Caracterización de reflectancia espectral y concentración de SST en cuerpos de agua continental a nivel mundial
Main Article Content
Resumen
La medición de Parámetro de Calidad del Agua (PCA) asociado con los Sólidos Suspendidos Totales (SST) en laboratorio considera todas las variables biofísicas que intervienen en el cuerpo de agua estudiado. A nivel de modelos de regresión para la estimación de SST a través de reflectancia (base en imágenes satelitales) las características biofísicas son incluidas implícitamente en las estadísticas del modelo. Sin embargo, pocos son los estudios que consideren modelos conjuntos para diferentes cuerpos de agua. Por lo tanto, el presente estudio es orientado a la relación de la dispersión tanto de las reflectancias, como las concentraciones de SST para caracterizar cuerpos de agua bajo diferentes condiciones.
Este estudio se basa en 48 cuerpos de agua distribuidos en los 5 continentes en el mundo (intervalo de 0 a 60°Latitud). Dichos cuerpos de agua corresponden a ríos, lagos, lagunas y presas de diferente tamaño. Los cuerpos de agua fueron estudiados bajo diferentes condiciones de la estacionalidad y la latitud. Este estudio se realizó con base en medidas de dispersión y tendencia central a fin de conocer el comportamiento de los datos. En este sentido, el presente estudio tiene por objetivo identificar similitudes y diferencias en la estimación de SST por medio de reflectancias. Las reflectancias utilizadas en este estudio fueron extraídas de los productos Sentinel 2A y Landsat 8 OLI descargados de Copernicus y Earth Explorer. La selección de los modelos se realizó con base en el coeficiente de determinación (R2). Raíz del Error Cuadrático Medio (RMSE), Sesgo (BIAS), E (eficiencia de Nash-Sutcliffe). Los resultados analíticos del presente estudio se enfocan en la Banda 4,5 y 6 del sensor Landsat y su comparativo proporcional con Sentinel (B8A=B5 y B11=B6 caso de sentinel). A partir de ello se identificaron 8 CA que presentan mayor diferencia en reflectancia sin embargo el resto de los cuerpos de agua (CA) las reflectancias presentan una varianza menor.
Article Details

Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-SinObrasDerivadas 4.0.
Citas
2. Z. e. a. Zheng, “Landsat-based long-term monitoring of total suspended matter concentration patternchange in the wet season for dongting lake, china,” pp. 13 975, 13 999, 2015.
3. T. Bianchi and M. Allison, “Large-river delta-front estuaries as natural “recorders” of global envi-ronmental change,” pp. 8085, 8092, 2009.
4. E. e. a. Elias, “Morphodynamic development and sediment budget of the dutch wadden sea over thelast century,” pp. 293, 310, 2012.
5. N. e. a. Bernardo, “Evaluation of the suitability of modis, olci, and oli for mapping the distributionof total suspended matter in the barra bonita reservoir (tiete^ river, brazil),” pp. 68, 82, 2016.
6. Z. e. a. Wang, “Assessments of surface water quality through the use of multivariate statisticaltechniques: A case study for the watershed of the yuqiao reservoir, china,” pp. 1, 15, 2023.
7. R.E.WalpoleandR.H.Myers,Probabilidadyestadísticasparaingenie-ros, 1989. [Online]. Available: https://vereniciafunez94hotmail.files.wordpress.com/2014/08/8va-probabilidad-y-estadistica-para-ingenier-walpole_8.pdf
8. A. Cruz, “Caracterización fisicoquímica de cuerpos de aguas superficiales a través de sensoresremotos. caso presa j. a. a. méxico,” 2019. [Online]. Available: http://ri.uaemex.mx/handle/20.500.11799/104455.
9. Y. e. a. Zhang, “A landsat 8 oli-based, semianalytical model for estimating the total suspendedmatter concentration in the slightly turbid xin’anjiang reservoir (china),” pp. 4347, 4365, 2016.
10. W. Navidi,Estadísticas para ingenieros y científicos. [Online]. Available: https://dokumen.tips/engineering/estadistica-para-ingenieros-y-cientificos-william-navidi-58eb63656d83f.html
11. C. Pérez, “Herramientas estadísticas para la investigación y diagnóstico en enfermedadestropicales-análisis clústers,” 2017. [Online]. Available: https://acvenisproh.com/libros/index.php/Libros_categoria_Academico/article/download/24/30
12. V. e. a. Sundarabalan, “Robust algorithm for estimating total suspended solids (tss) in inland andnearshore coastal waters,” pp. 1, 18, 2020
13. H. Wibisana, B. Muljo, and U. Lasminto, “Mathematical models selection on the total suspendedsolid mapping using reflective satellite image data,” pp. 185, 190, 2020. [Online]. Available:http://www.insightsociety.org/ojaseit/index.php/ijaseit/article/view/6750/pdf_1319
14. N. B. Chang, S. Imen, and B. Vannah, “Remote sensing for monitoring surface water quality statusand ecosystem state in relation to the nutrient cycle: A 40-year perspective,” pp. 101, 166, 2015.
15. L. Clarck, “Manual idrisi,” 1993. [Online]. Available: https://clarklabs.org/wp-content/uploads/2016/10/IDRISI-Selva-Spanish-Manual.pdf
16. J. Serrano, S. Shahidian, and J. M. Masquez Da Silva, “Evaluation of normalizad difference waterindex as a tool for monitoring pasture seasonal and inter-annual variability in a mediterranean agro-silvo-pastoral system,” pp. 1, 16, 2019.
17. C.R.e.a.Fonseca,“Multiclassdataorganizer-terrsetporiitca-uaem,”2021.[Online]. Available: http://ri.uaemex.mx/bitstream/handle/20.500.11799/137456/TESIS_Marlen_Lopez_Gutierrez_MLG_RI.pdf
18. V. Vargas,Estádistica descriptiva para ingeniería ambiental con SPSS, 2007.
19. I. S. Statistical, “Manual de usuario de estadísticas con ibm spss statistical,” 2022.[Online]. Available: https://www.ibm.com/docs/en/SSLVMB_26.0.0/pdf/es/IBM_SPSS_Statistics_Core_System_User_Guide.pdf
20. C. T. Sutari, M. V. Perk, and H. Middelkoop, “Estimation of suspended sediment concentrations inthe rhine river using landsat satellite images,” pp. 1, 9, 2020.
21 H. e. a. Wang, “Consistency of suspended particulate matter concentration in turbid water retrievedfrom sentinel-2 msi and landsat-8 oli sensors,” pp. 1, 15, 2021.
22. E. e. a. Ciencia, “Modeling and multi-temporal characterization of total suspended matter by thecombined use of sentinel 2-msi and landsat 8-oli data: The pertusillo lake case study (italy),” 2022.[Online]. Available: https://www.mdpi.com/2072-4292/12/13/2147
http://orcid.org/0009-0004-8677-8434