A.

Formulario de Datos Generales:

Fecha de presentacin:
14 de Diciembre del 2016

Datos del aspirante:

Primer Apellido: Segundo Apellido:
Muoz Palma
Primer Nombre: Segundo Nombre:
Mario Stalin
Nmero de Cdula: 120536070-2
Unidad: Ciencias Ambientales
Carrera:
Acadmica: Ingeniera en Gestin Ambiental
Direccin Domiciliaria: Ciudad: Telfono:
Parroquia 7 de Octubre calle D entre 1ra y 2da Quevedo 052-784-224
0959742828
Correo Electrnico:
stalin.palma.9@hotmail.com

Docente Auspiciante:
Apellidos: Nombres:
Vlassova Lidia
Ttulo acadmico de mayor nivel: Doctorado
Telfono: 0992324637
Correo Electrnico: lidia_vlassova@hotmail.com
 UNIVERSIDAD TCNICA ESTATAL DE QUEVEDO
FACULTAD DE CIENCIAS AMBIENTALES
CARRERA INGENIERA EN GESTIN AMBIENTAL

Anteproyecto de Investigacin
previo a la obtencin del ttulo de
Ingeniera en Gestin Ambiental

Perfil del Anteproyecto de Investigacin:

APLICACIN DE SISTEMA DE INFORMACIN GEOGRFICA PARA MODELAMIENTO

DE TENDENCIAS ESPACIO-TEMPORALES DE LA TEMPERATURA EN EL LITORAL DEL
ECUADOR, A PARTIR DE LAS IMGENES MODIS TERRA DEL PERIODO 2005 2015 EN
EL CONTEXTO DE CAMBIO CLIMTICO

Autor:
Mario Stalin Muoz Palma

Docente Auspiciante:
Dra. Lidia Vlassova

Quevedo Los Ros - Ecuador.

2016 - 2017
Contenido
INTRODUCCIN ........................................................................................................ 1
1.1. PROBLEMA DE INVESTIGACIN ............................ Error! Bookmark not defined.
1.1.1. PLANTEAMIENTO DEL PROBLEMA .............................. Error! Bookmark not defined.
1.1.2. FORMULACIN DEL PROBLEMA ............................................... Error! Bookmark not defined.
1.1.3. SISTEMATIZACIN DEL PROBLEMA.......................................... Error! Bookmark not defined.

1.2. OBJETIVOS ...................................................................... Error! Bookmark not defined.

1.2.1. OBJETIVO GENERAL .................................................................. Error! Bookmark not defined.
1.2.2. OBJETIVOS ESPECIFICOS ........................................................... Error! Bookmark not defined.

1.3. JUSTIFICACIN .......................................................................................................... 3

2. FUNDAMENTACIN TERICA DE LA INVESTIGACIN ...Error! Bookmark not

defined.
2.1. Marco conceptual ........................................................... Error! Bookmark not defined.
2.2. MARCO REFERENCIAL ..................................................... Error! Bookmark not defined.

3. MATERIALES Y MTODO ................................................................................ 11

4. CRONOGRAMA DE ACTIVIDADES ......................... Error! Bookmark not defined.
5. BIBLIOGRAFA ................................................................................................. 21

iii
iv
B. DATOS DEL ANTEPROYECTO

B.1. TITULO

APLICACIN DE SISTEMA DE INFORMACIN GEOGRFICA PARA

MODELAMIENTO DE TENDENCIAS ESPACIO-TEMPORALES DE LA TEMPERATURA
EN EL LITORAL DEL ECUADOR, A PARTIR DE LAS IMGENES MODIS TERRA DEL
PERIODO 2005 2015 EN EL CONTEXTO DE CAMBIO CLIMTICO

B.2. INTRODUCCIN

La comprensin del sistema climtico es un problema de gran inters cientfico. Los

adelantos en la comprensin de las interacciones entre la atmsfera, los ocanos, la
biosfera, la criosfera y la superficie terrestre estn revolucionando las ciencias de la
Tierra. Adems, en estos ltimos aos, una sensacin de urgencia viene alimentando la
investigacin sobre la modelizacin del sistema climtico. La probabilidad de que las
actividades humanas alteren la composicin de la atmsfera, afecten el clima a nivel
regional y mundial, y repercutan en las economas de los pases y en los ecosistemas
naturales, estimula el desarrollo de modelos del sistema climtico.

Los modelos informticos del cambio climtico ms generales que utiliza el IPCC (El
Grupo Intergubernamental de Expertos sobre el Cambio Climtico, conocido en sus siglas
en ingls Intergovernmental Panel on Climate Change), son los MCGAO, que
resuelven las ecuaciones de la atmsfera y los ocanos aproximadamente mediante el
desglose de sus dominios en rejillas volumtricas, o cajas, a cada una de las cuales se le
asigna un valor promedio para propiedades como velocidad, temperatura, humedad (de
la atmsfera) y salinidad (de los ocanos). El tamao de la caja es la resolucin espacial
del modelo. Cuanto ms pequea es la caja, tanto ms alta es la resolucin. Una hiptesis
postulada en las investigaciones en las que se utilizan modelos de la circulacin general
(MCG) es que el realismo de las simulaciones del clima mejorar en la medida en que
aumente la resolucin.
Para poder entender y supervisar la dinmica ambiental, existen sistemas de observacin
de la Tierra tanto desde su superficie como desde el espacio, que ofrecen gran cantidad
de informacin que puede ser visualizada en forma de imgenes para su posterior anlisis.
Sin embargo, el volumen de informacin crece en forma acelerada, mientras que las
herramientas para su anlisis no alcanzan el mismo ritmo.
1
En vista de la necesidad de nuevos modelos para trabajar con los datos de los fenmenos
climticos, varios centros de investigacin trabajan para crear nuevas aplicaciones de
anlisis. Uno de ellos es Clark Labs de Clark University, Estados Unidos, que se dedica
a la investigacin y desarrollo de tecnologas geo-espaciales. Este equipo de trabajo es
conocido por ser los creadores del software IDRISI - un Sistema de Informacin
Geogrfica (SIG) y tambin procesador de imgenes. En la ltima versin IDRISI Taiga
lanzada al mercado en el ao 2009, por primera vez se incluy el mdulo de anlisis de
tendencias Earth Trends Modeler (ETM).

Este mdulo ofrece un conjunto de tecnologas para anlisis espacio-temporal de las

imgenes de series temporales provenientes de los sistemas de vigilancia ambiental. Su
inclusin mejora la fase analtica de la aplicacin. Las series temporales son los datos que
resultan cuando una variable es medida a intervalos fijos del tiempo. Este tipo de variables
estn presentes en muchas ramas de la ciencia.

En general, en las series temporales los cambios sistemticos que no parecen ser
peridicos se conocen como tendencia. El modelo ms simple para una tendencia es un
aumento o disminucin lineal, y este es a menudo una aproximacin adecuada. Por otro
lado, un patrn repetitivo en cada ao es conocido como una variacin estacional
(Eastman, 2009).

En el presente proyecto se realiza una primera evaluacin del funcionamiento de ETM

aplicndolo al anlisis de tendencias climticas en la Regin Litoral del Ecuador. El
anlisis se enfoca en comprobar las fortalezas de la aplicacin para detectar las tendencias
a largo plazo y los efectos de estacionalidad en el conjunto de los datos para variables de
temperatura diurna de la superficie terrestre de la zona de estudio.

2
B.3 PROBLEMATIZACIN

La principal actividad humana que ha causado el cambio climtico, y que lo seguir

causando durante el presente siglo, es el consumo de combustibles fsiles, en particular
petrleo y carbn, que emite dixido de carbono (CO2 ). El mecanismo mediante el cual
el CO2 y otros gases producen el calentamiento global se denomina efecto invernadero
(Rodrguez; M. 2009)

Evidentemente, para que un modelo climtico sea considerado til para usarse como
herramienta de anlisis debe poder simular, al menos aproximadamente, el ciclo anual
promedio del clima, en el estudio del cambio climtico se realiza un manejo de los
forzantes radiactivos, efectundose simulaciones numricas en donde se aumentan
gradualmente las concentraciones de gases de efecto invernadero. Dependiendo de qu
tipo de aumento en estos gases se propagan, ser la respuesta en el clima que se obtengan
(Martnez; F. 2004)

A continuacin se formula la interrogante a la que se pretende dar respuesta en la

presente investigacin.

Cul sera la tendencia del calentamiento en el anlisis de la temperatura media

anual, que se podra evidenciar incluso a plazos relativamente cortos mediante el
MODIS TERRA del periodo 2005 - 2015?

B.4. JUSTIFICACIN

Las sucesiones eventuales cuantifican las primordiales propiedades de las cifras y sus
alteraciones admite ocupar determinaciones sobre la base de un informe anticipado.
En la actualidad existen una infinidad de satlites de observacin de la Tierra que se
localiza en el firmamento generando gran cantidad de aclaraciones que necesita ser
procesada, analizada e interpretada por los cientficos de diferentes reas de la ciencia,
incorporando el estudio del ambiente.
Los cientficos e inventores de aplicaciones SIG y procesamiento de imgenes, se
esmeran por sacar nuevas herramientas ms sutiles que las anteriores, ellos buscan crear
mecanismos con mayor inters para el usufructuario, donde el rendimiento que se logre
alcanzar, sean condicionalmente fcil su anlisis.
Se elaboran en este proyecto diversos desempeo del mdulo ETM para valorar los
materiales, tambin, los efectos son explicados, verificando el nivel del problema el grado
de impedimento del desarrollo y la autenticidad del efecto.
3
B.5. HIPTESIS
H0. La tendencia del calentamiento de la temperatura media anual, se evidencio un
aumento mediante el MODIS TERRA del periodo 2005 - 2015

Hi. La tendencia del calentamiento de la temperatura media anual, se evidencio una

disminucin mediante el MODIS TERRA del periodo 2005 - 2015

B.6. ESQUEMA REFERENCIAL DEL MARCO TERICO

Una evidencia cientfica internacional abrumadora seala que desde 1750 el planeta est
experimentando un calentamiento neto, y que durante el presente siglo continuar
calentndose a consecuencia de las emisiones de gases de efecto invernadero (GEI)
producidas por la accin humana, en particular la procedente del consumo de petrleo y
carbn. Este es, sin duda, el problema ms grave en el campo ambiental y, segn muchas
autoridades, la mayor amenaza global en trminos absolutos. En esta seccin se exponen
las causas del fenmeno y se examinan las razones y sinrazones de quienes no creen en
el calentamiento global. (Rodriguez; M. 2009)

Saber que parte de la variabilidad del clima es predecible abre la posibilidad de realizar
predicciones tiles en diversas actividades socioeconmicas. Estas predicciones
estacionales, por ejemplo, ya se realizan para regiones altamente afectadas por el
fenmenos El Nio/ Oscilacin del Sur. En ese caso, la lenta respuesta trmica del ocano
constituye una memoria til para el clima. Hoy en da se sabe que la humedad en el suelo
tambin constituye un mecanismo de memoria que puede afectar el clima. Es por ello que
la deforestacin o la urbanizacin resultan en variable o cambio climtico, al afectar la
humedad que puede ser retenida por el suelo. (Martinez; Fernandez. 2004)

4
Idrisi Taiga
Las herramientas de anlisis IDRISI son la base sobre la que se construye TerrSet. En
desarrollo durante casi tres dcadas, el conjunto de herramientas IDRISI ofrece ms de
300 herramientas analticas para la exploracin de nuestro mundo en rpido
cambio. Aunque estn orientadas principalmente a la manipulacin de conjuntos de datos
geoespaciales rster, existen herramientas tradicionales para satisfacer las necesidades del
da a da del SIG profesional, as como procedimientos avanzados para el modelado y
anlisis complejos.
Idrisi es una aplicacin de SIG. Un SIG es una integracin organizada de hardware,
software y datos geogrficos diseada para capturar, almacenar, manipular, analizar y
desplegar en todas sus formas la informacin geogrficamente referenciada con el fin de
resolver problemas complejos de planificacin y gestin.
Idrisi es una aplicacin completa de SIG con importantes funciones de anlisis de
archivos tipo raster, cubriendo adems aspectos de teledeteccin desde una base de datos
de consulta, hasta un modelamiento espacial, clasificacin y mejora de imgenes. Incluye
utilidades especiales para el monitoreo del medio ambiente y gestin de los recursos
naturales, incluyendo la modelizacin de cambios de la tierra y anlisis de series
temporales.
Idrisi consiste de un programa de interface principal y una coleccin aproximada de 300
mdulos que proporcionan las facilidades necesarias para la integracin, visualizacin y
anlisis de datos geogrficos.
En la versin Taiga, se incluye como novedad un entorno integrado de modelamiento
Earth Trends Modeler.

IDRISI ANLISIS CARACTERSTICAS PRINCIPALES

Consulta de base de datos
- Capacidad de consultar capas vectoriales raster y vectoriales e informar
estadsticas bsicas, as como perfiles sobre espacio y tiempo, histogramas y
tabulaciones de rea y permetro.
- Para las bases de datos vectoriales, se utiliza una herramienta de gestin de base
de datos relacional integrada para introducir y editar datos de atributos que
emplean capacidades SQL completas.

5
 Mapeo de Derivados
- Un conjunto completo de herramientas de modelado matemtico y relacional para
derivar nuevas capas de datos en funcin de las capas existentes.
- Los modelos se pueden introducir como ecuaciones con capas de mapa como
variables o mediante el uso de un entorno de modelado grfico.
Distancia y Contexto
- Un conjunto rico de operaciones de contexto, incluyendo Euclidian y
procedimientos de distancia de costo, para la agregacin y desagregacin de
fuerzas y fricciones direccionales, un procedimiento de ruta de costo mnimo y
rutinas de asignacin espacial.
- La capacidad de analizar patrones y texturas, incluyendo el anlisis del contexto
local mediante el filtrado y agregacin de grupos contiguos.
Estadsticas Espaciales
- Un conjunto completo de herramientas destinadas a la descripcin de las
caractersticas espaciales.
- Las herramientas incluyen medidas de distribucin de puntos, regresin simple y
mltiple de imgenes, regresin logstica logstica y multinomial, procedimientos
de autocorrelacin, medidas de patrn y textura, anlisis superficial de tendencias
polinmicas y muestreo espacial y procedimientos de generacin aleatoria para
apoyar la simulacin de Monte Carlo.
Apoyo a la toma de decisiones y gestin de la incertidumbre
- Un entorno de modelizacin grfica para el apoyo de decisiones multicriterio y
multiobjetivo que incluye herramientas y procedimientos para la cartografa de la
idoneidad y la asignacin de tierras.
- Un procedimiento de asignacin de tierras que tenga en cuenta la contigidad y la
compacidad.
- Un procedimiento de bsqueda de consenso para los criterios de ponderacin, la
estandarizacin difusa y un extenso conjunto de procedimientos de agregacin de
criterios basados en la combinacin lineal ponderada y el promedio ponderado
ordenado.
- Las herramientas de propagacin de errores a travs de la simulacin de Monte
Carlo, la evaluacin del riesgo de decisin como resultado del error propagado, el
clculo y la agregacin de conjuntos difusos y la agregacin de pruebas indirectas

6
 para apoyar una conclusin de peso de la evidencia usando ambos enfoques
bayesianos y Dempster-Shafer .
- Un procedimiento de reclasificacin suave para asignar la probabilidad de que una
ubicacin est por encima o por debajo de un umbral (como el aumento del nivel
del mar), as como una implementacin de las probabilidades espaciales previas
para la clasificacin de Mxima Verosimilitud.
Anlisis de Superficie
- Herramientas para derivar patrones, tendencias y caractersticas topolgicas tales
como gradiente de pendiente, aspecto, iluminacin (sombreado) y curvatura.
- Los procedimientos de interpolacin incluyen la ponderacin de distancia inversa,
modelado de red irregular triangular (TIN), polgonos de Thiessen, mapeo de
superficies de tendencia y geoestadstica.
- La capacidad de delinear cuencas hidrogrficas y miradores, determinar el
escurrimiento superficial y los patrones de flujo, evaluar la sedimentacin y
modelar la erosin del suelo.
- Las herramientas tradicionales de anlisis de distancia y buffer incluyen anlisis
de distancia de costo y de va. Se proporcionan herramientas de modelado de
anlisis de superficie para la generacin aleatoria de imgenes, el muestreo de
imgenes y el filtrado de imgenes.
Anlisis de cambios y series temporales
- Herramientas para identificar y cuantificar el cambio a travs de mltiples
imgenes incluyendo diferenciacin de imagen, relacin de imagen,
diferenciacin de regresin, anlisis de vector de cambio y anlisis de datos
cualitativos.
- Un conjunto de herramientas para el modelado predictivo del cambio de cobertura
terrestre que incluye el Anlisis de Cadenas de Markov, Automatizacin Celular,
regresin logstica y regresin logstica multinomial, GEOMOD y Redes
Neuronales Artificiales.
Herramientas de implementacin de modelos
- Image Calculator, una herramienta de modelado matemtico interactivo que
proporciona una interfaz similar a la calculadora para construir frmulas
algebraicas y lgicas con capas de mapa como variables.

7
 - Macro Modeler, un entorno de modelado grfico que expone todas las
herramientas IDRISI GIS Analysis como objetos que se pueden vincular con
capas de mapa en una cadena algortmica.
- Para las aplicaciones de modelado algortmico ms exigentes o para el desarrollo
de herramientas independientes como complementos de TerrSet, se puede
implementar un lenguaje de scripting como Python o un lenguaje de programacin
completo como C ++ o Delphi a travs de COM Interfaz del modelo de objetos.

Earth Trends Modeler

El Earth Trends Modeler (ETM) es un conjunto integrado de herramientas dentro de
TerrSet para el anlisis de datos de series temporales de imgenes asociadas con imgenes
de deteccin remota de observacin de la Tierra. Con Earth Trends Modeler, los usuarios
pueden evaluar rpidamente las tendencias climticas a largo plazo, medir las tendencias
estacionales en fenologa y descomponer las series temporales de imgenes para buscar
patrones recurrentes en el espacio y el tiempo.
El mdulo ETM tiene como funcin principal el anlisis de las tendencias y las
caractersticas dinmicas de los fenmenos del medio ambiente que se evidencian en las
imgenes de series temporales provenientes de los diferentes sistemas de observacin.

Con ETM, los usuarios pueden abordar preguntas tales como:

Cmo han cambiado las temperaturas en los ltimos 30 aos?
Las plantas muestran una senescencia posterior?
Existen patrones espaciales recurrentes en la productividad del fitoplancton?
Cules son los impactos geogrficos de eventos climticos como El Nio?

Ninguna otra tecnologa de software proporciona tal conjunto coordinado de herramientas

de minera de datos que la comunidad cientfica del sistema de tierra necesita para el
anlisis del cambio climtico y la evaluacin del impacto.

Las herramientas en ETM incluyen:

Medidas de tendencia paramtricas y no paramtricas
Anlisis de tendencias estacionales
Principales componentes / Anlisis emprico de la funcin ortogonal (PCA / EOF)
Extended PCA / EOF para el co-anlisis de series mltiples (EPCA / EEOF)
8
 Anlisis de Espectro Singular Multicanal (MSSA)
Anlisis de Teleconectancia Ortogonal Emprica (EOT) y modos extendidos
Anlisis de correlacin cannica (CCA)
Modelado lineal retardado
Anlisis de PCA y Wavelet de Fourier

Mientras ETM est destinado para uso profesional, su interfaz sencilla e intuitiva hace
que sea una excelente herramienta para la enseanza y la auto-exploracin. El sistema
incluye un tutorial completo y conjuntos de datos de muestra.

Caractersticas principales de Earth Trends Modeler

Extraer y analizar tendencias mundiales a largo plazo y sus impactos
Examinar la relacin entre series de tiempo
Examinar las tendencias de la estacionalidad
Asle el verdadero cambio de la variabilidad ambiental normal
Descubrir y analizar patrones de variabilidad a travs de escalas temporales
Datos de la serie temporal de imgenes de preprocesamiento incluyendo
eliminacin de ruido y desgraciacin

ETM se compone de un conjunto coordinado de instrumentos de exploracin de datos

para la deteccin de las tendencias y factores determinantes de la variabilidad. Adems,
este mdulo se presenta como un sistema altamente interactivo, que cuenta con un
proceso de exploracin que es en gran medida un proceso activo. Las tendencias y
dinmicas en las que se hace nfasis incluyen las siguientes:

Tendencias interanuales
Aquellas tendencias que persisten sobre varios aos y que pueden ser un indicador de
mayores cambios ambientales. ETM ofrece herramientas para determinar la presencia de
tendencias que son lineales y no lineales, as como sus significados.

Tendencias estacionales
Son aquellas tendencias con carcter de progresin de estacin anual. La inclinacin del
eje de la Tierra lleva a una variacin anual sustancial de la energa solar, originando
9
mayores ciclos estacionales. Sin embargo, el anlisis de tendencias multi-anuales
tradicional considera la estacionalidad como un contaminante y por eso lo rechaza o
elimina intencionalmente. Contrariamente, ETM dispone de rutinas que especficamente
buscan las tendencias en estacionalidad y las muestran de manera resaltada.

Componentes cclicos
Se analizan componentes cclicos en las imgenes de series temporales utilizando
elementos de Anlisis de Fourier y Anlisis de Componentes Principales. Adems, ETM
ofrece una forma nica de Anlisis Espectral Espacio-Temporal llamado Fourier PCA,
que no solo muestra ciclos aislados, sino tambin patrones de ciclos que ocurren juntos.

Patrones en espacio/tiempo recurrentes pero irregulares

ETM ofrece una variedad de herramientas para el anlisis de patrones recurrentes en
espacio/tiempo incluyendo una forma de Anlisis de Wavelets y Anlisis de
Componentes Principales.

Teleconexiones
El mdulo ofrece herramientas de ltima generacin para el anlisis de las teleconexiones
del clima. Una teleconexin puede definirse en forma breve como la relacin que existe
entre anomalas del clima, a cierta distancia una de otra.

DATOS UTILIZADOS
En el trabajo se utilizaron los datos de dominio pblico que fueron descargados de
Internet de diferentes pginas oficiales dedicadas a la recoleccin y procesamiento de
datos que las obtienen de sistemas satelitales de observacin de la Tierra.

Datos de Temperatura
Los datos de temperatura corresponden a imgenes obtenidas con el sensor MODIS del
satlite Terra. Estos fueron descargados de la pgina web oficial de LP DAAC (Land
Processes Distributed Active Archive Center) caractersticas ms detalladas sobre los

10
datos estn en la Tabla 1. Estos se descargaron de la pgina web de NASA. El papel del
LP DAAC como parte integrante del Sistema de Observacin de la Tierra de la NASA se
encarga de procesamiento de alto nivel y distribucin de datos de los sensores ASTER, y
MODIS adquiridos por los satlites Terra y Aqua.

Nombre del archivo MOD11C3

Versin 5
Creador de los datos LP DAAC de la USGS Earth Resources
Observation and Science (EROS) Center
Sensor MODIS Terra
rea de cobertura Global
Dimensin de imgenes 3600 filas x 7200 columnas
Cobertura temporal 01/01/2001 al 01/12/2009
Resolucin temporal mensual
Resolucin espacial 0,05 (5600 m en el Ecuador)
Proyeccin Geogrfica (Lat/Lon grid)
Parmetros Temperatura diurna promedio de la
superficie de la Tierra
Unidades Grados Celsius [C ]
Formato de datos HDF
Tabla 1. Caracterstica de datos de Temperatura.

B.7. OBJETIVOS
Objetivo General
Evaluar el funcionamiento del mdulo ETM, para analizar variables del clima
y sus tendencias en la Regin Litoral del Ecuador

Objetivos Especficos
Establecer patrones de espacio-tiempo recurrente e irregular de las variables
en la zona de estudio del perdi 2005 2015 con un rea de 70.647 km
Realizar un anlisis estadstico con el mdulo ETM de la principal variable
que influyen en la variacin del clima de la regin litoral del ecuador
Analizar la temperatura y como se estn desviando est variable climtica en
la zona de la Regin Litoral del Ecuador, detectando sus tendencias
interanuales y estacionales.

B.8. MATERIALES Y MTODO

DESCRIPCIN DEL LUGAR

11
La presente investigacin se realizara en la Regin Litoral que es una Regin Geogrfica
de la Repblica del Ecuador situada entre la Cordillera de los Andes y el ocano Pacfico,
se extiende por las provincias de Esmeraldas, Santo Domingo, Manab, Los
Ros, Guayas, Santa Elena y El Oro, as como porciones de provincias limtrofes. Sus
coordenadas UTM son: Latitud Sur 0 42 0 S, Longitud Occidental 80 0 0 O.

MATERIALES

Materiales de campo:
Idrisi Taiga

12
 Earth Trends Modeler
ArcGis
LPDAAC Data Pool
Materiales de oficina:
Laptop
Hojas A4
Impresora
Pendrive
Bolgrafos

METODOLOGA
Objetivo #1
a) Establecer patrones de espacio-tiempo recurrente e irregular de las variables en
la zona de estudio del perdi 2005 2015 con un rea de 70.647 km
Analizar los patrones recurrentes en espacio-tiempo incluyendo una forma
de Wavelets.
Wavelets para Datos de Temperatura
Las wavelets, en general, son utilizadas para comprimir datos. Sin embargo, en este caso
se utilizan para buscar patrones de eventos anmalos en el tiempo. Una wavelet es una
pequea onda, o ms bien, una onda que aparece brevemente. Estas pueden tomar
cualquier forma, por ejemplo la forma de una onda seno. En la prctica hay muchos tipos
de wavelets que se utilizan dependiendo de la finalidad del estudio. En ETM, se utiliza la
wavelet Inversa de Haar que permite una forma simple de interpretacin en el contexto
de las imgenes de series temporales. La wavelet Inversa de Haar se puede ver en la
Figura 1.

Figura 1. Wavelet Inversa de Haar.

La Figura 1 representa una serie de pesos sobre cuatro muestras adyacentes para un nico
pixel en el tiempo. Sin embargo, si se aplica un peso de 0 para todas las muestras en el
13
tiempo que se encuentren antes de la primera y despus de la cuarta, es ms simple pensar
que se lo aplica a un par de muestras adyacentes como se muestra en la siguiente Figura
2:

Figura 2. Filtro de wavelet inversa de Haar con ancho de 1 mes.

Aplicar el filtro de wavelet a cada pxel permite determinar el grado en el cual la wavelet
est presente en cada momento en el tiempo. Como un ejemplo para ilustrar la aplicacin
de los filtros y generacin de la pirmide wavelet, se toman los valores para el pxel de la
columna: 139 y fila: 132 (Figura 3) de los primeros 6 meses de la serie de temperatura
(Tabla 1). Los filtros van aumentando su ancho a medida que se genera la siguiente fila
de la pirmide. El ancho del primer filtro es de 1 mes, el segundo de 2 meses, tercero de
3 meses, etc., as hasta aplicar el ltimo filtro y el cual calcula el valor del pico de la
pirmide.

Figura 3. Muestra el pxel (c:139 r:132) de los datos de temperatura seleccionado

aleatoriamente, y utilizado para el ejemplo de aplicacin de los filtros inversos de Haar.

Posicin Mes Valor de temperatura

diurna promedio
mensuales de la
superficie [C]
1ra Enero 2001 26,7
2da Febrero 2001 27
3ra Marzo 2001 26,1
4ta Abril 2001 27,2
5ta Mayo 2001 25,9
6ta Junio 2001 25,5
Tabla 1. Valores de temperaturas diurnas promedio mensuales para el pxel c:139 r:132
de la imagen original de temperaturas para los meses del ao 2001
14
Objetivo #2
b) Realizar un anlisis estadstico con el mdulo ETM de la principal variable que
influyen en la variacin del clima de la regin litoral del ecuador
Analizar la serie de datos de temperatura de la superficie con las
herramientas ETM
Anlisis de la temperatura
En esta primera parte se busca detectar las tendencias a largo plazo y luego las tendencias
de estacionalidad, en la cual sus datos sern recopilados del LPDAAC Data Pool.
Tendencias a largo plazo de Datos de Temperatura
Uno de los anlisis fundamentales de las series temporales, es la bsqueda de tendencias.
Procedimiento:
El anlisis de tendencia se realiza en el Panel de Anlisis de Tendencias de Series (Series
Trend Analysis) el cual a su vez se encuentra en la Pestaa de Anlisis (Analysis Tab),
considerado como el corazn del mdulo ETM (Figura 4), donde se encuentran todas las
opciones de anlisis de ETM.

Figura 4. Pestaa de Anlisis (Analysis Tab) y el Panel de Anlisis de Series (Series

Trend Analysis).
15
Cuando se realiza un anlisis de tendencia a largo plazo es necesario eliminar la
estacionalidad de los datos que viene asociada al ciclo solar anual, con el fin de
mejorarla y obtener un perfil temporal de la serie ms suave para poder visualizar mejor
la tendencia.

La idea central es definir a partir de la serie observada una nueva serie que suaviza los
efectos ajenos a la tendencia (estacionalidad, efectos aleatorios), de manera que se
pueda determinar su direccin (Figura 5).

Figura 5. Ejemplo de suavizamiento de una curva.

El Panel de Anlisis de Tendencias de Series est destinado a estudiar datos sin

estacionalidad. El Panel de Deseason que se encuentra en la Pestaa de Preproceso
(Preprocess Tab) sirve para este propsito (Figura 6). Se utiliz el procedimiento
llamado anomalas (anomalies), que es el ms usado para eliminar la estacionalidad de
las series. Para este procedimiento, ETM calcula el valor promedio para cada pxel de
cada perodo (por ejemplo un mes). Este valor es conocido entre los
meteorlogos/climatlogos como valor climatolgico (climatology value). Luego, este
valor climatolgico se resta de cada imagen.

Figura 6. Pestaa de Preproceso (Preprocess Tab) y el Panel de Deseason.

16
Por ejemplo, en la imagen de temperatura del mes de enero de 2001 de la serie a la cual
se le elimin la estacionalidad, el valor de cada uno de sus pxeles sern el resultado de
haber restado el valor del promedio a largo plazo (que result de todos los eneros de la
series) del valor de cada pxel de la imagen de temperatura de enero de 2001 original.
El pxel de columna: 195 y fila: 71 de la imagen de temperatura con estacionalidad
eliminada es -2,1822 (Figura 7), el cual es resultado del valor de dicho pxel en imagen
de enero de 2001 menos el promedio de largo plazo de dicho pxel de todos los meses de
enero de la serie.

Figura 7. Una de las imgenes de la serie de temperatura luego de eliminar

estacionalidad (arriba derecha) y el acercamiento del pxel c: 195 r: 71; adems se
muestra la vista tridimensional de la serie de datos de temperatura sin estacionalidad
(izquierda).

Objetivo #3
c) Analizar la temperatura en la zona de la Regin Litoral del Ecuador, detectando
sus tendencias interanuales y estacionales.
Aplicar anlisis de componentes principales para la temperatura, utilizando
el software Idrisi Taiga
Descomposicin por Componentes Principales

Las imgenes de observacin de la Tierra generalmente muestran gran variabilidad en el

tiempo. Por ese motivo se desea descomponer la variabilidad en sus componentes
subyacentes, y la manera de hacerlo es a travs del Anlisis de Componentes Principales,
17
las cuales se ordenan de acuerdo a la cantidad de varianza que ellos presentan con respecto
a las series originales.

El anlisis de componentes principales es una tcnica poderosa para analizar la

variabilidad con respecto al espacio y tiempo. Las imgenes en las series de tiempo se
encuentran altamente correlacionadas las unas con las otras de un momento del tiempo al
siguiente. El anlisis de las componentes principales transforma la serie en un conjunto
de componentes ortogonales (independientes unos de otros) tanto en tiempo como en
espacio. En teora se puede tener tantas componentes como imgenes en la serie, pero en
la prctica la mayor cantidad de variacin se muestra en un reducido nmero de
componentes, mientras que el resto expresan ruido y variaciones de alta frecuencia.
La manera ms sencilla de entender una componente principal es imaginar la serie
temporal de valores para un nico pixel a travs del tiempo, como un vector. Si se imagina
que cada dato representa una dimensin, entonces la serie puede ser descrita por un nico
punto en ese espacio. Por ejemplo, si se tiene tres meses (enero, febrero y marzo) con
temperaturas promedio de 26,7 C, 27 C y 26,1 C, entonces estos valores estaran en la
posicin 26,7 del eje de enero, 27 en el eje de febrero y 26,1 en el eje de marzo. Luego
los tres vectores se forman de unir cada uno de estos puntos con el origen del sistema.
Para representar un caso real se necesitaran cientos de dimensiones, sin embargo, eso es
difcil de visualizar por eso se utiliza el ejemplo de tres.
La imagen est formada de muchos pixeles, as que se tendra un espacio ocupado por
muchos vectores. La correlacin entre cada par de vectores es inversamente proporcional
al ngulo entre ellos (de hecho, el coseno de ese ngulo es igual al coeficiente de
correlacin). La primera componente es el vector promedio (el vector que est lo ms
cerca posible a la coleccin entera de vectores), el cual se conoce como eigenvector
(vector caracterstico) y su longitud es conocida como eigenvalue, el cual expresa la
cantidad de varianza que este ilustra. El coseno del ngulo entre el eigenvector y cada
vector de pixel indica los loading de la componente (la correlacin del vector del pixel
con el eigenvector).
Una vez que se calcula la primera componente, sus efectos se remueven del campo del
vector del pixel (equivale a calcular la correlacin parcial entre cada par de vectores de
pixel). Los nuevos vectores expresan los residuos despus de que se les eliminara los
efectos de la primera componente. Luego el proceso se repite para extraer la segunda
componente y as sucesivamente.

18
Para cada componente se tiene un par de salidas, la primera que es una componente en
imagen que muestra el patrn espacial de la componente y la segunda que es un grfico
(llamado loading) que muestra el grado en que ese patrn se encuentra presente en el
tiempo. En las salidas que se obtuvieron del anlisis de los datos fueron las siguientes:
Componente: El loading de la componente 1 muestra en el eje X el tiempo y en el eje
Y los valores de correlacin. En la Figura 8 ( arriba: loading), se observan valores altos
de correlacin, lo que indica que este patrn se encuentra presente en cada una de las
imgenes de la serie, y por lo tanto es el patrn ms representativo de la temperatura
diurna promedio de la superficie a largo plazo en la regin litoral del ecuador.

Para una buena interpretacin de las componentes, se recomienda enfocarse en analizar

los patrones en el espacio y no los valores absolutos de los resultados de la componente
(valores en la imagen). En el ttulo del grfico (loading) de la componente se observa
que esta refleja el 75,67 % de la variabilidad de la temperatura diurna promedio de la
superficie con respecto al espacio y el tiempo. El resto de variabilidad se encuentra en el
otro 24,33 % de las dems componentes (Figura 8).

Figura 8. Loading de Componente para la serie temporal de temperatura

19
 B.9. Cronograma de Actividades

En esta seccin se elabora el cronograma de actividades utilizando el Diagrama de Gantt,

basndose en las actividades que se realizarn semanalmente durante los meses establecidos.

Cronograma de Actividades
MESES NOVIEMBRE ENERO FEBRERO MARZO
ACTIVIDAD 1 2 3 4 1 2 3 4 1 2 3 4 1 2
Elaboracin del X X
Anteproyecto
Presentacin del X
Anteproyecto
Aprobacin del X X
Anteproyecto
Fase de campo X X X X X X X

Tabulacin de X
resultados
Redaccin del X
documento
Defensa X

B.10. Resultados Esperados

Para la finalizacin del proyecto de investigacin de la aplicacin de SIG para
modelamientos de tendencias, se podr demostrar varios aspectos positivos de las
herramientas, en la cual se facilitara la aplicacin de anlisis tradicionales de series
temporales, los resultados de los grficos de la ETM ayudaran a la interpretacin de los
datos, ser un estudio de carcter exploratorio para valorar la conveniencia del uso de la
herramienta y los datos de sensores remotos en el anlisis de condiciones climticas que
puede ser extendido a otras escalas temporales y espaciales para fines prcticos

20
especficos, como por ejemplo la agricultura para planificar el tipo de cultivo y bajo que
tcnicas implementarlas.

B.11. Bibliografa

(Martinez; F. 2004), Cambio Climatico, disponible en: http://www.iies.unam.mx/wp-

content/uploads/2016/03/Victor-Jaramillo-Cambio-Climatico-Una-Vision-desde-
Mexico-.pdf

(Rodriguez; M. 2009) Cambio Climtico: Lo que est en juego, disponible en:

http://library.fes.de/pdf-files/bueros/kolumbien/07216.pdf

(Field; B. 2014) Cambio Climtico 2014: Impactos, Adaptaciones y Vulnerabilidad,

disponible en: https://www.ipcc.ch/pdf/assessment-
report/ar5/wg2/ar5_wgII_spm_es.pdf

(2015 Clark Labs, Clark University) Idrisi Gis, disponible en:

https://clarklabs.org/terrset/idrisi-gis/

(Ronald Eastman) Earth Trends Modeler, disponible en: https://cga-

download.hmdc.harvard.edu/publish_web/Annual_Spring_Workshops/2009_ST/present
ations/Ronald_Eastman.pdf

21