Monitorización de la extensión de nieve mediante imágenes Sentinel

La cobertura de nieve se considera una de las variables más relevantes para la evaluación y seguimiento de eventos meteorológicos extremos, estimación y previsión de recursos hidrológicos y, especialmente en montaña, centinela del cambio climático. Su seguimiento y evaluación a través de imágenes satelitales son de gran utilidad para conocer mejor estos procesos y optimizar la toma de decisiones. El objetivo de este trabajo es estudiar la aptitud de las imágenes Sentinel-2 para delinear la extensión de nieve en el Pirineo navarro-aragonés. Para ello se aplican diferentes técnicas de clasificación, basadas en umbrales de índices de nieve y técnicas de aprendizaje automático. Se analiza, además, el producto de Copernicus Snow and Ice en el mismo área de estudio. Los resultados obtenidos muestran que este último producto tiene margen de mejora en las zonas afectadas por sombras topográficas, en las que no identifica adecuadamente la nieve. Entre los clasificadores evaluados el clasificador de máxima verosimilitud y la herramienta Feature Analyst proporcionan los mejores resultados. Otros clasificadores más sencillos basados en umbrales de índices de nieve obtienen también buenos resultados y destacan por su sencillez. En un futuro sería interesante extender este trabajo a otras zonas montañosas en las que la estimación de la cobertura de nieve mediante teledetección resulta especialmente compleja.

Snow cover is considered one of the most relevant variables for the evaluation and monitoring of extreme weather events, estimation and forecasting of hydrological resources and, especially in mountains, as a sentinel of climate change. Its monitoring and evaluation through satellite images are especially useful to better understand these processes and to optimize decision making. The aim of this work is to study the suitability of Sentinel-2 images to delineate the snow extent in the Navarre-Aragon Pyrenees. For this purpose, different classification techniques based on snow index thresholds and machine learning techniques are applied. The Copernicus Snow and Ice product is also analyzed in the same study area. The results obtained show that the latter product has room for improvement in areas affected by topographic shadows, where it does not identify snow. Among the classifiers evaluated, the maximum likelihood classifier and the Feature Analyst tool provide the best results. Other simpler classifiers based on snow index thresholds also obtain satisfactory results and stand out for their simplicity. In the future it would be interesting to extend this work to other mountainous areas where the estimation of snow cover by remote sensing is particularly complex.

Máster Universitario en Sistemas de Información Geográfica y Teledetección por la Universidad Pública de Navarra

Informazio Geografikoko Sistemetako eta Teledetekzioko Unibertsitate Masterra Nafarroako Unibertsitate Publikoan