DIFERENCIA ENTRE DATOS DE HUMEDAD DEL SUELO OBTENIDOS MEDIANTE SISTEMAS SATELITALES DE MICROONDAS Y MEDICIONES “IN SITU”

Federico D. Carballo, Héctor A Salgado

Resumen


La humedad del suelo (HS) es una variable hidrológica y climática clave, de interés y aplicación en diversos dominios científicos y operativos. En el ámbito de la meteorología es imprescindible en la inicialización y ajuste de modelos numéricos del tiempo, gravitando decisivamente en el pronóstico de otras variables hidrológicas y climáticas. Existen actualmente diversas fuentes de información de HS, entre las que se destacan aquellas de origen satelital por su amplia cobertura espacial y frecuencia temporal. Los sistemas de microondas se distinguen por su capacidad de brindar información bajo casi todas las condiciones de iluminación solar y nubosidad, lo cual asegura la disponibilidad continua de datos. En este trabajo se recopilan valores de HS provenientes de los sensores/sistemas actualmente accesibles ASCAT, AMSR2 y SMOS, para una zona agrícola de la Provincia de Buenos Aires, Argentina (Latitud 37º 09’S; Longitud 59º 42’W), y los correspondientes medidos en el terreno para la misma fecha. Se realizaron mediciones gravimétricas de HS con frecuencia mensual. También se instalaron sondas dieléctricas a 10 cm de profundidad, contando con una serie continua de más de un año de mediciones horarias. Se tabulan y grafican los estadísticos que evidencian las diferencias entre los productos satelitales y las mediciones de campo. Hasta el momento, los mejores resultados se obtuvieron con los productos LPRM y ASCAT (R2 =0,5; RMSE= 7%). Este análisis contribuirá a la elección de datos más fiables para la caracterización de la variable de estado en modelos hidrológicos y meteorológicos.

Palabras clave


humedad del suelo; sensores remotos de microondas; modelos climáticos e hidrológicos

Texto completo:

PDF

Referencias


Albergel, C.; E. Zakharova; J. C. Calvet; M. Zribi; M. Pardé; J. P. Wigneron; N. Novellod; Y. Kerr; A. Mialon and N. Fritz. 2011. A first assessment of the SMOS data in southwestern France using in situ and airborne soil moisture estimates: The CAROLS airborne campaign. Remote Sensing of Environment, 115(10): 2718–2728.

Albergel, C.; C. Rüdiger; D. Carrer; J.-C. Calvet; N. Fritz; V. Naeimi; Z. Bartalis and S. Hasenauer. 2009. An evaluation of ASCAT surface soil moisture products with in situ observations in Southwestern France. Hydrol. Earth Syst. Sci., 13(2):115–124.

Al-Yaari, A.; J. P. Wigneron; A. Ducharne; Y. Kerr; P. de Rosnay; R. de Jeu; A. Govind; A. Al Bitar; C. Albergel; J. MuñozSabater; P. Richaume and A. Mialon. 2014a. Global-scale evaluation of two satellite-based passive microwave soil moisture datasets (SMOS and AMSR-E) with respect to Land Data Assimilation System estimates. Remote Sensing of Environment, 149: 181–195.

Al-Yaari, A.; J. P. Wigneron; A. Ducharne; Y. H. Kerr; W. Wagner; G. De Lannoy; R. Reichle; A. Al Bitar; W. Dorigo; P. Richaume and A. Mialon. 2014b. Global-scale comparison of passive (SMOS) and active (ASCAT) satellite based microwave soil moisture retrievals with soil moisture simulations (MERRALand). Remote Sensing of Environment, 152: 614–626.

Bhimala, K. R. and P. Goswami. 2015. Comparison of soil moisture data over the Indian region. IEEE Transactions on Geoscience and Remote Sensing, 53(10): 5425-5434.

Bindlish, R.; T. Jackson; M. Cosh; Z. Tianjie and P. O’Neill. 2015. Global Soil Moisture From the Aquarius/SAC-D Satellite: Description and Initial Assessment. Geoscience and Remote Sensing Letters, IEEE, 12(5): 923-992 doi: 10.1109/LGRS.2014.2364151

Bruscantini, C. A.; F. Grings; M. Barber; P. Perna and H. Karszenbaum. 2014. A Bayesian approach for a SAC-D/aquarius soil moisture product. 13th Specialist Meeting on Microwave Radiometry and Remote Sensing of the Environment (MicroRad) 2014. p.1-4. doi: 10.1109/MicroRad.2014.6878896

Brocca, L.; S. Hasenauerb; T. Lacavac; F. Melonea; T. Moramarcoa; W. Wagnerb; W. Dorigob; P. Matgend; J. MartínezFernándeze; P. Llorensf; J. Latronf; C. Marting; M. Bittellih. 2011. Soil moisture estimation through ASCAT and AMSRE sensors: An intercomparison and validation study across Europe. Remote Sens. Environ., 115(12): 3390–3408.

Dente, L.; Z. Vekerdy; J. Wen, and Z. Su. 2012. Maqu network for validation of satellite-derived soil moisture products. Int. J. Appl. Earth Observ. Geoinf., 17: 55–65.

Dillon, M. E.; E. Collini; L. Ferreira; G. Pujol; D. Dadamia. 2012. Comparación entre los datos de humedad de suelo obtenidos en campañas de medición y los resultados de modelos globales de suelo y estimaciones de sensores remotos. IFRH 2012, 1er Encuentro de Investigadores en Formación de Recursos Hídricos.

Dorigo, W. A.; W. Wagner; R. Hohensinn; S. Hahn; C. Paulik; A. Xaver; A. Gruber; M. Drusch; S. Mecklenburg; P. van Oevelen: A. Robock and T. Jackson. 2011a. The International Soil Moisture Network: A data hosting facility for global in situ soil moisture measurements. Hydrology and Earth System Sciences, 15 (5): 1675-1698.

Dorigo, W.; P. Van Oevelen; W. Wagner; M. Drusch; S. Mecklenburg; A. Robock and T. Jackson. 2011b. A new international network for in situ soil moisture data. Eos, 92(17): 141-142.

Draper, C. S.; J. P. Walker; P. J. Steinle; R. A. M. de Jeu and T. R. H. Holmes. 2009. An evaluation of AMSR-E derived soil moisture over Australia. Remote Sensing of Environment, 113(4): 703–710.

Drusch, M. 2007. Initializing numerical weather prediction models with satellite-derived surface soil moisture: Data assimilation experiments with ECMWF’s Integrated Forecast System and the TMI soil moisture data set. Journal of Geophysical Research: Atmospheres, 112-D3. ISSN 2156-2202. DOI 10.1029/2006JD007478

Grings, F.; C. A. Bruscantini; E. Smucler; F. Carballo; M. E. Dillon; E. A. Collini; M. Salvia and H. Karszenbaum. 2015. Validation Strategies for Satellite-Based Soil Moisture Products Over Argentine Pampas. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 8: 4094-4105.

Holmes, T. R. H.; R. A. M. de Jeu; M. Owe and A. J. Dolman. 2009. Land surface temperature from Ka band (37 GHz) passive microwave observations. Journal of Geophysical Research: Atmospheres, 114(D04113). http://dx.doi.org/10.1029/2008JD010257.

Jackson, T. J.; R. Bindlish; M. H. Cosh; T. J. Zhao; P. J. Starks; D. D. Bosch; M. Seyfried; M. S. Moran; D. C. Goodrich; Y. H. Kerr and D. Leroux. 2012. Validation of Soil Moisture and Ocean Salinity (SMOS) soil moisture over watershed networks in the US. IEEE Transactions on Geoscience and Remote Sensing, 50(5): 1530–1543.

Jackson, T. J. 1993. Measuring Surface Soil Moisture Using Passive Microwave Remote Sensing. Hydrological Processes, 7: 139–152.

Kerr, Y. H.; P. Waldteufel; P. Richaume; J. P. Wigneron; P. Ferrazzoli; A. Mahmoodi; A. Al Bitar; F. Cabot; C. Gruhier; S. E. Juglea; D. Leroux; A. Mialon and S. Delwart. 2012. The SMOS soil moisture retrieval algorithm. IEEE Transactions on Geoscience and Remote Sensing, 50(5): 1384–1403.

Kim, S.; Y. Y. Liu; F. M. Johnson; R. M. Parinussa and A. Sharma. 2015. A global comparison of alternate AMSR2 soilmoisture products: Why do they differ? Remote Sensing of Environment, 161: 43-62 http://dx.doi.org/10.1016/j. rse.2015.02.002

Koike, T.; Y. Nakamura; I. Kaihotsu; G. Davva; N. Matsuura; K. Tamagawa and H. Fujii. 2004. Development of an Advanced Microwave Scanning Radiometer (AMSR-E) algorithm of soil moisture and vegetation water content. Annual Journal of Hydraulic Engineering, JSCE, 48: 217–222.

Koike, T.; T. Tsukamoto; T. Kumakura and M. Lu. 1996. Spatial and seasonal distribution of surface wetness derived from satellite data. Proceeding of the International Workshop on Macro-scale Hydrological Modeling, 87–96.

Matgen, P.; S. Heitz; S. Hasenauer; C. Hissler; L. Brocca; L. Hoffmann; W. Wagner and H. H. G. Savenije. 2012. On the potential of MetOp ASCAT-derived soil wetness indices as a new aperture for hydrological monitoring and prediction: A field evaluation over Luxembourg. Hydrol. Process., 26(15): 2346–2359.

Meesters, A. G.; R. A. M. de Jeu and M. Owe. 2005. Analytical derivation of the vegetation optical depth from the microwave polarization difference index. IEEE Geoscience and Remote Sensing Letters, 2(2): 121–123.

Mo, T.; B. J. Choudhury; T. J. Schmugge; J. R. Wang and T. J. Jackson. 1982. A model for microwave emission from vegetation-covered fields. Journal of Geophysical Research, Oceans, 87(C13): 11229–11237.

Naeimi, V.; K. Scipal; Z. Bartalis; S. Hasenauer and W. Wagner. 2009a. An improved soil moisture retrieval algorithm for ERS and METOP scatterometer observations. IEEE Transactions on Geoscience and Remote Sensing, 47(7): 1999–2013.

Naeimi, V.; Z. Bartalis and W. Wagner. 2009b: ASCAT Soil Moisture: An Assessment of the Data Quality and Consistency with the ERS Scatterometer Heritage. Journal Hydrometeor., 10: 555–563. doi: http://dx.doi.org/10.1175/2008JHM1051.1

Njoku, E. G.; T. Chan; W. Crosson and A. Limaye. 2004. Evaluation of the AMSR-E Data Calibration Over Land. Italian Journal of Remote Sensing, 30/31: 19-37.

Njoku, E. G.; T. L. Jackson; V. Lakshmi; T. Chan and S. V. Nghiem. 2003. Soil Moisture Retrieval from AMSR-E. IEEE Transactions on Geoscience and Remote Sensing, 41(2): 215-229.

Owe, M.; R. A. M. de Jeu and T. R. H. Holmes. 2008. Multisensor historical climatology of satellite-derived global land surface moisture. Journal of Geophysical Research, Earth Surface, 113, F01002. http://dx.doi.org/10.1029/2007JF000769.

Reynolds, C. A.; T. J. Jackson and W. J. Rawls. 2000. Estimating soil water-holding capacities by linking the Food and Agriculture Organization Soil map of the world with global pedon databases and continuous pedotransfer functions. Water Resources Research, 36(12): 3653–3662.

Robock A., Vinnikov K., Srinivasan G., Entin J., Hollinger S., Sperankaya N., Liu S. and Namkhai A., 2000. The Global Soil Moisture Data Bank. Bulletin of the American Meteorological Society, Vol.81, N 6, June 2000, USA, pp.1281-1299.

Sahoo, A. K.; P. R. Houser; C. Ferguson; E. F. Wood; P. A. Dirmeyer and M. Kafatos. 2008. Evaluation of AMSR-E soil moisture results using the in-situ data over the Little River Experimental Watershed, Georgia. Remote Sensing of Environment, 112(6): 3142–3152.

Salgado H.; S. M. Zabala y C. Romay. 2014. Monitoreo de la humedad del suelo a escala de cuenca hídrica. En: “Desarrollos de Ingeniería Agrícola en América Latina”. Editores: M. C. Edgar Ramirez Galeano, Dr. Gilberto de Jesús López Cantens y Dr. Eugenio Romantschik Kriuchkova, Universidad Autónoma de Chapingo, México. ISBN 978-607-12-0356-4. 7pp.

Salgado H.; C. Romay; S. M. Zabala y L. Génova. 2012. Calibración de campo de un sensor dieléctrico para suelos en la Provincia de Buenos Aires. VI Jornadas Riego y Fertirriego, Mendoza, 7-9 noviembre 2012, 8 pp.

Su, Z.; J. Wen; L. Dente; R. van der Velde, Wang; Y. Ma; K. Yang and Z. Hu. 2011. The Tibetan Plateau observatory of plateau scale soil moisture and soil temperature (Tibet-Obs) for quantifying uncertainties in coarse resolution satellite and model products. Hydrology and Earth System Sciences, 15(7): 2303–2316.

US Soil Survey Staff, 1975. Soil Taxonomy: A basic system of soil classification for making and interpreting soil maps, US. Department of Agriculture, Agriculture Handbook N°436, USA, 754 pp.

Wagner, W., N. E. C. Verhoest, R. Ludwig, and M. Tedesco, 2009. Remote sensing in hydrological sciences. In Hydrology and Earth System Sciences, 13, 813-817.

Wagner, W., Scipal, K., Pathe, C., Gerten, D., Lucht, W. and Rudolf, B., 2003. Evaluation of the agreement be-tween the first global remotely sensed soil moisture data with model and precipitation data. Journal of Geophysical Research D: Atmospheres, 108(D19), Art. No. 4611.

Wagner, W. and Scipal, K., 2000. Large-scale soil moisture mapping in western Africa using the ERS scatterometer. IEEE Transactions of Geoscience and Remote Sensing, 38(4), 1777-1782.

Wagner, W., Lemoine, G., Borgeaud, M. and Rott, H., 1999a. A study of vegetation cover effects on ERS scatterometer data. IEEE Transactions on Geoscience and Remote Sensing, 37(2II), 938-948.

Wagner, W., Lemoine, G. and Rott, H., 1999b. A method for estimating soil moisture from ERS scatterometer and soil data. Remote Sensing of Environment, 70(2), 191-207.

Wagner, W., Noll, J., Borgeaud, M. and Rott, H., 1999c. Monitoring soil moisture over the Canadian Prairies with the ERS scatterometer. IEEE Transactions on Geoscience and Remote Sensing, 37, 206-216.

Wigneron, J. P., Kerr, Y., Waldteufel, P., Saleh, K., Escorihuela, M. J., Richaume, P., Ferrazzoli, P., de Rosnay, P., Gurney, R., Calvet, J.-C., Grant, J. P., Guglielmetti, M., Hornbuckle, B., Mätzler, C., Pellarin, T., and Schwank, M., 2007. L-band Microwave Emission of the Biosphere (L-MEB) model: Description and calibration against experimental data sets over crop fields. Remote Sensing of Environment, 107(4), 639–655.


Enlaces refback

  • No hay ningún enlace refback.


Licencia de Creative Commons
Esta obra está licenciada bajo una Licencia Creative Commons Atribución-NoComercial 2.5 Argentina .

Agronomía&Ambiente. Revista de la Facultad de Agronomía (UBA)

ISSN 2344-9039 (en línea) - ISSN 2314-2243 (impreso)

Av. San Martín 4453 - C1417DSE - Buenos Aires - Argentina - Tel. +54-11-5287-0221 - efa@agro.uba.ar