Determinación de la evapotranspiración con datos satelitales y de reanálisis utilizando Google Earth Engine

Autores/as

DOI:

https://doi.org/10.24850/j-tyca-2024-04-04

Palabras clave:

MODIS, NOAA, SMAP, Priestley-Taylor, región pampeana argentina

Resumen

Los flujos verticales, dentro del ciclo hidrológico, son una de las variables de mayor relevancia en zona de llanura, dado que las pendientes varían entre 0 y 5%, y los flujos horizontales no son significativos. En este sentido, la evapotranspiración juega un rol fundamental en el manejo hídrico, ya que alrededor del 85% del agua que sale del sistema lo hace mediante este proceso, requiriendo una cuantificación precisa. El objetivo principal de este trabajo es calcular la evapotranspiración potencial y real (ETp y ETr) con datos de satélite y reanálisis mediante el uso de la plataforma Google Earth Engine. Para su cálculo se tomó la ecuación de Priestley-Taylor (PT) combinado con información de humedad de suelo, con una resolución espacio-temporal de 250 x 250 m cada ocho días, en la región pampeana argentina (RPA). El producto se valoró en siete estaciones de la RPA, cuyos resultados mostraron, para la ETp, un R-RMSE (error cuadrático medio robusto) de 0.5 mm d-1; un error sistemático (mediana) de 0.3 mm d-1, y el error aleatorio (RSD- desviación estándar robusta) de 0.5 mm d-1; mientras que para la ETr, estos valores son de 0.6, -0.2 y 0.5 mm d-1, respectivamente. Los resultados globales muestran que el método utilizado es una herramienta válida para caracterizar la ET en la RPA y que se puede usar para analizar su variabilidad espacio-temporal en diferentes condiciones extremas y realizar estudios ambientales aplicados.

Citas

Allen, R., Pereira, L., Raes, D., & Smith, M. (1998). Crop evapotranspiration-Guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper 56, 300(9), D05109.

Allen, R., Pereira, L., Howell, T., & Jensen, M. (2011). Evapotranspiration information reporting: I. Factors governing measurement accuracy. Agricultural Water Management, 98(6), 899-920. DOI: 10.1016/j.agwat.2010.12.015

Barré, H. M., Duesmann, B., & Kerr, Y. H. (2008). SMOS: The mission and the system. IEEE Transactions on Geoscience and Remote Sensing, 46(3), 587-593.

Basualdo, A. (2011). Capítulo 5. Balance hídrico como herramienta de decisión. En: Occhiuzzi, S., Mercuri, P., & Pascale, C. (eds.). Herramientas para la evaluación y gestión del riesgo climático en el sector agropecuario (130 pp.). Buenos Aires, Argentina: Ministerio de Agricultura, Ganadería y Pesca de la Nación.

Brutsaert, W. (1984). Evaporation into the atmosphere, theory, history, and applications. Dordrecht, Holland: Cornell University, Reidel Publishing Company.

Chandrasekar, K., Misra, N., Mohammed-Ahamed, J., Mishra, A., Madhavi, P., Abdul-Hakeem, K., Raju, P. V., Rao, V. V., & Jha, C. S. (2022). Satellite-based terrestrial evapotranspiration product for India. In: Geospatial technologies for resources planning and management (pp. 381-407). Cham, Germany: Springer International Publishing.

Davies, J. A., & Allen, C. D. (1973). Equilibrium, potential, and actual evaporation from cropped surfaces in southern Ontario. Journal of Applied Meteorology and Climatology, 12, 649-657.

Degano, M. F. (2021a). Desarrollo de un modelo de evapotranspiración global con datos de satélite y de reanálisis (doctoral dissertation), Universitat de València, España.

Degano, M. F., Carmona, F., Rodríguez, P. O., Faramiñán, A., Rivas, R., Bayala, M., & Corts, R. N. (2021b). Analysis of Priestley-Taylor method in different environments and coverages. In: 2021 XIX Workshop on Information Processing and Control (RPIC) (pp. 1-6). San Juan, Argentina: Institute of Electrical and Electronics Engineers.

Degano, M. F., Rivas, R. E., Carmona, F., Niclòs, R., & Sánchez, J. M. (2021c). Evaluation of the MOD16A2 evapotranspiration product in an agricultural area of Argentina, the Pampas region. The Egyptian Journal of Remote Sensing and Space Science, 24(2), 319-328.

Entekhabi, D., Njoku, E. G., O'Neill, P. E., Kellogg, K. H., Crow, W. T., Edelstein, W. N., Entin, J. K., Goodman, S. D., Jackson, T. J., Kimball, J., Piepmeier, J. R., Koster, R. D., Martin, N., McDonald, K. C., Moghaddam, M., Moran, S., Reichle, R., Shi, J. C., Spencer, M. W., Thurman, S. W., Tsang, L., & Van Zyl, J. (2010). The soil moisture active passive (SMAP) mission. Proceedings of the IEEE, 98(5), 704-716.

Faramiñán, A. M. G., Carmona, F., Rivas, R. E., Degano, M. F., & Olivera-Rodríguez, P. (2021a). Monitoreo de la evapotranspiración real horaria por medio del balance energético y un lisímetro de pesada. Boletín Geológico y Minero, 132 (1-2), 47-56. DOI: 10.21701/bolgeomin.132.1-2.005

Faramiñán, A. M., Degano, M. F., Carmona, F., & Rodriguez, P. O. (2021b). Estimation of actual evapotranspiration using NASA-POWER data and Support Vector Machine. In: 2021 XIX Workshop on Information Processing and Control (RPIC) (pp. 1-5). IEEE. DOI: 10.1109/RPIC53795.2021.9648425

Faramiñan, A., Rodriguez, P. O., Carmona, F., Holzman, M., Rivas, R., & Mancino, C. (2022). Estimation of actual evapotranspiration in barley crop through a generalized linear model. MethodsX, 9, 101665.

Fisher, J. B., Tu, K. P., & Baldocchi, D. D. (2008). Global estimates of the land–Atmosphere water flux based on monthly AVHRR and ISLSCP-II data, validated at 16 FLUXNET sites. Remote Sensing of Environment, 112(3), 901-919. DOI: 10.1016/j.rse.2007.06.025

Gao, X., Sun, M., Luan, Q., Zhao, X., Wang, J., He, G., & Zhao, Y. (2020). The spatial and temporal evolution of the actual evapotranspiration based on the remote sensing method in the Loess Plateau. Science of the Total Environment, 708. 135111. DOI: 10.1016/j.scitotenv.2019.135111

García-Bu-Bucogen, G., Piccolo, M. C., & Bohn, V. Y. (2022). Implementación de datos meteorológicos modelados en el norte patagónico argentino (1982-2017). Investigaciones Geográficas, (78), 67-87. DOI: 10.14198/INGEO.21449

Garg, K. K., Bharati, L., Gaur, A., George, B., Acharya, S., Jella, K., & Narasimhan, B. (2012). Spatial mapping of agricultural water productivity using the SWAT model in Upper Bhima Catchment, India. Irrigation and Drainage, 61(1), 60-79. DOI: 10.1002/ird.618

Gelaro, R., McCarty, W., Suárez, M. J., Todling, R., Molod, A., Takacs, L., Randles, C. A., Darmenov, A., Bosilovich, M. G., Reichle, R., Wargan, K., Coy, L., Cullather, R., Draper, C., Akella, S., Buchard, V., Conaty, A., Da Silva, A. M., Gu, W., Kim, G-K., Koster, R., Lucchesi, R., Merkova, D., Nielsen, J. E., Partyka, G., Pawson, S., Putman, W., Rienecker, M., Schubert, S. D., Sienkiewicz, M., & Zhao, B. (2017). The Modern-Era retrospective analysis for research and applications, version 2 (MERRA-2). Journal of Climate, 30(14), 5419-5454. DOI: 10.1175/JCLI-D-16-0758.1

Giraldez, A. E. (2004). SAOCOM-1 Argentina L-band SAR mission overview. ESA Special Publication, 565, 27.

Justice, C. O., Vermote, E., Townshend, J. R. G., Defries, R., Roy, D. P., Hall, D. K., Salomonson, V. V., Privette, J. L., Riggs, G., Strahler, A., Lucht, W., Myneni, R. B., Knyazikhin, Y., Running, S. W., Nemani, R. R., Wan, Z., Huete, A. R., Van Leeuwen, W., Wolfe, R. E., Giglio, L., Muller, J. P., Lewis, P., & Barnsley, M. J. (1998). The moderate resolution imaging spectroradiometer (MODIS): Land remote sensing for global change research. IEEE Transactions on Geoscience and Remote Sensing, 36(4), 1228-1249.

INA, Instituto Nacional del Agua. (2002). Atlas digital de los recursos hídricos superficiales de la República Argentina. Buenos Aires, Argentina: Instituto Nacional del Agua

Kalnay, E., Kanamitsu, M., Kistler, R., Collins, W., Deaven, D., Gandin, L., Iredell, M., Saha, S., White, G., Woollen, J., Zhu, Y., Chelliah, M., Ebisuzaki, W., Higgins, W., Janowiak, J., Mo, K. C., Ropelewski, C., Wang, J., Leetmaa, A., Reynolds, R., Jenne, R., & Joseph, D. (1996). The NCEP/NCAR 40-year reanalysis project. Bulletin of the American Meteorological Society, 77, 437-470.

Kobayashi, S., & National Center for Atmospheric Research Staff (eds). (2015). The climate data guide: JRA-55. Recuperado de https://climatedataguide.ucar.edu/climate-data/jra-55

Kottek, M., Grieser, J., Beck, C., Rudolf, B., & Rubel, F. (2006). World map of the Köppen-Geiger climate classification updated. Meteorologische Zeitschrift, 15(3), 259-263. DOI: 10.1127/0941-2948/2006/0130

Laipelt, L., Kayser, R. H. B., Fleischmann, A. S., Ruhoff, A., Bastiaanssen, W., Erickson, T. A., & Melton, F. (2021). Long-term monitoring of evapotranspiration using the SEBAL algorithm and Google Earth Engine cloud computing. ISPRS Journal of Photogrammetry and Remote Sensing, 178, 81-96.

Liu, Z., Yao, Z., & Wang, R. (2019). Simulation and evaluation of actual evapotranspiration based on inverse hydrological modeling at a basin scale. Catena, 180, 160-168. DOI: 10.1016/j.catena.2019.03.039

Liu, J., Zehnder, A., & Yang, H. (2009). Global consumptive water use for crop production: The importance of green water and virtual water. Water Resources Research, 45(5). DOI: 10.1029/2007WR006051

Liu, J., & Yang, H. (2010). Spatially explicit assessment of global consumptive water uses in cropland: Green and blue water. Journal of Hydrology, 384(3-4), 187-197. DOI: 10.1016/j.jhydrol.2009.11.024

Marshall, M., Tu, K., & Andreo, V. (2020). On parameterizing soil evaporation in a direct remote sensing model of ET: PT‐JPL. Water Resources Research, 56(5), e2019WR026290. DOI: 10.1029/2019WR026290

McMahon, T., Peel, M., Lowe, L., Srikanthan, R., & McVicar, T. (2013). Estimating actual, potential, reference crop and pan evaporation using standard meteorological data: A pragmatic synthesis. Hydrology and Earth System Science, 17, 1331-1363. DOI: 10.5194/hess-17-1331-2013

Miralles, D., Holmes, T., De Jeu, R., Gash, J., Meesters, A., & Dolman, A. (2011). Global land-surface evaporation estimated from satellite-based observations. Hydrological Earth System Science, 15(2), 453-469. DOI: 10.5194/hess-15-453-2011

Monteith, J., & Unsworth, M. (1990). Principles of environmental physics (4th ed.). London, UK: Edward Arnold.

Mu, Q., Heinsch, F., Zhao, M., & Running, S. (2007). Development of a global evapotranspiration algorithm based on MODIS and global meteorology data. Remote Sensing of Environment, 111, 519-536. DOI: 10.1016/j.rse.2007.04.015

Muñoz-Sabater, J. (2019). ERA5-Land hourly data from 1981 to present. Copernicus Climate Change Service (C3S) Climate Data Store (CDS). DOI: 10.24381/cds.e2161bac

Mutanga, O., & Kumar, L. (2019). Google Earth Engine applications. Remote Sensing, 11(5), 591.

O'Neill, P. E., Chan, S., Njoku, E. G., Jackson, T., & Bindlish, R. (2016). SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, Version 4. Boulder, USA: NASA National Snow and Ice Data Center Distributed Active Archive Center. DOI: 10.5067/ZX7YX2Y2LHEB

Ocampo, D., & Rivas, R. (2013). Estimación de la radiación neta diaria a partir de Modelos de Regresión Lineal Múltiple. Revista Chapingo, Serie Ciencias Forestales y del Ambiente, 19(2), 263-271. DOI: 10.5154/r.rchscfa.2012.04.031

Olivera-Rodríguez, P., Holzman, M. E., Degano, M. F., Faramiñán A. M. G., Rivas, R. E., & Bayala, M. I. (2020). Spatial variability of the green water footprint using a medium- resolution remote sensing technique: The case of soybean production in the Southeast Argentine Pampas. Science of the Total Environment. DOI: 10.1016/j.scitotenv.2020.142963

Orte, F., Lusi, A., Carmona, F., D’Elia, R., Faramiñán, A., & Wolfram, E. (2021). Comparison of NASA-POWER solar radiation data with ground-based measurements in the south of South America. In: 2021 XIX Workshop on Information Processing and Control (RPIC) (pp. 1-4). IEEE. DOI: 10.1109/RPIC53795.2021.9648428

Pendiuk, J. E. (2022). Modelado y análisis de problemas hidrogravimétricos (tesis de doctorado). Facultad de Ciencias Astronómicas y Geofísicas, Universidad Nacional de La Plata, Argentina.

Peng, L., Zeng, Z., Wei, Z., Chen, A., Wood, E., & Sheffield, J. (2019). Determinants of the ratio of actual to potential evapotranspiration. Global Change Biology, 25, 1326-1343. DOI: 10.1111/gcb.14577

Pereyra, F. (2003). Ecorregiones de la Argentina. Buenos Aires, Argentina: Servicio Geológico Minero Argentino.

Poli, P., Hersbach, H., Dee, D. P., Berrisford, P., Simmons, A. J., Vitart, F., Laloyaux, P., Tan, D. G. H., Peubey, C., Thépaut, J-N., Trémolet, Y., Hólm, E. V., Bonavita, M., Isaksen, L., & Fisher, M. (2016). ERA-20C: An Atmospheric Reanalysis of the Twentieth Century. Journal of Climate, 29(11). 4083-4097. DOI: 10.1175/JCLI-D-15-0556.1

Priestley, C. H. B., & Taylor, R. J. (1972). On the assessment of surface heat flux and evaporation using large-scale parameters. Monthly Weather Review, 100(2), 81-92.

Rienecker, M., Suarez, M. J., Gelaro, R., Todling, R., Bacmeister, J., Liu, E., Bosilovich, M. G., Schubert, S. D., Takacs, L., Kim, G-K., Bloom, S., Chen, J., Collins, D., Conaty, A., Da Silva, A., Gu, W., Joiner, J., Koster, R. D., Lucchesi, R., Molod, A., Owens, T., Pawson, S., Pegion, P., Redder, C. R., Reichle, R., Robertson, F. R., Ruddick, A. G., Sienkiewicz, M., & Woollen, J. (2011). MERRA: NASA’s modern-Era Retrospective Analysis for Research and Applications. Journal of Climate, 24(14), 3624–3648. DOI: 10.1175/JCLI-D-11-00015.1

Rivas, R., & Carmona, F. (2010). La ecuación de Priestley-Taylor aplicada a nivel de píxel: una alternativa para estudios detallados de cuencas. Boletín Geológico y Minero, 121(4), 401-412.

Rivas, R., & Ocampo, D. (2009). Comportamiento del balance de energía en un cultivo de Avena sativa L. En: Silva-Rojas, O., & Carrera- Ramírez, J. (eds.). IX Jornadas sobre Investigación de la Zona no Saturada del Suelo-ZNS'09 (pp. 336-343). Barcelona, España: CIMNE. Recuperado de http://congress.cimne.com/zns09/frontal/papers.asp

Running, S., Mu, Q., & Zhao, M. (2017). MOD16A2 MODIS/Terra Net Evapotranspiration 8-Day L4 Global 500 m SIN Grid V006. Data set. Sioux Falls, USA: NASA EOSDIS Land Processes DAAC. DOI: 10.5067/MODIS/MOD16A2.006

Saha, S., Moorthi, S., Wu, X., Wang, J., Nadiga, S., Tripp, P., Behringer, D., Hou, Y-T., Chuang, H-Y., Iredell, M., Ek, M., Meng, J., Yang, R., Mendez, M. P., van den Dool, H., Zhang, Q., Wang, W., Chen, M., & Becker, E. (2011). Updated daily. NCEP Climate Forecast System Version 2 (CFSv2) 6-hourly Products. Research Data Archive at the National Center for Atmospheric Research, Computational and Information Systems Laboratory. DOI: 10.5065/D61C1TXF

Salas-Aguilar, V. M., & Paz-Pellat, F. (2018). Desarrollo de una base de datos climática nacional anual, 1989-2012: resolución 250 m. Elementos para Políticas Públicas, 2(2), 19-32. Ciclo del carbono y sus interacciones. Programa Mexicano del Carbono. Vol. 2. Recuperado de https://www.researchgate.net/profile/Victor-Salas-3/publication/330005537_Desarrollo_de_una_Base_Climatica_Nacional_1989-2012_Escala_250_m/links/5c290c4492851c22a3506363/Desarrollo-de-una-Base-Climatica-Nacional-1989-2012-Escala-250-m.pdf

Silicani, M. (2015). Diseño, construcción y operación de un lisímetro de bajo costo (tesis de especialización). Universidad de Cuyo, Argentina.

Smith, P. (1981). Bilinear interpolation of digital images. Ultramicroscopy, 6(2), 201-204.

Smith, G., Priestley, K., Loeb, N., Wielicki, B., Charlock, T., Minnis, P., Doelling, D., & Rutan, D. (2011). Clouds and Earth Radiant Energy System (CERES), a review: Past, present and future. Advances in Space Research, 48(2), 254-263. DOI: 10.1016/j.asr.2011.03.009

Stannard, D. (1993). Comparison of Penman-Monteith, Shuttleworth-Wallace, and modified Priestley-Taylor evapotranspiration models for wildland vegetation in semiarid rangeland. Water Resources Research, 29(5), 1379-1392.

Strahler, A. H., Muller, J., Lucht, W., Schaaf, C., Tsang, T., Gao, F., Li, X., Lewis, P., & Barnsley, M. J. (1999). MODIS BRDF/albedo product: Algorithm theoretical basis document version 5.0. MODIS Documentation, 23(4), 42-47. DOI: 10.5067/MODIS/MCD43A3.006

Tamiminia, H., Salehi, B., Mahdianpari, M., Quackenbush, L., Adeli, S., & Brisco, B. (2020). Google Earth Engine for geo-big data applications: A meta-analysis and systematic review. ISPRS Journal of Photogrammetry and Remote Sensing, 164, 152-170.

Tasumi, M. (2019). Estimating evapotranspiration using METRIC model and Landsat data for better understandings of regional hydrology in the western Urmia Lake Basin. Agricultural Water Management, 226, 105805. DOI: 10.1016/j.agwat.2019.105805

Tatem, A. J., Goetz, S. J., & Hay, S. I. (2008). Fifty years of earth-observation satellites. American Scientist, 96(5), 390-398. DOI: 10.1511/2008.74.390

Van der Griend, A. A., & Owe, M. (1993). Determination of microwave vegetation optical depth and single scattering albedo from large scale moisture and Nimbus/SMMR satellite observations. International Journal of Remote Sensing, 14(10), 1975-1996.

Wan, Z. (2019). Collection-6 MODIS land surface temperature products users’ guide. Santa Barbara, USA: ICESS, University of California.

Vermote, E. F., Roger, J. C., & Ray, J. P. (2015). MODIS Surface Reflectance User’s Guide, Collection 6. MODIS Land Surface Reflectance Science Computing Facility. Version 1.4. DOI: 10.5067/MODIS/MOD09Q1.061

Walker, E., García, G., Venturini, V., & Carrasco, A. (2019a). Regional evapotranspiration estimates using the relative soil moisture ratio derived from SMAP products. Agricultural Water Management, 216, 254-263. DOI: 10.1016/j.agwat.2019.02.009

Walker, E., & Venturini, V. (2019b). Land surface evapotranspiration estimation combining soil texture information and global reanalysis datasets in Google Earth Engine. Remote Sensing Letters, 10(10), 929-938. DOI: 10.1080/2150704X.2019.1633487

Weinzettel, P., & Usunoff, E. (2001). Cálculo de la recarga mediante aplicación de la ecuación de Darcy en la zona no saturada. En: Medina, A., Carrera, J., & Vives, L. (eds.). Las caras del agua subterránea, serie hidrogeológica y aguas subterráneas. Tomo I (pp. 225-232). Madrid, España: Instituto Geológico y Minero.

Wielicki, B. A., Barkstrom, B. R., Harrison, E. F., Lee III, R. B., Smith, G. L., & Cooper, J. E. (1996). Clouds and the Earth's Radiant Energy System (CERES): An earth observing system experiment. Bulletin of the American Meteorological Society, 77(5), 853-868.

Wilrich, P. T. (2007). Robust estimates of the theoretical standard deviation to be used in interlaboratory precision experiments. Accreditation and Quality Assurance, 12(5), 231-240.

WMO, World Meteorological Organization. (1994). Guía de prácticas hidrológicas. Adquisición de datos, análisis, predicción y otras aplicaciones. WMO-N_168. (5a ed.). Ginebra, Suiza: World Meteorological Organization.

Xiang, K., Li, Y., Horton, R., & Feng, H. (2020). Similarity and difference of potential evapotranspiration and reference crop evapotranspiration–A review. Agricultural Water Management, 232, 106043. DOI: 10.1016/j.agwat.2020.106043

Yao, Y., Liang, S., Yu, J., Zhao, S., Lin, Y., Jia, K., Zhang, X., Cheng, J., Xie, X., Sun, L., Wang, X., & Zhang, L. (2017). Differences in estimating terrestrial water flux from three satellite-based Priestley-Taylor algorithms. International Journal of Applied Earth Observation and Geoinformation, 56, 1-12.

Descargas

Publicado

2023-01-25

Cómo citar

Degano, M. F., Rivas, R. E., & Bayala, M. I. (2023). Determinación de la evapotranspiración con datos satelitales y de reanálisis utilizando Google Earth Engine. Tecnología Y Ciencias Del Agua, 15(4), 137–193. https://doi.org/10.24850/j-tyca-2024-04-04

Número

Sección

Artículos

Artículos similares

1 2 3 4 5 6 7 8 9 10 > >> 

También puede Iniciar una búsqueda de similitud avanzada para este artículo.