Las \u00e1reas de aplicaci\u00f3n que requieren mediciones de humedad de suelo superficial a escala global pueden resumirse a continuaci\u00f3n (Entekhabi et al., 2010).<\/p>\n
- \n
- Pron\u00f3stico del clima y el tiempo: debido a que afecta la evoluci\u00f3n del clima y el tiempo, tener informaci\u00f3n de este recurso natural hace posible mejorar los modelos y predicciones para el beneficio de la humanidad.<\/li>\n
- Sequ\u00edas: este factor es esencial en el crecimiento de las plantas, especialmente en tiempos de sequ\u00edas y de bajo riego. Gracias a las predicciones con los modelos que se basan en los datos espaciales, se puede mejorar la producci\u00f3n de cultivos.<\/li>\n
- Inundaciones: la humedad de suelo est\u00e1 relacionada con los desastres naturales como las inundaciones o deslaves. Esto puede ser mitigado debido al modelado oportuno de filtrado y flujo del agua por debajo de la superficie.<\/li>\n
- Productividad agr\u00edcola: las mediciones del terreno producidas por los sat\u00e9lites, como el SMAP, proveen informaci\u00f3n oportuna de la disponibilidad de agua y el comportamiento medioambiental en la producci\u00f3n de cultivos.<\/li>\n
- Salud: al tener un control en la productividad agr\u00ed- cola e inundaciones, se puede atacar la hambruna que se tiene en diferentes zonas y crear programas oportunos de control de enfermedades.<\/li>\n
- Seguridad nacional: la informaci\u00f3n de la humedad de suelo en la superficie es de gran importancia en el transporte debido a que se pueden conocer zonas con niebla y neblina.<\/li>\n<\/ul>\n
PRINCIPIOS B\u00c1SICOS PARA EL MONITOREO DE LA HUMEDAD DE SUELO MEDIANTE SENSORES SATELITALES<\/strong><\/p>\n
Es necesario monitorear la humedad de manera peri\u00f3dica, por ello existen herramientas directas en las cuales encontramos las mediciones en campo (in situ) y las herramientas indirectas, entre \u00e9stas la percepci\u00f3n remota satelital.<\/p>\n
Debido al amplio espectro electromagn\u00e9tico, los sensores ocupados en la percepci\u00f3n remota satelital pueden ser \u00f3pticos o de microondas, los primeros presentan una limitante al momento de monitorear zonas bajo climatolog\u00eda adversa, y no tienen una buena penetraci\u00f3n hasta el nivel del suelo; no obstante, los sensores de microondas son capaces de penetrar hasta 5 cm por debajo del suelo y permiten un monitoreo continuo sin importar las condiciones climatol\u00f3gicas.<\/p>\n
Otra clasificaci\u00f3n dentro de la percepci\u00f3n remota satelital es la basada en la fuente de energ\u00eda utilizada; los sistemas que emiten su propia energ\u00eda se denominan activos y los que captan la energ\u00eda proveniente de otra fuente como la solar o de emisi\u00f3n se llaman pasivos.<\/p>\n
Las im\u00e1genes satelitales se forman a partir de las ondas electromagn\u00e9ticas captadas y ordenadas en forma de matrices, luego se asocia un valor a cada pixel de la imagen correspondiente al \u00e1rea (resoluci\u00f3n espacial) y al periodo de revisita (resoluci\u00f3n temporal). Los productos generados por los sistemas de radar (sensores activos) son im\u00e1genes que contienen la raz\u00f3n del campo el\u00e9ctrico disperso por la escena en estudio y el campo el\u00e9ctrico incidente, en cada pixel y por cada polarizaci\u00f3n de la onda. En aplicaciones de percepci\u00f3n remota satelital, el campo el\u00e9ctrico est\u00e1 linealmente polarizado; es decir, polarizaci\u00f3n vertical o polarizaci\u00f3n horizontal. Es por ello que se pueden tener cuatro posibles combinaciones entre el campo el\u00e9ctrico incidente y el disperso. Las combinaciones son campo incidente vertical\u2013campo disperso vertical (VV); campo incidente vertical\u2013campo disperso horizontal (VH); campo incidente horizontal\u2013campo disperso vertical (HV); y campo incidente horizontal\u2013campo disperso horizontal (HH). A la raz\u00f3n del campo el\u00e9ctrico disperso por la escena en estudio y el campo el\u00e9ctrico incidente se le conoce como coeficiente de retrodispersi\u00f3n\u00a0
![\"\"](\"http:\/\/cienciauanl.uanl.mx\/wp-content\/uploads\/2017\/02\/o_pq_.jpg\")
<\/p>\nUn radar mide los ecos de los pulsos de campo el\u00e9ctrico emitidos en el rango de las microondas que rebotan en la superficie terrestre. El campo el\u00e9ctrico disperso (ecos) que regresa al radar cambia su amplitud y fase en funci\u00f3n de la cantidad de humedad en el suelo; entre mayor sea el contenido de agua en el suelo, mayor ser\u00e1 la amplitud del campo disperso. Particularmente, los sistemas de radar que operan en banda L no son afectados por las condiciones meteorol\u00f3gicas o por una cierta capa de vegetaci\u00f3n en la superficie que cubre el suelo. Actualmente, los sistemas de radar usan una t\u00e9cnica conocida como apertura sint\u00e9tica (Ma\u00eetre, 2008) para medir el coeficiente de retrodispersi\u00f3n en \u00e1reas mucho m\u00e1s peque\u00f1as que un radar convencional.<\/p>\n
Por otro lado, los sistemas radi\u00f3metro (sensor pasivo) generan im\u00e1genes que contienen temperatura de brillo TBP\u00a0<\/sub>. La TBP\u00a0<\/sub> relaciona la emisividad del objetivo en estudio y su temperatura efectiva. En el monitoreo de ecosistemas terrestres, la TBP\u00a0<\/sub>emitida desde la superficie terrestre, se recibe en dos polarizaciones (vertical u horizontal). Al ser un sensor pasivo, \u00fanicamente se recibe una sola polarizaci\u00f3n.<\/p>\n
El radi\u00f3metro es un receptor muy sensible que mide de forma muy precisa la energ\u00eda emitida por la superficie terrestre en el rango de las microondas. Este sensor opera\u00a0como una c\u00e1mara infrarroja en la que los objetos con mayor calor aparecen proporcionalmente m\u00e1s brillosos que los objetos m\u00e1s fr\u00edos y permiten medir su temperatura de forma precisa, sin estar en contacto con ellos. El radi\u00f3metro de la banda de microondas recibe energ\u00eda en un estrecho rango de la banda de microondas.<\/p>\n
Actualmente, existe una gran variedad de misiones satelitales para el rango de microondas tanto en sistemas pasivos como en sistemas activos. Existen misiones como el sistema de radar Sentinel-1 que trabaja en banda C y el radi\u00f3metro ARMS-E en banda C; no obstante, la banda C no es recomendable para detectar los par\u00e1metros f\u00edsicos mencionados. Por otro lado, la misi\u00f3n SMOS es un radi\u00f3metro que opera en banda L al igual que el Aquarius, sin embargo, este \u00faltimo s\u00f3lo monitorea cuestiones oceanogr\u00e1ficas. La misi\u00f3n SMAP (Soil Moisture Active Passive) trabaja con un radi\u00f3metro pasivo y un radar activo (figura 1). El radar y el radi\u00f3metro tienen caracter\u00edsticas distintas de operaci\u00f3n para el monitoreo de la humedad de suelo como se ve en las ecuaciones (1) y (2); sin embargo, la informaci\u00f3n que cada uno de estos sensores entregan es complementaria. Lamentablemente, en julio de 2015, debido a un problema con un amplificador en el sistema de transmisi\u00f3n del radar, el sistema activo de la misi\u00f3n SMAP dej\u00f3 de funcionar. Sin embargo, los datos colectados, durante los meses que estuvieron funcionando de manera simult\u00e1nea el radar y el radi\u00f3metro de la SMAP, han sido esenciales para el desarrollo de nuevas metodolog\u00edas para la estimaci\u00f3n de la humedad del suelo superficial desde el espacio.<\/p>\n
![\"\"](\"http:\/\/cienciauanl.uanl.mx\/wp-content\/uploads\/2017\/02\/fig_1_mision_soil_moisture.jpg\")
Figura 1. Misi\u00f3n Soil Moisture Active\/Passive (SMAP) de la NASA (2016).<\/p><\/div>\n
CARACTER\u00cdSTICAS T\u00c9CNICAS DE LA MISI\u00d3N SMAP<\/strong><\/p>\n
El sat\u00e9lite de la misi\u00f3n SMAP es un observatorio de percepci\u00f3n remota que contiene dos instrumentos destinados a obtener mapas de humedad de suelo superficial y coberturas de hielo sobre la Tierra. En particular, la misi\u00f3n SMAP utiliza las mediciones de un radar y un radi\u00f3metro de forma simult\u00e1nea para estimar la humedad de suelo. Tanto el radar como el radi\u00f3metro utilizan la misma antena (figura 2), aunque la electr\u00f3nica de cada sistema dentro del sat\u00e9lite funciona de forma independiente. Al utilizar de forma simult\u00e1nea las observaciones de radar y de radi\u00f3metro, es posible obtener estimaciones de humedad de suelo de forma precisa y con alta resoluci\u00f3n espacial sobre la Tierra.<\/p>\n
Con la finalidad de obtener una amplia cobertura, la antena del sat\u00e9lite SMAP gira a 14.6 revoluciones por minuto (una revoluci\u00f3n cada cuatro segundos). La combinaci\u00f3n del movimiento orbital del sat\u00e9lite y el giro de la antena cubren un peque\u00f1o campo de vista en una serie de aros sobrepuestos que crean una huella de 1000 km de ancho. Este barrido tan ancho permite a la SMAP hacer una cobertura completa de la Tierra cada dos o tres d\u00edas.<\/p>\n
La tabla I muestra las principales caracter\u00edsticas t\u00e9cnicas de la misi\u00f3n SMAP.<\/p>\n
![\"\"](\"http:\/\/cienciauanl.uanl.mx\/wp-content\/uploads\/2017\/02\/tabla_I_especificaciones_SMAP.jpg\")
<\/p>\nESTIMACI\u00d3N DE LA HUMEDAD DE SUELO<\/strong><\/p>\n
La humedad de suelo es estimada a partir de los coeficientes de retrodispersi\u00f3n que se obtienen de los productos del radar y de las temperaturas de brillo de los productos del radi\u00f3metro (Entekhabi, 2014). Sin embargo, es necesario conocer c\u00f3mo interact\u00faan\u00a0estas dos variables con el medio para introducirse a la estimaci\u00f3n de la humedad de suelo. La temperatura de brillo (TBp<\/sub>) es igual a la suma de las interacciones de las temperaturas del suelo (TS<\/sub>) y vegetaci\u00f3n (TC<\/sub>) con la opacidad de la vegetaci\u00f3n en el nadir (\u03c4P<\/sub>), el albedo de dispersi\u00f3n simple de la vegetaci\u00f3n (\u03c9) y la reflectividad del suelo (rP<\/sub>).<\/p>\n
![\"\"](\"http:\/\/cienciauanl.uanl.mx\/wp-content\/uploads\/2017\/02\/fig_2_antena_de_enrejillado_desplegable.jpg\")
Figura 2. Antena de enrejillado desplegable de la misi\u00f3n SMAP.<\/p><\/div>\n
Se considera que, para baja cobertura de vegetaci\u00f3n, el albedo de dispersi\u00f3n simple es muy bajo a 1 (\u03c9 <1), por lo tanto, no se toma en cuenta.<\/p>\n
<\/p>\n
La temperatura, brillo y el coeficiente de retrodispersi\u00f3n est\u00e1n f\u00edsicamente relacionados. La temperatura de brillo es la integraci\u00f3n de la energ\u00eda que se encuentra contenida en una semiesfera. Si\u00a0 TBp<\/sub> y
\u00a0se encuentran a la misma frecuencia de operaci\u00f3n y \u00e1ngulo de incidencia, la energ\u00eda para el c\u00e1lculo de TBp<\/sub> es la producida por\u00a0As\u00ed\u00a0\u00a0es la suma del campo disperso de la superficie (suelo), vegetaci\u00f3n y las interacciones entre el suelo y la vegetaci\u00f3n.<\/p>\nLa principal simplificaci\u00f3n para la estimaci\u00f3n de la humedad de suelo es suponer una dependencia lineal de la temperatura de brillo y el \u00e1rea observada por el radar en presencia de follaje de vegetaci\u00f3n. Esta hip\u00f3tesis nos lleva a la determinaci\u00f3n experimental de dos par\u00e1metros fundamentales de una recta, \u03b1 y \u03b2, que representan la ordenada al origen y la pendiente de la recta (ver ecuaci\u00f3n 1).<\/p>\n
![\"\"](\"http:\/\/cienciauanl.uanl.mx\/wp-content\/uploads\/2017\/02\/ecuacion_1_tbp_t.jpg\")
<\/p>\nLos par\u00e1metros y son funciones de la vegetaci\u00f3n, caracter\u00edsticas de la rugosidad en superficie y el \u00e1ngulo de visi\u00f3n.<\/p>\n
La figura 3 muestra un ejemplo de la estimaci\u00f3n de suelo sobre el territorio de los Estados Unidos de Am\u00e9rica al utilizar estas ecuaciones.<\/p>\n
![](\"http:\/\/cienciauanl.uanl.mx\/wp-content\/uploads\/2017\/02\/fig_3_humedad_de_suelo.jpg\")
Figura 3. Humedad de suelo a una resoluci\u00f3n de 36 km (SMAP).<\/p><\/div>\n
La figura 4 muestra las variaciones temporales de temperatura de suelo (columna izquierda) y de coeficiente de retrodispersi\u00f3n (columna derecha).<\/p>\n
![\"\"](\"http:\/\/cienciauanl.uanl.mx\/wp-content\/uploads\/2017\/02\/fig_4_humedad_suelo.jpg\")
Figura 4. Humedad de suelo a una resoluci\u00f3n de 36 km (SMAP).<\/p><\/div>\n
Los productos SMAP, listados en la tabla II, se pueden obtener de la p\u00e1gina web de Alaska Satellite Facility (www.asf.alaska.edu), as\u00ed como sus manuales de operaci\u00f3n.<\/p>\n
![\"\"](\"http:\/\/cienciauanl.uanl.mx\/wp-content\/uploads\/2017\/02\/tabla_II_productos_satelitales_smap.jpg\")
<\/p>\nEXPERIMENTOS DE CAMPO PARA CALIBRACI\u00d3N Y VALIDACI\u00d3N DE LAS OBSERVACIONES SMAP<\/strong><\/p>\n
Con la finalidad de calibrar y validar los productos de humedad de suelo de la misi\u00f3n SMAP, se han realizado diferentes experimentos de campo. Los principales objetivos de estos experimentos son la adquisici\u00f3n y procesamiento de los datos de campo para calibrar, comprobar y mejorar los modelos y algoritmos de los productos de la misi\u00f3n SMAP. Asimismo, se busca el desarrollo y mejora de t\u00e9cnicas y protocolos que son usados dentro de las diferentes versiones de los productos SMAP. La figura 5 muestra el equipo de trabajo en 2012 para la calibraci\u00f3n y validaci\u00f3n de los productos de la misi\u00f3n SMAP.<\/p>\n
![\"\"](\"http:\/\/cienciauanl.uanl.mx\/wp-content\/uploads\/2017\/02\/fig_5_equipo_de_trabajo.jpg\")
Figura 5. Equipo de trabajo
en 2012 para calibraci\u00f3n y
validaci\u00f3n de los productos
SMAP de la NASA.<\/p><\/div>\nEl proceso de mejora continua dentro de los productos SMAP se basa en el modelado de los diferentes ecosistemas y del an\u00e1lisis de la respuesta f\u00edsica\u00a0que se presentan en cada producto satelital. Durante los experimentos de campo se seleccionan tanto \u00e1reas homog\u00e9neas como heterog\u00e9neas en las cuales se realizan mediciones in situ de suelo y vegetaci\u00f3n (figura 6). Se busca tambi\u00e9n que las mediciones se realicen de forma simult\u00e1nea al paso del sat\u00e9lite. Los sitios elegidos para la calibraci\u00f3n\/validaci\u00f3n cubren diferentes ecosistemas terrestres y se han desarrollado en diferentes partes del mundo. La informaci\u00f3n sobre estos experimentos de campo se encuentra disponible en http:\/\/smap.jpl.nasa. gov\/science\/validation\/fieldcampaigns\/<\/p>\n
![\"\"](\"http:\/\/cienciauanl.uanl.mx\/wp-content\/uploads\/2017\/02\/fig_6_sitios_seleccionados_para_calibracion.jpg\")
Figura 6. Sitios seleccionados para calibraci\u00f3n y validaci\u00f3n SMAP.<\/p><\/div>\n
Gracias a los resultados de los experimentos se han presentado mejoras en las estimaciones de humedad de suelo a nivel global. La figura 7 muestra las estimaciones de humedad de suelo a nivel mundial para tres fechas del mes de abril de 2015.<\/p>\n
![\"\"](\"http:\/\/cienciauanl.uanl.mx\/wp-content\/uploads\/2017\/02\/fig_7_estimaciones_de_humedad.jpg\")
Figura 7. Estimaciones de humedad de suelo superficial a nivel global para
tres fechas del mes de abril de 2015.<\/p><\/div>\nLa figura 8 muestra las estimaciones de humedad de suelo cuando se tienen observaciones de radi\u00f3metro (TB<\/sub>) y de radar (s0<\/sup>) (Monsiv\u00e1is et al., 2016). Este estudio concluy\u00f3 que al combinar las observaciones de radar y de radi\u00f3metro dentro de dos algoritmos de asimilaci\u00f3n de datos, uno basado en la estimaci\u00f3n de los par\u00e1metros (SSP) y otro mediante la correcci\u00f3n de sesgo con retroalimentaci\u00f3n (BCWF), los errores en la estimaci\u00f3n de humedad de suelo se ubican por debajo de 5% cuando se tienen condiciones de suelo desnudo o una cobertura vegetal muy delgada.<\/p>\n
![\"\"](\"http:\/\/cienciauanl.uanl.mx\/wp-content\/uploads\/2017\/02\/fig_8_errores_estimaciones.jpg\")
Figura 8. Errores en las estimaciones de humedad de suelo superficial al utilizar\u00a0observaciones de radi\u00f3metro y de radar.<\/p><\/div>\n
En M\u00e9xico se han realizado campa\u00f1as en los estados de Sonora, Tabasco y Campeche para la explotaci\u00f3n de datos de radar y de radi\u00f3metro. El Instituto Polit\u00e9cnico Nacional ha participado en la instrumentaci\u00f3n de algunos de estos sitios (figura 9).<\/p>\n
![\"\"](\"http:\/\/cienciauanl.uanl.mx\/wp-content\/uploads\/2017\/02\/fig_9_camapana_medicion.jpg\")
Figura 9. Campa\u00f1a de medici\u00f3n en Calakmul, Campeche, 2014.<\/p><\/div>\n
<\/p>\n
* Instituto Polit\u00e9cnico Nacional.<\/p>\n
Contacto: alejandromonsivais@yahoo.com<\/p>\n
REFERENCIAS <\/strong><\/p>\n
Dobson, M.C., et al. (1985). Microwave dielectric behavior of wet soil, II, Dielectric mixing models. IEEE Trans. Geoscience and Remote Sensing, GE-23, 35-46.<\/p>\n
Entekhabi, D., et al. (2010). The soil moisture active passive (SMAP) mision, Proceedings of the IEEE, vol. 98, no. 5.<\/p>\n
Entekhabi, D. (2014). Algorithm Theoretical Basis Document L2 & L3 Radar\/Radiometer Soil Moisture (Active\/Passive) Data Products, Jet Propulsion Laboratory, California Institute of Technology, Revision A.<\/p>\n
Kustas, W.P., Zhan, X., y Schmugge T.J. (1998). Combining optical and microwave remote sensing for mapping energy fluxes in a semiarid watershed. Remote Sensing Environment, 64:116\u201331.<\/p>\n
Ma\u00eetre, H. (2008). Processing of synthetic apertura radar images. Great Britain: Wiley.<\/p>\n
Monsiv\u00e1is H., A., et al. (2016). Impact of Bias Correction Methods on Estimation of Soil Moisture When Assimilating Active and Passive Microwave Observations. IEEE Trans. Geoscience and Remote Sensing, GE- 23, Issue: 1, 262-278.<\/p>\n
Monsiv\u00e1is H., et al. (2008). Parameter Estimation from Backscattered Radar Response. IGARSS 2008- 2008 IEEE International Geoscience and Remote Sensing Symposium, Vol. 3, 1119-1122.<\/p>\n
NASA. (2016). Jet Propulsion Laboratory, California Institute of Technology, consultado el 29 de septiembre de 2016. http:\/\/ www.jpl.nasa.gov\/news<\/p>\n","protected":false},"excerpt":{"rendered":"
Juan Carlos Hern\u00e1ndez S\u00e1nchez*, Enrique Zempoaltecatl Ram\u00edrez*, Jos\u00e9 Carlos Jim\u00e9nez Escalona*, Alejandro Monsiv\u00e1is Huertero* y Antonio Mosqueda S\u00e1nchez* CIENCIA UANL \/ A\u00d1O 19, No. 81, SEPTIEMBRE-OCTUBRE 2016 Las estimaciones precisas de humedad de suelo superficial son cruciales en hidrolog\u00eda, micrometeorolog\u00eda y en la agricultura para la interpretaci\u00f3n de los ciclos del agua y el carbono. Las comunidades cient\u00edficas relacionadas con […]<\/p>\n","protected":false},"author":2,"featured_media":6471,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[14],"tags":[],"class_list":["post-6469","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-topicos"],"_links":{"self":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts\/6469","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=6469"}],"version-history":[{"count":3,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts\/6469\/revisions"}],"predecessor-version":[{"id":6485,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts\/6469\/revisions\/6485"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/media\/6471"}],"wp:attachment":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=6469"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=6469"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=6469"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}