LA UNIVERSIDAD DE LOS ANDES FACULTAD DE INGENIERÍA ...

PROYECTO FIN DE CARRERA Presentado a

LA UNIVERSIDAD DE LOS ANDES

FACULTAD DE INGENIERÍA

DEPARTAMENTO DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA

Para obtener el título de

INGENIERO ELECTRÓNICO

por

David Andrés Roa Ostos

Aportes al sensado remoto de contenido de agua en suelos

Sustentado el 07 de junio de 2016 frente al jurado:

Composición del jurado

- Asesor: Juan Carlos Bohórquez Reyes Ph.D. Profesor Asociado Universidad de Los Andes

- Jurados : Néstor Misael Peña Traslaviña Ph.D. Profesor Titular Universidad de Los Andes

Fredy Enrique Segura Quijano Ph.D. Profesor Asociado Universidad de Los Andes


2

Contenido

1 INTRODUCCIÓN .............................................................................................................. 4

2 OBJETIVOS ...................................................................................................................... 5

2.1 Objetivo General ...................................................................................................... 5

2.2 Objetivos Específicos ............................................................................................... 5

2.3 Alcance y productos finales ..................................................................................... 5

3 DESCRIPCIÓN DE LA PROBLEMÁTICA Y JUSTIFICACIÓN DEL TRABAJO .......................... 5

4 MARCO TEÓRICO, CONCEPTUAL E HISTÓRICO .............................................................. 6

4.1 Marco Teórico .......................................................................................................... 6

4.2 Marco Conceptual .................................................................................................... 8

4.2.1 Marco conceptual técnicas para conocer humedad volumétrica .................... 8

4.2.2 Marco conceptual Aparent Thermal Inertia (ATI) .......................................... 15

5 DEFINICION Y ESPECIFICACION DEL TRABAJO .............................................................. 17

5.1 Definición ............................................................................................................... 17

5.2 Especificaciones ..................................................................................................... 17

6 METODOLOGÍA DEL TRABAJO ...................................................................................... 18

6.1 Búsqueda de información ...................................................................................... 18

6.2 Alternativas de desarrollo ...................................................................................... 19

7 TRABAJO REALIZADO .................................................................................................... 20

7.1 Descripción del Resultado Final ............................................................................. 20

7.2 Trabajo computacional .......................................................................................... 22

8 VALIDACIÓN DEL TRABAJO ........................................................................................... 23

8.1 Metodología de prueba ......................................................................................... 23

8.2 Validación de los resultados del trabajo ................................................................ 24

8.3 Evaluación del plan de trabajo ............................................................................... 26

9 DISCUSIÓN .................................................................................................................... 27

10 CONCLUSIONES ............................................................................................................. 28

11 AGRADECIMIENTOS ...................................................................................................... 29


3

12 REFERENCIAS ................................................................................................................ 30

13 APENDICES .................................................................................................................... 33

13.1 Descarga de datos de la base de datos AρρEEARS [31]..................................... 33

13.2 Sensores buscados para realizar la toma de datos in situ ................................. 37

Lista de figuras

Figura 1. Esquema de onda incidente, reflejada y propagada en los medios de estudio. ..... 7

Figura 2. Esquema funcionamiento radar GPR. ..................................................................... 8

Figura 3. Esquema de funcionamiento radar SAR. ................................................................. 9

Figura 4. Esquema de funcionamientos imágenes satelitales. ............................................ 10

Figura 5. Algoritmo para calcular la humedad en el suelo mediante imágenes satelitales (MODIS) [21]. ........................................................................................................................ 21

Figura 6. Esquema de ubicación de datos en bases de datos de la NASA®. ........................ 22

Figura 7. Comparación estudio [18] y datos proyecto a profundidad de 100 cm, en Chiang Mai, Tailandia. ...................................................................................................................... 23

Figura 8. Gráfica comparativa entre tiempos de cambio de humedad media en la zona (T) a 100 cm en Zipaquirá, Colombia. ........................................................................................... 24

Lista de tablas

Tabla 1. Estudios para medir humedad en suelo con Ground Penetrating Radar (GPR). .... 10

Tabla 2. Estudios para medir humedad en suelo con Radares ............................................ 11

Tabla 3. Estudios para medir humedad en suelo con Synthetic Aperture Radar (SAR). ...... 11

Tabla 4. Estudios para medir humedad en suelo con imágenes térmicas. .......................... 12

Tabla 5. Estudios para medir humedad en suelo con sensado hiper-espectral................... 13

Tabla 6. Estudios para medir humedad en suelo con Moderate Resolution Imaging Spectroradiometer (MODIS). ................................................................................................ 13

Tabla 7. Criterios comparación técnicas para hallar humedad volumétrica. ....................... 19

Tabla 8. Materiales necesarios compra o recursos propios de la universidad. ................... 26


4

1 INTRODUCCIÓN

La medición de variables ambientales, siempre ha sido importante para el ser humano, desde la medición de la temperatura y la cantidad de lluvia en determinado lugar. A medida que avanza la producción humana en diferentes ámbitos económicos, también se va haciendo necesario sensar una mayor cantidad de parámetros climáticos. Es por ello, que con la tecnificación de los cultivos y el mercado internacional de productos agrícolas, se hace necesario tener certeza en las variables climatológicas y las condiciones del cultivo, ya que son dichas variables afectan directamente el cultivo y la producción del mismo.

En la búsqueda de valores más precisos de las variables a analizar para controlar la producción de un cultivo, se comenzó a utilizar aparatos electrónicos que se instalaban en los campos de cultivos para tomar medidas y conocer las condiciones del campo en tiempo más o menos real. Sin embargo, con el desarrollo tecnológico y la necesidad de producir productos de alta calidad y a bajo precio, se comenzaron a utilizar mediciones remotas para conocer las condiciones del campo de cultivo y por ende las condiciones del cultivo mismo. Desde la época de 1970 [6], se han utilizados sensores remotos y en varios casos equipos electromagnéticos, como antenas y radares; para no tener que utilizar los equipos en el terreno que se desea analizar.

En las últimas décadas, se han planteado varios modelos analíticos y empíricos, para poder describir las condiciones del campo y a través de diferentes técnicas de medición remota, obtener los valores exactos o muy cercanos a los reales, de la humedad en el suelo a diferentes profundidades. De igual forma, varios grupos de investigación han realizado aportes significativos al sensado remoto, a partir de sus diferentes temas y técnicas de interés. En la actualidad, dichas técnicas usan principios electromagnéticos para poder tomar las medidas del campo y en base a los modelos que han obtenido, encuentran la humedad en el suelo a diferentes profundidades.

En base a lo anterior, se han planeado modelos para parámetros ambientales sensados con: Radar de Apertura Sintética (SAR), radar de penetración de suelos (GPR), imágenes térmmicas, sensado hiper-espectral e imágenes satelitales de resolución moderada (MODIS). Es este último, en el cual se centra principalmente el presente trabajo, al igual que el análisis de los datos y el algoritmo presentado en [21]. Se busca obtener un valor cercano de la humedad en el suelo a cierta profundidad, que sea muy cercano al valor real y que permita conocer las condiciones del campo en intervalos de tiempo relativamente pequeños. La gran ventaja de la técnica de imágenes satelitales, es que permite realizar un análisis del campo a bajo costo, ya que son proyectos vigentes en la NASA y no requieren de estar en cercanía al campo para poder describir su dinámica ambiental. De igual forma, se encuentran diversas bases de datos, de las cuales se pueden obtener las imágenes satelitales y se encuentra información con bastante anterioridad.


5

2 OBJETIVOS

2.1 Objetivo General

Proponer y validar la viabilidad de un sistema a base de principios electromagnéticos para determinar el contenido de agua en un volumen de suelo.

2.2 Objetivos Específicos

Realizar una revisión de los trabajos que se realizan para determinar el contenido de agua en el suelo.

Estudiar el marco teórico del funcionamiento de los trabajos relevantes que se han usado para determinar el contenido de agua en el suelo.

Proponer una estrategia para determinar el perfil del contenido de agua en un volumen de suelo.

Mostrar la viabilidad de la propuesta realizada mediante pruebas experimentales.

2.3 Alcance y productos finales

Como productos finales, se presenta un estado del arte de varias de las técnicas de sensado remoto usadas para conocer la humedad del suelo a diferentes profundidades. De igual forma, se propuso un método evaluado y comprobado con datos reales, de imágenes satelitales MODIS®, que permitieron calcular la humedad en el suelo a una profundidad determinada y fija de un metro en un estudio analítico en Zipaquirá, Colombia. Dicho método podría ser evaluado en tiempo continuo, entregando resultados cada cinco minutos; sin embargo, para el estudio se tomaron valores diarios de los parámetros de temperatura superficial del suelo (LST) y la reflectividad de las banda 1, 3 y 4, para obtener la humedad en el suelo.

3 DESCRIPCIÓN DE LA PROBLEMÁTICA Y JUSTIFICACIÓN DEL TRABAJO

El control de las variables tales como temperatura, humedad, calidad de la tierra, entre otras; han tenido una alta importancia en las actividades económicas relacionadas con la agricultura. Es por ello, que se han realizado grandes avances relacionados con el uso de sensores remotos en diferentes tipos de cultivos alrededor del mundo entero [9], [10], [14], [16], [22]. En la actualidad, debido la reducción de costos de producción de los sensores o en general de los equipos de medición y al interés de producir cultivos con mayores estándares de calidad, que tengan un valor agregado y puedan ser vendidos a precios más altos en el mercado.


6

Es por lo anterior, que desde hace algunos años se han utilizados técnicas de detección de humedad volumétrica en cultivos, que se basan en principios electromagnéticos para conocer dicho parámetro. En dichos estudios, se han incluido diversos tipos de radares y de sensores, que permiten tomar medidas sin necesidad de tocar las plantaciones, es decir, sin necesidad de tomar medidas in situ. Las técnicas de mayor uso y con un mayor éxito a nivel mundial incluyen radares SAR, radares GPR e imágenes satelitales.

En el caso de Colombia, en la actualidad se está iniciando el desarrollo de programas que desarrollen la industria agrícola en el país y se están evidenciando las ventajas de la venta de productos con valores adicionales a los de su producción normal. De igual forma, con los tratados de libre comercio actuales Colombia se ve obligado a producir productos de mejores cualidades, por ello conocer la humedad en suelo de los cultivos se vuelve relevante [22] y ayudar a mejorar la eficiencia de la producción agrícola.

4 MARCO TEÓRICO, CONCEPTUAL E HISTÓRICO

4.1 Marco Teórico

Es necesario aclarar que el presente trabajo inicia con una recopilación de las principales técnicas usadas a nivel mundial para medir la humedad volumétrica en el suelo a diferentes profundidades. En los trabajos consultados, existen dos grandes técnicas para medir la humedad, la primera se basa en el uso de radares y la segunda se basa en sensores que emiten una onda y se miden parámetros tales como la reflectividad de la onda.

La teoría tras los fundamentos de radares y el tratamiento para conocer la reflectividad de la onda en los diferentes sensores, es bastante amplia y para fines prácticos del trabajo no es absolutamente necesario conocerla; sin embargo, es necesario presentar un breve descripción de lo que ocurren con las ondas al reflejarse.

La reflexión de una onda en general es un fenómeno natural, que ocurre cuando una onda, en este caso electromagnética, encuentra una diferencia de medio con el cual se propaga. Cuando hay esta diferencia en los medios, parte de la onda se refleja y parte de la onda se propaga, de forma que la parte propagada de la onda continua viajando por el segundo medio, mientras que la parte refleja viaja por el medio uno, junto con la onda incidente. Al conocer la onda incidente, en base a las características del medio y a la onda que se reflejó, se pueden conocer las propiedades de la onda que se propaga en el segundo medio y conocer como la misma interactúa con el segundo medio.


7

Figura 1. Esquema de onda incidente, reflejada y propagada en los medios de estudio.

En la figura 1, se presentan un esquema sencillo de una onda que inciden desde el exterior, en la tierra y se propaga hasta cierta distancia h. De igual forma, es necesario establecer que la onda no necesariamente se propaga hasta la profundidad h y luego se desvanece, sino que para el análisis solo se tiene en cuenta hasta el punto h. En este caso, es necesario tener en cuenta que se quiere llegar a profundidades de un metro o incluso un poco más, es por ello que existen varios métodos para analizar los datos tomados bien sea por los sensores o los radares.

En el caso de los radares, en la mayoría de casos existen modelos que se basan en las mediciones, para hallar parámetros conocidos como parámetros de “back-scattering”, mediante algoritmos de optimización. A partir de los parámetros de “back-scattering”, se generan modelos que pueden ser polinomios o exponenciales para predecir la humedad volumétrica a una profundidad específica. Los parámetros de “back-scattering” en los modelos de polinomios, se encarga de dar peso a las variables para calcular la humedad y en los modelos exponenciales, permiten calcular parámetros como constantes que hacen decaer la función exponencial y el valor inicial, es decir, la constante que acompaña la función exponencial.

En el caso de los sensores, se basan principalmente en los resultados y en modelos exponenciales propuestos en la literatura. En la mayoría de los casos en los que se usan sensores se buscan conocer los alores iniciales de la humedad, más precisamente la humedad superficial y luego ir descendiendo, en algunos casos en capaz o en otros directamente a l profundidad requerida en el estudio. En los casos de los sensores, se buscan medir algunas variables físicas del terreno, como la temperatura o índices vegetales de cobertura del suelo. En todos los casos se buscan modelos que buscan relacionar las variables con la humedad en el suelo, es importante establecer que los modelos son lineales y al encontrar la pendiente se encuentran los valores de las constantes de decaimiento.

En el presente caso se quiere hacer para suelo a diferentes profundidades, es por ello que no se pueden usar ciertas bandas del espectro electromagnético, de hecho, para llegar a


8

profundidades cercanas a un metro o incluso más profundas, en el caso de los sensores es necesario iluminar la zona con ondas en la banda del infrarrojo. En el caos de los radares y debido a su diseño, se pueden usar bandas de microondas, que se conocen como banda C y banda L. También es necesario establecer, que debido a las longitudes de onda los radares, estos mecanismos de medición deben ser usados más cerca del terreno, de lo que pueden ser usados los sensores.

4.2 Marco Conceptual

4.2.1 Marco conceptual técnicas para conocer humedad volumétrica

Ground Penetrating Radar (GPR), es un radar de penetración de suelos, que se usa para conocer la composición de un suelo o en general de un objeto contundente como una pared, evitando la necesidad de interactuar directamente con el objeto en cuestión. En este caso, se usa el GPR en contacto con la superficie del objeto que se quiere analizar; el operario del radar únicamente se encarga de moverlo sobre la superficie, ya que el sistema completo cuenta con una pantalla donde se presenta la información del objeto bajo análisis.

Figura 2. Esquema funcionamiento radar GPR.

En el caso del GPR, la onda el radar envía una onda y mide la onda reflejada en un monitor, como se puede apreciar en la figura 2, cada vez que hay una diferencia de medio la onda incidente del radar, la onda incidente cambia sus propiedades ya que luego del primer medio es la onda propagada de la primera onda incidente. De igual forma, es necesario tener en cuenta que es necesario usar el radar in situ, es decir, que el radar debe estar en contacto directo con los campos que se desean analizar.

Synthetic Aperture Radar (SAR), los radares de apertura sintética envía una onda que ilumina el campo que se desea analizar en el estudio y el radar crea una estela o apertura sintética, que va detrás del mismo que se encarga de analizar las ondas reflejadas que llegan a la apertura sintética. Dichos datos son guardados y posteriormente analizados y tratados para obtener los modelos necesarios para obtener los parámetros de “back-scattering” y para poder realizar el modelo de humedad volumétrica del suelo.


9

Figura 3. Esquema de funcionamiento radar SAR.

Como se presenta en la figura 3, el radar ilumina una zona y se genera una apertura sintética que es la que permite obtener posteriormente los datos, como se presenta en la misma figura la antena tiene un ancho de banda real y un ancho de banda sintético, que es el cual realmente es importante al tomar los datos. El prácticamente todos los estudios con SAR, se usa algún tipo de aeronave, para transportar el radar e iluminar el campo de estudio; en la mayoría de los casos se usan avionetas pequeñas.

Las imágenes térmicas, son imágenes tomadas del campo de estudio que se desea analizar y se usan sensores que iluminan el campo con fotones en la gama de infrarrojo, los fotones que se reflejan son leídos por sensores, mediante los cuales se pueden analizar los datos de la humedad en el suelo. También se pueden generar las imágenes térmicas que se acostumbran ver en las que se presentan las diferencias térmicas en el suelo y a partir de las mismas, se usa un modelo que pueda predecir la humedad del suelo.

En el sensado híper-espectral, se iluminan las muestras de suelo seleccionadas con varias bandas de del espectro electromagnético, usando longitudes de onda infrarrojas y de microondas principalmente. En este caso la idea es poder radiar la muestra con alguna fuente luminosa en estas longitudes de onda y medir los valores de las ondas reflejadas con sensores. Este método permite usar diferentes longitudes de onda, para usar una única curva con la que se pueda describir de la mejor forma posible una función lineal con pesos a las frecuencias predominantes en las diferentes bandas.

Imágenes satelitales, este método usa los datos obtenidos por satélites que similar a lo que ocurre con las imágenes térmicas, ya que nuevamente se usan sensores que irradian sobre la tierra para obtener diversos tipos de datos. En este caso, los sensores se encuentran en un satélite y constantemente están iluminando el planeta, de forma que se pueden tener imágenes o mejor datos con periodos de hasta cinco minutos de resolución. Resulta realmente interesante, poder usar los datos que se obtienen de los sensores, como los


10

índices de reflexión de las ondas con que se iluminan las distintas zonas del planeta tierra y otros parámetros como la temperatura superficial del suelo, para obtener modelos de la humedad en el suelo a diferentes profundidades.

Figura 4. Esquema de funcionamientos imágenes satelitales.

Como se presenta en la figura 4, el satélite ilumina las distintas zonas del planeta con una resolución de entre 1 km y 500 m, con intervalos de tiempo de 5 minutos, 1 día, 8 días, 15 días y 1 mes. Este método resulta realmente interesante ya que no es necesario usar equipos que sobre vuelen el terreno y mucho menos que deban estar en contacto con el mismo y todos los datos se obtienen de bases de datos de la NASA®. A pesar de las ventajas del método, es necesario establecer que debido a que nos encontramos en la zona ecuatorial, muchos de los datos tomados por el satélite pueden no ser válidos para el estudio, debido a la nubosidad de la zona.

En las siguientes tablas se presenta un resumen del estado del arte para conocer la humedad en suelo:

Tabla 1. Estudios para medir humedad en suelo con Ground Penetrating Radar (GPR).

Autor Año Técnica Máx.

profun. Aplicación Aportes más significativos

F. Dagefu [1] 2010 Sensores UGS-GPR

6,9 m. -

Estudio de rangos de frecuencias a usar. Estudio a diferentes profundidades. Se analizan cuatro tipos de suelo.


11

S. Lambot [2] 2014 GPR 24 cm.

Pruebas en laboratorio, enfocados a cultivos.

Calculo de las funciones de transferencia del sistema en base a parámetros de trasmisión y refracción. Modelo de conductividad y permitividad eléctrica, para descripción de refracción y transmisión. Uso antena corneta, para hacer estudio en tiempo real.

Tabla 2. Estudios para medir humedad en suelo con Radares



P. O'Neill [4] 2003 Radar – Radiometro

5 cm. Cultivos. Estudio con equipos en pasivos y activos. Estudio con año de recopilación de datos.

Tabla 3. Estudios para medir humedad en suelo con Synthetic Aperture Radar (SAR).



M. Burgin [3]

2012 SAR 2,5 m.

Escenarios con diferentes especies de árboles y varias capas de suelo.

Estudio a diferentes capas de penetración.

U. Khankhoje [5]

2012 SAR 24 cm.

Suelos con diferentes elementos de composición.

Análisis de constante dieléctrica constante a diferentes profundidades. Modelo logarítmico simple para hallar humedad en el suelo.


12

A. Tabatabaeenejad [6]

2010 SAR 2 m. Agricultura en rancho en Arizona.

Estudio realizado con NASA. Análisis de ruido del modelo. Modelo de optimización para obtener parámetros de backscattering.

R. Lang [7] 2006 AIR SAR 24 cm. Bosque.

Modelo para obtener parámetros de backscatteinrg. Uso de radar y radiómetro.


2013 AIR SAR 25 cm.

Bosque. Agricultura en rancho en Arizona.

Estudio realizado con AirMOSS. Modelo de optimización más sencillo para hallar parámetros de backscattering.


2015 AIR SAR 2 m. Agricultura y bosque tropical.

Modelo de polinomio de segundo orden, para obtener relación humedad de suelo y profundidad. Modelo de optimización para obtener parámetros del polinomio, basados en parámetros de backscattering.

Tabla 4. Estudios para medir humedad en suelo con imágenes térmicas.



W. Yichang [10]

2010 Imágenes Thermal Mapper

Superficial. Región semi-arida al norte de Henan, China.

Modelo logarítmico simple para hallar humedad en suelo. Análisis de índices de reflectividad, transmitividad y brillo para obtener los parámetros del modelo.


13

P. O'Neill [11]

2001

Electronically Scanned Thinned Array Radiometer (ESTAR)

5 cm. Agricultura, pastos.

Se hace uso de modelos SVATS (Soil-Vegetation-Atmosphere-Transfer-Schemes).

Tabla 5. Estudios para medir humedad en suelo con sensado hiper-espectral.



Y. Yanmin [12]

2010

Sensado Remoto con técnica Hiper-Espectral

20 cm.

Pruebas en laboratorio. 63 muestras de diferentes suelos.

Bandas de longitud onda (400-470 nm, 1950-2050 nm y 2100-2200 nm). En base a muestras se presentan regresiones logarítmicas. Función que permite encontrar humedad en el suelo.

Tabla 6. Estudios para medir humedad en suelo con Moderate Resolution Imaging Spectroradiometer (MODIS).



R. Tang [13] 2015 Modelo SVAT

- Estudio simulación

Se presenta modelo SVAT, aproximado de forma triangular. Se establecen límites húmedo y seco para escenario particular.

C.Peng [14] 2014

Moderate Resolution Imaging Spectroradiometer (MODIS)

50 cm (aprox.).

Agricultura.

Se realiza estudio mediante índices de agricultura. Se obtiene el valor medio de la humedad en el suelo. Estudio realizado para varios periodos de tiempo.


14

M. Holzman [15]

2014 MODIS 2 m. Agricultura.

Se presenta relación modelo triangular entre Índice de vegetación y Temperatura superficial, para obtener humedad en el suelo. Se resalta problemas de modelo cuando capas de suelo cambian abruptamente.

I. Sandholt [16]

2002 MODIS Superficial.

Agricultura.

Se pantera modelo lineal para encontrar TVDI, en base a índice NDVI. Se prueba modelo en zona árida y húmeda cerca de ríos.

M. Bayala [17]

2013 MODIS Superficial.

-

Se plantean modelos que tienen en cuenta los diferentes equipos de medición. Modelo lineal para encontrar índice de diferencia de temperatura en suelo.

T. Chang [18]

2012 MODIS 2 m.

Agricultura, bosque y ambientes con usos mixtos.

Se plantea modelo en base a inercia térmica aparente. Se plantean los parámetros necesarios de los equipos de medición y los datos para obtener contenido de humedad en suelo. Se plantea modelo exponencial, que se aproxima a modelo lineal.

F. Zang [19] 2014 MODIS 20 cm. Agricultura.

Se presenta modelo de paralelogramo para definir límites secos y húmedos del terreno. Mayor precisión en la estimación de la humedad del suelo.

C. Ma [20] 2013 MODIS 20 cm. Agricultura. Comparación inercia térmica real (RTI) e inercia térmica aparente (ATI). Se presenta modelo


15

detallado, para encontrar el RTI y se presentan mejores resultados en estimación de humedad del suelo en el caso del RTI.

W. Verstraeten [21]

2006 MODS 1 m. Bosques europeos.

Presenta algoritmo y detallado de cómo obtener la humedad a diferentes profundidades. Se presentan parámetros que pueden ayudar a realizar el cálculo de la constante de tiempo para especificar los cambios en el índice de humedad en el suelo. Se presenta el estudio en varios países de Europa.

4.2.2 Marco conceptual Aparent Thermal Inertia (ATI)

Para conocer la humedad en el suelo a diferentes profundidades con imágenes satelitales o con Moderate Resolution Imaging Spectroradiometer (MODIS), se va a seguir el método planteado por [18], [21] y [30]. Dicho método se conoce como el método de Inercia Térmica Aparente, ATI por sus siglas en inglés, que se basa en parámetros como los índices de reflectividad de determinadas bandas y el cambio en la temperatura superficial del suelo. El método permite calcular la superficial del suelo en base a un modelo matemático aproximado del modelo de inercia térmica, dicho método depende de las características mismas del suelo y en particular de la composición del suelo del terreno en el que se trabaja. Este método piensa la tierra como capas, en las cuales se puede almacenar la tierra, pero debido a su composición el contenido de agua en la tierra tiende a moverse a otras capas e incluso a secarse. La inercia térmica, mira que tan fácil es para una capa o mejor en este caso una profundidad específica retener o liberar la humedad que guarda.

La inercia térmica se define como

𝑇𝐼 = √𝜌 ∗ 𝐾 ∗ 𝑐 (1)

La inercia térmica entonces se define como la raíz cuadrada del producto de la densidad del material (ρ), la conductividad térmica (K) y el calor específico (c). Esta simple relación se encarga de describir las variaciones en la temperatura y de gobernar las interacciones térmicas más relevantes del suelo con la radiación que llega a la tierra.

La inercia térmica aparente se define como:

𝐴𝑇𝐼 =1−𝛼

∆𝐿𝑆𝑇 (2)


16

La inercia térmica aparente se define como la razón entre la diferencia uno menos el albedo (α) y la diferencia de temperatura de la superficie del suelo en la noche y en día. El término del denominador hace referencia a la porción de radiación que no es reflejada, en este caso de regreso al sensor. La expresión (2), puede ser refinada un poco más mediante el uso de la constante solar, que es un término que depende de latitud del punto en el cual se realiza el estudio y la inclinación con la que llega la radicación solar. Sin embargo, el término de la constante solar no es tan usado en las fuentes usadas, debido a que presenta un cambio amplio o significativo en los resultados obtenidos y si representa un mayor esfuerzo para el cálculo del ATI.

A partir del ATI, se pueden calcular los índices de saturación de humedad superficial y a diferentes profundidades, con el algoritmo presentado a continuación, para después calcular la humedad en el suelo.

𝑆𝑀𝑆𝐼0(𝑡) =𝐴𝑇𝐼(𝑡)−𝐴𝑇𝐼𝑚í𝑛

𝐴𝑇𝐼𝑚á𝑥−𝐴𝑇𝐼𝑚í𝑛 (3)

En la expresión (3), se presenta la ecuación que permite relacionar el ATI con los índices de humedad superficial, como se puede apreciar en la expresión (3) el índice de humedad superficial depende de las condiciones históricas del terreno, tales como el ATI máximo y el ATI mínimo. De la misma forma, se puede evidenciar que el cálculo del SMSI0 se puede hacer en todo cada instante de tiempo o como se verá más adelante se puede realizar con intervalos de tiempo relativamente amplios.

𝜃(𝑡) = 𝑆𝑀𝑆𝐼(𝑡) ∗ (𝜃𝑚á𝑥 − 𝜃𝑚í𝑛) + 𝜃𝑚í𝑛 (4)

En la expresión (4), se presenta la relación entre el índice de humedad (SMSI) y la humedad en el suelo (θ), nuevamente se encuentra que existe una relación con las condiciones históricas del campo o mejor aún con las características del suelo de humedad máxima del suelo (θmáx) y la humedad mínima del suelo (θmín).

Para calcular la humedad en el suelo, se parte de la siguiente ecuación diferencial:

𝐿𝑑𝜃(𝑡)

𝑑𝑡= 𝐶 ∗ (𝜃(𝑡) − 𝜃𝑠(𝑡)) (5)

Donde θ es la humedad en el suelo, θs es la humedad en el suelo en la capa superficial, L es la profundidad del reservorio de agua a la cual se quiere hacer el estudio y C es una constante pseudo difusiva del área representativa. Aplicando integración por parte y reemplazando el cociente de L sobre C por T, como una constate de tiempo de la capa del reservorio, se obtiene:

𝜃(𝑡) =1

𝑇∫ 𝜃(𝜏) ∗ 𝑒

−(𝑡−𝜏

𝑇) 𝑑𝜏

𝑡

−∞ (6)

Sin embargo, ya que muchas veces no se cuenta con los datos necesarios para calcular la integral de la expresión (6), ya que en términos generales la constate T y la expresión busca


17

calcular la humedad en el suelo en tiempo real. Lo anterior, debido a que en general no se cuentan con los datos en tiempo real, es decir, no se puede realizar la integral en el sentido estricto de la definición, se discretiza la expresión (6), con ayuda de los índices de humedad.

𝑆𝑀𝑆𝐼(𝑡) =∑ 𝑆𝑀𝑆𝐼(𝑡)∗𝑒

−(𝑡−𝑡𝑖

𝑇)

𝑖

∑ 𝑒−(

𝑡−𝑡𝑖𝑇

)𝑖

(7)

En la expresión (7), se presenta como calcular el índice de humedad en el suelo a la profundidad deseada y después con la ayuda de la expresión (4), se puede hallar la humedad en el suelo cuantificada y a la profundidad deseada.

5 DEFINICION Y ESPECIFICACION DEL TRABAJO

5.1 Definición

En base a los conceptos y teorías expuestas en la sección 4 del presente documento, se procedió a seleccionar una técnica de sensado remoto para poder calcular la humedad en el suelo. Este tipo de técnicas puede ser de gran impacto a nivel social, ya que según estudios [22], [9], es posible hallar una relación entre el estrés hídrico de una planta, es decir, que tan húmedo se encuentra el bulbo y que tan rápido puede hacer brotar frutos una planta. Este tipo de técnicas, permitirían producir más rápidamente los diferentes cultivos en los que se aplique y daría un valor agregado al producto, para poder entregar frutas más frescas, ya que se podría estimar un tiempo más exacto de cosecha. De igual forma, al necesitar en ciertas ocasiones menores cantidades de agua para que el estrés hídrico haga salir frutos de la planta, se podrían ahorrar varios litros de agua o posiblemente millones de litros de agua en las plantaciones.

En este punto es necesario establecer que se han presentado varios casos de éxito del uso de imágenes satelitales para medir la humedad en un terreno determinado [13] – [21]; sin embargo, ninguno de estos estudios se ha realizado en países sobre el ecuador. La implementación de una técnica como Moderate Resolution Imaging Spectroradiometer (MODIS), permitiría un mejor provecho de los ciclos útiles de los cultivos y el hecho que sea fácil implementarla, ya que en teoría solo se requeriría de un computador con conexión a internet, impulsaría la industria agrícola del país. En la actualidad existen varios proyectos de la NASA®, encargados de tomar y procesar los datos de los satélites para poderlos presentar al público bien sea como archivos granulados en formato .hfd o .csv o como imágenes con escalas de colores en las zonas en las que se desea realizar el estudio.

5.2 Especificaciones

En este punto es necesario establecer que el método usado para encontrar la humedad en volumen, cuenta con restricciones debidas a la zona geográfica en la que se encuentra el país. Como se mencionó previamente, al estar ubicados en la zona ecuatorial existe la


18

posibilidad que los datos no sean confiables debido a la nubosidad que se puede presentar en el país al momento de la toma de los datos e incluso en amplios periodos de tiempo durante el año. Sin embargo, es necesario establecer que los datos pueden ser usados como etapas iniciales de estudios de mayor duración de tiempo y a medida que se logran obtener más datos, se puede ir mejorando el modelo, es decir, mejorar la predicción del valor de la humedad en el suelo a medida que se obtienen más datos sobre el terreno.

El presente proyecto busca iniciar un estudio un poco más profundo del uso de imágenes MODIS, para determinar el contenido de humedad de en el suelo en un volumen determinado de tierra en Colombia. Ya que es un estudio nuevo en esta área, se busca establecer los criterios necesarios para poder encontrar el valor de los índices de humedad en el suelo y los valores de humedad en el suelo, a partir de los datos obtenidos en las bases de datos de la NASA®. De igual forma, se busca establecer los criterios y las condiciones necesarias para tomar mediciones in situ y poder realizar el estudio comparativo entre los datos obtenidos mediante el algoritmo presentado en [21] aplicados a un punto en Colombia y las mediciones.

En este punto, es necesario establecer que los equipos de mediciones no pueden ser demasiado grandes, más bien se debe optar por equipos portables, debido a las condiciones no uniformes de algunos de los campos de plantación en Colombia. Principalmente para cultivos que se hagan en zonas montañosas o de difícil acceso debido a las condiciones de las rutas que llegan a las plantaciones deseadas. También, se debe pensar en equipos que no sean tan costosos, debido a que posiblemente no en todos los casos de estudio se pueda contar con amplios recursos para replicar el procedimiento experimental in situ.

6 METODOLOGÍA DEL TRABAJO

Para realizar el presente proyecto, primero se inició con una etapa amplia del estado del arte para medir humedad en volumen en el suelo, es decir, primero se realizó una búsqueda detalla de las posibles técnicas que se podían usar para medir dicho parámetro. En segunda instancia se realizó una validación de los datos, replicando un experimento presentado por [19] en una provincia de Taiwán y se verificó la cercanía con los datos experimentales reportados en el paper. Como último paso, se estableció un protocolo para la toma de datos al igual que se realizó la selección de los equipos que se pueden usar y se realizó una simulación en base a los datos obtenidos de la base de datos de la NASA®, de un punto seleccionado cerca de la ciudad de Zipaquirá en Colombia.

6.1 Búsqueda de información

En la mayoría de casos la información fue recopilada de revistas indexadas y de artículos relacionados a publicaciones de la IEEE y de sus referencias bibliográficas, las cuales también fueron publicadas por alguna revista indexada y sus portales web, como Science direct. Las únicas fuentes distintas a revistas indexadas fueron las tesis de maestría de la


19

Universidad de Córdoba que fueron consultadas debido a estudios realizados con ayuda de autores referenciados en las revistas previamente mencionadas. Además a lo anterior, vale la pena establecer que los artículos y en particular los referentes a la tecnología MODIS, fueron compartidos y aprobados por el profesor Juan Carlos.

6.2 Alternativas de desarrollo

Tabla 7. Criterios comparación técnicas para hallar humedad volumétrica.

ÍTEM GPR Radar-radimetro

SAR Imág. Térmicas

Sensa. Hiper-espectral

MODIS

No invasiva

No equipos en campo

X X

Fácil acceso terreno

X X

Fácil toma datos X X X

Datos tiempo real

X x X

Costos operación X X X

Dinamismo X X X X X

En la tabla 7, se presentan los ítems usados para seleccionar la técnica adecuada para calcular la humedad en el suelo de diferentes profundidades, en este caso más allá de efectividad de la técnica se buscaban evaluar otros criterios. Lo anterior, en primera instancia debido a que en las diferentes fuentes se encuentran los respectivos estudios de efectividad del método implementado y en segundo lugar, porque se buscaban evaluar más que todo parámetros que permitan reproducir los experimentos en Colombia.


20

En primera instancia se analizaron ítems relacionados con la movilidad del equipo experimental en la zona de estudio y algunas de las características para poder usarlo en terrenos de difícil acceso. Primero, el ítem relacionado con invasiva, se buscaba evaluar que la técnica no fuese invasiva con el cultivo en el cual se están tomando los datos, es decir, que no fuese necesario dañar o interferir con el comportamiento normal del cultivo para tomar los datos. Segundo, el ítem relacionado con no equipos en campo, hace referencia a que se deban usar equipos en la plantación o que se deban pasar equipos de medición que estén en contacto directo con el suelo del campo en el que se realiza el estudio. Por último el ítem fácil acceso al terreno, hace referencia a que tan sencillo es transportar los equipos hasta el punto en el que se van a tomar los datos e inclusive su transporte o uso directo sobre los campos de medición.

En segunda instancia se evaluaron criterios relacionados con la toma de los datos y los costos necesarios para operar y reproducir los experimentos en Colombia. En primer lugar, se encuentra fácil toma de datos, que se relaciona a que tan sencillo es tomar los datos desde el terreno y que tan sencillo se pueden conocer los datos después de tomados. En segundo lugar, se encuentra datos en tiempo real que hace referencia a poder tomar datos en tiempo real de lo que ocurre en la plantación, es importante establecer que a pesar de no poder tomar datos en tiempo real en MODIS, los datos se guardan con un periodo de tiempo de hasta 5 minutos. En tercer lugar, se encentra dinamismo que se refiere a que tan fácil es realizar cambios al modelo o que tan sensible es el modelo para obtener la humedad, frente a posibles cambios que pueden ocurrir en la plantación, como por ejemplo la inclusión de otra especie de planta que cambie las dinámicas del comportamiento del suelo. Por último, se encuentra los costos de operación de las diferentes técnicas analizadas y principalmente los costos asociados a usar los equipos para tomar los datos desde el punto que se desea.

7 TRABAJO REALIZADO

El trabajo realizado, se basó en el algoritmo propuesto por [21], para obtener los valores del índice de humedad en el suelo, es importante establecer que para el caso del punto de prueba en Taiwán se contaba con los valores de humedad mínima y máxima del campo bajo análisis, mientras que en el caso del punto de prueba en Colombia, no se cuenta con dichas características del terreno.

7.1 Descripción del Resultado Final

En una primera etapa del proyecto, se buscaron los datos de la temperatura superficial del suelo (LST) y de la reflectividad de las bandas 1, 3 y 4 del sensor que se encarga de tomar los datos en los satélites de la NASA®, para calcular el albedo (α). A partir de los datos que se encuentran del satélite se inicia a descender en el algoritmo presentado a continuación.


21

Figura 5. Algoritmo para calcular la humedad en el suelo mediante imágenes satelitales (MODIS) [21].

En la figura 5, se presenta el algoritmo detallado del cálculo del contenido de humedad en el suelo (SMC) y se presentan las diferentes etapas necesarias para calcular cada el parámetro SMC; en cada etapa del algoritmo se calcula el valor de una variable, las cuales como se puede apreciar en la figura 5, son dependientes del tiempo. Al inicio del algoritmo, se encuentra la toma de datos satelitales o METEOSAT, en el caso del presente estudio son imágenes MODIS que se encuentra en la base de datos AρρEEARS [31], que se pueden tomar con un espacio temporal de 5 minutos (en lugares específicos del planeta), diaria, cada ocho días, cada quince días o mensual. A partir de las base de datos AρρEEARS, se pueden descargar los datos de Temperatura Superficial del Suelo (LST), con la etiqueta MOD11A1 en caso que se desee un resolución diaria de 1 km en el terreno y los datos de reflectividad del satélite con la etiqueta MOD09GA, para obtener una resolución diaria de hasta 500 m en el terreno. En base a los anteriores datos, se puede calcular la inercia térmica aparente (ATI), la cual en el presente caso cuenta con una resolución diaria y de 1km sobre el terreno de medición; de igual forma, se encuentran el valor máximo y mínimo del ATI del terreno estudiado. A continuación, se procede a calcular el índice de humedad del suelo superficial, es decir, la primera capa de análisis y donde se estudian los fenómenos básicos de las interacciones entre la atmosfera y el suelo. Una vez calculado dicho índice, se procede a calcular el índice de humedad superficial en base al modelo presentado en [18] y [21], dependiente de funciones exponenciales y la constate de tiempo T que es el tiempo necesario para que haya un cambio en la humedad media del suelo. Acto seguido,


22

se calcula el índice de humedad en el suelo a la profundidad deseada, en el presente estudio de un metro y en base a los datos máximos y mínimos de los índices de contenido de humedad que deben ser obtenidos in situ, se calcula la humedad en el suelo.

7.2 Trabajo computacional

Figura 6. Esquema de ubicación de datos en bases de datos de la NASA®.

En la figura 6, se presenta el algoritmo a seguir para obtener los datos de los índices de humedad en el suelo, a partir de las etiquetas que tiene la NASA® que se encuentran en las diferentes bases de datos. Como se explicó en la sección anterior, se parte de los datos de la base de datos AρρEEARS, se obtienen los índices de reflectividad de la banda 1, 3 y 4; al igual que los valores de temperatura superficial del terreno para el día y la noche. Aplicando la expresión (2) del marco teórico del presente documento, se llega al valor de la inercia térmica aparente (ATI), teniendo en cuenta que el número hace referencia a la porción de la onda que no se refleja de nuevo al sensor y el denominador de la expresión hace referencia al cambio térmico que ocurre en el suelo. Una vez se calcula el ATI, mediante la expresión (3) del marco teórico del presente documento, se obtiene el índice superficial de humedad en el suelo y en base a la expresión (7) del marco teórico del presente documento, se encuentra el índice de humedad a una profundidad deseada. Todos los cálculos anteriores fueron realizados en herramientas para el manejo de bases de datos, ya que en general la cantidad de datos a analizar son relativamente grandes.


23

8 VALIDACIÓN DEL TRABAJO

8.1 Metodología de prueba

Para probar los resultados del algoritmo y previo a realizarlo un estudio puntual en Colombia, se realizó una simulación y comparación con los datos presentados por Chang et al [18], en la provincia de Chiang Mai en el norte de Tailandia, cuyas coordenadas son 18°51’16,3’’ N, 98°47’18,1’’ E; estas coordenadas son de un cultivo de repollo. El estudio realizado por [18] fue hecho entre el año 2005 al 2009, dichas fechas concuerdan con parte del estudio realizado en el presente proyecto; los demás datos, corresponden a años anteriores y posteriores, que fueron descargados de la base de datos de la NASA® AρρEEARS.

Figura 7. Comparación estudio [18] y datos proyecto a profundidad de 100 cm, en Chiang Mai, Tailandia.

En la figura 7, se presentan los resultados comparativos entre los datos presentados en [18] y los realizados en el presente proyecto, en base a la base de datos AρρEEARS. En primer lugar, es necesario establecer que los datos que se usan como reportados en [18], fueron

0,27

0,29

0,31

0,33

0,35

0,37

0,39

Co

nte

nid

o d

e h

um

edad

en

el s

uel

o [

m3

m-3

]

Periodo

Humedad del suelo Tailandia

SMSI SMSI_Exp


24

tomados por el autor del presente documento del mismo artículo, es decir, que en base a la gráficas reportadas en el paper. Como se puede evidenciar en la figura 7, los datos simulados y los datos reportados en el artículo son similares y siguen la misma curva, por lo cual, se piensa que los datos son confiables y el que algoritmo planteado en [21] y seguido en el presente proyecto, puede ser implementado para calcular la humedad en el suelo y en particular para el estudio que se desea realizar en Colombia. De igual forma, es necesario establecer que en parte los errores en los valores que se presentan en la gráfica, fueron debidos a la interpolación lineal que se realizó para obtener un mayor número de datos, fuera de los que se obtuvieron del archivo entregado por la base de datos AρρEEARS.

En cuanto al contenido de la figura 7, se puede apreciar que los datos del estudio varían entre 0,30 m3m-3 y 0,37 m3m-3; dichos valores son los límites seco y húmedo en su orden del campo que se está analizando a una profundidad de 100 cm. De igual forma, se puede evidenciar que se siguen unos ciclos a lo largo del estudio, es importante decir que a medida que se realiza el estudio a mayor profundidad la curva tiene a suavizarse y los datos tienen a concentrase en mayor proporción en la franja de los límites seco y húmedo y a tener máximos más bajos que en el caso superficial, como es de esperar. Por otra parte, se puede establecer que los ciclos en la gráfica son principalmente debidos a las temporadas secas y húmedas, puesto que la duración de los anchos en las gráfica es de aproximadamente 180 días, es decir, 3 meses.

8.2 Validación de los resultados del trabajo

Figura 8. Gráfica comparativa entre tiempos de cambio de humedad media en la zona (T) a 100 cm en Zipaquirá,

Colombia.

0

0,1

0,2

0,3

0,4

0,5

0,6

Índ

ice

de

co

nte

nid

o d

e a

gua

en

su

elo

(SM

SI)

[m

3 m

-3 ]

Fecha de datos analizados

Gráfico comparativo índice de humedad suelo

SMSI 10 Días

SMSI 20 Días

SMSI 30 Días

SMSI 40 Días

SMSI 50 Días

SMSI 60 Días

SMSI 70 Días


25

En la figura 8, se presentan los datos obtenidos siguiendo el algoritmo presentado por [21], para Zipaquirá, Colombia; el punto tiene las coordenadas: 4° 59’ 32,1’’ N y -74° 1’ 55,8’’ E, esta es una zona agrícola y se piensa que es un terreno que no está siendo usado para cultivos en el momento. En primer lugar, es necesario establecer que debido a que se desconocen las características del suelo en la zona de estudio, se presentan los datos para constantes de tiempo de cambio de la humedad media de la zona (T) iguales a 10, 20, 30, 40, 50, 60 y 70 días. Como se evidencia en la figura 8, los valores del índice de humedad en el suelo son menores a medida que la constate T aumenta, lo anterior puede ser explicado porque el tiempo en que se demora en cambiar la humedad a una profundidad de 100 cm es mayor, es decir, que se retiene mayor cantidad de humedad o de agua en periodos de tiempo más largos.

Nuevamente, se puede evidenciar que los datos siguen un patrón oscilatorio debido a las temporadas seca y húmeda que se presentan en la zona y a la cantidad de agua que se puede almacenar a 100 cm de la superficie. Entre los años 2002 y 2005 se puede establecer que se sigue un patrón constante de humedad y a medida que se acerca al año 2005 dicho patrón aumenta. A diferencia del caso de Tailandia, los aumentos y disminuciones son más brucos, es decir, que la gráfica si se siguiera punto a punto existirían puntos de discontinuidades y no habría subidas lineales a los puntos máximos del índice de humedad del suelo. Por otra parte, en base a los datos obtenidos, se puede plantear que los cambios en la humedad en el suelo en Zipaquirá, Colombia son escalonados, ósea que tiene largos periodos de duración con valores constantes y luego suben a otros valores constantes.

Es necesario establecer que por razones del tiempo y debido a que no era un objetivo fundamental del proyecto, no se realizaron medidas in situ en Zipaquirá, Colombia; sin embargo, sí se desarrolló un algoritmo para tomar los datos y poderlos comparar con los datos obtenidos previamente. Los materiales necesarios para tomar las mediciones in situ son los siguientes: Sonda Hydra Probe, Data Logger o Data Reader, dos tubos de mínimo un metro de longitud, uno de 1,5 pulgadas de diámetro y otro de 2 pulgadas de diámetro y alimentación de 12 voltios para la sonda. El algoritmo para tomar los datos in situ es el siguiente:

1. Calibrar la sonda Hydra Probe en base al catálogo [28], dependiendo del tipo de suelo.

2. Usar el tubo de dos pulgadas de diámetro para abrir un hueco en la tierra, para poder insertar la sonda en el suelo.

3. Asegurar la sonda al tubo de 1,5 pulgadas de diámetro, para poder enterrarla en el suelo.

4. Para tener concordancia con los datos obtenidos de las imágenes MODIS, realizar mediciones cada kilómetro del terreno.


26

5. Es necesario tomar varias pruebas alrededor de los puntos para obtener un resultado más confiable, por lo cual, se puede usar el método de la estrella, que es tomar datos en forma estrella distanciados entre 70 y 100 centímetros cada uno.

6. Repetir desde el paso 2 en cada nuevo punto de medición. Y guardar los datos

Se seleccionó la sonda Hydra Probe, ya que en [29] y [32] se presentan casos exitosos del uso de la sonda en estudios realizados en Argentina y en Europa, que han sido de referencia de varios estudios, lo cual genera una alta confiabilidad en el uso de este instrumento.

Tabla 8. Materiales necesarios compra o recursos propios de la universidad.

Ítem Necesario comprarlo para el estudio

Recurso de la universidad

Sonda Hydra Probe X

Data logger o Data Reader X

Software lectura datos X

Alimentación 12 V X

PC X

Tubos X

En la tabla 8, se presentan los ítems necesarios para realizar la medición in situ de la humedad en el suelo, se discrimina que ítems se encuentran la universidad y pueden pedirse prestados y que ítems son necesarios comprar para realizar el estudio. Los costos asociados a la sonda y el data logger son de $USD 2.374, 35 y de la sonda con el data reader son de $USD 1.895,00; adicional a estos costos es necesario contemplar los costos de los tubos y los costos de desplazamiento al punto en el cual se van a realizar las mediciones.

8.3 Evaluación del plan de trabajo

En base a lo presentado previamente, se puede establecer que se cumplieron con los requerimientos y los objetivos del proyecto, ya que se planteó un una estrategia para medir la humedad a profundidad y se encontró que era viable realizar el estudio con equipos que funcionan con principios electromagnéticos. En términos generales, el proyecto cumplió a cabalidad con el objetivo y en particular con las especificaciones del mismo; sin embargo, es necesario tener presente que se pudo haber realizado la toma de datos experimentales en Zipaquirá, Colombia; si se hubiese contado con mayor tiempo. Finalmente, es necesario


27

establecer que si bien el algoritmo para conocer la humedad en el suelo en Zipaquirá, Colombia no se cumplió a totalidad ya que no se contaba con los datos de límites seco y húmedo del suelo en la zona de estudio, si se logra dar un resultado de la forma en la que se comporta la humedad en el suelo en Zipaquirá, Colombia.

9 DISCUSIÓN

En el presente proyecto, se analizó el uso del algoritmo presentado en [18] y [21], para calcular la humedad en el suelo a una profundidad de 100 cm, a partir de imágenes satelitales Moderate Resolution Imaging Spectroradiometer (MODIS) en dos zonas del paneta, la primera en Chiang Mai, Tailandia y la segunda en Zipaquirá, Colombia. En base a estos resultados, se ha podido establecer que es una técnica que se puede usar en cualquier parte del mundo y ya que la base de datos de la NASA® es gratuita, se cuenta con una fuente confiable y de costos nulos, para obtener los datos. Si bien es cierto que los índices se pueden calcular en cualquier parte del mundo, no en todas partes se obtiene la misma resolución de los datos, lo anterior, es principalmente establecido porque los datos que se obtuvieron de Zipaquirá fueron considerablemente menores a los datos obtenidos para Chiang Mai. Por lo cual, la posición con respecto al Ecuador, plantea un primer impedimento para aplicar este método, ya que hacia el Ecuador, los datos se ven distorsionados por la presencia de nubes y no pueden ser leídos igual de fácil que en otros puntos más distantes del Ecuador.

Como se mencionó previamente, sería interesante realizar las mediciones in situ experimentales, ya que permitiría conocer los límites secos y húmedos del terreno en Zipaquirá y permitiría dar valores exactos de la humedad en el suelo. Como trabajo futuro valdría la pena ampliar los horizontes de tiempo en los que se han hecho los estudios y en particular en Zipaquirá, ya que permitiría tener precedentes del uso de esta técnica en Colombia, con el fin de mejorar la industria agrícola del país. De la misma forma, resulta muy interesante poder realizar el estudio en cultivos en diferentes regiones del país, con la finalidad de crear un mapa o una guía de los mejores lugares o los mejores instantes de tiempo para cultivar un terreno y que tipo de planta es más óptimo cultivar en ciertas zonas en determinados instantes de tiempo.

Por otra parte, se puede evidenciar que aún existen pequeñas cosas para continuar mejorando en el algoritmo presentado en [18] y [21], para medir la humedad a profundidad del suelo. La primera de ellas es la constante de tiempo de cambio de humedad media en la zona, ya que aún es muy empírico el valor a ser usado y por ello es necesario simular varios escenarios, sería interesante poder estandarizar un valor dependiendo del lugar geográfico o en base a los datos obtenidos de las imágenes satélites. El otro detalle a mejorar del método, es el conocimiento para calcular los límites seco y húmedo del terreno, ya que dichos datos deberían poderse calcular o en su defecto tener un estándar para los diferentes tipos de suelo, que se pueda consultar en las bases de datos.


28

En cuanto a los objetivos del proyecto, en una visión general de los mismos, es claro que se cumplieron, puesto que se propuso un método para conocer la humedad a profundidad en el suelo en base a principios electromagnéticos, basados en los estudios presentados por [18] y [21]. De igual forma, se cumplió con la revisión del estado del arte de las diferentes técnicas que se usan en la actualidad a nivel mundial para conocer la humedad en el suelo a diferentes profundidades y se presentó un procedimiento experimental para validar los datos y los resultados obtenidos a partir de la base de datos de la NASA®. Por último, se puede establecer que en términos generales el proyecto logra abrir una visión más amplia y se vuelve un primer proyecto exploratorio, para poder conocer la humedad en el suelo en base a principios electromagnéticos y en particular para el caso de la industria agrícola en Colombia.

10 CONCLUSIONES

Al finalizar el presente proyecto, se puede evidenciar que los datos de las imágenes satelitales se pueden conocer para cualquier punto geográfico sobre la tierra, pero no en para todos los puntos geográficos de la tierra se pueden conseguir una amplia cantidad de datos, como ocurren en el caso de Colombia. A pesar de lo anterior, es necesario establecer que ya que el método tiene memoria del punto, es decir, que se pueden tener en cuenta y como referente valores históricos del ATI y por ende de la humedad en el suelo, se puede corregir el modelo en base a las características históricas que se han presentado. De igual forma, se puede comprender como resultado que el método busca realizar un seguimiento de los datos históricos, con la finalidad de conseguir un valor de la humedad en volumen y pese a que los datos del punto no sean conocidos en todo instante de tiempo, es posible mejorar la predicción a medida que se logra hacer un seguimiento más detallado del punto de geo referencia. Por lo cual, es posible establecer que es posible replicar con éxito un estudio para conocer la humedad en el suelo en base a imágenes satelitales de resolución moderada (MODIS), en un país cercano al Ecuador, como lo es Colombia.

En segundo lugar, es posible comprender que existen algunos pasos a mejorar en el algoritmo para obtener la humedad en el suelo, ya que aún son necesarios varios parámetros que deben ser encontrados experimentalmente. El primero de ellos es la constate de tiempo de cambio de humedad media en la zona (T), ya que en los estudios analizados, dicho parámetro se haya luego de simular varias veces el índice de humedad en el suelo y compararlo ben sea con los valores experimentales del índice o con los datos experimentales de la constante pseudo difusiva de área representativa (C). El otro punto a mejorar, es la necesidad de encontrar los límites seco y húmedos del campo donde se realiza el estudio, para poder encontrar los valores máximos y mínimos entre los que varía la humedad en el suelo y para poder pasar del índice de humedad en el suelo, al valor de la humedad en el suelo como tal.


29

Se logran observar comportamientos cíclicos en la humedad volumétrica del suelo, lo anterior podría ser consecuencia de que la humedad en el suelo dependa directamente de los periodos estacionarios del punto geográfico bajo análisis. Con lo anterior, se quiere hacer énfasis en la predominancia de las lluvias o más bien del agua que provenga de la atmósfera, sobre la irrigación hecha por el hombre en los campos en los que se realiza el estudio. De igual forma, se logra evidenciar que en Tailandia y en Colombia los patrones de humedad en el suelo son diferentes, es decir, la forma de la curva cambia entre estos dos lugares y presente diferencias en la curva que permite llegar a los máximos.

En cuanto al estudio realizado en Zipaquirá, se encuentra que el índice de humedad en el suelo sigue un modelo escalonado, ósea que se mantiene constante durante un periodo de tiempo, luego sube en forma casi que instantánea al siguiente grupo de valores en los que permanece constante otro periodo de tiempo. En este caso en particular, resulta interesante que aunque se pierden muchos datos debido a la nubosidad que se presenta en el país, aún es posible realizar el estudio y sobre todo es posible presentar un grupo de datos representativos tanto de los índices de humedad, como de la inercia térmica aparente (ATI). Finalmente, también resulta interesante pensar el protocolo de prueba para tomar datos in situ y este proyecto del cálculo de la humedad a una profundidad de 100 cm como un proyecto inicial, del cual se desprendan varios estudios; con el fin de hacer crecer más la industria agrícola en Colombia y para fomentar la investigación y el desarrollo en el sector agrario.

Como se describió previamente los costos del desarrollo del proyecto podrían estar cerca de lo $USD 2.400, incluyendo la sonda, el software y el equipo para almacenar y convertir los datos a formatos compatibles con el computador. Dicho valor recae principalmente en los costos de tomar las medidas in situ, ya que los cálculos computacionales son completamente gratuitos y pueden ser descargados desde cualquier computador con conexión a internet. Una vez validado el algoritmo, para el cálculo de la humedad en el suelo en un determinado campo, la aplicabilidad del algoritmo presentado a lo largo del presente documento se convierte en un proceso bastante simple e iterativo , que puede facilitar toma de decisiones importantes, como por ejemplo en que época del año es mejor plantar determinados productos.

11 AGRADECIMIENTOS

En primer lugar quisiera darle las gracias a Dios por la oportunidad de realizar este trabajo de grado y enfocarlo en un tema que finalmente pienso, puede ser de gran ayuda para el país. En segundo lugar, quisiera agradecerles a mi madre Carmenza y a mi padre David Antonio, por todo el apoyo brindado en este tiempo, por su apoyo incondicional y sus trasnochadas en el tiempo de la carrera. En tercer lugar, quisiera darle las gracias a mi asesor Juan Carlos Bohórquez, quien estuvo muy pendiente en cada paso del proyecto, me


30

brindo un apoyo incondicional y a quien debo gran parte del éxito del presente proyecto, además de su apoyo para continuar mis estudios en maestría.

Además de los anteriores quisiera agradecerles al profesor Fredy Segura y al profesor Néstor Peña, quienes a lo largo del proyecto y con apoyo del grupo de Telecomunicaciones, realizaron retro alimentaciones valiosas para sacar adelante el proyecto.

12 REFERENCIAS

[1]. F. Dagefu y K. “Sarabandi. Soil Dielectric ans Senisitivity Analysis for Subsurface Imaging Applications Based on Distributed Sensor Networks”. IEEE International Geoscience and Remote Sensing Symposium (IGARSS10), 2010, pp. 1839-1842.

[2]. S. Lambot, et al. “Modeling of Ground-Penetrating Radar for Accurate Characterization of Subsurface Electric Properties”. IEEE Transactions on Geoscience and Remote Sensing, 2004, Vol. 42, pp. 2555-2568.

[3]. M. Burgin, A. Tabatabaeenejad y M. Moghaddam. “A generalized Radar Scattering Model for Multispecies Forests with Multilayer Subsurface Soil”. IEEE International Geoscience and Remote Sensing Symposium (IGARSS12), 2012, pp. 5817-5819.

[4]. P. O’Neill, et al. “Soil Moisture Retrieval Through Changing Corn Using Active/Passive Microwave Remote Sensing”. IEEE International Geoscience and Remote Sensing Symposium (IGARSS03), 2003, pp. 407-409.

[5]. U. Khankhoje, et al. “Using Polarimetric Data to Infer Soil Moisture from Surfaces with Varying Subsurface Moisture Profiles”. IEEE International Geoscience and Remote Sensing Symposium (IGARSS12), 2012, pp. 1453-1456.

[6]. A. Tabatabaeenejad y M. Moghaddam. “Radar Retrieval of Surface and Deep Soil Moisture and Effect of Moisture Profile on Inversion Accuracy”. IEEE letters on Geoscience and Remote Sensing, 2010, Vol. 8, pp. 478-482.

[7]. R. Lang, et al. “L-Band Active and Passive Sensing of Soil Moisture through Forests”. IEEE MIcroRad, 2006, pp. 193-196.

[8]. A. Tabatabaeenejad, et al. “Airborne Microwave Observatory of Subcanopy and Subsurface Radar Retrieval of Root Zone Soil Moisture: Preliminary Results”. IEEE Radar Conference, 2013, pp. 1-4.

[9]. A. Tabatabaeenejad, et al. “P-Band Radar Retrieval of Subsurface Soil Moisture Profile as a Second-Order Polynomial: First AirMOSS Results”. IEEE Transactions on Geoscience and Remote Sensing, February 2015, Vol. 53, pp. 645-658.

[10] W. Yichang, et al. “Estimating Soil Moisture in Semi-arid Region by Remote Sensing Base don TM Data”. IEEE International Conference on Multimedia Technology (ICMT), 2010, pp. 1-5.


31

[11]. P. O’Neill, et al. “Performance Comparison of a Point-Scale LSP Model and the NOAH Distributed SVAT Model for Soil Moisture Estimation Using Mcrowave Remote Sensing”. ”. IEEE International Geoscience and Remote Sensing Symposium (IGARSS01), 2001, pp. 34-36.

[12]. Y. Yanmin, et al. “Soil Moisture Monitoring Using Hyper-Spectral Remote Sensing Technology”. IEEE Second IITA International Conference on Geoscience and Remote Sensing (IITA-GRS), 2010, Vol. 2, pp. 373-376.

[13]. R. Tang, et al. “Interpretation of Surface Temperature/Vegetation Index Space for Evapotranspiration Estimation from SVAT Modeling”. IEEE International Geoscience and Remote Sensing Symposium (IGARSS15), 2015, pp. 2028-2030.

[14]. C. Peng, M. Deng y L. Di. “Relationships Between Remote-Sensing-Based Agricultural Drought Indicators and Root Zone Soil Moisture: A Comparative Study of Iowa”. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014, Vol. 7, pp. 4572-4580.

[15]. M. Holzman, R.Rivas y M. Bayala. “Subsurface Soil Moisture Estimation by VI-LST Method”. IEEE Geoscience and Remote Sensing letters, November 2014, Vol. 11, pp. 1951-1955.

[16]. I. Sandholt, K. Rasmussen y J. Andersen. “A Simple Interpretation of the Surface Temperature/Vegetation Index Space for Assessment of Surface Moisture Status”. ELSEVIER Remote Sensing of Environment, 2002, Vol. 79, pp. 213-224.

[17]. M. Bayala, R. Rivas y M. Scavuzzo. “Generación de Mapas de Temperatura de Alta Resolución mediante Técnicas de Remuestreo”. INTERCIENCIA, July 2013, Vol. 38, pp. 502-508.

[18]. T. Chang, et al. “Estmation of Root Zone Soil Moisture Using Apparent Thermal Inertia With MODIS Imagery Over a Tropical Catchment in Northern Thailand”. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, June 2012, Vol. 5, pp. 752-761.

[19]. F. Znag, et al. “Soil Moisture Monitoring Based on Land Surface Temperature-Vegetation Index Space Derived from MODIS Data”. ELSEVIER Pedosphere, 2014, Vol. 24, pp. 450-460.

[20]. C. Ma, et al. “Soil Moisture Retrieval in the Heihe River Basin Based on the Real Thermal Inertia Method”. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, June 2013, Vol. 6, pp. 1460-1467.

[21]. W. Verstraeten, et al. “Soil moisture retrieval using thermal inertia, determined with visible and thermal spaceborne data, validated for European forests”. ELSVIER Remote Sensing of Envirometn, Vol 101, 2006, pp 299-314.


32

[22]. M. Bayala. “Generación de mapas de temperatura radiativa de superficie utilizando datos de baja resolución espacial mediante técnicas de remuestreo”. Tesis Maestría. R. Rivas, asesor, M. Scavuzzo, co-asesor. Universidad de Códoba [on line]. Disponible en: http://www.famaf.unc.edu.ar/wp-content/uploads/2014/04/3-Gulich-Bayala-Mart%C3%ADn.pdf. Consultado febrero 23 de 2016.

[23]. NASA. “MODIS Moderate Resolution Imaging Spectroradiometer”. [on line]. Availabel on: http://modis.gsfc.nasa.gov/data/directbrod/, february 23 2016.

[24]. A. Torres, J. Ramos y J. Garcia “Evaluación de mediciones in situ de humedad de suelo a escala puntual: sensores alámbricos e inalámbricos”. XXIX SOMI Congreso de Instrumentación, 2014, México, pp. 1-8.

[25]. CAMPBELL. “INSTRUCTION MANUAL”. [on line]. Availabel on: https://s.campbellsci.com/documents/us/manuals/cs616.pdf, may 19 2016.

[26]. DECAGON DEVICES. “EC-5 Soil Moisture Sensor Operator’s Manual”. [on line]. Available on: http://manuals.decagon.com/Manuals/13876_EC-5_Web.pdf, may 19 2016.

[27]. SENTEK. “Diviner Instruction Manual”. [on line]. Available on: http://www.fondriest.com/pdf/sentek_diviner_manual.pdf, may 19 2016.

[28]. STEVENS. “Hydra Instruction Manual”. [on line] Available on: http://www.fondriest.com/pdf/stevens_hydra_manual.pdf may 19 2016.

[29]. R. Solorza. “Estimación de la humedad superficial del suelo mediante el uso combinado de modelos electromagnéticos y un enfoque bayesiano. Estudio exploratorio en imágenes SARAT”. Tesis Maestría. C. Notarnicola, asesora, H. Karszenbaum, co-asesora. Universidad de Córdoba. [on line]. Available on: http://aulavirtual.ig.conae.gov.ar/moodle/pluginfile.php/512/mod_page/content/98/TesisSolorza_1eraParte.pdf, mayo 19 2016.

[30]. A. Cracknell and Y.Xue. “Thermal inertia determination form space – a tutorial review”. Insternational Journal of Remote Sensing, february 1996, Vol. 17, No. 3, pp. 431 – 461.

[31]. AρρEEARS NASA. AρρEEARSP LP DAAC. [on line]. Availabel on: https://lpdaacsvc.cr.usgs.gov/appeears/, february 23 2016.

[32]. G. Portal. “Comparación entre los productos de humedad del suelo SMOS y ECV”. Proyecto final. M. Vall-llossera, M. Piles y A. Camps asesores. Universitat Politècnica de Catalunya (UPC). Septiembre 2015.


33

13 APENDICES

13.1 Descarga de datos de la base de datos AρρEEARS [31]

1. Entra a la página oficial de la base de datos AρρEEARS [31].

2. Crear una cuenta suministrando un correo electrónico.


34


35

3. Una vez registrado, regresar al inicio de la base de datos AρρEEARS y allí hacer clic en “Extract” y luego en “Point sample”

4. Llenar los datos que aparecen en la pantalla, como nombre del punto “name”, las coordenadas del punto “Upload coordinates”, las fechas de inicio y fin de toma de datos “Start day” “End day”, seleccionar la etiquetas “Select the layers”, para el caso del presente estudio “MOD11A1”, para temperatura superficial del suelo y “MOD09GA”, para la reflectividad y finalmente seleccionar los datos que se desean “Selected layers”.


36

5. Una vez llenos los datos, dar clic en el botón submit. 6. Luego ir a la botón “Explore”

7. Esperar a que se encuentren los datos listos para descargar, para ello debe estar habilitado en botón de download.

Download


37

13.2 Sensores buscados para realizar la toma de datos in situ

1. Sensor CS616 de Campbell

Usado para conocer humedad en suelo, se usa con ayuda de un data logger que guarda la información del sensor para después ser leía en computador. Es un sensor que se presenta como útil para humedad en suelos con variedad de composición. Revisar [25] para mayor información.

2. Sensor EC-5 Decagon

Usado para conocer humedad en suelo, se usa con ayuda de un data logger que guarda la información del sensor para después ser leía en computador. Es un de bajo costo, que permite y se sugiere que se monte una red de señores para monitorear el campo bajo estudio. Revisar [26] para mayor información.

3. Sensor Diviner 2000 de Sentek


38

Usado para conocer humedad en suelo, este sensor tiene incorporado un monitor que permite conocer los datos en tiempo real, guardarlos y ver la gráfica de su comportamiento en variables continuas y discretas. Es un sensor de alto costo, que no es ampliamente utilizado. Revisar [27] para mayor información.

4. Sensor Hydra Probe

Usado para conocer humedad en suelo, se usa con ayuda de un data logger que guarda la información del sensor para después ser leía en computador. Es un sensor que se presenta como útil para humedad en suelos con variedad de composición y que tiene un costo no tan alto, ha sido usado en varios estudios de alto impacto [29], [32]. Revisar [28] para mayor información.

LA UNIVERSIDAD DE LOS ANDES FACULTAD DE INGENIERÍA ...

Documents

Transcript of LA UNIVERSIDAD DE LOS ANDES FACULTAD DE INGENIERÍA ...