Identificación del efecto de isla térmica

Prácticas de Teledetección
Universidad de La Laguna
Identificación del efecto de isla térmica (Urban Heat Island)
utilizando datos de los sensores AVHRR, MSS y OLS
1. Introducción
Esta práctica permite demostrar la utilidad del uso de múltiples sensores para la identificación
del efecto de isla Térmica (UHI), un proceso que ocasiona considerables diferencias de temperatura
entre las ciudades y las zonas rurales que las rodean. Este trabajo se centrará en un estudio realizado
en siete estaciones meteorológicas de la zona metropolitana de Dallas (DFW).
2. Objetivos
1. Familiarización con los datos y productos que se pueden obtener a través de los sensores
NOAA-AVHRR, Landsat-MSS y DMSP-OLS, y sus aplicaciones relacionadas con las zonas
urbanas.
2. Determinar si las zonas correspondientes a las siete estaciones meteorológicas pueden ser
caracterizadas como urbanas o rurales, basándose en las características físicas más
significativas de su superficie.
Asi, se dividirá el trabajo en tres apartados:
1.- Identificación de zonas rurales y urbanas usando los valores del NDVI y la temperatura de
brillo del canal 4, a partir de los datos del AVHRR
2.- Relación entre el NDVI, T4 y los tipos de cubierta: uso de imágenes Landsat MSS.
3.- Identificación de zonas urbanas y rurales con el sensor OLS.
2. Realización práctica
2.1.- Análisis de datos AVHRR.
En esta primera parte de la experiencia se trata de examinar las imágenes de la zona objeto de
estudio, correspondientes a los canales 1, 2 y 4 del sensor AVHRR y realizar una imagen de índice de
vegetación (NDVI). Estas escenas, correspondientes al 10 de Julio de 1991, comprenden las siete
estaciones meteorólogicas objeto de análisis y se encuentran disponibles en los ficheros dfwch1.grb,
dfwch2.grb, y dfwch4.grb, todos ellos de 155 filas por 135 columnas. Además se estudiará la
composición temporal de los datos de NDVI, y la de T4(temperatura de brillo del canal 4),
correspondientes a los días que van desde el 5 de Julio al 1 de Agosto de 1991, disponibles en los
ficheros dfwndc.grb y dfwch4c.grb.
Los datos de reflectividad del canal 1 y 2 han sido re-escalados del intervalo 0-63.5 al
intervalo 0-254. Asimismo también están escalados los datos de temperatura de brillo del canal 4 (T4).
Así para obtener su valor real será necesario aplicar las siguientes ecuaciones de transformación:
Valor real canal 1 ó 2 = valor almacenado /4
Valor real T4 = T4/2 – 83.0
(1)
(2)
A continuación se muestra una tabla en la que se especifica la posición geográfica de las siete
estaciones meteorológicas, así como la localización de las mismas dentro de los ficheros (fila,
Prácticas de Teledetección
Universidad de La Laguna
columna). Para el caso de la estación 280, sólo se tomarán muestras en una columna de 3 pixeles dado
que está situada cerca de una masa de agua.
NºEST
279
280
281
282
283
284
285
Latitud
32.08
32.26
32.42
32.52
32.55
32.70
32.85
Longitud
96.47
96.63
96.85
96.67
96.27
96.02
96.85
Fila
130
111
95
83
78
60
47
Col.
107
91
69
86
124
146
68
En las siguientes figuras 1a y 1b, se muestran un mapa correspondiente a la zona de trabajo
(dfw11.gif) y la representación gráfica de las reflectividades (reflectiv.gif) de diferentes tipos de
cubiertas respectivamente.
Figura 1a
Figura 1b
Se pide:
2.1.a) Visualizar las tres imágenes correspondientes a los canales mencionados y
compararlas con el mapa de la región en estudio. ¿En qué imagen aparece mejor diferenciada la zona
urbana de sus alrededores? ¿Qué otras características se aprecian en la imagen?.
2.1.b) Compara las imágenes de los canales 1 y 2. ¿En cual de ellas están mejor definidas las
masas de agua. ¿Se podrían distinguir los suelos desnudos de la vegetación usando únicamente el
canal 2? .
2.1.c) Generar una imagen en falso color de la región DFW utilizando los datos del canal 1 y
canal 2, asignándole al canal 2 el color rojo y al canal 1 el azul y verde. ¿Cuáles son los colores
predominantes en la imagen resultante?. ¿Con qué áreas se corresponden según el mapa de DFW?
¿Están las áreas urbanas únicamente definidas por uno de estos colores?. Razonar la respuesta
teniendo en cuenta las reflectividades de los distintos tipos de cubierta.
2.1.d). Visualizar la imagen del NDVI del día 10 de Julio para la región DFW. Obtenerlo a
partir de la expresión NDVI= (ch2 – ch1) / (ch2 + ch1). El valor real de NDVI se obtendrá a partir de
la expresión
NDVI real= (NDVI almacenado - 100) / 100
(3)
Prácticas de Teledetección
Universidad de La Laguna
Basándose en la gráfica de reflectividades, ¿qué valores aproximados de NDVI se
obtendrían para (i) lagos, (ii) suelos desnudos y (iii) zonas densamente pobladas? ¿Están las zonas
urbanas mejor definidas en la imagen del NDVI que en la composición de falso color?.
2.1.e) Observar la imagen multitemporal de NDVI (5 Julio al 1 de Agosto) (dfwndc.grb) y la
imagen compuesta de temperaturas (dfwch4c.grb). En la imagen multitemporal de NDVI se ha tomado
para cada pixel el máximo del NDVI para el periodo estudiado. En la imagen compuesta de
temperaturas se utiliza el dato de temperatura correspondiente al día de NDVI máximo. A
continuación comparar ambas imagines con las respectivas del día 10 de Julio. ¿Qué composición de
imágenes parece obtener mayores mejoras con relación a la del 10 de Julio?.
2.1.f) Extraer los datos de NDVI y T4 asociados a los pixeles en el entorno de cada estación
para el día 10 de Julio y para la composición temporal. Los valores de NDVI y T4 deben ser
promediados sobre la matriz de píxeles de cada estación. Convertir estos valores en valores reales y
representarlos en una tabla, usando las expresiones 2 y 3. A continuación representar gráficamente
T4/NDVI frente al NDVI para (i) el día considerado (Gráfico 1) y (ii) para la imagen multitemporal
(Gráfico 2). ¿Qué tipo de relación existe entre T4/NDVI y el NDVI en el caso (i)? ¿ y en el caso (ii)?
Explicar la diferencia aparente. ¿Qué tipo de superficies se podrían encontrar en las estaciones y sus
alrededores cuando el valor de T4 es bajo y el NDVI alto? ¿Y al contrario?. Identificar si las estaciones
pertenecen a zonas urbanas o rurales.
2.2) Relación entre el NDVI, T4 y los tipos de cubierta del terreno
Para examinar la relación entre la cubierta del terreno y la respuesta energética de la superficie
(NDVI y T4), es necesario disponer de información de alta resolución como la que provee el sensor
MSS de los satélites Landsat. En la figura 2, se puede observar una imagen Landsat MSS de la región
en estudio codificada con los diferentes tipos de cubiertas.
Examinar la imagen de la figura 2. Los siguientes colores se corresponden con clases de
cubiertas: Rojo: urbana, verde oscuro: boscosas, verde claro: terrenos agrícolas y azul: agua. En esta
escena parcial sólo se muestra la localización de las estaciones 282 y 285.
Figura 2
Prácticas de Teledetección
Universidad de La Laguna
La siguiente tabla muestra los porcentajes de cubierta urbana para cada pixel AVHRR
perteneciente a las ventanas 3x3 en torno a dos estaciones
Estación 282
0
1
3
0
0
Estación 285
0
0
0
51
64
32
72
78
20
54
30
0
2.2.a) Calcular el porcentaje promedio de urbanización para cada estación de los valores de la
tabla anterior. ¿Cómo está relacionado el porcentaje de urbanización de estas estaciones con los
valores del NDVI y T4/NDVI?
2.2.b) En la figura 3 se muestra una representación de T4/NDVI vs. NDVI señalando en
distintos colores el tipo de terreno asociado a cada pixel AVHRR, según la clasificación realizada
sobre la imagen Landsat. (Ver fichero terrenosMSS.gif).
Figura 3
Comparar la relación entre las clases de cubierta sugeridas en la clasificación de la escena
MSS y los valores de NDVI y T4 de las Gráficos 1 y 2 previamente representados. ¿Qué tipo de
cubierta se podría asignar a cada estación? ¿Hay alguna diferencia entre la estación 282 y las otras 5
estaciones (excluyendo la 285)? ¿Piensas que sería más difícil distinguir las zonas urbanas en regiones
áridas, en las que los suelos desnudos y secos predominan?
2.3) Uso de los datos del DMSP-OLS.
Los datos del OLS (Operational Linescan System) han demostrado también ser muy útiles en
la identificación de zonas rurales y urbanas, ya que el sensor situado en el visible (0.4-1.1 µm) puede
identificar, en imágenes nocturnas y en condiciones libres de nubes, la luz emitida por las zonas
urbanas.
La imagen OLS de la zona en estudio se encuentra disponible en el fichero dfwols.grb (200
filas x 160 columnas), con una resolución similar a la de los pixeles AVHRR.
Prácticas de Teledetección
Universidad de La Laguna
2.3.a) Visualizar la imagen OLS y examinar visualmente los datos. Puede que sea necesario
realizar un realce de la imagen para obtener mayor contraste en los valores. ¿Existen zonas fuera de la
región DFW que pueden ser consideradas como urbanas?
2.3.b) En la siguiente tabla se da la localización para los datos OLS de cada una de las
estaciones estudiadas.
NºEST
279
280
281
282
283
284
285
Latitud
32.08
32.26
32.42
32.52
32.55
32.70
32.85
Longitud
96.47
96.63
96.85
96.67
96.27
96.02
96.85
Fila
149
129
111
100
97
80
63
Col.
151
135
114
131
168
191
112
Extraer los valores de OLS para los píxeles asociados con cada estación. Los valores de cada
estación deben ser promediados sobre la matriz de píxeles 3 x 3 en el entorno de la misma. Basándose
en los datos OLS, ¿Qué estaciones meteorológicas están rodeadas de suelo urbano y cuáles están en
zonas rurales?. Comparar estos resultados con los obtenidos en el apartado 2.1.f
Prácticas de Teledetección
Universidad de La Laguna
APÉNDICES
Ap 1.: Extracción de información de la imagen AVHRR.
Para extraer los datos se necesita crear una imagen mostrando la localización de las estaciones.
Para ello se realizarán los siguientes pasos:
a) Correr INITIAL para crear una imagen que llamaremos STATION1, copiando los
parámetros espaciales de otra imagen, (p ej. : DFWCH1) aceptando para los demás
campos los valores por defecto.
b) Rellenar esta imagen en blanco con la localización de las estaciones. Correr UPDATE y
especificar STATION1 como la imagen a actualizar. Usar la tabla de localización de las
estaciones, teniendo en cuenta que habrá que restar 1 a todas las posiciones de dicha tabla
ya que las filas y columnas en IDRISI comienzan en cero y no en uno. En el campo
VALOR se podrán usar números enteros (1-255) como identificador de la celda (3x3)
asociada a cada estación. El valor “0” queda reservado para el fondo de la imagen.
c) Después de que la imagen haya sido actualizada, correr EXTRACT, especificando
DFWND.IMG como la imagen a procesar. Seleccionar salida tabular y promedio. Leer los
valores correspondientes a cada estación y convertirlos a valores reales.
d) Repetir este procedimiento para las imágenes DFWNDC, DFWCH4 y DFWCH4C.
Ap 2.: Extracción de información de la imagen OLS.
Dado que la proyección y tamaño de la imagen OLS es diferente de las imágenes AVHRR, se
debe crear una nueva imagen mostrando la localización de las estaciones. Para ello se seguirán los
mismo paso detallados en el apéndice 1, si bien al correr INITIAL para crear una imagen llamada
STATION2 se copiarán los parámetros espaciales de la imagen DFWOLS. El resto de los pasos son
exactamente idénticos.
Es importante tener en cuenta que, también en este caso, para dar las localizaciones de los pixeles
entorno a las estaciones habrá que restar una posición a los valores dados en la tabla, por los motivos
ya comentados