Estimación de área de nieve húmeda con datos SAR en la cuenca del río Tupungato, Mendoza, Argentina

Abstract

Los datos provenientes de sensores remotos, en particular de Radares de Apertura Sintética (SAR), poseen gran potencial en el estudio de la nieve ya que proveen información independientemente de la condición atmosférica reinante. En este trabajo se investiga la capacidad de la banda C en la detección de nieve húmeda, en la cuenca del río Tupungato, provincia de Mendoza, Argentina. Para ello se utilizaron imágenes Sentinel 1, procesadas siguiendo la metodología desarrollada por Nagler y Rott (2000) que emplea la técnica de detección de cambios respecto a una imagen tomada como referencia, en condición libre de nieve o con nieve seca. Este algoritmo requiere la adecuación de parámetros en función a las características particulares del área de estudio. El análisis realizado en la cuenca indicó que el umbral óptimo para identificar coberturas de nieve húmeda es -2dB. Los resultados fueron validados indirectamente a partir de datos de temperatura de superficie y área cubierta de nieve, obtenidos con imágenes ópticas LANDSAT 8. De esta forma, se verificó la correcta clasificación con SAR de pixeles correspondientes a nieve húmeda. Los mapas de nieve húmeda generados con datos SAR son de mucha utilidad ya que nutren a modelos hidrológicos para el pronóstico de caudal en zonas con régimen nival.

The data coming from remote sensing, in particular Synthetic Aperture Radars (SAR), have great potential in the study of snow since they provide information regardless of weather conditions. In this work, the capacity of the C band in wet snow detection is investigated, in the Tupungato river basin, province of Mendoza, Argentina. To this scope, Sentinel 1 images were used, processed following the methodology developed by Nagler and Rott (2000), which adopts a change detection technique by considering an image taken as a reference, in a snow-free or dry snow condition. This algorithm requires the adaptation of parameters according to the particular characteristics of the study area. The analysis carried out in this basin indicates that the optimal threshold to identify wet snow is -2dB. The results were validated indirectly by using information of surface temperature and snow cover area, obtained with LANDSAT 8 optical images. In this way, it was verified the correct classification with SAR of pixels corresponding to wet snow. Wet snow maps generated with SAR data are very useful to nourish hydrological models for the forecast of flow in mountain areas dominated by snow regime.