Detección de cambios en cuerpos níveos asociados a la presencia de impurezas absorbentes de radiación, mediante tecnología SAR y simulaciones de albedo en el rango visible
Autor: | Beltramone, Giuliana Beatriz |
---|---|
Přispěvatelé: | Ferral, Anabella, Scavuzzo, Carlos Marcelo |
Jazyk: | Spanish; Castilian |
Rok vydání: | 2021 |
Předmět: | |
Zdroj: | Repositorio Digital Universitario (UNC) Universidad Nacional de Córdoba instacron:UNC |
Popis: | Tesis (Magister en aplicaciones de información espacial)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2021. Maestría conjunta entre FAMAF y el Instituto de Altos Estudios Espaciales "Mario Gulich" CONAE/UNC. La nieve estacional y su monitoreo es una de las variables climáticas esenciales para mejorar los pronósticos del tiempo, comprender el sistema climático global, y estimar el suministro de agua para diversos usos. El cambio climático y la presencia de Impurezas que absorben radiación (LAIs) en la nieve, afectan los complejos procesos e interacciones ambientales de la criósfera. Este estudio comprende una primera aproximación sobre el impacto de LAIs en el albedo de los cuerpos níveos patagónicos a través del análisis de modelos de transferencia radiativa obtenidos del simulador SNICAR (SNow, Ice, and Aerosol Radiative transfer model) y series de tiempo de imágenes SAR (Synthetic Aperture Radar). El área de estudio del presente trabajo comprende sectores con cobertura nívea al sur de la ciudad de San Carlos de Bariloche, para el período comprendido entre enero a diciembre del 2019. El uso de series de tiempo de retrodispersión obtenidas de imágenes Sentinel-1 disponibles en la plataforma Google Earth Engine (GEE), ha resultado ser una herramienta adecuada para diferenciar 3 períodos de cobertura de nieve estacional, entre ellas el periodo de fusión. Adicionalmente, se corroboró la posibilidad de aplicar la metodología de detección de cambio en dicha plataforma, presentando errores de comisión y omisión menores al 10% con respecto a la clasificación obtenida de preprocesar las imágenes en la plataforma SNAP (SentiNel Application Platform). Los resultados de las simulaciones indican que el tamaño de grano de nieve domina la respuesta espectral en el rango infrarrojo. La reducción del albedo se aprecia una vez que el tamaño de grano aumenta, comenzando el proceso de fusión. Dado que las simulaciones de albedo varían significativamente según el tamaño de grano de nieve, es de suma importancia determinar el estado de la nieve antes de estimar la presencia, concentración y tipo de impurezas. Las metodologías propuestas para estimar la presencia de LAIs, determinadas luego de analizar las firmas espectrales simuladas, son complementarias y han aportado mejores resultados ante elevadas concentraciones de impurezas. Si bien no todas las metodologías pueden aplicarse conjuntamente, debido a que en la actualidad, no existe un sensor que posea todas las bandas utilizadas para diferenciar la presencia de LAIs, se recomienda a futuro incorporar la combinación de bandas propuestas en este trabajo para el desarrollo de un sensor específico de monitoreo de nieve. Seasonal snow and monitoring its spatio-temporal changes are considered one of the essential climate variables that contribute to the improvement of weather forecasts, the understanding of the climate system and also help estimating the supply of water for different activities. Global warming and the effect of light absorbing impurities (LAIs) are affecting the spatial and temporal variability of snow packs and its complex processes and environmental interactions. This study is a first approach for assessing the impact of LAIs in the Argentinean snow packs albedo through radiative transfer models such as the online simulator SNICAR (SNow, Ice, and Aerosol Radiative transfer model). Its results consist in a proposal guideline to determine the presence of impurities in snow. Additionally, temporal series of Sentinel-1 SAR (Synthetic Aperture Radar) images using the data available in Google Earth Engine (GEE) were evaluated and used in order to detect the metamorphosis stage of snow. The area of study is located on different snowpacks near the city of San Carlos de Bariloche, during the period starting from January to December 2019. Sentinel-1 backscattering time series construction was successfully implemented in GEE, being a powerful tool for discriminating the 3 stages of land cover in a temporal snow covered area. It was also possible to apply the change detection algorithm for wet snow mapping in the platform, showing less than 10% of commission and omission errors in the classification compared to the SNAP corregistrated image. The results suggest that determining the state of the snowpack before estimating the presence, concentration and type of impurity is essential due to the fact that the albedo simulations vary significantly according to the snow grain size. All the methodologies proposed to estimate the presence of LAIs are complementary and have shown better results with high concentrations of pollutants. Although not all of the methodologies can be applied simultaneously, due to the lack of bands in all sensors, for a future proposal of a specific snow-monitoring sensor it can be suggested to incorporate the bands used in this work. Fil: Beltramone, Giuliana Beatriz. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. Fil: Beltramone, Giuliana Beatriz. Comisión Nacional de Actividades Espaciales. Instituto de Altos Estudios Espaciales Mario Gulich; Argentina. |
Databáze: | OpenAIRE |
Externí odkaz: |