Mapa de flujo de calor radiante de El Salvador utilizando teledetección satelital
Palabras clave:
Landsat, Imagen satelital, Temperatura Superficial Terrestre, Emisividad, Flujo de Calor, EarthExplorer, Google Earth Engine, ASTER GEDResumen
El Salvador está ubicado en una zona de muchos volcanes, forma parte del Cinturón de Fuego del Pacífico, posee un intenso vulcanismo de subducción, que da lugar a la presencia de sitios con actividad hidrotermal, los cuales son de interés para la implementación de aplicaciones que hagan uso del recurso geotérmico del territorio. En esta investigación se emplea información satelital, con el propósito de obtener datos geofísicos de emisividad de la superficie del suelo, temperatura ambiente, temperatura superficial terrestre, además de la información espectral que el satélite Landsat 8 es capaz de proporcionar. La obtención de estos datos es de utilidad para el cálculo de índices de vegetación, temperatura superficial, transmisividad y principalmente para el cálculo de flujo de calor en la tierra, que es el objetivo principal del estudio. Con la información obtenida se realizó un mapa del territorio de El Salvador con el que se muestra y clasifica la información referente al flujo de calor, además de realizar análisis en puntos de interés en los que se tiene actividad geotérmica. El mapa generado de flujo de calor fue de utilidad para identificar áreas que presentan manifestaciones hidrotermales superficiales que son de posible interés geotérmico, los flujos de calor en estas áreas fueron obtenidos para cada escena satelital capturada por Landsat 8 en el año 2019 y se analizó el promedio de flujo de calor anual. Se utilizarán zonas volcánicas que presenten altos flujos de calor como referencia de manifestaciones superficiales
Descargas
Referencias
Alvarenga Artiga, K., Amaya Mata, J., & Sibrián Carballo, M. (2004). Evaluación y análisis de los beneficios de la ecoeficiencia en los procesos de la perforación de pozos geotérmicos. Ciudad Universitaria: Universidad de El Salvador
Baldridge, A. M., Hook, S. J., Grove, C. I., & Rivera, G. (2009). The ASTER spectral library version 2.0. Remote Sensing of Environment, 114(4), 711-715
Bromley, C. J., van Manen, S. M., & Mannington, W. (2011). Heat flux from steaming ground: reducing uncertainties. En Thirty-Sixth WOrkshop on Geothermal Reservoir Engineering. Stanford, California: Stanford Geothermal Program
Campos, T. (1988). Geothermal Resources of El Salvador. Preliminary Assessment. Great Britain: Pergamon Press plc.
Carlson, T. N., & Ripley, D. A. (1997). On the relation between NDVI, fractional vegetation cover, and leaf area index. Remote Sensing, 62(3), 241-252.
Caselles, V., Rubio, E., & Badenas, C. (1997). Emissivity measurements of several soils and vegetation types in the 8–14, μm Wave band: Analysis of two field methods. Remote Sensing of Environment, 59(3), 490-521
ERA5-Land_Hourly. (s.f.). ECMWF climate reanalysis. Obtenido de https://developers. google.com/earth-engine/datasets/ catalog/ECMWF_ERA5_LAND_HOURLY
Ermida, S. L., Soares, P., Mantas, V., Göttsche, F.-M., & Trigo, I. F. (2020). Google Earth Engine Open-Source Code for Land Surface Temperature Estimation from the Landsat Series. Remote Sensing, 12(9), 1471.
FlujoDeCalor-SV. (s.f.). GeoTIFF de las bandas NDVI, LST, EM y Temperatura Ambiental. Obtenido de https://code.earthengine. google.com/?accept_repo=users/gm15001/ FlujoDeCalor-SV
GEE. (s.f.). Landsat smw list. Obtenido de https:// code.earthengine.google.com/?accept_ repo=users/sofiaermida/landsat_smw_lst
Hulley, G. C., & Hook, S. J. (2010). Generating Consistent Land Surface Temperature and Emissivity Products Between ASTER and MODIS DAta for Earth Science Research. IEEE Transactions on Geoscience and Remote Sensing, 49(4), 1304 - 1315.
Hulley, G. C., Hook, S. J., & Baldridge, A. M. (2009). Validation of the North American ASTER Land Surface Emissivity Database (NAALSED) version 2.0 using pseudoinvariant sand dune sites. Remote Sensing of Environment, 113(10), 2224-2233
Hulley, G., Hook, S., Abbott, E., Malakar, N., Islam, T., & Abrams, M. (2018). The ASTER Global Emissivity Dataset (ASTER GED): Mapping Earth’s emissivity at 100 m spatial scale. Geophysical Research Letters, 42(19), 7966- 7976.
Jiménez-Muñoz, J. C., Sobrino, J. A., Plaza, A., Guanter, L., Moreno, J., & Martínez, P. (2009). Comparison Between Fractional Vegetation Cover Retrievals from Vegetation Indices and Spectral Mixture Analysis: Case Study of PROBA/CHRIS Data Over an Agricultural Area. Sensors, 9(2), 768-793.
Kaneko, T., & Wooster, M. J. (1999). Landsat infrared analysis of fumarolic activity at Unzen Volcano: time-series comparison with gas and magma fluxes. Journal of Volcanology and Geothermal Research, 89, 81-94
Kustas, W., & Norman, J. (1996). Use of remote sensing for evapo-transpiration monitoring over land surfaces. Hydrological Sciences Journal, 41(4), 495-516.
Lewis., F. M. (1998). Principles and applications of imaging radar
LSIB. (2017). Large Scale International Boundaru Polygons Symplified. Obtenido de https://developers.google.com/earthengine/ datasets/catalog/USDOS_LSIB_ SIMPLE_2017
Malakar, N. K., Hulley, G. C., Hook, S. J., Laraby, K. G., Cook, M., & Schott, J. R. (2018). An Operational Land Surface Temperature Product for Landsat Thermal Data: Methodology and Validation. IEEE Transactions on Geoscience and Remote Sensing, 1-19.
Mia, M. B., & Fujimitsu, Y. (2011). Study on satellite images based spectral emissivity, land surface temperature and land-cover in and around Kuju Volcano, Central Kyushu, Japan. Journal of Advanced Science and Engineering Research, 1, 177-191
Mia, M. B., Bromley, C. J., & Fujimitsu, Y. (2012). Monitoring heat flux using Landsat TM/ ETM + thermal infrared data - A case study at Karapiti (‘Craters of the Moon’) thermal area, New Zealand. Journal of Volcanology and Geothermal Research, 235, 1-10
Mia, M. B., Nishijima, J., & Fujimitsu, Y. (2014). Exploration and monitoring geothermal activity using Landsat ETM+ images. A case study at Aso volcanic area in Japan. Journal of Volcanology and Geothermal Research, 275, 14-221
Mokhari, A., Noory, H., Purshakouri, F., Haghighatmehr, P., Afrasiabian, Y., Razavi, M., . . . Naeni, A. S. (2019). Calculating potential evapotranspiration and single crop coefficient based on energy balance equation using Landsat 8 and Sentinel-2. Sensing, 154, 231-241.
Montanaro, M., Gerace, A., & Rohrbach, S. (2015). Toward an operational stray light correction for the Landsat 8 Thermal Infrared Sensor. Applied Optics, 54(13), 3963-3978.
NASA. (s.f.). Atmospheric Parameter Calculator. Obtenido de https://atmcorr.gsfc.nasa.gov/
NASA. (s.f.). NASA. Obtenido de https://landsat. gsfc.nasa.gov/
Ogawa, K., & Schmugge, T. (2004). Mapping Surface Broadband Emissivity of the Sahara Desert Using ASTER and MODIS Data. Earth Interactions, 8(7), 1-14.
Peng, J., Jia, J., Liu, Y., Li, H., & Wu, J. (2018). Seasonal contrast of the dominant factors for spatial distribution of land surface temperature in urban areas. Remote Sensing of Environment, 215, 255-267.
Peres, L., & DaCamara, C. (2005). Emissivity maps to retrieve land-surface temperature from MSG/SEVIRI. IEEE Transactions on Geoscience and Remote Sensing, 43(8), 1834-1844.
Planck, M. (1914). The Theory of Heat Radiation (Segunda ed.). Philadelphia, P. Blakiston’s Son & Co.
Prihodko, L., & Goward, S. N. (1997). Estimation of air temperature from remotely sensed surface observations. Remote Sensing of Environment, 60(3), 335-346.
Prol-Ledesma, R. M., & Morán-Zenteno, D. J. (2018). Heat flow and geothermal provinces in Mexico. Cd. Universitaria: Elsevier Ltd.
Ren, H., Liu, R., Qin, Q., Fan, W., Yu, L., & Du, C. (2017). Mapping finer‐resolution land surface emissivity using Landsat images in China. Journal of Geophysical Research: Atmospheres, 122(13), 6764-6781.
Richards, J. A. (2012). Remote Sensing Digital Image Analysis: An Introduction. (5th ed.). Springer Publishing Company, Incorporated
Ruíz, J. A. (2019). Tensor Decomposition and Deep Learning Neural Networks for Multispectral Image Compression and Semantic Segmentation.
Thomas, C. (May 2008). Synthesis of Multispectral Images to High Spatial Resolution: A Critical Review of Fusion Methods Based on Remote Sensing Physics”. IEEE Transactions on Geoscience and Remote Sensing 46.5
USGS. (Noviembre de 2019). Landsat 8 Data Users Handbook. Recuperado el 25 de Enero de 2021, de https://www.usgs.gov/ core-science-systems/nli/landsat/landsat- 8-data-users-handbook
Valor, E., Caselles, V., Coll, C., & Rubio, E. (1997). Thermal band selection for the PRISM instrument: 1. Analysis of emissivitytemperature separation algorithms. Journal of Geophysical Research: Atmospheres, 102(10), 11145-11164.
Wang, F., Qin, Z., Song, C., Tu, L., Karnieli, A., & Zhao, S. (2015). An Improved Mono-Window Algorithm for Land Surface Temperature Retrieval from Landsat 8 Thermal Infrared Sensor Data. Remote Sensing, 7(4), 4268- 4289
Wehner, D. R. (1994). High-Resolutions Radar. 2nd.
Weier, J., & Herring, D. (2000). Measuring Vegetation. Recuperado el 1 de Febrero de 2021, de https://earthobservatory.nasa.gov/ features/MeasuringVegetation
Weier, J., & Herring, D. (2000). Normalized Difference Vegetation Index (NDVI). Recuperado el 1 de Febrero de 2021, de https://earthobservatory.nasa.gov/ features/MeasuringVegetation/measuring_ vegetation_2.php
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
