Predicción de tierras degradadas a partir del análisis de series temporales del índice mejorado de vegetación y temperatura de superficie de suelo mediante imágenes modis - caso estudio Piura

Abstract

Propone una metodología para la predicción y estimación de áreas degradadas a partir del análisis de las tendencias lineales de las series de tiempo de los productos MOD13Q1-índice de Mejorado de Vegetación (EVI) y MOD11A2-Temperatura de la Superficie de Suelo (LST) del sensor MODIS. Descargados los datos, se filtraron los píxeles contaminados debido a los artefactos atmosféricos mediante la capa de fiabilidad y se completaron las series con interpolaciones en función al tiempo. Luego, se generaron los máximos compuestos anuales (MCA), cuyas tendencias se determinaron píxel por píxel con su respectivo test de significancia. Se obtuvieron mapas de tendencias de la degradación en base al EVI, mostrando un total de 26.97% de área degradada con significancia (p < Ͳ.Ͳͷ) y 34.97% con significancia (p < Ͳ.ͳ). A su vez, este resultado se relacionó con el mapa de tendencias de la temperatura superficial (Tୱ ), basado en el balance de energía entre el calor sensible y el calor latente de vaporización, mostrando un 26.59% de área de estrés hídrico con significancia (p < Ͳ.ͳ). El mapa de tendencias de la temperatura superficial permitió observar un estrés hídrico en la cobertura del bosque seco y usos. Esto fue relacionado con el mapa de tendencias de degradación del EVI en el cual, los resultados de degradación en el valle para ambas variables fueron debido al problema de la salinización, y en el bosque seco por el estrés hídrico y la deforestación. La degradación obtenida guarda relación con los llamados síndromes de la degradación, mostrando tendencias negativas para el EVI y tendencias positivas para la temperatura de superficie de suelo de acuerdo al balance de energía.