Google Earth Engine en Ingeniería de riego

Google Earth Engine en Ingeniería de riego

En esta sección de blog se presentan algunas herramientas, ejemplo y script de uso de imagenes satelitales y datos de reanálisis en Google Earth Engine (GEE), estas herramientas y ejemplos están enfocados únicamente para aplicaciones útiles en ingeniería de riego.

Herramientas

VICAL: Es una herramienta (Figura 1) útil para calcular 23 índices de vegetación (empleados comúnmente en aplicaciones agrícolas) de cualquier polígono del mundo con imágenes satelitales Landsat (Resolución espacial de 30 m) y Sentinel-2 (resolución espacial de 10 m) (Jiménez-Jiménez et al., 2022). Para ver la sección de ayuda de VICAL clic aquí.

Figure52.png Figura 1. Calculo de NDVI en VICAL de una zona de riego en México

geeSEBAL (Figura 2): Es una implementación de código abierto del Algoritmo de Balance de Energía de Superficie para la Tierra (SEBAL) usando GEE usando imagenes Landsat (Laipelt et al. 2021). Esto quiere decir, que con esta herramienta se puede estimar la Evapotranspiración (ET) de cualquier parte del mundo a partir de la ecuación de balance de energía (Rn – G = LE + H), donde LE, Rn, G y H son flujo de calor latente, radiación neta, flujo de calor del suelo y flujo de calor sensible, respectivamente (Bastiaanssen, 1995; Bastiaanssen et al., 1998a, 1998b).

Figura 2. Calculo de la ET con geeSEBAL

2. Script

Algunos de estos Script son elaborados por Hidráulica Fácil y otros adaptados de otros autores. Evapotranspiración con datos Modis: Es una Script donde se usa el conjunto de datos evapotranspiración/flujo de calor latente MOD16A2 versión 6 que es un producto compuesto de 8 días con una resolución espacial de 500 metros/pixel. El algoritmo utilizado para la recopilación de productos de datos MOD16 se basa en la lógica de la ecuación de Penman-Monteith, que incluye entradas de datos de reanálisis meteorológico diario junto con productos de datos de detección remota MODIS, como la dinámica de las propiedades de la vegetación, el albedo y la cobertura terrestre. Actualmente está calculado para México pero se puede adaptar a cualquier país modificando la línea 15 del Script. Además, se calcula la ET acumulada en todo 2021, sí por ejemplo se desea calcular la ET media en cualquier año, solo debe indicar la fecha (línea 7 y 8) y reemplazar en la línea 12 del código [.sum() por .mean()]. Para modificar el código clic aquí.

Figura 3. ET acumulado de 2021 para México con datos MODIS

Si desea descargar el archivo Raster con los datos acumulado de ET de México de 2021 clic aqui: drive.google.com/file/d/1GSaM53dfem_DyUpM_H..

Datos de reanálisis para estimar la Evapotranspiración de referencia (ET0): Son cuadro Script para descargar datos de reanálisis o cuadriculados para estimar la ET0, en este sentido, se descargan datos de Temperatura, humedad especifica, Radiación solar y velocidad del viento en un rango de fechas. Los datos se descargan a su DRIVE en formato CSV . Código para descargar datos de RTMA se puede obtener en la siguiente liga (Figura 4): code.earthengine.google.com/bb3bd9fb817b6b6.. Código para descargar datos de GLDAS: code.earthengine.google.com/5acebeb46cd4010.. Código para descargar datos de CFSv2: code.earthengine.google.com/07050f70624f75e.. Código para descargar datos de NLDAS: code.earthengine.google.com/33057c7bf2be903..

Debido a que los datos de reanálisis se general con hora de Etc/GMT+0 se debe modificar la zona horaria en la línea 32 a 35. Por ejemplo para Ciudad de México se pone .format('DDD', 'Etc/GMT+6')).

Para conocer acerca de las bases de datos y su resolución espacial puede consultar la entrada del blog [Descargar datos climáticos de reanálisis para estimar Evapotranspiración de referencia]

Figura 4. Datos descargados de RTMA en formato CSV

Literatura citada

Bastiaanssen, W.G.M., 1995. Regionalization of surface flux densities and moisture indicators in composite terrain: a remote sensing approach under clear skies in Mediterranean climates. Dr. thesis, Wageningen Agric. Univ. Wageningen Netherlands. SC-DLO, Wageningen.

Bastiaanssen, W.G.M., Menenti, M., Feddes, R.A., Holtslag, A.A.M., 1998a. A remote sensing surface energy balance algorithm for land (SEBAL): 1. Formulation. J. Hydrol. 212–213, 198–212.

Bastiaanssen, W.G.M., Pelgrum, H., Wang, J., Ma, Y., Moreno, J.F., Roerink, G.J., van der Wal, T., 1998b. A remote sensing surface energy balance algorithm for land (SEBAL): 2. Validation. J. Hydrol. 212–213, 213–229.

Jiménez-Jiménez, S. I., Marcial-Pablo, M. de J., Ojeda-Bustamante, W., Sifuentes-Ibarra, E., Inzunza-Ibarra, M. A., & Sánchez-Cohen, I. (2022). VICAL: Global Calculator to Estimate Vegetation Indices for Agricultural Areas with Landsat and Sentinel-2 Data. Agronomy 2022, Vol. 12, Page 1518, 12(7), 1518. doi.org/10.3390/AGRONOMY12071518

Laipelt, L., Henrique Bloedow Kayser, R., Santos Fleischmann, A., 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. doi.org/10.1016/J.ISPRSJPRS.2021.05.018

Did you find this article valuable?

Support HidráulicaFácil GEE: PixelRiego by becoming a sponsor. Any amount is appreciated!