Artículos

El Centro de Investigaciones en Ingeniería Ambiental (CIIA) de la Universidad de los Andes tiene el gusto de invitarlos al segundo seminario del semestre titulado “Estimación de la superficie del terreno cambiante en las Montañas Rocosas por medio del desarrollo de un producto fusionado”, a cargo de Nicolas Rodriguez Jeangros, candidato a PhD. in Environmental Engineering Science y asistente de investigación del Civil and Environmental Engineering Department, Colorado School of Mines.

Ponente:

Esta presentación será en español.

Resumen:

El estudio del agua superficial y subterránea en un medio ambiente cambiante requiere primero una caracterización espacial y temporal detallada del medio ambiente. La cobertura de la superficie terrestre (CST) es una variable crítica que determina en gran medida varios procesos hidrológicos. Por ende, el monitoreo, la evaluación, y la caracterización de la CST es esencial para informar una gran variedad estudios que analizan procesos hidrológicos. Sin embargo, los productos de CST existentes, procedentes principalmente de clasificación de imágenes satelitales, tienen diferentes resoluciones temporales y espaciales, cómo también diferentes clasificaciones de tipo de CST. Estudios anteriores se han enfocado en fusionar un par de productos de CST en una región espaciotemporal pequeña o en interpolar los valores faltantes en un solo producto de CST. Nosotros desarrollamos un método para fusionar múltiples productos de CST para producir un único record de CST en una región extensa en las dimensiones temporal y espacial. Primero, nosotros reconciliamos las clases de CST de los diferentes productos y luego presentamos un estimador probabilístico de vecindad cercana para cada clase de CST. Cada celda o pixel en la malla/raster tiene un estimador independiente. Consecuentemente, la estructura de la metodología es muy adecuada para una implementación computacional en paralelo. Dicha implementación se llevó a cabo en C++ usando librerías MPI para el paralelismo en varios supercomputadores. Nosotros ilustramos la metodología usando seis productos de CST en las Montañas Rocosas de los Estados Unidos, produciendo un producto de CST mejorado con alta resolución y mapas anuales durante un periodo de 30 años. Éste producto con dicha frecuencia y resolución, y sin precedentes similares, tiene como objetivo informar y apoyar estudios climatológicos e hidrológicos a pequeña y gran escala en la región de las Montañas Rocosas.

Abstract:

The study of water in a changing environment requires first a detailed characterization of this environment in space and time. Land cover (LC) is a critical variable driving many hydrological processes, so its assessment, monitoring, and characterization are essential inputs to study these processes. However, existing LC products, derived primarily from satellite spectral imagery, each have different temporal and spatial resolutions and different LC classes. Previous efforts have focused on either fusing a pair of LC products over a small space-time region or on interpolating missing values in an individual LC product. We developed a method for fusing multiple existing LC products to produce a single LC record for a large spatial-temporal grid. We first reconcile the LC classes of different LC products, and then we present a probabilistic nearest neighbor estimator of LC class. This estimator depends on three unknown parameters, which are estimated using numerical optimization to maximize an agreement criterion that we define. Each pixel in the grid has an independent estimator, and therefore, the methodology is highly suitable for a parallel implementation. We implemented the methodology in C++ using MPI libraries for the parallelism in supercomputers. We illustrate the method using six LC products over the Rocky Mountains, producing an enhanced high-resolution LC product with yearly maps over a period of 30 years. This unprecedented high frequency/resolution LC product aims to inform and support small and large scale hydrological and climatological studies in the Rocky Mountain region.