INFLUENCIA DE LAS FLUCTUACIONES DEL LAGO DE CHAPALA (JALISCO) SOBRE LOS VALORES DE REFLECTIVIDAD OBTENIDOS A PARTIR DE IMÁGENES DE SATÉLITE

INFLUENCIA DE LAS FLUCTUACIONES DEL LAGO DE CHAPALA

(JALISCO) SOBRE LOS VALORES DE REFLECTIVIDAD OBTENIDOS A

PARTIR DE IMÁGENES DE SATÉLITE

a,b_{Facultad de Ingeniería / Área Civil / Ingeniería Geomática,} Universidad Autónoma de San Luis Potosí.

Dr. Manuel Nava # 8, Zona Universitaria Poniente, CP 78290, San Luis Potosí, SLP. kikazo_elmo@hotmail.com

Resumen

En este trabajo se analiza la relación que existe entre los valores de reflectividad, la temperatura superficial del agua (Ts) y los cambios de nivel que presenta el lago de Chapala (Jalisco) que es el más grande de la República Mexicana y abastece de agua potable a la zona metropolitana de Guadalajara. En este estudio se utilizaron 4 imágenes LandstatTM para cubrir un periodo de 1986 al 2000. A partir de los datos de reflectividad y Ts extraídos de las imágenes, se realizó un análisis de correlación múltiple incluyendo las variables de altimetría, Tsy la reflectividad de cada banda. La mejor correlaciónse presentó para la banda TM4 con un R2 _{de 0.99. El análisis de correlaciónpor separado (Ts vs Reflectividad y}

Altimetría vs Reflectividad), muestra los mejores resultadosentre altimetría y reflectividadde la TM4 con un R2 _{de 0.99. En cambio, el mejor resultadoentre Ts y reflectividadpresenta un R}2 _{máximo de 0.55 para}

TM1.

Palabras clave:Landsat TM, Temperatura superficial, Firma espectral, Cambios de nivel de agua, Chapala.

INFLUENCE OF THE FLUCTUATIONS OF CHAPALA LAKE (JALISCO) ON THE

REFLECTIVITY VALUES DERIVED FROM SATELLITE IMAGES.

Abstract

This paper examines the relationship between the values of reflectivity, the surface temperature of water (Ts) and the changes of level in Chapala Lake (Jalisco) which is the largest lake in the Mexican Republic and supplies drinking water to the metropolitan area of Guadalajara.

In this study, there were used 4 images Landstat TM in order to cover a period from 1986 until 2011.A multiple correlation analysis was conducted including variables of altimetry and the data of Ts and the reflectivity extracted from the bands of Landsat images.The best correlation appeared for the band TM4 with a R2 of 0.99.The correlation analysis separately (Tsvs. reflectivity, and Altimetry vs. Reflectivity), shows the best results between altimetry and reflectivity of TM4 with an R2 of 0.99. In contrast, the best result between Ts and Reflectivity presents a maximum R2 _{of 0.55 for TM1.}

Introducción

A escala mundial, la mayoría de los sistemas hídricos son afectados por las actividades humanas y el cambio climático (Noyola-Medrano et al., 2010). Entre las principales causas de contaminación del agua está la presencia de materia orgánica (Ruiz-Hernández et al., 2002), metales pesados en zonas de alta actividad minera y sustancias tóxicas provenientes de la industria y el uso doméstico (Garnier et al., 2012).

Uno de los sistemas hídricos más importantes de México es el sistema Lerma – Chapala que se encuentra en la parte centro oriental de la República Mexicana.Este sistema se encuentra ubicado entre 20°05’ - 20°22’ de latitud Norte y 102°40’ - 103°26’ de longitud Oeste. Atraviesa varias jurisdicciones estatales como son el Estado de México, Querétaro, Guanajuato, Michoacán y Jalisco y tiene su zona de descarga en el Lago de Chapala. Esta condición provoca que el lago sea vulnerable a problemas de contaminación (Anda et al., 2000; Cifuentes et al., 2011).Tiene una superficie de 114,659 hectáreas con una capacidad total de 7,897 millones de metros cúbicos, colocándolo como el lago más grande de la República Mexicana.Se encuentra en la depresión hidrológica Lerma-Santiago, a una cota establecida por la Secretará de Recursos Hidráulicos (SARH) de 1,526 msnm (CEA Jalisco, 2013). Presenta un clima templado en donde la temperatura media es de 19.9°C, teniendo los periodos más fríos de diciembre a febrero (oscilando de 35°C a 0°C, según la temporada), y lluvias que se presentan en los meses de Junio a Octubre.

Históricamente el lago muestra variaciones de nivelmuy marcadas. Así, para septiembre de 1926 se registró el máximo almacenamiento (9,633 m3), alcanzando un nivel a 1525.33 msnm. De la misma manera, los registros indican que en junio de 1955 el lago presentó el almacenamiento mínimo de 954 m3 y el nivel se encontraba a los 1516.8 msnm (Figura 1).

Figura 1.Variación histórica del nivel de agua del Lago de Chapala. Gráfica realizada a partir de datos

proporcionados por CEA-Jalisco, 2013. Según el Consejo Estatal de Población (COEPO, 2010), en el lago se realizan actividades pesqueras, así como algunos eventos deportivos acuáticos, a demás de ser la principal fuente de abastecimiento de agua potable de la zona conurbada de Guadalajara ya que aporta el 60% (CEA Jalisco, 2013).Con las condiciones antes mencionadas, se esperaría que las características físicas y químicas del agua estén en constante cambio.

Una manera de evaluar cambios físicos sobre cuerpos de agua es la observación de los mismos a partir de imágenes de satélite. Existen diversos trabajos relacionados al análisis de cuerpos de agua continental como el del litoral oriental de la isla Gran Canaria, en donde se utilizaron imágenes de satélite de alta resolución para el estudio de la calidad de agua (Hernández-Bartolomé et al., 2003), de igual forma, en un estudio que realizo Bundela (2004), se utilizó con éxito una combinación de imágenes de distintos sensores para caracterizar las cuencas y posteriormente modelar erosión de las mismas. El objetivo del trabajo es demostrar que a partir de imágenes Landsat TM se puede establecer una relación entre la reflectividad del agua con respecto a las fluctuaciones y cambios ligeros de temperatura del cuerpo de agua. La hipótesis de partida es que los parámetros físicos de un cuerpo de agua como temperatura, profundidad, turbidez, etc., pueden ayudar a explicar la firma espectral del agua.

Materiales y Métodos

Para este trabajo se utilizaron imágenes Landsat TM 2946 de los años 1986, 2000,2010 y 2011. Todas las imágenes seleccionadas son del mes de enero que corresponde a la época de sequía. El tratamiento de las imágenes Landsat se realizó con ENVI 4.5 y la integración de los mapas se llevó a cabo conArcGIS 9.3.

La metodología inicia con la corrección atmosférica de las imágenes Landsat utilizando la herramienta de ENVI corrección atmosférica FlaashAtmosphericCorrectionModel. Enseguida se utilizó la banda TM5 para extraer el cuerpo de agua correspondiente al Lago de Chapala para cada fecha analizada. De este procedimiento se extrajeron datos de área y perímetro.El conjunto de las 6 bandas sirvió para extraer los valores de reflectividadpromedio del lago de Chapala. El procesamiento de la banda TM6 (térmica) se inició con una corrección radiométrica para obtener datos de radiancia (W/m2 _{sr m). A}

partir de la imagen de radiancia se implementó el algoritmo para obtener la temperatura superficial (Ts). La ecuación de Ts y los datos de calibración utilizados para la TM6 fueron tomados de Chander et al., 2009. Los datos de Ts obtenidos están en Kelvin por lo que a este resultado se le restan 273.15 para obtener la Ts en grados centígrados. Al igual que con las otras bandas, se obtuvo un valor promedio de Ts. Como datos de apoyo, se contó con los valores de nivel de la superficie del lago de Chapala (altimetría, en metros) reportados por la Comisión Estatal del Agua de Jalisco (CEA Jalisco, 2011). Con los valores de reflectividad y Ts extraídos en los pasos anteriores y los datos de altimetría se establecieron correlaciones simples entre la reflectividad de cada banda vs Ts y Altimetría, y un análisis de regresión múltiple simple en donde intervienen los tres parámetros analizados. Para realizar los análisis estadísticos se utilizó Excel.

Resultados y discusión

Las superficies del lago, extraídas a partir de la banda TM5, indican que el lago presenta una variación de área que va desde 859.02 m2(año 2000) hasta 1085.78 m2 (año 2011), esto representauna reducciónde superficie del 21% con respecto a la superficie máxima detectada para el periodo analizado en este trabajo (Figura 2).

Figura 2. Superficies detectadas para el lago de Chapala en el periodo comprendido entre 1986 –

2011.

El análisis regresión múltiple de la reflectancia de cada banda de la imagen Landsat contra temperatura y altimetría, muestra que la banda mejor correlacionada es la TM4, con una R2 de 0.9999, seguida de las bandas TM5,TM7,TM1, TM2 y TM3; esta última con un valor de R2 _de

0.7440 (Tabla 1). Estos resultados indican que las bandas más afectadas por cambios de altimetría y Tsson las bandas del infrarrojo. En cambio, la banda TM3 del visible (rojo) es la que menos detecta cambios en estos parámetros. En todos los casos se obtuvieron errores típicos cercanos a 0 (Tabla 1).

Tabla 1. Ecuaciones de regresión obtenidas a partir de los factores de reflectividad de las bandas TM1, TM2, TM3, TM4, TM5, TM7, los valores de Temperatura Superficial (Ts) y los valores de altimetría (Al). Banda Ecuación de regresión R2 Error típico TM4 TM4 = 184.12 - 0.120Al - 0.063Ts 0.9999 0.0032 TM5 TM5 = 56.81 - 0.037Al - 0.024Ts 0.9994 0.0029 TM7 TM7 = 111.51 - 0.073Al - 0.049Ts 0.9977 0.0115 TM1 TM1 = 36.57 - 0.023Al - 0.018Ts 0.9807 0.0116 TM2 TM2 = -9.29 + 0.006Al - 0.002Ts 0.9420 0.0039 TM3 TM3 = 3.92 - 0.002Al + 0.0004Ts 0.7440 0.0039

Debido a que los coeficientes de determinación (R2_{) son altos para casi todas las ecuaciones, se}

decidió realizar un análisis de correlación por separado, es decir, “altimetría contra reflectancia” y “temperatura contra reflectancia”.Observando la figura 3, se tiene que la altimetría tiene su mejor correlación con TM1(R2 _{= 0.8531). Con el resto de las bandas, la}

altimetría muestra baja o nula correlación. En cuanto a la variable de temperatura, en general, las correlaciones para todas las bandas presentan R2 _{menor a 0.5, siendo TM7 la que presenta la}

mejor correlación con un R2 _{de 0.4725.}

Los resultados permiten constatar quela variable con mayor influencia sobre la regresión múltiple es la Ts, ya que en el análisis de correlación por separado, en general presenta R2_{más altos que lo}

observado con la altimetría, sobre todo con las bandas TM4, TM5 y TM7 (Figura 3).

Figura 3. Gráficas que muestran la correlación de la altimetría y la Temperatura superficial (Ts) con respecto a la reflectividad (reflec.) promedio de cada

banda TM

.

Con base a los resultados se puede constatar que las variables Ts y altimetría, de manera conjunta, explican mejor el comportamiento de reflectividad de las bandas TM, mientras que por separado no se logra establecer alguna correlación.

Conclusiones

El uso de las imágenes Landsat TM permitieron establecer un análisis de regresión múltiple y de correlación simple con base a los datos de reflectividad promedio para cada banda TM y a los datos de Ts promedio extraídos de la banda térmica (TM6). Los resultados permiten constatar que de manera conjunta, la altimetría y Tsexplican mejor el comportamiento de la reflectividad en un cuerpo de agua. Por separado, la altimetría afecta más a la banda TM1 (visible, azul) y la Ts tiene una mayor correlación con la TM7 (infrarrojo). En general, la Ts muestra una mejor correlación con la mayor parte de las bandas TM, con respecto a lo que se puede observar al tratar de correlacionar a la altimetría donde la mayoría de los valores de R2son menores a 0.3. Los resultados sustentan que la variable con mayor influencia sobre la regresión múltiple es la Ts.

Con base a los resultados obtenidos, la sugerencia es analizar más imágenes satelitales incluyendo datos de época de lluvias.

Agradecimientos

Los autores agradecen a la Facultad de Ingeniería de la Universidad Autónoma de San Luis Potosí por la logística brindada para el desarrollo de este trabajo.

Referencias

Anda, J., Shear, H., Maniak, U., Riedel, G. 2000. Phosphorus Blance in Lake Chapala (Mexico). Journal of Great Lakes Research, 26(2): 129-140. CEA Jalisco. 2011. Niveles máximos y mínimos del

Lago de Chapala 1900-2012. Disponible en:

http://www.ceajalisco.gob.mx/sia/niveles/niveles. html.

Chander, G., B.L. Markham and D.L. Helder. 2009. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and

EO-1 ALI sensors.RemoteSensing of

Environment, 113: 893-903.

Cifuentes, E., Kasten, F.L., Transande, L., Goldman, R.H. 2011. Resetting our priorities in

environmental health: An example from the south-north partnership in Lake Chapala, Mexico. Environmental Research, 111(6): 877-880

Garnier, J., Brion, N., Gallens, J., Passy, P., Deligne, C., Billen, G., Servais, P. and Billen, C. 2012. Modeling historical changes in nutrient delivery and water quality of the Zenne River (1790s– 2010): The role of land use, waterscape and urban wastewater management, Journal of

Marine Systems (2012),

doi:10.1016/j.jmarsys.2012.04.001.

Noyola-Medrano, C., Rojas-Beltrán, M.A. 2010. Relationship Between Spectral Response and Changes of Water Level: La Purísima Dam, Guanajuato, Mexico. Proceedings of ASD and IEEE GRS; Art, Science and Applications of Reflectance Spectroscopy Symposium, Vol. III, 8pp, Boulder, CO. http://www.asdi.com/resource- center/application-notes/relationships-between-spectral-response

Ruiz-Hernández, A.C., Hillaire-Marcel, C., Ghaleb, B., Soto-Jiménez, M., Páez-Osuna, F. 2002. Recent sedimentary history of anthropogenic impacts on the Culiacan River Estuary, northwestern Mexico: geochemical evidence from organic matter and nutrients. Environmental Pollution, 118(3): 365-377.