1 Diana Alonso Aransay Mircea Dragan Alberto Quintana TejeraDeterminación de la batimetría del embalse de Urrúnaga mediante técnicas de teledetección, con el objetivo de averiguar posibles pérdidas de capacidad Teledetección Diana Alonso Aransay Mircea Dragan Alberto Quintana Tejera

2 Índice 1. Introducción y objetivos 2. Revisión bibliográfica2.1) Batimetría de lagunas mediante teledetección: Ajustes de un modelo empírico en el sureste de Córdoba, Argentina 2.2) Determinación mediante técnicas de teledetección de niveles y superficie inundada de humedales incluidos en la demarcación hidrográfica del Guadalquivir 2.3) Metodología para la realización de batimetrías con imágenes de satélite Landsat: ejemplos de sistemas arrecifales coralinos al este de República Dominicana 3. Propuesta metodológica 3.1) Áreas de estudio y datos empleados 3.2) Procesamiento de imágenes y metodología 3.3) Resultados esperados 4. Bibliografía

3 Introducción y objetivos1 Introducción: Definición de teledetección: Técnica de adquisición de datos de la superficie terrestre desde sensores instalados en plataformas espaciales Definición de batimetría: Técnica que permite el estudio de fondos marinos, fluviales o lacustres con el fin de determinar su relieve

4 Introducción y objetivos1 Objetivos: Documento a obtener (mapa batimétrico): Precisión en la profundidad: mejor de 30 cm Precisión posicional: mejor que 40 m. Actualización: varía en función del uso y de la geodinámica de la zona

5 Revisión bibliográfica2 Revisión bibliográfica: 1. Batimetría de lagunas mediante teledetección: Ajustes de un modelo empírico en el sureste de Córdoba, Argentina 2. Determinación mediante técnicas de teledetección de niveles y superficie inundada de humedales incluidos en la demarcación hidrográfica del Guadalquivir 3. Metodología para la realización de batimetrías con imágenes de satélite Landsat: ejemplos de sistemas arrecifales coralinos al este de República Dominicana 4. A physics based retrieval and quality assessment of bathymetry from suboptimal Hyperspectral data 5. Detection of the submerged topography along the Egyptian Red Sea Coast using bathymetry and GIS-based analysis 6. Extração de batimetria por sensoriamento remoto de áreas rasas dos sistemas estuarinos do Estado do Paraná - Brasil.

6 Revisión bibliográfica2.1 Proyecto 1: Batimetría de lagunas mediante teledetección: Ajustes de un modelo empírico en el sureste de Córdoba, Argentina Objetivo: estimación de la batimetría de la laguna Margarita mediante el procesamiento de una imagen Landsat-5, para así calcular su capacidad de embalse.

7 Revisión bibliográfica2.1 Área de estudio: sureste de la provincia de Córdoba en Argentina. Datos empleados: Para contar con los datos de profundidad se tomaron 75 medidas desde una embarcación, con regla telescópica y un receptor GPS. Para el estudio mediante teledetección se utilizó una imagen Lndsat5 TM, capturada en fecha contemporánea a la medición de la profundidad.

8 Revisión bibliográfica2.1 Procesamiento de imágenes: Transformación de niveles digitales a radiancia: 𝐿 𝑑,𝑘 = 𝑎 0,𝑘 + 𝑎 𝑙,𝑘 𝑁 𝐷 𝑘 Corrección geométrica y georreferenciación al sistema de proyección Gauss Krüger. La trasferencia de niveles digitales (ND) se realizó con el método del vecino más cercano obteniendo un error medio cuadrático de EMC=0,82 pixel.

9 Revisión bibliográfica2.1 Metodología: Para estimar la profundidad primero se realiza un ajuste de los valores de radiancia del agua mediante la función: 𝐷 𝑎,𝑘 =l n ( 𝐿 𝑑,𝑘 − 𝐿 𝑎,𝑘 Con 𝐿 𝑎,𝑘 constante y con los datos de profundidad real, se pueden calcular los coeficientes de atenuación por profundidad ( 𝑝 𝑘 ) y el efecto del fondo ( 𝑓 𝑘 ) mediante modelos de regresión lineal entre la radiancia ajustada para cada banda ( 𝐷 𝑎,𝑘 ) y las medidas de profundidad (𝑧), según la siguiente operación: 𝑧=− 𝑝 𝑘 𝐷 𝑎,𝑘 + 𝑓 𝑘

10 Revisión bibliográfica2.1 Para verificar la calidad del mapa, se generaron dos mapas batimétricos a partir de la interpolación de sesenta registros de profundidad con dos interpoladores: Kriging. Triangulación. El volumen embalsado por la laguna se calculó con el método del área media mediante: 𝑠 𝑗+1 = 𝑠 𝑗 + ℎ 𝑗+1 − ℎ 𝑗 )( 𝐴 𝑗 + 𝐴 𝑗+1 2

11 Revisión bibliográfica2.1 Resultados: Correlación entre bandas B1 y B2 Correlación entre bandas B2 y B3

12 Revisión bibliográfica2.1 Conclusiones: Asumiendo que la mejor representación de la profundidad real de la laguna es la batimetría por interpolación, el resultado obtenido mediante teledetección es de calidad muy inferior.

13 Revisión bibliográfica2.2 Proyecto 2: Determinación mediante técnicas de teledetección de niveles y superficie inundada de humedales incluidos en la demarcación hidrográfica del Guadalquivir

14 Revisión bibliográfica2.2 Área de estudio: humedales incluidos en la Demarcación Hidrográfica del Guadalquivir, que incluyen las lagunas del Sur de Córdoba, Jaén y Málaga. Datos empleados: Para este estudio se ha dispuesto de 111 imágenes, tomadas con Landsat 5 TM y Landsat 7 ETM+, que van desde 1984 hasta 2011. Los demás datos empleados son medidas de campo de los niveles de profundidad realizadas entre 1985 y 2010, y algunos Modelos Digitales del Terreno (MDT) de precisión.

15 Revisión bibliográfica2.2 Procesamiento de imágenes: Ortorrectificación de 2 imágenes que no estaban georreferenciadas, utilizando como patrón una imagen Spot 5 del PNT y un MDT del SIGPAC, de 20 metros de paso de malla. Todas las imágenes han sido reproyectadas a ETRS89. Verificación de la precisión geométrica de las imágenes usando como referencia la imagen Spot 5 del PNT. La precisión cartográfica permitida fue un RMSE < 30 m. Conversión de ND a reflectividad: ND  Radiancia (Coeficientes de calibración del sensor) Radiancia  Reflectividad PNT: Plan Nacional de Teledetección. SIGPAC: Sistema de Información Geográfica de Identificación de Parcelas Agrícolas. Reflectividad: porcentaje de radiación incidente que es reflejada por la superficie. Primero se pasaron los valores de ND a valores de radiancia, empleando los coeficientes de calibración del sensor, y posteriormente a valores de reflectividad

16 Revisión bibliográfica2.2 Metodología: El cálculo de batimetría se realizó de 2 formas: Con un MDT preciso  Análisis de SIG  Batimetría. MDT generado por ecosonda, combinado con el MDT procedente del PNOA. Extracción de la lámina de agua por Teledetección. El cálculo de batimetría se realizó de 2 formas: Con un MDT preciso (5 metros de paso de malla y precisión en Z de 1 metro), extraído de las ortofotos PNOA, años  Análisis de SIG  Batimetría REM: Radiación Electromagnética. Los cuerpos de agua absorben o transmiten la mayor parte de la REM que reciben, dentro del rango visible, siendo mayor la absortividad cuanto mayor es la longitud de onda. La mayor reflectividad para el agua clara se produce en la banda azul, reduciéndose paulatinamente a medida que se desplaza hacia mayores longitudes de onda, donde la reflectividad del agua es prácticamente nula. No obstante, en aguas poco profundas el valor de reflectividad es mayor, ya que a ello contribuye la reflectividad del fondo.

17 Revisión bibliográfica2.2 Para obtener la lámina de agua en las lagunas se probaron distintos índices: Índice de Agua Normalizado Modificado (MNDWI): 𝐼𝐴 𝑙25 𝑀𝑁𝐷𝑊𝐼 = (𝑉−𝐼𝑅𝑀) (𝑉+𝐼𝑅𝑀) Índice de Agua Normalizado (NDWI): 𝐼𝐴 𝑙45 𝑁𝐷𝑊𝐼 = (𝐼𝑅𝐶−𝐼𝑅𝑀) (𝐼𝑅𝐶+𝐼𝑅𝑀) Índice de Agua del CEDEX: 𝐼_𝐶𝐸𝐷𝐸𝑋= 𝐼𝑅𝐶 𝑅 − 𝐼𝑅𝐶 𝐼𝑅𝑀 Se observó empíricamente que el 𝐼𝐴 𝑙25 , era el que mejor se adaptaba a los niveles de inundación observados en las imágenes. Si existe vegetación se emplea el NDVI: 𝑁𝐷𝑉𝐼= (𝐼𝑅𝐶−𝑅) (𝐼𝑅𝐶+𝑅) Para la identificación de la lámina de agua en las lagunas se probaron distintos índices: Índice de Agua Normalizado Modificado (MNDWI), calculado a partir de las bandas verde (B2, 0,52-0,60 µm) e infrarrojo medio (B5, 1,55-1,75 µm) del satélite Landsat. Los valores de este índice varían entre -1 y 1, dónde los valores superiores a cero corresponden al agua. 𝐼𝐴 𝑙25 𝑀𝑁𝐷𝑊𝐼 = (𝑉−𝐼𝑅𝑀) (𝑉+𝐼𝑅𝑀) [4] Ecuación 6 Índice de Agua Normalizado (NDWI), calculado a partir de las bandas del infrarrojo cercano (B4, 0,76-0,90 µm) e infrarrojo medio (B5, 1,55-1,75 µm). Este índice oscila entre -1 y 1, donde los valores más altos se correlacionan con la presencia de agua. 𝐼𝐴 𝑙45 𝑁𝐷𝑊𝐼 = (𝐼𝑅𝐶−𝐼𝑅𝑀) (𝐼𝑅𝐶+𝐼𝑅𝑀) [4] Ecuación 7 Índice de Agua del CEDEX, utilizado por el CEDEX para cartografiar aguas continentales. Este índice se calcula a partir de las bandas roja (B3, 0,63-0,69 µm), infrarrojo cercano (B4, 0,76-0,90 µm) e infrarrojo medio (B5, 1,55-1,75 µm). Los valores inferiores a 0,4 indican que el píxel está inundado. 𝐼_𝐶𝐸𝐷𝐸𝑋= 𝐼𝑅𝐶 𝑅 − 𝐼𝑅𝐶 𝐼𝑅𝑀 [4] Ecuación 8 Los índices se evaluaron en distintas fechas de imágenes y para diferentes niveles de inundación, seleccionando de forma empírica el IAL25, índice que mejor se adaptaba a los niveles de inundación observados en las imágenes. El valor de referencia establecido para discriminar la superficie inundada es el cero, valores por encima de cero son considerados agua. Este umbral ha sido el utilizado en la mayoría de los casos, aunque en algunos ha sido necesario modificar el valor de referencia. La mayoría de las lagunas presentan una pequeña franja de vegetación natural. Generalmente, cuando la vegetación está inundada se ha podido discriminar con el índice de agua utilizado. Sin embargo, en los casos en los que la respuesta espectral del agua queda enmascarada por la vegetación, se ha utilizado un algoritmo que combina el índice de Vegetación Normalizado (NDVI) y la banda espectral del infrarrojo medio (IRM). Se han escogido estos dos parámetros porque, el NDVI es sensible a la presencia de vegetación, y el IRM al agua. Valores bajos de IRM en píxeles con NDVI alto (vegetado) revela la presencia de vegetación inundada. 𝑁𝐷𝑉𝐼= (𝐼𝑅𝐶−𝑅) (𝐼𝑅𝐶+𝑅) [4] Ecuación 9 El NDVI tiene valores que oscilan entre -1 y 1. Normalmente se considera que los valores superiores 0,2 indican presencia de vegetación. Por tanto, en los casos en que el IAL25 no es capaz de extraer la parte de vegetación inundada, se han utilizado simultáneamente las siguientes condiciones: Imágenes con corrección radiométrica: Para la mayoría de las imágenes  NDVI > 0,2 e IRM< 0,16 Para la imagen de fecha 11/09/10  NDVI > 0,2 e IRM< 0,12 Imágenes sin corrección radiométrica: NDVI > 0,2 e IRM< 65 (IRM en valores digitales) En cualquier caso el porcentaje de píxeles de lámina de agua identificados con el índice de agua supera en la mayoría de los casos el 95 %.

18 Revisión bibliográfica2.2 Resultados: Ejemplo: composición en falso color infrarrojo (4, 5, 3) de imágenes Landsat 5 TM, donde se aprecia la evolución de la lámina de agua en varias fechas. Comparación entre la profundidad medida por teledetección y su homóloga de campo en cada una de las fechas analizadas.

19 Revisión bibliográfica2.2 Conclusiones: La comparación de los resultados medidos en campo y por técnicas de teledetección muestra que presentan pequeñas discrepancias. La máxima diferencia entre la profundidad de campo y la calculada es de 0,3 m, y la diferencia media es de 0,03 m. Se ha probado la utilidad e idoneidad del IAL25 para la discriminación de la lámina de agua. En algún caso concreto, la utilización adicional del NDVI combinado con el IRM mejora la discriminación de la vegetación inundada. Sería recomendable disponer de la localización y fecha exactas de las medidas de nivel, ya que con ello se mejorarían los resultados obtenidos.

20 Revisión bibliográfica2.3 Proyecto 3: Metodología para la realización de batimetrías con imágenes de satélite Landsat: ejemplos de sistemas arrecifales coralinos al este de República Dominicana

21 Revisión bibliográfica2.3 Área de estudio: Bahía de Samaná, al Noreste de República Dominicana. Datos empleados: Sondeos batimétricos procedentes de mapas topográficos y cartas náuticas Imágenes de satélite LandSat ETM+:

22 Revisión bibliográfica2.3 Procesamiento de imágenes:

23 Revisión bibliográfica2.3 3) Existen errores de saturación del sensor, que hay que corregir. Además es necesario corregir la heterogeneidad de la imagen. Filtro de paso bajo: | | | | 4) Se retrasa la rectificación hasta ese momento para modificar lo menos posibles los valores originales de los ND. Para ello se utilizan puntos de control en tierra firme. 5) Finalmente, mediante regresión logarítmica, se correlacionan la imagen de reflectividad aparente con puntos de muestreo. Debe ser satisfactoria para al menos el 50% de dichos puntos.

24 Revisión bibliográfica2.3 Resultados: Se han incluido los puntos de sondeos batimétricos. Se han prescindido de los sondeos batimétricos superiores a 20 m de profundidad. A cada punto batimétrico le corresponde un valor de reflectividad aparente. La correlación entre profundidad y reflectividad ofrece un valor del 50% Conclusiones: El resultado adecuado para el estudio de los sistemas geomorfológicos y biosedimentarios arrecifales.

25 3. Propuesta metodológicaObjetivo: estimación de la batimetría de la laguna Margarita mediante el procesamiento de una imagen Landsat-5, para así calcular su capacidad de embalse.

26 Propuesta metodológica3.1 Área de estudio: embalse de Urrúnaga se sitúa en el término municipal de Legutiano, en la provincia de Álava. Tiene baja producción de algas. Sus aguas son sumamente claras. Sus aguas superficiales tienen mucho oxígeno. Datos empleados: 10 imágenes Lansad-7 ETM+ del mes de enero, cuando en la zona se registran mayores precipitaciones.

27 Propuesta metodológica3.2 Procesamiento de imágenes: Se aplican las siguientes correcciones: - Atmosférica: Método de Chávez - Radiométrica: Línea de píxeles perdidos Corrección del bandeado L sen,k = L su,k τ k,o + L a,k 𝑁 𝐷 𝑖,𝑗 =𝑁 𝐷 𝑖−1,𝑗

28 Propuesta metodológica3.2 - Geométrica: Para la georreferenciación de la imagen se realizan los siguientes pasos: Selección de una imagen de referencia SPOT georreferenciada de la misma zona y de igual tamaño de píxel. Mediante un software se han escogido 100 puntos de control y se realiza un ajuste de ecuación polinómica de segundo grado. El programa va realizando aproximaciones sucesivas y corrige así la imagen.

29 Propuesta metodológica3.2 Metodología: Se obtienen los valores de radiancia a partir de los ND: La radiancia que llega al sensor es función de la irradiancia solar, la reflectividad de la cubierta y las condiciones de adquisición. A partir de la fórmula anterior puede calcularse la reflectividad aparente: Para calcular la profundidad del embalse, se realiza un ajuste de los niveles de radiancia del agua mediante: 𝐿 𝑠𝑒𝑛,𝑘 = 𝑎 0,𝑘 + 𝑎 1,𝑘 𝑁𝐷 𝑘 𝐿 𝑠𝑒𝑛,𝑘 = 𝐸 0,𝑘 𝑐𝑜𝑠 𝛳 𝑖 𝜌 ∗ 𝑘 𝐷𝛱 𝜌 ∗ 𝑘 = 𝐷𝛱 𝐿 𝑠𝑒𝑛,𝑘 𝐸 0,𝑘 𝑐𝑜𝑠 𝛳 𝑖 𝐷 𝑎,𝑘 =ln( 𝐿 𝑠𝑒𝑛,𝑘 − 𝐿 𝑎,𝑘 )

30 Propuesta metodológica3.2 Tomando 𝐿 𝑎,𝑘 como constante y con los valores de profundidad reales del MDT, se calculan los coeficientes de atenuación por profundidad 𝑝 𝑘 y el efecto del fondo 𝑓 𝑘 utilizando un modelo de regresión lineal entre los valores de radiancia ajustados para cada banda 𝐷 𝑎,𝑘 y las medidas de profundidad 𝑧, según la siguiente operación: Mediante los valores obtenidos de 𝑝 𝑘 y 𝑓 𝑘 se estima la profundidad utilizando todas las bandas en conjunto o de manera individual, aplicando la fórmula anterior. 𝑧= 1 3 𝑘=𝑛 8 ln 𝐷 𝑎,𝑘 −ln( 𝑓 𝑘 ) 𝑝 𝑘 El volumen del embalse se calculará con el método del área media mediante la Ecuación 5: 𝑆 𝑗+1 = 𝑆 𝑗 + ( ℎ 𝑗+1 − ℎ 𝑗 )( 𝐴 𝑗 + 𝐴 𝑗+1 ) 2 El volumen total resulta de la suma de volúmenes 𝑆 𝑗+1 entre áreas de base para diferentes cotas de profundidad. 𝑧=− 𝑝 𝑘 𝐷 𝑎,𝑘 + 𝑓 𝑘

31 Propuesta metodológica3.2 Por otro lado para la identificación de la lámina de agua, se probarán los siguientes índices: Índice de Agua Normalizado Modificado (MNDWI). Índice de Agua Normalizado (NDWI). Índice de Agua del CEDEX. Se evaluaron en distintas fechas de imágenes y para diferentes niveles de inundación. Finalmente, se realiza una comparación entre un número determinado de puntos del MDT con las imágenes de reflectividad a las que se les has ha aplicado los índices, para así verificar la calidad de los resultados obtenidos.

32 Propuesta metodológica3.3 Resultados esperados: Tras realizar la correlación entre la profundidad de las imágenes y la profundidad obtenida del MDT obtenido por el levantamiento batimétrico, se espera que los resultados varíen poco. En caso contrario, su justificación podría darse por las siguientes razones: Las zonas de mayor profundidad en el embalse presentarán precisiones menores El resultado del MDT no puede ser fiable al 100% si en el momento de toma de datos existe algún tipo de perturbación en el agua. Pueden existir imprecisiones derivadas de la resolución espacial de las imágenes y del MDT.

33 Bibliografía: Bibliografía 4[1] C. Gómez, J. . Martinez, and R. Cámara, “Metodología para la realización de batimetrías con imágenes de satélite Landsat: ejemplos de sistemas arrecifales coralinos al este de la República Dominicana,” 2010. [2] A. Degioanni and M. A. Reynero, “Batimetría de lagunas mediante teledetección : ajustes de un modelo empírico en el sureste de Córdoba, Argentina,” pp. 89–95, 2002. [3] D. G. de G. y M. Ambiente, “Aspectos Técnicos de imágenes Landsat.” . [4] C. H. del Guadalquivir, “Determinación mediante técnicas de teledetección de niveles y superficie inundada de humedales incluidos en la demarcación hidrográfica del Guadalquivir,” Madrid, 2011. [5] E. Chuvieco, Teledetección ambiental: La observación de la Tierra desde el Espacio., vol , p. 575. [6] V. E. Brando, J. M. Anstee, M. Wettle, A. G. Dekker, S. R. Phinn, and C. Roelfsema, “A physics based retrieval and quality assessment of bathymetry from suboptimal hyperspectral data,” Remote Sens. Environ., vol. 113, no. 4, pp. 755–770, Apr [7] “Rous Channel - Google Maps.” [Online]. Available: [Accessed: 09-Nov-2014]. [8] M. B. Moawad, “Detection of the submerged topography along the Egyptian Red Sea Coast using bathymetry and GIS-based analysis,” Egypt. J. Remote Sens. Sp. Sci., vol. 16, no. 1, pp. 35–52, Jun

34 Bibliografía 4 [9] T. Vanderstraete, R. Goossens, and T. K. Ghabour, “Remote sensing as a tool for bathymetric mapping of coral reefs in the Red Sea,” pp. 257–268, 2003. [10] D. . Lyzenga, “Remote sensing of bottom reflectance and water attenuation parameters in shallow water using aircraft and Landsat data,” Int. J. Remote Sens., pp. 71–82, 1981. [11] L. A. Krug, M. A. Noernberg, and C. De Estudos, “Extração de batimetria por sensoriamento remoto de áreas rasas dos sistemas estuarinos do Estado do Paraná - Brasil,” pp. 3077–3084, 2005. 12] G. CORONAHINOJOSA, A GUTIÉRREZ GARCÍA, C. HAMMANN, Estimación de batimetría y tipo de sustrato en lagunas costeras utilizando imagen multiespectral. Un caso de estudio [13] V. Te Chow, L. Mays, and D. R. Maidment, Hidrología Aplicada, McGraw-Hil [14] A. G. Dekker, S. Sagar, and V. E. Brando, “Bathymetry from satellites for hydrographic purposes,” no. February, 2012. [15] C. Durán, J. Agusto, C. Pintor, A. Monteoliva, G. Oldani, and C. Alonso, “ESTUDIOS CENSALES DE PECES EN LOS EMBALSES DE ALBIÑA, URRÚNAGA Y ULLIVARRI DE LA CUENCA DEL EBRO PARA LA FUTURA INCORPORACIÓN DE ESTE INDICADOR BIOLÓGICO A LA EVALUACIÓN DEL POTENCIAL ECOLÓGICO. TOMO 2. EMBALSE DE URRÚNAGA,” Santander, 2009, p. 56. [16] “Planifica tus vacaciones en Legutio. Prevision Meteorologica en la provincia de Legutio.” [Online]. Available: [Accessed: 08-Nov-2014].

35 Preguntas

36