NDVI a partir de imágenes de satélite y su correlación con la pluviometría en Canarias

              Rev.Acad.Canar .Cienc., IV (núms . y 21 , 149-1 57 (1992)
NDVI A PARTIR DE IMAGENES DE SATELITE
Y SU CORRELACION CON LA PLUVIOMETRIA EN CANARIAS
M. Arbelo, F. J. Expósito, P. A. Hernández, F. Herrera
Grupo de Física de la Atmósfera y Medio Ambiente.' Dpto. de Física
Fundamental y Experimental. Universidad de La Laguna.
38204 La Laguna. España.
ABSTRACT
The Normalized Difference Vegetation lndex (NDVI) is ca l culated
with the use of NOAA AVHRR HRPT data Its co rrelation with the yearly
mean pluviometry in the Canary Islands i s studied.
KEY WORDS : NDVI, AVHRR/NOAA, pluviometry, geometric co rre ct ion,
multitemporal image, pixel.
RESUMEN
Hacie ndo uso de l os datos d e l AVHRR/ NOAA se ca l cula e l Indice de
Vegetación Diferencia Normalizada (NDVI) y se estudia su correlación
con la cantidad media anual de agua prec ipitada en Canarias.
PALABRAS CLAVE: NDVI, AVHRR/NOAA, pluviomet ría, corrección geométrica,
imagen multitemporal, pixe l.
149
© Del documento, de los autores. Digitalización realizada por ULPGC. Biblioteca Universitaria, 2017
l . INTRODUCCION
Una de las combinaciones entre canales del AVHRR más sensib!e a la
presencia de vegetación es el NDVI [l]. Su aplicación comenzó en el año
1974 con Rouse et al. (2), si bien, ya desde el año 1969 se vienen
uti"lizando distintas relaciones entre bandas espectrales con el mismo
fin.
Para la obtención de una imagen multitemporal georreferenciada
(IMG) de este índice, se requieren una serie de tratamientos con un
elevado coste computacional: supresión de pixels contaminados,
determinación del NDVI, correcciones geométricas y superposición de
escenas correspondientes a días diferentes.
En la última sección se procederá al análisis de los resultados de
una IMG y su comparación con los datos pluviométricos de diferentes
zonas.
2. INDICE DE VEGETACION DIFERENCIA NORMALIZADA
El sensor AVHRR, a bordo de la serie de satélites NOAA, posee
entre otros , dos canales situados en el visible (0.58-0.68 μm.) y el
infrarrojo próximo (0.73-1.10 μm.) [3]. Si tenemos en cuenta que la
vegetación absorbe la mayor parte de la radiación que detecta el canal
1, debido a la fuerte absorción de la clorofila para esa región
espectral, y que en el infrarrojo próximo (canal 2) presenta una gran
reflectividad, por la estructura interna de las hojas (Fig. 1), estas
bandas espectrales son adecuadas para la discrimación de zonas
vegetadas respecto de suelos desnudos, masas de agua y nubes (4). Para
ello se establece una combinación entre estos canales denominada Indice
de Vegetación Diferencia Normalizada, que puede tomar valores entre -1
150
© Del documento, de los autores. Digitalización realizada por ULPGC. Biblioteca Universitaria, 2017
y 1 , correspondiendo las zonas más verdes a índices cercanos a la
unidad [l]. La expresión que lo define es:
35
30
~
<( 25
o z
<( 20
ti w
~ 15
w
"' 10
NDVI
CH2-CHI
CH?+CHI
SIGNATURAS ESPECTRALES DE DIFERENTES
TIPOS DE CUBIERTAS
~/ .... ,'¡
,// ~"
CB2/:R 1
--
__ VEGETACION
___ SUELO SECO
_____ SUELO HUMEDO
o.4 o.e o.e i.o i.2 I.4 I.6 i.e 2.0 2.2 2.4
LONGITUD DE ONDA (um.)
Figura 1
(!)
El NDVI presenta una serie de ventajas dada la naturaleza de su
construcción. Entre otras, reduce la cantidad de información a
procesar, atenúa e l e f ecto orográfico del terreno ( Fig. 2) y disminuye
l as consecuencias de las condiciones atmosféricas (aerosoles, gases
absorbentes, etc.) . Otra ca ra c terística importante de su aplicación a
los datos de imágenes captadas por el sensor AVHRR, es la gran
correlación encontrada por algunos autores con los parámetros
característicos del medio ambiente (pluviometría, biomasa, etc.) !SJ.
151
© Del documento, de los autores. Digitalización realizada por ULPGC. Biblioteca Universitaria, 2017
SOL
Radiancia detectada
NIR: 180
VIS: 91
NDVI : 0.328
-~ ......
Figura 2
Radiancia detectada
NIR: 120
VIS: 60
NDVI: 0.333
Los valores sustituidos en la expresión ( 1) para cada canal son
reflectividades. Estas se obt ienen de la calibración aplicada a los
datos de radiancia procedente de los sensores a bordo de los satélites
NOAA [6] .
PROCESAMIENTO DE LOS DATOS AVHRR-NOAA
Las imágenes utilizadas en este estudio se corresponden con
escenas parciales ( Lat. · 27 - 30 N. Lon.· 12.3 - 19.5 W.) obtenidas a
partir de los pases del sa télite NOAA-11 para los días 17, 18 y 20 de
Junio de 1991, que han sido capturados por una estac ión receptora en la
Unive r s i dad de Lisboa.
La aplicación del NDVI conlleva un tratamiento previo para la
eliminación sistemática de todos los pixels contaminados por nubes y
aquellos que formen parte de masas de agua ( océanos, lagos, ... ) [7]
[8]. El procedimiento seguido en este caso, se basa en el análisis,
l 'i2
© Del documento, de los autores. Digitalización realizada por ULPGC. Biblioteca Universitaria, 2017
mediante los histogramas, de las temperaturas aparentes propo r cionadas
por el canal 4. Si se observa un histograma de cualquiera de las
imágenes es fácil apreciar estos pixels a e l iminar, puesto que su
temperatura es inferior a un valor umbral. En el presente trabaj o se ha
tomado como límite de diferenciación una temperatura de 19.5 ºc.
(Fig. 3).
"o '
o
... o
Histograma d9 tamparaturas
Mar y
nubes
Suelo
10 20 30 40
Temperatura aparente (Celsius)
Figura 3
50
Los satélites NOAA presentan una programación orbital que da lugar
a escenas con diferente nadir para días consecutivos. Además provocan
una distorsión de la imagen como consecuencia de los diferentes ángulos
de observación de la superficie terrestre barrida Así pues, se hace
necesaria la aplicación de un algoritmo que corrija geométricamente
estas imágenes permitiendo una georreferenciación de las mismas. El
objetivo final de construir una imagen multitemporal de NDVI nos obliga
a efectuar la correc ión antes mencionada.
La idea de realizar una sola imagen que contenga información de
diferentes pases surge con el fin de obtener una escena con e l menor
número posible de datos contaminados. Esta se consigue tomando el valor
15.1
© Del documento, de los autores. Digitalización realizada por ULPGC. Biblioteca Universitaria, 2017
máximo de NDVI de cada uno.
Para obtener una visualización más acorde con la realidad, se
suaviza la imagen resultante aplicando un filtro digital de paso bajo
que emplea una matriz 5x5 con a 11- l (i,j - l. .5), (Fig. 4).
ANALISIS DE RESULTADOS
Del mismo modo que otros autores [9) [10) [11), comparamos el
Indice de Vegetación obtenido con la pluviometria media anual existente
en catorce estaciones diferentes del Archipiélago Canario (Tabla I).
Tabla l. Medias anuales de precipitación en mm. y NDVI
Estación Latitud Longitud NDVI Precipitación (mm.)
Aguamansa 28. 36 H.51 456 1000
Valleseco 28. 05 15 . 58 427 855
s. Andrés-Sauces 28. 80 17. 77 O. 265 575
Izaña 28 .30 16. 50 O. 175 559
Vallehermoso 28. 18 17. 26 O. 188 371
Tazacorte 28 .64 17 . 92 0.300 366
!nagua 27 . 94 15 . 75 0.183 319
Mña. Ha ria 29. 14 13.50 0.041 260
Betancuria 28 .42 14 .06 0.040 218
Pta . Orchilla 27 . 71 18 .15 0.133 176
A. Reina Sofía 28 04 16. 58 0.014 137
Playa Santiago 28. 03 17 . 20 0.012 115
Puerto de La Luz 28. 13 15 .43 0.029 137
Las Breñas 28. 91 13 . 81 0.019 101
Morro Jable 28. 05 14. 35 0.003 81
Los resulta dos obtenidos dan lugar un coeficiente de
correlaciónigual a 0.93. Este valor nos demuestra la íntima relación
l.'i4
© Del documento, de los autores. Digitalización realizada por ULPGC. Biblioteca Universitaria, 2017
~
¡
Imagen rnu l titemporal georreferenciada de NDVI.
Datos del sensor AVHRR- NOAA: 17 ; 18 y 20 de Junio de 1991 .
0
\)
()
c:1
o l o' 0.3
~1 ·
º·' 0 . 5
r,
'-'
Grupo de Fisica de l.a At.mosf'.era y Medio Ambi ente
Opto . de Fisica FUndament.al y :r:xper:-iment.al
© Del documento, de los autores. Digitalización realizada por ULPGC. Biblioteca Universitaria, 2017
entre ambos parámetros. en un área con tan diversas zonas
bioclimáticas ,asociadas diferentes tipos de vegetación, como
Canarias.
La importancia de es te estudio radica en la posibilidad de
estimar , a partir de este momento, la cantidad de agua precipitada en
aqu e llos lugares para los que no se dispone de estaciones de medida .
Para ello, sólo es necesario determinar el NDVI mediante las imágenes
del satélite y hacer uso de la siguiente gráfica.
1000
I "ºº z o
~ 800
!:! 400
""
CORRELACION ENTRE PRECIPITACION
MEDIA ANUAL Y NDVI
Corr.; 0.93
0.2 0.3 0.4
NDVI
Figura 5
156
0.5
© Del documento, de los autores. Digitalización realizada por ULPGC. Biblioteca Universitaria, 2017
REFERENCIAS
l. F. ACHARD et a l. (1990), Photogrammetric Engineering and
Remote Sensíng, 56, 1359-1365.
2. ROUSE et al. (1974), NASA/GFSC, Type III, Final Report,
Greenbelt, MD, 371
3. K.B. KIDWELL. (1985), NOAA Polar Orbiter Data·Users Cuide.
4. C.J. TUCKER et al. (1986), Int. J. of Remate Sensing, 7,
1395- 1416.
5. M.A. GILABERT. (1991), Indices de vegetación, 285-294 . Dpto.
Termodinámica. Universidad de Valencia.
6. SEAS PACE. ( 1992) , TeraScan Ref e rene e Manual.
7. W.L. TENG. (1990), Photogrammetric Engineering and Remate
Sensing, 56, 1143-1146.
8 .. J. TUCKER. (1986). Int. J. Remete Sensing, 7, 1383-1384.
9. M.A. GILABERT. (1992), Seguimiento de la desertificación
mediante técnicas de teledetección: estudio de la zona del Sahel.
Dpto. Termodinámica. Universidad de Valencia.
10 A. MALO. (1990), J. of Arid and Evironment, 19, 1-24.
11. J.U. HIELKEMA. et al. ( 1986), Int. J. of Remote Sensing, 7,
1499-1513.
Recibido: 25 de Noviembre de 1992
157
© Del documento, de los autores. Digitalización realizada por ULPGC. Biblioteca Universitaria, 2017