Modelo de predicción espacial para el índice de aridez en una transecta del centro argentino

Abstract

El procesamiento de imágenes satelitarias, conjuntamente con metodologías de los procesos estocásticos espaciales, ofrecen información sobre el comportamiento de variables cuyos valores son inexistentes. Particularmente, la obtención de un índice de aridez (IA) es imposible en puntos donde se carece de estaciones meteorológicas. Se utiliza la información de las imágenes NOAA-AVHRR NDVI (índice verde) para construir un modelo espacial predictivo para el NDVI en la transecta entre 69.51º W y 58.79º W y 34.40ºS y 38.07ºS. Mediante este modelo se obtienen predicciones de NDVI en los puntos de esta transecta donde se encuentran estaciones meteorológicas que permiten calcular el IA. Este índice es explicado mediante un modelo lineal por el NDVI. El modelo ajustado es aplicado luego a otros puntos dentro de la transecta para predecir valores del IA en puntos donde no existen estaciones meteorológicas. Así, mediante supuestos de continuidad espacial, se analizan patrones globales de comportamiento de aridez.Satellite image data jointly with Spatial Stochastic Process methodologies offer information about the behaviour of variables whose values do not exist. Particularly, it is impossible to calculate values of the Aridity Index (AI) in points where there are no meteorological stations. Information based on NOAA-AVHRR NDVI images is used to build a predictive model for NDVI in the transect between 69.51º W and 58.79º W, and 34.40º S and 38.07º S. In the points where the meteorological stations are located, NDVI predictive values from this model are obtained. Then, a Linear Model is fitted to the NDVI predictive values to explain the calculated AI values in these points. This model is applied to obtain values of AI in points where there are no meteorological stations. Thus, aridity patterns are analyzed under spatial continuity assumptions.