influencia de la compleja geometría sol/sensor/cubierta en la interpretación de lo observado (Moran et al., 2002). Este último punto tiene especial importancia en la cuenca del Guadalfeo debido a lo abrupto del terreno. Estos sensores registran datos de radiación en siete bandas o intervalos de longitud de onda diferentes, situados en la parte visible, infrarrojo cercano, infrarrojo medio y térmico del espectro electromagnético. En la tabla 1.1 se presentan las aplicaciones más importantes de este sensor. 7 1. Estudio de la vegetación mediante teledetección 1 Long. de onda (µm) 0,45 - 0,52 Zona del espectro Azul 2 0,52 - 0,60 Verde 3 0,63 - 0,69 Rojo 4 0,76 - 0,90 Infrarrojo cercano 5 1,55 - 1,75 Infrarrojo medio 6 10,4 - 12,5 Infrarrojo térmico 7 2,08 - 2,35 Infrarrojo medio Banda Aplicaciones principales Diseñada para penetrar en las masas de agua, haciéndola útil para la cartografía de aguas costeras. Útil también para diferenciar entre suelo y vegetación, clasificación de tipos de bosque, y detección de aspectos antrópicos. Diseñado para medir el pico de reflectancia verde de la vegetación (ver figura 1.1) para clasificación vegetal y análisis de su vigor. También es útil para detección de aspectros antrópicos. Situada en la región de absorción de la clorofila (ver figura 1.1) para ayudar a diferenciar entre especies vegetales. También útil para detección de aspectos antrópicos. Útil para la determinación de tipos de vegetación, su vigor y abundancia. También para delimitar masas de agua y para diferenciar la humedad del suelo. Indicativa del contenido de humedad de la vegetación y del suelo. También es útil para diferenciar entre nubes y nieve. Útil para analizar el estrés de las plantas, diferenciar entre diferentes grados de humedad del suelo, y clasificaciones térmicas de la superficie. Útil para diferenciar entre tipos de minerales y rocas. Es también sensible al contenido de humedad de las plantas. Tabla 1.1. Aplicaciones de las bandas espectrales del sensor Thematic Mapper (Lillesand y Kiefer, 2000). La caracterización espectral de las masas vegetales constituye una de las tareas más interesantes en teledetección. Pese a su gran importancia, aún ofrece notables dificultades como consecuencia de los múltiples factores que influyen en la radiancia final detectada por el sensor. En primera instancia ha de considerarse la propia reflectividad de la hoja, que varía en función de su estado fenológico, forma y contenido de humedad. Además, es preciso tener en cuenta las características morfológicas de la planta: su altura, perfil, grado de cobertura del suelo, etc., que provocan una notable modificación de su comportamiento reflectivo. Un tercer grupo de factores serían los derivados de la situación geográfica de la planta: pendiente, orientación, asociación con otras especies, geometría de plantación, etc. (Chuvieco, 1996). El comportamiento típico de la vegetación vigorosa muestra una reducida reflectividad en las bandas visibles, con un máximo relativo en la porción verde del espectro (en torno a 0,55 µm). Por el contrario, en el infrarrojo cercano presenta una elevada reflectividad, reduciéndose paulatinamente hacia el infrarrojo medio. En la figura 1.1 se muestra la respuesta espectral típica de la vegetación. Estas características espectrales se relacionan, primordialmente, con la acción de los pigmentos foto-sintéticos y del agua que almacenan las hojas. En concreto, la baja reflectividad en la porción visible del espectro se debe al efecto absorbente de los pigmentos de la hoja, principalmente las clorofilas, xantofilas y carotenos en la proporción de 65, 29 y 6% respectivamente, aunque puede variar. Todos ellos absorben en la banda del espectro situada en torno a los 0,445 µm, mientras la clorofila presenta una segunda banda de absorción en torno a los 0,645 µm. Entre ambas porciones del espectro aparece una banda intermedia, alrededor de los 0,55 µm, en donde el efecto absorbente es menor. Por esta causa aparece un máximo relativo de reflectividad que coincide con la banda verde del espectro visible, y causa el color con el que el ojo humano percibe la vegetación vigorosa. 8 1. Estudio de la vegetación mediante teledetección Fig. 1.1. Respuesta espectral típica de la vegetación. Fuente: Chuvieco (1996). Cuando se aproxima la caída otoñal de las hojas, la clorofila ejerce una menor influencia, lo que explica su mayor reflectividad en la banda roja y, en definitiva, su color amarillento (verde+rojo). En cuanto a la elevada reflectividad en el infrarrojo cercano, parece deberse a la estructura celular interna de la hoja. La hoja sana ofrece una alta reflectividad en el infrarrojo cercano (entre 0,7 y 1,3 µm), en claro contraste con la baja reflectividad que ofrece en el espectro visible, especialmente con la banda roja. Puesto que la estructura de la hoja es muy variada según las especies, esta banda también resulta idónea para discriminar entre plantas, incluso entre aquellas que no podrían separarse en el espectro visible. A partir de 1,4 µm el efecto absorbente del agua es muy claro, por lo que la reflectividad de la vegetación sana se reduce drásticamente en el infrarrojo medio. Las medidas de laboratorio muestran una notable diferencia en esta región del espectro entre las hojas secas y las infiltradas con agua. El contraste más nítido en la reflectividad espectral de la vegetación sana se produce entre las bandas visibles, especialmente el rojo (en torno a 0,645 µm) y el infrarrojo cercano (0,7 a 1,3 µm). De ahí que podemos enunciar, como principio general, que cuanto mayor sea el contraste entre ambas bandas, mayor será el vigor de la vegetación y más clara su discriminación frente a otros tipos de cubierta. Queda implícito que cualquier fuente de estrés en la vegetación se mostrará en un comportamiento espectral más o menos alejado del anteriormente expuesto. Este comportamiento espectral teórico de las cubiertas vegetales ha sido el punto de partida para obtener una serie de índices de vegetación, que se basan –entre otros factores- en el contraste entre la banda roja e infrarrojo cercano del espectro. Se construyen a partir de la combinación lineal entre estas dos bandas, cuando disponemos de una imagen multiespectral. Los índices de vegetación implican efectuar una operación aritmética, píxel a píxel, entre los valores digitales (dn) almacenados en dos o más bandas en la misma imagen. 9 1. Estudio de la vegetación mediante teledetección El índice de vegetación de la diferencia normalizado (NDVI) es uno de los más usados, ya que su normalización facilita la interpretación de los resultados. Se utiliza para analizar el vigor y la abundancia de vegetación y su diferenciación de cubiertas no vegetales (González-Dugo, 2002). El NDVI se puede relacionar con varios parámetros de la vegetación como el índice de área foliar (LAI), la biomasa, la producción y el porcentaje de cobertura del suelo. En este trabajo nos centramos en este último parámetro, variable espacial y temporalmente en una zona dada, pues caracteriza la influencia de la vegetación en el balance hídrico local y permite cuantificar el papel de su distribución espacial y evolución temporal a escala de cuenca. Convencionalmente, la cobertura vegetal (fv) se define como la proyección vertical de la copa o área foliar de la vegetación sobre la superficie del suelo expresada como fracción o porcentaje del área de referencia. Sin embargo, teniendo en cuenta los requerimientos de las técnicas de teledetección, la cobertura vegetal podría ser definida como el área vegetal verde que es directamente detectable por el sensor desde cualquier punto de vista (Purevdorj et al., 1998). La estimación de la cobertura vegetal en imágenes adquiridas sucesivamente en el tiempo permite caracterizar la evolución sufrida por la vegetación. Además del uso de índices de vegetación, existen otras técnicas para estimar la fracción de cobertura vegetal a partir de imágenes de satélite. Cabe destacar el análisis de mezclas espectrales (SMA), cuyo empleo se ha extendido en los últimos años, que trata de determinar las proporciones relativas de los diferentes componentes que están contenidos en un píxel de la imagen. Es necesaria la elección previa de los componentes en que se quiere separar cada píxel y conocer sus respuestas espectrales típicas. A través del SMA se obtienen imágenes que nos indican la proporción de cada componente de interés que hay en un píxel, admitiendo que la respuesta recibida por el sensor es combinación lineal de las respuestas espectrales puras de los componentes individuales. Si los componentes que se eligen son vegetación vigorosa, vegetación seca y suelo desnudo, esta técnica permite obtener la fracción de cobertura vegetal del suelo y resulta una herramienta muy precisa para determinar la variación de la cobertura vegetal del suelo (Elmore et al., 2000). Su dificultad estriba en el conocimiento de las respuestas espectrales de los componentes a separar. En una zona heterogénea como la estudiada en este caso, con tipos de vegetación y suelos muy diversos, resulta difícil obtener una respuesta espectral única para cada componente. En el presente trabajo se estima la fracción de cobertura vegetal del suelo en la cuenca del Guadalfeo a partir del índice de vegetación NDVI mediante una relación lineal, la cual ha sido utilizada con resultados satisfactorios sobre diferentes tipos de vegetación (Choudhury et al., 1994; Wittich y Hansing, 1995; Qi et al., 2000; Ramsey et al., 2004; Camacho-De Coca et al., 2004). Cuando el objetivo es determinar qué tipo de superficie hay en cada punto de la cuenca existen unas técnicas denominadas de “clasificación”, que asignan cada píxel, en función de su respuesta espectral, a una clase caracterizada previamente por el usuario. Sus fundamentos se explican en el capítulo 3. 10 2. Zona de estudio Capítulo 2 Zona de estudio La cuenca drenada por el río Guadalfeo y sus afluentes está situada en el extremo suroriental de la provincia de Granada y tiene una superficie de 1.300 km2, con una longitud de 50km en la dirección E-O y 44km en la N-S, aproximadamente. Se asienta básicamente en la región de la Alpujarra (el sector nordeste), pero también ocupa un amplio sector del Valle de Lecrín (la zona noroccidental) y, en menor cuantía, de la Costa del Sol (la franja sur). Sus límites son (1) al Norte la línea de cumbres de Sierra Nevada; (2) al Este, la divisoria de aguas entre el río Guadalfeo y el río Adra; (3) al Sur, las líneas de cumbres de las Sierras de La Contraviesa y Lújar; y (4) al Oeste, el Valle de Lecrín y la Sierra de los Guájares. En la figura 2.1 se presenta un esquema de la cuenca con los ríos más importantes que la drenan. Kilómetros Fig. 2.1. Esquema de la cuenca del río Guadalfeo. 11 2. Zona de estudio La región está marcada por los fuertes contrastes en el medio físico (climatología, hidrología, etc.) que en gran medida están determinados por los acusados gradientes de altitud existentes en el área, con cambios de hasta 3480 m en los 20 km escasos que separan el mar Mediterráneo del pico Mulhacén (ver figura 2.2). La altitud media en la cuenca es de 1084m. La temperatura media anual de la zona costera es aproximadamente de 18ºC, significativamente superior a la temperatura media de las zonas más altas (por encima de los 2000 m), que es inferior a 10ºC. La precipitación media anual de la cuenca es aproximadamente 620 mm, si bien ésta varía localmente entre los 500 y los 1000 mm. El volumen medio anual de agua que el río Guadalfeo descarga al mar es del orden de 250 hm3. El comportamiento hidrológico de la cuenca está marcado por la ocurrencia de fenómenos episódicos de avenida en respuesta a eventos singulares de lluvia (borrascas o tormentas convectivas de carácter local) o deshielo. Fig. 2.2. Modelo digital de elevaciones e hidrografía de la cuenca del río Guadalfeo (cotas en metros) Debido esencialmente al relieve y al clima, la presencia humana es más abundante en la costa. La agricultura de las zonas altas de la cuenca está caracterizada por su marginalidad, con escasos rendimientos unitarios, estructuras productivas muy fragmentadas, y técnicas de producción y comercialización tradicionales. Por el contrario, la agricultura en la costa es una actividad de alta rentabilidad económica, basada en el cultivo de frutos subtropicales al aire y hortalizas en invernadero, y con altas demandas de agua. La tipología de vegetación que se puede encontrar en la cuenca es muy diversa. En cuanto a los cultivos, en zonas de montaña destacan los almendros, la vid y el olivar, 12 2. Zona de estudio mientras que en los valles y en la zona costera se pueden encontrar cultivos hortícolas y frutales, destacando los cultivos subtropicales de la zona de Motril (aguacate, chirimoya y nísperos, principalmente). También hay algunas superficies con cultivos herbáceos distribuidas por toda la cuenca. En cuanto a la vegetación natural, se encuentran importantes superficies de bosque de coníferas, compuestas básicamente por cuatro especies: Pinus sylvestris, Pinus halepensis, Pinus pinaster y Pinus nigra; asimismo son muy comunes el encinar y el alcornocal. Se pueden encontrar también en las zonas más húmedas pequeños bosques de robles y otras especies caducas, así como vegetación típica de ribera (olmos, álamos y chopos) al borde de los arroyos y ríos. La mayor parte de la superficie de la cuenca esta dominada por cubiertas de matorral, siendo las más comunes los espinares, retamales, aulagares, jarales, tomillares y romerales. En las zonas de mayor altitud se encuentran pastizales estacionales y de bajo porte. En la figura 2.3 se muestra una imagen de la Sierra de la Contraviesa, donde se observa la vegetación típica de la misma: cultivos de almendros y olivar, encinar en las zonas no útiles para cultivar, y matorral y pasto en primer plano de la imagen. En las zonas montañosas de la cuenca se está produciendo un proceso paulatino de abandono de la agricultura debido a su baja productividad y a los difíciles accesos. Este cambio en el uso del suelo afecta al balance de agua de estas zonas y, por tanto, es necesario mantener actualizados los datos sobre uso del suelo que se utilizan en los modelos hidrológicos. Fig. 2.3. Imagen de la ladera Oeste de la subcuenca del río Torvizcón (3 de agosto de 2004). 13 3. Análisis del tipo de vegetación Capítulo 3 Análisis del tipo de vegetación 3.1. Clasificación de la cuenca Los procesos hidrológicos en los que la vegetación interviene dependen con frecuencia de parámetros que se relacionan directamente con el tipo de cubierta vegetal existente en la superficie del suelo. En el proceso de interceptación de lluvia por ejemplo, un parámetro clave en la mayoría de modelos teóricos existentes es la capacidad de almacenamiento de la cubierta vegetal, que se relaciona a su vez con el tipo de cubierta de que se trate: especie de planta y estado vegetativo de la misma. El objetivo de la clasificación es por tanto conocer qué tipo de cubierta del suelo existe en cada punto de la cuenca de estudio. Como se ha comentado anteriormente, las técnicas de teledetección nos permiten extraer este tipo de información a escala de cuenca a partir de una imagen de satélite. Uno de los métodos usados más frecuentemente para la clasificación del tipo de cubierta del suelo es el reconocimiento de patrones estadísticos aplicado a los datos multiespectrales del satélite (Narumalani et al., 2002). Dentro de este método de clasificación multiespectral existen otros dos tipos: supervisada o no supervisada. Debido a que en nuestro caso sabemos a priori las clases de cubierta que queremos determinar y disponemos de información real sobre su localización, utilizaremos el método supervisado. En la clasificación multiespectral supervisada, el analista localiza lugares concretos en la imagen de satélite (con ayuda de información de campo e interpretación de fotografías aéreas) que representen ejemplos homogéneos de los tipos de cubierta del suelo a determinar. Estos lugares se suelen denominar ‘áreas de entrenamiento’ porque sus características espectrales se usan para que el algoritmo de clasificación las compare estadísticamente con las de otra parte cualquiera de la imagen. Cada área de entrenamiento se caracteriza por sus valores de radiación reflejada en 6 longitudes de onda diferentes (en el caso de las bandas ópticas del satélite Landsat), de las cuales se calculan parámetros estadísticos como son las medias, desviaciones estándar, matrices de covarianza, matrices de correlación, etc. Cada píxel de la imagen completa, tanto fuera como dentro de las áreas de entrenamiento es entonces evaluado y asignado a la clase a la que más se parezca (Jensen, 2005). El primer paso, por tanto, es definir las clases de interés. Las diferentes especies de plantas forestales y cultivadas en la cuenca del Guadalfeo se han agrupado en 11 clases de cubierta o uso del suelo con similar estructura, de forma que su comportamiento hidrológico pueda ser parecido. En la tabla 3.1 se resumen las clases de interés identificadas, así como los tipos de cubierta que engloba cada clase. 15 3. Análisis del tipo de vegetación 1 2 3 4 5 6 7 8 9 10 11 Clase agrupada Coníferas Quercíneas Matorral Pastizal Olivar Frutales regadío Frutales secano Cultivos herbáceos Improductivo Agua Urbano Tipos de cubierta Pinares (sylvestris, halepensis, pinaster y nigra) Alcornocal, encinar, robles, vegetación de rivera Espinar, piornal, retamal, aulagas, jaras, garriga, etc Pastos de alta montaña (>1500m), estacionales y dispersos Olivar tradicional en terrazas, olivar moderno Valle Lecrín Subtropicales (aguacate, chirimoyo, níspero) al Sur de cuenca Almendros, vid Cereal secano, barbechos, pastos densos. Herbáceos regadío Zonas rocosas alta montaña, suelos pobres, ramblas, cantera Pantanos Pueblos, invernaderos Tabla 3.1. Clases de interés seleccionadas para clasificar los tipos de cubierta del suelo en la cuenca. El siguiente paso es la elección de las imágenes de satélite más adecuadas. Del total de 15 imágenes de satélite disponibles de la cuenca (ver punto 4.1 de este trabajo) se realizaron clasificaciones de prueba con diferentes combinaciones de imágenes y métodos resultando que la mayor precisión se conseguía con la información de las imágenes de 29junio-2003, 1-septiembre-2003, 1-julio-2004, 18-agosto-2004, 20-julio-2005. Dicho resultado es debido a que esas imágenes son las de mayor calidad, porque al ser todas de verano no tienen problemas de nubes, sombras topográficas (elevación solar alta), nieve sobre las cubiertas, etc. Como la respuesta espectral de la superficie terrestre en una imagen determinada corresponde a 6 bandas o longitudes de onda diferentes, combinando las 5 imágenes seleccionadas disponemos de una respuesta espectral de 30 bandas en total, lo que facilita el proceso de clasificación al poder discriminar mejor entre los distintos tipos de cubierta. Las distintas imágenes deben ser corregidas para que puedan ser utilizadas en este estudio. En el Anejo A se explica el pre-procesamiento aplicado a las imágenes, con el cual se consigue que todas las imágenes sean geométricamnete correctas y la información no contenga errores de tipo radiométrico o causados por las condiciones atmosféricas y de iluminación existentes en el momento de adquisición de las imágenes por el satélite. Posteriormente es necesario seleccionar sobre las imágenes las áreas de entrenamiento para cada una de las clases que aparecen en la tabla 3.1. Para ello se utilizaron las fotografías aéreas de la cuenca procedentes de la Ortofotografía Digital de Andalucía (Junta de Andalucía), vuelo fotogramétrico de 2002, con resolución de 0.5 m. Así mismo, se utilizó información de campo, un mapa de usos del suelo existente previamente y la experiencia personal sobre la cuenca (Díaz et al., 2005). En la figura 3.1 se pueden observar algunas de las parcelas de entrenamiento utilizadas. Para obtener una precisión satisfactoria en el resultado de la clasificación, la elección de las áreas de entrenamiento es clave. Éstas deben ser homogéneas y representativas de un tipo de cubierta en concreto. Como algunas de nuestras clases de interés están constituidas por cubiertas con ciertas diferencias (por ej, la clase ‘matorral’ está formada por cubiertas de distintas especies y distintos grados de espesor) se han clasificado mayor número de clases para agruparlas después de la clasificación en las 11 que realmente nos interesan (ver punto 3.3). 16 3. Análisis del tipo de vegetación Quercíneas Improductivo Pastizal Coníferas Olivar Urbano Matorral Urbano Frutales regadío Cult. herbáceos Frutales secano Fig. 3.1. Algunas de las áreas de entrenamiento seleccionadas sobre la imagen de satélite para la clasificación supervisada. Existen varios algoritmos para comparar las respuestas espectrales de los píxeles de la imagen con las de los píxeles de entrenamiento y asignar así aquellos a una de las clases de interés. Con el algoritmo de la ‘máxima probabilidad’ (Maximum Likelihood) se obtienen mejores resultados en nuestro caso. El algoritmo de máxima probabilidad está basado en probabilidades. Calcula la probabilidad de que un píxel determinado de la imagen pertenezca a cada una de las clases de interés, y entonces es asignado a la clase cuya probabilidad sea más alta. Este algoritmo es todavía uno de los más ampliamente usados para clasificación supervisada (Jensen, 2005). Se admite que los valores de reflectividad de un área de entrenamiento en una banda concreta están distribuidos según una normal (distribución de Gauss). A partir de ese histograma discreto de valores, para cada clase wi (p.ej. coníferas) se ajusta la función de densidad de probabilidad (Jensen, 2005): 17 3. Análisis del tipo de vegetación 1 (x − µˆ i )2 pˆ (x wi ) = exp − 1 2 (2π ) 2 σˆ i 2 σˆ i 1 (1) Donde x es uno de los valores de reflectividad en el eje x (0-1 si se expresa como fracción de la radiación incidente), µ̂ i es la media de todos los valores de reflectividad de la clase wi , y σˆ i2 es la varianza de dichos valores. Sin embargo, cada área de entrenamiento no se compone de un sólo conjunto de valores de reflectividad, sino de 6 conjuntos, tantos como bandas espectrales. Por tanto, su función de densidad de probabilidad será de tipo multivariada n-dimensional: p (X wi ) = 1 (2π ) n 2 Vi 1 2 1 T exp − ( X − M i ) Vi −1 ( X − M i ) 2 (2) Donde Vi es el determinante de la matriz de covarianza, Vi −1 es la inversa de la matriz de covarianza, y (X-Mi)T es el traspuesto del vector (X-Mi). Los vectores de las medias (Mi) y la matriz de covarianza (Vi) para cada clase se estiman con los valores de las áreas de entrenamiento. Dado un píxel cualquiera de la imagen, el algoritmo calcula los valores de pi para cada clase y asigna el píxel a la clase con mayor pi. Una vez obtenido el mapa de coberturas, su aspecto presenta un aspecto de ‘sal y pimienta’, es decir, existen numerosos píxeles individuales repartidos por la imagen que son de una clase diferente a la de sus vecinos. Este ruido en la imagen, que hace difícil su interpretación, puede ser reducido aplicando un filtro. Se ha elegido un filtro de ‘mayoría’ de marco 3×3. El funcionamiento de este filtro es el siguiente: una ventana de tamaño 3×3 píxeles se va situando sobre cada píxel de la imagen y asigna a ese píxel el valor que más veces se repita dentro de la ventana. De esa forma, si un píxel de la clase ‘matorral’ está rodeado por mayoría de píxeles de la clase ‘coníferas’, entonces el nuevo valor asignado al píxel central será ‘coníferas’. El efecto que consigue este proceso es suavizar el aspecto de la imagen, definiendo con mayor claridad las zonas de la cuenca con una determinada cobertura del suelo dominante. 18 3. Análisis del tipo de vegetación 3.2. Distribución espacial de la vegetación El resultado del proceso de clasificación se puede observar en la figura 3.2. El mapa de cobertura obtenido muestra la distribución espacial de las clases de interés dentro de la cuenca del Guadalfeo. En cuanto a la vegetación natural, como se puede observar en la figura 3.2, las coníferas se concentran en la zona Nordeste de la cuenca del Guadalfeo, en altitudes entre los 1500 y 2500 m, así como en la Sierra de los Guájares (al Oeste) y representan un 7.0% de la superficie total de la cuenca. Las cubiertas de quercíneas, compuestas por encinares y alcornocales combinados con matorral, se encuentran en las laderas de Sierra Nevada, y también al Sur de la subcuenca del Torvizcón, representando sólo un 2.8% de la superficie total. El matorral es la cubierta más representativa de la cuenca, ocupando un 26.1% de la superficie, y se encuentra generalmente combinado con vegetación natural de tipo herbáceo, sobre todo en las altitudes más altas. Por último, las superficies de pastizal representan el 15.8% de la superficie, ocupando grandes extensiones por encima de los 1500m de altitud, y se caracterizan por su estacionalidad y su escasa cobertura del suelo. En cuanto a la vegetación cultivada, los olivares predominan en la parte central de la cuenca, situados en el valle, por debajo de la cota de 800m, donde el clima invernal no es demasiado frío para su supervivencia. Se distinguen dos tipos de olivares en la cuenca: en los términos de Órgiva, Lanjarón y El Pinar se cultivan olivos de gran porte en terrazas con riego tradicional por superficie, mientras que en el Valle de Lecrín y Padul son olivos más jóvenes con marcos de plantación rectangular y riego localizado cuando existe. En total representan el 13.1% de la cuenca. Los frutales de regadío, por su parte, se localizan principalmente en el extremo sur de la cuenca, cerca de la desembocadura del río Guadalfeo, donde el clima es de tipo subtropical, con temperaturas suaves durante todo el año, cubriendo un 1.8% de la cuenca. La clase de frutales de secano comprende principalmente los cultivos de almendros y viñedos, muy comunes en el cuadrante Sudeste de la cuenca (Sierra de la Contraviesa) y en el Noroeste (Valle Lecrín). En ocasiones ambos aparecen combinados, aunque esta práctica tradicional esta desapareciendo paulatinamente. Se cultivan en suelos poco productivos, con altas pendientes, y representan el 17.8% de la superficie. Por último, los cultivos herbáceos se concentran en las llanuras de los valles nordoccidentales de la cuenca, donde los suelos son mas productivos, aunque también existe una agricultura tradicional de este tipo de cultivos en las proximidades de los núcleos de población de las subcuencas de Poqueira, Trévelez, y Narila, en la vertiente Norte del Guadalfeo. Los que aparecen en el extremo Sur, en las vegas de Motril y Salobreña, se tratan de herbáceos de regadío entre los que destaca la caña de azúcar. Su proporción es del 6.7% de la superficie total. La clase ‘Improductivo’ incluye diferentes tipos de superficies donde la cubierta vegetal es muy escasa o inexistente, como las zonas más altas de la cuenca, en cotas de 2500m y superiores, ramblas, canteras, y suelos muy pobres y erosionados. En su mayoría se sitúa en el extremo Norte de la cuenca, permaneciendo cubierta de nieve durante la mitad del año, y durante el resto apenas puede crecer vegetación porque el suelo es muy rocoso. La clase Improductivo representa el 7.7% de la superficie de la cuenca. La clase ‘agua’ sólo incluye el pantano de Béznar, ya que el de Rules todavía carecía de agua embalsada en el periodo 2002-2005, al que corresponde la serie de imágenes de satélite utilizada. La clase ‘urbano’ muestra los núcleos de población de la cuenca, que ocupan el 1,2% de la superficie. 19 3. Análisis del tipo de vegetación Fig. .3.2. Mapa de coberturas del suelo de la cuenca del río Guadalfeo derivada de imágenes Landsat de los años 2003-2005. 20 3. Análisis del tipo de vegetación 3.3. Validación de la clasificación La información temática obtenida a partir de imágenes de satélite contiene errores. Es importante por tanto reconocer las fuentes de error, minimizarlas en lo posible e informar al usuario sobre el nivel de confianza que puede tener en dicha información. Los mapas temáticos procedentes de teledetección deben por tanto ser sometidos a una evaluación de precisión antes de ser usados en investigaciones científicas y como herramienta de gestión (Stehman y Czaplewski, 1998). Las fuentes de error identificadas son: Los errores contenidos en la propias imágenes de satélite: fallos del sensor durante la adquisición de datos, presencia de nubes o nieve sobre la cubierta, sombras topográficas debido a una baja elevación solar, etc.; Errores cometidos en el proceso de corrección de las mismas: geométricos, de calibración, precisión de la corrección atmosférica, etc.; Elección de clases de interés: puede que no sean mutuamente exclusivas desde el punto de vista espectral; Selección de áreas de entrenamiento: depende de la habilidad del analista y de la calidad de la información de referencia disponible sobre la superficie. Elección del esquema y algoritmo de clasificación: las decisiones que se tomen sobre las subcategorías en que se divida una clase de interés concreta para clasificarla, y el método de clasificación elegido influyen de manera decisiva en la precisión de los resultados. Cambio de formato: el paso de formato de celdas a formato vectorial (datos en polígonos) introduce también un error en los límites de separación entre clases. Para minimizar los errores se han realizado diferentes pruebas de clasificación, con distintas imágenes de partida o combinaciones de las mismas, así como con diferentes esquemas y algoritmos de clasificación. La evaluación de los resultados de cada prueba se ha realizado mediante análisis visual o, en los casos de mejor comportamiento, mediante una evaluación estadística de precisión. La mejor clasificación se ha obtenido mediante el siguiente procedimiento: - - - Imágenes de partida: 5 imágenes Landsat de verano de fechas 29-junio2003, 1-septiembre-2003, 1-julio-2004, 18-agosto-2004, 20-julio-2005. De todas las disponibles, estas imágenes son las de mayor calidad y por ello proporcionan mejor resultado. Las 5 imágenes fueron superpuestas para trabajar con una sola imagen multibanda (5×6=30 bandas espectrales en total). Estructura de clasificación: algunas de las 11 clases de interés fueron subdivididas en varios tipos de cubierta, cada una de las cuales tuviera una respuesta espectral concreta. Fueron clasificadas 20 clases en total. Tras la clasificación, las subclases fueron reagrupadas para obtener finalmente las 11 clases de interés. Algoritmo de clasificación: Máxima probabilidad La evaluación de precisión del mapa obtenido se ha realizado mediante una matriz de error. Esta matriz se construye situando al azar puntos sobre el mapa resultante y comprobando con información de referencia si la clase asignada es correcta o no. El 21 3. Análisis del tipo de vegetación número de puntos o tamaño de la muestra (N) se puede determinar basándonos en una distribución multinomial (al tener más de 2 clases que evaluar), cuya ecuación viene dada por (Congalton y Green, 1999): N= BΠ i (1 − Π i ) bi2 (3) donde Π i es la proporción de cualquier clase i sobre el total de la población que se acerca más al 50%, bi es la precisión deseada para esa clase, y B es el valor de la distribución χ2 para 1 grado de libertad y un nivel de confianza de 1 − α k , siendo k el número de clases. La clase que mayor proporción de superficie ocupa, según los resultados de la clasificación, es el matorral, con un 26.12%. Para ese valor de Π i , una precisión bi del 5% para esa clase, un nivel de confianza del 80% (usual en mapas de uso) y 11 clases en total, tenemos: 1− α = 1− k 0.20 = 0.9818 11 χ (21,0.9818) = 5.636 N= 5.636(0.2612)(1 − 0.2612) = 435 puntos 0.05 2 (4) (5) (6) Se distribuyeron esos N puntos sobre el mapa temático de forma que hubiera sobre cada clase un número de puntos proporcional a la superficie ocupada por la clase (ver tabla 3.2), y dentro de cada clase los puntos se distribuyeron al azar (Stratified Random Sampling). De esta forma, las clases más abundantes en la cuenca son evaluadas con un mayor número de puntos y las clases menos representativas con un menor número. En la fig. 3.3 se puede observar la distribución de puntos de la muestra localizados al azar sobre el mapa de usos. Superficie ocupada Puntos ref. nº píxeles % cuenca Coníferas 102192 7,04 28 Quercíneas 41001 2,82 11 Matorral 379252 26,12 104 Pastizal 229671 15,82 63 Olivar 189533 13,05 52 Frutales regadío 25771 1,77 7 Frutales secano 258371 17,79 71 Cultivos herbáceos 96926 6,67 26 Improductivo 111025 7,65 30 Agua 1060 0,07 5 1,2 5 Urbano 17386 Total 1452188 100 402 Clase 1 2 3 4 5 6 7 8 9 10 11 Tabla 3.2. Superficie de la cuenca ocupada por cada clase de interés y número de puntos necesarios para la validación de la clasificación. 22 3. Análisis del tipo de vegetación No siempre es posible obtener tantos puntos de muestra para la matriz de error como sería estadísticamente deseable. En la práctica se distribuyeron al azar más de 500 puntos en total, pero se desecharon todos aquellos que tenían a menos de 60 m (2 píxeles) otra clase diferente, para que la posible mezcla de clases en el límite entre ambas no influyera en la evaluación. Una vez desechados esos puntos y tras aumentar o disminuir el número en algunas clases para respetar las proporciones de la tabla 3.2, quedaron 402 puntos como definitivos. Para construir la matriz de error es necesario saber para cada uno de esos 402 puntos, por un lado la clase sobre la que recae en el mapa de coberturas, y por otro la clase de cubierta que existe realmente en ese punto de la cuenca. Esta última información se ha obtenido de fotografías aéreas del año 2002 con resolución espacial de 0.5m. En la tabla 3.3 se muestra la matriz de error resultante. En la tabla 3.4 se resume la matriz de error y se calcula la precisión obtenida para cada clase y la precisión total de la clasificación. Fig. 3.3. Mapa de coberturas de la cuenca de Guadalfeo y distribución de la muestra de puntos para la elaboración de la matriz de error. 23 3. Análisis del tipo de vegetación Clasific Referencia Coníf. Quercín. Matorral Pastizal Olivar Frut.reg Frut.sec Cult.herb Improd Agua Urbano Total Coníf. 22 1 5 0 0 0 0 0 0 0 0 28 Quercín. 0 11 0 0 0 0 0 0 0 0 0 11 Matorral 2 1 92 1 3 0 4 0 1 0 0 104 Pastizal 1 1 2 52 0 0 0 0 7 0 0 63 Olivar 0 0 15 0 28 0 7 1 1 0 0 52 Frut. reg 0 0 0 0 1 6 0 0 0 0 0 7 Frut. sec 1 1 19 3 2 0 38 2 4 1 0 71 Cult. her 0 0 7 8 1 0 0 10 0 0 0 26 Improd 0 0 4 1 0 0 0 1 24 0 0 30 Agua 0 0 0 0 0 0 0 0 0 5 0 5 Urbano 0 0 0 1 0 0 0 0 0 0 4 5 Total 26 15 144 66 35 6 49 14 37 6 4 402 Tabla 3.3. Matriz de error del mapa de coberturas de Guadalfeo. Además de la precisión anterior, un estadístico que se usa habitualmente para evaluar el resultado de una clasificación es el coeficiente Kappa, que viene dado por: Κ= N ∑ x kk − ∑ x kΣ x Σk k k N 2 − ∑ x kΣ xΣk = 0.67 (7) k donde N es el número total de puntos de la muestra, ∑x kk es la suma de la diagonal k principal de la matriz de error, es decir, el número total de puntos clasificados correctamente, x kΣ son los puntos de referencia en la clase k, y xΣk son los puntos clasificados en la clase k. Para evaluar el resultado de la clasificación debemos tener en cuenta por tanto 3 medidas de la precisión (ver tabla 3.4): - - La precisión global: nos da una idea general del resultado La precisión del productor: se refiere al porcentaje de puntos de referencia de una clase que han sido clasificados correctamente como pertenecientes a esa misma clase (p.ej.: de los puntos que en la realidad son coníferas, cuántos aparecen clasificados como coníferas en el mapa). La precisión del usuario, que se refiere al porcentaje de puntos situados sobre una clase del mapa que corresponden a esa misma clase en la realidad (p. ej.: de los puntos que están situados sobre la clase matorral en el mapa, cuántos son matorral en la realidad). 24 3. Análisis del tipo de vegetación Total Total Referencia Clasificados Correctos Clase Coníferas 26 28 22 Quercíneas 15 11 11 Matorral 144 104 92 Pastizal 66 63 52 Olivar 35 52 28 Frutales reg. 6 7 6 Frutales sec. 49 71 38 Cultivos herb 14 26 10 37 30 24 Improductivo Agua 6 5 5 Urbano 4 5 4 Total 402 402 292 Precisión global de la clasificación: 72,6 % Precisión productor 84,6 73,3 63,9 78,8 80,0 100,0 77,6 71,4 64,9 83,3 100,0 Precisión usuario 78,6 100,0 88,5 82,5 53,8 85,7 53,5 38,5 80,0 100,0 80,0 Tabla 3.4. Precisión del mapa de coberturas de Guadalfeo, por clase y global. En este caso, la precisión global obtenida (72.6%) no es muy alta. Sin embargo, se puede considerar aceptable teniendo en cuenta el alto número de clases que se han clasificado a partir de imágenes Landsat y la heterogeneidad existente en la amplia superficie de la cuenca. El principal error que se comete es la elección de algunas clases de cubierta vegetal con respuestas espectrales que no son fácilmente distinguibles o separables unas de otras, por ejemplo, la respuesta espectral del matorral es parecida a la del bosque de quercíneas, a la de los frutales de secano, al olivar, e incluso al pastizal. Como dentro de cada clase hay diferencias de espesor y dentro de un píxel puede haber mezcla de varias clases, es normal que el algoritmo de clasificación cometa errores. Para el presente estudio, cuyo objetivo es servir de información de entrada para el modelo hidrológico de la cuenca del Guadalfeo y como herramienta de gestión integrada, es preferible poder analizar la distribución de los distintos tipos de cubiertas de interés dentro de la cuenca con un 72.6 % de precisión que disponer sólo de información sobre 3 ó 4 clases agrupadas generales con un 95% de precisión. Si se analiza más detenidamente el resultado de la evaluación, se puede observar que hay clases mejor clasificadas que otras. A la hora de utilizar el mapa de coberturas hay que tener precaución al estudiar las superficies de olivar, frutales de secano y cultivos herbáceos, que representan en conjunto el 37% de la superficie, ya que la seguridad que podemos tener de que se trate realmente de ese tipo concreto de cubierta vegetal no es alta (53.8, 53.5 y 30% de precisión de usuario, respectivamente). Otras como el matorral, pastizal, coníferas e improductivo, que representan el 57% de la cuenca, pueden ser utilizadas con un mayor grado de seguridad (precisión de usuario ≥ 80%). En cuanto al coeficiente Kappa, valores mayores que 0.8 representan una alta coincidencia entre el mapa clasificado y la información real de referencia, valores entre 0.4 y 0.8 representan una coincidencia moderada, y valores inferiores a 0.4 representan una pobre relación entre ambos (Landis y Koch, 1977). Por tanto, el valor obtenido de K=0.67 es aceptable, aunque no muy alto. 25 4. Evolución temporal de la vegetación Capítulo 4 Evolución temporal de la vegetación 4.1. Selección de imágenes de satélite Para caracterizar la evolución de la vegetación a lo largo de un año hidrológico y de años sucesivos mediante imágenes de satélite es necesario seleccionar imágenes de diferentes épocas en cada año. Cada satélite Landsat independientemente cubre la cuenca del Guadalfeo cada 16 días, y ambos están coordinados de forma que la resolución temporal del conjunto es de 8 días. Ello permite seleccionar imágenes representativas de cada época del año. La disponibilidad de imágenes del sensor Thematic Mapper desde el año 1982 hasta nuestros días, ofrece amplias posibilidades para realizar un análisis de la evolución de la vegetación a más largo plazo si fuese necesario. El número de imágenes a adquirir debe guardar un equilibrio entre su coste y las necesidades de muestras de nuestro trabajo. Se ha considerado que la adquisición de una imagen cada 2-3 meses es suficiente para analizar los cambios estacionales de la vegetación. El aumento de precisión que se obtendría con imágenes más frecuentes no justifica su incremento de coste. Se seleccionaron en total 15 escenas de los satélites Landsat-5 Thematic Mapper y Landsat-7 Enhanced Thematic Mapper regularmente repartidas en el tiempo para analizar la evolución de la vegetación durante los años hidrológicos 2002/03, 2003/04 y 2004/05. Las fechas de adquisición de dichas imágenes son las siguientes: 25 noviembre 2002, 28 enero 03, 1 marzo 03, 29 junio 03, 1 septiembre 03, 23 enero 04, 12 abril 04, 1 julio 04, 18 agosto 04, 19 septiembre 04, 22 noviembre 04, 1 enero 05, 30 marzo 05, 2 junio 05, y 20 julio 05. En el otoño de 2003 no fue posible seleccionar ninguna imagen útil para nuestro trabajo debido a dos causas: el número de imágenes disponibles era muy reducido por problemas técnicos sufridos por la plataforma espacial Landsat-7, y las pocas imágenes adquiridas tenían un alto porcentaje de nubes que las hacían inservibles. Para obtener información sobre el estado de la vegetación en ese periodo de tiempo se ha utilizado la imagen de un año posterior, concretamente la de 22-nov-04. Esta imagen puede ser considerada equivalente a una de la misma fecha del año anterior debido a que el régimen de lluvias fue muy parecido en los meses anteriores, con inicio de la estación húmeda en los primeros días del mes de octubre y unas lluvias abundantes en dicho mes. De esta forma se consigue minimizar el error que supondría interpolar linealmente el estado de la vegetación entre las imágenes de 1-sep-03 y 23-ene-04, con más de 4 meses de separación entre ellas. Salvo el periodo comentado anteriormente, el intervalo de tiempo máximo entre 2 imágenes consecutivas es de 3 meses y el mínimo es 1 mes. Este intervalo de tiempo entre imágenes no es constante debido a que un buen número de las imágenes adquiridas por el satélite a lo largo del año de estudio resultaron ser inservibles por el alto grado de cobertura de nubes que presentaban. 27 4. Evolución temporal de la vegetación En las figuras 4.1, 4.2 y 4.3 se muestran unos mosaicos con las imágenes utilizadas en este estudio. En las imágenes de invierno y primavera se observa la nieve en color azul en la zona Norte de la cuenca. En algunas imágenes, como por ejemplo las de 25-nov-02 y 22-nov-04, se observan algunas nubes de color blanco y las correspondientes sombras que proyectan sobre la superficie de la cuenca. Asimismo, en las imágenes de otoño y primavera se aprecia el fuerte contraste en la iluminación de las diferentes superficies debido al bajo ángulo de incidencia solar. La zona de color negro al Sur de la cuenca es el Mar Mediterráneo. Con la combinación de bandas elegida (5-4-3) para la visualización de las imágenes, la vegetación presenta color verde. La hora de paso del sensor sobre la cuenca es las 10:35, hora UTC, por lo que en otoño e invierno el ángulo de elevación solar en el momento de adquisición de las imágenes es muy bajo. Concretamente, en la imagen de 23-ene-04, el Sol se elevaba únicamente 27º por encima de la línea del horizonte. Ello, unido a lo abrupto del terreno en la zona estudiada, hace que una parte de la superficie de la cuenca esté en sombra. El sensor no recoge información útil de estas superficies que no reciben radiación solar directa y, por tanto, no podemos obtener información sobre la cubierta vegetal existente en esas zonas durante las épocas del año mencionadas. Concretamente, para la imagen de 23-ene-04 la superficie que no recibe radiación solar directa representa el 3.6% del total. El satélite Landsat-7 sufrió en el verano de 2003 unos problemas técnicos relacionados con el mecanismo de barrido que hace girar el sensor a un lado y otro de la vertical sobre la superficie terrestre. Desde entonces, las imágenes tomadas por dicho satélite presentan unas rayas sin información como las que se observan en la imagen de 1ene-05 en la figura 3.7, que es la única de esas características que se utiliza en este estudio. Esas zonas sin información representan el 6.2% de la superficie de una escena completa, siendo mayor hacia los extremos Este y Oeste, y no presentando problema alguno en la parte central de la imagen. Afortunadamente, la cuenca del Guadalfeo se sitúa en la parte central de dichas imágenes y por tanto la superficie afectada es menor. Como ya hemos mencionado, el uso de sensores remotos ópticos requiere de cielos despejados para poder medir la radiación reflejada por la superficie terrestre, ya que las nubes no dejan pasar la radiación de longitudes de onda cortas. El porcentaje de la superficie de cada imagen que se ve afectado por nubosidad es un dato que ofrece el suministrador comercial antes de realizar el pedido y, por tanto, es posible descartar las que tienen una alta incidencia de nubes. En el proceso de selección de imágenes para este trabajo, no pudo evitarse que algunas de las imágenes, concretamente las de 25-nov-02, 12abr-04, 22-nov-04 y 2-jun-05, tengan algunas nubes en el interior de los límites de la cuenca, aunque la superficie afectada es pequeña, inferior al 10% en el peor de los casos (22-nov-04). 28 4. Evolución temporal de la vegetación 25 noviembre 2002 28 enero 2003 29 junio 2003 1 marzo 2003 1 septiembre 2003 Fig. 4.1. Imágenes Landsat disponibles para el año hidrológico 2002/03. 29 4. Evolución temporal de la vegetación 23 enero 2004 18 agosto 2004 12 abril 2004 19 septiembre 2004 1 julio 2004 Fig. 4.2. Imágenes Landsat disponibles para el año hidrológico 2003/04. 30 4. Evolución temporal de la vegetación 22 noviembre 2004 1 enero 2005 2 junio 2005 30 marzo 2005 20 julio 2005 Fig. 4.3. Imágenes Landsat disponibles para el año hidrológico 2004/05. 31 4. Evolución temporal de la vegetación 4.2. Procesamiento y validación de las imágenes El tratamiento que se ha aplicado a las imágenes de satélite para obtener la cobertura vegetal del suelo incluye las siguientes etapas: 1. 2. 3. 4. 5. 6. 7. Corrección geométrica. Su objetivo es que las diferentes imágenes utilizadas se correspondan geométricamente entre sí y se puedan integrar con otro tipo de información geográfica. Calibración radiométrica. Su objetivo es convertir los valores digitales en que se almacena la información de una imagen en una variable con sentido físico como es la radiancia que recibe el sensor. Posteriormente, este valor de radiancia se transforma en reflectividad aparente teniendo en cuenta la radiación solar incidente en el punto y la hora analizados. Corrección atmosférica. Su objetivo es eliminar las diferencias entre imágenes que son debidas a diferentes condiciones atmosféricas en el momento de adquisición y no a cambios reales producidos en la superficie terrestre. Mediante esta corrección se pasa de reflectividad aparente (la que mide el sensor) a reflectividad de la superficie terrestre. Corrección topográfica. Necesaria en un terreno tan montañoso como el de Guadalfeo, reduce las diferencias espectrales entre zonas de una misma imagen que son debidas a una diferente iluminación de la superficie y no a características de la cubierta del suelo. Validación de los valores de reflectividad obtenidos después de los pasos 14 con medidas de radiometría de campo. Cálculo de la fracción de cobertura. Su objetivo es determinar la abundancia de vegetación en cada punto según la información espectral corregida de que disponemos. Validación de los valores de cobertura vegetal obtenidos en el paso 6 mediante comparación con medidas de campo. Las 5 primeras etapas se pueden considerar como ‘pre-procesamiento’ de las imágenes, el cual sería común sea cual sea la finalidad para la que se van a utilizar las imágenes, y se explica con mayor detalle en el Anejo A. Los pasos 6 y 7 son específicos para la aplicación que buscamos en este estudio, y se presentan a continuación. A partir de los valores de reflectividad obtenidos tras el pre-procesamiento de las imágenes de satélite, se ha calculado el índice denominado “Índice de Vegetación de la Diferencia Normalizado” (NDVI) por ser el más ampliamente usado y presentar una alta correlación a escala local con varios parámetros de la cubierta vegetal como el índice de área foliar, la biomasa, la producción, y el porcentaje de cobertura (Camacho-De Coca et al., 2004). Los índices de vegetación están diseñados para ser sensibles al componente verde de una cubierta vegetal, y no se corresponden bien con la fracción de cobertura total en presencia de una parte significativa de vegetación seca (North, 2002). El NDVI se calcula de la siguiente forma: NDVI = ρ nir − ρ vis ρ nir + ρ vis (8) 32 4. Evolución temporal de la vegetación Siendo ρnir y ρvis la reflectividad de la superficie en los intervalos de longitud de onda correspondientes al rojo (0,5-0,7 µm) e infrarrojo cercano (0,7-0,9 µm), respectivamente. El NDVI no cuantifica directamente la cantidad de vegetación, por lo que debe ser transformado en porcentaje de vegetación antes de realizar la comparación con el análisis de mezcla espectral (Carlson y Ripley, 1997). El NDVI de una zona con una cobertura vegetal del 100% no es igual a la unidad, sino que suele estar comprendido entre 0,65 y 0,75 según el tipo de cubierta, por lo que no es un buen estimador por sí mismo de la fracción de cobertura. Para transformar el índice de vegetación en un valor de cobertura vegetal se ha utilizado la relación lineal propuesta por Wittich y Hansing (1995), que ha sido utilizada también con resultados aceptables por otros autores (Choudhury et al., 1994; Qi et al., 2000, Ramsey et al., 2004). La ecuación de dicha transformación se puede expresar como: fv = NDVI − NDVI 0 NDVI 100 − NDVI 0 (9) Siendo NDVI0 el índice correspondiente a suelo desnudo, NDVI100 el índice correspondiente a una superficie completamente cubierta por vegetación, y fv la fracción de cobertura vegetal del suelo. Para normalizar el índice de vegetación NDVI se seleccionaron en la imagen de satélite zonas con cobertura total y sin vegetación. Los parámetros utilizados para todas las imágenes fueron: NDVI100 = 0,73 NDVI0 = 0,06 En la figura 4.4 se representa la distribución estadística de los valores de NDVI de todas las imágenes disponibles de la cuenca. Se comprueba que los parámetros seleccionados para la normalización del índice de vegetación son razonables, ya que el intervalo entre NDVI100 y NDVI0 contiene la gran mayoría de los píxeles de cada una de las imágenes. El alto número de píxeles cuyos valores son inferiores a 0,06 corresponden a superficies sin vegetación, como suelo desnudo y nieve, así como a zonas en donde no se ha podido calcular el índice por presencia de nubes o sombra. 33 4. Evolución temporal de la vegetación Nº píxeles 0.06 NDVI 0.73 Fig. 4.4. Distribución de valores de NDVI en las 15 imágenes disponibles de la cuenca Guadalfeo. Los parámetros anteriores nos permiten aplicar la ecuación (9) a los valores de NDVI y obtener la fracción de cobertura vegetal. En este punto se ha realizado una validación para comprobar si el método utilizado da buenos resultados en la zona estudiada. Se han utilizado datos de campo de cobertura vegetal recogidos los días 2-4 de agosto de 2004 en 30 parcelas que pudieron ser identificados posteriormente en la imagen de satélite de 18-ago-04 (Ver Anejo B: Campañas de medida en campo). En la figura 4.5 se presenta la relación entre los valores de cobertura vegetal calculados con el satélite y los estimados en campo en las diferentes parcelas seleccionadas. La fracción de cobertura vegetal calculada mediante la normalización lineal del índice NDVI propuesta por Wittich y Hansing (1995) presenta un coeficiente de dispersión de R2=0.83 respecto a las estimaciones de campo de cobertura vegetal en los mismos puntos. Las imágenes derivadas con este método presentan una alta coherencia con las observaciones de campo, lo que demuestra el potencial del método para estimar fracción de cobertura vegetal y estudiar su evolución temporal. El mayor error en la estimación de la cobertura vegetal por este método se produce en superficies con abundante vegetación seca, a las que asigna un cierto porcentaje de cobertura vegetal (10-30%), cuando la cobertura de vegetación verde real es nula. Asimismo, el método del NDVI utilizado tiene la desventaja de que el índice se ve afectado por las propiedades espectrales del suelo (Huete et al., 1985), particularmente en áreas con vegetación dispersa donde las observaciones están fuertemente influenciadas por la señal de fondo del suelo, las rocas y el material vegetal seco. 34 4. Evolución temporal de la vegetación 100 fv campo (%) 80 60 40 y = 1,0315x - 5,0519 R2 = 0,8328 20 0 0 20 40 60 80 100 fv satélite (%) Fig. 4.5. Relación entre la fracción de cobertura calculada con la imagen de satélite de 18-ago-04 y la medida en campo el 2-3 agosto 2004. 4.3. Evolución temporal de la cobertura vegetal Las variaciones estacional e interanual que presentan las cubiertas vegetales de la cuenca como consecuencia de las condiciones climatologías y de la influencia humana, tienen una gran importancia en el balance hidrológico a escala regional a la hora de estimar los diferentes flujos y procesos que ocurren en la superficie de la cuenca. Por ello se ha utilizado en este trabajo un gran número de imágenes de satélite que permitan conocer la evolución temporal de la vegetación presente en cada punto de la cuenca durante el periodo de tiempo estudiado (1-sep-02 al 31-ago-05). La abundancia de vegetación en cada punto de la cuenca y su evolución a lo largo del tiempo se analiza mediante la fracción de cobertura vegetal del suelo, cuyo procedimiento de cálculo se ha explicado en los puntos anteriores. El resultado es una serie de mapas como el representado en la figura 4.6, que contiene un valor de cobertura vegetal en cada celda de 30×30 m. 35 4. Evolución temporal de la vegetación 100% 50% 0 Fig. 4.6. Mapa de cobertura vegetal de la cuenca del Guadalfeo de 30-mar-05. Si se compara la imagen de cobertura vegetal (Fig.4.6) con el mapa de tipo de vegetación (Fig. 3.2), se puede comprobar que evidentemente existe una relación entre el tipo de vegetación y el porcentaje de superficie del suelo que cubre. Es posible establecer una relación visual entre las superficies de coníferas y su alta fracción de cobertura del suelo, entre la superficie improductiva del Norte de la cuenca y su baja o nula cobertura vegetal, y del mismo modo entre los frutales de regadío del entorno de Motril y las zonas de alta cobertura vegetal en el extremo Sur de la imagen 4.6. El modelo hidrológico distribuido en el que se incluye el modelo de interceptación explicado en este trabajo calcula los flujos de agua a escala horaria durante cada evento de precipitación en la cuenca, y a escala diaria en los periodos entre eventos. Para generar series temporales de cobertura vegetal a escala de cuenca, se ha adoptado una resolución temporal de un día y se interpola a lo largo del año los valores calculados para las fechas de las imágenes en cada celda. La hipótesis utilizada en este trabajo es la siguiente: Se considera que la cobertura calculada en una fecha determinada permanece constante durante los 10 días anteriores y posteriores a dicha fecha. Para los periodos restantes, la cobertura es interpolada linealmente entre las dos imágenes. Este criterio tiene una excepción al final del verano, ya que no se comienza a interpolar los datos de la última imagen de verano con la de otoño hasta que no se han registrado las primeras lluvias importantes en el año hidrológico considerado. 36 4. Evolución temporal de la vegetación De esta forma, la cobertura calculada para la imagen de verano permanecerá constante hasta que haya humedad disponible para que las plantas salgan del reposo estival. Para analizar los resultados obtenidos se han seleccionado zonas de la cuenca de los diferentes tipos de vegetación existentes, y se ha representado su fracción de cobertura vegetal promediada frente al tiempo. Las zonas de los diferentes tipos de vegetación se han seleccionado utilizando información de las campañas de campo y ortofotografía digital. En la figura 4.7 se presentan algunos ejemplos de estas zonas. Órgiva Pantano de Béznar Coníferas Matorral Padul Torvizcón Cultivos herbáceos Frutales secano Fig. 4.7. Ejemplo de zonas seleccionadas para analizar su evolución temporal según la clase de cubierta vegetal. La imagen de fondo es la imagen Landsat de 28-ene-03 visualizada mediante una combinación de bandas 4-3-2. En la figura 4.8 se representa la evolución temporal para cada uno de los 9 tipos de cubiertas vegetales más representativos de la cuenca del Guadalfeo. El bosque de coníferas mantiene su cobertura en el intervalo 85-95% durante todo el periodo estudiado, sin sufrir variaciones importantes en ninguna estación. Se producen ligeros mínimos en verano y máximos en invierno que se deben a la vegetación anual de tipo herbácea que crece en los espacios entre las copas de los árboles, así como al propio ciclo de crecimiento de agujas de pino. La zona seleccionada es de unas 13 ha. de extensión y corresponde a un pinar espeso situado al Norte de la localidad de Lanjarón. En verano de 37 4. Evolución temporal de la vegetación 2005 ocurre una excepción, ya que se observa una disminución de la cobertura hasta el 63.5%. Esa es la respuesta a un año hidrológico muy seco: desde el 1-septiembre-2004 al 31-agosto2005 la precipitación media en la cuenca fue de 320 mm, frente a los 620 mm de un año medio. El grupo de las quercíneas, que representa el bosque mediterráneo típico formado por encinas o alcornoques y matorral bajo, mantiene una cobertura del suelo en el intervalo 6080% durante el periodo de 3 años estudiado, pero con cambios estacionales algo más acusados que el caso de las coníferas. La superficie seleccionada para esta tipología de vegetación tiene una extensión de unas 15 ha., y constituye un alcornocal situado al Sur de la subcuenca del Torvizcón. Los máximos para este alcornocal se producen en invierno, en torno al 80% de suelo cubierto por vegetación verde, y los mínimos en verano con valores del orden del 60%. Al igual que en el caso de las coníferas, en las quercíneas se observa una mayor caída de la fracción de cobertura en el verano de 2005 (hasta llegar al 45%) que en los mismos periodos de los años anteriores. Esto es debido a que la primavera de 2005 fue mucho más seca que las de los años 2003 y 04, lo que resultó en un menor crecimiento del estrato vegetal inferior, que se compone de pasto y matorral que cubren los espacios entre árboles. La cubierta de matorral, que es la que cubre mayor superficie de la cuenca, presenta importantes contrastes tanto intra como inter-anuales. Su evolución temporal esta estrechamente ligada a la climatología (temperatura y precipitación) y por tanto se pone de relieve la importancia de disponer de un gran número de imágenes homogéneamente repartidas en el tiempo para su adecuado seguimiento. Concretamente, la parcela seleccionada para el análisis temporal es una extensa zona homogénea de matorral en la subcuenca del río Alcázar, en la vertiente Sur del Guadalfeo. Tiene una extensión de más de 60 ha. y se compone de matorral bajo y disperso con pasto asociado. En la figura 4.8 se observan máximos de cobertura vegetal del 72% para el invierno del primer año, del 53% para el segundo, y de 68% para el tercero. Los mínimos relativos se producen al final del verano, siendo del 34%, 37% y 27% para los 3 años analizados, respectivamente. Para estudiar la evolución de las superficies de pastizal, se han seleccionado extensas zonas de alta montaña entre 1500 y 2500m de altitud. Su extensión es de unas 250 ha. y el suelo es de tipo rocoso y pobre. Las superficies de pasto de alta montaña presentan gran estacionalidad, como era de prever. La superficie estudiada se cubre parcialmente de nieve parte del año y alcanza coberturas por encima del 35% en los meses posteriores al deshielo. En este caso, los máximos se producen al final de primavera y no en invierno como los casos anteriores. Para que la zona de olivar seleccionada fuera representativa de los diferentes tipos que existen en la cuenca (regadío-secano, montaña-valle, tradicional-moderno, diferentes marcos de plantación, etc.) se han seleccionado numerosas parcelas distribuidas por las zonas de la cuenca donde se concentra este cultivo. En total representan 358 ha. de olivar. Si bien las copas de los olivos no sufren grandes variaciones durante el año, las hierbas anuales que crecen en el suelo desnudo que hay entre las mismas producen las variaciones estacionales que se observan en la figura 4.8. En invierno y primavera la respuesta espectral de esas superficies resulta en unas estimaciones del 65-75% de cobertura vegetal según el año, mientras que al final del verano se queda en torno al 50%, el cual corresponde únicamente a las copas de los olivos. 38 4. Evolución temporal de la vegetación Fig. 4.8. Evolución temporal de las cubiertas vegetales de la cuenca del Guadalfeo durante el periodo 1septiembre2002 – 31agosto2005 39 4. Evolución temporal de la vegetación En cuanto a los frutales de regadío, se han seleccionado zonas de plantaciones frutales y cultivos subtropicales al Oeste de la localidad de Motril, con una superficie total de unas 20 ha. Las estimaciones de cobertura vegetal obtenidas mediante teledetección indican que dichas cubiertas mantienen unos valores altos (90% aproximadamente) y una evolución más o menos constante a lo largo del año. El descenso de cobertura experimentado en las 2 últimas imágenes disponibles (junio y julio de 2005) no tiene una explicación en la climatología, ya que estos cultivos son de regadío. El descenso se puede deber a una menor dotación para riego, a la renovación de la plantación plurianual o cambio de uso en algunas parcelas. Respecto a la tendencia estacional de la cobertura de frutales de secano (almendros y viñedo), para los meses de verano la fv calculada es cercana al 30%, lo que se corresponde con las observaciones de campo. Sin embargo, para los meses de invierno la fv calculada es mayor, en torno al 50%, a pesar de que los frutales están sin hoja en esta época del año. Esto tiene su explicación en el manejo del suelo que realizan los productores: se deja crecer el pasto durante el invierno para después eliminarlo mediante labrado o dejar que se seque de forma natural con la llegada de las altas temperaturas estivales. Las superficies de almendros y vid seleccionadas se encuentran en la subcuenca del Torvizcón, como se puede observar en la figura 4.7, e incluyen parcelas con diferentes densidades de plantación y pendientes del terreno. En total suman más de 40 ha. Los cultivos herbáceos son el tipo de vegetación con variaciones estacionales más acusadas de todas las cubiertas analizadas. Se comprueba que la curva de un año es muy similar a las del resto, alcanzando los mismos valores máximos y mínimos en los mismos meses del año. En su estado de máximo desarrollo (primavera), se ha estimado una cobertura del 85% del suelo, mientras que en el periodo entre cosechas (final del verano, principios del otoño) este porcentaje cae hasta el 15-20%. Hay que tener en cuenta que la zona analizada no comprende una sola parcela de cultivo, sino una zona agrícola de unas 19 has al Este de Padul, que incluye diferentes tipos de cultivos herbáceos anuales, así como caminos, barbechos, etc. Por último, cabe analizar la evolución de la clase denominada ‘Improductivo’, para la cual se han seleccionado grandes áreas en la parte más alta de la cuenca (>2500m). Estas zonas permanecen nevadas la mitad del año y en la otra mitad apenas crece nada. Efectivamente se comprueba que los valores son cercanos a cero en la mayoría de las imágenes procesadas. Debido a la importancia de la cubierta de matorral en la cuenca (26.1% de toda la superficie) y a las importantes variaciones estacionales que sufre su fracción de cobertura del suelo, se ha analizado la relación entre su evolución temporal y las variables climáticas temperatura y precipitación (figura 4.9). La línea de color azul representa la evolución temporal de la temperatura media diaria y las barras oscuras indican la precipitación diaria registrada. La temperatura y precipitación se han tomado de la estación meteorológica de Cádiar, localidad cercana a las zonas de matorral seleccionadas y con similar altitud. 40 4. Evolución temporal de la vegetación Fig. 4.9. Evolución temporal de la cubierta de matorral en función la precipitación y la temperatura. Se comprueba que la cubierta de matorral responde a las condiciones climáticas, variando entre el 30% y el 70% la cobertura vegetal del suelo. La fracción de cobertura aumenta después de las primeras lluvias de otoño en los 3 años estudiados, hasta alcanzar su máximo anual en los meses de enero - marzo. A partir de entonces, la cobertura vegetal comienza a descender coincidiendo con el aumento de las temperaturas hasta alcanzar el mínimo en los meses de julio - septiembre. Se puede considerar que el valor base del 27.2% encontrado en la serie temporal de vegetación de tipo ‘matorral’, que se produce en el verano de 2005 tras una primavera especialmente seca, corresponde exclusivamente a la cobertura de especies arbustivas plurianuales, las cuales se encuentran en estado de reposo estival pero mantienen una cierta capacidad fotosintética. El comportamiento temporal de la cubierta de matorral, que en la parcela estudiada es de porte bajo y siempre va asociada a una cubierta de pasto (herbáceas anuales), tiene una relación muy marcada y de tipo inversa a la temperatura media diaria, como se puede observar en la figura 4.9. Las altas temperaturas de primavera y verano secan el pasto y parte de las hojas de los arbustos. Por el contrario, las temperaturas más suaves del invierno típico del clima Mediterráneo, permiten el máximo desarrollo de la cubierta en cuanto a abundancia de vegetación fotosintéticamente activa. Cabe destacar en este sentido la diferente respuesta que sufre la cubierta de matorral ante las lluvias de otoño y primavera, que son las estaciones del año en las que la cuenca recibe la mayor parte de la precipitación anual. La precipitación de otoño es necesaria para la salida del reposo estival de la cubierta, experimentando ésta una rápida respuesta después de las primeras lluvias importantes ocurridas en octubre - noviembre. Esta respuesta es favorecida por el descenso de temperatura que se produce en los meses mencionados. Sin embargo, se puede observar cómo las lluvias de primavera no rompen la tendencia descendente de la fracción de cobertura vegetal, debido a que la temperatura es un factor más importante en la determinación del ciclo de los pastos anuales. Estas lluvias de primavera, no obstante, tienen importancia a la hora de establecer el nivel base de vegetación verde que existirá durante el verano. Esto último se puede comprobar en el tercer año hidrológico analizado, el 2004/05, cuando las lluvias primaverales fueron menos 41 4. Evolución temporal de la vegetación abundantes y tuvo como consecuencia una cobertura del 27.2%, frente a las del 35% de los 2 años anteriores. 42 Parte II Modelo distribuido de interceptación de lluvia 5. Pérdidas por interceptación de lluvia Capítulo 5 Pérdidas por interceptación de lluvia Cuando la lluvia incide sobre una superficie con vegetación, una parte es interceptada por la cubierta vegetal y evaporada directamente hacia la atmósfera. Esta parte de la lluvia se denomina pérdida por interceptación (I). El resto de la lluvia alcanza la superficie del suelo tanto de forma directa a través de huecos en la cubierta y goteando desde la misma (trascolación, Tf) como escurriendo a través de las ramas principales y el tronco (escorrentía cortical, Sf). La cantidad real de agua que alcanza el suelo se denomina precipitación neta (Pn), y es la suma de la trascolación y la escorrentía cortical. El concepto de capacidad de almacenamiento de la cubierta vegetal fue introducido por primera vez por Horton (1919). El agua es retenida en la superficie de hojas y ramas por la tensión superficial hasta que ésta se iguala a la fuerza gravitatoria (Leonard, 1967). En ese momento, la cubierta alcanza su capacidad de almacenamiento (S) y comienza el goteo (drenaje a través de la cubierta, D). S se define entonces como la cantidad mínima de agua necesaria para cubrir completamente la superficie de la cubierta al aire libre. El proceso de interceptación juega un papel importante en el balance de agua de una cuenca y en la propia ecología de la vegetación. La importancia cuantitativa de este flujo ha sido investigado en diversos tipos de cubierta vegetal, entre los que se encuentran cultivos comerciales (Stoltenberg y Wilson, 1950; Leuning et al., 1994; Xiao et al., 2000; Van Dijk y Bruijnzeel, 2001; Gómez et al., 2001); vegetación de zonas áridas y semiáridas (Návar y Bryan, 1990; Domingo et al., 1998; Cantú y González, 2005); herbáceas (Burgy y Pomeroy, 1958; Merriam, 1961; Leyton et al., 1967); pero sobre todo en ecosistemas de bosque (Rutter, 1963; Thompson, 1972; Aston, 1979; Gash, 1979; Gash et al., 1980; Dolman, 1987; Lankreijer et al., 1993; Llorens, 1997; Liu, 1998; Valente et al., 1997; Carlyle-Moses y Price, 1999). Las pérdidas por interceptación en bosques constituyen con frecuencia una parte significativa (25-75%) del total de agua evaporada (Gash y Stewart, 1977; McNaughton y Jarvis, 1983; Shuttleworth, 1988). Expresadas como porcentaje de la lluvia incidente, las pérdidas por interceptación pueden variar desde el 9% en el Amazonas (Lloyd et al., 1988) hasta valores tan altos como el 60% en bosques de Picea sitchensis y Picea abies en Gran Bretaña (Forgeard et al., 1980). Este amplio intervalo de variación se debe principalmente a diferencias en la distribución temporal de lluvia entre ambas regiones. Las mayores pérdidas ocurren en climas con frecuentes eventos de lluvia de pequeña magnitud, en contraposición a aquellos climas con pocos eventos de gran intensidad (Rutter, 1975). Los factores que afectan a las pérdidas por interceptación son, por una parte, la evaporación desde las superficies húmedas de la vegetación y, por otra, la duración de la humedad en la cubierta (Rutter, 1975; Ward y Robinson, 2000). La última viene determinada por la capacidad de almacenamiento de la cubierta y por la distribución e intensidad de los eventos de lluvia. La capacidad de almacenamiento depende a su vez del tamaño de hoja, 45 5. Pérdidas por interceptación de lluvia forma y orientación (Armstrong y Mitchell, 1987), de la estructura de la planta (Watanabe y Mizutani, 1996; Domingo et al., 1996, 1998) y de la agitación de la cubierta por el viento (Aston, 1979), entre otros. Como las pérdidas por interceptación no pueden ser medidas directamente, la magnitud de este flujo es estimada como diferencia entre la precipitación incidente y la suma de trascolación y escorrentía cortical (precipitación neta) medidas a nivel del suelo. La precipitación incidente se puede medir por encima de la cubierta o en un claro cercano. Debido a la gran variabilidad espacial de la trascolación, normalmente se mide mediante un muestreo intensivo utilizando una serie de pluviómetros de embudo localizados al azar debajo de las copas de los árboles. Como término medio son necesarios de 20 a 30 colectores de embudo para muestrear una superficie de 1500 m2 aproximadamente de bosque conteniendo de 50 a 90 árboles (p.ej. Valente et al., 1997). La escorrentía cortical se suele medir usando canalones sellados alrededor del tronco que vierten a un depósito o un medidor automático. La escorrentía cortical es muy variable de un árbol a otro. Sin embargo, no se mide con tanta precisión porque normalmente representa una parte muy pequeña del balance de agua en la cubierta. Algunos investigadores (p.ej. Calder y Rosier, 1976) prefieren usar grandes láminas colectoras de plástico para medir la precipitación neta. Este tipo de medidores recogen el total de trascolación y escorrentía cortical en un área de aproximadamente 20 m2. Este método soluciona el problema de la variabilidad espacial a pequeña escala, pero no considera variaciones de la precipitación neta en distancias algo mayores. Estas medidas indirectas estiman la interceptación como una diferencia pequeña entre dos grandes números y, por ello, tanto la lluvia incidente como la lluvia neta deben ser medidas con precisión (David et al., 2005). Se han probado algunas técnicas para medir de forma directa el agua almacenada en la cubierta o la evaporación desde la misma, pero ninguno de estos métodos ha sido aceptado como una técnica de aplicación general. Una alternativa para estimar las pérdidas por interceptación es el uso de modelos, que permiten extrapolar los resultados experimentales en el tiempo y en el espacio. Pero a diferencia de estos, los modelos permiten también conocer el funcionamiento del proceso. Aparte del trabajo pionero de Horton (1919), quien puso de relieve que la duración de la lluvia era una variable clave, la mayoría de los modelos posteriores expresan las pérdidas por interceptación en función de la lluvia incidente, bien como un porcentaje o a través de relaciones empíricas simples (Zinke, 1967). Sin embargo, estas relaciones son específicas del lugar donde se obtuvieron y su extrapolación a otras áreas con diferente régimen de lluvias da como resultado estimaciones erróneas. Rutter et al. (1971, 1975) fueron los primeros en presentar un modelo de interceptación en bosques, proponiendo que el proceso estaba condicionado principalmente por la evaporación desde la cubierta húmeda. El modelo de Rutter calcula un balance de agua en la cubierta vegetal en el que el contenido de humedad de la cubierta va cambiando en función de los flujos de lluvia, drenaje y evaporación que afectan a la misma. El modelo requiere tanto datos meteorológicos en cortos intervalos de tiempo como parámetros que describen la estructura de la vegetación, como su capacidad de almacenamiento y el porcentaje de espacio libre de vegetación. La evaporación se calcula mediante la ecuación de 46 5. Pérdidas por interceptación de lluvia Penman-Monteith (ec. 13). El principal problema práctico es el alto requerimiento de datos del modelo. Gash (1979) propuso un modelo más simple basado en eventos de lluvia, conocido como el ‘modelo analítico de Gash’. Éste incorpora algunas simplificaciones de los modelos de regresión lineal, pero manteniendo los conceptos físicos fundamentales del modelo de Rutter. El modelo de Gash requiere menor cantidad de datos meteorológicos, porque aplica valores constantes de intensidad de lluvia media y evaporación media durante el periodo de simulación. Este modelo ha funcionado con éxito en una amplia variedad de condiciones (Gash et al., 1980; Dolman, 1987; Lloyd et al., 1988). Cuando los modelos de Rutter y Gash eran aplicados en vegetación dispersa, se comprobó que sobreestimaban las pérdidas por interceptación (Lankreijer et al., 1993; Gash et al., 1995; Valente et al., 1997). Esto condujo a la revisión de ambos (Gash et al., 1995; Valente et al., 1997) para tener en cuenta el grado de cobertura de la vegetación. En estas versiones de los modelos para vegetación dispersa, la evaporación desde la cubierta húmeda se considera linealmente dependiente de la fracción de cobertura vegetal (fv). Las versiones revisadas permiten simular adecuadamente las pérdidas por interceptación tanto en cubiertas dispersas como cerradas, teniendo en cuenta que cuando la cobertura vegetal es del 100%, la versión revisada se reduce a la original. Aplicaciones recientes del modelo de Gash revisado confirman que las predicciones del modelo son buenas en cubiertas con diferentes grados de cobertura (Gash et al., 1995; Valente et al., 1997; Asdak et al., 1998; Carlyle-Moses y Price, 1999; Jackson, 2000). Como alternativa a estos modelos tipo Rutter, Calder (1986) desarrolló un modelo estocástico en el que el almacenamiento de la cubierta variaba con el tamaño de gota y, por lo tanto, con la intensidad de lluvia. Sin embargo, actualmente sólo los modelos de Rutter y Gash o sus derivados se consideran métodos aplicables de forma general de forma distribuida a escala de cuenca (Roberts et al., 2004). 47 6. Modelo de interceptación Capítulo 6 Modelo de interceptación El modelo de interceptación que se propone en este trabajo para su uso a escala de cuenca está basado en los modelos analíticos de Rutter y Gash mencionados anteriormente. En la figura 6.1 se representa esquemáticamente el balance de agua que ocurre en la cubierta vegetal del suelo. P E w S fv D Fig. 6.1. Balance de agua en la cubierta vegetal. La precipitación incidente (P) puede ser interceptada por la cubierta vegetal o bien llegar directamente al suelo si no encuentra hojas o ramas a su paso. El agua interceptada puede a su vez llegar al suelo mediante drenaje (D) o ser retenida en la cubierta vegetal y posteriormente evaporada hacia la atmósfera (E). La cubierta retiene en cada instante un volumen de agua (w), cuyo valor máximo corresponde a la capacidad de almacenamiento de la cubierta (S), que se produce cuando la cubierta alcanza la saturación. Este modelo de interceptación se aplica en la superficie en la que existe vegetación. Para extrapolarlo a la superficie total del suelo, se debe tener en cuenta el carácter disperso de la vegetación mediante el uso de la fracción de cobertura vegetal (fv). Este parámetro determina la proporción de superficie de suelo en la que ocurre interceptación. En el resto de la superficie, donde no existe cubierta vegetal, la precipitación incidente llega directamente al suelo convirtiéndose en precipitación neta. La distribución espacial de fv a lo largo del periodo de estudio se ha obtenido a partir del análisis de imágenes Landsat (ver Parte I de este trabajo). 49 6. Modelo de interceptación El modelo planteado calcula la lluvia neta definida como la cantidad de agua que llega al suelo, sin separarla en escorrentía cortical y trascolación. La estimación de la escorrentía cortical es compleja en cubiertas vegetales compuestas de varias especies distintas, ya que existen grandes diferencias en su capacidad de generar esta escorrentía cortical (Lloyd y Marques, 1988). La importancia cuantitativa que tiene la escorrentía cortical es pequeña en comparación con la precipitación incidente. Por ejemplo, en un estudio realizado sobre Pinus sylvestris en los Pirineos, Llorens (1997) obtiene un valor de escorrentía cortical del 1,3% de P. Dolman (1987) encontró la escorrentía cortical despreciable para un bosque de robles en Holanda en su periodo con hoja, y estimó un valor del 5% de P para el periodo de reposo. El balance de agua que se produce en la cubierta vegetal se puede expresar como: dw = P−E−D= I −E dt (10) donde w es el volumen de agua almacenado por unidad de superficie en el dosel vegetal, P es el flujo de precipitación incidente, E es el flujo de evaporación de agua interceptada, D es el flujo de agua que drena a través de la cubierta, e I es el flujo de agua interceptada (I = P – D). El periodo de aplicación del balance de agua comienza el 1-septiembre-2002 y termina el 31-agosto-2005. En esos dos momentos suponemos que la cubierta está seca, puesto que no se produjo ningún evento de lluvia en la cuenca del Guadalfeo en los días anteriores. Bajo este supuesto, el primer término de la ecuación (10) es igual a cero para el año estudiado, y por tanto, coinciden los flujos totales de agua interceptada con el de agua evaporada (I=E). Sin embargo, para intervalos de tiempo más cortos, el agua interceptada en un instante de tiempo no se evapora hasta los siguientes, produciéndose variaciones en la cantidad de agua retenida por la cubierta vegetal (dw/dt ≠ 0). El flujo de evaporación de agua desde las hojas y ramas se calcula según Rutter et al. (1971) como: E= w ⋅ EP S (11) donde EP es el flujo de evaporación potencial desde la superficie húmeda de la vegetación (ver ec. 13) y S es la capacidad de almacenamiento de la cubierta, es decir, el volumen de agua que la planta es capaz de retener por unidad de superficie cuando se encuentra saturada. S es comparable al concepto de capacidad de campo de un suelo, tan útil en la práctica al hablar de su contenido de agua y tan difícil de definir con precisión (Rutter et al., 1971). Cuando el dosel está saturado (w = S), existe agua en zonas de la planta más expuestas a la atmósfera, como por ejemplo la parte superior de la cubierta o las hojas exteriores de la copa de los árboles, que se evapora a la velocidad potencial (E = EP). Conforme el dosel se va secando, el agua remanente estará retenida en zonas de la planta menos expuestas a la atmósfera, como zonas interiores o pliegues por ejemplo, y el flujo de evaporación será menor (w/S < 1). Se ha demostrado que con esta hipótesis se describe adecuadamente el comportamiento de la cubierta en su conjunto durante el proceso de secado de la misma (Shuttleworth, 1978; Sellers y Lockwood, 1981; Shuttlewoth y Gash, 1982;). 50 6. Modelo de interceptación La descripción más realista de la evaporación desde cubiertas viene dada por la ecuación de Penman-Monteith (Monteith, 1965). Cuando la cubierta está seca, el flujo de vapor de agua desde la superficie de la cubierta (transpitación, ET) se expresa como: λ ET = sA + ρc p D ra s + γ (1 + rc ra ) (12) donde ET es el flujo de transpiración, A es la energía radiante disponible, cp el calor específico del aire a presión constante, D el déficit de presión de vapor, γ la constante psicrométrica, s la pendiente de la curva de presión de vapor en saturación, λ el calor latente de vaporización del agua, y ρ la densidad del aire. ra es la resistencia aerodinámica, que controla la transferencia de vapor desde las superficies de la planta hasta la atmósfera, y rc es la resistencia de la cubierta (o superficie), que representa la influencia combinada de los estomas de todas las hojas. Cuando la cubierta es humedecida por la lluvia, la evaporación del agua interceptada es un proceso que no depende del funcionamiento de los estomas. El flujo de evaporación desde una cubierta húmeda (EP) se puede expresar por la ecuación (12) haciendo la resistencia de la cubierta igual a cero (Rutter et al., 1971; Gash, 1979; Cain et al., 1998): EP = sA + ρc p D ra λ (s + γ ) (13) Por tanto, para una temperatura dada, el flujo de evaporación desde la superficie húmeda depende principalmente de la energía disponible (A), el déficit de presión de vapor del aire circundante (D) y de la resistencia aerodinámica (ra). La resistencia aerodinámica a la transferencia de vapor de agua es función de la rugosidad característica de la superficie evaporante y de la velocidad del aire (Monteith y Unsworth, 1990). Cuando aumenta la altura de la vegetación, se produce normalmente un aumento de la longitud de la rugosidad (z0) y por tanto, una disminución en la resistencia aerodinámica (Rutter, 1975). Durante un evento de lluvia la energía disponible (A) y el déficit de presión de vapor (D) son pequeños, por lo que la evaporación potencial es pequeña. Sin embargo una parte importante de las pérdidas por interceptación se producen durante el propio evento de lluvia porque la disponibilidad de agua en la cubierta (w) es mayor. El flujo de drenaje a través de la cubierta vegetal se calcula a partir de la propuesta de Zeng et al. (2000), que es equivalente a elegir un coeficiente de drenaje infinito en la fórmula exponencial de Rutter: ∞ D= 0 si w > S si w ≤ S (14) Es decir, sólo se produce flujo de drenaje cuando el contenido de humedad de la cubierta supera la capacidad de almacenamiento S, y a partir de ese momento todo exceso de agua es drenado instantáneamente hacia el suelo. Esta simplificación permite prescindir de los parámetros que relacionan w con D en el modelo de Rutter, de difícil cuantificación práctica, específicos para cada especie vegetal y prácticamente inabordables a escala de cuenca. 51 6. Modelo de interceptación Una vez obtenido el valor de las pérdidas por interceptación de lluvia para el intervalo de tiempo estudiado en la superficie de la cubierta vegetal, se utiliza la fracción de cobertura vegetal del suelo (fv) para considerar el carácter disperso de la vegetación y trasladar el resultado al área de estudio: I área = (P − D ) ⋅ f v (15) Los valores de P y D están referidos a unidad de superficie de cubierta vegetal, mientras que Iárea está referida a unidad de superficie de suelo. Esta última aproximación asume que las variables que intervienen en el proceso de interceptación de lluvia se comportan de igual manera tanto si la vegetación cubre completamente el suelo como si es de tipo disperso. Liu (2001) encontró que la tasa de evaporación desde una cubierta saturada y dispersa es igual a la tasa de evaporación desde una cubierta saturada y cerrada multiplicada por la cobertura de la misma. Por tanto, la evaporación desde la cubierta húmeda se puede considerar linealmente dependiente de la fracción de cobertura vegetal (fv) La precipitación neta (Pn) que recibe la unidad de superficie de suelo se calcula como la diferencia entre el flujo de precipitación incidente y el de interceptación: Pn = P − I área = (1 − f v ) ⋅ P + D ⋅ f v (16) De lo anterior se desprende que los datos necesarios para la aplicación del modelo de interceptación son los siguientes: Variables de entrada: - Precipitación incidente (P) - Evapotranspiración potencial (EP) Condiciones de contorno: - Capacidad de almacenamiento de la cubierta vegetal (S) - Fracción de cobertura vegetal del suelo (fv) Condiciones iniciales: - Contenido inicial de agua en la cubierta (w0) Conociendo esos datos podemos determinar el estado de humedad (w) de la cubierta vegetal en cada instante y por tanto calcular las pérdidas por interceptación y la precipitación neta que alcanza el suelo. En la figura 6.2 se presenta un esquema del modelo con las variables de entrada necesarias y las salidas que produce. 52 6. Modelo de interceptación Estado final de la cubierta (wf) Estado inicial de la cubierta (w0) Descripción del evento lluvia (P) Modelo de interceptación Pérdidas por interceptación (I) Precipitación neta (Pn) Demanda evaporativa de la atmósfera (EP) Caracterización de la cubierta vegetal (S y fv) Fig. 6.2. Esquema del modelo de interceptación aplicado. Se representan las variables que intervienen en su ejecución. Para la aplicación continua en el tiempo del modelo de interceptación planteado se han establecido las siguientes hipótesis: - La humedad disponible para evaporación durante un intervalo de tiempo determinado (1 hora en este caso) será la humedad almacenada en la cubierta vegetal al inicio de esa hora (w0). Por tanto, aunque exista precipitación durante la hora, el agua interceptada no estará disponible para evaporación hasta el paso de tiempo siguiente, ya que no es posible saber el momento en el que ha caído la lluvia, si al inicio, en mitad, o al final de la hora. - El balance de agua de la cubierta se ajusta al final de cada hora, determinando así el contenido de humedad final (wf). - Las nevadas que se producen sobre cubiertas vegetales son tratadas como precipitación en forma líquida. La precipitación en forma de nieve se produce en su mayoría en superficies de la cuenca con vegetación muy escasa o inexistente. Existen muy pocos estudios sobre el proceso de interceptación de nieve y su consideración en el modelo de interceptación aumentaría su complejidad pero no produciría diferencias importantes en los resultados a escala de cuenca. El modelo general de Guadalfeo incluye un módulo de nieve que tiene en cuenta los procesos que tienen lugar en las superficies cubiertas por nieve (Herrero et al., 2005). 53 7. Aplicación a escala de cuenca Capítulo 7 Aplicación a escala de cuenca 7.1. El Modelo Guadalfeo El Estudio piloto para la gestión integrada de la cuenca hidrográfica del río Guadalfeo es un Proyecto que surgió al observar la necesidad de disponer de herramientas técnicas para la toma de decisiones por parte de los gestores tras la entrada en funcionamiento de la presa de Rules. Dicho Proyecto, llevado a cabo por el Grupo de Ríos y Embalses de la Universidad de Granada con la colaboración del Grupo de Hidrología e Hidráulica Agrícola de la Universidad de Córdoba a través de un convenio con la Junta de Andalucía representada por el Instituto del Agua de Andalucía, se concreta a través del desarrollo de un modelo físico del comportamiento morfológico y físico-químico de la cuenca del río Guadalfeo. Éste es pieza clave en el modelo general de gestión integral de los recursos hídricos en esta cuenca, que permite responder al trinomio clásico en planificación cuánto-dónde-cuándo, añadiendo cómo y con qué incertidumbre (Aguilar y Polo, 2006). El Modelo Guadalfeo incluye un modelo hidrológico completo, distribuido y de base física, que se construye a partir de la integración de los siguientes módulos: • Simulación de variables meteorológicas, incluyendo distribución temporal e interpolación espacial • Interceptación de la precipitación. • Fusión de nieve. • Infiltración-escorrentía. • Balance de agua en suelo. • Circulación superficial en ladera. • Acuíferos superficial y profundo. • Circulación en cauce y embalse. A partir de los datos meteorológicos de precipitación, temperatura, radiación solar, velocidad del viento, presión de vapor y emisividad de la atmósfera, junto con ciertas propiedades físicas de la cubierta, del suelo y del subsuelo, el modelo es capaz de ofrecer resultados sobre el valor instantáneo o la evolución de las variables de estado y flujos principales de cada uno de los modelos enumerados. Estos pueden ser representados como mapas para el caso de variables distribuidas o como valores en el caso de variables puntuales o distribuidas pero agregadas en el espacio. Tanto la escala espacial como la escala temporal de los resultados puede ser elegida por el usuario del programa en función de las necesidades particulares de su estudio. En este mismo sentido, el programa permite escoger el grado de profundidad de la simulación para activar o desactivar los distintos módulos que lo componen y no efectuar cálculos innecesarios (Herrero et al., 2006). 55 7. Aplicación a escala de cuenca La programación del modelo se basa en código desarrollado en C++ y Fortran, independiente de la plataforma, aunque actualmente se encuentra compilado y en uso bajo un entorno Windows. Toda la información de entrada y de salida se encuentra en forma de ficheros de datos. El modelo es en principio un modelo aplicable en cualquier cuenca independientemente de clima y meteorología, de sus características edafológicas y litológicas y de su latitud. Pero ya que su desarrollo se ha basado en las condiciones existentes de la cuenca del Río Guadalfeo, contempla ciertas particularidades de este entorno que con otros modelos no son convenientemente simuladas (Herrero et al., 2006). Este trabajo, como parte integrante del modelo global, comparte la perspectiva de representar los procesos sobre un planteamiento con base física y se ensambla con el resto de estudios desarrollados en paralelo. La aplicación de un modelo de interceptación en una cuenca extensa y heterogénea como la del río Guadalfeo presenta cierta dificultad, ya que las condiciones son muy diferentes entre las diferentes zonas de la cuenca. El modelo debe servir para estimar la interceptación que se produce en cultivos frutales a nivel del mar y al mismo tiempo en un bosque de coníferas a 2000m de altitud. La acusada variabilidad espacial de la precipitación y la temperatura dentro de la cuenca hace que el proceso de interceptación de lluvia tenga unos ciclos muy diferentes según el lugar donde nos encontremos. Dada la naturaleza puntual del modelo de interceptación planteado (ver capítulo 6), lo más importante es determinar con la mayor precisión posible las condiciones que tienen lugar en cada instante y en cada punto de la superficie de la cuenca. Los datos de entrada del modelo (P, EP, S y fv) varían en el espacio y en el tiempo, por lo que ha sido necesario establecer un formato de datos aplicable a todos ellos y que sea capaz de recoger toda esa variabilidad. La resolución espacial y temporal del modelo se ha determinado a partir de la evaluación conjunta de toda la información de entrada a utilizar, ya que cada una tiene en general una resolución diferente. La máxima resolución temporal se corresponde con los datos meteorológicos disponibles a escala de cuenca, que son horarios. La máxima resolución espacial corresponde a la fracción de cobertura vegetal, de la que conocemos su valor en cada celda de 30×30 m, es decir, la resolución espacial del satélite Landsat (ver capítulo 1 de este trabajo). El modelo se ha aplicado a escala horaria, en cada una de las celdas de 30×30 m en que se ha dividido la superficie de la cuenca, para no perder resolución en ningún dato. El modelo se ejecuta de forma independiente dentro de cada celda. Todas las variables de entrada deben ser adaptadas al mismo formato, que corresponde a matrices de datos con 1461 filas y 1696 columnas. El procedimiento seguido para la obtención de cada una de las variables de entrada y la determinación de las condiciones de contorno se expone en los puntos siguientes. En el caso de la cobertura vegetal, su obtención se explica en el capítulo 4 de este trabajo. 56 7. Aplicación a escala de cuenca 7.2. Datos meteorológicos La información meteorológica empleada en el estudio procede de las estaciones meteorológicas de la Confederación Hidrográfica del Sur y del Instituto Nacional de Meteorología que suministran datos diarios y de tres estaciones de la Red de Información Agroclimática (RIA) de la Junta de Andalucía con datos semi-horarios. La distribución espacial de las mismas se muestra en la figura 7.1. Fig. 7.1. Estaciones meteorológicas de la cuenca. Fuente: Aguilar y Polo (2006). A partir de esos datos, se crearon unos algoritmos de generación de la distribución espacial de las variables meteorológicas de entrada para cada estado en el proceso. Desarrollaron los algoritmos de interpolación espacial de la precipitación y de la temperatura, que incluyen, entre otros, correcciones por altura y agregación a escala de evento para reproducir la estructura espacial, y correcciones de los patrones diarios y horarios posteriores a la interpolación propiamente dicha (Herrero et al. 2006). Las figuras 7.2 y 7.3 muestran los valores medios distribuidos durante el periodo 1990-2002 de las variables precipitación y temperatura a modo ilustrativo. Se observan los fuertes contrastes de clima existentes dentro de la cuenca, que configuran el carácter heterogéneo de la misma. 57 7. Aplicación a escala de cuenca Fig. 7.2. Precipitación media (mm/año) entre 1999-2002. Fuente: Herrero (2006). Fig. 7.3. Temperatura media anual (ºC) entre 1990-2002. Fuente: Herrero (2006). 58 7. Aplicación a escala de cuenca 7.3. Capacidad de almacenamiento de la cubierta vegetal La capacidad de almacenamiento de una cubierta vegetal (S), generalmente expresada en unidades de volumen por unidad de área, es el máximo volumen de agua que puede ser almacenado en el área proyectada de la vegetación (Horton, 1919), es decir, la cantidad de agua que puede retener la vegetación por unidad de superficie de cubierta cuando toda la superficie de sus hojas y ramas está húmeda. Existen diferentes métodos para determinar S (Llorens y Gallart, 2000): a) Valores existentes en la bibliografía. Son muchos los estudios experimentales de interceptación que se han llevado a cabo durante el último siglo en distintos tipos de cubiertas vegetales. La estimación de S en dichos estudios se realiza por alguno de los métodos explicados en b) y c). El problema de elegir valores de S de la bibliografía es que existen diferencias apreciables entre los resultados obtenidos por diversos autores para tipos de cubierta similares, y que los estudios experimentales se centran en especies vegetales concretas o incluso en individuos aislados, no en cubiertas heterogéneas como las que encontramos en la cuenca. b) Método de regresión. Este método estima el valor de S a partir de medidas de precipitación incidente y precipitación neta para eventos individuales de lluvia de intensidad suficiente para saturar completamente la cubierta vegetal. El método fue propuesto por Leyton et al. (1967) y es muy usado en los estudios de interceptación (Dolman, 1987; Návar y Bryan, 1994; Llorens, 1997; Aboal et al., 1999; Lankreijer et al., 1999). Consiste en representar las medidas de precipitación incidente (eje de abcisas) y precipitación neta (eje de ordenadas) de todos los eventos ocurridos, y determinar el punto de intersección de la recta de regresión de dichos datos con el eje de abcisas. c) Método directo. Consiste en el humedecimiento artificial de las superficies de la planta y la medida de su peso antes y después. El humedecimiento puede hacerse simulando la lluvia con el uso de un aspersor o bien mediante inmersión de la planta en agua. Se puede humedecer la planta completa (Aston, 1979; Herwitz, 1985) o bien sus partes por separado (Liu, 1998; Van Dijk y Bruijnzeel, 2001). Otro método directo utilizado se basa en la atenuación de una señal de microondas a través de la cubierta vegetal húmeda (Vrugt et al., 2003). Dada la escala del estudio, en este trabajo se ha elegido el primer método para estimar la capacidad de almacenamiento de la cubierta vegetal. Se ha realizado una revisión bibliográfica de los estudios de interceptación que estiman el valor de S en especies vegetales iguales o similares a las que se pueden encontrar en la cuenca. El resultado de esta revisión se presenta en el Anejo C. El tipo de cubierta vegetal existente en cada punto de la cuenca se ha obtenido en el capítulo 3 de este trabajo. Se ha clasificado la superficie de la cuenca en 11 tipos de cubierta diferentes, incluyendo tanto vegetación natural como cultivos. A cada tipo de uso del suelo se le ha asignado un valor de S a partir de la revisión bibliográfica realizada. En los casos en que hay varios estudios de interceptación disponibles sobre el mismo tipo de cubierta, como el bosque de coníferas por ejemplo, se han promediado los distintos valores de S encontrados. En el caso de cubiertas para las que no hay ningún valor de S en la bibliografía, se ha estimado su capacidad de almacenamiento en 59 7. Aplicación a escala de cuenca función de la de especies similares y se ha intentado que la estimación fuese coherente con los valores de S asignados al resto de cubiertas. Por último, en el caso de cubiertas heterogéneas, se ha promediado el valor de S correspondiente a los tipos de vegetación que la componen. Los valores asignados a cada tipo de cubierta se presentan en la tabla 7.1. Tipo cubierta 1 Coníferas 2 Quercíneas 3 Matorral 4 Pastizal 5 6 7 8 9 10 11 Olivar Frutales regadío Frutales secano Cultivos herbáceos Improductivo Agua Urbano S (mm) Referencias Rutter (1975); Gash (1979); Gash et al. (1980); 1,4 Llorens (1997); Lorens y Gallart (2000) Rutter (1975); Dolman (1987); Lankreijer et al. 1,5 (1993); Carlyle-Moses y Price (1999) Leyton et al. (1967); Hall (1985); Domingo et al. 1,4 (1998); Wood et al. (1998); West y Gifford (1976); Hull (1972) Burgy et al. (1958); Merriam (1961); Leyton et 1,1 al. (1967); Thurow et al. (1987); Wood et al. (1998); Dunkerley (2000) 1,5 Gómez et al. (2001) 1,8 Xiao et al. (2000) 1,3 Xiao et al. (2000) 0,6 Stoltenberg et al. (1950); Leuning (1994) 0 0 0 Tabla 7.1. Capacidad de almacenamiento asignada a cada cubierta vegetal de la cuenca. La capacidad de almacenamiento de una cubierta vegetal depende básicamente de la superficie foliar que tenga la misma y de la estructura de la cubierta (tamaño y disposición de las hojas). Las diferencias cualitativas que se aprecian entre los valores presentados en la tabla 7.1 son coherentes con esta consideración. Así, por ejemplo, una cubierta de olivar (S = 1,5mm) tendrá mayor capacidad de almacenamiento que una superficie de pastizal (S = 1,1mm) o una cubierta herbácea de bajo porte (S = 0,6mm), debido a que la primera tiene una mayor superficie de hoja por unidad de superficie de suelo para retener agua de lluvia y a que su disposición más horizontal hace posible una retención más efectiva. La capacidad de almacenamiento de las especies vegetales caducifolias sufre variaciones importantes a lo largo del año. Sin embargo, en este trabajo se les ha asignado un valor constante e igual a la capacidad de almacenamiento de la cubierta en su estado de máximo desarrollo, correspondiente al periodo con hoja de la especie. La variable que modula los cambios en la cantidad de vegetación que existe en cada momento es la fracción de cobertura vegetal del suelo (fv). La variable S mide la capacidad de almacenamiento por unidad de superficie de cubierta, mientras que si la multiplicamos por ·fv mide la capacidad de almacenamiento por unidad de superficie de suelo. Este criterio es coherente con el método de medida de S llevado a cabo en los estudios experimentales de interceptación, ya que éstos estiman el valor de S de un individuo aislado, o bien de una parcela con alta densidad de individuos, que cubren completamente la superficie del suelo. 60 8. Resultados del modelo y discusión Capítulo 8 Resultados del modelo y discusión 8.1. Resultados básicos El modelo de interceptación calcula para cada píxel y hora del año los flujos de entrada y salida de agua de la cubierta vegetal, lo que permite conocer la cantidad de agua que la vegetación está almacenando en cada estado. En la figura 8.1 se representa la evolución temporal del contenido de agua (w) de la cubierta vegetal en un punto concreto para dos periodos distintos del año. El píxel elegido corresponde a una cubierta de almendros (clase: frutales de secano), cuya capacidad de almacenamiento (S) es de 1.3 mm, y su cobertura del suelo (fv) es del 49% aproximadamente en la época del año analizada. Por tanto, su capacidad de almacenamiento referida a unidad de superficie de suelo es de S × fv. = 0.64 mm. También se representan en la figura los flujos de precipitación incidente, lluvia interceptada, evaporación potencial y evaporación real de agua interceptada. Gash (1979) divide el proceso de interceptación de lluvia en tres fases diferentes: - La primera, de humedecimiento de la cubierta vegetal, que comienza con el inicio de la lluvia y termina cuando la cubierta alcanza la saturación, es decir, la cantidad de agua que retiene iguala a su capacidad de almacenamiento (S×fv). - La segunda, llamada fase de saturación, durante la cual el contenido de agua de la cubierta vegetal se mantiene en su valor máximo S hasta que la lluvia cesa. Esta fase no tiene lugar cuando la lluvia no es de intensidad y/o duración suficiente como para saturar la cubierta vegetal. - Y una última fase de secado que comienza cuando la lluvia cesa y termina cuando la cubierta se seca completamente debido a la evaporación. Las tres fases se pueden observar en la curva w de la figura 8.1. Inicialmente, en el mismo instante que comienza a llover, la cubierta vegetal empieza a interceptar parte de la lluvia (el 49% del flujo incidente, debido a la fracción de suelo cubierta por vegetación) y va acumulando agua en la superficie de hojas y ramas. Al ser de noche, la evaporación potencial es mínima y, por tanto, no se pierde agua de la cubierta por evaporación. En la hora 11 aproximadamente, el contenido de humedad de la cubierta alcanza la capacidad máxima de almacenamiento, y todo el exceso de lluvia se drena directamente al suelo, por lo que ahora, el flujo de agua interceptada se iguala al de agua evaporada desde la cubierta. Aunque siga lloviendo, la cantidad de agua que la cubierta puede interceptar a partir de ese instante viene limitada por el ‘espacio vacío’ que vaya dejando el agua evaporada. 61 8. Resultados del modelo y discusión No se observa claramente la segunda fase del proceso, en la que la cubierta se mantiene saturada con un valor w = S × fv. (línea horizontal a partir de la hora 11), ya que enseguida el flujo de salida de agua por evaporación supera al de entrada por lluvia y por tanto w comienza a disminuir. Durante las horas 12 a 19 la cubierta se va secando pero a la vez recargándose en parte mientras la lluvia no cesa por completo. A partir de la hora 19, el contenido de humedad de la cubierta w se mantiene constante puesto que no existe evaporación hasta que en la hora 8 del segundo día continúa la fase de secado. Tras pocas horas la cubierta se ha secado casi por completo. A efectos prácticos, debemos considerar que la cubierta está completamente seca cuando la curva w alcanza el valor de 0.1 mm durante la fase de secado. Esto se explica por el efecto que tiene la ecuación 11 del modelo que, aunque se ha demostrado que simula adecuadamente la evaporación desde cubiertas, tiene un inconveniente: cuando w es muy pequeña, la evaporación de ese remanente de agua en la cubierta se hace muy lento. Este inconveniente de tipo matemático, sin embargo, tiene consecuencias despreciables en el cómputo global del balance de agua. Fig. 8.1. Evolución horaria de la humedad de la cubierta vegetal y de los flujos de precipitación incidente (P), evaporación potencial (Ep), evaporación real de agua interceptada (E), y lluvia interceptada (I). Los datos corresponden a un evento de lluvia (28-29 noviembre 2002), en el que se registraron 20.6 mm de lluvia sobre una cubierta de almendros. Como ha quedado patente en el análisis anterior, el proceso de interceptación con sus fases de humedecimiento-saturación-secado, tiene lugar en pocas horas y, por tanto, se pone de relieve la importancia de modelar el proceso a escalas temporales sub-diarias. Este requerimiento del modelo hace que no pueda ser aplicado con precisión en zonas en las que no haya disponibilidad de datos meteorológicos en pasos de tiempo cortos (horarios, por ejemplo), como puede ocurrir en regiones menos desarrolladas. 62 8. Resultados del modelo y discusión Otro análisis útil a partir de los resultados del modelo de interceptación es relacionar los valores de intensidad de lluvia con las pérdidas por interceptación, expresadas estas como porcentaje de la precipitación incidente. En la figura 8.2 se observa la relación de tipo potencial inversa que existe entre ambas variables para un píxel de coníferas cualquiera seleccionado dentro de la cuenca. Las lluvias intensas son interceptadas en una baja proporción, mientras que las lluvias de menor intensidad son interceptadas en su totalidad por la vegetación. pérdidas por interceptación (%) 100 90 80 70 60 y = 52,05x-0,56 R2 = 0,77 50 40 30 20 10 0 0 10 20 30 40 50 60 intensidad de lluvia (mm/d) Fig. 8.2. Relación entre intensidad de lluvia y pérdidas por interceptación para los eventos ocurridos en el año hidrológico 2003/2004 sobre un píxel de coníferas en la cuenca del Guadalfeo. 8.2. Interceptación a escala de cuenca La cantidad de agua interceptada en un evento de lluvia determinado depende de las características de la precipitación (intensidad y duración), de la demanda evaporativa de la atmósfera y de las características de la vegetación (capacidad de almacenamiento y cobertura del suelo). Puesto que estos factores son variables en el espacio y en el tiempo, las pérdidas por interceptación lo serán también. Las pérdidas por interceptación que tienen lugar en cada evento de lluvia se han ido acumulando durante cada año hidrológico estudiado y se ha obtenido así la interceptación total anual. Estos valores acumulados que, en general, son distintos en cada punto de la cuenca debido a los factores discutidos en el párrafo anterior, se han promediado para toda la superficie de estudio, obteniendo un valor indicativo de la importancia que tiene la interceptación de lluvia en la cuenca del Guadalfeo. Los promedios anuales para toda la superficie de la cuenca se presentan en la tabla 8.1, donde P representa la precipitación anual e I la interceptación anual acumulada. Las 63 8. Resultados del modelo y discusión pérdidas por interceptación fueron del 6.1% de la precipitación anual para el año hidrológico 2002/03, del 4.5% en el siguiente año, y del 4.8% en el último, como promedio de la cuenca. Los valores generales presentados en la tabla demuestran que para modelar correctamente el comportamiento hidrológico de la cuenca del Guadalfeo es necesario tener en cuenta las pérdidas por interceptación. Estas pérdidas tienen una mayor importancia cuantitativa en zonas con una alta densidad de vegetación que se mantiene constante en el tiempo, en las que se puede llegar a interceptar más del 16% de la lluvia incidente en un año. Año hidrológico Pmax (mm) Pmin (mm) Pmed (mm) SD (mm) Imax (mm) Imin (mm) Imed (mm) SD (mm) Imax (%) Imed (%) 2002/2003 1052,9 419 671 133,3 108,5 0 40,8 22,5 16,2 6,1 2003/2004 1487 423 826,9 219 121,6 0 37,4 20 14,7 4,5 2004/2005 543,1 201 320,3 79,8 45,4 0 15,3 8 14,2 4,8 Tabla 8.1. Resultados del modelo de interceptación promediados para la cuenca completa y el año estudiado. SD expresa la desviación estándar. La alta heterogeneidad dentro de la cuenca queda reflejada en los altos valores de desviación estándar de ambas variables (ver tabla 8.1), así como en los valores extremos (máximo y mínimo) que resultan. Es muy destacable la variabilidad espacial de la precipitación en los 3 años analizados, existiendo zonas de la cuenca que reciben 2 ó 3 veces la precipitación que reciben otras zonas a lo largo del año. En las figuras 8.3-8.8 se puede observar la distribución espacial de la precipitación anual y la interceptación anual en la cuenca del Guadalfeo. 64 8. Resultados del modelo y discusión Fig. 8.3. Distribución espacial de la precipitación en la cuenca del Guadalfeo en el año hidrológico 2002/2003. Los valores característicos fueron: Pmax = 1052.9 mm; Pmin = 419 mm; Pmed = 671 mm. Fig. 8.4. Distribución espacial de la precipitación en la cuenca del Guadalfeo en el año hidrológico 2003/2004. Los valores característicos fueron: Pmax = 1487 mm; Pmin = 423 mm; Pmed = 826.9 mm. 65 8. Resultados del modelo y discusión Fig. 8.5. Distribución espacial de la precipitación en la cuenca del Guadalfeo en el año hidrológico 2004/2005. Los valores característicos fueron: Pmax = 543.1 mm; Pmin = 201 mm; Pmed = 320.3 mm. Fig. 8.6. Distribución espacial de las pérdidas por interceptación en la cuenca del Guadalfeo en el año hidrológico 2002/2003. Los valores característicos fueron: Imax = 108.5 mm; Imed = 40.8 mm. 66 8. Resultados del modelo y discusión Fig. 8.7. Distribución espacial de las pérdidas por interceptación en la cuenca del Guadalfeo en el año hidrológico 2003/2004. Los valores característicos fueron: Imax = 121.6 mm; Imed = 37.4 mm. Fig. 8.8. Distribución espacial de las pérdidas por interceptación en la cuenca del Guadalfeo en el año hidrológico 2004/2005. Los valores característicos fueron: Imax = 45.4 mm; Imed = 15.3 mm. 67 8. Resultados del modelo y discusión Las pérdidas por interceptación se situaron en el intervalo 0-122 mm anuales en términos absolutos y 0-16.2 % en términos relativos respecto de la lluvia incidente anual. Hay zonas en la cuenca sin vegetación durante todo el año donde, por tanto, no se intercepta nada de lluvia. Los valores máximos absolutos de interceptación se producen en bosques de coníferas situados en la zona de la Alpujarra (ver figura 8.7 por ejemplo), ya que es donde mayor cantidad de lluvia cae anualmente y ésta es interceptada por una cubierta vegetal densa constante durante todo el año y con una alta capacidad de almacenamiento. Sin embargo, los valores máximos relativos están directamente relacionados con la capacidad de almacenamiento (S) de cada tipo de cubierta, y no tanto con la cantidad de lluvia caída anualmente. Por tanto, los mayores porcentajes de pérdidas se producen en los cultivos subtropicales (clase: frutales de regadío) de la zona de Motril, a los que se les asignaron los valores más altos del parámetro S. En las figuras 8.6-8.8 se puede observar esta variabilidad espacial de la interceptación anual. Si comparamos las figuras anteriores con la figura 3.2 (mapa de vegetación) se aprecia la importancia que tiene el tipo de cubierta como variable de entrada del modelo para la cuantificación del porcentaje de lluvia que es interceptada. Las diferencias espaciales de las pérdidas por interceptación que se aprecian en las imágenes se deben fundamentalmente a las características de la cubierta vegetal más que a las variables meteorológicas. Las zonas más amarillentas de la imagen, con mayor cantidad de lluvia anual interceptada, se corresponden con las celdas de mayor capacidad de almacenamiento por unidad de superficie de suelo, es decir, las celdas en las que existe una cubierta vegetal con unos valores altos de S y fv. Analizando los mapas de distribución espacial de la interceptación, teniendo en cuenta ésta como pérdida absoluta (mm) y como pérdida relativa (%) respecto a la lluvia recibida en cada punto, podemos obtener algunas conclusiones: - En el tramo bajo del río Guadalfeo se producen los porcentajes de interceptación más altos por dos causas: que el tipo de vegetación existente es muy efectiva interceptando lluvia (cultivos frutales permanentes por ejemplo) y que las intensidades de lluvia en esa zona son las más bajas de la cuenca. Sin embargo, no es la zona donde más agua se intercepta en términos absolutos, ya que es donde menos llueve. - En la zona de la Alpujarra (justo al Sur de las cumbres de Sierra Nevada) se aprecian más zonas amarillentas en el mapa de pérdidas absolutas (mm), pero sin embargo no es donde se intercepta más lluvia en términos relativos. Esto se debe a que esa zona es la que mayor cantidad de lluvia recibe a lo largo del año y, por tanto, hay más cantidad de agua disponible para interceptar pero las intensidades mayores de la precipitación hacen que se drene mayor porcentaje a través de la cubierta diréctamente hacia el suelo. Los tres años simulados presentan diferencias importantes en cuanto a la precipitación recibida. El año 2002/2003 (671 mm) se puede catalogar como un año medio de lluvia, ya que la media de la serie meteorológica disponible para la cuenca es de 620 mm. El año siguiente, 2003/04 es un año de lluvias abundantes, alcanzando 826.9 mm como promedio espacial. Por último, el año 2004/05 se trata de un año muy seco, ya que la cuenca sólo recibe la mitad de lluvia (320.3 mm) de su valor medio anual. Sin embargo, el porcentaje de lluvia interceptada no presenta una relación clara con la precipitación anual acumulada, sino que depende de la distribución de las lluvias a lo largo del año. En la tabla 8.2 se resumen en pocos números las características de los eventos de lluvia 68 8. Resultados del modelo y discusión ocurridos en cada año. En principio cabe esperar que los años con un mayor número de eventos de baja intensidad produzcan unas pérdidas por interceptación mayores, mientras que en aquellos años con pocos eventos de mayor intensidad se originen pérdidas menos importantes. Los resultados generales presentados en la tabla 8.1 indican que el año con mayor interceptación es el primero (2002/03). Sin embargo, vemos que no se corresponde con el año con una intensidad media por evento más baja (2004/05). Esto es debido a que el dato de intensidad media por evento de la tabla 8.2 se ha obtenido dividiendo lluvia anual entre nº eventos, pero realmente lo que ocurre en la cuenca es que los eventos son muy diferentes unos de otros. La mayoría de la lluvia total se concentra en pocos eventos y el resto son de muy escasa intensidad, por lo que es necesario un análisis más profundo de la distribución temporal de la lluvia anual. Año hidrológico Nº de eventos Días de lluvia Duración media (d/evento) Intensidad media (mm/evento) 2002/2003 2003/2004 2004/2005 30 35 21 100 121 60 3,3 3,5 2,9 22,4 23 16,9 Tabla 8.2. Resumen de los eventos de lluvia ocurridos durante los 3 años del estudio. De la misma forma que hicimos en la figura 8.2, relacionando la intensidad de cada evento con las pérdidas que produce a nivel de un píxel concreto, podemos establecer el mismo tipo de relación a escala de cuenca. En la figura 8.9 se representan todos los eventos ocurridos durantes los 3 años hidrológicos simulados con el modelo. Al tratarse de promedios espaciales de una zona tan heterogénea, la relación se ve más afectada por la distribución espacial de la lluvia, pero sigue observándose la relación de tipo potencial inversa entre intensidad de lluvia y pérdidas por interceptación (%). Como se aprecia en la figura 8.9 mencionada, los eventos de lluvia de mayor intensidad son interceptados en menor proporción, mientras que los eventos de lluvia más ligeros son interceptados por la vegetación en una mayor proporción. Esto es debido a que la capacidad de almacenamiento de la cubierta vegetal es limitada, y por tanto, la vegetación sólo puede retener los primeros mm de lluvia. De esta forma, las pérdidas por interceptación para una misma cantidad de precipitación anual incidente pueden variar mucho dependiendo del número de días en que se reparta dicha precipitación. Si se concentra en pocos días, con eventos de gran intensidad, las pérdidas por interceptación representarán una menor proporción de la lluvia. 69 8. Resultados del modelo y discusión pérdidas por interceptación (%) 90 80 70 60 50 40 30 y = 19,19x-0,63 R2 = 0,76 20 10 0 0 5 10 15 20 25 30 intensidad de lluvia (mm/d) Fig 8.9. Relación entre la intensidad de lluvia media de un evento y las pérdidas por interceptación para el periodo 2002-2005. 8.3. Interceptación por tipo de vegetación Se han analizado las pérdidas por interceptación que generan los tipos de vegetación más característicos de la cuenca del Guadalfeo. En la figura 8.10 se representa la interceptación anual acumulada, en porcentaje sobre la lluvia anual, para cada tipo de cubierta vegetal. Los valores corresponden a parcelas seleccionadas dentro de la cuenca de cada tipo de vegetación y coinciden con las utilizadas para analizar la evolución temporal de la cobertura vegetal (ver capítulo 4.3). El tipo de cubierta vegetal más efectiva interceptando lluvia es la denominada ‘frutales de regadío’, que corresponde al cultivo de especies subtropicales, concentrados en la zona de Motril, en el último tramo del río Guadalfeo. Las parcelas seleccionadas de este cultivo interceptaron un 14-15% de la lluvia anual en los 3 años simulados. Se debe fundamentalmente a 2 factores: - Su alto valor de cobertura del suelo (fv), que se mantiene durante todo el año, en torno al 90% (ver figura 4.8). Su alto valor de capacidad de almacenamiento (S), a la que se le ha asignado el valor de 1.8 mm (ver punto 7.3 de este trabajo). 70 8. Resultados del modelo y discusión Fig. 8.10. Pérdidas por interceptación acumuladas (expresadas como porcentaje de la precipitación anual) para los tipos de cubierta vegetal característicos de la cuenca del Guadalfeo. La zona seleccionada de olivar intercepta el 12.4 % de la lluvia el primer año, 8.4 % el segundo y 9.4 % el tercero. Las zonas dedicadas al cultivo de almendros (frutales de secano) interceptan sólo el 6.2%, 3.9% y 3% respectivamente. Los valores de interceptación de almendros son tan bajos debido a que dejan la mayor parte del suelo desnudo durante el año, y presentan una baja cobertura incluso en su estación de crecimiento. Las áreas improductivas seleccionadas, situadas a gran altitud, carecen de vegetación y por tanto no se produce interceptación de lluvia. En cuanto a la vegetación natural, los tipos de cubierta que mayor proporción de lluvia anual interceptan son los pinares. Los valores obtenidos en las zonas de pinar seleccionadas han sido del 13.4%, 11.6% y 12.1% respectivamente. La parcela de alcornocal (quercíneas) localizada en la parte sudeste de la cuenca intercepta el 10.5%, 7.5% y 7.6% de la lluvia anual. Este valor es inferior al del pinar debido a que los árboles están más dispersos y entre ellos crecen pastos anuales. Las superficies de matorral analizadas interceptan un porcentaje muy parecido al de la clase quercíneas, debido a que son parecidas estructuralmente y se sitúan en zonas cercanas de la cuenca (mismas características de la lluvia). 71 8. Resultados del modelo y discusión Los pastos de alta montaña localizados en las zonas de mayor altitud de Sierra Nevada tienen una estación de crecimiento limitada por la presencia de nieve en los meses más fríos del año. Una vez retirada la nieve, su crecimiento es de tipo muy disperso debido a que los suelos son muy pobres. Esto explica que el valor de interceptación anual acumulada por este tipo de pastos sea tan sólo del 1-2%. Los resultados de interceptación obtenidos en este trabajo se pueden comparar con los resultados de estudios experimentales realizados en tipos de cubierta similares. De esta forma podemos evaluar si los resultados obtenidos con el modelo propuesto son lógicos y están relacionados con lo que ocurre en otras zonas del planeta. Los estudios experimentales de interceptación miden la lluvia incidente y la que llega realmente al suelo usando pluviómetros repartidos bajo la cubierta vegetal, y obtienen por diferencia las pérdidas por interceptación. Estos estudios se desarrollan en pequeñas parcelas con una sola especie vegetal que cubre el suelo completamente (por ejemplo, un pinar), o incluso estudian el balance de agua en un individuo aislado (por ejemplo, un olivo). Por tanto, los valores de interceptación de estos estudios están referidos a unidad de superficie de cubierta vegetal. Para poder comparar los resultados de estos estudios con los obtenidos con el modelo de interceptación del presente trabajo, es necesario referir estos últimos también a unidad de superficie de cubierta. Al no tener en cuenta el carácter disperso de la vegetación, la magnitud de la interceptación será ahora mayor de lo que refleja la figura 8.10. Según el modelo de interceptación propuesto en el presente trabajo, una superficie cubierta por completo por coníferas interceptó el 11.9% de los 967mm de lluvia caída sobre la misma en el año hidrológico 2003/04. Este valor es algo inferior al obtenido por Llorens (1997) en Pinus sylvestris en los Pirineos, que fue del 17,6% de los 556mm de lluvia caída en los 26 eventos medidos. Para las superficies cubiertas completamente por especies de quercíneas, el modelo arroja un valor de interceptación anual del 12,2% de los 930mm caídos en la zona central de la cuenca donde se sitúa la superficie analizada. Este valor es inferior al medido por Price y Carlyle-Moses (2003) en un bosque de robles, arces y hayas en Canadá durante su estación de crecimiento, que fue del 18,8% de los 259mm de lluvia caídos durante dicho periodo (28 eventos). Lankreijer et al. (1993) midió un porcentaje similar de interceptación en un bosque de robles en Holanda, donde el 18,2% de la lluvia fue interceptada por la cubierta vegetal. Una zona de olivares situada en el tramo medio del río Guadalfeo interceptó el 18,1% de los 624mm caídos sobre ella en el año estudiado según el modelo. Este valor, al igual que los anteriores, está referido a unidad de superficie de cubierta vegetal. Gómez et al. (2001) obtuvo un valor de interceptación acumulada del 21,2% de los 175mm caídos durante 13 eventos de lluvia sobre un olivo de PLAI = 1,13 situado en Córdoba. Ese valor de PLAI (índice de área foliar proyectada), que representa la superficie total de las hojas del árbol dividida por el área de la copa proyectada horizontalmente, corresponde a un olivo con escasa superficie foliar, como los que podemos encontrar en la cuenca del Guadalfeo. La diferencia entre el valor medido en Córdoba y el obtenido con el modelo de interceptación en la cuenca del Guadalfeo puede deberse a diferencias en el régimen de lluvias, así como a los supuestos simplificadores introducidos en el modelo aplicado en este trabajo. En cualquier caso, la estimación parece aceptable. En una superficie completamente cubierta por matorral, el modelo ha estimado una pérdida por interceptación del 10,6% de los 733mm caídos. La superficie estudiada se localiza 72 8. Resultados del modelo y discusión en la subcuenca del Torvizcón y se compone de diferentes especies de matorral típico de zonas semiáridas. Domingo et al. (1998) realizó medidas de interceptación en Almería sobre la especie arbustiva Retama sphaerocarpa durante 7 eventos de lluvia en los que se recogieron 85mm de lluvia en total. Las pérdidas por interceptación medidas fueron del 21% de la lluvia incidente, valor superior al estimado para Guadalfeo. 73 Conclusiones Conclusiones En este trabajo se ha analizado la distribución espacial y la evolución temporal de la vegetación de la cuenca del río Guadalfeo durante los años hidrológicos 2002/03, 2003/04 y 2004/05. Las series de vegetación obtenidas del análisis se han integrado en un modelo hidrológico distribuido para el cálculo de las pérdidas por interceptación a escala de cuenca. La estructura del modelo planteado en este trabajo ha resultado adecuada para cuantificar las pérdidas por interceptación de lluvia a varias escalas espacio-temporales. El modelo ha resultado útil para recoger toda la variabilidad existente en la cuenca. Para el estudio distribuido de la vegetación se han utilizado técnicas de teledetección. Se ha desarrollado un método para la corrección de las imágenes de satélite en la zona que ha dado como resultado la obtención de la reflectividad de la superficie terrestre en cada punto de la cuenca. Mediante la validación con datos de campo se ha visto que los valores de reflectividad estimados son muy cercanos a los reales. A partir de la reflectividad de la superficie terrestre se ha estimado la fracción de cobertura vegetal del suelo mediante el método propuesto por Wittich y Hansing (1995). Los resultados sugieren que la cobertura vegetal del suelo (fv) puede ser estimada con precisión a partir de una imagen Landsat TM mediante una normalización lineal del índice de vegetación NDVI. Existe una gran diversidad de cubiertas vegetales en la cuenca, siendo más abundantes las superficies de matorral y los frutales de secano. Su distribución espacial en la cuenca influye en los procesos hidrológicos que tienen lugar a escala local y regional. Las zonas con mayores coberturas vegetales se encuentran en altitudes entre 1500 y 2500m en la región de las Alpujarras, y en la parte más al Sur, en el último tramo del río Guadalfeo antes de su desembocadura. La estimación de la cobertura vegetal en diferentes épocas ha permitido estudiar la evolución que sufre cada cubierta a lo largo del periodo 1 septiembre 2002 – 31 agosto 2005. La cobertura vegetal del suelo en superficies naturales como el matorral y pastizal, o en cultivos como los almendros y herbáceas anuales muestra importantes variaciones estacionales ligadas a la meteorología y a la fisiología de las especies vegetales que la componen. Las variaciones temporales más suaves tienen lugar en zonas de bosque de coníferas y quercíneas, o para cultivos tropicales permanentes. La serie temporal de imágenes de cobertura vegetal generada en este trabajo puede ser integrada en el modelo hidrológico distribuido que se desarrolla en el ‘Estudio Piloto para la Gestión Integrada de la Cuenca Hidrográfica del Río Guadalfeo’ para calcular con precisión los diferentes flujos de agua en superficie en los que interviene la vegetación. Se ha realizado la simulación del modelo para producir resultados de interceptación durante los años hidrológicos 2002/03, 2003/04 y 2004/05. El modelo puede ser aplicado a cualquier periodo de tiempo siempre que se disponga de la información meteorológica necesaria y las imágenes de satélite para caracterizar la vegetación a escala de cuenca. Para la cuenca del Guadalfeo y los tres años estudiados, los resultados estiman que se pierde por interceptación el 6.1%, 4.5% y 4.8% de la lluvia anual (671mm, 826.9mm y 75 Conclusiones 320.3mm de media). Sin embargo, debido a la gran variabilidad espacial de la vegetación y de la precipitación dentro de la cuenca, las pérdidas por interceptación se mueven en un amplio intervalo. Existen extensas zonas de la cuenca donde estas pérdidas superan el 10% de la precipitación anual incidente, lo que indica la importancia de esta componente del ciclo hidrológico. Las pérdidas por interceptación presentan una relación de tipo potencial inversa con la intensidad del evento de lluvia. Las lluvias de mayor intensidad son interceptadas en menor proporción debido a que la cubierta vegetal alcanza la saturación rápidamente y drena el exceso de agua hacia el suelo. Las pérdidas por interceptación tienen una clara dependencia del tipo de vegetación o uso del suelo existente en cada punto, la cual se debe a dos características fundamentales de la cubierta vegetal: su capacidad de almacenamiento máxima y su cobertura del suelo. Así, por ejemplo, los cultivos subtropicales del sur de la cuenca, que tienen una capacidad de almacenamiento de 1.8 mm y presentan una cobertura del suelo muy alta durante todo el año, interceptaron el 14-16% de la lluvia anual como promedio. En cambio, los pastizales localizados en zonas de alta montaña sólo interceptaron el 1-2% de la lluvia anual debido a su estacionalidad y carácter disperso. El modelo de interceptación propuesto será calibrado y validado a escala puntual con datos experimentales de interceptación. A escalas espaciales y temporales medias será calibrado de forma global en el balance hidrológico de la cuenca, a partir de los datos de aforo disponibles en la misma, por lo que es difícil a priori valorar el error en su cuantificación individual. No obstante, es posible identificar las limitaciones en el uso del modelo, las cuales vienen dadas por: - Las simplificaciones efectuadas en la estimación de la capacidad de almacenamiento (S) de la cubierta vegetal: el mapa de usos del suelo obtenido a partir de imágenes de satélite no tiene una precisión muy alta, y el coeficiente de almacenamiento obtenido de la bibliografía recoge valores medios, o más frecuentes, y no la variabilidad que cabe encontrar en la práctica. - El error asociado al cálculo de la fracción de cobertura vegetal del suelo (fv) - Las hipótesis del modelo. La estimación de la evaporación desde la cubierta húmeda es un parámetro decisivo en el balance de agua de la misma y, por tanto, es necesario profundizar en su comportamiento durante los periodos de lluvia, cuando la radiación neta disponible para evaporar es muy baja. A pesar de lo anterior, el modelo permite incluir la componente de interceptación en el balance hidrológico y poder tomar decisiones con respecto a las consecuencias en la disponibilidad de recursos hídricos derivadas de diferentes alternativas de uso y gestión de la vegetación. 76 Futuras líneas de investigación Futuras líneas de investigación Se abren dos áreas de trabajo futuro: 1. Uso de teledetección para cálculo de fracción de cobertura vegetal En esta primera área de trabajo hay que abordar la influencia de la vegetación seca en los índices de vegetación. La aplicación de un algoritmo que permita diferenciar entre vegetación seca y vegetación fotosintéticamente activa puede aumentar la precisión de las estimaciones de fv. Es necesario también profundizar en las relaciones entre información espectral y valor de fv. Evaluar las posibilidades de aplicación en cuencas mediterráneas de índices de vegetación diferentes al NDVI, por un lado, y técnicas como el análisis de mezclas espectrales, por otro. 2. Modelo de interceptación Para mejorar la simulación de los procesos influyentes en el cálculo de la fracción interceptada a diferentes escalas temporales es necesaria una representación más precisa de la evaporación desde la cubierta, en concreto en condiciones de lluvia y durante la noche. Caracterización de la capacidad de almacenamiento de la cubierta vegetal a diferentes escalas espaciales: - Trabajo experimental en laboratorio para calibrar su valor de forma directa para especies poco estudiadas como matorral y cubiertas arbustivas; cubiertas mixtas con especies de distinto porte. - Medidas experimentales de campo a escala de parcela para calibrar su valor de forma indirecta, utilizando el modelo a escalas temporales pequeñas que permitan obtener un valor efectivo del coeficiente S a escala de campo pero con mayor resolución espacial. - Análisis de la utilidad de valores efectivos del coeficiente a escalas de subcuenca y evento-estación-año, obtenidos a partir de la aplicación del modelo de interceptación y agregación de sus resultados a la escala de estudio, como parámetros en modelos más simples a utilizar en simulaciones a medio y largo plazo con fines de pronóstico. Obtención de modelos paramétricos de interceptación a escalas espaciotemporales medias y grandes, por agregación de resultados del modelo de detalle, sobre todo a escala de cuenca y año, que dependan de variables y/o parámetros fácilmente caracterizables. 77 Anejos A. Pre-procesamiento de las imágenes de satélite Anejo A Pre-procesamiento de las imágenes de satélite A.1. Esquema del proceso En la figura A.1 se resume el proceso de tratamiento que se aplica en este trabajo a las imágenes de satélite para obtener la fracción de cobertura vegetal del suelo. Los siguientes apartados de este capítulo tratan sobre cada uno de los pasos seguidos en el tratamiento de las imágenes. Imagen original Corrección atmosférica Corrección topográfica Validación Corrección geométrica Calibración radiométrica Validación Cálculo fracción cobertura Fig. A.1. Esquema del tratamiento de imágenes de satélite realizado para la obtención de la fracción de cobertura vegetal del suelo. Las escenas de Landsat-5 y Landsat-7 tienen un tamaño de 185×185 km aproximadamente y están compuestas por 7 capas de información de radiación medida por el sensor. En el presente trabajo se ha prescindido de la banda 6, situada en la zona térmica del espectro electromagnético, por su menor resolución y su dificultad de corrección atmosférica, y se ha realizado el tratamiento de las bandas restantes, situadas en la zona óptica del espectro. 81 A. Pre-procesamiento de las imágenes de satélite Los datos de radiación están almacenados en formato 8-bit, es decir, un número natural entre 0 y 255. A dicho número se le llama valor digital (dn). Para estudios multitemporales como el presente, en el que hay que comparar varias imágenes entre sí, el valor digital no es una buena medida de los cambios que se producen a nivel de superficie con el tiempo. El dn depende no sólo de las condiciones del suelo y las plantas, sino también de la calibración del sensor, el ángulo de elevación solar, el ángulo de visión del sensor, la distancia Tierra-Sol, y las condiciones atmosféricas en el momento de adquisición de la imagen. Por tanto, para analizar la evolución de la cubierta del suelo es necesario convertir el dn en un valor que tenga en cuenta la calibración del sensor y sea independiente de las condiciones de insolación y atmosféricas. Ese valor es la reflectividad de la superficie (ρ), que se ha convertido en la medida básica requerida por la mayoría de algoritmos y modelos de teledetección (Moran et al., 2001). La reflectividad es la relación entre la radiación reflejada y la radiación incidente sobre la superficie en un intervalo espectral dado. A.2. Corrección geométrica Para poder comparar diferentes imágenes entre sí, debe existir una correspondencia geométrica entre ellas. Por ello se ha realizado una corrección geométrica precisa de cada imagen mediante la identificación de 30-40 puntos de control (GCPs) sobre la zona de la cuenca del Guadalfeo, cuyas coordenadas reales se han obtenido de la Ortofotografía Digital de Andalucía (Junta de Andalucía), vuelos fotogramétricos de 1998-1999, con resolución de 1 m. Un ejemplo de la distribución de esos puntos de control dentro de la cuenca se muestra en la figura A.2. El modelo elegido para modificar la geometría de las imágenes de satélite a partir de los puntos de control fue de tipo polinomial de segundo orden, y para el remuestreo de los valores de los píxeles se eligió el método del vecino más próximo. El error medio cuadrático obtenido tras la identificación de 30-40 puntos de control fue inferior a 0,5 píxeles (15 m) para todas las imágenes. El resultado de la corrección geométrica se ha validado situando sobre la imagen corregida un mapa cartográfico de Andalucía con ríos, carreteras y núcleos de población, y comparando visualmente la correspondencia entre ambos. El resultado de la validación fue positivo para todas las imágenes de satélite. 82 A. Pre-procesamiento de las imágenes de satélite Fig. A.2. Situación de los puntos de control sobre la imagen de satélite de 1-sep-03. A.3. Calibración radiométrica Mediante esta operación se convierte el valor digital (dn) de una imagen de satélite en valores de radiancia medida por el sensor. La radiancia es ya una magnitud física, con unidades (W/m2 sr µm). La conversión se realiza mediante la siguiente ecuación: Lλ = GAIN λ ⋅ dn + OFFSETλ (17) donde, Lλ es la radiancia que llega al sensor (W/m2 sr µm), dn es el valor digital de cada píxel de la imagen, GAINλ y OFFSETλ son respectivamente la pendiente y ordenada en el origen de la recta de transformación, en las mismas unidades que Lλ. Los coeficientes utilizados para la calibración radiométrica de las imágenes son los publicados por Chander y Markham (2003) para Landsat-5 y por la NASA (2006) para Landsat-7. Todos ellos se presentan en las tablas A.1 y A.2. En el caso de Landsat-7 hay dos tipos distintos de coeficientes GAIN, que se denominan ‘Low Gain’ y el ‘High Gain’. El uso de un tipo u otro depende de la zona del planeta y momento del año en el que se haya tomado la imagen desde el satélite. Para el caso de la cuenca del Guadalfeo, se deben usar los coeficientes tipo ‘High’ para todas las bandas excepto para la numero 4, que se calibrará mediante ‘Low Gain’ para imágenes adquiridas entre el 20 de marzo y el 29 septiembre (cuando la elevación solar es >45º), y mediante ‘High Gain’ para imágenes adquiridas entre el 30 de septiembre y el 19 de marzo. 83 A. Pre-procesamiento de las imágenes de satélite Banda 1 2 3 4 5 7 Landsat 5 TM Antes de 5 mayo 2003 Después de 5 mayo 2003 Gain Offset Gain Offset 0.6024 -1.52 0.7628 -1.52 1.1751 -2.84 1.4425 -2.84 0.8058 -1.17 1.0399 -1.17 0.8146 -1.51 0.8726 -1.51 0.10808 -0.37 0.1199 -0.37 0.05698 -0.15 0.0653 -0.15 Tabla A.1. Coeficientes de calibración para Landsat 5, en unidades (W/m2 sr µm). Banda 1 2 3 4 5 7 Landsat 7 ETM+ Low Gain High Gain 1.176 0.776 1.205 0.796 0.939 0.619 0.966 0.637 0.1905 0.1257 0.0662 0.0437 Offset -6.2 -6.4 -5 -5.1 -1 -0.35 Tabla A.2. Coeficientes de calibración para Landsat 7, en unidades (W/m2 sr µm). A.4. Corrección atmosférica La radiación solar recorre dos veces el espesor de la atmósfera hasta llegar al sensor a bordo del satélite. El vapor de agua y los aerosoles presentes en la atmósfera absorben y dispersan parte de esa radiación solar. La radiación que llega al sensor será por tanto la suma de la radiancia aportada por la dispersión de la atmósfera y la radiancia reflejada por la superficie terrestre, estando esta última atenuada por el factor de transmisividad de la atmósfera. En la figura A.3 se muestran los flujos de radiación que son considerados en el modelo de corrección atmosférica utilizado en este trabajo. Sol Sensor E0 Lsen ρa (1-s) τa τd Atmósfera ρ Objeto Fig. A.3. Efecto de la atmósfera en la radiación que mide el sensor. 84 A. Pre-procesamiento de las imágenes de satélite Para obtener la reflectividad real de la superficie terrestre (ρ) a partir de la radiancia medida por el sensor anteriormente calculada, se ha utilizado la aplicación informática ACORN, que se basa en el método de corrección atmosférica MODTRAN. Este es un método estándar de corrección atmosférica frecuentemente usado en el tratamiento de imágenes de satélite. Se basa en la siguiente relación entre la fuente de radiación, la atmósfera, la superficie terrestre y la radiación medida por el sensor: Lsen = E0 ρ τd τa p ρ a + 1− s ρ (18) Donde Lsen es la radiancia que llega al sensor, E0 es la radiación solar en el techo de la atmósfera, ρa es la reflectividad de la atmósfera, τd es la transmisividad atmosférica para el flujo descendente, τa es la transmisividad atmosférica para el flujo ascendente, ρ es la reflectividad real de la superficie, y s es la reflectividad de la atmósfera para el flujo descendente. La ecuación anterior se puede encontrar en Chandrasekhar (1960), así como una descripción más específica del proceso y las variables que intervienen. El programa ACORN calcula la reflectividad real de la superficie del suelo, que es la relación entre la radiación reflejada y la incidente sobre la superficie. Los datos de entrada que requiere el programa para realizar la corrección son los siguientes: - - Imagen a corregir con datos de radiancia medida por el sensor en unidades W/m2 sr µm. Respuesta espectral del sensor para cada longitud de onda. Esta información está disponible en Internet en el manual de usuario de Landsat 7, NASA (2006). Coordenadas del centro de la imagen. Fecha y hora de adquisición de la imagen. Elevación media de la superficie que aparece en la imagen. Altitud del satélite. Cantidad de vapor de agua contenido en la atmósfera, en unidades de mm de agua precipitable. Para las 11 primeras imágenes se han utilizado valores de la estación meteorológica del Arenosillo (Huelva), que es la más cercana que dispone de este tipo de datos. Para las 4 últimas imágenes se han utilizado los valores de la estación de Granada, que comenzó a ser operativa en invierno de 2005. Ambas estaciones forman parte de un proyecto a nivel global de la NASA denominado AERONET (Aerosol Robotic Network). Visibilidad de la atmósfera, en km. Se han considerado unas condiciones de atmósfera clara para todas las imágenes, asignando el valor de 100 km para este parámetro. A.5. Corrección topográfica El término “corrección topográfica” o “normalización topográfica” se refiere a la compensación de las diferencias de iluminación solar que se producen entre zonas debido a la forma irregular del terreno. Este efecto que tienen la pendiente y orientación del 85 A. Pre-procesamiento de las imágenes de satélite terreno sobre la iluminación del mismo causa una fuerte variación en la respuesta espectral de tipos de cubierta similares: cubiertas en zonas sombreadas muestran una reflectividad menor de la esperada, mientras que en zonas soleadas el efecto es el contrario. Por tanto, el proceso de normalización topográfica es crítico en áreas de terreno abrupto o montañoso como paso previo al estudio de la cubierta del suelo, adquiriendo mayor importancia aún en estudios multitemporales como el presente, en el que las condiciones de iluminación son distintas en cada imagen considerada. La mayor dificultad en la aplicación de correcciones topográficas es la ausencia de modelos generalmente aceptados. En la literatura científica se pueden encontrar una amplia variedad de métodos sin que haya un consenso sobre uno que sea aplicable universalmente. Otra dificultad es la disponibilidad de un modelo digital de elevaciones preciso para la zona en estudio, lo cual supone una gran limitación en los estudios de zonas poco desarrolladas del planeta (Riaño et al., 2003). Los métodos existentes para corregir el efecto de la topografía se pueden agrupar en dos categorías: Lambertianos y no Lambertianos. El primer supuesto asume que la reflectividad de la superficie es independiente de los ángulos de observación e incidencia sobre cada tipo de cubierta, y el segundo considera que el brillo de una cubierta es distinto según la dirección de vista (Redondo et al., 2000). El supuesto Lambertiano es muy conveniente para simplificar procedimientos pero no es realista, ya que la mayoría de los tipos de cubierta son rugosas y no se ajustan a la ley de reflectividad de Lambert. Actualmente existe un amplio rango de algoritmos para la corrección topográfica, entre los cuales, los más aplicados son la Corrección del Coseno, la Corrección-C y la Corrección de Minnaert (Dorren et al., 2003). Varios estudios comparativos realizados en los últimos años han concluido que los métodos que ofrecen mejores resultados desde el punto de vista estadístico y visual son la Corrección-C y Minnaert (Itten y Meyer, 1993; Meyer et al., 1993; McDonald et al., 2000). El método que mejor simula el comportamiento no lambertiano de las cubiertas vegetales es el que usa la constante de Minnaert (Minnaert, 1941; Smith et al., 1980; Teillet et al., 1982; Woodham y Grey, 1987; Jones et al., 1988; Colby, 1991; Ekstrand, 1996; Tokola et al., 2001), y es por ello que se ha elegido este método de corrección para el estudio de la evolución de la vegetación a lo largo del año. El método de Minnaert es un método semi-empírico consistente en multiplicar la reflectividad que mide el sensor por un factor que es inversamente proporcional al coseno del ángulo de incidencia solar sobre la superficie en cuestión. El factor mencionado está asimismo afectado por la potencia k, denominada constante de Minnaert, que simula el comportamiento no lambertiano de la superficie y está relacionada con la rugosidad de la misma. La constante de Minnaert describe las propiedades ópticas de los diferentes tipos de superficies e indica la sensibilidad de las diferentes bandas espectrales a los efectos producidos por la topografía. k es, por tanto, específica para cada tipo de cubierta del suelo y es distinta para cada banda espectral. Cuando k=1, la superficie es un reflector perfecto, y este método se iguala al del coseno. cos(θ z ) ρ H = ρT ⋅ cos(θ i ) k (19) 86 A. Pre-procesamiento de las imágenes de satélite Esta ecuación fue propuesta inicialmente por Minnaert (1941) para calcular la rugosidad de la superficie lunar. Posteriormente fue modificada para incluir la pendiente del terreno, lo que producía una corrección más efectiva de las imágenes. Colby (1991) propuso una modificación del método, denominado “Backward Minnaert correction”: ρH = ρ T ⋅ cos(e) [cos(θ i ) ⋅ cos(e)]k (20) siendo ρT la reflectividad observada, ρH la reflectividad corregida, e la pendiente del terreno, θi el ángulo de incidencia del Sol sobre la superficie, y k la constante de Minnaert. La mayor dificultad para la aplicación de este método es el cálculo de la constante k para cada banda Landsat. Para ello es necesario recurrir a la linearización de la ecuación anterior: ln( ρ T cos(e)) = k ln(cos(θ i ) cos(e)) + ln( ρ H ) (21) Por tanto, k es la pendiente de la recta de regresión resultante de enfrentar las siguientes variables para los píxeles de una imagen: ejex = ln(cos(θ i ) cos(e)) ejey = ln( ρ T cos(e)) Varios autores recomiendan realizar la corrección topográfica después de corregido la imagen de los efectos producidos por la atmósfera (Meyer et al., Ekstrand, 1996; Townsend y Foster, 2002), como se ha hecho en este trabajo. autores realizan ambas correcciones de forma simultánea (Sandmeier e Itten, Shepherd y Dymond, 2003), pero nunca antes la topográfica. (22) (23) haber 1993; Otros 1997; Para llevar a cabo la corrección topográfica de una imagen de satélite por el método de Minnaert son necesarios los siguientes datos de entrada: 1. Imagen Landsat corregida geométrica y radiométricamente. 2. Modelo digital de elevaciones (DEM) de la misma resolución o mayor que la imagen a corregir. En este trabajo se ha utilizado un DEM de la zona de estudio con una resolución espacial de 20m. 3. Ángulo de elevación y azimut solar en el momento de adquisición de la imagen. En la figura A.4 se muestra la recta de regresión y la constante de Minnaert obtenida para una banda de una imagen Landsat cualquiera a modo ilustrativo. 87 A. Pre-procesamiento de las imágenes de satélite Fig. A.4. Ejemplo de recta de regresión obtenida para la banda 4 de la imagen Landsat de 25 noviembre 2002. En este caso k=0,366 En la tabla A.3 se resumen los valores de k obtenidos para cada imagen de satélite. Se observa que la constante de Minnaert, que mide la dependencia entre los valores de celda y la iluminación de la misma, se ve reducida tras la corrección. No se elimina totalmente esta dependencia porque se ha utilizado un valor de k general para toda la superficie de la cuenca, en vez de uno específico para cada tipo de vegetación. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Imagen 25-nov-02 28-ene-03 01-mar-03 29-jun-03 01-sep-03 23-ene-04 12-abr-04 01-jul-04 18-ago-04 19-sep-04 22-nov-04 01-ene-05 30-mar-05 02-jun-05 20-jul-05 Antes de corregir topográficamente 1 2 3 4 5 7 0,231 0,24 0,282 0,366 0,391 0,073 0,284 0,291 0,327 0,388 0,448 0,392 0,367 0,383 0,42 0,452 0,483 0,157 0,645 0,674 0,762 0,655 0,697 0,741 0,578 0,626 0,735 0,655 0,71 0,737 0,321 0,425 0,447 0,527 0,635 0,644 0,528 0,632 0,682 0,631 0,767 0,829 0,696 0,746 0,796 0,62 0,707 0,799 0,689 0,744 0,779 0,645 0,722 0,8 0,507 0,569 0,68 0,592 0,686 0,706 0,327 0,465 0,515 0,564 0,739 0,766 0,249 0,253 0,299 0,351 0,379 0,098 0,484 0,527 0,617 0,531 0,619 0,643 0,484 0,537 0,608 0,57 0,646 0,681 0,5 0,524 0,575 0,546 0,58 0,628 Después de corregir topográficamente 1 2 3 4 5 7 0,124 0,122 0,139 0,159 0,176 0,026 0,134 0,138 0,156 0,155 0,191 0,187 0,136 0,138 0,146 0,136 0,145 0,077 0,223 0,226 0,227 0,221 0,224 0,226 0,163 0,164 0,166 0,154 0,161 0,166 0,14 0,172 0,196 0,17 0,218 0,233 0,178 0,182 0,187 0,165 0,174 0,184 0,236 0,235 0,236 0,228 0,231 0,234 0,189 0,188 0,19 0,177 0,182 0,19 0,145 0,148 0,156 0,136 0,148 0,155 0,119 0,154 0,174 0,156 0,179 0,191 0,127 0,132 0,165 0,144 0,191 0,05 0,146 0,15 0,156 0,136 0,145 0,153 0,235 0,236 0,236 0,235 0,236 0,237 0,226 0,226 0,227 0,225 0,225 0,227 Tabla A.3. Constantes de Minnaert (k) obtenidas para cada banda e imagen. 88 A. Pre-procesamiento de las imágenes de satélite El resultado visual de la corrección topográfica se puede observar en la figura A.5. En la imagen sin corregir se pueden observar zonas más sombreadas y otras más luminosas. En la imagen corregida se distinguen los diferentes tipos de cubierta pero resultan menos apreciables los desniveles del terreno, lo que indica que la reflectividad de la superficie apenas depende de su nivel de iluminación y, sin embargo, depende en mayor medida de las características de la cubierta del suelo. En la imagen corregida, los píxeles que no reciben radiación solar directa (píxeles totalmente en sombra) tienen un valor nulo de reflectividad para todas las bandas, por lo que no se podrán usar los datos de esas zonas en la segunda parte del trabajo. Fig A.5. Detalle de la imagen Landsat de abril 2004 antes (izquierda) y después (derecha) de la corrección topográfica. A.6. Fuentes de error A pesar de la utilidad de la teledetección para un estudio a escala de cuenca como el presente, esta técnica presenta algunas limitaciones. Las fuentes de error más importantes ligadas al uso de imágenes de satélite para la estimación de la cobertura vegetal del suelo en este trabajo han sido las siguientes: - Los sensores remotos ópticos como el Landsat TM no recogen información de la superficie terrestre que se encuentra bajo las nubes. En determinadas épocas del año es frecuente que en el momento en que el satélite adquiere la imagen exista nubosidad. Como se observa en las figuras 4.1, 4.2 y 4.3, en algunas imágenes aparecen nubes. Se han seleccionado para este trabajo las imágenes de cada época que presentaban menores problemas de nubosidad. - Debido a que la superficie de la cuenca es muy accidentada y que la elevación solar a la hora que pasa el satélite (10:35 GMT) es baja en otoño e invierno, algunas superficies aparecen completamente en sombra en las imágenes de esas épocas. El sensor de Landsat no recoge información útil de aquellas superficies que no reciben radiación solar directa, por lo que los datos de esas zonas sombreadas no han podido ser usados. La corrección topográfica de las imágenes corrige los efectos de una iluminación diferencial en terreno abrupto, pero tampoco es efectiva en las 89 A. Pre-procesamiento de las imágenes de satélite zonas que no reciben radiación directa. En la figura A.6 se pueden observar las diferencias de iluminación de las diferentes laderas de la cuenca en el momento de adquisición de la imagen de enero-2004. - Algunas imágenes carecen de información en una pequeña zona situada en la parte más al Sur de la cuenca, coincidiendo con la desembocadura del río. En este caso, la falta de información se debe a que la escena adquirida por el satélite no abarca por completo la cuenca, sino que deja fuera esta pequeña zona. - Las imágenes del satélite Landsat-7 adquiridas con posterioridad al otoño de 2003 tienen unas rayas diagonales sin información debido a un fallo en el mecanismo de barrido del sensor. Sólo ha sido utilizada en este estudio una imagen de estas características (1-ene-05). En la tabla A.4 se recoge el porcentaje de la superficie de la cuenca que se ve afectada por falta de información útil debido a alguno de los factores mencionados anteriormente. Concretamente, de las 15 imágenes utilizadas hay 3 con una falta de información en torno al 20% de la superficie, otras 3 imágenes con un 10% aproximadamente, y el resto con porcentajes despreciables. 0 cos (i) 1 Fig. A.6. Iluminación de la superficie en el momento de adquisición de la imagen Landsat de 23enero-2004. La zona que se observa corresponde a la parte central de la cuenca del Guadalfeo y el grado de iluminación se representa mediante el coseno del ángulo de incidencia. 90 A. Pre-procesamiento de las imágenes de satélite Imágenes Landsat Guadalfeo - % de la imagen sin información Fecha 2002 / 2003 25-nov-02 28-ene-03 01-mar-03 29-jun-03 01-sep-03 2003 / 2004 23-ene-04 12-abr-04 30-may-04 01-jul-04 18-ago-04 2004 / 2005 19-sep-04 22-nov-04 01-ene-05 30-mar-05 02-jun-05 20-jul-05 Satélite Nubes y su Sombra sombra topográfica Rayas L7 Sur cortado Total sin informacion L-7 ETM+ L-7 ETM+ L-7 ETM+ L-5 TM L-5 TM 15,1 0 0 0 0 9,7 10 2,9 0,2 0,4 0 0 0 0 0 0 0 0 0 0 22,6 10 2,9 0,2 0,4 L-5 TM L-5 TM L-5 TM L-5 TM L-5 TM 0 4,8 12,4 0,3 0 0 0,5 1,1 12,9 5 0 0 0,2 0,2 0 0 0 0 0,2 0,2 L-5 TM L-5 TM L-7 SLC-off L-5 TM L-5 TM L-5 TM 0 11,5 0 0 8,6 0 0,6 9,5 14 0,5 0,1 0,2 0 0 6,3 0 0 0 0 0,8 0 1 0 0 0,6 20 19,6 1,5 8,7 0,2 Tabla A.4. Superficie sin información en cada imagen de satélite utilizada. En las zonas con falta de información se ha realizado una interpolación lineal de los valores de cobertura vegetal de las imágenes anterior y posterior. De esa forma, aunque no conozcamos el valor exacto de cobertura en esa fecha, se reduce el error que se produciría al considerar que no existe vegetación en esas zonas y época del año. Además de los problemas comentados, el propio proceso de corrección de las imágenes lleva asociado errores en cada paso. Por ello, se hace necesaria la comprobación de los resultados obtenidos tras cada paso del proceso. Una vez comprobada la bondad de la corrección geométrica con información geográfica distinta de la utilizada como referencia (ver A.1), en el siguiente anejo se presenta el trabajo realizado para comprobar la bondad de las correcciones atmosférica y topográfica. 91 B. Campañas de medida en campo Anejo B Campañas de medida en campo B.1. Medidas de reflectividad y cobertura vegetal Mediante el procedimiento explicado en los capítulos anteriores se han obtenido una serie de imágenes que pueden ser validadas con datos recogidos en campo. Por una parte, los valores de reflectividad de la superficie para las diferentes bandas espectrales obtenidos tras el pre-procesamiento de las imágenes pueden ser validados con datos de reflectividad tomados en algún punto de la cuenca con un espectroradiómetro. Por otra parte, los valores finales de cobertura vegetal de las imágenes pueden ser comparados también con estimaciones realizadas en campo en una fecha cercana a la de la imagen. En este capítulo se explica el procedimiento de recogida de datos en campo, así como la primera de las validaciones mencionada (reflectividad), mientras que en el capítulo 4.2 se incluye la validación final realizada sobre la cobertura vegetal. Se realizaron campañas de medida en campo en enero y en agosto de 2004 para recoger datos de fracción de cobertura y tipo de vegetación en unas 30 parcelas previamente seleccionadas, homogéneas y de tamaño suficiente para que pudieran ser identificadas en la imagen de satélite. Las parcelas estaban situadas concretamente en dos subcuencas del Guadalfeo, la del río Poqueira, representativa de la margen derecha (Sierra Nevada), y la del río Torvizcón, representativa de la margen izquierda (Sierra de la Contraviesa). En la figura B.1 se representan las parcelas y los límites de las subcuencas mencionadas. Las fechas de toma de datos en campo fueron el 22-23 de enero de 2004, y 2-4 de agosto de 2004, ambas próximas a la fecha de adquisición de dos de las imágenes de satélite utilizadas, lo que ha permitido validar las correcciones hechas a las imágenes y los datos de fracción de cobertura obtenidos. La información recogida fue la siguiente: - Tipo de vegetación y abundancia de cada estrato dentro de la parcela. - Estimación visual del porcentaje de suelo cubierto por la vegetación. - Localización geográfica mediante las coordenadas de un punto interior de la parcela medidas con un receptor GPS. Delimitación de las parcelas en un plano a escala 1:10.000. - Fotografías digitales de las parcelas y de los distintos estratos de vegetación. 93 B. Campañas de medida en campo Fig. B.1. Situación de las parcelas seleccionadas para el muestreo de campo. Se indica también el límite de las subcuencas del río Poqueira (al Norte) y del Torvizcón (al Sur). Los puntos de color rojo indican las parcelas del muestreo realizado en enero 2004, y los de color amarillo corresponden al de agosto 2004. Los puntos se muestran sobre la imagen de 18-agosto-1004 en una combinación de falso color de las bandas 5,4,3. Igualmente, se tomaron medidas de reflectividad de la superficie en dos de las parcelas para poder validar la reflectividad obtenida a partir de la imagen de satélite. Se usó para ello un espectroradiómetro portátil, GER 3700, y un panel de referencia Spectralon. La hora en que se tomaron las medidas fue similar a la del paso del satélite (10-11 UTC) para que la reflectividad fuera comparable. Las dos parcelas elegidas tenían las siguientes características: - Parcela 1: zona de vegetación homogénea de unas 5 ha. de extensión en la ladera oeste de la Rambla del Torvizcón. La vegetación es matorral bajo y pastizal que cubren gran parte de la superficie del suelo. - Parcela 2: viñedo con una extensión aproximada de 1 ha en la ladera oeste de la Rambla del Torvizcón. La parcela tiene una pendiente aproximada del 10% y en los meses de invierno permanece una cierta fracción del suelo cubierta por malas 94 B. Campañas de medida en campo hierbas. En esta parcela se tomaron medidas en la campaña de enero pero no en la de agosto. Se realizó un recorrido por el interior de las parcelas (ver figura B.2) con el radiómetro montado sobre una mochila. Se tomaron medidas cada 3-4 m de distancia. El número de puntos medidos fue de 30-40 según la parcela y la campaña de medidas. El radiómetro realiza muestreos de la reflectividad cada 2.8-4 nm en el intervalo 350-2500 nm, obteniendo así una respuesta espectral de la superficie muy detallada. Estos datos hiperespectrales fueron tratados para adaptarlos a las 7 bandas espectrales que tiene el sensor de Landsat (datos multiespectrales), y que pudieran de esa forma ser comparables. Límite de la subcuenca del Torvizcón Coord. UTM del centro del itinerario: x = 472 332 m y = 4 079 172 m Fig. B.2. Itinerario seguido en la Parcela 1 para tomar datos de reflectividad con el espectroradiómetro 95 B. Campañas de medida en campo Fig. B.3. Ejemplos de parcelas seleccionadas para la recogida de información de campo. Arriba a la izq. parcela de encinar denso; arriba a la derecha parcela de coníferas; abajo a la izq. parcela de matorral; y abajo a la derecha parcela de pasto de alta montaña. 96 B. Campañas de medida en campo B.2. Validación de las imágenes pre-procesadas La validación de los valores de reflectividad obtenidos tras el pre-procesamiento de las imágenes de satélite se ha realizado mediante la comparación con datos de reflectividad medidos en campo usando un espectroradiómetro, como se explica en el punto anterior. La validación del proceso de corrección de imágenes se realiza sólo en 2 de las imágenes, para las cuales existen datos de campo disponibles. Al resto de las imágenes se les ha aplicado el mismo tratamiento y, por tanto, se considera que si éste es adecuado para las 2 imágenes validadas también lo será para el resto. En las tablas B.1 y B.2 se presenta la respuesta espectral de las dos parcelas seleccionadas. Banda 1 2 3 4 5 7 NDVI Reflectividad (%). Parcela 1 Radiómetro Satélite І Dif І 4.25 5.39 1.14 6.69 8.08 1.39 7.84 9.42 1.58 19.48 24.57 5.09 19.67 26.16 6.49 12.88 15.52 2.64 Media 3.06 SD 2.22 0.44 0.44 Reflectividad (%). Parcela 2 Radiómetro Satélite І Dif І 10.55 10.07 0.48 14.54 18.76 4.22 15.72 16.07 0.35 35.64 36.68 1.04 35.74 37.08 1.34 28.06 27.07 0.99 Media 1.40 SD 1.43 0.39 0.39 Tabla B.1. Respuesta espectral promediada en 2 parcelas seleccionadas. Enero de 2004. Banda 1 2 3 4 5 7 NDVI Reflectividad (%). Parcela 1 Radiómetro Satélite І Dif І 5.80 5.42 0.38 9.34 9.04 0.30 11.81 12.00 0.19 23.89 23.05 0.84 21.27 24.36 3.09 12.71 14.80 2.09 Media 1.15 SD 1.18 0.34 0.32 Tabla B.2. Respuesta espectral promediada en la parcela 1. Agosto 2004. Como se puede comprobar en las tablas B.1 y B.2, la respuesta espectral de la superficie terrestre obtenida tras la corrección de las imágenes de satélite se ajusta muy bien a la realidad (radiómetro). En cada una de las 3 parcelas validadas, las diferencias entre la reflectividad medida en campo y la estimada con el satélite son únicamente del 3.06%, 1.4% y 1.15%. Además de la respuesta para las bandas espectrales Landsat, se ha calculado el índice de vegetación NDVI de las parcelas seleccionadas, que es la variable que nos interesa obtener en este trabajo. La estimación de este índice a partir del satélite es correcta para las zonas y fechas evaluadas. Otra forma de comprobar que los resultados obtenidos hasta ahora son fiables y se ajustan a la realidad es comparar la respuesta espectral de una zona de la imagen que 97 B. Campañas de medida en campo identifiquemos como vegetación, con la respuesta típica de ésta obtenida de la bibliografía. Para ello se han seleccionado 3 píxeles de la imagen de enero 2004 y otros 3 de la imagen de agosto 2004 identificados como vegetación. La respuesta espectral típica de la vegetación se ha tomado de Zarco-Tejada et al. (2003). En la figura B.4 se representan las respuestas de los 6 píxeles seleccionados y las de referencia. Se comprueba que las imágenes de satélite han sido corregidas adecuadamente, ya que las respuestas espectrales de los píxeles de vegetación entran dentro del intervalo típico para la vegetación. Fig. B.4. Respuesta espectral extraída de las imágenes de satélite para distintos tipos de vegetación frente a la respuesta típica de la vegetación. 98 C. Revisión bibliográfica de valores de S Anejo C Revisión bibliográfica de valores de S Se han revisado los estudios experimentales de interceptación llevados a cabo en las últimas décadas, obteniendo los valores de capacidad de almacenamiento (S) para tipos de vegetación similares a los que podemos encontrar en la cuenca del Guadalfeo. Los resultados se presentan en las tablas C.1, C.2, C.3 y C.4. Tipo de vegetación Coníferas Pinus pinaster Taxodium ascendens (ciprés) Pinus elliottii 27 bosques de coníferas (promedio) Pinus pinaster Pinus sylvestris Picea sitchensis Pinus sylvestris Picea sitchensis Pinus pinaster Picea sitchensis Pinus sylvestris Pinus sylvestris Pinus radiata Pinus sylvestris Pseudotsuga menziesii (abeto) S (mm) Referencia 0,41 0,94 0,43 0,69 0,26 0,8 1,94 1 1,05 0,42 2,08 1,34 2 1 1,6 1,5 Valente et al. (1997) Liu (1998) Liu (1998) Revisión de Liu (1998) Lankreijer et al. (1993) Gash (1979) Gash et al. (1980) Gash et al. (1980) Gash et al. (1980) Gash et al. (1995) Hutchings et al. (1988) Llorens (1997) Llorens y Gallart (2000) Aston (1979) Rutter (1963) Massman (1983) Tabla C.1. Capacidad de almacenamiento (S) de los bosques de coníferas. 99 C. Revisión bibliográfica de valores de S Tipo de vegetación Otros bosques Laurisilva Eucalyptus globulus Eucalyptus camaldulensis Eucalyptus grandis Eucalyptus cinerea Eucalyptus dives Bosque de robles, arces, hayas Bosque de robles, arces, hayas Roble Quercus rubra (roble americano) Quercus suber (alcornoque) Quercus robur (roble) Carpinis betulus (carpe) Castanospermum australe (castaño) Acacia longifolia (mimosa) S (mm) Referencia 2,45 0,21 0,32 0,37 0,4 0,28 1 1,16 0,8 0,5 / 0,7 2 1 1 2,8 0,6 Aboal et al. (1999) Valente et al. (1997) Calder et al. (1996) Calder et al. (1996) Aston (1979) Aston (1979) Carlyle-Moses y Price (1999) Price y Carlyle-Moses (2003) Dolman (1987) Lankreijer et al. (1993) Xiao et al. (2000) Thompson (1972) Leyton et al. (1967) Herwitz (1985) Aston (1979) Tabla C.2. Capacidad de almacenamiento (S) de diversos bosques. Tipo de vegetación Arbustos Calluna vulgaris (brezo) Calluna vulgaris (brezo) Anthyllis cytisoides L. (albaida) Retama sphaerocarpa (L.) Stipa tenacissima L. (esparto) Acacia rigidula (chaparro prieto) Diospyros texana (chapote) Diospyros texana (chapote) Prosopis laevigata (tipo algarrobo) Acacia farnesiana "Broom snakeweed" (Nuevo México) "Fourwing saltbush" (Nuevo México) Flourensia cernua ("tarbush") Larrea tridentata ("creosotebush") "Big sagebrush" y "shadscale" (Utah) "Big sagebrush" (Idaho) S (mm) 1,4 / 1,7 1,2 1,8 0,29 2,44 0,14 0,14 0,75 0,85 0,98 0,7 0,5 3 3,6 1,5 1,1 Referencia Leyton et al. (1967) Hall (1985) Domingo et al. (1998) Domingo et al. (1998) Domingo et al. (1998) Cantú y González (2005) Cantú y González (2005) Návar y Bryan (1994) Návar y Bryan (1994) Návar y Bryan (1994) Wood et al. (1998) Wood et al. (1998) Tromble (1983) Tromble (1988) West y Gifford (1976) Hull (1972) Tabla C.3. Capacidad de almacenamiento (S) de especies arbustivas y matorral. 100 C. Revisión bibliográfica de valores de S Tipo de vegetación Cultivos y herbáceas Olivos de montaña (PLAI = 1,13) Pyrus calleryana 'Bradford' Manihot esculenta (mandioca) Zea mays L. (maíz) Oryza sativa L. (arroz) Trigo Zea mays L. (maíz) Lolium perenne (ryegrass) 10/48 cm Molinia cerulea (herbácea) Mezcla de gramíneas y leguminosas Pteridium aquilinum (helecho) Pteridium aquilinum (helecho) Grevillea robusta + Zea mays Sideoats grama (herbácea, Nuevo México) Bush Muhly (herbácea, Nuevo México) Red theeawn (herbácea, Nuevo México) Mesa dropseed (herbácea, Nuevo México) Sideoats grama (herbácea, Texas) Curleymesquite (herbácea, Texas) S (mm) Referencia 1,51 1 0,09 0,26 0,066 0,55 0,4 / 0,7 0,5 / 2,8 0,7 1 / 1,2 0,9 1,0 / 2,1 0,82 1,4 0,9 1,8 1,2 1,8 1 Gomez et al. (2001) Xiao et al. (2000) Van Dijk y Bruijnzeel (2001) Van Dijk y Bruijnzeel (2001) Van Dijk y Bruijnzeel (2001) Leuning et al. (1994) Stoltenberg y Wilson (1950) Merriam (1961) Leyton et al. (1967) Burgy y Pomeroy (1958) Leyton et al. (1967) Leyton et al. (1967) Jackson (2000) Wood et al. (1998) Wood et al. (1998) Wood et al. (1998) Wood et al. (1998) Thurow et al. (1987) Thurow et al. (1987) Tabla C.4. Capacidad de almacenamiento (S) de algunos cultivos y plantas herbáceas. Los resultados de la revisión bibliográfica muestran una capacidad de almacenamiento (S) que varía en el intervalo de valores 0,26-2,08 mm para las coníferas, 0,21-0,4 mm para eucaliptos, 0,5-2,8 mm para frondosas, 0,14-3,6 mm para arbustos, y 0,07-2,8 mm para plantas herbáceas. Estos datos indican la dificultad de obtener un valor satisfactorio del parámetro S en función del tipo de vegetación. Los valores de capacidad de almacenamiento mostrados en las tablas anteriores han sido obtenidos por distintos autores, bajo diferentes condiciones climáticas y con diseños experimentales distintos. Esto explica que existan diferencias entre los valores de S encontrados para cubiertas vegetales similares. Una vez recopilados los valores de S para tipos de vegetación similares a los que podemos encontrar en la cuenca, se asignó un valor de capacidad de almacenamiento a cada uno de los tipos de cubierta vegetal característicos de la cuenca. El resultado de esta asignación de valores se presenta en la tabla 7.1. Los criterios seguidos para esta asignación se explican en el apartado 7.3 de este trabajo. La capacidad de almacenamiento asignada a cada tipo de cubierta vegetal corresponde al estado de máximo desarrollo de ésta, es decir, vegetación verde y con hoja. Para los periodos de menor desarrollo, como por ejemplo el periodo de reposo invernal en especies caducifolias, esta capacidad de almacenamiento se verá minorada por el valor de la cobertura vegetal, que es variable en el tiempo y representa el estado de la cubierta vegetal en cada momento. 101 Bibliografía Bibliografía ABOAL, J.R., JIMENEZ, M.S., MORALES, D., y HERNÁNDEZ, J.M., 1999. Rainfall interception in laurel forest in the Canary Islands. Agricultural and Forest Meteorology, 97, 73-86. AGUILAR, C. y POLO, M.J., 2006. Efectos de escala en modelos hidrológicos. Aplicación a la cuenca del río Guadalfeo (Granada). Monografías 2006, Grupo de Hidrología e Hidráulica Agrícola, Córdoba, p. 102. ANDRÉASSIAN, V., 2004. Waters and forests: from historical controversy to scientific debate. Journal of Hydrology, 291, 1-27. ARMSTRONG, C.L. y MITCHELL, J.K., 1987. Transformations of rainfall by plant canopy. Trans. ASAE, 30, 688-696. ASDAK, C., JARVIS, P.G. y VAN GARDINGEN, P., 1998. Modelling rainfall interception in unlogged and logged forest areas of Central Kalimantan, Indonesia. Hydrology and Earth System Sciences, 2, 211-220. ASTON, A.R., 1979. Rainfall interception by eight small trees. Journal of Hydrology, 42 (3-4), 383-396. BRAS, R., 1990. Hydrology: An Introduction to Hydrologic Science. Adisson-Wesley Publishing Company, E.U. BURGY, R.H., y POMEROY, C.R., 1958. Interception losses in grassy vegetation. Transaction American Geophysical Union, 39, 1095-1100. CAIN, J.D., BATCHELOR, C.H., GASH, J.H.C. y HARDING, R.J., 1998. Comment on the paper ‘Towards a rational definition of potential evaporation’ by J.P. Lhomme, Hydrology and Earth System Sciences, 2, 137. CALDER, I.R. y ROSIER, P.T.W., 1976. The design of large plastic sheet net rainfall gauges, Journal of Hydrology, 30, 403-405. CALDER, I.R., 1986. A stochastic model of rainfall interception. Journal of Hydrology, 89, 65-71. CALDER, I.R., HALL, R.L., ROSIER, P.T.W., BASTABLE, H.G. y PRASANNA, K.T., 1996. Dependence of rainfall interception on drop size: 2. Experimental determination of the wetting functions and two-layer stochastic model parameters for five tropical tree species. Journal of Hydrology, 185, 379-388. CAMACHO-DE COCA, F., GARCÍA-HARO, F.J., GILABERT, M.A., y MELIÁ, J., 2004. Vegetation cover seasonal changes assessment from TM imagery in a semi-arid landscape. International Journal of Remote Sensing, 25, 3451-3476. 103 Bibliografía CANTÚ, S.I., y GONZÁLEZ, R.H., 2005. Pérdidas por intercepción de la lluvia en tres especies de matorral submontano. Revista CIENCIA UANL, 8, 80-85. CARLSON, T.N., y RIPLEY, D.A., 1997. On the relation between NDVI, fractional vegetation cover and leaf area index. Remote Sensing of Environment, 62, 241-252. CARLYLE-MOSES, D.E., y PRICE, A.G., 1999. An evaluation of the Gash interception model in a northen hardwood stand. Journal of Hydrology, 214, 103-110. CHANDER, G., y MARKHAM, B., 2003. Revised Landsat-5 TM radiometric calibration procedures and postcalibration dynamic ranges. IEEE Transactions on Geoscience and Remote Sensing, 41 (11), 2674-2677. CHANDRASEKHAR, S., 1960. Radiative Transfer. Dover, UK: New York. CHANG, M.T, 2003. Forest Hydrology: An Introduction to Water and Forests. Boca Raton: CRC Press, 373 p. CHOUDHURY, B.J., AHMED, N.U., IDSO, S.B., REGINATO, R.J. y DAUGHTRY, C.S.T., 1994. Relations between evaporation coefficients and vegetation indices by model simulations. Remote Sensing of Environment, 50, 1-17. CHUVIECO, E, 1996. Fundamentos de Teledetección Espacial. Madrid: RIALP, 568 p. COLBY, J.D., 1991. Topographic Normalization in Rugged Terrain. Photogrammetric Engineering and Remote Sensing, 57, 531-537. CONGALTON, R.G. y GREEN, 1999. Assessing the Accuracy of Remotely Sensed Data: Principles and Practices, Boca Ratón, FL: Lewis Publishers, 137 p. CROCKFORD, R.H. y RICHARDSON, D.P., 2000. Partitioning of rainfall into throughfall, stemflow and interception: effect of forest type, ground cover and climate. Hydrological Processes, 14, 2903-2920. DAVID, J.S., VALENTE, F. y GASH, J.H.C., 2005. Evaporation of intercepted rainfall, in Anderson, M.G. (Ed.), Encyclopedia of Hydrological Sciences, vol. 1, Chichester: John Wiley & Sons, 627-634. DIAZ-GUTIERREZ, A., GONZALEZ-DUGO, M.P. y POLO, M.J., 2005. Cuantificación de las pérdidas por interceptación de lluvia a escala de cuenca. Trabajo Profesional Fin de Carrera. Escuela de Ingenieros Agrónomos y de Montes, Universidad de Córdoba, 123 p. DOLMAN, A.J., 1987. Summer and winter rainfall interception in an oak forest. Predictions with an analytical and a numerical simulation model, Journal of Hydrology, 90, 1-9. DOMINGO, F., SÁNCHEZ, G., MORO, M.J., BRENNER, A.J., y PUIGDEFÁBREGAS, J., 1998. Measurement and modelling of rainfall interception by three semi-arid canopies. Agricultural and Forest Meteorology, 91, 275-292. 104 Bibliografía DORREN, L.K.A., MAIER, B., y SEIJMONSBERGEN, A.C., 2003. Improved Landsatbased forest mapping in steep mountainous terrain using object-based classification. Forest Ecology and Management, 183, 31-46. DUNKERLEY, D., 2000. Measuring interception loss and canopy storage in dryland vegetation: a brief review and evaluation of available research strategies. Hydrological Processes, 14, 669-678. EKSTRAND, S., 1996. Landsat-TM based forest damage assessment: Correction for topographic effects. Photogrammetric Engineering and Remote Sensing, 62, 151-161. ELMORE, A.J., MUSTARD, J.F., MANNIG, S.J. y LOBELL, D.B., 2000. Quantifying vegetation change in semiarid environments: Precision and accuracy of spectral mixture analysis and the Normalized Difference Vegetation Index. Remote Sensing of Environment, 73, 87-102. FORGEARD, F., GLOAGUEN, Y.C. y TOUFFET, J., 1980. Interception des précipitations et apport au sol d’élèments mineraux par les eaux de pluie et les pluviolessivats dans une hêtraie atlantique et dans quelques peuplements résineux en Bretagne. Annales des Sciences Forestières, 37, 53-71. GASH, J.H.C. y STEWARD, J.B., 1977. The evaporation from Thetford forest during 1975. Journal of Hydrology, 35, 385-396. GASH, J.H.C., 1979. An analytical model of rainfall interception by forests. Quaterly Journal of the Royal Meteorological Society, 105, 43-55. GASH, J.H.C., WRIGHT, I.R. y LLOYD, C.R., 1980. Comparative estimates of interception loss from three coniferous forests in Great Britain. Journal of Hydrology, 48, 89-105. GASH, J.H.C., LLOYD, C.R. y LACHAUD, G., 1995. Estimating sparse forest rainfall interception with an analytical model. Journal of Hydrology, 170, 79-86. GASH, J.H.C., VALENTE, F. y DAVID, J.S., 1999. Estimates and measurements of evaporation from wet, sparse pine forest in Portugal. Agricultural and Forest Meteorology, 94, 149-158. GÓMEZ, J. A., GIRÁLDEZ, J. V., y FERERES, E., 2001. Rainfall interception by olive trees in relation to leaf area. Agricultural Water Management, 49, 65-76. GONZÁLEZ-DUGO, M.P., 2002. Tipificación y cartografía de vegetación en ecosistemas de dehesa mediante sensores remotos. Tesis doctoral. Universidad de Córdoba, España. HALL, R. L., 1985. Further interception studies of heather using a wet-surface weighing lysimeter system. Journal of Hydrology, 81, 193-210. HERRERO, J., 2006. Modelo multiescala de fusión de nieve. Informe Técnico IT IX.7. Informes del Estudio Piloto para la Gestión Integrada de la Cuenca Hidrográfica del Río Guadalfeo. Instituto del Agua de Andalucía, Consejería de Medio Ambiente, Junta de Andalucía. 105 Bibliografía HERRERO, J., ÁVILA, A., POLO, M.J. y LOSADA M.A., 2006. Modelo de usuario para la gestión integrada de cuenca. Modelo Hidrológico Andaluz MoHa. Informe Técnico IT.IX.16. Informes del Estudio Piloto para la Gestión Integrada de la Cuenca del Río Guadalfeo, Instituto del Agua de Andalucía, Consejería Medio Ambiente, Junta de Andalucía, 49 p. HERRERO, J., POLO, M.J. y LOSADA, M.A., 2005. Modelo físico de acumulación y fusión de la nieve. Series Monográficas 2005, Grupo de Puertos y Costas, Granada. HERWITZ, S.R., 1985. Interception storage and capacities of tropical rainforest canopy tree species. Journal of Hydrology, 77, 237-252. HORTON, R.E., 1919. Rainfall interception. Monthly Weather Rev., 47, 603-623. HUETE, A.R., JACKSON, R.D., y POST, D.F., 1985. Spectral response of a plant canopy with different soil backgrounds. Remote Sensing of Environment, 17, 37-53. HULL, A.C., 1972. Rainfall and snowfall interception of big sagebrush. Utah Academy of Science and Letters, 49, 64. HUTCHINGS, N.J., MILNE, R. y CROWTHER, J.M., 1988. Canopy storage capacity and its vertical distribution in a Sitka spruce canopy. Journal of Hydrology, 104, 161-171. ITTEN, K.I., y MEYER, P., 1993. Geometric and radiometric correction of TM data of mountainous forested areas. IEEE Transactions on Geoscience and Remote Sensing, 31, 764770. JACKSON, N.A., 2000. Measured and modelled rainfall interception loss from an agroforestry system in Kenya. Agricultural and Forest Meteorology, 100, 323-336. JENSEN, J.R., 2005. Chapter 9: Thematic Information Extraction: Pattern Recognition. Introductory digital image processing: a remote sensing perspective, 3rd edition, Upper Saddle River: Pearson Prentice Hall, 337-406. JONES, A.R., SETTLE, J.J. y WYATT, B.K., 1988. Use of digital terrain data in the interpretation of SPOT-1 HRV multispectral imagery. International Journal of Remote Sensing, 9, 669-682. LANDIS, J. y KOCH, G., 1977. The Measurement of Observer Agreement for Categorical Data. Biometrics, 33:159-174. LANKREIJER, H.J.M., HENDRIKS, M.J. y KLAASSEN, W., 1993. A comparison of models simulating rainfall interception of forests. Agricultural and Forest Meteorology, 64, 187-199. LANKREIJER, H., LUNDBERG, A., GRELLE, A., LINDROTH, A., y SEIBERT, J., 1999. Evaporation and storage of intercepted rain analysed by comparing two models applied to a boreal forest. Agricultural and Forest Meteorology, 98-99, 595-604. 106 Bibliografía LEONARD, R.E., 1967. Mathematical theory of interception, in Sopper, W.E. y Lull, H.W. (Eds.). International Symposium on Forest Hydrology, Oxford: Pergamon Press, 131136. LEUNING, R., CONDON, A.G., DUNIN, F.X., ZEGELIN, S. y DENMEAD, O.T., 1994. Rainfall interception and evaporation from soil below a wheat canopy. Agricultural and Forest Meteorology, 67, 221-238. LEYTON, L., REYNOLDS, E.R.C. y THOMPSON, F.B., 1967. Rainfall interception in forest and moorland. In: Sopper, W. E., Lull, H. W. (Eds.), Forest Hydrology, Oxford: Pergamon Press, 163-178. LILLESAND, T.M. y KIEFER, R.W., 2000. Remote Sensing and Image Interpretation, 4th edition. New York: John Wiley & Sons, 724 p. LIU, S., 1998. Estimation of rainfall storage capacity in the canopies of cypress wetlands and slash pine uplands in North-Central Florida. Journal of Hydrology, 207, 32-41. LIU, S., 2001. Evaluation of the Liu model for predicting rainfall interception in forests world-wide. Hydrological Processes, 15, 2341-2360. LLORENS, P., 1997. Rainfall interception by a Pinus sylvestris forest patch overgrown in a Mediterranean mountainous abandoned area II. Assessment of the applicability of Gash´s analytical model. Journal of Hydrology, 199, 346-359. LLORENS, P., y GALLART, F., 2000. A simplified method for forest water storage capacity measurement. Journal of Hydrology, 240, 131-144. LLOYD, C.R. y MARQUES, A.O., 1988. Spatial variability of throughfall and stemflow measurements in Amazonian rainforest. Agricultural and Forest Meteorology, 42, 63-73. LLOYD, C.R., GASH, J.H.C., SHUTTLEWORTH, W.J. y MARQUES, A.O., 1988. The measurement and modelling of rainfall interception by Amazonian rain forest. Agricultural and Forest Meteorology, 43, 277-294. MASSMAN, W.J., 1983. The derivation and validation of a new model for the interception of rainfall by forests. Agricultural Meteorology, 28, 261-286. MCDONALD, E.R., WU, X., CACCETTA P.A. y CAMPBELL N.A., 2000. Illumination correction of Landsat TM data in South East NSW. Proceedings 10th Aust Remote Sensing and Photogrammetry Conference, vol. 1, 1375 p. Adelaide, agosto 2000. MCNAUGHTON, K.G. y JARVIS, P.G., 1983. Predicting effects of vegetation change on transpiration and evaporation. In: Kozlowski, T.T. (Ed.), Water Deficits and Plant Growth, Vol. III, New York: Academic Press, 1-47. MERRIAM, R.A., 1961. Surface water storage on annual ryegrass. Journal of Geophysics Research, 66, 1833-1838. 107 Bibliografía MEYER, P., ITTEN, K.I., KELLENBENBERGER, T., SANDMEIER, S., y SANDMEIER, R., 1993. Radiometric corrections of topographically inducted effects on Landsat TM data in an alpine environment. ISPRS Journal Photogramm. and Remote Sensing, 48, 17-28. MINNAERT, M., 1941. The reciprocity principle in lunar photometry. Astrophysics Journal, 93, 403-410. MONTEITH, J.L., 1965. Evaporation and environment. In Fogg, G.E. (Ed.), The State and Movement of Water in Living Organisms, Symposium of the Society for Experimental Biology, Vol. 19, Cambridge University Press: 205-234. MONTEITH, J.L. y UNSWORTH, M.H., 1990. Principles of Environmental Physics, Second Edition, London: Edward Arnold, p. 291. MORAN, M.S., BRYANT, R., THOME, K., NI, W., NOUVELLON, Y., GONZALEZDUGO, M.P., QI, J. y CLARKE, T.R., 2001. A refined empirical line approach for reflectance retrieval from Landsat-5 TM and Lansat-7 ETM+. Remote Sensing of Environment, 78, 71-82. MORAN, M.S., HYMER, D.C., QI, J. y KERR, Y., 2002. Comparison of ERS-2 SAR and Landsat TM imagery for monitoring agricultural crop and soil conditions. Remote Sensing of Environment, 79, 243-252. NARUMALANI, S., HLADY, J.T. y JENSEN, J.R., 2002. Information Extraction from Remotely Sensed Data. In Bossler, J.D., Jensen, J.R., McMaster, R.B. y Rizos, C. (Eds.), Manual of Geospatial Science and Technology, New York: Taylor & Francis, 298-324. NASA, 2006. Landsat7 Science Data Users Handbook, Laboratory for Terrestrial Physics, NASA, EEUU. http://landsathandbook.gsfc.nasa.gov/handbook.html (25-agosto-2006). NÁVAR, J. y BRYAN, R., 1990. Interception loss and rainfall redistribution by three semiarid growing shrubs in northeastern Mexico. Journal of Hydrology, 115, 51-63. NÁVAR, J. y BRYAN, R., 1994. Fitting the analytical modelo f rainfall interception of Gash to individual shrubs of semi-arid vegetation in northeastern Mexico. Agricultural and Forest Meteorology, 68, 133-143. NORTH, P.R.J., 2002. Estimation of fAPAR, LAI, and vegetation fractional cover from ATSR-2 imagery. Remote Sensing of Environment, 80, 114-121. PRICE, A.G. y CARLYLE-MOSES, D.E., 2003. Measurement and modelling of growingseason canopy water fluxes in a mature mixed deciduous forest stand, southern Ontario, Canada. Agricultural and Forest Meteorology, 119, 69-85. PUREVDORJ, T., TATEISHI, R., ISHIYAMA, T. y HONDA, Y., 1998. Relationship between percent vegetation cover and vegetation indices. International Journal of Remote Sensing, 19, 3519-3535. 108 Bibliografía QI, J., MARSETT, R.C., MORAN, M.S., GOODRICH, D.C., HEILMAN, P., KERR, Y.H., DEDIEU, G., CHEHBOUNI, A. y ZHANG, X.X., 2000. Spatial and temporal dynamics of vegetation in the San Pedro River basin area. Agricultural and Forest Meteorology, 105, 55-68. RAMSEY, R.D., WRIGHT JR., D.L. y McGINTY, C., 2004. Evaluating the use of Landsat 30m Enhanced Thematic Mapper to monitor vegetation cover in shrub-steppe environments. Geocarto International, 19, 39-47. REDONDO, C., MENÉNDEZ, C., GARCÍA, P., GONZÁLEZ, R. y SÁEZ, E., 2000. Estudio de las zonas propensas a sufrir deslizamientos en los Concejos de Oviedo y Mieres (Asturias) a partir de una imagen Landsat-TM y de un Modelo Digital de Elevaciones. Revista de Teledetección, 14, diciembre 2000. RIAÑO, D., CHUVIECO, E., SALAS, J. y AGUADO, I., 2003. Assessment of Different Topographic Corrections in Landsat-TM Data for Mapping Vegetation Types. IEEE Transactions on Geoscience and Remote Sensing, 41, 1056-1060. ROBERTS, J.M., GASH, J.H.C., TANI, M. y BRUIJNZEEL, L.A., 2004. Controls of evaporation in lowland tropical rainforest. In Bonell, M., Bruijnzeel, L.A. y Kirby, C. (Eds.), Forest-Water-People in the Humid Tropics, Cambridge University Press, 287-313. RUTTER, A.J., 1963. Studies in the water relations of Pinus sylvestris in plantation conditions. I. Measurements of rainfall and interception. Journal of Ecology, 51, 191-203. RUTTER, A.J., KERSHAW, K.A., ROBINS, P.C., y MORTON, A.J., 1971. A predictive model of rainfall interception in forests. I. Derivation of the model from observations in a plantation of corsican pine. Agricultural Meteorology, 9, 367-384. RUTTER, A.J., MORTON, A.J., y ROBINS, P.C., 1975. A predictive model of rainfall interception in forests. II. Generalization of the model and comparison with observations in some coniferous and hardwood stands. Journal of Applied Ecology, 12, 367-380. RUTTER, A.J., 1975. The hydrological cycle in vegetation. In: Monteith, J.L. (ed.), Vegetation and the Atmosphere. Londres: American Press, 111-154. SANDMEIER, S. e ITTEN, K. I., 1997. A physically-based model to correct atmospheric and illumination effects in optical satellite data of rugged terrain. IEEE Transactions on Geoscience and Remote Sensing, 35, 708-717. SELLERS, P.J. y LOCKWOOD, J.G., 1981. A computer simulation of the effects of differing crop types on the water balance of a small catchment over long time periods. Quarterly Journal of the Royal Meteorological Society, 107, 395-414. SHEPHERD, J. D. y DYMOND, J. R., 2003. Correcting satellite imagery for the variance of reflectance and illumination with topography. Int. Journal of Remote Sensing, 24, 35033514. SHUTTLEWORTH, W.J., 1978. A simplified one-dimentional theoretical description of the vegetation-atmosphere interaction, Journal of Boundary Layer Meteorology, 14, 3-27. 109 Bibliografía SHUTTLEWORTH, W.J. y GASH, J.H.C., 1982. A note on the paper by P.J. Sellers and J.G. Lockwood (1981), Quarterly Journal of the Royal Meteorological Society, 108, 464-467. SHUTTLEWORTH, W.J., 1988. Evaporation from Amazonian rainforest, Proceedings of the Royal Society of London, B 233, 321-346. SMITH, J., LIN, T., y RANSON, K., 1980. The Lambertian Assumption and Landsat Data. Photogrammetric Engineering and Remote Sensing, 46, 1183-1189. STEHMAN, S.V. y CZAPLEWSKI, 1998. Design and Analysis for Thematic Map Accuracy Assessment: Fundamental Principles, Remote Sensing of Environment, 64, 331344. STOLTENBERG, N.L. y WILSON, T.V., 1950. Interception storage of rainfall by corn plants. Transaction American Geophysical Union, 31, 443-448. TEILLET, P.M., GUINDON, B., y GOODEONUGH, D.G., 1982. On the slope-aspect correction of multispectral scanner data. Canadian Journal of Remote Sensing, 8, 84-106. THOMPSON, F.B., 1972. Rainfall interception by oak coppice (Quercus robur, L.). In: Taylor, J.A. (ed.), Forest Meteorology, Aberystwyth: Cambrian News, 59-74. THUROW, T.L., BLACKBURN, W.H., WARREN, S.D. y TAYLOR, J.R., 1987. Rainfall interception by midgrass, shortgrass, and live oak mottes, Journal of Range Management, 40, 455-460. TOKOLA, T., SARKEALA, J. y VAN DER LINDEN, M., 2001. Use of topographic correction in Landsat TM-based forest interpretation in Nepal. International Journal of Remote Sensing, 22, 551-563. TOWNSEND, P.A. y FOSTER, J.R., 2002. Terrain Normalization of AVIRIS and Hyperion Imagery. In: Green, R.O. (Ed.), Forested Landscapes, Proceedings of the Eleventh JPL Airborne Earth Science Workshop, Pasadena, CA, marzo 2002. TROMBLE, J.M., 1983. Interception of rainfall by tarbush. Journal of Range Management, 36, 525-526. TROMBLE, J.M., 1988. Water interception by two arid land shrubs. Journal of Arid Environments, 15, 65-70. VALENTE, F., DAVID, J.S. y GASH, J.H.C., 1997. Modelling interception loss for two sparse eucalypt and pine forests in central Portugal using reformulated Rutter and Gash analytical models. Journal of Hydrology, 190, 141-162. VAN DIJK, A.I.J.M. y BRUIJNZEEL, L.A., 2001. Modelling rainfall interception by vegetation of variable density using an adapted analytical model. Part 2. Model validation for a tropical upland mixed cropping system. Journal of Hydrology, 247, 239-262. 110 Bibliografía VRUGT, J.A., DEKKER, S.C. y BOUTEN, W., 2003. Identification of rainfall interception model parameters from measurements of throughfall and forest canopy storage. Water Resources Research, 39, 1251. WARD, R.C. y ROBINSON, M., 2000. Principles of Hydrology, Fourth Edition, London: McGraw-Hill, 450 p. WATANABE, T. y MIZUTANI, K., 1996. Model study on micrometeorological aspects of rainfall interception over an evergreen broad-leaved forest. Agricultural and Forest Meteorology, 80, 195-214. WEST, N.E. y GIFFORD, G.F., 1976. Rainfall interception by cool-desert shrubs. Journal of Range Management, 29, 171-172. WITTICH, K. y HANSING, O., 1995. Area-averaged vegetative cover fraction estimated from satellite data. International Journal of Biometeorology, 38, 209-215. WOOD, M.K., JONES, T.L. y VERA-CRUZ, M.T., 1998. Rainfall interception by selected plants in the Chihuahuan Desert. Journal of Range Management, 51, 91-96. WOODHAM, R.J. y GREY, M.H., 1987. An analytical for radiometric correction of satellite multispectral data. IEEE Transactions on Geoscience and Remote Sensing, 25, 258-271. XIAO, Q., MCPHERSON, E.G., USTIN, S.L., GRISMER, M.E., y SIMPSON, J.R., 2000. Winter rainfall interception by two mature open-grown trees in Davis, California. Hydrological Processes, 14, 763-784. ZARCO-TEJADA, P.J., RUEDA, C.A. y USTIN, S.L., 2003. Water content estimation in vegetation with MODIS reflectance data and model inversion methods. Remote Sensing of Environment, 85, 109-124. ZENG, N., SHUTTLEWORTH, J.W. y GASH, J.H.C., 2000. Influence of temporal variability of rainfall on interception loss. Part I. Point analysis. Journal of Hydrology, 228, 228-241. ZINKE, P., 1967. Forest interception studies in the United States. In: Sopper, W.E. y Lull, H.W. (eds.), Forest Hydrology. Oxford: Pergamon Press, 137-161. 111 Adolfo Díaz Gutiérrez es Ingeniero Agrónomo por la Universidad de Córdoba (1999-2005) y cursa actualmente el Máster en Hidráulica Ambiental de la propia UCO. Forma parte del Grupo de Hidrología e Hidráulica Agrícola de la UCO, trabajando dentro del Estudio Piloto para la Gestión Integrada de la Cuenca del Río Guadalfeo, para lo cual ha recibido varias becas de investigación desde noviembre de 2004. En este ambicioso proyecto financiado por la Junta de Andalucía, se encarga de la creación de series temporales de vegetación mediante técnicas de teledetección y del desarrollo del módulo de interceptación de lluvia, los cuales forman parte del modelo informático que es el objetivo final del mencionado Estudio. En verano de 2006 realizó una estancia de investigación en el USDA - ARS Southwest Watershed Research Center, en Tucson, Arizona, EEUU, con el objetivo de profundizar en el estudio de las pérdidas por interceptación de lluvia en regiones semiáridas. 113