Metodolog´ıa

4.2.2.1 Obtenci´on y procesamiento productos MODIS-Aqua L3

Los productos SMI de nivel 3 de clorofila (Cl-a) y reflectancia sensada remotamente (Rrs) fueron

obtenidos del sitio de Ocean Color de la NASA (http://oceancolor.gsfc.nasa.gov/PRODUCTS/ product level desc.html). Los productos se obtuvieron como archivos HDF4 comprimidos (.bz2), cuyo nombre tiene el siguiente formato

AYYYYDDDYYYYDDD.L3m 8D CHL chlor a 4km,

que permite obtener en forma r´apida informaci´on sobre el nivel de procesamiento y fecha de adquisici´on de la imagen seg´un el siguiente c´odigo:

A20030012003008.L3m_8D_CHL_chlor_a_4km

A: MODIS/Aqua 2003: Year at start

001: Day of year (DOY) at start 2003: Year at end

008: Day of year (DOY) at end

L3m: Level 3 data, mapped (Projection: Plate carr´ee) 8D: 8 day composition

CHL: Chlorophyll a concentration product

chlor_a: algorithm used 10^(a0 + a1*X + a2*X^2 + a3*X^3 + a4*X^4) 4km: 4.6km pixel size (8640x4320 image, 2.5 minute resolution).

Los archivos .bz2 fueron descomprimidos e importados en GRASS GIS (GRASS De- velopment Team,2014) para su procesamiento y an´alisis (para m´as detalles de la metodolog´ıa utilizada ver Ap´endiceA, secciones A.1.1 y A.1.2). Una vez dentro del GIS, los 506 mapas globales de Cl-a y los 506 (11 a˜nos de 46 mapas por a˜no) de Rrsfueron recortados a los l´ımites

del ´area de estudio (38° - 55° S, 55° - 70° O; Cap´ıtulo3).

Posteriormente, siguiendo las instrucciones de la secci´on MODIS en http://grasswiki. osgeo.org/wiki/MODIS#Chlorophyll-a .28Level 3.29se gener´o una paleta de colores espec´ıfica

Cap´ıtulo 4.Caracter´ısticas de los datos MODIS-Aqua 43

para los datos de Cl-a. Lo recomendado en los metadatos es mostrar los datos entre 0,01 y 20 en escala logar´ıtmica. Se utiliz´o como base la paleta de colores sugerida por el sitioOcean Color

(http://oceancolor.gsfc.nasa.gov/PRODUCTS/colorbars.html) que va de 0 a 255. Se realiz´o un an´alisis del rango de valores presentes en la serie de Cl-a y se estableci´o 0.05 como valor m´ınimo para la paleta de colores. Luego, se transform´o la paleta de colores de la NASA (0-255) al rango de valores de cl-a (0.05-20) a partir de la siguiente ecuaci´on:

# s e c u e n c i a en e s c a l a l o g a r i t m i c a e n t r e 0 , 0 5 y 2 0 , de tamano 255

x=exp(l o g( 1 0 )* s e q(l o g 1 0( 0 . 0 5 ) ,l o g 1 0( 2 0 ) ,l e n g t h. o u t = 2 5 5 ) )

Posteriormente, se procedi´o a enmascarar la tierra. Los productos nivel 3 de MODIS tienen un solo indicador de calidad o flag, por lo que no se distingue entre datos no v´alidos por corresponder a la cobertura terrestre de datos no v´alidos por otros motivos (Tabla4.2). Es decir, todos losflagsdel nivel 2 se transforman en un ´unico valor en el nivel 3 (-32767). Por tal motivo, y dado que era de particular inter´es en esta tesis cuantificar la cantidad de datos no v´alidos en el oc´eano, se gener´o una m´ascara de tierra especial para el ´area de estudio. A tal fin, se recortaron, generalizaron y combinaron archivos vectoriales correspondientes al territorio de la Rep´ublica Argentina, las Islas Malvinas y Chile obtenidos del sitio de Global Administrative Areas (http://www.gadm.org/).

4.2.2.2 Registro de mapas en series de tiempo: Trabajo con m´odulos temporales en GRASS GIS

Para poder trabajar con todas las im´agenes como base de datos espacio-temporal (“spatio- temporal raster data set”) se debe primeroregistrartodos los mapas que la constituyen. Esto significa que se debe asignar fecha de inicio y final a cada mapa (o establecer el intervalo tem- poral entre ellos), para generar lo que visualmente es uncubode datos con las tres dimensiones: x, y, tiempo (Figura4.2). Para esto se utiliz´o un programa de Python (extract date.py, Secci´on

A.2en Ap´endiceA) el cual genera una lista de todos los mapas y sus correspondientes fechas de comienzo y final utilizando la informaci´on que provee el nombre de cada archivo como se vio anteriormente (Secci´on 4.2.2.1). El script usa la librer´ıa datetime de Python y convierte las partes del nombre del archivo correspondientes que est´an en DOY (Day of year) en fechas

Cap´ıtulo 4.Caracter´ısticas de los datos MODIS-Aqua 44

calendario de comienzo y final (S¨oren Gebbert, pers. com.). El resultado es una lista como la siguiente: A20030012003008.L3m_8D_CHL_chlor_a_4km_arg|2003-01-01 00:00:00|2003-01-09 00:00:00 A20030092003016.L3m_8D_CHL_chlor_a_4km_arg|2003-01-09 00:00:00|2003-01-17 00:00:00 A20030172003024.L3m_8D_CHL_chlor_a_4km_arg|2003-01-17 00:00:00|2003-01-25 00:00:00 ... ... A20133452013352.L3m_8D_CHL_chlor_a_4km_arg|2013-12-11 00:00:00|2013-12-19 00:00:00 A20133532013360.L3m_8D_CHL_chlor_a_4km_arg|2013-12-19 00:00:00|2013-12-27 00:00:00 A20133612013365.L3m_8D_CHL_chlor_a_4km_arg|2013-12-27 00:00:00|2014-01-01 00:00:00

que permite crear las bases de datos espacio-temporales (strds) y registrar los mapas en ellas (Detalles de c´odigos en el Ap´endiceA, Secci´onA.2) para su posterior procesamiento y an´alisis.

Figura 4.2:Representaci´on gr´afica de la serie de tiempo (a) y el cubo espacio-tiempo (b) para el ´area de estudio.

Cap´ıtulo 4.Caracter´ısticas de los datos MODIS-Aqua 45

4.2.2.3 An´alisis de disponibilidad de datos v´alidos

Una vez creada la base de datos espacio-temporal, se realiz´o un an´alisis de la variaci´on en la disponibilidad de datos v´alidos del producto de Cl-a para el ´area de inter´es en t´erminos de por- centaje de datos v´alidos en toda la serie y climatol´ogicamente 2 para cada mes del a˜no. El conteo de datos v´alidos se realiz´o s´olo para los p´ıxeles que correponden al agua sin consid- erar los p´ıxeles de la tierra que fueron enmascarados como se describi´o anteriormente (Secci´on

4.2.2.1). Las tablas con los conteos de datos v´alidos por imagen fueron importadas al software R (R Core Team, 2014) donde se realizaron los an´alisis pertinentes para obtener los valores medios, m´ınimos, m´aximos y de desv´ıo en los porcentajes de datos v´alidos para toda la serie, por a˜no y por mes.

Se realiz´o tambi´en el mapeo de los porcentajes de datos v´alidos en el ´area de estudio para todo el per´ıodo y a modo de climatolog´ıa para los distintos meses del a˜no. En el primer caso, se realiz´o el conteo de datos v´alidos a lo largo de la dimensi´on temporal en cada p´ıxel del ´area. Se obtuvo un mapa de conteos que luego fue llevado a porcentajes para una comprensi´on m´as directa. Para la climatolog´ıa mensual se procedi´o de manera similar. Se realizaron en primera medida conteos de datos v´alidos agregando la serie mensualmente, y luego se sumaron los conteos correspondientes a cada mes a lo largo del per´ıodo de estudio. Las sumatorias de datos v´alidos en cada p´ıxel para cada mes (Enero, Febrero, etc.) entre 2003 y 2013 fueron luego transformadas a porcentajes (detalles de los comandos utilizados pueden encontrarse en la Secci´onA.3del Ap´endiceA).