TFM - Adolfo Díaz

SERIES TEMPORALES DE VEGETACIN
PARA UN MODELO HIDROLGICO DISTRIBUIDO

Trabajo de Fin de Mster
Mster en Hidrulica Ambiental

Autor:
ADOLFO DAZ GUTIRREZ
Grupo de Hidrologa e Hidrulica Agrcola
Departamento de Agronoma
Universidad de Crdoba

Tutoras:
MARA JOS POLO GMEZ
MARA PATROCINIO GONZLEZ DUGO

Septiembre 2007

I

ndice general

Agradecimientos...........................................................................................................1

Introduccin y objetivos.............................................................................................. 3

I. Series temporales de vegetacin

1. Estudio de la vegetacin mediante teledeteccin........................................... 7

2. Zona de estudio .............................................................................................. 11

3. Anlisis del tipo de vegetacin .......................................................................15
3.1. Clasificacin de la cuenca ..........................................................................................15
3.2. Distribucin espacial de la vegetacin .....................................................................19
3.3. Validacin de la clasificacin.....................................................................................21

4. Evolucin temporal de la vegetacin ............................................................ 27
4.1. Seleccin de imgenes de satlite..............................................................................27
4.2. Procesamiento y validacin de las imgenes...........................................................32
4.3. Evolucin temporal de la cobertura vegetal ...........................................................35

II. Modelo distribuido de interceptacin de lluvia

5. Prdidas por interceptacin de lluvia ............................................................ 45

6. Modelo de interceptacin.............................................................................. 49

7. Aplicacin a escala de cuenca ....................................................................... 55
7.1. El Modelo Guadalfeo.................................................................................................55
7.2. Datos meteorolgicos................................................................................................57
7.3. Capacidad de almacenamiento de la cubierta vegetal............................................59

8. Resultados del modelo y discusin............................................................................61
8.1. Resultados bsicos del modelo .................................................................................61
8.2. Interceptacin a escala de cuenca.............................................................................63
8.3. Interceptacin por tipo de vegetacin.....................................................................70

Conclusiones ............................................................................................................. 75

Futuras lneas de investigacin................................................................................. 77

II
Anejos

A. Pre-procesamiento de las imgenes de satlite.....................................................81
A.1. Esquema del proceso.........................................................................................................81
A.2. Correccin geomtrica.......................................................................................................82
A.3. Calibracin radiomtrica ...................................................................................................83
A.4. Correccin atmosfrica......................................................................................................84
A.5. Correccin topogrfica......................................................................................................85
A.6. Fuentes de error .................................................................................................................89

B. Campaas de medida en campo........................................................................... 93
B.1. Medidas de reflectividad y cobertura vegetal..................................................................93
B.2. Validacin de las imgenes pre-procesadas ....................................................................97

C. Revisin capacidad de almacenamiento de la cubierta vegetal........................... 99

Bibliografa............................................................................................................... 103

III

ndice de figuras

1.1. Respuesta espectral tpica de la vegetacin. Fuente: Chuvieco (1996) ...............................9

2.1. Esquema de la cuenca del ro Guadalfeo..............................................................................11

2.2. Modelo digital de elevaciones e hidrografa de la cuenca del ro Guadalfeo ...................12

2.3. Imagen de la ladera Oeste de la subcuenca del ro Torvizcn (3 de agosto de
2004)..........................................................................................................................................13

3.1. Algunas de las reas de entrenamiento seleccionadas sobre la imagen de satlite
para la clasificacin supervisada ............................................................................................17

3.2. Mapa de coberturas del suelo de la cuenca del ro Guadalfeo derivada de
imgenes Landsat de los aos 2003-2005. ...........................................................................20

3.3. Mapa de coberturas de la cuenca de Guadalfeo y distribucin de la muestra de
puntos para la elaboracin de la matriz de error.................................................................23

4.1. Imgenes Landsat disponibles para el ao hidrolgico 2002/03. .....................................29



4.4. Distribucin de valores de NDVI en las 15 imgenes disponibles de la cuenca
Guadalfeo. ................................................................................................................................34

4.5. Relacin entre la fraccin de cobertura calculada con la imagen de satlite de 18-
ago-04 y la medida en campo el 2-3 agosto 2004. ..............................................................35

4.6. Mapa de cobertura vegetal de la cuenca del Guadalfeo de 30-mar-05. ............................36

4.7. Ejemplo de zonas seleccionadas para analizar su evolucin temporal segn la
clase de cubierta vegetal. La imagen de fondo es la imagen Landsat de 28-ene-03
visualizada mediante una combinacin de bandas 4-3-2. ..................................................37

4.8. Evolucin temporal de las cubiertas vegetales de la cuenca del Guadalfeo durante
el periodo 1septiembre2002 31agosto2005......................................................................39

4.9. Evolucin temporal de la cubierta de matorral en funcin la precipitacin y la
temperatura. .............................................................................................................................41

6.1. Balance de agua en la cubierta vegetal. ..................................................................................49

IV
6.2. Esquema del modelo de interceptacin aplicado. Se representan las variables que
intervienen en su ejecucin. ...................................................................................................53

7.1. Estaciones meteorolgicas de la cuenca. Fuente: Aguilar y Polo (2006)..........................57

7.2. Precipitacin media (mm/ao) entre 1999-2002. Fuente: Herrero (2006). .....................58

7.3. Temperatura media anual (C) entre 1990-2002. Fuente: Herrero (2006). ......................58

8.1. Evolucin horaria de la humedad de la cubierta vegetal y de los flujos de
precipitacin incidente (P), evaporacin potencial (Ep), evaporacin real de agua
interceptada (E), y lluvia interceptada (I). Los datos corresponden a un evento
de lluvia (28-29 noviembre 2002), en el que se registraron 20.6 mm de lluvia
sobre una cubierta de almendros. .........................................................................................62

8.2. Relacin entre intensidad de lluvia y prdidas por interceptacin para los eventos
ocurridos en el ao hidrolgico 2003/2004 sobre un pxel de conferas en la
cuenca del Guadalfeo..............................................................................................................63

8.3. Distribucin espacial de la precipitacin en la cuenca del Guadalfeo en el ao
hidrolgico 2002/2003. Los valores caractersticos fueron: P
max
= 1052.9 mm;
P
min
= 419 mm; P
med
= 671 mm. ...........................................................................................65

max
= 1487 mm; P
min

= 423 mm; P
med
= 826.9 mm. ................................................................................................65

max
= 543.1 mm; P
min

= 201 mm; P
med
= 320.3 mm. ................................................................................................66

8.6. Distribucin espacial de las prdidas por interceptacin en la cuenca del
Guadalfeo en el ao hidrolgico 2002/2003. Los valores caractersticos fueron:
I
max
= 108.5 mm; I
med
= 40.8 mm. .........................................................................................66

I
max
= 121.6 mm; I
med
= 37.4 mm..........................................................................................67

I
max
= 45.4 mm; I
med
= 15.3 mm. ...........................................................................................67

8.9. Relacin entre la intensidad de lluvia media de un evento y las prdidas por
interceptacin para el periodo 2002-2005 ..........................................................................70

8.10. Prdidas por interceptacin acumuladas (expresadas como porcentaje de la
precipitacin anual) para los tipos de cubierta vegetal caractersticos de la cuenca
del Guadalfeo. ..........................................................................................................................71

V
A.1. Esquema del tratamiento de imgenes de satlite realizado para la obtencin de
la fraccin de cobertura vegetal del suelo. ...........................................................................81

A.2. Situacin de los puntos de control sobre la imagen de satlite de 1-sep-03. ..................83

A.3. Efecto de la atmsfera en la radiacin que mide el sensor................................................84

A.4. Ejemplo de recta de regresin obtenida para la banda 4 de la imagen Landsat de
25 noviembre 2002. En este caso k=0.366 .........................................................................88

A.5. Detalle de la imagen Landsat de abril 2004 antes (izquierda) y despus (derecha)
de la correccin topogrfica...................................................................................................89

A.6. Iluminacin de la superficie en el momento de adquisicin de la imagen Landsat
de 23-enero-2004. La zona que se observa corresponde a la parte central de la
cuenca del Guadalfeo y el grado de iluminacin se representa mediante el
coseno del ngulo de incidencia. ...........................................................................................90

B.1. Situacin de las parcelas seleccionadas para el muestreo de campo. Se indica
tambin el lmite de las subcuencas del ro Poqueira (al Norte) y del Torvizcn
(al Sur). Los puntos de color rojo indican las parcelas del muestreo realizado en
enero 2004, y los de color amarillo corresponden al de agosto 2004. Los puntos
se muestran sobre la imagen de 18-agosto-1004 en una combinacin de falso
color de las bandas 5,4,3.........................................................................................................94

B.2. Itinerario seguido en la Parcela 1 para tomar datos de reflectividad con el
espectroradimetro .................................................................................................................95

B.3. Ejemplos de parcelas seleccionadas para la recogida de informacin de campo.
Arriba a la izq. parcela de encinar denso; arriba a la derecha parcela de conferas;
abajo a la izq. parcela de matorral; y abajo a la derecha parcela de pasto de alta
montaa. ...................................................................................................................................96

B.4. Respuesta espectral extrada de las imgenes de satlite para distintos tipos de
vegetacin frente a la respuesta tpica de la vegetacin. ....................................................98

VI

ndice de tablas

1.1. Aplicaciones de las bandas espectrales del sensor Thematic Mapper (Lillesand y
Kiefer, 2000)...............................................................................................................................8

3.1. Clases de inters seleccionadas para clasificar los tipos de cubierta del suelo en la
cuenca........................................................................................................................................16

3.2. Superficie de la cuenca ocupada por cada clase de inters y nmero de puntos
necesarios para la validacin de la clasificacin. .................................................................22

3.3. Matriz de error del mapa de coberturas de Guadalfeo. ......................................................24

3.4. Precisin del mapa de coberturas de Guadalfeo, por clase y global. ................................24

7.1. Capacidad de almacenamiento asignada a cada cubierta vegetal de la cuenca.................60

8.1. Resultados del modelo de interceptacin promediados para la cuenca completa y
el ao estudiado. SD expresa la desviacin estndar. .........................................................64

8.2. Resumen de los eventos de lluvia ocurridos durante los 3 aos del estudio. ..................69

A.1. Coeficientes de calibracin para Landsat 5, en unidades (W/m
2
sr m).........................84

A.2. Coeficientes de calibracin para Landsat 7, en unidades (W/m
2
sr m).........................84

A.3. Constantes de Minnaert (k) obtenidas para cada banda e imagen. ..................................88

A.4. Superficie sin informacin en cada imagen de satlite utilizada. ......................................91

B.1. Respuesta espectral promediada en 2 parcelas seleccionadas. Enero de 2004. ..............97

B.2. Respuesta espectral promediada en la parcela 1. Agosto 2004. ........................................97

C.1. Capacidad de almacenamiento (S) de los bosques de conferas........................................99

C.2. Capacidad de almacenamiento (S) de diversos bosques. ................................................ 100

C.3. Capacidad de almacenamiento (S) de especies arbustivas y matorral ........................... 100

C.4. Capacidad de almacenamiento (S) de algunos cultivos y plantas herbceas. ............... 101

Agradecimientos

1

Agradecimientos

Agradezco a mis tutoras M Jos Polo y M Pat. Gonzlez todo el esfuerzo
dedicado a este trabajo. Su gua en forma de brillantes ideas ha hecho posible su realizacin.

La estrecha colaboracin con Javier Herrero (Grupo de Ros y Embalses de la
Universidad de Granada) para incorporar los resultados de este trabajo en el modelo
hidrolgico global y su paciente ayuda para aprender a manejar esta herramienta
informtica han permitido el xito del proyecto.

Tambin quiero agradecer los consejos y aportaciones de todos aquellos
investigadores con los que me he relacionado en este tiempo, destacando a los catedrticos
Juan Vicente Girldez (Grupo de Hidrologa e Hidrulica Agrcola de la UCO) y Susan
Moran (USDA - ARS Southwest Watershed Research Center, en Tucson, AZ, EEUU).

Este trabajo se ha realizado en el marco del convenio de colaboracin entre la
Universidad de Granada y la Universidad de Crdoba, para el desarrollo del Estudio
Piloto para la Gestin Integrada de la Cuenca Hidrogrfica del Ro Guadalfeo financiado
por el Instituto del Agua de Andaluca, sin cuyo apoyo no habra sido posible su desarrollo.

Durante parte del periodo de realizacin de este trabajo he recibido soporte
econmico de la Universidad de Crdoba en forma de becas de investigacin, por lo que le
debo tambin mi agradecimiento.

Introduccin y objetivos

3


La influencia de la vegetacin en la hidrologa de una cuenca ha sido observada
desde la antigedad. Plinio el Viejo fue probablemente el primero que se refiri al papel
hidrolgico de los bosques. En su Historia Natural (escrita en el siglo primero AD),
observ lo siguiente: Con frecuencia, tras la tala de un bosque, las reservas de agua de las
que los rboles se alimentaban emergen. Belgrand, un ingeniero francs del siglo XIX, fue
el primero en organizar mediciones hidromtricas comparativas para evaluar el impacto
hidrolgico de los bosques. Tras sus observaciones concluy: los bosques, en su estacin
de crecimiento, disminuyen ms que aumentan el caudal de los arroyos. Numerosos
experimentos posteriores han demostrado que la deforestacin incrementa el caudal anual
que genera una cuenca, mientras que la reforestacin la disminuye. En el inicio del siglo
XXI, es necesaria todava la investigacin a escala de cuenca para mejorar nuestro
conocimiento sobre el impacto de la vegetacin en la hidrologa (Andrassian, 2004).

La vegetacin juega un importante papel en la hidrologa de una cuenca, ya que
afecta al balance de agua de la superficie en todos sus componentes. Los flujos hidrolgicos
ms importantes que se ven afectados por la vegetacin son la interceptacin de la lluvia
incidente, infiltracin, escorrenta superficial y evapotranspiracin, que a su vez afectan a
procesos como el almacenamiento de agua en el suelo y la erosin (Chang, 2003). La
caracterizacin de la vegetacin de la cuenca debe ser, por tanto, el paso previo al estudio
de los flujos de agua que tienen lugar en la misma.

El objetivo de este trabajo es desarrollar un mtodo para la caracterizacin espacio-
temporal de la vegetacin a escala de cuenca y su integracin con distintas variables
meteorolgicas en un modelo distribuido para el clculo de las prdidas por interceptacin
de lluvia.

La prdida por interceptacin de lluvia es la proporcin de la precipitacin
incidente que es interceptada por la cubierta vegetal del suelo y posteriormente evaporada
desde la misma, durante y despus de cada evento de lluvia (Price y Carlyle-Moses, 2003).
Como este flujo de agua no alcanza el suelo, es considerado generalmente como una
prdida en el balance de agua de la superficie (Bras, 1990). La vegetacin intercepta parte
del agua de lluvia, produciendo dos efectos: una reduccin de la cantidad de agua que
alcanza el suelo y una redistribucin de la precipitacin sobre el mismo. Las prdidas por
interceptacin son un componente importante del ciclo hidrolgico en zonas cubiertas de
vegetacin, como demuestran los estudios realizados desde principios del siglo XX sobre
diferentes tipos de cubiertas y en diferentes climas (Zinke, 1967; Crockford y Richardson,
2000).

Este trabajo se enmarca dentro de un modelo hidrolgico ms general a nivel de
cuenca, que desarrolla el Grupo de Ros y Embalses de la Universidad de Granada, con
participacin del Grupo de Hidrologa e Hidrulica Agrcola de la Universidad de Crdoba,
dentro del Estudio Piloto para la Gestin Integrada de la Cuenca Hidrogrfica del Ro
Guadalfeo. Su objetivo es la creacin de un modelo de comportamiento de la cuenca que
permita dar respuesta a las cuestiones relativas a la gestin del recurso hdrico y del

4
territorio que plantea la puesta en funcionamiento de la presa de Rules, de reciente
construccin en el tramo medio del ro Guadalfeo, al sur de la provincia de Granada.

En este sentido, disponer de una herramienta de cuantificacin de la fraccin de
interceptacin permite caracterizar con mayor profundidad el patrn espacio-temporal de
la precipitacin que realmente alcanza el suelo y, as, obtener una adecuada caracterizacin
hidrolgica de la cuenca. Como parte de este modelo ms general, el modelo de
interceptacin de lluvia presentado en este trabajo representa el proceso mediante variables
fsicas, lo que permite recoger la heterogeneidad tpica de las cuencas mediterrneas, as
como su aplicacin en otras zonas diferentes a la estudiada.

El presente documento se estructura en dos partes. En primer lugar se presenta el
anlisis de la vegetacin a escala de cuenca mediante teledeteccin (Parte I). Para estudiar la
evolucin de la vegetacin de una cuenca a una escala temporal pequea es preciso recurrir
a medios como la teledeteccin, que permite obtener informacin de grandes superficies en
poco tiempo sin causar alteracin alguna al medio estudiado. Las medidas de campo de
abundancia de vegetacin, aunque de gran calidad, estn limitadas en su alcance y escala,
por lo que no son viables para evaluar los cambios que se producen a escala regional. Las
imgenes de satlite proporcionan las escalas espacial y temporal necesarias para tratar esta
perspectiva fundamental (Elmore et al., 2000).

Los fundamentos en que se basan las tcnicas de teledeteccin se presentan en el
captulo 1. La descripcin de la cuenca del ro Guadalfeo se presenta en el captulo 2. La
informacin relativa a la vegetacin que los modelos hidrolgicos y, en general, los
responsables de la gestin integral de una cuenca necesitan conocer es bsicamente de dos
tipos: la tipologa de vegetacin y la abundancia de la misma. Para estudiar la tipologa de
vegetacin presente en cada punto de la cuenca se ha realizado una clasificacin espectral
supervisada de imgenes de satlite (captulo 3). La abundancia, por su parte, se ha medido
usando la variable fraccin de cobertura vegetal del suelo, que resulta de gran importancia
en modelos hidrolgicos y es estimada igualmente a partir de imgenes de satlite. La
disponibilidad de imgenes de la cuenca adquiridas con cierta frecuencia permite conocer la
evolucin temporal de la vegetacin (captulo 4).

La Parte II del presente trabajo presenta un modelo hidrolgico distribuido para el
clculo de las prdidas por interceptacin de lluvia (captulos 5 y 6) basado en un balance
de agua en la cubierta vegetal. Las variables de entrada necesarias para realizar el balance
son, por un lado, de tipo meteorolgico (precipitacin y evaporacin) y, por otro, las
relativas a la vegetacin (cobertura vegetal y tipo de cubierta) que fueron estudiadas
anteriormente. La integracin de todas estas variables para la aplicacin del modelo de
interceptacin de lluvia a escala de cuenca se presenta en el captulo 7. Por ltimo se
analizan los resultados del modelo a diferentes escalas espaciales y temporales,
comparando diferentes aos hidrolgicos entre s (captulo 8), lo que permite extraer
algunas conclusiones sobre el comportamiento de las prdidas por interceptacin en la
cuenca como respuesta a diferentes combinaciones de parmetros.

Parte I

Series temporales de vegetacin

1. Estudio de la vegetacin mediante teledeteccin

7

Captulo 1

Estudio de la vegetacin mediante teledeteccin

Los sensores remotos son sistemas fotogrficos u ptico-elctricos capaces de detectar y
registrar, en forma de imgenes o no, el flujo de energa radiante reflejado o emitido por objetos
distantes. Dicho flujo de energa, tambin denominado radiancia, se define como el total de
radiacin electromagntica de una longitud de onda determinada que llega al sensor por unidad
de tiempo y de superficie, y por ngulo slido de medida. Se mide en watios por metro cuadrado
y estereo-radin (W/m
2
sr).

La posibilidad de adquirir informacin a distancia se basa en lo especfico de la
interaccin entre la radiacin electromagntica y la materia. Todos los objetos tienen una
respuesta espectral propia y, adems, esta combinacin espectral es similar a la que presentan
otros objetos o superficies de las mismas caractersticas.

Las imgenes de satlite ms ampliamente utilizadas para aplicaciones ambientales son
probablemente las de la plataforma espacial Landsat. Concretamente, el sensor Thematic Mapper, a
bordo del satlite Landsat-5, y el sensor Enhanced Thematic Mapper, a bordo del satlite Landsat-7,
vienen tomando imgenes de la superficie terrestre de forma regular desde el ao 1982, lo que
constituye una serie muy importante de datos que permite analizar las acciones realizadas por el
hombre y su impacto sobre el medio ambiente a largo plazo.

Se han utilizado para este estudio imgenes de los satlites Landsat-5 TM y Landsat-7
ETM+ debido a que tienen una resolucin espacial (30m) que permite la identificacin de
parcelas de cultivo y de los lmites entre usos forestales diferentes, una resolucin temporal (16
das) que permite la seleccin de imgenes de diferentes pocas de ao, y una resolucin espectral
(registra informacin en longitudes de onda correspondientes al visible, infrarrojo cercano y
trmico) que permite extraer informacin sobre diversas caractersticas de la cubierta vegetal del
suelo.

El uso de sensores pticos como el TM de Landsat presenta, sin embargo, algunas
limitaciones, como la necesidad de cielos despejados, sin nubes, durante la adquisicin de las
imgenes, la atenuacin de la seal por la atmsfera y la influencia de la compleja geometra
sol/sensor/cubierta en la interpretacin de lo observado (Moran et al., 2002). Este ltimo punto
tiene especial importancia en la cuenca del Guadalfeo debido a lo abrupto del terreno.

Estos sensores registran datos de radiacin en siete bandas o intervalos de longitud de
onda diferentes, situados en la parte visible, infrarrojo cercano, infrarrojo medio y trmico del
espectro electromagntico. En la tabla 1.1 se presentan las aplicaciones ms importantes de este
sensor.


8
Banda
Long. de
onda (m)
Zona del
espectro
Aplicaciones principales
1 0,45 - 0,52 Azul Diseada para penetrar en las masas de agua, hacindola til
para la cartografa de aguas costeras. til tambin para
diferenciar entre suelo y vegetacin, clasificacin de tipos de
bosque, y deteccin de aspectos antrpicos.
2 0,52 - 0,60 Verde Diseado para medir el pico de reflectancia verde de la
vegetacin (ver figura 1.1) para clasificacin vegetal y anlisis
de su vigor. Tambin es til para deteccin de aspectros
antrpicos.
3 0,63 - 0,69 Rojo Situada en la regin de absorcin de la clorofila (ver figura 1.1)
para ayudar a diferenciar entre especies vegetales. Tambin til
para deteccin de aspectos antrpicos.
4 0,76 - 0,90 Infrarrojo
cercano
til para la determinacin de tipos de vegetacin, su vigor y
abundancia. Tambin para delimitar masas de agua y para
diferenciar la humedad del suelo.
5 1,55 - 1,75 Infrarrojo medio Indicativa del contenido de humedad de la vegetacin y del
suelo. Tambin es til para diferenciar entre nubes y nieve.
6 10,4 - 12,5 Infrarrojo
trmico
til para analizar el estrs de las plantas, diferenciar entre
diferentes grados de humedad del suelo, y clasificaciones
trmicas de la superficie.
7 2,08 - 2,35 Infrarrojo medio til para diferenciar entre tipos de minerales y rocas. Es
tambin sensible al contenido de humedad de las plantas.

Tabla 1.1. Aplicaciones de las bandas espectrales del sensor Thematic Mapper (Lillesand y Kiefer, 2000).

La caracterizacin espectral de las masas vegetales constituye una de las tareas ms
interesantes en teledeteccin. Pese a su gran importancia, an ofrece notables dificultades como
consecuencia de los mltiples factores que influyen en la radiancia final detectada por el sensor.
En primera instancia ha de considerarse la propia reflectividad de la hoja, que vara en funcin de
su estado fenolgico, forma y contenido de humedad. Adems, es preciso tener en cuenta las
caractersticas morfolgicas de la planta: su altura, perfil, grado de cobertura del suelo, etc., que
provocan una notable modificacin de su comportamiento reflectivo. Un tercer grupo de
factores seran los derivados de la situacin geogrfica de la planta: pendiente, orientacin,
asociacin con otras especies, geometra de plantacin, etc. (Chuvieco, 1996).

El comportamiento tpico de la vegetacin vigorosa muestra una reducida reflectividad en
las bandas visibles, con un mximo relativo en la porcin verde del espectro (en torno a 0,55 m).
Por el contrario, en el infrarrojo cercano presenta una elevada reflectividad, reducindose
paulatinamente hacia el infrarrojo medio. En la figura 1.1 se muestra la respuesta espectral tpica
de la vegetacin.

Estas caractersticas espectrales se relacionan, primordialmente, con la accin de los
pigmentos foto-sintticos y del agua que almacenan las hojas. En concreto, la baja reflectividad
en la porcin visible del espectro se debe al efecto absorbente de los pigmentos de la hoja,
principalmente las clorofilas, xantofilas y carotenos en la proporcin de 65, 29 y 6%
respectivamente, aunque puede variar. Todos ellos absorben en la banda del espectro situada en
torno a los 0,445 m, mientras la clorofila presenta una segunda banda de absorcin en torno a
los 0,645 m. Entre ambas porciones del espectro aparece una banda intermedia, alrededor de los
0,55 m, en donde el efecto absorbente es menor. Por esta causa aparece un mximo relativo de
reflectividad que coincide con la banda verde del espectro visible, y causa el color con el que el
ojo humano percibe la vegetacin vigorosa.


9

Fig. 1.1. Respuesta espectral tpica de la vegetacin. Fuente: Chuvieco (1996).

Cuando se aproxima la cada otoal de las hojas, la clorofila ejerce una menor influencia,
lo que explica su mayor reflectividad en la banda roja y, en definitiva, su color amarillento
(verde+rojo).

En cuanto a la elevada reflectividad en el infrarrojo cercano, parece deberse a la estructura
celular interna de la hoja. La hoja sana ofrece una alta reflectividad en el infrarrojo cercano (entre
0,7 y 1,3 m), en claro contraste con la baja reflectividad que ofrece en el espectro visible,
especialmente con la banda roja. Puesto que la estructura de la hoja es muy variada segn las
especies, esta banda tambin resulta idnea para discriminar entre plantas, incluso entre aquellas
que no podran separarse en el espectro visible. A partir de 1,4 m el efecto absorbente del agua
es muy claro, por lo que la reflectividad de la vegetacin sana se reduce drsticamente en el
infrarrojo medio. Las medidas de laboratorio muestran una notable diferencia en esta regin del
espectro entre las hojas secas y las infiltradas con agua.

El contraste ms ntido en la reflectividad espectral de la vegetacin sana se produce entre
las bandas visibles, especialmente el rojo (en torno a 0,645 m) y el infrarrojo cercano (0,7 a 1,3
m). De ah que podemos enunciar, como principio general, que cuanto mayor sea el contraste
entre ambas bandas, mayor ser el vigor de la vegetacin y ms clara su discriminacin frente a
otros tipos de cubierta. Queda implcito que cualquier fuente de estrs en la vegetacin se
mostrar en un comportamiento espectral ms o menos alejado del anteriormente expuesto.

Este comportamiento espectral terico de las cubiertas vegetales ha sido el punto de
partida para obtener una serie de ndices de vegetacin, que se basan entre otros factores- en el
contraste entre la banda roja e infrarrojo cercano del espectro. Se construyen a partir de la
combinacin lineal entre estas dos bandas, cuando disponemos de una imagen multiespectral.
Los ndices de vegetacin implican efectuar una operacin aritmtica, pxel a pxel, entre los
valores digitales (dn) almacenados en dos o ms bandas en la misma imagen.


10
El ndice de vegetacin de la diferencia normalizado (NDVI) es uno de los ms usados,
ya que su normalizacin facilita la interpretacin de los resultados. Se utiliza para analizar el vigor
y la abundancia de vegetacin y su diferenciacin de cubiertas no vegetales (Gonzlez-Dugo,
2002).

El NDVI se puede relacionar con varios parmetros de la vegetacin como el ndice de rea foliar
(LAI), la biomasa, la produccin y el porcentaje de cobertura del suelo. En este trabajo nos
centramos en este ltimo parmetro, variable espacial y temporalmente en una zona dada, pues
caracteriza la influencia de la vegetacin en el balance hdrico local y permite cuantificar el papel
de su distribucin espacial y evolucin temporal a escala de cuenca. Convencionalmente, la
cobertura vegetal (f
v
) se define como la proyeccin vertical de la copa o rea foliar de la
vegetacin sobre la superficie del suelo expresada como fraccin o porcentaje del rea de
referencia. Sin embargo, teniendo en cuenta los requerimientos de las tcnicas de teledeteccin, la
cobertura vegetal podra ser definida como el rea vegetal verde que es directamente detectable
por el sensor desde cualquier punto de vista (Purevdorj et al., 1998). La estimacin de la cobertura
vegetal en imgenes adquiridas sucesivamente en el tiempo permite caracterizar la evolucin
sufrida por la vegetacin.

Adems del uso de ndices de vegetacin, existen otras tcnicas para estimar la fraccin de
cobertura vegetal a partir de imgenes de satlite. Cabe destacar el anlisis de mezclas espectrales
(SMA), cuyo empleo se ha extendido en los ltimos aos, que trata de determinar las
proporciones relativas de los diferentes componentes que estn contenidos en un pxel de la
imagen. Es necesaria la eleccin previa de los componentes en que se quiere separar cada pxel y
conocer sus respuestas espectrales tpicas. A travs del SMA se obtienen imgenes que nos
indican la proporcin de cada componente de inters que hay en un pxel, admitiendo que la
respuesta recibida por el sensor es combinacin lineal de las respuestas espectrales puras de los
componentes individuales. Si los componentes que se eligen son vegetacin vigorosa, vegetacin
seca y suelo desnudo, esta tcnica permite obtener la fraccin de cobertura vegetal del suelo y
resulta una herramienta muy precisa para determinar la variacin de la cobertura vegetal del suelo
(Elmore et al., 2000). Su dificultad estriba en el conocimiento de las respuestas espectrales de los
componentes a separar. En una zona heterognea como la estudiada en este caso, con tipos de
vegetacin y suelos muy diversos, resulta difcil obtener una respuesta espectral nica para cada
componente.

En el presente trabajo se estima la fraccin de cobertura vegetal del suelo en la cuenca del
Guadalfeo a partir del ndice de vegetacin NDVI mediante una relacin lineal, la cual ha sido
utilizada con resultados satisfactorios sobre diferentes tipos de vegetacin (Choudhury et al.,
1994; Wittich y Hansing, 1995; Qi et al., 2000; Ramsey et al., 2004; Camacho-De Coca et al., 2004).

Cuando el objetivo es determinar qu tipo de superficie hay en cada punto de la cuenca
existen unas tcnicas denominadas de clasificacin, que asignan cada pxel, en funcin de su
respuesta espectral, a una clase caracterizada previamente por el usuario. Sus fundamentos se
explican en el captulo 3.

2. Zona de estudio

11

Captulo 2

Zona de estudio

La cuenca drenada por el ro Guadalfeo y sus afluentes est situada en el extremo
suroriental de la provincia de Granada y tiene una superficie de 1.300 km
2
, con una
longitud de 50km en la direccin E-O y 44km en la N-S, aproximadamente. Se asienta
bsicamente en la regin de la Alpujarra (el sector nordeste), pero tambin ocupa un amplio
sector del Valle de Lecrn (la zona noroccidental) y, en menor cuanta, de la Costa del Sol
(la franja sur). Sus lmites son (1) al Norte la lnea de cumbres de Sierra Nevada; (2) al Este,
la divisoria de aguas entre el ro Guadalfeo y el ro Adra; (3) al Sur, las lneas de cumbres de
las Sierras de La Contraviesa y Ljar; y (4) al Oeste, el Valle de Lecrn y la Sierra de los
Gujares. En la figura 2.1 se presenta un esquema de la cuenca con los ros ms
importantes que la drenan.

Fig. 2.1. Esquema de la cuenca del ro Guadalfeo.

Kilmetros
2. Zona de estudio

12
La regin est marcada por los fuertes contrastes en el medio fsico (climatologa,
hidrologa, etc.) que en gran medida estn determinados por los acusados gradientes de
altitud existentes en el rea, con cambios de hasta 3480 m en los 20 km escasos que separan
el mar Mediterrneo del pico Mulhacn (ver figura 2.2). La altitud media en la cuenca es de
1084m. La temperatura media anual de la zona costera es aproximadamente de 18C,
significativamente superior a la temperatura media de las zonas ms altas (por encima de
los 2000 m), que es inferior a 10C. La precipitacin media anual de la cuenca es
aproximadamente 620 mm, si bien sta vara localmente entre los 500 y los 1000 mm. El
volumen medio anual de agua que el ro Guadalfeo descarga al mar es del orden de 250
hm
3
. El comportamiento hidrolgico de la cuenca est marcado por la ocurrencia de
fenmenos episdicos de avenida en respuesta a eventos singulares de lluvia (borrascas o
tormentas convectivas de carcter local) o deshielo.

Fig. 2.2. Modelo digital de elevaciones e hidrografa de la cuenca del ro Guadalfeo (cotas en metros)

Debido esencialmente al relieve y al clima, la presencia humana es ms abundante
en la costa. La agricultura de las zonas altas de la cuenca est caracterizada por su
marginalidad, con escasos rendimientos unitarios, estructuras productivas muy
fragmentadas, y tcnicas de produccin y comercializacin tradicionales. Por el contrario, la
agricultura en la costa es una actividad de alta rentabilidad econmica, basada en el cultivo
de frutos subtropicales al aire y hortalizas en invernadero, y con altas demandas de agua.

La tipologa de vegetacin que se puede encontrar en la cuenca es muy diversa. En
cuanto a los cultivos, en zonas de montaa destacan los almendros, la vid y el olivar,
2. Zona de estudio

13
mientras que en los valles y en la zona costera se pueden encontrar cultivos hortcolas y
frutales, destacando los cultivos subtropicales de la zona de Motril (aguacate, chirimoya y
nsperos, principalmente). Tambin hay algunas superficies con cultivos herbceos
distribuidas por toda la cuenca. En cuanto a la vegetacin natural, se encuentran
importantes superficies de bosque de conferas, compuestas bsicamente por cuatro
especies: Pinus sylvestris, Pinus halepensis, Pinus pinaster y Pinus nigra; asimismo son muy
comunes el encinar y el alcornocal. Se pueden encontrar tambin en las zonas ms
hmedas pequeos bosques de robles y otras especies caducas, as como vegetacin tpica
de ribera (olmos, lamos y chopos) al borde de los arroyos y ros. La mayor parte de la
superficie de la cuenca esta dominada por cubiertas de matorral, siendo las ms comunes
los espinares, retamales, aulagares, jarales, tomillares y romerales. En las zonas de mayor
altitud se encuentran pastizales estacionales y de bajo porte. En la figura 2.3 se muestra una
imagen de la Sierra de la Contraviesa, donde se observa la vegetacin tpica de la misma:
cultivos de almendros y olivar, encinar en las zonas no tiles para cultivar, y matorral y
pasto en primer plano de la imagen.

En las zonas montaosas de la cuenca se est produciendo un proceso paulatino de
abandono de la agricultura debido a su baja productividad y a los difciles accesos. Este
cambio en el uso del suelo afecta al balance de agua de estas zonas y, por tanto, es
necesario mantener actualizados los datos sobre uso del suelo que se utilizan en los
modelos hidrolgicos.

Fig. 2.3. Imagen de la ladera Oeste de la subcuenca del ro Torvizcn (3 de agosto de 2004).

3. Anlisis del tipo de vegetacin

15

Captulo 3

Anlisis del tipo de vegetacin

3.1. Clasificacin de la cuenca

Los procesos hidrolgicos en los que la vegetacin interviene dependen con
frecuencia de parmetros que se relacionan directamente con el tipo de cubierta vegetal
existente en la superficie del suelo. En el proceso de interceptacin de lluvia por ejemplo,
un parmetro clave en la mayora de modelos tericos existentes es la capacidad de
almacenamiento de la cubierta vegetal, que se relaciona a su vez con el tipo de cubierta de
que se trate: especie de planta y estado vegetativo de la misma.

El objetivo de la clasificacin es por tanto conocer qu tipo de cubierta del suelo
existe en cada punto de la cuenca de estudio. Como se ha comentado anteriormente, las
tcnicas de teledeteccin nos permiten extraer este tipo de informacin a escala de cuenca a
partir de una imagen de satlite.

Uno de los mtodos usados ms frecuentemente para la clasificacin del tipo de
cubierta del suelo es el reconocimiento de patrones estadsticos aplicado a los datos
multiespectrales del satlite (Narumalani et al., 2002). Dentro de este mtodo de
clasificacin multiespectral existen otros dos tipos: supervisada o no supervisada. Debido a
que en nuestro caso sabemos a priori las clases de cubierta que queremos determinar y
disponemos de informacin real sobre su localizacin, utilizaremos el mtodo supervisado.

En la clasificacin multiespectral supervisada, el analista localiza lugares concretos
en la imagen de satlite (con ayuda de informacin de campo e interpretacin de fotografas
areas) que representen ejemplos homogneos de los tipos de cubierta del suelo a
determinar. Estos lugares se suelen denominar reas de entrenamiento porque sus
caractersticas espectrales se usan para que el algoritmo de clasificacin las compare
estadsticamente con las de otra parte cualquiera de la imagen. Cada rea de entrenamiento
se caracteriza por sus valores de radiacin reflejada en 6 longitudes de onda diferentes (en
el caso de las bandas pticas del satlite Landsat), de las cuales se calculan parmetros
estadsticos como son las medias, desviaciones estndar, matrices de covarianza, matrices
de correlacin, etc. Cada pxel de la imagen completa, tanto fuera como dentro de las reas
de entrenamiento es entonces evaluado y asignado a la clase a la que ms se parezca
(Jensen, 2005).

El primer paso, por tanto, es definir las clases de inters. Las diferentes especies de
plantas forestales y cultivadas en la cuenca del Guadalfeo se han agrupado en 11 clases de
cubierta o uso del suelo con similar estructura, de forma que su comportamiento
hidrolgico pueda ser parecido. En la tabla 3.1 se resumen las clases de inters
identificadas, as como los tipos de cubierta que engloba cada clase.


16

Clase agrupada Tipos de cubierta
1 Conferas Pinares (sylvestris, halepensis, pinaster y nigra)
2 Quercneas Alcornocal, encinar, robles, vegetacin de rivera
3 Matorral Espinar, piornal, retamal, aulagas, jaras, garriga, etc
4 Pastizal Pastos de alta montaa (>1500m), estacionales y dispersos
5 Olivar Olivar tradicional en terrazas, olivar moderno Valle Lecrn
6 Frutales regado Subtropicales (aguacate, chirimoyo, nspero) al Sur de cuenca
7 Frutales secano Almendros, vid
8 Cultivos herbceos Cereal secano, barbechos, pastos densos. Herbceos regado
9 Improductivo Zonas rocosas alta montaa, suelos pobres, ramblas, cantera
10 Agua Pantanos
11 Urbano Pueblos, invernaderos

Tabla 3.1. Clases de inters seleccionadas para clasificar los tipos de cubierta del suelo en la cuenca.

El siguiente paso es la eleccin de las imgenes de satlite ms adecuadas. Del total
de 15 imgenes de satlite disponibles de la cuenca (ver punto 4.1 de este trabajo) se
realizaron clasificaciones de prueba con diferentes combinaciones de imgenes y mtodos
resultando que la mayor precisin se consegua con la informacin de las imgenes de 29-
junio-2003, 1-septiembre-2003, 1-julio-2004, 18-agosto-2004, 20-julio-2005. Dicho
resultado es debido a que esas imgenes son las de mayor calidad, porque al ser todas de
verano no tienen problemas de nubes, sombras topogrficas (elevacin solar alta), nieve
sobre las cubiertas, etc. Como la respuesta espectral de la superficie terrestre en una imagen
determinada corresponde a 6 bandas o longitudes de onda diferentes, combinando las 5
imgenes seleccionadas disponemos de una respuesta espectral de 30 bandas en total, lo
que facilita el proceso de clasificacin al poder discriminar mejor entre los distintos tipos de
cubierta.

Las distintas imgenes deben ser corregidas para que puedan ser utilizadas en este
estudio. En el Anejo A se explica el pre-procesamiento aplicado a las imgenes, con el cual
se consigue que todas las imgenes sean geomtricamnete correctas y la informacin no
contenga errores de tipo radiomtrico o causados por las condiciones atmosfricas y de
iluminacin existentes en el momento de adquisicin de las imgenes por el satlite.

Posteriormente es necesario seleccionar sobre las imgenes las reas de
entrenamiento para cada una de las clases que aparecen en la tabla 3.1. Para ello se
utilizaron las fotografas areas de la cuenca procedentes de la Ortofotografa Digital de
Andaluca (Junta de Andaluca), vuelo fotogramtrico de 2002, con resolucin de 0.5 m. As
mismo, se utiliz informacin de campo, un mapa de usos del suelo existente previamente
y la experiencia personal sobre la cuenca (Daz et al., 2005). En la figura 3.1 se pueden
observar algunas de las parcelas de entrenamiento utilizadas.

Para obtener una precisin satisfactoria en el resultado de la clasificacin, la
eleccin de las reas de entrenamiento es clave. stas deben ser homogneas y
representativas de un tipo de cubierta en concreto. Como algunas de nuestras clases de
inters estn constituidas por cubiertas con ciertas diferencias (por ej, la clase matorral est
formada por cubiertas de distintas especies y distintos grados de espesor) se han clasificado
mayor nmero de clases para agruparlas despus de la clasificacin en las 11 que realmente
nos interesan (ver punto 3.3).


17

Fig. 3.1. Algunas de las reas de entrenamiento seleccionadas sobre la imagen de satlite para la
clasificacin supervisada.

Existen varios algoritmos para comparar las respuestas espectrales de los pxeles de
la imagen con las de los pxeles de entrenamiento y asignar as aquellos a una de las clases
de inters. Con el algoritmo de la mxima probabilidad (Maximum Likelihood) se obtienen
mejores resultados en nuestro caso. El algoritmo de mxima probabilidad est basado en
probabilidades. Calcula la probabilidad de que un pxel determinado de la imagen
pertenezca a cada una de las clases de inters, y entonces es asignado a la clase cuya
probabilidad sea ms alta. Este algoritmo es todava uno de los ms ampliamente usados
para clasificacin supervisada (Jensen, 2005).

Se admite que los valores de reflectividad de un rea de entrenamiento en una
banda concreta estn distribuidos segn una normal (distribucin de Gauss). A partir de
ese histograma discreto de valores, para cada clase w
i
(p.ej. conferas) se ajusta la funcin de
densidad de probabilidad (Jensen, 2005):

Quercneas
Conferas
Cult. herbceos
Urbano
Improductivo
Pastizal
Matorral
Olivar
Frutales regado Urbano
Frutales secano

18
( )
( )
( )
(
(

=
2
2
2
1
2
1
exp
2
1
i
i
i
i
x
w x p

(1)

Donde x es uno de los valores de reflectividad en el eje x (0-1 si se expresa como
fraccin de la radiacin incidente),
i
es la media de todos los valores de reflectividad de la
clase w
i
, y
2
i
es la varianza de dichos valores.

Sin embargo, cada rea de entrenamiento no se compone de un slo conjunto de
valores de reflectividad, sino de 6 conjuntos, tantos como bandas espectrales. Por tanto, su
funcin de densidad de probabilidad ser de tipo multivariada n-dimensional:

( )
( )
( ) ( )
(
=

i i
T
i
i
n
i
M X V M X
V
w X p
1
2
1
2
2
1
exp
2
1
(2)

Donde
i
V es el determinante de la matriz de covarianza,
1
i
V es la inversa de la
matriz de covarianza, y (X-M
i
)
T
es el traspuesto del vector (X-M
i
). Los vectores de las
medias (M
i
) y la matriz de covarianza (V
i
) para cada clase se estiman con los valores de las
reas de entrenamiento.

Dado un pxel cualquiera de la imagen, el algoritmo calcula los valores de p
i
para
cada clase y asigna el pxel a la clase con mayor p
i
.

Una vez obtenido el mapa de coberturas, su aspecto presenta un aspecto de sal y
pimienta, es decir, existen numerosos pxeles individuales repartidos por la imagen que son
de una clase diferente a la de sus vecinos. Este ruido en la imagen, que hace difcil su
interpretacin, puede ser reducido aplicando un filtro. Se ha elegido un filtro de mayora
de marco 33. El funcionamiento de este filtro es el siguiente: una ventana de tamao 33
pxeles se va situando sobre cada pxel de la imagen y asigna a ese pxel el valor que ms
veces se repita dentro de la ventana. De esa forma, si un pxel de la clase matorral est
rodeado por mayora de pxeles de la clase conferas, entonces el nuevo valor asignado al
pxel central ser conferas. El efecto que consigue este proceso es suavizar el aspecto de
la imagen, definiendo con mayor claridad las zonas de la cuenca con una determinada
cobertura del suelo dominante.


19
3.2. Distribucin espacial de la vegetacin

El resultado del proceso de clasificacin se puede observar en la figura 3.2. El mapa
de cobertura obtenido muestra la distribucin espacial de las clases de inters dentro de la
cuenca del Guadalfeo.

En cuanto a la vegetacin natural, como se puede observar en la figura 3.2, las
conferas se concentran en la zona Nordeste de la cuenca del Guadalfeo, en altitudes entre
los 1500 y 2500 m, as como en la Sierra de los Gujares (al Oeste) y representan un 7.0%
de la superficie total de la cuenca. Las cubiertas de quercneas, compuestas por encinares y
alcornocales combinados con matorral, se encuentran en las laderas de Sierra Nevada, y
tambin al Sur de la subcuenca del Torvizcn, representando slo un 2.8% de la superficie
total. El matorral es la cubierta ms representativa de la cuenca, ocupando un 26.1% de la
superficie, y se encuentra generalmente combinado con vegetacin natural de tipo
herbceo, sobre todo en las altitudes ms altas. Por ltimo, las superficies de pastizal
representan el 15.8% de la superficie, ocupando grandes extensiones por encima de los
1500m de altitud, y se caracterizan por su estacionalidad y su escasa cobertura del suelo.

En cuanto a la vegetacin cultivada, los olivares predominan en la parte central de
la cuenca, situados en el valle, por debajo de la cota de 800m, donde el clima invernal no es
demasiado fro para su supervivencia. Se distinguen dos tipos de olivares en la cuenca: en
los trminos de rgiva, Lanjarn y El Pinar se cultivan olivos de gran porte en terrazas con
riego tradicional por superficie, mientras que en el Valle de Lecrn y Padul son olivos ms
jvenes con marcos de plantacin rectangular y riego localizado cuando existe. En total
representan el 13.1% de la cuenca. Los frutales de regado, por su parte, se localizan
principalmente en el extremo sur de la cuenca, cerca de la desembocadura del ro
Guadalfeo, donde el clima es de tipo subtropical, con temperaturas suaves durante todo el
ao, cubriendo un 1.8% de la cuenca. La clase de frutales de secano comprende
principalmente los cultivos de almendros y viedos, muy comunes en el cuadrante Sudeste
de la cuenca (Sierra de la Contraviesa) y en el Noroeste (Valle Lecrn). En ocasiones ambos
aparecen combinados, aunque esta prctica tradicional esta desapareciendo paulatinamente.
Se cultivan en suelos poco productivos, con altas pendientes, y representan el 17.8% de la
superficie. Por ltimo, los cultivos herbceos se concentran en las llanuras de los valles
nordoccidentales de la cuenca, donde los suelos son mas productivos, aunque tambin
existe una agricultura tradicional de este tipo de cultivos en las proximidades de los ncleos
de poblacin de las subcuencas de Poqueira, Trvelez, y Narila, en la vertiente Norte del
Guadalfeo. Los que aparecen en el extremo Sur, en las vegas de Motril y Salobrea, se
tratan de herbceos de regado entre los que destaca la caa de azcar. Su proporcin es del
6.7% de la superficie total.

La clase Improductivo incluye diferentes tipos de superficies donde la cubierta
vegetal es muy escasa o inexistente, como las zonas ms altas de la cuenca, en cotas de
2500m y superiores, ramblas, canteras, y suelos muy pobres y erosionados. En su mayora
se sita en el extremo Norte de la cuenca, permaneciendo cubierta de nieve durante la
mitad del ao, y durante el resto apenas puede crecer vegetacin porque el suelo es muy
rocoso. La clase Improductivo representa el 7.7% de la superficie de la cuenca. La clase
agua slo incluye el pantano de Bznar, ya que el de Rules todava careca de agua
embalsada en el periodo 2002-2005, al que corresponde la serie de imgenes de satlite
utilizada. La clase urbano muestra los ncleos de poblacin de la cuenca, que ocupan el
1,2% de la superficie.

20
Fig. .3.2. Mapa de coberturas
del suelo de la cuenca del ro
Guadalfeo derivada de
imgenes Landsat de los
aos 2003-2005.

21

3.3. Validacin de la clasificacin

La informacin temtica obtenida a partir de imgenes de satlite contiene errores.
Es importante por tanto reconocer las fuentes de error, minimizarlas en lo posible e
informar al usuario sobre el nivel de confianza que puede tener en dicha informacin. Los
mapas temticos procedentes de teledeteccin deben por tanto ser sometidos a una
evaluacin de precisin antes de ser usados en investigaciones cientficas y como
herramienta de gestin (Stehman y Czaplewski, 1998).

Las fuentes de error identificadas son:
- Los errores contenidos en la propias imgenes de satlite: fallos del sensor
durante la adquisicin de datos, presencia de nubes o nieve sobre la
cubierta, sombras topogrficas debido a una baja elevacin solar, etc.;
- Errores cometidos en el proceso de correccin de las mismas:
geomtricos, de calibracin, precisin de la correccin atmosfrica, etc.;
- Eleccin de clases de inters: puede que no sean mutuamente exclusivas
desde el punto de vista espectral;
- Seleccin de reas de entrenamiento: depende de la habilidad del analista y
de la calidad de la informacin de referencia disponible sobre la superficie.
- Eleccin del esquema y algoritmo de clasificacin: las decisiones que se
tomen sobre las subcategoras en que se divida una clase de inters
concreta para clasificarla, y el mtodo de clasificacin elegido influyen de
manera decisiva en la precisin de los resultados.
- Cambio de formato: el paso de formato de celdas a formato vectorial
(datos en polgonos) introduce tambin un error en los lmites de
separacin entre clases.

Para minimizar los errores se han realizado diferentes pruebas de clasificacin, con
distintas imgenes de partida o combinaciones de las mismas, as como con diferentes
esquemas y algoritmos de clasificacin. La evaluacin de los resultados de cada prueba se
ha realizado mediante anlisis visual o, en los casos de mejor comportamiento, mediante
una evaluacin estadstica de precisin. La mejor clasificacin se ha obtenido mediante el
siguiente procedimiento:

- Imgenes de partida: 5 imgenes Landsat de verano de fechas 29-junio-
2003, 1-septiembre-2003, 1-julio-2004, 18-agosto-2004, 20-julio-2005. De
todas las disponibles, estas imgenes son las de mayor calidad y por ello
proporcionan mejor resultado. Las 5 imgenes fueron superpuestas para
trabajar con una sola imagen multibanda (56=30 bandas espectrales en
total).
- Estructura de clasificacin: algunas de las 11 clases de inters fueron
subdivididas en varios tipos de cubierta, cada una de las cuales tuviera una
respuesta espectral concreta. Fueron clasificadas 20 clases en total. Tras la
clasificacin, las subclases fueron reagrupadas para obtener finalmente las
11 clases de inters.
- Algoritmo de clasificacin: Mxima probabilidad

La evaluacin de precisin del mapa obtenido se ha realizado mediante una matriz
de error. Esta matriz se construye situando al azar puntos sobre el mapa resultante y
comprobando con informacin de referencia si la clase asignada es correcta o no. El

22
nmero de puntos o tamao de la muestra (N) se puede determinar basndonos en una
distribucin multinomial (al tener ms de 2 clases que evaluar), cuya ecuacin viene dada
por (Congalton y Green, 1999):

( )
2
1
i
i i
b
B
N

= (3)

donde
i
es la proporcin de cualquier clase i sobre el total de la poblacin que se
acerca ms al 50%, b
i
es la precisin deseada para esa clase, y B es el valor de la distribucin
2
para 1 grado de libertad y un nivel de confianza de k 1 , siendo k el nmero de
clases.

La clase que mayor proporcin de superficie ocupa, segn los resultados de la
clasificacin, es el matorral, con un 26.12%. Para ese valor de
i
, una precisin b
i
del 5%
para esa clase, un nivel de confianza del 80% (usual en mapas de uso) y 11 clases en total,
tenemos:

9818 . 0
11
20 . 0
1 1 = =
k
(4)

636 . 5
2
) 9818 . 0 , 1 (
= (5)

( )( )
puntos N 435
05 . 0
2612 . 0 1 2612 . 0 636 . 5
2
=
= (6)

Se distribuyeron esos N puntos sobre el mapa temtico de forma que hubiera sobre
cada clase un nmero de puntos proporcional a la superficie ocupada por la clase (ver tabla
3.2), y dentro de cada clase los puntos se distribuyeron al azar (Stratified Random Sampling).
De esta forma, las clases ms abundantes en la cuenca son evaluadas con un mayor nmero
de puntos y las clases menos representativas con un menor nmero. En la fig. 3.3 se puede
observar la distribucin de puntos de la muestra localizados al azar sobre el mapa de usos.

Clase Superficie ocupada Puntos ref.
n pxeles % cuenca
1 Conferas 102192 7,04 28
2 Quercneas 41001 2,82 11
3 Matorral 379252 26,12 104
4 Pastizal 229671 15,82 63
5 Olivar 189533 13,05 52
6 Frutales regado 25771 1,77 7
7 Frutales secano 258371 17,79 71
8 Cultivos herbceos 96926 6,67 26
9 Improductivo 111025 7,65 30
10 Agua 1060 0,07 5
11 Urbano 17386 1,2 5
Total 1452188 100 402

Tabla 3.2. Superficie de la cuenca ocupada por cada clase de inters
y nmero de puntos necesarios para la validacin de la clasificacin.

23

No siempre es posible obtener tantos puntos de muestra para la matriz de error
como sera estadsticamente deseable. En la prctica se distribuyeron al azar ms de 500
puntos en total, pero se desecharon todos aquellos que tenan a menos de 60 m (2 pxeles)
otra clase diferente, para que la posible mezcla de clases en el lmite entre ambas no
influyera en la evaluacin. Una vez desechados esos puntos y tras aumentar o disminuir el
nmero en algunas clases para respetar las proporciones de la tabla 3.2, quedaron 402
puntos como definitivos.

Para construir la matriz de error es necesario saber para cada uno de esos 402
puntos, por un lado la clase sobre la que recae en el mapa de coberturas, y por otro la clase
de cubierta que existe realmente en ese punto de la cuenca. Esta ltima informacin se ha
obtenido de fotografas areas del ao 2002 con resolucin espacial de 0.5m. En la tabla 3.3
se muestra la matriz de error resultante. En la tabla 3.4 se resume la matriz de error y se
calcula la precisin obtenida para cada clase y la precisin total de la clasificacin.

Fig. 3.3. Mapa de coberturas de la cuenca de Guadalfeo y distribucin de la muestra de puntos para
la elaboracin de la matriz de error.


24

Clasific Referencia
Conf. Quercn. Matorral Pastizal Olivar Frut.reg Frut.sec Cult.herb Improd Agua Urbano Total
Conf. 22 1 5 0 0 0 0 0 0 0 0 28
Quercn. 0 11 0 0 0 0 0 0 0 0 0 11
Matorral 2 1 92 1 3 0 4 0 1 0 0 104
Pastizal 1 1 2 52 0 0 0 0 7 0 0 63
Olivar 0 0 15 0 28 0 7 1 1 0 0 52
Frut. reg 0 0 0 0 1 6 0 0 0 0 0 7
Frut. sec 1 1 19 3 2 0 38 2 4 1 0 71
Cult. her 0 0 7 8 1 0 0 10 0 0 0 26
Improd 0 0 4 1 0 0 0 1 24 0 0 30
Agua 0 0 0 0 0 0 0 0 0 5 0 5
Urbano 0 0 0 1 0 0 0 0 0 0 4 5
Total 26 15 144 66 35 6 49 14 37 6 4 402

Tabla 3.3. Matriz de error del mapa de coberturas de Guadalfeo.

Adems de la precisin anterior, un estadstico que se usa habitualmente para
evaluar el resultado de una clasificacin es el coeficiente Kappa, que viene dado por:

67 . 0
2
=

k
k k
k k
k k kk
x x N
x x x N
(7)

donde N es el nmero total de puntos de la muestra,
k
kk
x es la suma de la diagonal
principal de la matriz de error, es decir, el nmero total de puntos clasificados
correctamente,
k
x son los puntos de referencia en la clase k, y
k
x
son los puntos

clasificados en la clase k.

Para evaluar el resultado de la clasificacin debemos tener en cuenta por tanto 3
medidas de la precisin (ver tabla 3.4):

- La precisin global: nos da una idea general del resultado
- La precisin del productor: se refiere al porcentaje de puntos de referencia
de una clase que han sido clasificados correctamente como pertenecientes
a esa misma clase (p.ej.: de los puntos que en la realidad son conferas,
cuntos aparecen clasificados como conferas en el mapa).
- La precisin del usuario, que se refiere al porcentaje de puntos situados
sobre una clase del mapa que corresponden a esa misma clase en la
realidad (p. ej.: de los puntos que estn situados sobre la clase matorral en
el mapa, cuntos son matorral en la realidad).


25
Clase
Total
Referencia
Total
Clasificados Correctos
Precisin
productor
Precisin
usuario
Conferas 26 28 22 84,6 78,6
Quercneas 15 11 11 73,3 100,0
Matorral 144 104 92 63,9 88,5
Pastizal 66 63 52 78,8 82,5
Olivar 35 52 28 80,0 53,8
Frutales reg. 6 7 6 100,0 85,7
Frutales sec. 49 71 38 77,6 53,5
Cultivos herb 14 26 10 71,4 38,5
Improductivo 37 30 24 64,9 80,0
Agua 6 5 5 83,3 100,0
Urbano 4 5 4 100,0 80,0
Total 402 402 292
Precisin global de la clasificacin: 72,6 %

Tabla 3.4. Precisin del mapa de coberturas de Guadalfeo, por clase y global.

En este caso, la precisin global obtenida (72.6%) no es muy alta. Sin embargo, se
puede considerar aceptable teniendo en cuenta el alto nmero de clases que se han
clasificado a partir de imgenes Landsat y la heterogeneidad existente en la amplia
superficie de la cuenca. El principal error que se comete es la eleccin de algunas clases de
cubierta vegetal con respuestas espectrales que no son fcilmente distinguibles o separables
unas de otras, por ejemplo, la respuesta espectral del matorral es parecida a la del bosque de
quercneas, a la de los frutales de secano, al olivar, e incluso al pastizal. Como dentro de
cada clase hay diferencias de espesor y dentro de un pxel puede haber mezcla de varias
clases, es normal que el algoritmo de clasificacin cometa errores. Para el presente estudio,
cuyo objetivo es servir de informacin de entrada para el modelo hidrolgico de la cuenca
del Guadalfeo y como herramienta de gestin integrada, es preferible poder analizar la
distribucin de los distintos tipos de cubiertas de inters dentro de la cuenca con un 72.6 %
de precisin que disponer slo de informacin sobre 3 4 clases agrupadas generales con
un 95% de precisin.

Si se analiza ms detenidamente el resultado de la evaluacin, se puede observar
que hay clases mejor clasificadas que otras. A la hora de utilizar el mapa de coberturas hay
que tener precaucin al estudiar las superficies de olivar, frutales de secano y cultivos
herbceos, que representan en conjunto el 37% de la superficie, ya que la seguridad que
podemos tener de que se trate realmente de ese tipo concreto de cubierta vegetal no es alta
(53.8, 53.5 y 30% de precisin de usuario, respectivamente). Otras como el matorral,
pastizal, conferas e improductivo, que representan el 57% de la cuenca, pueden ser
utilizadas con un mayor grado de seguridad (precisin de usuario 80%).

En cuanto al coeficiente Kappa, valores mayores que 0.8 representan una alta
coincidencia entre el mapa clasificado y la informacin real de referencia, valores entre 0.4 y
0.8 representan una coincidencia moderada, y valores inferiores a 0.4 representan una
pobre relacin entre ambos (Landis y Koch, 1977). Por tanto, el valor obtenido de K=0.67
es aceptable, aunque no muy alto.

4. Evolucin temporal de la vegetacin

27

Captulo 4

Evolucin temporal de la vegetacin

4.1. Seleccin de imgenes de satlite

Para caracterizar la evolucin de la vegetacin a lo largo de un ao hidrolgico y de
aos sucesivos mediante imgenes de satlite es necesario seleccionar imgenes de
diferentes pocas en cada ao. Cada satlite Landsat independientemente cubre la cuenca
del Guadalfeo cada 16 das, y ambos estn coordinados de forma que la resolucin
temporal del conjunto es de 8 das. Ello permite seleccionar imgenes representativas de
cada poca del ao. La disponibilidad de imgenes del sensor Thematic Mapper desde el
ao 1982 hasta nuestros das, ofrece amplias posibilidades para realizar un anlisis de la
evolucin de la vegetacin a ms largo plazo si fuese necesario. El nmero de imgenes a
adquirir debe guardar un equilibrio entre su coste y las necesidades de muestras de nuestro
trabajo. Se ha considerado que la adquisicin de una imagen cada 2-3 meses es suficiente
para analizar los cambios estacionales de la vegetacin. El aumento de precisin que se
obtendra con imgenes ms frecuentes no justifica su incremento de coste.

Se seleccionaron en total 15 escenas de los satlites Landsat-5 Thematic Mapper y
Landsat-7 Enhanced Thematic Mapper regularmente repartidas en el tiempo para analizar la
evolucin de la vegetacin durante los aos hidrolgicos 2002/03, 2003/04 y 2004/05. Las
fechas de adquisicin de dichas imgenes son las siguientes: 25 noviembre 2002, 28 enero
03, 1 marzo 03, 29 junio 03, 1 septiembre 03, 23 enero 04, 12 abril 04, 1 julio 04, 18 agosto
04, 19 septiembre 04, 22 noviembre 04, 1 enero 05, 30 marzo 05, 2 junio 05, y 20 julio 05.

En el otoo de 2003 no fue posible seleccionar ninguna imagen til para nuestro
trabajo debido a dos causas: el nmero de imgenes disponibles era muy reducido por
problemas tcnicos sufridos por la plataforma espacial Landsat-7, y las pocas imgenes
adquiridas tenan un alto porcentaje de nubes que las hacan inservibles. Para obtener
informacin sobre el estado de la vegetacin en ese periodo de tiempo se ha utilizado la
imagen de un ao posterior, concretamente la de 22-nov-04. Esta imagen puede ser
considerada equivalente a una de la misma fecha del ao anterior debido a que el rgimen
de lluvias fue muy parecido en los meses anteriores, con inicio de la estacin hmeda en los
primeros das del mes de octubre y unas lluvias abundantes en dicho mes. De esta forma se
consigue minimizar el error que supondra interpolar linealmente el estado de la vegetacin
entre las imgenes de 1-sep-03 y 23-ene-04, con ms de 4 meses de separacin entre ellas.

Salvo el periodo comentado anteriormente, el intervalo de tiempo mximo entre 2
imgenes consecutivas es de 3 meses y el mnimo es 1 mes. Este intervalo de tiempo entre
imgenes no es constante debido a que un buen nmero de las imgenes adquiridas por el
satlite a lo largo del ao de estudio resultaron ser inservibles por el alto grado de cobertura
de nubes que presentaban.


28
En las figuras 4.1, 4.2 y 4.3 se muestran unos mosaicos con las imgenes utilizadas
en este estudio. En las imgenes de invierno y primavera se observa la nieve en color azul
en la zona Norte de la cuenca. En algunas imgenes, como por ejemplo las de 25-nov-02 y
22-nov-04, se observan algunas nubes de color blanco y las correspondientes sombras que
proyectan sobre la superficie de la cuenca. Asimismo, en las imgenes de otoo y primavera
se aprecia el fuerte contraste en la iluminacin de las diferentes superficies debido al bajo
ngulo de incidencia solar. La zona de color negro al Sur de la cuenca es el Mar
Mediterrneo. Con la combinacin de bandas elegida (5-4-3) para la visualizacin de las
imgenes, la vegetacin presenta color verde.

La hora de paso del sensor sobre la cuenca es las 10:35, hora UTC, por lo que en
otoo e invierno el ngulo de elevacin solar en el momento de adquisicin de las imgenes
es muy bajo. Concretamente, en la imagen de 23-ene-04, el Sol se elevaba nicamente 27
por encima de la lnea del horizonte. Ello, unido a lo abrupto del terreno en la zona
estudiada, hace que una parte de la superficie de la cuenca est en sombra. El sensor no
recoge informacin til de estas superficies que no reciben radiacin solar directa y, por
tanto, no podemos obtener informacin sobre la cubierta vegetal existente en esas zonas
durante las pocas del ao mencionadas. Concretamente, para la imagen de 23-ene-04 la
superficie que no recibe radiacin solar directa representa el 3.6% del total.

El satlite Landsat-7 sufri en el verano de 2003 unos problemas tcnicos
relacionados con el mecanismo de barrido que hace girar el sensor a un lado y otro de la
vertical sobre la superficie terrestre. Desde entonces, las imgenes tomadas por dicho
satlite presentan unas rayas sin informacin como las que se observan en la imagen de 1-
ene-05 en la figura 3.7, que es la nica de esas caractersticas que se utiliza en este estudio.
Esas zonas sin informacin representan el 6.2% de la superficie de una escena completa,
siendo mayor hacia los extremos Este y Oeste, y no presentando problema alguno en la
parte central de la imagen. Afortunadamente, la cuenca del Guadalfeo se sita en la parte
central de dichas imgenes y por tanto la superficie afectada es menor.

Como ya hemos mencionado, el uso de sensores remotos pticos requiere de cielos
despejados para poder medir la radiacin reflejada por la superficie terrestre, ya que las
nubes no dejan pasar la radiacin de longitudes de onda cortas. El porcentaje de la
superficie de cada imagen que se ve afectado por nubosidad es un dato que ofrece el
suministrador comercial antes de realizar el pedido y, por tanto, es posible descartar las que
tienen una alta incidencia de nubes. En el proceso de seleccin de imgenes para este
trabajo, no pudo evitarse que algunas de las imgenes, concretamente las de 25-nov-02, 12-
abr-04, 22-nov-04 y 2-jun-05, tengan algunas nubes en el interior de los lmites de la
cuenca, aunque la superficie afectada es pequea, inferior al 10% en el peor de los casos
(22-nov-04).


29

25 noviembre 2002
1 septiembre 2003 29 junio 2003
28 enero 2003 1 marzo 2003
Fig. 4.1. Imgenes
Landsat disponibles
para el ao
hidrolgico 2002/03.

30

23 enero 2004
18 agosto 2004
1 julio 2004 12 abril 2004
19 septiembre 2004
Fig. 4.2. Imgenes
Landsat disponibles
para el ao
hidrolgico 2003/04.

31
22 noviembre 2004 1 enero 2005
2 junio 2005 20 julio 2005
30 marzo 2005
Fig. 4.3. Imgenes
Landsat disponibles
para el ao
hidrolgico 2004/05.

32

4.2. Procesamiento y validacin de las imgenes

El tratamiento que se ha aplicado a las imgenes de satlite para obtener la cobertura
vegetal del suelo incluye las siguientes etapas:

1. Correccin geomtrica. Su objetivo es que las diferentes imgenes utilizadas
se correspondan geomtricamente entre s y se puedan integrar con otro
tipo de informacin geogrfica.
2. Calibracin radiomtrica. Su objetivo es convertir los valores digitales en
que se almacena la informacin de una imagen en una variable con sentido
fsico como es la radiancia que recibe el sensor. Posteriormente, este valor
de radiancia se transforma en reflectividad aparente teniendo en cuenta la
radiacin solar incidente en el punto y la hora analizados.
3. Correccin atmosfrica. Su objetivo es eliminar las diferencias entre
imgenes que son debidas a diferentes condiciones atmosfricas en el
momento de adquisicin y no a cambios reales producidos en la superficie
terrestre. Mediante esta correccin se pasa de reflectividad aparente (la que
mide el sensor) a reflectividad de la superficie terrestre.
4. Correccin topogrfica. Necesaria en un terreno tan montaoso como el de
Guadalfeo, reduce las diferencias espectrales entre zonas de una misma
imagen que son debidas a una diferente iluminacin de la superficie y no a
caractersticas de la cubierta del suelo.
5. Validacin de los valores de reflectividad obtenidos despus de los pasos 1-
4 con medidas de radiometra de campo.
6. Clculo de la fraccin de cobertura. Su objetivo es determinar la abundancia
de vegetacin en cada punto segn la informacin espectral corregida de
que disponemos.
7. Validacin de los valores de cobertura vegetal obtenidos en el paso 6
mediante comparacin con medidas de campo.

Las 5 primeras etapas se pueden considerar como pre-procesamiento de las
imgenes, el cual sera comn sea cual sea la finalidad para la que se van a utilizar las
imgenes, y se explica con mayor detalle en el Anejo A. Los pasos 6 y 7 son especficos para
la aplicacin que buscamos en este estudio, y se presentan a continuacin.

A partir de los valores de reflectividad obtenidos tras el pre-procesamiento de las
imgenes de satlite, se ha calculado el ndice denominado ndice de Vegetacin de la
Diferencia Normalizado (NDVI) por ser el ms ampliamente usado y presentar una alta
correlacin a escala local con varios parmetros de la cubierta vegetal como el ndice de rea
foliar, la biomasa, la produccin, y el porcentaje de cobertura (Camacho-De Coca et al., 2004).
Los ndices de vegetacin estn diseados para ser sensibles al componente verde de una
cubierta vegetal, y no se corresponden bien con la fraccin de cobertura total en presencia de
una parte significativa de vegetacin seca (North, 2002). El NDVI se calcula de la siguiente
forma:

vis nir
vis nir
NDVI

+
= (8)


33
Siendo
nir
y
vis
la reflectividad de la superficie en los intervalos de longitud de onda
correspondientes al rojo (0,5-0,7 m) e infrarrojo cercano (0,7-0,9 m), respectivamente. El
NDVI no cuantifica directamente la cantidad de vegetacin, por lo que debe ser
transformado en porcentaje de vegetacin antes de realizar la comparacin con el anlisis de
mezcla espectral (Carlson y Ripley, 1997). El NDVI de una zona con una cobertura vegetal
del 100% no es igual a la unidad, sino que suele estar comprendido entre 0,65 y 0,75 segn el
tipo de cubierta, por lo que no es un buen estimador por s mismo de la fraccin de
cobertura.

Para transformar el ndice de vegetacin en un valor de cobertura vegetal se ha
utilizado la relacin lineal propuesta por Wittich y Hansing (1995), que ha sido utilizada
tambin con resultados aceptables por otros autores (Choudhury et al., 1994; Qi et al., 2000,
Ramsey et al., 2004). La ecuacin de dicha transformacin se puede expresar como:

0 100
0
NDVI NDVI
NDVI NDVI
fv
= (9)

Siendo NDVI
0
el ndice correspondiente a suelo desnudo, NDVI
100
el ndice
correspondiente a una superficie completamente cubierta por vegetacin, y fv la fraccin de
cobertura vegetal del suelo. Para normalizar el ndice de vegetacin NDVI se seleccionaron
en la imagen de satlite zonas con cobertura total y sin vegetacin. Los parmetros utilizados
para todas las imgenes fueron:

NDVI
100
= 0,73
NDVI
0
= 0,06

En la figura 4.4 se representa la distribucin estadstica de los valores de NDVI de
todas las imgenes disponibles de la cuenca. Se comprueba que los parmetros seleccionados
para la normalizacin del ndice de vegetacin son razonables, ya que el intervalo entre
NDVI
100
y NDVI
0
contiene la gran mayora de los pxeles de cada una de las imgenes. El
alto nmero de pxeles cuyos valores son inferiores a 0,06 corresponden a superficies sin
vegetacin, como suelo desnudo y nieve, as como a zonas en donde no se ha podido calcular
el ndice por presencia de nubes o sombra.


34

Fig. 4.4. Distribucin de valores de NDVI en las 15 imgenes disponibles de la cuenca Guadalfeo.

Los parmetros anteriores nos permiten aplicar la ecuacin (9) a los valores de NDVI
y obtener la fraccin de cobertura vegetal. En este punto se ha realizado una validacin para
comprobar si el mtodo utilizado da buenos resultados en la zona estudiada. Se han utilizado
datos de campo de cobertura vegetal recogidos los das 2-4 de agosto de 2004 en 30 parcelas
que pudieron ser identificados posteriormente en la imagen de satlite de 18-ago-04 (Ver
Anejo B: Campaas de medida en campo). En la figura 4.5 se presenta la relacin entre los
valores de cobertura vegetal calculados con el satlite y los estimados en campo en las
diferentes parcelas seleccionadas.

La fraccin de cobertura vegetal calculada mediante la normalizacin lineal del ndice
NDVI propuesta por Wittich y Hansing (1995) presenta un coeficiente de dispersin de
R
2
=0.83 respecto a las estimaciones de campo de cobertura vegetal en los mismos puntos.
Las imgenes derivadas con este mtodo presentan una alta coherencia con las observaciones
de campo, lo que demuestra el potencial del mtodo para estimar fraccin de cobertura
vegetal y estudiar su evolucin temporal.

El mayor error en la estimacin de la cobertura vegetal por este mtodo se produce en
superficies con abundante vegetacin seca, a las que asigna un cierto porcentaje de cobertura
vegetal (10-30%), cuando la cobertura de vegetacin verde real es nula. Asimismo, el mtodo
del NDVI utilizado tiene la desventaja de que el ndice se ve afectado por las propiedades
espectrales del suelo (Huete et al., 1985), particularmente en reas con vegetacin dispersa
donde las observaciones estn fuertemente influenciadas por la seal de fondo del suelo, las
rocas y el material vegetal seco.
NDVI
0.06 0.73
N pxeles

35

y = 1,0315x - 5,0519
R
2
= 0,8328
0
20
40
60
80
100
0 20 40 60 80 100
fv satlite (%)
f
v

c
a
m
p
o

(
%
)

Fig. 4.5. Relacin entre la fraccin de cobertura calculada con la
imagen de satlite de 18-ago-04 y la medida en campo el 2-3 agosto 2004.

4.3. Evolucin temporal de la cobertura vegetal

Las variaciones estacional e interanual que presentan las cubiertas vegetales de la
cuenca como consecuencia de las condiciones climatologas y de la influencia humana, tienen
una gran importancia en el balance hidrolgico a escala regional a la hora de estimar los
diferentes flujos y procesos que ocurren en la superficie de la cuenca. Por ello se ha utilizado
en este trabajo un gran nmero de imgenes de satlite que permitan conocer la evolucin
temporal de la vegetacin presente en cada punto de la cuenca durante el periodo de tiempo
estudiado (1-sep-02 al 31-ago-05).

La abundancia de vegetacin en cada punto de la cuenca y su evolucin a lo largo del
tiempo se analiza mediante la fraccin de cobertura vegetal del suelo, cuyo procedimiento de
clculo se ha explicado en los puntos anteriores. El resultado es una serie de mapas como el
representado en la figura 4.6, que contiene un valor de cobertura vegetal en cada celda de
3030 m.


36

Fig. 4.6. Mapa de cobertura vegetal de la cuenca del Guadalfeo de 30-mar-05.

Si se compara la imagen de cobertura vegetal (Fig.4.6) con el mapa de tipo de
vegetacin (Fig. 3.2), se puede comprobar que evidentemente existe una relacin entre el tipo
de vegetacin y el porcentaje de superficie del suelo que cubre. Es posible establecer una
relacin visual entre las superficies de conferas y su alta fraccin de cobertura del suelo, entre
la superficie improductiva del Norte de la cuenca y su baja o nula cobertura vegetal, y del
mismo modo entre los frutales de regado del entorno de Motril y las zonas de alta cobertura
vegetal en el extremo Sur de la imagen 4.6.

El modelo hidrolgico distribuido en el que se incluye el modelo de interceptacin
explicado en este trabajo calcula los flujos de agua a escala horaria durante cada evento de
precipitacin en la cuenca, y a escala diaria en los periodos entre eventos. Para generar series
temporales de cobertura vegetal a escala de cuenca, se ha adoptado una resolucin temporal
de un da y se interpola a lo largo del ao los valores calculados para las fechas de las
imgenes en cada celda. La hiptesis utilizada en este trabajo es la siguiente: Se considera que
la cobertura calculada en una fecha determinada permanece constante durante los 10 das
anteriores y posteriores a dicha fecha. Para los periodos restantes, la cobertura es interpolada
linealmente entre las dos imgenes. Este criterio tiene una excepcin al final del verano, ya
que no se comienza a interpolar los datos de la ltima imagen de verano con la de otoo hasta
que no se han registrado las primeras lluvias importantes en el ao hidrolgico considerado.
100%
0
50%

37
De esta forma, la cobertura calculada para la imagen de verano permanecer constante hasta
que haya humedad disponible para que las plantas salgan del reposo estival.

Para analizar los resultados obtenidos se han seleccionado zonas de la cuenca de los
diferentes tipos de vegetacin existentes, y se ha representado su fraccin de cobertura
vegetal promediada frente al tiempo. Las zonas de los diferentes tipos de vegetacin se han
seleccionado utilizando informacin de las campaas de campo y ortofotografa digital. En la
figura 4.7 se presentan algunos ejemplos de estas zonas.

Fig. 4.7. Ejemplo de zonas seleccionadas para analizar su evolucin temporal segn la clase de
cubierta vegetal. La imagen de fondo es la imagen Landsat de 28-ene-03 visualizada mediante una
combinacin de bandas 4-3-2.

En la figura 4.8 se representa la evolucin temporal para cada uno de los 9 tipos de
cubiertas vegetales ms representativos de la cuenca del Guadalfeo.

El bosque de conferas mantiene su cobertura en el intervalo 85-95% durante todo el
periodo estudiado, sin sufrir variaciones importantes en ninguna estacin. Se producen ligeros
mnimos en verano y mximos en invierno que se deben a la vegetacin anual de tipo
herbcea que crece en los espacios entre las copas de los rboles, as como al propio ciclo de
crecimiento de agujas de pino. La zona seleccionada es de unas 13 ha. de extensin y
corresponde a un pinar espeso situado al Norte de la localidad de Lanjarn. En verano de
Conferas
Frutales secano Cultivos herbceos
Matorral
Pantano de Bznar
Padul
Torvizcn
rgiva

38
2005 ocurre una excepcin, ya que se observa una disminucin de la cobertura hasta el 63.5%.
Esa es la respuesta a un ao hidrolgico muy seco: desde el 1-septiembre-2004 al 31-agosto-
2005 la precipitacin media en la cuenca fue de 320 mm, frente a los 620 mm de un ao
medio.

El grupo de las quercneas, que representa el bosque mediterrneo tpico formado por
encinas o alcornoques y matorral bajo, mantiene una cobertura del suelo en el intervalo 60-
80% durante el periodo de 3 aos estudiado, pero con cambios estacionales algo ms
acusados que el caso de las conferas. La superficie seleccionada para esta tipologa de
vegetacin tiene una extensin de unas 15 ha., y constituye un alcornocal situado al Sur de la
subcuenca del Torvizcn. Los mximos para este alcornocal se producen en invierno, en
torno al 80% de suelo cubierto por vegetacin verde, y los mnimos en verano con valores del
orden del 60%. Al igual que en el caso de las conferas, en las quercneas se observa una
mayor cada de la fraccin de cobertura en el verano de 2005 (hasta llegar al 45%) que en los
mismos periodos de los aos anteriores. Esto es debido a que la primavera de 2005 fue
mucho ms seca que las de los aos 2003 y 04, lo que result en un menor crecimiento del
estrato vegetal inferior, que se compone de pasto y matorral que cubren los espacios entre
rboles.

La cubierta de matorral, que es la que cubre mayor superficie de la cuenca, presenta
importantes contrastes tanto intra como inter-anuales. Su evolucin temporal esta
estrechamente ligada a la climatologa (temperatura y precipitacin) y por tanto se pone de
relieve la importancia de disponer de un gran nmero de imgenes homogneamente
repartidas en el tiempo para su adecuado seguimiento. Concretamente, la parcela seleccionada
para el anlisis temporal es una extensa zona homognea de matorral en la subcuenca del ro
Alczar, en la vertiente Sur del Guadalfeo. Tiene una extensin de ms de 60 ha. y se
compone de matorral bajo y disperso con pasto asociado. En la figura 4.8 se observan
mximos de cobertura vegetal del 72% para el invierno del primer ao, del 53% para el
segundo, y de 68% para el tercero. Los mnimos relativos se producen al final del verano,
siendo del 34%, 37% y 27% para los 3 aos analizados, respectivamente.

Para estudiar la evolucin de las superficies de pastizal, se han seleccionado extensas
zonas de alta montaa entre 1500 y 2500m de altitud. Su extensin es de unas 250 ha. y el
suelo es de tipo rocoso y pobre. Las superficies de pasto de alta montaa presentan gran
estacionalidad, como era de prever. La superficie estudiada se cubre parcialmente de nieve
parte del ao y alcanza coberturas por encima del 35% en los meses posteriores al deshielo.
En este caso, los mximos se producen al final de primavera y no en invierno como los casos
anteriores.

Para que la zona de olivar seleccionada fuera representativa de los diferentes tipos que
existen en la cuenca (regado-secano, montaa-valle, tradicional-moderno, diferentes marcos
de plantacin, etc.) se han seleccionado numerosas parcelas distribuidas por las zonas de la
cuenca donde se concentra este cultivo. En total representan 358 ha. de olivar. Si bien las
copas de los olivos no sufren grandes variaciones durante el ao, las hierbas anuales que
crecen en el suelo desnudo que hay entre las mismas producen las variaciones estacionales
que se observan en la figura 4.8. En invierno y primavera la respuesta espectral de esas
superficies resulta en unas estimaciones del 65-75% de cobertura vegetal segn el ao,
mientras que al final del verano se queda en torno al 50%, el cual corresponde nicamente a
las copas de los olivos.


39

Fig. 4.8. Evolucin temporal de las cubiertas vegetales de la cuenca del Guadalfeo durante el periodo 1septiembre2002 31agosto2005

40

En cuanto a los frutales de regado, se han seleccionado zonas de plantaciones
frutales y cultivos subtropicales al Oeste de la localidad de Motril, con una superficie total
de unas 20 ha. Las estimaciones de cobertura vegetal obtenidas mediante teledeteccin
indican que dichas cubiertas mantienen unos valores altos (90% aproximadamente) y una
evolucin ms o menos constante a lo largo del ao. El descenso de cobertura
experimentado en las 2 ltimas imgenes disponibles (junio y julio de 2005) no tiene una
explicacin en la climatologa, ya que estos cultivos son de regado. El descenso se puede
deber a una menor dotacin para riego, a la renovacin de la plantacin plurianual o
cambio de uso en algunas parcelas.

Respecto a la tendencia estacional de la cobertura de frutales de secano (almendros
y viedo), para los meses de verano la f
v
calculada es cercana al 30%, lo que se corresponde
con las observaciones de campo. Sin embargo, para los meses de invierno la f
v
calculada es
mayor, en torno al 50%, a pesar de que los frutales estn sin hoja en esta poca del ao.
Esto tiene su explicacin en el manejo del suelo que realizan los productores: se deja crecer
el pasto durante el invierno para despus eliminarlo mediante labrado o dejar que se seque
de forma natural con la llegada de las altas temperaturas estivales. Las superficies de
almendros y vid seleccionadas se encuentran en la subcuenca del Torvizcn, como se
puede observar en la figura 4.7, e incluyen parcelas con diferentes densidades de plantacin
y pendientes del terreno. En total suman ms de 40 ha.

Los cultivos herbceos son el tipo de vegetacin con variaciones estacionales ms
acusadas de todas las cubiertas analizadas. Se comprueba que la curva de un ao es muy
similar a las del resto, alcanzando los mismos valores mximos y mnimos en los mismos
meses del ao. En su estado de mximo desarrollo (primavera), se ha estimado una
cobertura del 85% del suelo, mientras que en el periodo entre cosechas (final del verano,
principios del otoo) este porcentaje cae hasta el 15-20%. Hay que tener en cuenta que la
zona analizada no comprende una sola parcela de cultivo, sino una zona agrcola de unas 19
has al Este de Padul, que incluye diferentes tipos de cultivos herbceos anuales, as como
caminos, barbechos, etc.

Por ltimo, cabe analizar la evolucin de la clase denominada Improductivo, para
la cual se han seleccionado grandes reas en la parte ms alta de la cuenca (>2500m). Estas
zonas permanecen nevadas la mitad del ao y en la otra mitad apenas crece nada.
Efectivamente se comprueba que los valores son cercanos a cero en la mayora de las
imgenes procesadas.

Debido a la importancia de la cubierta de matorral en la cuenca (26.1% de toda la
superficie) y a las importantes variaciones estacionales que sufre su fraccin de cobertura
del suelo, se ha analizado la relacin entre su evolucin temporal y las variables climticas
temperatura y precipitacin (figura 4.9). La lnea de color azul representa la evolucin
temporal de la temperatura media diaria y las barras oscuras indican la precipitacin diaria
registrada. La temperatura y precipitacin se han tomado de la estacin meteorolgica de
Cdiar, localidad cercana a las zonas de matorral seleccionadas y con similar altitud.


41

Fig. 4.9. Evolucin temporal de la cubierta de matorral en funcin la precipitacin y la temperatura.

Se comprueba que la cubierta de matorral responde a las condiciones climticas,
variando entre el 30% y el 70% la cobertura vegetal del suelo. La fraccin de cobertura
aumenta despus de las primeras lluvias de otoo en los 3 aos estudiados, hasta alcanzar
su mximo anual en los meses de enero - marzo. A partir de entonces, la cobertura vegetal
comienza a descender coincidiendo con el aumento de las temperaturas hasta alcanzar el
mnimo en los meses de julio - septiembre. Se puede considerar que el valor base del 27.2%
encontrado en la serie temporal de vegetacin de tipo matorral, que se produce en el
verano de 2005 tras una primavera especialmente seca, corresponde exclusivamente a la
cobertura de especies arbustivas plurianuales, las cuales se encuentran en estado de reposo
estival pero mantienen una cierta capacidad fotosinttica.

El comportamiento temporal de la cubierta de matorral, que en la parcela estudiada
es de porte bajo y siempre va asociada a una cubierta de pasto (herbceas anuales), tiene
una relacin muy marcada y de tipo inversa a la temperatura media diaria, como se puede
observar en la figura 4.9. Las altas temperaturas de primavera y verano secan el pasto y
parte de las hojas de los arbustos. Por el contrario, las temperaturas ms suaves del invierno
tpico del clima Mediterrneo, permiten el mximo desarrollo de la cubierta en cuanto a
abundancia de vegetacin fotosintticamente activa.

Cabe destacar en este sentido la diferente respuesta que sufre la cubierta de
matorral ante las lluvias de otoo y primavera, que son las estaciones del ao en las que la
cuenca recibe la mayor parte de la precipitacin anual. La precipitacin de otoo es
necesaria para la salida del reposo estival de la cubierta, experimentando sta una rpida
respuesta despus de las primeras lluvias importantes ocurridas en octubre - noviembre.
Esta respuesta es favorecida por el descenso de temperatura que se produce en los meses
mencionados. Sin embargo, se puede observar cmo las lluvias de primavera no rompen la
tendencia descendente de la fraccin de cobertura vegetal, debido a que la temperatura es
un factor ms importante en la determinacin del ciclo de los pastos anuales. Estas lluvias
de primavera, no obstante, tienen importancia a la hora de establecer el nivel base de
vegetacin verde que existir durante el verano. Esto ltimo se puede comprobar en el
tercer ao hidrolgico analizado, el 2004/05, cuando las lluvias primaverales fueron menos

42
abundantes y tuvo como consecuencia una cobertura del 27.2%, frente a las del 35% de los
2 aos anteriores.

Parte II

Modelo distribuido de interceptacin de lluvia

5. Prdidas por interceptacin de lluvia

45

Captulo 5

Prdidas por interceptacin de lluvia

Cuando la lluvia incide sobre una superficie con vegetacin, una parte es interceptada
por la cubierta vegetal y evaporada directamente hacia la atmsfera. Esta parte de la lluvia se
denomina prdida por interceptacin (I). El resto de la lluvia alcanza la superficie del suelo
tanto de forma directa a travs de huecos en la cubierta y goteando desde la misma
(trascolacin, T
f
) como escurriendo a travs de las ramas principales y el tronco (escorrenta
cortical, S
f
). La cantidad real de agua que alcanza el suelo se denomina precipitacin neta (P
n
),
y es la suma de la trascolacin y la escorrenta cortical.

El concepto de capacidad de almacenamiento de la cubierta vegetal fue introducido
por primera vez por Horton (1919). El agua es retenida en la superficie de hojas y ramas por
la tensin superficial hasta que sta se iguala a la fuerza gravitatoria (Leonard, 1967). En ese
momento, la cubierta alcanza su capacidad de almacenamiento (S) y comienza el goteo
(drenaje a travs de la cubierta, D). S se define entonces como la cantidad mnima de agua
necesaria para cubrir completamente la superficie de la cubierta al aire libre.

El proceso de interceptacin juega un papel importante en el balance de agua de una
cuenca y en la propia ecologa de la vegetacin. La importancia cuantitativa de este flujo ha
sido investigado en diversos tipos de cubierta vegetal, entre los que se encuentran cultivos
comerciales (Stoltenberg y Wilson, 1950; Leuning et al., 1994; Xiao et al., 2000; Van Dijk y
Bruijnzeel, 2001; Gmez et al., 2001); vegetacin de zonas ridas y semiridas (Nvar y Bryan,
1990; Domingo et al., 1998; Cant y Gonzlez, 2005); herbceas (Burgy y Pomeroy, 1958;
Merriam, 1961; Leyton et al., 1967); pero sobre todo en ecosistemas de bosque (Rutter, 1963;
Thompson, 1972; Aston, 1979; Gash, 1979; Gash et al., 1980; Dolman, 1987; Lankreijer et al.,
1993; Llorens, 1997; Liu, 1998; Valente et al., 1997; Carlyle-Moses y Price, 1999).

Las prdidas por interceptacin en bosques constituyen con frecuencia una parte
significativa (25-75%) del total de agua evaporada (Gash y Stewart, 1977; McNaughton y
Jarvis, 1983; Shuttleworth, 1988). Expresadas como porcentaje de la lluvia incidente, las
prdidas por interceptacin pueden variar desde el 9% en el Amazonas (Lloyd et al., 1988)
hasta valores tan altos como el 60% en bosques de Picea sitchensis y Picea abies en Gran Bretaa
(Forgeard et al., 1980). Este amplio intervalo de variacin se debe principalmente a diferencias
en la distribucin temporal de lluvia entre ambas regiones. Las mayores prdidas ocurren en
climas con frecuentes eventos de lluvia de pequea magnitud, en contraposicin a aquellos
climas con pocos eventos de gran intensidad (Rutter, 1975).

Los factores que afectan a las prdidas por interceptacin son, por una parte, la
evaporacin desde las superficies hmedas de la vegetacin y, por otra, la duracin de la
humedad en la cubierta (Rutter, 1975; Ward y Robinson, 2000). La ltima viene determinada
por la capacidad de almacenamiento de la cubierta y por la distribucin e intensidad de los
eventos de lluvia. La capacidad de almacenamiento depende a su vez del tamao de hoja,

46
forma y orientacin (Armstrong y Mitchell, 1987), de la estructura de la planta (Watanabe y
Mizutani, 1996; Domingo et al., 1996, 1998) y de la agitacin de la cubierta por el viento
(Aston, 1979), entre otros.

Como las prdidas por interceptacin no pueden ser medidas directamente, la
magnitud de este flujo es estimada como diferencia entre la precipitacin incidente y la suma
de trascolacin y escorrenta cortical (precipitacin neta) medidas a nivel del suelo. La
precipitacin incidente se puede medir por encima de la cubierta o en un claro cercano.

Debido a la gran variabilidad espacial de la trascolacin, normalmente se mide
mediante un muestreo intensivo utilizando una serie de pluvimetros de embudo localizados
al azar debajo de las copas de los rboles. Como trmino medio son necesarios de 20 a 30
colectores de embudo para muestrear una superficie de 1500 m
2
aproximadamente de bosque
conteniendo de 50 a 90 rboles (p.ej. Valente et al., 1997).

La escorrenta cortical se suele medir usando canalones sellados alrededor del tronco
que vierten a un depsito o un medidor automtico. La escorrenta cortical es muy variable de
un rbol a otro. Sin embargo, no se mide con tanta precisin porque normalmente representa
una parte muy pequea del balance de agua en la cubierta.

Algunos investigadores (p.ej. Calder y Rosier, 1976) prefieren usar grandes lminas
colectoras de plstico para medir la precipitacin neta. Este tipo de medidores recogen el total
de trascolacin y escorrenta cortical en un rea de aproximadamente 20 m
2
. Este mtodo
soluciona el problema de la variabilidad espacial a pequea escala, pero no considera
variaciones de la precipitacin neta en distancias algo mayores.

Estas medidas indirectas estiman la interceptacin como una diferencia pequea entre
dos grandes nmeros y, por ello, tanto la lluvia incidente como la lluvia neta deben ser
medidas con precisin (David et al., 2005). Se han probado algunas tcnicas para medir de
forma directa el agua almacenada en la cubierta o la evaporacin desde la misma, pero
ninguno de estos mtodos ha sido aceptado como una tcnica de aplicacin general.

Una alternativa para estimar las prdidas por interceptacin es el uso de modelos, que
permiten extrapolar los resultados experimentales en el tiempo y en el espacio. Pero a
diferencia de estos, los modelos permiten tambin conocer el funcionamiento del proceso.

Aparte del trabajo pionero de Horton (1919), quien puso de relieve que la duracin de
la lluvia era una variable clave, la mayora de los modelos posteriores expresan las prdidas
por interceptacin en funcin de la lluvia incidente, bien como un porcentaje o a travs de
relaciones empricas simples (Zinke, 1967). Sin embargo, estas relaciones son especficas del
lugar donde se obtuvieron y su extrapolacin a otras reas con diferente rgimen de lluvias da
como resultado estimaciones errneas.

Rutter et al. (1971, 1975) fueron los primeros en presentar un modelo de
interceptacin en bosques, proponiendo que el proceso estaba condicionado principalmente
por la evaporacin desde la cubierta hmeda. El modelo de Rutter calcula un balance de agua
en la cubierta vegetal en el que el contenido de humedad de la cubierta va cambiando en
funcin de los flujos de lluvia, drenaje y evaporacin que afectan a la misma. El modelo
requiere tanto datos meteorolgicos en cortos intervalos de tiempo como parmetros que
describen la estructura de la vegetacin, como su capacidad de almacenamiento y el
porcentaje de espacio libre de vegetacin. La evaporacin se calcula mediante la ecuacin de

47
Penman-Monteith (ec. 13). El principal problema prctico es el alto requerimiento de datos
del modelo. Gash (1979) propuso un modelo ms simple basado en eventos de lluvia,
conocido como el modelo analtico de Gash. ste incorpora algunas simplificaciones de los
modelos de regresin lineal, pero manteniendo los conceptos fsicos fundamentales del
modelo de Rutter. El modelo de Gash requiere menor cantidad de datos meteorolgicos,
porque aplica valores constantes de intensidad de lluvia media y evaporacin media durante el
periodo de simulacin. Este modelo ha funcionado con xito en una amplia variedad de
condiciones (Gash et al., 1980; Dolman, 1987; Lloyd et al., 1988).

Cuando los modelos de Rutter y Gash eran aplicados en vegetacin dispersa, se
comprob que sobreestimaban las prdidas por interceptacin (Lankreijer et al., 1993; Gash et
al., 1995; Valente et al., 1997). Esto condujo a la revisin de ambos (Gash et al., 1995; Valente
et al., 1997) para tener en cuenta el grado de cobertura de la vegetacin. En estas versiones de
los modelos para vegetacin dispersa, la evaporacin desde la cubierta hmeda se considera
linealmente dependiente de la fraccin de cobertura vegetal (f
v
). Las versiones revisadas
permiten simular adecuadamente las prdidas por interceptacin tanto en cubiertas dispersas
como cerradas, teniendo en cuenta que cuando la cobertura vegetal es del 100%, la versin
revisada se reduce a la original. Aplicaciones recientes del modelo de Gash revisado
confirman que las predicciones del modelo son buenas en cubiertas con diferentes grados de
cobertura (Gash et al., 1995; Valente et al., 1997; Asdak et al., 1998; Carlyle-Moses y Price,
1999; Jackson, 2000).

Como alternativa a estos modelos tipo Rutter, Calder (1986) desarroll un modelo
estocstico en el que el almacenamiento de la cubierta variaba con el tamao de gota y, por lo
tanto, con la intensidad de lluvia. Sin embargo, actualmente slo los modelos de Rutter y
Gash o sus derivados se consideran mtodos aplicables de forma general de forma distribuida
a escala de cuenca (Roberts et al., 2004).

6. Modelo de interceptacin

49

Captulo 6

Modelo de interceptacin

El modelo de interceptacin que se propone en este trabajo para su uso a escala de
cuenca est basado en los modelos analticos de Rutter y Gash mencionados anteriormente.
En la figura 6.1 se representa esquemticamente el balance de agua que ocurre en la cubierta
vegetal del suelo.

Fig. 6.1. Balance de agua en la cubierta vegetal.

La precipitacin incidente (P) puede ser interceptada por la cubierta vegetal o bien
llegar directamente al suelo si no encuentra hojas o ramas a su paso. El agua interceptada
puede a su vez llegar al suelo mediante drenaje (D) o ser retenida en la cubierta vegetal y
posteriormente evaporada hacia la atmsfera (E). La cubierta retiene en cada instante un
volumen de agua (w), cuyo valor mximo corresponde a la capacidad de almacenamiento de la
cubierta (S), que se produce cuando la cubierta alcanza la saturacin.

Este modelo de interceptacin se aplica en la superficie en la que existe vegetacin.
Para extrapolarlo a la superficie total del suelo, se debe tener en cuenta el carcter disperso de
la vegetacin mediante el uso de la fraccin de cobertura vegetal (f
v
). Este parmetro
determina la proporcin de superficie de suelo en la que ocurre interceptacin. En el resto de
la superficie, donde no existe cubierta vegetal, la precipitacin incidente llega directamente al
suelo convirtindose en precipitacin neta. La distribucin espacial de f
v
a lo largo del periodo
de estudio se ha obtenido a partir del anlisis de imgenes Landsat (ver Parte I de este
trabajo).

P
E
D
S
f
v

w

50
El modelo planteado calcula la lluvia neta definida como la cantidad de agua que llega
al suelo, sin separarla en escorrenta cortical y trascolacin. La estimacin de la escorrenta
cortical es compleja en cubiertas vegetales compuestas de varias especies distintas, ya que
existen grandes diferencias en su capacidad de generar esta escorrenta cortical (Lloyd y
Marques, 1988). La importancia cuantitativa que tiene la escorrenta cortical es pequea en
comparacin con la precipitacin incidente. Por ejemplo, en un estudio realizado sobre Pinus
sylvestris en los Pirineos, Llorens (1997) obtiene un valor de escorrenta cortical del 1,3% de P.
Dolman (1987) encontr la escorrenta cortical despreciable para un bosque de robles en
Holanda en su periodo con hoja, y estim un valor del 5% de P para el periodo de reposo.

El balance de agua que se produce en la cubierta vegetal se puede expresar como:

E I D E P
dt
dw
= = (10)

donde w es el volumen de agua almacenado por unidad de superficie en el dosel
vegetal, P es el flujo de precipitacin incidente, E es el flujo de evaporacin de agua
interceptada, D es el flujo de agua que drena a travs de la cubierta, e I es el flujo de agua
interceptada (I = P D).

El periodo de aplicacin del balance de agua comienza el 1-septiembre-2002 y termina
el 31-agosto-2005. En esos dos momentos suponemos que la cubierta est seca, puesto que
no se produjo ningn evento de lluvia en la cuenca del Guadalfeo en los das anteriores. Bajo
este supuesto, el primer trmino de la ecuacin (10) es igual a cero para el ao estudiado, y
por tanto, coinciden los flujos totales de agua interceptada con el de agua evaporada (I=E).
Sin embargo, para intervalos de tiempo ms cortos, el agua interceptada en un instante de
tiempo no se evapora hasta los siguientes, producindose variaciones en la cantidad de agua
retenida por la cubierta vegetal (dw/dt 0).

El flujo de evaporacin de agua desde las hojas y ramas se calcula segn Rutter et al.
(1971) como:

P
E
S
w
E = (11)

donde E
P
es el flujo de evaporacin potencial desde la superficie hmeda de la
vegetacin (ver ec. 13) y S es la capacidad de almacenamiento de la cubierta, es decir, el
volumen de agua que la planta es capaz de retener por unidad de superficie cuando se
encuentra saturada. S es comparable al concepto de capacidad de campo de un suelo, tan til
en la prctica al hablar de su contenido de agua y tan difcil de definir con precisin (Rutter et
al., 1971). Cuando el dosel est saturado (w = S), existe agua en zonas de la planta ms
expuestas a la atmsfera, como por ejemplo la parte superior de la cubierta o las hojas
exteriores de la copa de los rboles, que se evapora a la velocidad potencial (E = E
P
).
Conforme el dosel se va secando, el agua remanente estar retenida en zonas de la planta
menos expuestas a la atmsfera, como zonas interiores o pliegues por ejemplo, y el flujo de
evaporacin ser menor (w/S < 1). Se ha demostrado que con esta hiptesis se describe
adecuadamente el comportamiento de la cubierta en su conjunto durante el proceso de
secado de la misma (Shuttleworth, 1978; Sellers y Lockwood, 1981; Shuttlewoth y Gash,
1982;).


51
La descripcin ms realista de la evaporacin desde cubiertas viene dada por la
ecuacin de Penman-Monteith (Monteith, 1965). Cuando la cubierta est seca, el flujo de
vapor de agua desde la superficie de la cubierta (transpitacin, E
T
) se expresa como:

( )
a c
a p
T
r r s
r D c sA
E
+ +
+
=
1
(12)

donde E
T
es el flujo de transpiracin, A es la energa radiante disponible, c
p
el calor
especfico del aire a presin constante, D el dficit de presin de vapor, la constante
psicromtrica, s la pendiente de la curva de presin de vapor en saturacin, el calor latente
de vaporizacin del agua, y la densidad del aire. r
a
es la resistencia aerodinmica, que
controla la transferencia de vapor desde las superficies de la planta hasta la atmsfera, y r
c
es la
resistencia de la cubierta (o superficie), que representa la influencia combinada de los estomas
de todas las hojas.

Cuando la cubierta es humedecida por la lluvia, la evaporacin del agua interceptada
es un proceso que no depende del funcionamiento de los estomas. El flujo de evaporacin
desde una cubierta hmeda (E
P
) se puede expresar por la ecuacin (12) haciendo la resistencia
de la cubierta igual a cero (Rutter et al., 1971; Gash, 1979; Cain et al., 1998):

( )
+
+
=
s
r D c sA
E
a p
P
(13)

Por tanto, para una temperatura dada, el flujo de evaporacin desde la superficie
hmeda depende principalmente de la energa disponible (A), el dficit de presin de vapor
del aire circundante (D) y de la resistencia aerodinmica (r
a
). La resistencia aerodinmica a la
transferencia de vapor de agua es funcin de la rugosidad caracterstica de la superficie
evaporante y de la velocidad del aire (Monteith y Unsworth, 1990). Cuando aumenta la altura
de la vegetacin, se produce normalmente un aumento de la longitud de la rugosidad (z
0
) y
por tanto, una disminucin en la resistencia aerodinmica (Rutter, 1975).

Durante un evento de lluvia la energa disponible (A) y el dficit de presin de vapor
(D) son pequeos, por lo que la evaporacin potencial es pequea. Sin embargo una parte
importante de las prdidas por interceptacin se producen durante el propio evento de lluvia
porque la disponibilidad de agua en la cubierta (w) es mayor.

El flujo de drenaje a travs de la cubierta vegetal se calcula a partir de la propuesta de
Zeng et al. (2000), que es equivalente a elegir un coeficiente de drenaje infinito en la frmula
exponencial de Rutter:

>
=
S w si
S w si
D
0
(14)

Es decir, slo se produce flujo de drenaje cuando el contenido de humedad de la
cubierta supera la capacidad de almacenamiento S, y a partir de ese momento todo exceso de
agua es drenado instantneamente hacia el suelo. Esta simplificacin permite prescindir de los
parmetros que relacionan w con D en el modelo de Rutter, de difcil cuantificacin prctica,
especficos para cada especie vegetal y prcticamente inabordables a escala de cuenca.


52
Una vez obtenido el valor de las prdidas por interceptacin de lluvia para el intervalo
de tiempo estudiado en la superficie de la cubierta vegetal, se utiliza la fraccin de cobertura
vegetal del suelo (f
v
) para considerar el carcter disperso de la vegetacin y trasladar el
resultado al rea de estudio:

( )
v rea
f D P I = (15)

Los valores de P y D estn referidos a unidad de superficie de cubierta vegetal,
mientras que I
rea
est referida a unidad de superficie de suelo. Esta ltima aproximacin
asume que las variables que intervienen en el proceso de interceptacin de lluvia se
comportan de igual manera tanto si la vegetacin cubre completamente el suelo como si es de
tipo disperso. Liu (2001) encontr que la tasa de evaporacin desde una cubierta saturada y
dispersa es igual a la tasa de evaporacin desde una cubierta saturada y cerrada multiplicada
por la cobertura de la misma. Por tanto, la evaporacin desde la cubierta hmeda se puede
considerar linealmente dependiente de la fraccin de cobertura vegetal (f
v
)

La precipitacin neta (P
n
) que recibe la unidad de superficie de suelo se calcula como
la diferencia entre el flujo de precipitacin incidente y el de interceptacin:

( )
v v rea n
f D P f I P P + = = 1 (16)

De lo anterior se desprende que los datos necesarios para la aplicacin del modelo de
interceptacin son los siguientes:

Variables de entrada:
- Precipitacin incidente (P)
- Evapotranspiracin potencial (E
P
)

Condiciones de contorno:
- Capacidad de almacenamiento de la cubierta vegetal (S)
- Fraccin de cobertura vegetal del suelo (f
v
)

Condiciones iniciales:
- Contenido inicial de agua en la cubierta (w
0
)

Conociendo esos datos podemos determinar el estado de humedad (w) de la cubierta
vegetal en cada instante y por tanto calcular las prdidas por interceptacin y la precipitacin
neta que alcanza el suelo. En la figura 6.2 se presenta un esquema del modelo con las
variables de entrada necesarias y las salidas que produce.


53

Fig. 6.2. Esquema del modelo de interceptacin aplicado. Se representan las
variables que intervienen en su ejecucin.

Para la aplicacin continua en el tiempo del modelo de interceptacin planteado se
han establecido las siguientes hiptesis:

- La humedad disponible para evaporacin durante un intervalo de tiempo
determinado (1 hora en este caso) ser la humedad almacenada en la cubierta
vegetal al inicio de esa hora (w
0
). Por tanto, aunque exista precipitacin durante la
hora, el agua interceptada no estar disponible para evaporacin hasta el paso de
tiempo siguiente, ya que no es posible saber el momento en el que ha cado la
lluvia, si al inicio, en mitad, o al final de la hora.

- El balance de agua de la cubierta se ajusta al final de cada hora, determinando as
el contenido de humedad final (w
f
).

- Las nevadas que se producen sobre cubiertas vegetales son tratadas como
precipitacin en forma lquida. La precipitacin en forma de nieve se produce en
su mayora en superficies de la cuenca con vegetacin muy escasa o inexistente.
Existen muy pocos estudios sobre el proceso de interceptacin de nieve y su
consideracin en el modelo de interceptacin aumentara su complejidad pero no
producira diferencias importantes en los resultados a escala de cuenca. El modelo
general de Guadalfeo incluye un mdulo de nieve que tiene en cuenta los procesos
que tienen lugar en las superficies cubiertas por nieve (Herrero et al., 2005).
Estado inicial de la
cubierta (w
0
)
Caracterizacin de la
cubierta vegetal (S y f
v
)
Descripcin del
evento lluvia (P)
Demanda
evaporativa de la
atmsfera (E
P
)
Prdidas por
interceptacin (I)
Precipitacin
neta (P
n
)
Modelo de
interceptacin
Estado final de la
cubierta (w
f
)
7. Aplicacin a escala de cuenca

55

Captulo 7

Aplicacin a escala de cuenca

7.1. El Modelo Guadalfeo

El Estudio piloto para la gestin integrada de la cuenca hidrogrfica del ro Guadalfeo es un
Proyecto que surgi al observar la necesidad de disponer de herramientas tcnicas para la
toma de decisiones por parte de los gestores tras la entrada en funcionamiento de la presa de
Rules. Dicho Proyecto, llevado a cabo por el Grupo de Ros y Embalses de la Universidad de
Granada con la colaboracin del Grupo de Hidrologa e Hidrulica Agrcola de la Universidad
de Crdoba a travs de un convenio con la Junta de Andaluca representada por el Instituto
del Agua de Andaluca, se concreta a travs del desarrollo de un modelo fsico del
comportamiento morfolgico y fsico-qumico de la cuenca del ro Guadalfeo. ste es pieza
clave en el modelo general de gestin integral de los recursos hdricos en esta cuenca, que
permite responder al trinomio clsico en planificacin cunto-dnde-cundo, aadiendo
cmo y con qu incertidumbre (Aguilar y Polo, 2006).

El Modelo Guadalfeo incluye un modelo hidrolgico completo, distribuido y de base
fsica, que se construye a partir de la integracin de los siguientes mdulos:

Simulacin de variables meteorolgicas, incluyendo distribucin temporal e
interpolacin espacial
Interceptacin de la precipitacin.
Fusin de nieve.
Infiltracin-escorrenta.
Balance de agua en suelo.
Circulacin superficial en ladera.
Acuferos superficial y profundo.
Circulacin en cauce y embalse.

A partir de los datos meteorolgicos de precipitacin, temperatura, radiacin solar,
velocidad del viento, presin de vapor y emisividad de la atmsfera, junto con ciertas
propiedades fsicas de la cubierta, del suelo y del subsuelo, el modelo es capaz de ofrecer
resultados sobre el valor instantneo o la evolucin de las variables de estado y flujos
principales de cada uno de los modelos enumerados. Estos pueden ser representados como
mapas para el caso de variables distribuidas o como valores en el caso de variables puntuales
o distribuidas pero agregadas en el espacio. Tanto la escala espacial como la escala temporal
de los resultados puede ser elegida por el usuario del programa en funcin de las necesidades
particulares de su estudio. En este mismo sentido, el programa permite escoger el grado de
profundidad de la simulacin para activar o desactivar los distintos mdulos que lo
componen y no efectuar clculos innecesarios (Herrero et al., 2006).

56
La programacin del modelo se basa en cdigo desarrollado en C++ y Fortran,
independiente de la plataforma, aunque actualmente se encuentra compilado y en uso bajo un
entorno Windows. Toda la informacin de entrada y de salida se encuentra en forma de
ficheros de datos.
El modelo es en principio un modelo aplicable en cualquier cuenca
independientemente de clima y meteorologa, de sus caractersticas edafolgicas y litolgicas y
de su latitud. Pero ya que su desarrollo se ha basado en las condiciones existentes de la cuenca
del Ro Guadalfeo, contempla ciertas particularidades de este entorno que con otros modelos
no son convenientemente simuladas (Herrero et al., 2006).

Este trabajo, como parte integrante del modelo global, comparte la perspectiva de
representar los procesos sobre un planteamiento con base fsica y se ensambla con el resto de
estudios desarrollados en paralelo.

La aplicacin de un modelo de interceptacin en una cuenca extensa y heterognea
como la del ro Guadalfeo presenta cierta dificultad, ya que las condiciones son muy
diferentes entre las diferentes zonas de la cuenca. El modelo debe servir para estimar la
interceptacin que se produce en cultivos frutales a nivel del mar y al mismo tiempo en un
bosque de conferas a 2000m de altitud. La acusada variabilidad espacial de la precipitacin y
la temperatura dentro de la cuenca hace que el proceso de interceptacin de lluvia tenga unos
ciclos muy diferentes segn el lugar donde nos encontremos. Dada la naturaleza puntual del
modelo de interceptacin planteado (ver captulo 6), lo ms importante es determinar con la
mayor precisin posible las condiciones que tienen lugar en cada instante y en cada punto de
la superficie de la cuenca. Los datos de entrada del modelo (P, E
P
, S y f
v
) varan en el espacio y
en el tiempo, por lo que ha sido necesario establecer un formato de datos aplicable a todos
ellos y que sea capaz de recoger toda esa variabilidad.

La resolucin espacial y temporal del modelo se ha determinado a partir de la
evaluacin conjunta de toda la informacin de entrada a utilizar, ya que cada una tiene en
general una resolucin diferente. La mxima resolucin temporal se corresponde con los
datos meteorolgicos disponibles a escala de cuenca, que son horarios. La mxima resolucin
espacial corresponde a la fraccin de cobertura vegetal, de la que conocemos su valor en cada
celda de 3030 m, es decir, la resolucin espacial del satlite Landsat (ver captulo 1 de este
trabajo).

El modelo se ha aplicado a escala horaria, en cada una de las celdas de 3030 m en
que se ha dividido la superficie de la cuenca, para no perder resolucin en ningn dato. El
modelo se ejecuta de forma independiente dentro de cada celda. Todas las variables de
entrada deben ser adaptadas al mismo formato, que corresponde a matrices de datos con
1461 filas y 1696 columnas.

El procedimiento seguido para la obtencin de cada una de las variables de entrada y
la determinacin de las condiciones de contorno se expone en los puntos siguientes. En el
caso de la cobertura vegetal, su obtencin se explica en el captulo 4 de este trabajo.


57
7.2. Datos meteorolgicos

La informacin meteorolgica empleada en el estudio procede de las estaciones
meteorolgicas de la Confederacin Hidrogrfica del Sur y del Instituto Nacional de
Meteorologa que suministran datos diarios y de tres estaciones de la Red de Informacin
Agroclimtica (RIA) de la Junta de Andaluca con datos semi-horarios. La distribucin
espacial de las mismas se muestra en la figura 7.1.

Fig. 7.1. Estaciones meteorolgicas de la cuenca. Fuente: Aguilar y Polo (2006).

A partir de esos datos, se crearon unos algoritmos de generacin de la distribucin
espacial de las variables meteorolgicas de entrada para cada estado en el proceso.
Desarrollaron los algoritmos de interpolacin espacial de la precipitacin y de la temperatura,
que incluyen, entre otros, correcciones por altura y agregacin a escala de evento para
reproducir la estructura espacial, y correcciones de los patrones diarios y horarios posteriores
a la interpolacin propiamente dicha (Herrero et al. 2006).

Las figuras 7.2 y 7.3 muestran los valores medios distribuidos durante el periodo
1990-2002 de las variables precipitacin y temperatura a modo ilustrativo. Se observan los
fuertes contrastes de clima existentes dentro de la cuenca, que configuran el carcter
heterogneo de la misma.


58

Fig. 7.2. Precipitacin media (mm/ao) entre 1999-2002. Fuente: Herrero (2006).

Fig. 7.3. Temperatura media anual (C) entre 1990-2002. Fuente: Herrero (2006).


59
7.3. Capacidad de almacenamiento de la cubierta vegetal

La capacidad de almacenamiento de una cubierta vegetal (S), generalmente expresada
en unidades de volumen por unidad de rea, es el mximo volumen de agua que puede ser
almacenado en el rea proyectada de la vegetacin (Horton, 1919), es decir, la cantidad de
agua que puede retener la vegetacin por unidad de superficie de cubierta cuando toda la
superficie de sus hojas y ramas est hmeda. Existen diferentes mtodos para determinar S
(Llorens y Gallart, 2000):

a) Valores existentes en la bibliografa. Son muchos los estudios experimentales de
interceptacin que se han llevado a cabo durante el ltimo siglo en distintos tipos de
cubiertas vegetales. La estimacin de S en dichos estudios se realiza por alguno de los
mtodos explicados en b) y c). El problema de elegir valores de S de la bibliografa es
que existen diferencias apreciables entre los resultados obtenidos por diversos autores
para tipos de cubierta similares, y que los estudios experimentales se centran en
especies vegetales concretas o incluso en individuos aislados, no en cubiertas
heterogneas como las que encontramos en la cuenca.

b) Mtodo de regresin. Este mtodo estima el valor de S a partir de medidas de
precipitacin incidente y precipitacin neta para eventos individuales de lluvia de
intensidad suficiente para saturar completamente la cubierta vegetal. El mtodo fue
propuesto por Leyton et al. (1967) y es muy usado en los estudios de interceptacin
(Dolman, 1987; Nvar y Bryan, 1994; Llorens, 1997; Aboal et al., 1999; Lankreijer et
al., 1999). Consiste en representar las medidas de precipitacin incidente (eje de
abcisas) y precipitacin neta (eje de ordenadas) de todos los eventos ocurridos, y
determinar el punto de interseccin de la recta de regresin de dichos datos con el eje
de abcisas.

c) Mtodo directo. Consiste en el humedecimiento artificial de las superficies de la planta
y la medida de su peso antes y despus. El humedecimiento puede hacerse simulando
la lluvia con el uso de un aspersor o bien mediante inmersin de la planta en agua. Se
puede humedecer la planta completa (Aston, 1979; Herwitz, 1985) o bien sus partes
por separado (Liu, 1998; Van Dijk y Bruijnzeel, 2001). Otro mtodo directo utilizado
se basa en la atenuacin de una seal de microondas a travs de la cubierta vegetal
hmeda (Vrugt et al., 2003).

Dada la escala del estudio, en este trabajo se ha elegido el primer mtodo para estimar
la capacidad de almacenamiento de la cubierta vegetal. Se ha realizado una revisin
bibliogrfica de los estudios de interceptacin que estiman el valor de S en especies vegetales
iguales o similares a las que se pueden encontrar en la cuenca. El resultado de esta revisin se
presenta en el Anejo C.

El tipo de cubierta vegetal existente en cada punto de la cuenca se ha obtenido en el
captulo 3 de este trabajo. Se ha clasificado la superficie de la cuenca en 11 tipos de cubierta
diferentes, incluyendo tanto vegetacin natural como cultivos.

A cada tipo de uso del suelo se le ha asignado un valor de S a partir de la revisin
bibliogrfica realizada. En los casos en que hay varios estudios de interceptacin disponibles
sobre el mismo tipo de cubierta, como el bosque de conferas por ejemplo, se han
promediado los distintos valores de S encontrados. En el caso de cubiertas para las que no
hay ningn valor de S en la bibliografa, se ha estimado su capacidad de almacenamiento en

60
funcin de la de especies similares y se ha intentado que la estimacin fuese coherente con los
valores de S asignados al resto de cubiertas. Por ltimo, en el caso de cubiertas heterogneas,
se ha promediado el valor de S correspondiente a los tipos de vegetacin que la componen.
Los valores asignados a cada tipo de cubierta se presentan en la tabla 7.1.

Tipo cubierta S (mm) Referencias
1 Conferas 1,4
Rutter (1975); Gash (1979); Gash et al. (1980);
Llorens (1997); Lorens y Gallart (2000)
2 Quercneas 1,5
Rutter (1975); Dolman (1987); Lankreijer et al.
(1993); Carlyle-Moses y Price (1999)
3 Matorral 1,4
Leyton et al. (1967); Hall (1985); Domingo et al.
(1998); Wood et al. (1998); West y Gifford
(1976); Hull (1972)
4 Pastizal 1,1
Burgy et al. (1958); Merriam (1961); Leyton et
al. (1967); Thurow et al. (1987); Wood et al.
(1998); Dunkerley (2000)
5 Olivar 1,5 Gmez et al. (2001)
6 Frutales regado 1,8 Xiao et al. (2000)
7 Frutales secano 1,3 Xiao et al. (2000)
8 Cultivos herbceos 0,6 Stoltenberg et al. (1950); Leuning (1994)
9 Improductivo 0
10 Agua 0
11 Urbano 0

Tabla 7.1. Capacidad de almacenamiento asignada a cada cubierta vegetal de la cuenca.

La capacidad de almacenamiento de una cubierta vegetal depende bsicamente de la
superficie foliar que tenga la misma y de la estructura de la cubierta (tamao y disposicin de
las hojas). Las diferencias cualitativas que se aprecian entre los valores presentados en la tabla
7.1 son coherentes con esta consideracin. As, por ejemplo, una cubierta de olivar (S =
1,5mm) tendr mayor capacidad de almacenamiento que una superficie de pastizal (S = 1,1mm)
o una cubierta herbcea de bajo porte (S = 0,6mm), debido a que la primera tiene una mayor
superficie de hoja por unidad de superficie de suelo para retener agua de lluvia y a que su
disposicin ms horizontal hace posible una retencin ms efectiva.

La capacidad de almacenamiento de las especies vegetales caducifolias sufre
variaciones importantes a lo largo del ao. Sin embargo, en este trabajo se les ha asignado un
valor constante e igual a la capacidad de almacenamiento de la cubierta en su estado de
mximo desarrollo, correspondiente al periodo con hoja de la especie. La variable que modula
los cambios en la cantidad de vegetacin que existe en cada momento es la fraccin de
cobertura vegetal del suelo (f
v
).

La variable S mide la capacidad de almacenamiento por unidad de superficie de
cubierta, mientras que si la multiplicamos por f
v
mide la capacidad de almacenamiento por
unidad de superficie de suelo. Este criterio es coherente con el mtodo de medida de S
llevado a cabo en los estudios experimentales de interceptacin, ya que stos estiman el valor
de S de un individuo aislado, o bien de una parcela con alta densidad de individuos, que
cubren completamente la superficie del suelo.

8. Resultados del modelo y discusin

61

Captulo 8

Resultados del modelo y discusin

8.1. Resultados bsicos

El modelo de interceptacin calcula para cada pxel y hora del ao los flujos de
entrada y salida de agua de la cubierta vegetal, lo que permite conocer la cantidad de agua que
la vegetacin est almacenando en cada estado.

En la figura 8.1 se representa la evolucin temporal del contenido de agua (w) de la
cubierta vegetal en un punto concreto para dos periodos distintos del ao. El pxel elegido
corresponde a una cubierta de almendros (clase: frutales de secano), cuya capacidad de
almacenamiento (S) es de 1.3 mm, y su cobertura del suelo (f
v
) es del 49% aproximadamente
en la poca del ao analizada. Por tanto, su capacidad de almacenamiento referida a unidad de
superficie de suelo es de S f
v
. = 0.64 mm. Tambin se representan en la figura los flujos de
precipitacin incidente, lluvia interceptada, evaporacin potencial y evaporacin real de agua
interceptada.

Gash (1979) divide el proceso de interceptacin de lluvia en tres fases diferentes:

- La primera, de humedecimiento de la cubierta vegetal, que comienza con el inicio de
la lluvia y termina cuando la cubierta alcanza la saturacin, es decir, la cantidad de
agua que retiene iguala a su capacidad de almacenamiento (Sf
v
).

- La segunda, llamada fase de saturacin, durante la cual el contenido de agua de la
cubierta vegetal se mantiene en su valor mximo S hasta que la lluvia cesa. Esta fase
no tiene lugar cuando la lluvia no es de intensidad y/o duracin suficiente como para
saturar la cubierta vegetal.

- Y una ltima fase de secado que comienza cuando la lluvia cesa y termina cuando la
cubierta se seca completamente debido a la evaporacin.

Las tres fases se pueden observar en la curva w de la figura 8.1. Inicialmente, en el
mismo instante que comienza a llover, la cubierta vegetal empieza a interceptar parte de la
lluvia (el 49% del flujo incidente, debido a la fraccin de suelo cubierta por vegetacin) y va
acumulando agua en la superficie de hojas y ramas. Al ser de noche, la evaporacin potencial
es mnima y, por tanto, no se pierde agua de la cubierta por evaporacin. En la hora 11
aproximadamente, el contenido de humedad de la cubierta alcanza la capacidad mxima de
almacenamiento, y todo el exceso de lluvia se drena directamente al suelo, por lo que ahora, el
flujo de agua interceptada se iguala al de agua evaporada desde la cubierta. Aunque siga
lloviendo, la cantidad de agua que la cubierta puede interceptar a partir de ese instante viene
limitada por el espacio vaco que vaya dejando el agua evaporada.


62
No se observa claramente la segunda fase del proceso, en la que la cubierta se
mantiene saturada con un valor w = S f
v
. (lnea horizontal a partir de la hora 11), ya que
enseguida el flujo de salida de agua por evaporacin supera al de entrada por lluvia y por tanto
w comienza a disminuir. Durante las horas 12 a 19 la cubierta se va secando pero a la vez
recargndose en parte mientras la lluvia no cesa por completo.

A partir de la hora 19, el contenido de humedad de la cubierta w se mantiene
constante puesto que no existe evaporacin hasta que en la hora 8 del segundo da contina la
fase de secado. Tras pocas horas la cubierta se ha secado casi por completo. A efectos
prcticos, debemos considerar que la cubierta est completamente seca cuando la curva w
alcanza el valor de 0.1 mm durante la fase de secado. Esto se explica por el efecto que tiene la
ecuacin 11 del modelo que, aunque se ha demostrado que simula adecuadamente la
evaporacin desde cubiertas, tiene un inconveniente: cuando w es muy pequea, la
evaporacin de ese remanente de agua en la cubierta se hace muy lento. Este inconveniente
de tipo matemtico, sin embargo, tiene consecuencias despreciables en el cmputo global del
balance de agua.

Fig. 8.1. Evolucin horaria de la humedad de la cubierta vegetal y de los flujos de precipitacin
incidente (P), evaporacin potencial (Ep), evaporacin real de agua interceptada (E), y lluvia
interceptada (I). Los datos corresponden a un evento de lluvia (28-29 noviembre 2002), en el que se
registraron 20.6 mm de lluvia sobre una cubierta de almendros.

Como ha quedado patente en el anlisis anterior, el proceso de interceptacin con sus
fases de humedecimiento-saturacin-secado, tiene lugar en pocas horas y, por tanto, se pone
de relieve la importancia de modelar el proceso a escalas temporales sub-diarias. Este
requerimiento del modelo hace que no pueda ser aplicado con precisin en zonas en las que
no haya disponibilidad de datos meteorolgicos en pasos de tiempo cortos (horarios, por
ejemplo), como puede ocurrir en regiones menos desarrolladas.


63
Otro anlisis til a partir de los resultados del modelo de interceptacin es relacionar
los valores de intensidad de lluvia con las prdidas por interceptacin, expresadas estas como
porcentaje de la precipitacin incidente. En la figura 8.2 se observa la relacin de tipo
potencial inversa que existe entre ambas variables para un pxel de conferas cualquiera
seleccionado dentro de la cuenca. Las lluvias intensas son interceptadas en una baja
proporcin, mientras que las lluvias de menor intensidad son interceptadas en su totalidad por
la vegetacin.

y = 52,05x
-0,56
R
2
= 0,77
0
10
20
30
40
50
60
70
80
90
100
0 10 20 30 40 50 60
intensidad de lluvia (mm/d)
p
r
d
i
d
a
s

p
o
r

i
n
t
e
r
c
e
p
t
a
c
i
n

(
%
)

Fig. 8.2. Relacin entre intensidad de lluvia y prdidas por interceptacin para los eventos ocurridos en
el ao hidrolgico 2003/2004 sobre un pxel de conferas en la cuenca del Guadalfeo.

8.2. Interceptacin a escala de cuenca

La cantidad de agua interceptada en un evento de lluvia determinado depende de las
caractersticas de la precipitacin (intensidad y duracin), de la demanda evaporativa de la
atmsfera y de las caractersticas de la vegetacin (capacidad de almacenamiento y cobertura
del suelo). Puesto que estos factores son variables en el espacio y en el tiempo, las prdidas
por interceptacin lo sern tambin.

Las prdidas por interceptacin que tienen lugar en cada evento de lluvia se han ido
acumulando durante cada ao hidrolgico estudiado y se ha obtenido as la interceptacin
total anual. Estos valores acumulados que, en general, son distintos en cada punto de la
cuenca debido a los factores discutidos en el prrafo anterior, se han promediado para toda la
superficie de estudio, obteniendo un valor indicativo de la importancia que tiene la
interceptacin de lluvia en la cuenca del Guadalfeo.

Los promedios anuales para toda la superficie de la cuenca se presentan en la tabla
8.1, donde P representa la precipitacin anual e I la interceptacin anual acumulada. Las

64
prdidas por interceptacin fueron del 6.1% de la precipitacin anual para el ao hidrolgico
2002/03, del 4.5% en el siguiente ao, y del 4.8% en el ltimo, como promedio de la cuenca.
Los valores generales presentados en la tabla demuestran que para modelar correctamente el
comportamiento hidrolgico de la cuenca del Guadalfeo es necesario tener en cuenta las
prdidas por interceptacin. Estas prdidas tienen una mayor importancia cuantitativa en
zonas con una alta densidad de vegetacin que se mantiene constante en el tiempo, en las que
se puede llegar a interceptar ms del 16% de la lluvia incidente en un ao.

Ao hidrolgico 2002/2003 2003/2004 2004/2005
Pmax (mm) 1052,9 1487 543,1
Pmin (mm) 419 423 201
Pmed (mm) 671 826,9 320,3
SD (mm) 133,3 219 79,8
Imax (mm) 108,5 121,6 45,4
Imin (mm) 0 0 0
Imed (mm) 40,8 37,4 15,3
SD (mm) 22,5 20 8
Imax (%) 16,2 14,7 14,2
Imed (%) 6,1 4,5 4,8

Tabla 8.1. Resultados del modelo de interceptacin promediados para la cuenca completa y el ao
estudiado. SD expresa la desviacin estndar.

La alta heterogeneidad dentro de la cuenca queda reflejada en los altos valores de
desviacin estndar de ambas variables (ver tabla 8.1), as como en los valores extremos
(mximo y mnimo) que resultan. Es muy destacable la variabilidad espacial de la precipitacin
en los 3 aos analizados, existiendo zonas de la cuenca que reciben 2 3 veces la
precipitacin que reciben otras zonas a lo largo del ao. En las figuras 8.3-8.8 se puede
observar la distribucin espacial de la precipitacin anual y la interceptacin anual en la
cuenca del Guadalfeo.


65

Fig. 8.3. Distribucin espacial de la precipitacin en la cuenca del Guadalfeo en el ao hidrolgico
2002/2003. Los valores caractersticos fueron: Pmax = 1052.9 mm; Pmin = 419 mm; Pmed = 671 mm.

2003/2004. Los valores caractersticos fueron: Pmax = 1487 mm; Pmin = 423 mm; Pmed = 826.9 mm.


66

2004/2005. Los valores caractersticos fueron: Pmax = 543.1 mm; Pmin = 201 mm; Pmed = 320.3 mm.

Fig. 8.6. Distribucin espacial de las prdidas por interceptacin en la cuenca del Guadalfeo en el ao
hidrolgico 2002/2003. Los valores caractersticos fueron: Imax = 108.5 mm; Imed = 40.8 mm.


67




68
Las prdidas por interceptacin se situaron en el intervalo 0-122 mm anuales en
trminos absolutos y 0-16.2 % en trminos relativos respecto de la lluvia incidente anual. Hay
zonas en la cuenca sin vegetacin durante todo el ao donde, por tanto, no se intercepta nada
de lluvia. Los valores mximos absolutos de interceptacin se producen en bosques de
conferas situados en la zona de la Alpujarra (ver figura 8.7 por ejemplo), ya que es donde
mayor cantidad de lluvia cae anualmente y sta es interceptada por una cubierta vegetal densa
constante durante todo el ao y con una alta capacidad de almacenamiento. Sin embargo, los
valores mximos relativos estn directamente relacionados con la capacidad de
almacenamiento (S) de cada tipo de cubierta, y no tanto con la cantidad de lluvia cada
anualmente. Por tanto, los mayores porcentajes de prdidas se producen en los cultivos
subtropicales (clase: frutales de regado) de la zona de Motril, a los que se les asignaron los
valores ms altos del parmetro S. En las figuras 8.6-8.8 se puede observar esta variabilidad
espacial de la interceptacin anual.

Si comparamos las figuras anteriores con la figura 3.2 (mapa de vegetacin) se aprecia
la importancia que tiene el tipo de cubierta como variable de entrada del modelo para la
cuantificacin del porcentaje de lluvia que es interceptada. Las diferencias espaciales de las
prdidas por interceptacin que se aprecian en las imgenes se deben fundamentalmente a las
caractersticas de la cubierta vegetal ms que a las variables meteorolgicas. Las zonas ms
amarillentas de la imagen, con mayor cantidad de lluvia anual interceptada, se corresponden
con las celdas de mayor capacidad de almacenamiento por unidad de superficie de suelo, es
decir, las celdas en las que existe una cubierta vegetal con unos valores altos de S y f
v
.

Analizando los mapas de distribucin espacial de la interceptacin, teniendo en cuenta
sta como prdida absoluta (mm) y como prdida relativa (%) respecto a la lluvia recibida en
cada punto, podemos obtener algunas conclusiones:

- En el tramo bajo del ro Guadalfeo se producen los porcentajes de interceptacin ms
altos por dos causas: que el tipo de vegetacin existente es muy efectiva interceptando
lluvia (cultivos frutales permanentes por ejemplo) y que las intensidades de lluvia en
esa zona son las ms bajas de la cuenca. Sin embargo, no es la zona donde ms agua
se intercepta en trminos absolutos, ya que es donde menos llueve.

- En la zona de la Alpujarra (justo al Sur de las cumbres de Sierra Nevada) se aprecian
ms zonas amarillentas en el mapa de prdidas absolutas (mm), pero sin embargo no
es donde se intercepta ms lluvia en trminos relativos. Esto se debe a que esa zona es
la que mayor cantidad de lluvia recibe a lo largo del ao y, por tanto, hay ms cantidad
de agua disponible para interceptar pero las intensidades mayores de la precipitacin
hacen que se drene mayor porcentaje a travs de la cubierta dirctamente hacia el
suelo.

Los tres aos simulados presentan diferencias importantes en cuanto a la
precipitacin recibida. El ao 2002/2003 (671 mm) se puede catalogar como un ao medio
de lluvia, ya que la media de la serie meteorolgica disponible para la cuenca es de 620 mm. El
ao siguiente, 2003/04 es un ao de lluvias abundantes, alcanzando 826.9 mm como
promedio espacial. Por ltimo, el ao 2004/05 se trata de un ao muy seco, ya que la cuenca
slo recibe la mitad de lluvia (320.3 mm) de su valor medio anual.

Sin embargo, el porcentaje de lluvia interceptada no presenta una relacin clara con la
precipitacin anual acumulada, sino que depende de la distribucin de las lluvias a lo largo del
ao. En la tabla 8.2 se resumen en pocos nmeros las caractersticas de los eventos de lluvia

69
ocurridos en cada ao. En principio cabe esperar que los aos con un mayor nmero de
eventos de baja intensidad produzcan unas prdidas por interceptacin mayores, mientras que
en aquellos aos con pocos eventos de mayor intensidad se originen prdidas menos
importantes. Los resultados generales presentados en la tabla 8.1 indican que el ao con
mayor interceptacin es el primero (2002/03). Sin embargo, vemos que no se corresponde
con el ao con una intensidad media por evento ms baja (2004/05). Esto es debido a que el
dato de intensidad media por evento de la tabla 8.2 se ha obtenido dividiendo lluvia anual
entre n eventos, pero realmente lo que ocurre en la cuenca es que los eventos son muy
diferentes unos de otros. La mayora de la lluvia total se concentra en pocos eventos y el resto
son de muy escasa intensidad, por lo que es necesario un anlisis ms profundo de la
distribucin temporal de la lluvia anual.

Ao hidrolgico 2002/2003 2003/2004 2004/2005
N de eventos 30 35 21
Das de lluvia 100 121 60
Duracin media (d/evento) 3,3 3,5 2,9
Intensidad media (mm/evento) 22,4 23 16,9

Tabla 8.2. Resumen de los eventos de lluvia ocurridos durante los 3 aos del estudio.

De la misma forma que hicimos en la figura 8.2, relacionando la intensidad de cada
evento con las prdidas que produce a nivel de un pxel concreto, podemos establecer el
mismo tipo de relacin a escala de cuenca. En la figura 8.9 se representan todos los eventos
ocurridos durantes los 3 aos hidrolgicos simulados con el modelo. Al tratarse de promedios
espaciales de una zona tan heterognea, la relacin se ve ms afectada por la distribucin
espacial de la lluvia, pero sigue observndose la relacin de tipo potencial inversa entre
intensidad de lluvia y prdidas por interceptacin (%).

Como se aprecia en la figura 8.9 mencionada, los eventos de lluvia de mayor
intensidad son interceptados en menor proporcin, mientras que los eventos de lluvia ms
ligeros son interceptados por la vegetacin en una mayor proporcin. Esto es debido a que la
capacidad de almacenamiento de la cubierta vegetal es limitada, y por tanto, la vegetacin slo
puede retener los primeros mm de lluvia. De esta forma, las prdidas por interceptacin para
una misma cantidad de precipitacin anual incidente pueden variar mucho dependiendo del
nmero de das en que se reparta dicha precipitacin. Si se concentra en pocos das, con
eventos de gran intensidad, las prdidas por interceptacin representarn una menor
proporcin de la lluvia.


70
y = 19,19x
-0,63
R
2
= 0,76
0
10
20
30
40
50
60
70
80
90
0 5 10 15 20 25 30
intensidad de lluvia (mm/d)
p
r
d
i
d
a
s

p
o
r

i
n
t
e
r
c
e
p
t
a
c
i
n

(
%
)

Fig 8.9. Relacin entre la intensidad de lluvia media de un evento y las prdidas por interceptacin
para el periodo 2002-2005.

8.3. Interceptacin por tipo de vegetacin

Se han analizado las prdidas por interceptacin que generan los tipos de vegetacin
ms caractersticos de la cuenca del Guadalfeo. En la figura 8.10 se representa la
interceptacin anual acumulada, en porcentaje sobre la lluvia anual, para cada tipo de cubierta
vegetal. Los valores corresponden a parcelas seleccionadas dentro de la cuenca de cada tipo
de vegetacin y coinciden con las utilizadas para analizar la evolucin temporal de la
cobertura vegetal (ver captulo 4.3).

El tipo de cubierta vegetal ms efectiva interceptando lluvia es la denominada frutales
de regado, que corresponde al cultivo de especies subtropicales, concentrados en la zona de
Motril, en el ltimo tramo del ro Guadalfeo. Las parcelas seleccionadas de este cultivo
interceptaron un 14-15% de la lluvia anual en los 3 aos simulados. Se debe
fundamentalmente a 2 factores:

- Su alto valor de cobertura del suelo (f
v
), que se mantiene durante todo el ao, en torno
al 90% (ver figura 4.8).
- Su alto valor de capacidad de almacenamiento (S), a la que se le ha asignado el valor
de 1.8 mm (ver punto 7.3 de este trabajo).


71

Fig. 8.10. Prdidas por interceptacin acumuladas (expresadas como porcentaje de la precipitacin
anual) para los tipos de cubierta vegetal caractersticos de la cuenca del Guadalfeo.

La zona seleccionada de olivar intercepta el 12.4 % de la lluvia el primer ao, 8.4 % el
segundo y 9.4 % el tercero. Las zonas dedicadas al cultivo de almendros (frutales de secano)
interceptan slo el 6.2%, 3.9% y 3% respectivamente. Los valores de interceptacin de
almendros son tan bajos debido a que dejan la mayor parte del suelo desnudo durante el ao,
y presentan una baja cobertura incluso en su estacin de crecimiento.

Las reas improductivas seleccionadas, situadas a gran altitud, carecen de vegetacin y
por tanto no se produce interceptacin de lluvia.

En cuanto a la vegetacin natural, los tipos de cubierta que mayor proporcin de
lluvia anual interceptan son los pinares. Los valores obtenidos en las zonas de pinar
seleccionadas han sido del 13.4%, 11.6% y 12.1% respectivamente. La parcela de alcornocal
(quercneas) localizada en la parte sudeste de la cuenca intercepta el 10.5%, 7.5% y 7.6% de la
lluvia anual. Este valor es inferior al del pinar debido a que los rboles estn ms dispersos y
entre ellos crecen pastos anuales.

Las superficies de matorral analizadas interceptan un porcentaje muy parecido al de la
clase quercneas, debido a que son parecidas estructuralmente y se sitan en zonas cercanas de
la cuenca (mismas caractersticas de la lluvia).

72
Los pastos de alta montaa localizados en las zonas de mayor altitud de Sierra Nevada
tienen una estacin de crecimiento limitada por la presencia de nieve en los meses ms fros
del ao. Una vez retirada la nieve, su crecimiento es de tipo muy disperso debido a que los
suelos son muy pobres. Esto explica que el valor de interceptacin anual acumulada por este
tipo de pastos sea tan slo del 1-2%.

Los resultados de interceptacin obtenidos en este trabajo se pueden comparar con
los resultados de estudios experimentales realizados en tipos de cubierta similares. De esta
forma podemos evaluar si los resultados obtenidos con el modelo propuesto son lgicos y
estn relacionados con lo que ocurre en otras zonas del planeta.

Los estudios experimentales de interceptacin miden la lluvia incidente y la que llega
realmente al suelo usando pluvimetros repartidos bajo la cubierta vegetal, y obtienen por
diferencia las prdidas por interceptacin. Estos estudios se desarrollan en pequeas parcelas
con una sola especie vegetal que cubre el suelo completamente (por ejemplo, un pinar), o
incluso estudian el balance de agua en un individuo aislado (por ejemplo, un olivo). Por tanto,
los valores de interceptacin de estos estudios estn referidos a unidad de superficie de
cubierta vegetal. Para poder comparar los resultados de estos estudios con los obtenidos con
el modelo de interceptacin del presente trabajo, es necesario referir estos ltimos tambin a
unidad de superficie de cubierta. Al no tener en cuenta el carcter disperso de la vegetacin, la
magnitud de la interceptacin ser ahora mayor de lo que refleja la figura 8.10.

Segn el modelo de interceptacin propuesto en el presente trabajo, una superficie
cubierta por completo por conferas intercept el 11.9% de los 967mm de lluvia cada sobre
la misma en el ao hidrolgico 2003/04. Este valor es algo inferior al obtenido por Llorens
(1997) en Pinus sylvestris en los Pirineos, que fue del 17,6% de los 556mm de lluvia cada en los
26 eventos medidos.

Para las superficies cubiertas completamente por especies de quercneas, el modelo
arroja un valor de interceptacin anual del 12,2% de los 930mm cados en la zona central de
la cuenca donde se sita la superficie analizada. Este valor es inferior al medido por Price y
Carlyle-Moses (2003) en un bosque de robles, arces y hayas en Canad durante su estacin de
crecimiento, que fue del 18,8% de los 259mm de lluvia cados durante dicho periodo (28
eventos). Lankreijer et al. (1993) midi un porcentaje similar de interceptacin en un bosque
de robles en Holanda, donde el 18,2% de la lluvia fue interceptada por la cubierta vegetal.

Una zona de olivares situada en el tramo medio del ro Guadalfeo intercept el 18,1%
de los 624mm cados sobre ella en el ao estudiado segn el modelo. Este valor, al igual que
los anteriores, est referido a unidad de superficie de cubierta vegetal. Gmez et al. (2001)
obtuvo un valor de interceptacin acumulada del 21,2% de los 175mm cados durante 13
eventos de lluvia sobre un olivo de PLAI = 1,13 situado en Crdoba. Ese valor de PLAI
(ndice de rea foliar proyectada), que representa la superficie total de las hojas del rbol
dividida por el rea de la copa proyectada horizontalmente, corresponde a un olivo con escasa
superficie foliar, como los que podemos encontrar en la cuenca del Guadalfeo. La diferencia
entre el valor medido en Crdoba y el obtenido con el modelo de interceptacin en la cuenca
del Guadalfeo puede deberse a diferencias en el rgimen de lluvias, as como a los supuestos
simplificadores introducidos en el modelo aplicado en este trabajo. En cualquier caso, la
estimacin parece aceptable.

En una superficie completamente cubierta por matorral, el modelo ha estimado una
prdida por interceptacin del 10,6% de los 733mm cados. La superficie estudiada se localiza

73
en la subcuenca del Torvizcn y se compone de diferentes especies de matorral tpico de
zonas semiridas. Domingo et al. (1998) realiz medidas de interceptacin en Almera sobre la
especie arbustiva Retama sphaerocarpa durante 7 eventos de lluvia en los que se recogieron
85mm de lluvia en total. Las prdidas por interceptacin medidas fueron del 21% de la lluvia
incidente, valor superior al estimado para Guadalfeo.

Conclusiones

75

Conclusiones

En este trabajo se ha analizado la distribucin espacial y la evolucin temporal de la
vegetacin de la cuenca del ro Guadalfeo durante los aos hidrolgicos 2002/03, 2003/04 y
2004/05. Las series de vegetacin obtenidas del anlisis se han integrado en un modelo
hidrolgico distribuido para el clculo de las prdidas por interceptacin a escala de cuenca.
La estructura del modelo planteado en este trabajo ha resultado adecuada para cuantificar las
prdidas por interceptacin de lluvia a varias escalas espacio-temporales. El modelo ha
resultado til para recoger toda la variabilidad existente en la cuenca.

Para el estudio distribuido de la vegetacin se han utilizado tcnicas de teledeteccin.
Se ha desarrollado un mtodo para la correccin de las imgenes de satlite en la zona que ha
dado como resultado la obtencin de la reflectividad de la superficie terrestre en cada punto
de la cuenca. Mediante la validacin con datos de campo se ha visto que los valores de
reflectividad estimados son muy cercanos a los reales. A partir de la reflectividad de la
superficie terrestre se ha estimado la fraccin de cobertura vegetal del suelo mediante el
mtodo propuesto por Wittich y Hansing (1995). Los resultados sugieren que la cobertura
vegetal del suelo (f
v
) puede ser estimada con precisin a partir de una imagen Landsat TM
mediante una normalizacin lineal del ndice de vegetacin NDVI.

Existe una gran diversidad de cubiertas vegetales en la cuenca, siendo ms abundantes
las superficies de matorral y los frutales de secano. Su distribucin espacial en la cuenca
influye en los procesos hidrolgicos que tienen lugar a escala local y regional. Las zonas con
mayores coberturas vegetales se encuentran en altitudes entre 1500 y 2500m en la regin de
las Alpujarras, y en la parte ms al Sur, en el ltimo tramo del ro Guadalfeo antes de su
desembocadura.

La estimacin de la cobertura vegetal en diferentes pocas ha permitido estudiar la
evolucin que sufre cada cubierta a lo largo del periodo 1 septiembre 2002 31 agosto 2005.
La cobertura vegetal del suelo en superficies naturales como el matorral y pastizal, o en
cultivos como los almendros y herbceas anuales muestra importantes variaciones
estacionales ligadas a la meteorologa y a la fisiologa de las especies vegetales que la
componen. Las variaciones temporales ms suaves tienen lugar en zonas de bosque de
conferas y quercneas, o para cultivos tropicales permanentes.

La serie temporal de imgenes de cobertura vegetal generada en este trabajo puede ser
integrada en el modelo hidrolgico distribuido que se desarrolla en el Estudio Piloto para la
Gestin Integrada de la Cuenca Hidrogrfica del Ro Guadalfeo para calcular con precisin
los diferentes flujos de agua en superficie en los que interviene la vegetacin.

Se ha realizado la simulacin del modelo para producir resultados de interceptacin
durante los aos hidrolgicos 2002/03, 2003/04 y 2004/05. El modelo puede ser aplicado a
cualquier periodo de tiempo siempre que se disponga de la informacin meteorolgica
necesaria y las imgenes de satlite para caracterizar la vegetacin a escala de cuenca.

Para la cuenca del Guadalfeo y los tres aos estudiados, los resultados estiman que se
pierde por interceptacin el 6.1%, 4.5% y 4.8% de la lluvia anual (671mm, 826.9mm y
Conclusiones

76
320.3mm de media). Sin embargo, debido a la gran variabilidad espacial de la vegetacin y de
la precipitacin dentro de la cuenca, las prdidas por interceptacin se mueven en un amplio
intervalo. Existen extensas zonas de la cuenca donde estas prdidas superan el 10% de la
precipitacin anual incidente, lo que indica la importancia de esta componente del ciclo
hidrolgico.

Las prdidas por interceptacin presentan una relacin de tipo potencial inversa con
la intensidad del evento de lluvia. Las lluvias de mayor intensidad son interceptadas en menor
proporcin debido a que la cubierta vegetal alcanza la saturacin rpidamente y drena el
exceso de agua hacia el suelo.

Las prdidas por interceptacin tienen una clara dependencia del tipo de vegetacin o
uso del suelo existente en cada punto, la cual se debe a dos caractersticas fundamentales de la
cubierta vegetal: su capacidad de almacenamiento mxima y su cobertura del suelo. As, por
ejemplo, los cultivos subtropicales del sur de la cuenca, que tienen una capacidad de
almacenamiento de 1.8 mm y presentan una cobertura del suelo muy alta durante todo el ao,
interceptaron el 14-16% de la lluvia anual como promedio. En cambio, los pastizales
localizados en zonas de alta montaa slo interceptaron el 1-2% de la lluvia anual debido a su
estacionalidad y carcter disperso.

El modelo de interceptacin propuesto ser calibrado y validado a escala puntual con
datos experimentales de interceptacin. A escalas espaciales y temporales medias ser
calibrado de forma global en el balance hidrolgico de la cuenca, a partir de los datos de aforo
disponibles en la misma, por lo que es difcil a priori valorar el error en su cuantificacin
individual. No obstante, es posible identificar las limitaciones en el uso del modelo, las cuales
vienen dadas por:

- Las simplificaciones efectuadas en la estimacin de la capacidad de almacenamiento (S) de
la cubierta vegetal: el mapa de usos del suelo obtenido a partir de imgenes de satlite no tiene
una precisin muy alta, y el coeficiente de almacenamiento obtenido de la bibliografa recoge
valores medios, o ms frecuentes, y no la variabilidad que cabe encontrar en la prctica.

- El error asociado al clculo de la fraccin de cobertura vegetal del suelo (f
v
)

- Las hiptesis del modelo. La estimacin de la evaporacin desde la cubierta hmeda es un
parmetro decisivo en el balance de agua de la misma y, por tanto, es necesario profundizar
en su comportamiento durante los periodos de lluvia, cuando la radiacin neta disponible
para evaporar es muy baja.

A pesar de lo anterior, el modelo permite incluir la componente de interceptacin en el
balance hidrolgico y poder tomar decisiones con respecto a las consecuencias en la
disponibilidad de recursos hdricos derivadas de diferentes alternativas de uso y gestin de la
vegetacin.

Futuras lneas de investigacin

77

Futuras lneas de investigacin

Se abren dos reas de trabajo futuro:

1. Uso de teledeteccin para clculo de fraccin de cobertura vegetal

En esta primera rea de trabajo hay que abordar la influencia de la vegetacin seca en
los ndices de vegetacin. La aplicacin de un algoritmo que permita diferenciar entre
vegetacin seca y vegetacin fotosintticamente activa puede aumentar la precisin de las
estimaciones de f
v
.

Es necesario tambin profundizar en las relaciones entre informacin espectral y valor
de f
v
. Evaluar las posibilidades de aplicacin en cuencas mediterrneas de ndices de
vegetacin diferentes al NDVI, por un lado, y tcnicas como el anlisis de mezclas
espectrales, por otro.


Para mejorar la simulacin de los procesos influyentes en el clculo de la fraccin
interceptada a diferentes escalas temporales es necesaria una representacin ms precisa de la
evaporacin desde la cubierta, en concreto en condiciones de lluvia y durante la noche.

Caracterizacin de la capacidad de almacenamiento de la cubierta vegetal a diferentes
escalas espaciales:
- Trabajo experimental en laboratorio para calibrar su valor de forma directa para
especies poco estudiadas como matorral y cubiertas arbustivas; cubiertas mixtas con
especies de distinto porte.
- Medidas experimentales de campo a escala de parcela para calibrar su valor de forma
indirecta, utilizando el modelo a escalas temporales pequeas que permitan obtener
un valor efectivo del coeficiente S a escala de campo pero con mayor resolucin
espacial.
- Anlisis de la utilidad de valores efectivos del coeficiente a escalas de subcuenca y
evento-estacin-ao, obtenidos a partir de la aplicacin del modelo de interceptacin
y agregacin de sus resultados a la escala de estudio, como parmetros en modelos
ms simples a utilizar en simulaciones a medio y largo plazo con fines de pronstico.

Obtencin de modelos paramtricos de interceptacin a escalas espaciotemporales
medias y grandes, por agregacin de resultados del modelo de detalle, sobre todo a escala de
cuenca y ao, que dependan de variables y/o parmetros fcilmente caracterizables.

Anejos

A. Pre-procesamiento de las imgenes de satlite

81

Anejo A

Pre-procesamiento de las imgenes de satlite

A.1. Esquema del proceso

En la figura A.1 se resume el proceso de tratamiento que se aplica en este trabajo a
las imgenes de satlite para obtener la fraccin de cobertura vegetal del suelo. Los
siguientes apartados de este captulo tratan sobre cada uno de los pasos seguidos en el
tratamiento de las imgenes.

Fig. A.1. Esquema del tratamiento de imgenes de satlite realizado para la obtencin de la
fraccin de cobertura vegetal del suelo.

Las escenas de Landsat-5 y Landsat-7 tienen un tamao de 185185 km
aproximadamente y estn compuestas por 7 capas de informacin de radiacin medida por
el sensor. En el presente trabajo se ha prescindido de la banda 6, situada en la zona trmica
del espectro electromagntico, por su menor resolucin y su dificultad de correccin
atmosfrica, y se ha realizado el tratamiento de las bandas restantes, situadas en la zona
ptica del espectro.

Imagen original Correccin geomtrica
Calibracin radiomtrica Correccin atmosfrica
Correccin topogrfica Validacin
Clculo fraccin
cobertura
Validacin

82
Los datos de radiacin estn almacenados en formato 8-bit, es decir, un nmero
natural entre 0 y 255. A dicho nmero se le llama valor digital (dn). Para estudios
multitemporales como el presente, en el que hay que comparar varias imgenes entre s, el
valor digital no es una buena medida de los cambios que se producen a nivel de superficie
con el tiempo. El dn depende no slo de las condiciones del suelo y las plantas, sino
tambin de la calibracin del sensor, el ngulo de elevacin solar, el ngulo de visin del
sensor, la distancia Tierra-Sol, y las condiciones atmosfricas en el momento de adquisicin
de la imagen. Por tanto, para analizar la evolucin de la cubierta del suelo es necesario
convertir el dn en un valor que tenga en cuenta la calibracin del sensor y sea independiente
de las condiciones de insolacin y atmosfricas. Ese valor es la reflectividad de la superficie
(), que se ha convertido en la medida bsica requerida por la mayora de algoritmos y
modelos de teledeteccin (Moran et al., 2001). La reflectividad es la relacin entre la
radiacin reflejada y la radiacin incidente sobre la superficie en un intervalo espectral
dado.

A.2. Correccin geomtrica

Para poder comparar diferentes imgenes entre s, debe existir una correspondencia
geomtrica entre ellas. Por ello se ha realizado una correccin geomtrica precisa de cada
imagen mediante la identificacin de 30-40 puntos de control (GCPs) sobre la zona de la
cuenca del Guadalfeo, cuyas coordenadas reales se han obtenido de la Ortofotografa
Digital de Andaluca (Junta de Andaluca), vuelos fotogramtricos de 1998-1999, con
resolucin de 1 m. Un ejemplo de la distribucin de esos puntos de control dentro de la
cuenca se muestra en la figura A.2. El modelo elegido para modificar la geometra de las
imgenes de satlite a partir de los puntos de control fue de tipo polinomial de segundo
orden, y para el remuestreo de los valores de los pxeles se eligi el mtodo del vecino ms
prximo.

El error medio cuadrtico obtenido tras la identificacin de 30-40 puntos de
control fue inferior a 0,5 pxeles (15 m) para todas las imgenes. El resultado de la
correccin geomtrica se ha validado situando sobre la imagen corregida un mapa
cartogrfico de Andaluca con ros, carreteras y ncleos de poblacin, y comparando
visualmente la correspondencia entre ambos. El resultado de la validacin fue positivo para
todas las imgenes de satlite.


83

Fig. A.2. Situacin de los puntos de control sobre la imagen de satlite de 1-sep-03.

A.3. Calibracin radiomtrica

Mediante esta operacin se convierte el valor digital (dn) de una imagen de satlite
en valores de radiancia medida por el sensor. La radiancia es ya una magnitud fsica, con
unidades (W/m
2
sr m). La conversin se realiza mediante la siguiente ecuacin:

OFFSET dn GAIN L + = (17)

donde, L
es la radiancia que llega al sensor (W/m

2
sr m), dn es el valor digital de
cada pxel de la imagen, GAIN
y OFFSET
son respectivamente la pendiente y ordenada

en el origen de la recta de transformacin, en las mismas unidades que L
. Los coeficientes
utilizados para la calibracin radiomtrica de las imgenes son los publicados por Chander
y Markham (2003) para Landsat-5 y por la NASA (2006) para Landsat-7. Todos ellos se
presentan en las tablas A.1 y A.2.

En el caso de Landsat-7 hay dos tipos distintos de coeficientes GAIN, que se
denominan Low Gain y el High Gain. El uso de un tipo u otro depende de la zona del
planeta y momento del ao en el que se haya tomado la imagen desde el satlite. Para el
caso de la cuenca del Guadalfeo, se deben usar los coeficientes tipo High para todas las
bandas excepto para la numero 4, que se calibrar mediante Low Gain para imgenes
adquiridas entre el 20 de marzo y el 29 septiembre (cuando la elevacin solar es >45), y
mediante High Gain para imgenes adquiridas entre el 30 de septiembre y el 19 de marzo.


84

Landsat 5 TM
Antes de 5 mayo 2003 Despus de 5 mayo 2003
Banda Gain Offset Gain Offset
1 0.6024 -1.52 0.7628 -1.52
2 1.1751 -2.84 1.4425 -2.84
3 0.8058 -1.17 1.0399 -1.17
4 0.8146 -1.51 0.8726 -1.51
5 0.10808 -0.37 0.1199 -0.37
7 0.05698 -0.15 0.0653 -0.15

Tabla A.1. Coeficientes de calibracin para Landsat 5, en unidades (W/m
2
sr m).

Landsat 7 ETM+
Banda Low Gain High Gain Offset
1 1.176 0.776 -6.2
2 1.205 0.796 -6.4
3 0.939 0.619 -5
4 0.966 0.637 -5.1
5 0.1905 0.1257 -1
7 0.0662 0.0437 -0.35

Tabla A.2. Coeficientes de calibracin para Landsat 7, en unidades (W/m
2
sr m).

A.4. Correccin atmosfrica

La radiacin solar recorre dos veces el espesor de la atmsfera hasta llegar al sensor
a bordo del satlite. El vapor de agua y los aerosoles presentes en la atmsfera absorben y
dispersan parte de esa radiacin solar. La radiacin que llega al sensor ser por tanto la
suma de la radiancia aportada por la dispersin de la atmsfera y la radiancia reflejada por
la superficie terrestre, estando esta ltima atenuada por el factor de transmisividad de la
atmsfera. En la figura A.3 se muestran los flujos de radiacin que son considerados en el
modelo de correccin atmosfrica utilizado en este trabajo.

Fig. A.3. Efecto de la atmsfera en la radiacin que mide el sensor.
Sol
Sensor
Objeto
Atmsfera
E
0
L
sen

a

(1-s)

85

Para obtener la reflectividad real de la superficie terrestre () a partir de la radiancia
medida por el sensor anteriormente calculada, se ha utilizado la aplicacin informtica
ACORN, que se basa en el mtodo de correccin atmosfrica MODTRAN. Este es un
mtodo estndar de correccin atmosfrica frecuentemente usado en el tratamiento de
imgenes de satlite. Se basa en la siguiente relacin entre la fuente de radiacin, la
atmsfera, la superficie terrestre y la radiacin medida por el sensor:

|
|
\
|
+
=
s
p
E
L
a d
a
sen
1
0
(18)

Donde L
sen
es la radiancia que llega al sensor, E
0
es la radiacin solar en el techo de
la atmsfera,
a
es la reflectividad de la atmsfera,
d
es la transmisividad atmosfrica para el
flujo descendente,
a
es la transmisividad atmosfrica para el flujo ascendente, es la
reflectividad real de la superficie, y s es la reflectividad de la atmsfera para el flujo
descendente. La ecuacin anterior se puede encontrar en Chandrasekhar (1960), as como
una descripcin ms especfica del proceso y las variables que intervienen.

El programa ACORN calcula la reflectividad real de la superficie del suelo, que es la
relacin entre la radiacin reflejada y la incidente sobre la superficie. Los datos de entrada
que requiere el programa para realizar la correccin son los siguientes:

- Imagen a corregir con datos de radiancia medida por el sensor en unidades W/m
2

sr m.
- Respuesta espectral del sensor para cada longitud de onda. Esta informacin est
disponible en Internet en el manual de usuario de Landsat 7, NASA (2006).
- Coordenadas del centro de la imagen.
- Fecha y hora de adquisicin de la imagen.
- Elevacin media de la superficie que aparece en la imagen.
- Altitud del satlite.
- Cantidad de vapor de agua contenido en la atmsfera, en unidades de mm de agua
precipitable. Para las 11 primeras imgenes se han utilizado valores de la estacin
meteorolgica del Arenosillo (Huelva), que es la ms cercana que dispone de este
tipo de datos. Para las 4 ltimas imgenes se han utilizado los valores de la estacin
de Granada, que comenz a ser operativa en invierno de 2005. Ambas estaciones
forman parte de un proyecto a nivel global de la NASA denominado AERONET
(Aerosol Robotic Network).
- Visibilidad de la atmsfera, en km. Se han considerado unas condiciones de
atmsfera clara para todas las imgenes, asignando el valor de 100 km para este
parmetro.

A.5. Correccin topogrfica

El trmino correccin topogrfica o normalizacin topogrfica se refiere a la
compensacin de las diferencias de iluminacin solar que se producen entre zonas debido
a la forma irregular del terreno. Este efecto que tienen la pendiente y orientacin del

86
terreno sobre la iluminacin del mismo causa una fuerte variacin en la respuesta espectral
de tipos de cubierta similares: cubiertas en zonas sombreadas muestran una reflectividad
menor de la esperada, mientras que en zonas soleadas el efecto es el contrario. Por tanto, el
proceso de normalizacin topogrfica es crtico en reas de terreno abrupto o montaoso
como paso previo al estudio de la cubierta del suelo, adquiriendo mayor importancia an en
estudios multitemporales como el presente, en el que las condiciones de iluminacin son
distintas en cada imagen considerada.

La mayor dificultad en la aplicacin de correcciones topogrficas es la ausencia de
modelos generalmente aceptados. En la literatura cientfica se pueden encontrar una amplia
variedad de mtodos sin que haya un consenso sobre uno que sea aplicable universalmente.
Otra dificultad es la disponibilidad de un modelo digital de elevaciones preciso para la zona
en estudio, lo cual supone una gran limitacin en los estudios de zonas poco desarrolladas
del planeta (Riao et al., 2003).

Los mtodos existentes para corregir el efecto de la topografa se pueden agrupar
en dos categoras: Lambertianos y no Lambertianos. El primer supuesto asume que la
reflectividad de la superficie es independiente de los ngulos de observacin e incidencia
sobre cada tipo de cubierta, y el segundo considera que el brillo de una cubierta es distinto
segn la direccin de vista (Redondo et al., 2000). El supuesto Lambertiano es muy
conveniente para simplificar procedimientos pero no es realista, ya que la mayora de los
tipos de cubierta son rugosas y no se ajustan a la ley de reflectividad de Lambert.
Actualmente existe un amplio rango de algoritmos para la correccin topogrfica, entre los
cuales, los ms aplicados son la Correccin del Coseno, la Correccin-C y la Correccin de
Minnaert (Dorren et al., 2003).

Varios estudios comparativos realizados en los ltimos aos han concluido que los
mtodos que ofrecen mejores resultados desde el punto de vista estadstico y visual son la
Correccin-C y Minnaert (Itten y Meyer, 1993; Meyer et al., 1993; McDonald et al., 2000). El
mtodo que mejor simula el comportamiento no lambertiano de las cubiertas vegetales es el
que usa la constante de Minnaert (Minnaert, 1941; Smith et al., 1980; Teillet et al., 1982;
Woodham y Grey, 1987; Jones et al., 1988; Colby, 1991; Ekstrand, 1996; Tokola et al.,
2001), y es por ello que se ha elegido este mtodo de correccin para el estudio de la
evolucin de la vegetacin a lo largo del ao.

El mtodo de Minnaert es un mtodo semi-emprico consistente en multiplicar la
reflectividad que mide el sensor por un factor que es inversamente proporcional al coseno
del ngulo de incidencia solar sobre la superficie en cuestin. El factor mencionado est
asimismo afectado por la potencia k, denominada constante de Minnaert, que simula el
comportamiento no lambertiano de la superficie y est relacionada con la rugosidad de la
misma. La constante de Minnaert describe las propiedades pticas de los diferentes tipos de
superficies e indica la sensibilidad de las diferentes bandas espectrales a los efectos
producidos por la topografa. k es, por tanto, especfica para cada tipo de cubierta del suelo
y es distinta para cada banda espectral. Cuando k=1, la superficie es un reflector perfecto, y
este mtodo se iguala al del coseno.

k
i
z
T H (
=
) cos(
) cos(
(19)


87
Esta ecuacin fue propuesta inicialmente por Minnaert (1941) para calcular la
rugosidad de la superficie lunar. Posteriormente fue modificada para incluir la pendiente del
terreno, lo que produca una correccin ms efectiva de las imgenes. Colby (1991)
propuso una modificacin del mtodo, denominado Backward Minnaert correction:

[ ]
k
i
T
H
e
e
) cos( ) cos(
) cos(
(20)

siendo
T
la reflectividad observada,
H
la reflectividad corregida, e la pendiente del terreno,
i
el ngulo de incidencia del Sol sobre la superficie, y k la constante de Minnaert.

La mayor dificultad para la aplicacin de este mtodo es el clculo de la constante k
para cada banda Landsat. Para ello es necesario recurrir a la linearizacin de la ecuacin
anterior:

) ln( )) cos( ) ln(cos( )) cos( ln(
H i T
e k e + = (21)

Por tanto, k es la pendiente de la recta de regresin resultante de enfrentar las
siguientes variables para los pxeles de una imagen:

)) cos( ) ln(cos( e ejex
i
= (22)
)) cos( ln( e ejey
T
= (23)

Varios autores recomiendan realizar la correccin topogrfica despus de haber
corregido la imagen de los efectos producidos por la atmsfera (Meyer et al., 1993;
Ekstrand, 1996; Townsend y Foster, 2002), como se ha hecho en este trabajo. Otros
autores realizan ambas correcciones de forma simultnea (Sandmeier e Itten, 1997;
Shepherd y Dymond, 2003), pero nunca antes la topogrfica.

Para llevar a cabo la correccin topogrfica de una imagen de satlite por el mtodo
de Minnaert son necesarios los siguientes datos de entrada:

1. Imagen Landsat corregida geomtrica y radiomtricamente.
2. Modelo digital de elevaciones (DEM) de la misma resolucin o
mayor que la imagen a corregir. En este trabajo se ha utilizado un
DEM de la zona de estudio con una resolucin espacial de 20m.
3. ngulo de elevacin y azimut solar en el momento de adquisicin de
la imagen.

En la figura A.4 se muestra la recta de regresin y la constante de Minnaert
obtenida para una banda de una imagen Landsat cualquiera a modo ilustrativo.


88

Fig. A.4. Ejemplo de recta de regresin obtenida para la banda 4 de la imagen Landsat de 25
noviembre 2002. En este caso k=0,366

En la tabla A.3 se resumen los valores de k obtenidos para cada imagen de satlite.
Se observa que la constante de Minnaert, que mide la dependencia entre los valores de
celda y la iluminacin de la misma, se ve reducida tras la correccin. No se elimina
totalmente esta dependencia porque se ha utilizado un valor de k general para toda la
superficie de la cuenca, en vez de uno especfico para cada tipo de vegetacin.

Antes de corregir topogrficamente Despus de corregir topogrficamente
Imagen 1 2 3 4 5 7 1 2 3 4 5 7
1 25-nov-02 0,231 0,24 0,282 0,366 0,391 0,073 0,124 0,122 0,139 0,159 0,176 0,026
2 28-ene-03 0,284 0,291 0,327 0,388 0,448 0,392 0,134 0,138 0,156 0,155 0,191 0,187
3 01-mar-03 0,367 0,383 0,42 0,452 0,483 0,157 0,136 0,138 0,146 0,136 0,145 0,077
4 29-jun-03 0,645 0,674 0,762 0,655 0,697 0,741 0,223 0,226 0,227 0,221 0,224 0,226
5 01-sep-03 0,578 0,626 0,735 0,655 0,71 0,737 0,163 0,164 0,166 0,154 0,161 0,166
6 23-ene-04 0,321 0,425 0,447 0,527 0,635 0,644 0,14 0,172 0,196 0,17 0,218 0,233
7 12-abr-04 0,528 0,632 0,682 0,631 0,767 0,829 0,178 0,182 0,187 0,165 0,174 0,184
8 01-jul-04 0,696 0,746 0,796 0,62 0,707 0,799 0,236 0,235 0,236 0,228 0,231 0,234
9 18-ago-04 0,689 0,744 0,779 0,645 0,722 0,8 0,189 0,188 0,19 0,177 0,182 0,19
10 19-sep-04 0,507 0,569 0,68 0,592 0,686 0,706 0,145 0,148 0,156 0,136 0,148 0,155
11 22-nov-04 0,327 0,465 0,515 0,564 0,739 0,766 0,119 0,154 0,174 0,156 0,179 0,191
12 01-ene-05 0,249 0,253 0,299 0,351 0,379 0,098 0,127 0,132 0,165 0,144 0,191 0,05
13 30-mar-05 0,484 0,527 0,617 0,531 0,619 0,643 0,146 0,15 0,156 0,136 0,145 0,153
14 02-jun-05 0,484 0,537 0,608 0,57 0,646 0,681 0,235 0,236 0,236 0,235 0,236 0,237
15 20-jul-05 0,5 0,524 0,575 0,546 0,58 0,628 0,226 0,226 0,227 0,225 0,225 0,227

Tabla A.3. Constantes de Minnaert (k) obtenidas para cada banda e imagen.


89
El resultado visual de la correccin topogrfica se puede observar en la figura A.5.
En la imagen sin corregir se pueden observar zonas ms sombreadas y otras ms
luminosas. En la imagen corregida se distinguen los diferentes tipos de cubierta pero
resultan menos apreciables los desniveles del terreno, lo que indica que la reflectividad de la
superficie apenas depende de su nivel de iluminacin y, sin embargo, depende en mayor
medida de las caractersticas de la cubierta del suelo. En la imagen corregida, los pxeles que
no reciben radiacin solar directa (pxeles totalmente en sombra) tienen un valor nulo de
reflectividad para todas las bandas, por lo que no se podrn usar los datos de esas zonas en
la segunda parte del trabajo.

Fig A.5. Detalle de la imagen Landsat de abril 2004 antes (izquierda) y despus (derecha) de la
correccin topogrfica.

A.6. Fuentes de error

A pesar de la utilidad de la teledeteccin para un estudio a escala de cuenca como el
presente, esta tcnica presenta algunas limitaciones. Las fuentes de error ms importantes
ligadas al uso de imgenes de satlite para la estimacin de la cobertura vegetal del suelo en
este trabajo han sido las siguientes:

- Los sensores remotos pticos como el Landsat TM no recogen informacin de la
superficie terrestre que se encuentra bajo las nubes. En determinadas pocas del
ao es frecuente que en el momento en que el satlite adquiere la imagen exista
nubosidad. Como se observa en las figuras 4.1, 4.2 y 4.3, en algunas imgenes
aparecen nubes. Se han seleccionado para este trabajo las imgenes de cada poca
que presentaban menores problemas de nubosidad.

- Debido a que la superficie de la cuenca es muy accidentada y que la elevacin solar
a la hora que pasa el satlite (10:35 GMT) es baja en otoo e invierno, algunas
superficies aparecen completamente en sombra en las imgenes de esas pocas. El
sensor de Landsat no recoge informacin til de aquellas superficies que no reciben
radiacin solar directa, por lo que los datos de esas zonas sombreadas no han
podido ser usados. La correccin topogrfica de las imgenes corrige los efectos de
una iluminacin diferencial en terreno abrupto, pero tampoco es efectiva en las

90
zonas que no reciben radiacin directa. En la figura A.6 se pueden observar las
diferencias de iluminacin de las diferentes laderas de la cuenca en el momento de
adquisicin de la imagen de enero-2004.

- Algunas imgenes carecen de informacin en una pequea zona situada en la parte
ms al Sur de la cuenca, coincidiendo con la desembocadura del ro. En este caso, la
falta de informacin se debe a que la escena adquirida por el satlite no abarca por
completo la cuenca, sino que deja fuera esta pequea zona.

- Las imgenes del satlite Landsat-7 adquiridas con posterioridad al otoo de 2003
tienen unas rayas diagonales sin informacin debido a un fallo en el mecanismo de
barrido del sensor. Slo ha sido utilizada en este estudio una imagen de estas
caractersticas (1-ene-05).

En la tabla A.4 se recoge el porcentaje de la superficie de la cuenca que se ve
afectada por falta de informacin til debido a alguno de los factores mencionados
anteriormente. Concretamente, de las 15 imgenes utilizadas hay 3 con una falta de
informacin en torno al 20% de la superficie, otras 3 imgenes con un 10%
aproximadamente, y el resto con porcentajes despreciables.

Fig. A.6. Iluminacin de la superficie en el momento de adquisicin de la imagen Landsat de 23-
enero-2004. La zona que se observa corresponde a la parte central de la cuenca del Guadalfeo y el
grado de iluminacin se representa mediante el coseno del ngulo de incidencia.

0 1 cos (i)

91
Imgenes Landsat Guadalfeo - % de la imagen sin informacin
Fecha Satlite
Nubes y su
sombra
Sombra
topogrfica Rayas L7
Sur
cortado
Total sin
informacion
2002 / 2003
25-nov-02 L-7 ETM+ 15,1 9,7 0 0 22,6
28-ene-03 L-7 ETM+ 0 10 0 0 10
01-mar-03 L-7 ETM+ 0 2,9 0 0 2,9
29-jun-03 L-5 TM 0 0,2 0 0 0,2
01-sep-03 L-5 TM 0 0,4 0 0 0,4
2003 / 2004
23-ene-04 L-5 TM 0 12,4 0 0,5 12,9
12-abr-04 L-5 TM 4,8 0,3 0 1,1 5
30-may-04 L-5 TM
01-jul-04 L-5 TM 0 0,2 0 0 0,2
18-ago-04 L-5 TM 0 0,2 0 0 0,2
2004 / 2005
19-sep-04 L-5 TM 0 0,6 0 0 0,6
22-nov-04 L-5 TM 11,5 9,5 0 0,8 20
01-ene-05 L-7 SLC-off 0 14 6,3 0 19,6
30-mar-05 L-5 TM 0 0,5 0 1 1,5
02-jun-05 L-5 TM 8,6 0,1 0 0 8,7
20-jul-05 L-5 TM 0 0,2 0 0 0,2

Tabla A.4. Superficie sin informacin en cada imagen de satlite utilizada.

En las zonas con falta de informacin se ha realizado una interpolacin lineal de los
valores de cobertura vegetal de las imgenes anterior y posterior. De esa forma, aunque no
conozcamos el valor exacto de cobertura en esa fecha, se reduce el error que se producira
al considerar que no existe vegetacin en esas zonas y poca del ao.

Adems de los problemas comentados, el propio proceso de correccin de las
imgenes lleva asociado errores en cada paso. Por ello, se hace necesaria la comprobacin
de los resultados obtenidos tras cada paso del proceso. Una vez comprobada la bondad de
la correccin geomtrica con informacin geogrfica distinta de la utilizada como referencia
(ver A.1), en el siguiente anejo se presenta el trabajo realizado para comprobar la bondad
de las correcciones atmosfrica y topogrfica.

B. Campaas de medida en campo

93

Anejo B

Campaas de medida en campo

B.1. Medidas de reflectividad y cobertura vegetal

Mediante el procedimiento explicado en los captulos anteriores se han obtenido
una serie de imgenes que pueden ser validadas con datos recogidos en campo. Por una
parte, los valores de reflectividad de la superficie para las diferentes bandas espectrales
obtenidos tras el pre-procesamiento de las imgenes pueden ser validados con datos de
reflectividad tomados en algn punto de la cuenca con un espectroradimetro. Por otra
parte, los valores finales de cobertura vegetal de las imgenes pueden ser comparados
tambin con estimaciones realizadas en campo en una fecha cercana a la de la imagen. En
este captulo se explica el procedimiento de recogida de datos en campo, as como la
primera de las validaciones mencionada (reflectividad), mientras que en el captulo 4.2 se
incluye la validacin final realizada sobre la cobertura vegetal.

Se realizaron campaas de medida en campo en enero y en agosto de 2004 para
recoger datos de fraccin de cobertura y tipo de vegetacin en unas 30 parcelas
previamente seleccionadas, homogneas y de tamao suficiente para que pudieran ser
identificadas en la imagen de satlite. Las parcelas estaban situadas concretamente en dos
subcuencas del Guadalfeo, la del ro Poqueira, representativa de la margen derecha (Sierra
Nevada), y la del ro Torvizcn, representativa de la margen izquierda (Sierra de la
Contraviesa). En la figura B.1 se representan las parcelas y los lmites de las subcuencas
mencionadas. Las fechas de toma de datos en campo fueron el 22-23 de enero de 2004, y
2-4 de agosto de 2004, ambas prximas a la fecha de adquisicin de dos de las imgenes de
satlite utilizadas, lo que ha permitido validar las correcciones hechas a las imgenes y los
datos de fraccin de cobertura obtenidos. La informacin recogida fue la siguiente:

- Tipo de vegetacin y abundancia de cada estrato dentro de la parcela.

- Estimacin visual del porcentaje de suelo cubierto por la vegetacin.

- Localizacin geogrfica mediante las coordenadas de un punto interior de la
parcela medidas con un receptor GPS. Delimitacin de las parcelas en un plano a
escala 1:10.000.

- Fotografas digitales de las parcelas y de los distintos estratos de vegetacin.


94

Fig. B.1. Situacin de las parcelas seleccionadas para el muestreo de campo. Se indica tambin el
lmite de las subcuencas del ro Poqueira (al Norte) y del Torvizcn (al Sur). Los puntos de color
rojo indican las parcelas del muestreo realizado en enero 2004, y los de color amarillo corresponden
al de agosto 2004. Los puntos se muestran sobre la imagen de 18-agosto-1004 en una combinacin
de falso color de las bandas 5,4,3.

Igualmente, se tomaron medidas de reflectividad de la superficie en dos de las
parcelas para poder validar la reflectividad obtenida a partir de la imagen de satlite. Se us
para ello un espectroradimetro porttil, GER 3700, y un panel de referencia Spectralon.
La hora en que se tomaron las medidas fue similar a la del paso del satlite (10-11 UTC)
para que la reflectividad fuera comparable. Las dos parcelas elegidas tenan las siguientes
caractersticas:

- Parcela 1: zona de vegetacin homognea de unas 5 ha. de extensin en la ladera
oeste de la Rambla del Torvizcn. La vegetacin es matorral bajo y pastizal que
cubren gran parte de la superficie del suelo.
- Parcela 2: viedo con una extensin aproximada de 1 ha en la ladera oeste de la
Rambla del Torvizcn. La parcela tiene una pendiente aproximada del 10% y en los
meses de invierno permanece una cierta fraccin del suelo cubierta por malas

95
hierbas. En esta parcela se tomaron medidas en la campaa de enero pero no en la
de agosto.

Se realiz un recorrido por el interior de las parcelas (ver figura B.2) con el
radimetro montado sobre una mochila. Se tomaron medidas cada 3-4 m de distancia. El
nmero de puntos medidos fue de 30-40 segn la parcela y la campaa de medidas. El
radimetro realiza muestreos de la reflectividad cada 2.8-4 nm en el intervalo 350-2500 nm,
obteniendo as una respuesta espectral de la superficie muy detallada. Estos datos
hiperespectrales fueron tratados para adaptarlos a las 7 bandas espectrales que tiene el
sensor de Landsat (datos multiespectrales), y que pudieran de esa forma ser comparables.

Fig. B.2. Itinerario seguido en la Parcela 1 para tomar datos de reflectividad con el
espectroradimetro

Lmite de la
subcuenca del
Torvizcn
Coord. UTM del
centro del itinerario:
x = 472 332 m
y = 4 079 172 m

96

Fig. B.3. Ejemplos de
parcelas seleccionadas para
la recogida de informacin
de campo. Arriba a la izq.
parcela de encinar denso;
arriba a la derecha parcela
de conferas; abajo a la izq.
parcela de matorral; y abajo
a la derecha parcela de
pasto de alta montaa.

97
B.2. Validacin de las imgenes pre-procesadas

La validacin de los valores de reflectividad obtenidos tras el pre-procesamiento de
las imgenes de satlite se ha realizado mediante la comparacin con datos de reflectividad
medidos en campo usando un espectroradimetro, como se explica en el punto anterior. La
validacin del proceso de correccin de imgenes se realiza slo en 2 de las imgenes, para
las cuales existen datos de campo disponibles. Al resto de las imgenes se les ha aplicado el
mismo tratamiento y, por tanto, se considera que si ste es adecuado para las 2 imgenes
validadas tambin lo ser para el resto. En las tablas B.1 y B.2 se presenta la respuesta
espectral de las dos parcelas seleccionadas.

Reflectividad (%). Parcela 1 Reflectividad (%). Parcela 2
Banda Radimetro Satlite Dif Radimetro Satlite Dif
1 4.25 5.39 1.14 10.55 10.07 0.48
2 6.69 8.08 1.39 14.54 18.76 4.22
3 7.84 9.42 1.58 15.72 16.07 0.35
4 19.48 24.57 5.09 35.64 36.68 1.04
5 19.67 26.16 6.49 35.74 37.08 1.34
7 12.88 15.52 2.64 28.06 27.07 0.99
Media 3.06 Media 1.40
SD 2.22 SD 1.43
NDVI 0.44 0.44 0.39 0.39

Tabla B.1. Respuesta espectral promediada en 2 parcelas seleccionadas. Enero de 2004.

Reflectividad (%). Parcela 1
Banda Radimetro Satlite Dif
1 5.80 5.42 0.38
2 9.34 9.04 0.30
3 11.81 12.00 0.19
4 23.89 23.05 0.84
5 21.27 24.36 3.09
7 12.71 14.80 2.09
Media 1.15
SD 1.18
NDVI 0.34 0.32

Tabla B.2. Respuesta espectral promediada en la parcela 1. Agosto 2004.

Como se puede comprobar en las tablas B.1 y B.2, la respuesta espectral de la
superficie terrestre obtenida tras la correccin de las imgenes de satlite se ajusta muy bien
a la realidad (radimetro). En cada una de las 3 parcelas validadas, las diferencias entre la
reflectividad medida en campo y la estimada con el satlite son nicamente del 3.06%, 1.4%
y 1.15%. Adems de la respuesta para las bandas espectrales Landsat, se ha calculado el
ndice de vegetacin NDVI de las parcelas seleccionadas, que es la variable que nos interesa
obtener en este trabajo. La estimacin de este ndice a partir del satlite es correcta para las
zonas y fechas evaluadas.

Otra forma de comprobar que los resultados obtenidos hasta ahora son fiables y se
ajustan a la realidad es comparar la respuesta espectral de una zona de la imagen que

98
identifiquemos como vegetacin, con la respuesta tpica de sta obtenida de la bibliografa.
Para ello se han seleccionado 3 pxeles de la imagen de enero 2004 y otros 3 de la imagen
de agosto 2004 identificados como vegetacin. La respuesta espectral tpica de la
vegetacin se ha tomado de Zarco-Tejada et al. (2003). En la figura B.4 se representan las
respuestas de los 6 pxeles seleccionados y las de referencia. Se comprueba que las
imgenes de satlite han sido corregidas adecuadamente, ya que las respuestas espectrales
de los pxeles de vegetacin entran dentro del intervalo tpico para la vegetacin.

Fig. B.4. Respuesta espectral extrada de las imgenes de satlite para
distintos tipos de vegetacin frente a la respuesta tpica de la vegetacin.

C. Revisin bibliogrfica de valores de S

99

Anejo C

Revisin bibliogrfica de valores de S

Se han revisado los estudios experimentales de interceptacin llevados a cabo en las
ltimas dcadas, obteniendo los valores de capacidad de almacenamiento (S) para tipos de
vegetacin similares a los que podemos encontrar en la cuenca del Guadalfeo. Los
resultados se presentan en las tablas C.1, C.2, C.3 y C.4.

Tipo de vegetacin S (mm) Referencia
Conferas
Pinus pinaster 0,41 Valente et al. (1997)
Taxodium ascendens (ciprs) 0,94 Liu (1998)
Pinus elliottii 0,43 Liu (1998)
27 bosques de conferas (promedio) 0,69 Revisin de Liu (1998)
Pinus pinaster 0,26 Lankreijer et al. (1993)
Pinus sylvestris 0,8 Gash (1979)
Picea sitchensis 1,94 Gash et al. (1980)
Pinus sylvestris 1 Gash et al. (1980)
Picea sitchensis 1,05 Gash et al. (1980)
Pinus pinaster 0,42 Gash et al. (1995)
Picea sitchensis 2,08 Hutchings et al. (1988)
Pinus sylvestris 1,34 Llorens (1997)
Pinus sylvestris 2 Llorens y Gallart (2000)
Pinus radiata 1 Aston (1979)
Pinus sylvestris 1,6 Rutter (1963)
Pseudotsuga menziesii (abeto) 1,5 Massman (1983)

Tabla C.1. Capacidad de almacenamiento (S) de los bosques de conferas.


100
Otros bosques
Laurisilva 2,45 Aboal et al. (1999)
Eucalyptus globulus 0,21 Valente et al. (1997)
Eucalyptus camaldulensis 0,32 Calder et al. (1996)
Eucalyptus grandis 0,37 Calder et al. (1996)
Eucalyptus cinerea 0,4 Aston (1979)
Eucalyptus dives 0,28 Aston (1979)
Bosque de robles, arces, hayas 1 Carlyle-Moses y Price (1999)
Bosque de robles, arces, hayas 1,16 Price y Carlyle-Moses (2003)
Roble 0,8 Dolman (1987)
Quercus rubra (roble americano) 0,5 / 0,7 Lankreijer et al. (1993)
Quercus suber (alcornoque) 2 Xiao et al. (2000)
Quercus robur (roble) 1 Thompson (1972)
Carpinis betulus (carpe) 1 Leyton et al. (1967)
Castanospermum australe (castao) 2,8 Herwitz (1985)
Acacia longifolia (mimosa) 0,6 Aston (1979)

Tabla C.2. Capacidad de almacenamiento (S) de diversos bosques.

Arbustos
Calluna vulgaris (brezo) 1,4 / 1,7 Leyton et al. (1967)
Calluna vulgaris (brezo) 1,2 Hall (1985)
Anthyllis cytisoides L. (albaida) 1,8 Domingo et al. (1998)
Retama sphaerocarpa (L.) 0,29 Domingo et al. (1998)
Stipa tenacissima L. (esparto) 2,44 Domingo et al. (1998)
Acacia rigidula (chaparro prieto) 0,14 Cant y Gonzlez (2005)
Diospyros texana (chapote) 0,14 Cant y Gonzlez (2005)
Diospyros texana (chapote) 0,75 Nvar y Bryan (1994)
Prosopis laevigata (tipo algarrobo) 0,85 Nvar y Bryan (1994)
Acacia farnesiana 0,98 Nvar y Bryan (1994)
"Broom snakeweed" (Nuevo Mxico) 0,7 Wood et al. (1998)
"Fourwing saltbush" (Nuevo Mxico) 0,5 Wood et al. (1998)
Flourensia cernua ("tarbush") 3 Tromble (1983)
Larrea tridentata ("creosotebush") 3,6 Tromble (1988)
"Big sagebrush" y "shadscale" (Utah) 1,5 West y Gifford (1976)
"Big sagebrush" (Idaho) 1,1 Hull (1972)

Tabla C.3. Capacidad de almacenamiento (S) de especies arbustivas y matorral.


101
Cultivos y herbceas
Olivos de montaa (PLAI = 1,13) 1,51 Gomez et al. (2001)
Pyrus calleryana 'Bradford' 1 Xiao et al. (2000)
Manihot esculenta (mandioca) 0,09 Van Dijk y Bruijnzeel (2001)
Zea mays L. (maz) 0,26 Van Dijk y Bruijnzeel (2001)
Oryza sativa L. (arroz) 0,066 Van Dijk y Bruijnzeel (2001)
Trigo 0,55 Leuning et al. (1994)
Zea mays L. (maz) 0,4 / 0,7 Stoltenberg y Wilson (1950)
Lolium perenne (ryegrass) 10/48 cm 0,5 / 2,8 Merriam (1961)
Molinia cerulea (herbcea) 0,7 Leyton et al. (1967)
Mezcla de gramneas y leguminosas 1 / 1,2 Burgy y Pomeroy (1958)
Pteridium aquilinum (helecho) 0,9 Leyton et al. (1967)
Pteridium aquilinum (helecho) 1,0 / 2,1 Leyton et al. (1967)
Grevillea robusta + Zea mays 0,82 Jackson (2000)
Sideoats grama (herbcea, Nuevo Mxico) 1,4 Wood et al. (1998)
Bush Muhly (herbcea, Nuevo Mxico) 0,9 Wood et al. (1998)
Red theeawn (herbcea, Nuevo Mxico) 1,8 Wood et al. (1998)
Mesa dropseed (herbcea, Nuevo Mxico) 1,2 Wood et al. (1998)
Sideoats grama (herbcea, Texas) 1,8 Thurow et al. (1987)
Curleymesquite (herbcea, Texas) 1 Thurow et al. (1987)

Tabla C.4. Capacidad de almacenamiento (S) de algunos cultivos y plantas herbceas.

Los resultados de la revisin bibliogrfica muestran una capacidad de
almacenamiento (S) que vara en el intervalo de valores 0,26-2,08 mm para las conferas,
0,21-0,4 mm para eucaliptos, 0,5-2,8 mm para frondosas, 0,14-3,6 mm para arbustos, y
0,07-2,8 mm para plantas herbceas. Estos datos indican la dificultad de obtener un valor
satisfactorio del parmetro S en funcin del tipo de vegetacin. Los valores de capacidad
de almacenamiento mostrados en las tablas anteriores han sido obtenidos por distintos
autores, bajo diferentes condiciones climticas y con diseos experimentales distintos. Esto
explica que existan diferencias entre los valores de S encontrados para cubiertas vegetales
similares.

Una vez recopilados los valores de S para tipos de vegetacin similares a los que
podemos encontrar en la cuenca, se asign un valor de capacidad de almacenamiento a
cada uno de los tipos de cubierta vegetal caractersticos de la cuenca. El resultado de esta
asignacin de valores se presenta en la tabla 7.1. Los criterios seguidos para esta asignacin
se explican en el apartado 7.3 de este trabajo.

La capacidad de almacenamiento asignada a cada tipo de cubierta vegetal
corresponde al estado de mximo desarrollo de sta, es decir, vegetacin verde y con hoja.
Para los periodos de menor desarrollo, como por ejemplo el periodo de reposo invernal en
especies caducifolias, esta capacidad de almacenamiento se ver minorada por el valor de la
cobertura vegetal, que es variable en el tiempo y representa el estado de la cubierta vegetal
en cada momento.

Bibliografa

103

Bibliografa

ABOAL, J.R., JIMENEZ, M.S., MORALES, D., y HERNNDEZ, J.M., 1999. Rainfall
interception in laurel forest in the Canary Islands. Agricultural and Forest Meteorology, 97,
73-86.

AGUILAR, C. y POLO, M.J., 2006. Efectos de escala en modelos hidrolgicos.
Aplicacin a la cuenca del ro Guadalfeo (Granada). Monografas 2006, Grupo de
Hidrologa e Hidrulica Agrcola, Crdoba, p. 102.

ANDRASSIAN, V., 2004. Waters and forests: from historical controversy to scientific
debate. Journal of Hydrology, 291, 1-27.

ARMSTRONG, C.L. y MITCHELL, J.K., 1987. Transformations of rainfall by plant
canopy. Trans. ASAE, 30, 688-696.

ASDAK, C., JARVIS, P.G. y VAN GARDINGEN, P., 1998. Modelling rainfall
interception in unlogged and logged forest areas of Central Kalimantan, Indonesia.
Hydrology and Earth System Sciences, 2, 211-220.

ASTON, A.R., 1979. Rainfall interception by eight small trees. Journal of Hydrology, 42 (3-4),
383-396.

BRAS, R., 1990. Hydrology: An Introduction to Hydrologic Science. Adisson-Wesley
Publishing Company, E.U.

BURGY, R.H., y POMEROY, C.R., 1958. Interception losses in grassy vegetation.
Transaction American Geophysical Union, 39, 1095-1100.

CAIN, J.D., BATCHELOR, C.H., GASH, J.H.C. y HARDING, R.J., 1998. Comment on
the paper Towards a rational definition of potential evaporation by J.P. Lhomme,
Hydrology and Earth System Sciences, 2, 137.

CALDER, I.R. y ROSIER, P.T.W., 1976. The design of large plastic sheet net rainfall
gauges, Journal of Hydrology, 30, 403-405.

CALDER, I.R., 1986. A stochastic model of rainfall interception. Journal of Hydrology, 89,
65-71.

CALDER, I.R., HALL, R.L., ROSIER, P.T.W., BASTABLE, H.G. y PRASANNA, K.T.,
1996. Dependence of rainfall interception on drop size: 2. Experimental determination
of the wetting functions and two-layer stochastic model parameters for five tropical tree
species. Journal of Hydrology, 185, 379-388.

CAMACHO-DE COCA, F., GARCA-HARO, F.J., GILABERT, M.A., y MELI, J.,
2004. Vegetation cover seasonal changes assessment from TM imagery in a semi-arid
landscape. International Journal of Remote Sensing, 25, 3451-3476.
Bibliografa

104

CANT, S.I., y GONZLEZ, R.H., 2005. Prdidas por intercepcin de la lluvia en tres
especies de matorral submontano. Revista CIENCIA UANL, 8, 80-85.

CARLSON, T.N., y RIPLEY, D.A., 1997. On the relation between NDVI, fractional
vegetation cover and leaf area index. Remote Sensing of Environment, 62, 241-252.

CARLYLE-MOSES, D.E., y PRICE, A.G., 1999. An evaluation of the Gash interception
model in a northen hardwood stand. Journal of Hydrology, 214, 103-110.

CHANDER, G., y MARKHAM, B., 2003. Revised Landsat-5 TM radiometric calibration
procedures and postcalibration dynamic ranges. IEEE Transactions on Geoscience and
Remote Sensing, 41 (11), 2674-2677.

CHANDRASEKHAR, S., 1960. Radiative Transfer. Dover, UK: New York.

CHANG, M.T, 2003. Forest Hydrology: An Introduction to Water and Forests. Boca
Raton: CRC Press, 373 p.

CHOUDHURY, B.J., AHMED, N.U., IDSO, S.B., REGINATO, R.J. y DAUGHTRY,
C.S.T., 1994. Relations between evaporation coefficients and vegetation indices by
model simulations. Remote Sensing of Environment, 50, 1-17.

CHUVIECO, E, 1996. Fundamentos de Teledeteccin Espacial. Madrid: RIALP, 568 p.

COLBY, J.D., 1991. Topographic Normalization in Rugged Terrain. Photogrammetric
Engineering and Remote Sensing, 57, 531-537.

CONGALTON, R.G. y GREEN, 1999. Assessing the Accuracy of Remotely Sensed Data:
Principles and Practices, Boca Ratn, FL: Lewis Publishers, 137 p.

CROCKFORD, R.H. y RICHARDSON, D.P., 2000. Partitioning of rainfall into
throughfall, stemflow and interception: effect of forest type, ground cover and climate.
Hydrological Processes, 14, 2903-2920.

DAVID, J.S., VALENTE, F. y GASH, J.H.C., 2005. Evaporation of intercepted rainfall, in
Anderson, M.G. (Ed.), Encyclopedia of Hydrological Sciences, vol. 1, Chichester: John Wiley
& Sons, 627-634.

DIAZ-GUTIERREZ, A., GONZALEZ-DUGO, M.P. y POLO, M.J., 2005.
Cuantificacin de las prdidas por interceptacin de lluvia a escala de cuenca. Trabajo
Profesional Fin de Carrera. Escuela de Ingenieros Agrnomos y de Montes, Universidad
de Crdoba, 123 p.

DOLMAN, A.J., 1987. Summer and winter rainfall interception in an oak forest.
Predictions with an analytical and a numerical simulation model, Journal of Hydrology, 90,
1-9.

DOMINGO, F., SNCHEZ, G., MORO, M.J., BRENNER, A.J., y
PUIGDEFBREGAS, J., 1998. Measurement and modelling of rainfall interception by
three semi-arid canopies. Agricultural and Forest Meteorology, 91, 275-292.
Bibliografa

105

DORREN, L.K.A., MAIER, B., y SEIJMONSBERGEN, A.C., 2003. Improved Landsat-
based forest mapping in steep mountainous terrain using object-based classification.
Forest Ecology and Management, 183, 31-46.

DUNKERLEY, D., 2000. Measuring interception loss and canopy storage in dryland
vegetation: a brief review and evaluation of available research strategies. Hydrological
Processes, 14, 669-678.

EKSTRAND, S., 1996. Landsat-TM based forest damage assessment: Correction for
topographic effects. Photogrammetric Engineering and Remote Sensing, 62, 151-161.

ELMORE, A.J., MUSTARD, J.F., MANNIG, S.J. y LOBELL, D.B., 2000. Quantifying
vegetation change in semiarid environments: Precision and accuracy of spectral mixture
analysis and the Normalized Difference Vegetation Index. Remote Sensing of Environment,
73, 87-102.

FORGEARD, F., GLOAGUEN, Y.C. y TOUFFET, J., 1980. Interception des
prcipitations et apport au sol dlments mineraux par les eaux de pluie et les
pluviolessivats dans une htraie atlantique et dans quelques peuplements rsineux en
Bretagne. Annales des Sciences Forestires, 37, 53-71.

GASH, J.H.C. y STEWARD, J.B., 1977. The evaporation from Thetford forest during
1975. Journal of Hydrology, 35, 385-396.

GASH, J.H.C., 1979. An analytical model of rainfall interception by forests. Quaterly Journal
of the Royal Meteorological Society, 105, 43-55.

GASH, J.H.C., WRIGHT, I.R. y LLOYD, C.R., 1980. Comparative estimates of
interception loss from three coniferous forests in Great Britain. Journal of Hydrology, 48,
89-105.

GASH, J.H.C., LLOYD, C.R. y LACHAUD, G., 1995. Estimating sparse forest rainfall
interception with an analytical model. Journal of Hydrology, 170, 79-86.

GASH, J.H.C., VALENTE, F. y DAVID, J.S., 1999. Estimates and measurements of
evaporation from wet, sparse pine forest in Portugal. Agricultural and Forest Meteorology,
94, 149-158.

GMEZ, J. A., GIRLDEZ, J. V., y FERERES, E., 2001. Rainfall interception by olive
trees in relation to leaf area. Agricultural Water Management, 49, 65-76.

GONZLEZ-DUGO, M.P., 2002. Tipificacin y cartografa de vegetacin en ecosistemas
de dehesa mediante sensores remotos. Tesis doctoral. Universidad de Crdoba, Espaa.

HALL, R. L., 1985. Further interception studies of heather using a wet-surface weighing
lysimeter system. Journal of Hydrology, 81, 193-210.

HERRERO, J., 2006. Modelo multiescala de fusin de nieve. Informe Tcnico IT IX.7.
Informes del Estudio Piloto para la Gestin Integrada de la Cuenca Hidrogrfica del Ro Guadalfeo.
Instituto del Agua de Andaluca, Consejera de Medio Ambiente, Junta de Andaluca.
Bibliografa

106

HERRERO, J., VILA, A., POLO, M.J. y LOSADA M.A., 2006. Modelo de usuario para
la gestin integrada de cuenca. Modelo Hidrolgico Andaluz MoHa. Informe Tcnico
IT.IX.16. Informes del Estudio Piloto para la Gestin Integrada de la Cuenca del Ro Guadalfeo,
Instituto del Agua de Andaluca, Consejera Medio Ambiente, Junta de Andaluca, 49 p.

HERRERO, J., POLO, M.J. y LOSADA, M.A., 2005. Modelo fsico de acumulacin y
fusin de la nieve. Series Monogrficas 2005, Grupo de Puertos y Costas, Granada.

HERWITZ, S.R., 1985. Interception storage and capacities of tropical rainforest canopy
tree species. Journal of Hydrology, 77, 237-252.

HORTON, R.E., 1919. Rainfall interception. Monthly Weather Rev., 47, 603-623.

HUETE, A.R., JACKSON, R.D., y POST, D.F., 1985. Spectral response of a plant canopy
with different soil backgrounds. Remote Sensing of Environment, 17, 37-53.

HULL, A.C., 1972. Rainfall and snowfall interception of big sagebrush. Utah Academy of
Science and Letters, 49, 64.

HUTCHINGS, N.J., MILNE, R. y CROWTHER, J.M., 1988. Canopy storage capacity and
its vertical distribution in a Sitka spruce canopy. Journal of Hydrology, 104, 161-171.

ITTEN, K.I., y MEYER, P., 1993. Geometric and radiometric correction of TM data of
mountainous forested areas. IEEE Transactions on Geoscience and Remote Sensing, 31, 764-
770.

JACKSON, N.A., 2000. Measured and modelled rainfall interception loss from an
agroforestry system in Kenya. Agricultural and Forest Meteorology, 100, 323-336.

JENSEN, J.R., 2005. Chapter 9: Thematic Information Extraction: Pattern Recognition.
Introductory digital image processing: a remote sensing perspective, 3
rd
edition, Upper Saddle River:
Pearson Prentice Hall, 337-406.

JONES, A.R., SETTLE, J.J. y WYATT, B.K., 1988. Use of digital terrain data in the
interpretation of SPOT-1 HRV multispectral imagery. International Journal of Remote
Sensing, 9, 669-682.

LANDIS, J. y KOCH, G., 1977. The Measurement of Observer Agreement for Categorical
Data. Biometrics, 33:159-174.

LANKREIJER, H.J.M., HENDRIKS, M.J. y KLAASSEN, W., 1993. A comparison of
models simulating rainfall interception of forests. Agricultural and Forest Meteorology, 64,
187-199.

LANKREIJER, H., LUNDBERG, A., GRELLE, A., LINDROTH, A., y SEIBERT, J.,
1999. Evaporation and storage of intercepted rain analysed by comparing two models
applied to a boreal forest. Agricultural and Forest Meteorology, 98-99, 595-604.

Bibliografa

107
LEONARD, R.E., 1967. Mathematical theory of interception, in Sopper, W.E. y Lull,
H.W. (Eds.). International Symposium on Forest Hydrology, Oxford: Pergamon Press, 131-
136.

LEUNING, R., CONDON, A.G., DUNIN, F.X., ZEGELIN, S. y DENMEAD, O.T.,
1994. Rainfall interception and evaporation from soil below a wheat canopy. Agricultural
and Forest Meteorology, 67, 221-238.

LEYTON, L., REYNOLDS, E.R.C. y THOMPSON, F.B., 1967. Rainfall interception in
forest and moorland. In: Sopper, W. E., Lull, H. W. (Eds.), Forest Hydrology, Oxford:
Pergamon Press, 163-178.

LILLESAND, T.M. y KIEFER, R.W., 2000. Remote Sensing and Image Interpretation, 4
th
edition.
New York: John Wiley & Sons, 724 p.

LIU, S., 1998. Estimation of rainfall storage capacity in the canopies of cypress wetlands
and slash pine uplands in North-Central Florida. Journal of Hydrology, 207, 32-41.

LIU, S., 2001. Evaluation of the Liu model for predicting rainfall interception in forests
world-wide. Hydrological Processes, 15, 2341-2360.

LLORENS, P., 1997. Rainfall interception by a Pinus sylvestris forest patch overgrown in a
Mediterranean mountainous abandoned area II. Assessment of the applicability of
Gashs analytical model. Journal of Hydrology, 199, 346-359.

LLORENS, P., y GALLART, F., 2000. A simplified method for forest water storage
capacity measurement. Journal of Hydrology, 240, 131-144.

LLOYD, C.R. y MARQUES, A.O., 1988. Spatial variability of throughfall and stemflow
measurements in Amazonian rainforest. Agricultural and Forest Meteorology, 42, 63-73.

LLOYD, C.R., GASH, J.H.C., SHUTTLEWORTH, W.J. y MARQUES, A.O., 1988. The
measurement and modelling of rainfall interception by Amazonian rain forest.
Agricultural and Forest Meteorology, 43, 277-294.

MASSMAN, W.J., 1983. The derivation and validation of a new model for the interception
of rainfall by forests. Agricultural Meteorology, 28, 261-286.

MCDONALD, E.R., WU, X., CACCETTA P.A. y CAMPBELL N.A., 2000. Illumination
correction of Landsat TM data in South East NSW. Proceedings 10
th
Aust Remote Sensing
and Photogrammetry Conference, vol. 1, 1375 p. Adelaide, agosto 2000.

MCNAUGHTON, K.G. y JARVIS, P.G., 1983. Predicting effects of vegetation change on
transpiration and evaporation. In: Kozlowski, T.T. (Ed.), Water Deficits and Plant Growth,
Vol. III, New York: Academic Press, 1-47.

MERRIAM, R.A., 1961. Surface water storage on annual ryegrass. Journal of Geophysics
Research, 66, 1833-1838.

Bibliografa

108
MEYER, P., ITTEN, K.I., KELLENBENBERGER, T., SANDMEIER, S., y
SANDMEIER, R., 1993. Radiometric corrections of topographically inducted effects on
Landsat TM data in an alpine environment. ISPRS Journal Photogramm. and Remote Sensing,
48, 17-28.

MINNAERT, M., 1941. The reciprocity principle in lunar photometry. Astrophysics Journal,
93, 403-410.

MONTEITH, J.L., 1965. Evaporation and environment. In Fogg, G.E. (Ed.), The State and
Movement of Water in Living Organisms, Symposium of the Society for Experimental
Biology, Vol. 19, Cambridge University Press: 205-234.

MONTEITH, J.L. y UNSWORTH, M.H., 1990. Principles of Environmental Physics, Second
Edition, London: Edward Arnold, p. 291.

MORAN, M.S., BRYANT, R., THOME, K., NI, W., NOUVELLON, Y., GONZALEZ-
DUGO, M.P., QI, J. y CLARKE, T.R., 2001. A refined empirical line approach for
reflectance retrieval from Landsat-5 TM and Lansat-7 ETM+. Remote Sensing of
Environment, 78, 71-82.

MORAN, M.S., HYMER, D.C., QI, J. y KERR, Y., 2002. Comparison of ERS-2 SAR and
Landsat TM imagery for monitoring agricultural crop and soil conditions. Remote Sensing
of Environment, 79, 243-252.

NARUMALANI, S., HLADY, J.T. y JENSEN, J.R., 2002. Information Extraction from
Remotely Sensed Data. In Bossler, J.D., Jensen, J.R., McMaster, R.B. y Rizos, C. (Eds.),
Manual of Geospatial Science and Technology, New York: Taylor & Francis, 298-324.

NASA, 2006. Landsat7 Science Data Users Handbook, Laboratory for Terrestrial Physics,
NASA, EEUU. http://landsathandbook.gsfc.nasa.gov/handbook.html (25-agosto-2006).

NVAR, J. y BRYAN, R., 1990. Interception loss and rainfall redistribution by three semi-
arid growing shrubs in northeastern Mexico. Journal of Hydrology, 115, 51-63.

NVAR, J. y BRYAN, R., 1994. Fitting the analytical modelo f rainfall interception of
Gash to individual shrubs of semi-arid vegetation in northeastern Mexico. Agricultural
and Forest Meteorology, 68, 133-143.

NORTH, P.R.J., 2002. Estimation of f
APAR
, LAI, and vegetation fractional cover from
ATSR-2 imagery. Remote Sensing of Environment, 80, 114-121.

PRICE, A.G. y CARLYLE-MOSES, D.E., 2003. Measurement and modelling of growing-
season canopy water fluxes in a mature mixed deciduous forest stand, southern Ontario,
Canada. Agricultural and Forest Meteorology, 119, 69-85.

PUREVDORJ, T., TATEISHI, R., ISHIYAMA, T. y HONDA, Y., 1998. Relationship
between percent vegetation cover and vegetation indices. International Journal of Remote
Sensing, 19, 3519-3535.

Bibliografa

109
QI, J., MARSETT, R.C., MORAN, M.S., GOODRICH, D.C., HEILMAN, P., KERR,
Y.H., DEDIEU, G., CHEHBOUNI, A. y ZHANG, X.X., 2000. Spatial and temporal
dynamics of vegetation in the San Pedro River basin area. Agricultural and Forest
Meteorology, 105, 55-68.

RAMSEY, R.D., WRIGHT JR., D.L. y McGINTY, C., 2004. Evaluating the use of Landsat
30m Enhanced Thematic Mapper to monitor vegetation cover in shrub-steppe
environments. Geocarto International, 19, 39-47.

REDONDO, C., MENNDEZ, C., GARCA, P., GONZLEZ, R. y SEZ, E., 2000.
Estudio de las zonas propensas a sufrir deslizamientos en los Concejos de Oviedo y
Mieres (Asturias) a partir de una imagen Landsat-TM y de un Modelo Digital de
Elevaciones. Revista de Teledeteccin, 14, diciembre 2000.

RIAO, D., CHUVIECO, E., SALAS, J. y AGUADO, I., 2003. Assessment of Different
Topographic Corrections in Landsat-TM Data for Mapping Vegetation Types. IEEE
Transactions on Geoscience and Remote Sensing, 41, 1056-1060.

ROBERTS, J.M., GASH, J.H.C., TANI, M. y BRUIJNZEEL, L.A., 2004. Controls of
evaporation in lowland tropical rainforest. In Bonell, M., Bruijnzeel, L.A. y Kirby, C.
(Eds.), Forest-Water-People in the Humid Tropics, Cambridge University Press, 287-313.

RUTTER, A.J., 1963. Studies in the water relations of Pinus sylvestris in plantation
conditions. I. Measurements of rainfall and interception. Journal of Ecology, 51, 191-203.

RUTTER, A.J., KERSHAW, K.A., ROBINS, P.C., y MORTON, A.J., 1971. A predictive
model of rainfall interception in forests. I. Derivation of the model from observations in
a plantation of corsican pine. Agricultural Meteorology, 9, 367-384.

RUTTER, A.J., MORTON, A.J., y ROBINS, P.C., 1975. A predictive model of rainfall
interception in forests. II. Generalization of the model and comparison with
observations in some coniferous and hardwood stands. Journal of Applied Ecology, 12,
367-380.

RUTTER, A.J., 1975. The hydrological cycle in vegetation. In: Monteith, J.L. (ed.),
Vegetation and the Atmosphere. Londres: American Press, 111-154.

SANDMEIER, S. e ITTEN, K. I., 1997. A physically-based model to correct atmospheric
and illumination effects in optical satellite data of rugged terrain. IEEE Transactions on
Geoscience and Remote Sensing, 35, 708-717.

SELLERS, P.J. y LOCKWOOD, J.G., 1981. A computer simulation of the effects of
differing crop types on the water balance of a small catchment over long time periods.
Quarterly Journal of the Royal Meteorological Society, 107, 395-414.

SHEPHERD, J. D. y DYMOND, J. R., 2003. Correcting satellite imagery for the variance
of reflectance and illumination with topography. Int. Journal of Remote Sensing, 24, 3503-
3514.

SHUTTLEWORTH, W.J., 1978. A simplified one-dimentional theoretical description of
the vegetation-atmosphere interaction, Journal of Boundary Layer Meteorology, 14, 3-27.
Bibliografa

110

SHUTTLEWORTH, W.J. y GASH, J.H.C., 1982. A note on the paper by P.J. Sellers and
J.G. Lockwood (1981), Quarterly Journal of the Royal Meteorological Society, 108, 464-467.

SHUTTLEWORTH, W.J., 1988. Evaporation from Amazonian rainforest, Proceedings of the
Royal Society of London, B 233, 321-346.

SMITH, J., LIN, T., y RANSON, K., 1980. The Lambertian Assumption and Landsat
Data. Photogrammetric Engineering and Remote Sensing, 46, 1183-1189.

STEHMAN, S.V. y CZAPLEWSKI, 1998. Design and Analysis for Thematic Map
Accuracy Assessment: Fundamental Principles, Remote Sensing of Environment, 64, 331-
344.

STOLTENBERG, N.L. y WILSON, T.V., 1950. Interception storage of rainfall by corn
plants. Transaction American Geophysical Union, 31, 443-448.

TEILLET, P.M., GUINDON, B., y GOODEONUGH, D.G., 1982. On the slope-aspect
correction of multispectral scanner data. Canadian Journal of Remote Sensing, 8, 84-106.

THOMPSON, F.B., 1972. Rainfall interception by oak coppice (Quercus robur, L.). In:
Taylor, J.A. (ed.), Forest Meteorology, Aberystwyth: Cambrian News, 59-74.

THUROW, T.L., BLACKBURN, W.H., WARREN, S.D. y TAYLOR, J.R., 1987. Rainfall
interception by midgrass, shortgrass, and live oak mottes, Journal of Range Management, 40,
455-460.

TOKOLA, T., SARKEALA, J. y VAN DER LINDEN, M., 2001. Use of topographic
correction in Landsat TM-based forest interpretation in Nepal. International Journal of
Remote Sensing, 22, 551-563.

TOWNSEND, P.A. y FOSTER, J.R., 2002. Terrain Normalization of AVIRIS and
Hyperion Imagery. In: Green, R.O. (Ed.), Forested Landscapes, Proceedings of the Eleventh
JPL Airborne Earth Science Workshop, Pasadena, CA, marzo 2002.

TROMBLE, J.M., 1983. Interception of rainfall by tarbush. Journal of Range Management, 36,
525-526.

TROMBLE, J.M., 1988. Water interception by two arid land shrubs. Journal of Arid
Environments, 15, 65-70.

VALENTE, F., DAVID, J.S. y GASH, J.H.C., 1997. Modelling interception loss for two
sparse eucalypt and pine forests in central Portugal using reformulated Rutter and Gash
analytical models. Journal of Hydrology, 190, 141-162.

VAN DIJK, A.I.J.M. y BRUIJNZEEL, L.A., 2001. Modelling rainfall interception by
vegetation of variable density using an adapted analytical model. Part 2. Model
validation for a tropical upland mixed cropping system. Journal of Hydrology, 247, 239-262.

Bibliografa

111
VRUGT, J.A., DEKKER, S.C. y BOUTEN, W., 2003. Identification of rainfall
interception model parameters from measurements of throughfall and forest canopy
storage. Water Resources Research, 39, 1251.

WARD, R.C. y ROBINSON, M., 2000. Principles of Hydrology, Fourth Edition, London:
McGraw-Hill, 450 p.

WATANABE, T. y MIZUTANI, K., 1996. Model study on micrometeorological aspects of
rainfall interception over an evergreen broad-leaved forest. Agricultural and Forest
Meteorology, 80, 195-214.

WEST, N.E. y GIFFORD, G.F., 1976. Rainfall interception by cool-desert shrubs. Journal
of Range Management, 29, 171-172.

WITTICH, K. y HANSING, O., 1995. Area-averaged vegetative cover fraction estimated
from satellite data. International Journal of Biometeorology, 38, 209-215.

WOOD, M.K., JONES, T.L. y VERA-CRUZ, M.T., 1998. Rainfall interception by selected
plants in the Chihuahuan Desert. Journal of Range Management, 51, 91-96.

WOODHAM, R.J. y GREY, M.H., 1987. An analytical for radiometric correction of
satellite multispectral data. IEEE Transactions on Geoscience and Remote Sensing, 25, 258-271.

XIAO, Q., MCPHERSON, E.G., USTIN, S.L., GRISMER, M.E., y SIMPSON, J.R., 2000.
Winter rainfall interception by two mature open-grown trees in Davis, California.
Hydrological Processes, 14, 763-784.

ZARCO-TEJADA, P.J., RUEDA, C.A. y USTIN, S.L., 2003. Water content estimation in
vegetation with MODIS reflectance data and model inversion methods. Remote Sensing of
Environment, 85, 109-124.

ZENG, N., SHUTTLEWORTH, J.W. y GASH, J.H.C., 2000. Influence of temporal
variability of rainfall on interception loss. Part I. Point analysis. Journal of Hydrology, 228,
228-241.

ZINKE, P., 1967. Forest interception studies in the United States. In: Sopper, W.E. y Lull,
H.W. (eds.), Forest Hydrology. Oxford: Pergamon Press, 137-161.

113

Adolfo Daz Gutirrez es Ingeniero Agrnomo por la Universidad de Crdoba
(1999-2005) y cursa actualmente el Mster en Hidrulica Ambiental de la propia UCO.

Forma parte del Grupo de Hidrologa e Hidrulica Agrcola de la UCO, trabajando
dentro del Estudio Piloto para la Gestin Integrada de la Cuenca del Ro Guadalfeo, para lo cual ha
recibido varias becas de investigacin desde noviembre de 2004. En este ambicioso
proyecto financiado por la Junta de Andaluca, se encarga de la creacin de series
temporales de vegetacin mediante tcnicas de teledeteccin y del desarrollo del mdulo de
interceptacin de lluvia, los cuales forman parte del modelo informtico que es el objetivo
final del mencionado Estudio.

En verano de 2006 realiz una estancia de investigacin en el USDA - ARS
Southwest Watershed Research Center, en Tucson, Arizona, EEUU, con el objetivo de
profundizar en el estudio de las prdidas por interceptacin de lluvia en regiones semi-
ridas.

TFM - Adolfo Díaz

Cargado por

Copyright:

Formatos disponibles

TFM - Adolfo Díaz

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

TFM - Adolfo Díaz

Cargado por

Copyright:

Formatos disponibles

SERIES TEMPORALES DE VEGETACIN

PARA UN MODELO HIDROLGICO DISTRIBUIDO

son los puntos

es la radiancia que llega al sensor (W/m

son respectivamente la pendiente y ordenada

También podría gustarte