Evaluación de la variabilidad espaciotemporal de la profundidad
óptica de aerosoles en la zona carbonífera del Cesar a partir de
observaciones satelitales
Ana María Llorente Valbuena
Universidad Nacional de Colombia
Facultad de Ciencias Agrarias
Bogotá D.C., Colombia
2017
Evaluación de la variabilidad espaciotemporal de la profundidad
óptica de aerosoles en la zona carbonífera del Cesar a partir de
observaciones satelitales
Ana María Llorente Valbuena
Tesis presentada como requisito para optar al título de:
Magíster en Geomática
Director:
Ph.D., Omar Torres Codirector:
Ph.D., Rodrigo Jiménez Pizarro
Línea de Investigación: Geoinformación para el uso sostenible de los recursos naturales
Universidad Nacional de Colombia
Facultad de Ciencias Agrarias
Bogotá D.C., Colombia
2017
Haré de mis miedos, fortalezas
De mis manos, melodías
De mis angustias, una algarabía.
Haré de tu amor, poesía.
En memoria de Nicolás Cuadros Rubio.
Te adoro Nico.
Agradecimientos
A Omar Torres y a Rodrigo Jiménez por su confianza, apoyo y paciencia, tres elementos
fundamentales para poder culminar este trabajo. A Nicolás Cuadros Rubio por su tiempo,
sus consejos, sus aportes académicos y su brillantez. A Álvaro Cáceres y a Edwin López
por su tiempo e invaluables aportes académicos. A mi madre por su apoyo incondicional;
su confianza en mí. A Gabriela, el amor más grande.
Resumen y Abstract IX
Resumen
Este estudio evaluó la Profundidad Óptica de Aerosoles (AOD) recuperada del producto
MODIS - Aqua 3 km (MYD04_3K - Colección 6) sobre cuatro regiones en Colombia:
Medellín, Puerto Gaitán, Bogotá y la Zona Carbonífera del Cesar (ZCC). Las
recuperaciones de MODIS fueron comparadas con observaciones AERONET (AErosol
RObotic NETwork por sus siglas en inglés) El análisis arrojó que existe una
sobreestimación de los valores de AOD de MODIS de alrededor del 21 % en las
observaciones en Medellín, 37 % en UNC - Puerto Gaitán y 77 % en UNC – Bogotá y una
sobreestimación de los valores de AOD recuperados por el fotómetro en la ZCC del 8 %.
Los coeficientes de correlación fueron del orden de 0.867 para UNC - Puerto Gaitán,
seguido de la ZCC con 0.724 y Medellín con 0.537, y la correlación más baja para UNC -
Bogotá con 0.248 en una ventana espacial de 25 km y una ventana temporal de 30
minutos antes y después del paso del satélite. Se observaron valores similares de AOD
en la zona minera y en la zona no perturbada por minería, lo que sugiere que la pluma de
contaminación se conserva solo que no está impactando en superficie (distribución
vertical). Esto significa que si bien puede no haber impacto significativo en la calidad del
aire en la zona no perturbada por minería, sí pueden existir impactos asociados en
aspectos como el clima y el ciclo hidrológico.
Palabras clave: AOD, MODIS, AERONET, sensores remotos, zona minera del Cesar
X Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Abstract
This study has evaluated the Aerosol Optical Depth (AOD) recovered from the product
MODIS - Aqua 3 km (MYD04_3K - Collection 6) on four regions of Colombia: Medellín,
Puerto Gaitán, Bogotá, and the coal-mining area in Cesar. The MODIS recoveries
have been compared to observations of the AErosol RObotic NETwork (AERONET).
The analysis has shown an overestimation of the MODIS AOD values of about 21
percent in the observations in Medellín, 37 percent in UNC - Puerto Gaitán, and 77
percent in UNC - Bogotá; and an overestimation of 8 percent of the AOD values
recovered by the photometer on the coal-mining area in Cesar. The correlation
coefficients were 0.867 to UNC - Puerto Gaitán, followed by 0.724 to the coal-mining
area in Cesar and 0.537 to Medellín; the lowest correlation accounted for 0.248 to
UNC - Bogota in a space window of 25 km, and a window of ± 30 minutes before and
after the satellite. The AOD has been significantly related to the mining zone and the
undisturbed zone by mining; suggesting that the pen of contamination remains, and is
not impacting on the surface (vertical distribution). Which means that while there may
not be a significant impact on air quality in the undisturbed area, whether there may be
associated impacts in other aspects such as climate and the hydrological cycle.
Keywords: AOD, MODIS, AERONET, remote sensing, coal-mining area of Cesar
Contenido XI
Contenido
1. Marco teórico .......................................................................................................... 19 1.1. Aerosoles .......................................................................................................... 19 1.2. Profundidad óptica de aerosol (AOD) ................................................................ 21 1.3. AERONET: medición de aerosoles mediante observación directa del sol ......... 22
1.3.1 Descripción del algoritmo de medición de aerosoles a nivel de superficie ..... 24 1.4. MODIS: instrumento de medición de aerosoles mediante teledetección pasiva 25
1.4.1. Misión y descripción del instrumento ............................................................. 25 1.4.2. Algoritmo de recuperación de MODIS ............................................................ 29 1.4.3. Algoritmo del producto de 3 km de MODIS sobre la tierra ............................. 30
2. Materiales y métodos ............................................................................................. 33 2.1 Área de estudio .................................................................................................. 33 2.2 Datos MODIS ..................................................................................................... 34
2.2.1. Adquisición, lectura y preprocesamiento ........................................................ 34 2.2.2. Procesamiento de datos ................................................................................ 35
2.3 Datos AERONET ............................................................................................... 37 2.4 Análisis de datos ................................................................................................ 38
2.4.1. Datos coincidentes en tiempo y espacio ........................................................ 38 2.4.2. Análisis de regresión ..................................................................................... 43
2.5 Variabilidad temporal y distribución espacial del AOD de MODIS ...................... 44 2.5.1 Identificación de parámetros condicionantes del comportamiento de AOD para la selección de la ventana espacial de análisis ......................................................... 44 2.5.2 Ventana espacial de análisis.......................................................................... 45 2.5.3 Análisis de varianza para la selección de la ventana espacial de análisis (zona minera y zona no minera) ......................................................................................... 47 2.5.4 Aplicación del método Kriging en el análisis de la distribución espacial ......... 48
3. Resultados y discusión .......................................................................................... 49 3.1. Variabilidad temporal de datos AERONET ........................................................ 49 3.2. Análisis de regresión en ventanas espaciales de 7.5, 15, 25 y 50 km ............... 51 3.3. Análisis de regresión en ventanas espacio temporales definitivas .................... 55 3.4 Evaluación de la variabilidad temporal y la distribución espacial del AOD de MODIS en la ZCC con relación a zonas no perturbadas por minería .......................... 60
3.4.1. Variabilidad temporal del AOD en la zona de estudio .................................... 61 3.4.3 Distribución espacial del AOD en la zona de estudio ..................................... 67
4. Conclusiones .......................................................................................................... 71
5. Recomendaciones .................................................................................................. 73
XII Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
6. Bibliografía ..............................................................................................................77
Contenido XIII
Lista de figuras
Figura 1-1: Sistema de medida de AERONET ............................................................ 23 Figura 2-1: Sistema de escaneo Aqua – MODIS ........................................................ 26 Figura 3-1: Ángulo de visión del sensor MODIS ......................................................... 27 Figura 4-2: Zona Carbonífera del departamento del Cesar, Colombia ........................ 34 Figura 5-2: Homogenización espacial de datos MODIS. En azul capa base y en negro
lecturas de tres orbitas de MODIS durante 2013 ............................................................ 36 Figura 6-2: Ventanas espaciales: 7.5, 15 y 25 km en Medellín ................................... 41 Figura 7-2: Ventanas espaciales: 7.5, 15 y 25 km en Puerto Gaitán ........................... 41 Figura 8-2: Ventanas espaciales: 50 km en Bogotá .................................................... 42 Figura 9-2: Ventanas espaciales: 7.5, 15 y 25 km en UPC-GEAM Valledupar (ZCC) . 42 Figura 10-3: Ventanas espaciales basadas en criterios climáticos, topográficos y de
concentración de material particulado ............................................................................ 46 Figura 11-3: Variabilidad temporal horaria del AOD de AERONET de datos Nivel 2.0 en
Medellín (A), UNC - Gaitán (B) y UNC - Bogotá (C). Y datos nivel 1.5 en UPC – GEAB-
Valledupar (D) 49 Figura 12-3: Comparaciones de AERONET - MODIS a 550 nm en Medellín
empleando un radio de coincidencia espacial de 25 km en una ventana temporal de ± 30
minutos. La línea azul representa el ajuste de los datos, la línea negra la recta 1:1 y las
líneas punteadas representan el EE ± (0.05 + 15 %) ...................................................... 56 Figura 13-3: Comparaciones de AERONET - MODIS a 550 nm en Puerto Gaitán
empleando un radio de coincidencia espacial de 25 km en una ventana temporal de ± 30
minutos. La línea azul representa el ajuste de los datos, la línea negra la recta 1:1 y las
líneas punteadas representan el EE ± (0.05 + 15 %) ...................................................... 57 Figura 14-3: Comparaciones de AERONET - MODIS a 550 nm en UPC-Valledupar
empleando un radio de coincidencia espacial de 25 km en una ventana temporal de ± 30
minutos. La línea azul representa el ajuste de los datos, la línea negra la recta 1:1 y las
líneas punteadas representan el EE ± (0.05 + 15 %) ...................................................... 58 Figura 15-3: Promedios mensuales de AOD (2012 – 2015). Grupo 1: Sectores La
Loma (ZM07- zona minera) y Minguillo (ZM11- zona no minera) .................................... 62 Figura 16-3: Promedios mensuales de AOD (2012 – 2015). Grupo 2: Sectores La
Jagua (ZM09 – zona minera) y Casacará (ZM22 – zona no minera) .............................. 62 Figura 17-3: Promedios mensuales multianuales de AOD (2012 – 2015). .................. 64 Figura 18-3: Promedios estacionales de AOD (épocas seca y húmeda) (2012 – 2015).
64 Figura 19-3: Distribución espacial del AOD durante el 2012 en la ZCC ...................... 68 Figura 20-3: Distribución espacial del AOD durante el 2013 en la ZCC ...................... 69
XIV Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Figura 21-3: Distribución espacial del AOD durante el 2014 en la ZCC ....................... 69 Figura 22-3: Distribución espacial del AOD durante el 2015 en la ZCC ....................... 70
Lista de tablas
Tabla 1-3: Resumen estadístico de la validación de las observaciones MODIS 3 km en
Medellín para radios de coincidencia espacial de 7.5, 15 y 25 km. (Periodo evaluado:
2012 - 2014) 51 Tabla 2-3: Resumen estadístico de la validación de las observaciones MODIS 3 km.
UNC-Gaitán. (Periodo evaluado: 2015) ........................................................................... 52 Tabla 3-3: Resumen estadístico de la validación de las observaciones MODIS 3 km.
UNC-Bogotá. (Periodo evaluado: 2013, 2015) ................................................................ 53 Tabla 4-3: Resumen estadístico de la validación de las observaciones MODIS 3 km.
UPC- GEAM-Valledupar ................................................................................................. 54
Introducción 15
Introducción
Los aerosoles son partículas sólidas y líquidas suspendidas en la atmósfera. Pueden ser
vistos como neblina amorfa que reduce la visibilidad en días contaminados, o plumas
bien definidas de partículas en suspensión. Su origen puede ser natural (áreas
desérticas, polvo, sal marina, emisiones volcánicas y emisiones biogénicas), o
antropogénicas (emisiones industriales, quemas de biomasa en agricultura y cambios en
el uso de la tierra que aceleran la erosión y la evaporación de lagos). Como la mayoría
de aerosoles son producidos en la superficie de la tierra, estos están generalmente
concentrados en la parte más baja de la atmósfera y cerca de las fuentes de producción
(Lenoble J., Remer L. A., y Tanré D., 2013). La tropósfera es la capa más baja de la
atmósfera terrestre y se extiende a una altura de 8 a15 km, dependiendo de la latitud
(NASA, 1994).
Las propiedades ópticas de los aerosoles atmosféricos están determinadas por la
composición, la concentración, el tamaño, la forma y la estructura interna; todas estas
características varían en el espacio y en el tiempo. Dependiendo del tipo de aerosol se
puede identificar entre las partículas diferentes minerales; sulfatos, nitratos, partículas
biológicas como bacterias y polen, partículas orgánicas, hollín y sal marina. Estas
partículas son diminutas con tamaños típicos alrededor de los 100 nm (Kokhanovsky, A.,
2008).
Los aerosoles atmosféricos impactan el balance radiativo de la tierra, los procesos
hidrológicos y los ciclos globales del carbono, nitrógeno y azufre (Remer L. A., Tanré D. y
Kaufman Y. J., s.f). Los efectos climáticos de partículas de aerosol dependen de su
distribución atmosférica, junto con su higroscopicidad y propiedades ópticas. Tanto para
las propiedades ópticas de los aerosoles como la formación de nubes son determinantes
la distribución de tamaño de partículas, la composición química y el estado y la
morfología de la mezcla. Estas propiedades están determinadas por una compleja
16 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
interacción entre sus fuentes, los procesos de transformación y su eliminación de la
atmósfera (IPCC, 2013).
Recientemente, la medición por satélite de la profundidad óptica de aerosoles (AOD por
sus siglas en inglés), se ha convertido en una herramienta importante para caracterizar
los patrones de aerosol en el espacio y el tiempo (Xiao Q. et al., 2016). El AOD
recuperado mediante observación satelital, se define como la integral en la vertical de la
extinción del aerosol desde el suelo hasta la parte superior de la atmósfera (Dinoi A.,
Perrone M. R. y Burlizzi P., 2010); dicho de otra forma, indica el grado en que los
aerosoles impiden la transferencia de luz en toda la columna atmosférica. El parámetro
leído indica la atenuación de un haz de luz o radiación a medida que atraviesa la capa
atmosférica.
Para la medición del AOD, existen además de un gran número de instrumentos de
observación satelital tales como AVHRR-2, SeaWiFS, POLDER, MODIS, MISR; otros
instrumentos basados en tierra como los empleados por AERONET (AErosol RObotic
NETwork). Estos últimos, utilizados a menudo para la validación de las consultas
basadas en satélites (Xu Q., et al., 2006).
Como resultado de varias investigaciones, se ha encontrado que el uso de información
satelital para el análisis de aerosoles, han presentado resultados satisfactorios y por
tanto despiertan mayor interés en dar continuidad a investigaciones similares. Por
ejemplo, Alam K., Qureshi S. y Blaschke T. (2011), encontraron una fuerte correlación
entre los dos conjuntos de datos MODIS y MISR con las mediciones AERONET en
Pakistán. Así como Tripathi S. N. et al., (2005) encontraron buena correlación entre
MODIS y AERONET con R = ~ 0.71 en la ciudad de Kanpur India, y Munchak L. A. et al.,
(2013) un R > 0.90 sobre el corredor de Baltimore-Washington DC, EE.UU.
El uso cada vez más frecuente de información satelital para el análisis de los aerosoles y
otras variables atmosféricas, ha sido empleado también para proporcionar una medida de
la abundancia de material particulado (PM por su siglas en inglés). En particular, el AOD
derivado de MODIS se ha comparado con mediciones de PM en superficie en varios
Introducción 17
estudios debido a la capacidad de MODIS para proporcionar una cobertura global diaria y
una buena resolución espacial (Dinoi A., Perrone M. R. y Burlizzi P., 2010).
Es por ello que investigaciones como la de Liu Y., Franklin M., Kahn R. y Koutrakis P.
(2006), han explorado la capacidad de medición de AOD de instrumentos satelitales
como MODIS y MISR en la predicción de concentraciones de material particulado menor
a 2.5 micras (PM2.5) a nivel del suelo en el área de St. Louis, Estados Unidos. Los
resultados mostraron que tanto MODIS como MISR fueron predictores significativos de
las concentraciones de PM2.5, y tienen previsibilidad global comparable de las
concentraciones de PM2.5 a nivel del suelo. En este trabajo MISR explica el 62 % de la
variabilidad de PM, mientras MODIS solo explica el 51 %. Otros investigadores han
obtenido una relación empírica entre AOD derivado de MODIS y la masa de PM2.5,
cuyos resultados muestran que existe una correlación de 0.96 entre la medición diaria de
satélite y los valores de PM2.5 en seis ciudades (Gupta P. et al., 2006).
En la actualidad, muchas ciudades alrededor del mundo cuentan con redes de monitoreo
ambiental en superficie destinadas a la medición de la concentración de PM y gases
contaminantes, gran parte de estas con observación continua. No obstante, dichas redes
presentan limitaciones asociadas a cobertura geográfica y costos de instalación y
mantenimiento. De lo anterior, y acorde con lo mencionado por Wang C. et al., (2003)
citado en Wang C., et al., (2013), el limitado monitoreo de las estaciones no puede
reflejar exhaustivamente la distribución espacial de las partículas de aerosol, ni
proporcionar alertas sanitarias a grandes escalas espaciales, especialmente cuando los
contaminantes vienen de fuentes fuera de la ciudad.
Es allí donde surgen los datos de teledetección por satélite para el estudio de la
distribución de aerosoles atmosféricos. Estos pueden proporcionar un espectro más
amplio en el análisis de la distribución espacial y temporal de los aerosoles, con
observación continua y fácil acceso a la información. En ese sentido, se convierte en un
nuevo método para la evaluación y análisis del contenido de aerosoles en la atmósfera,
que puede complementar la información de las redes de monitoreo en superficie y su
relación con actividades antropogénicas y los impactos derivados de este, especialmente
en el clima global.
18 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Por lo anterior, esta investigación presenta un análisis y validación de las recuperaciones
del AOD de MODIS y AOD de AERONET en un periodo total de medición de cuatro años
(2012 – 2015) en cuatro regiones de Colombia: Medellín, Puerto Gaitán, Bogotá y Zona
Carbonífera del Cesar (ZCC). Estas regiones se caracterizan por ser diversas en cuanto
a condiciones geográficas y climáticas y además, por albergar diferentes tipos de fuentes
de emisión de aerosoles atmosféricos.
Objetivos
General
Validar observaciones satelitales MODIS mediante mediciones de superficie AERONET y
evaluar la distribución espacial y la variabilidad temporal de la profundidad óptica de
aerosoles en la Zona Carbonífera del Cesar (ZCC) a partir de observaciones satelitales.
Específicos
• Validar observaciones satelitales de la profundidad óptica de aerosoles
recuperadas de MODIS empleando observaciones de superficie AERONET para
condiciones de topografía y nubosidad prevalecientes en Colombia.
• Evaluar la variabilidad temporal y la distribución espacial de la profundidad óptica
de aerosoles en la Zona Carbonífera del Cesar (ZCC) con relación a zonas no
perturbadas por minería.
Marco teórico 19
1. Marco teórico
1.1. Aerosoles
Los aerosoles son pequeñas partículas suspendidas en el aire. Algunos se producen de
forma natural procedentes de los volcanes, tormentas de polvo desértico, incendios
forestales y de pastizales y sal marina. Las actividades humanas como la quema de
combustibles fósiles y la alteración de la cubierta de la superficie natural también generan
aerosoles. En promedio en el mundo, los aerosoles generados por las actividades
humanas actualmente representan aproximadamente el 10 % de la cantidad total de los
existentes en la atmósfera (Hardin M. y Kahn R., 2010).
El término aerosol atmosférico abarca una amplia gama de tipos de partículas que tienen
diferentes composiciones, tamaños, formas y propiedades ópticas. La carga de aerosol o
su cantidad en la atmósfera, se identifican generalmente por la concentración de masa o
por una medida óptica; la profundidad óptica de aerosoles (Aerosol Optical Depth por sus
siglas en inglés). El AOD se define como la integral vertical a través de toda la altura
atmosférica de la fracción de la luz incidente, ya sea dispersada o absorbida por las
partículas en suspensión. Por lo general, los modelos numéricos y las observaciones in
situ utilizan la concentración de masas como la principal medida de la carga de
aerosoles, mientras que la mayoría de los métodos de teledetección miden AOD (Remer,
L. A. et al., 2009).
Esta última (AOD), es medida por la Red Robótica de Aerosoles (AERONET) y de
Instrumentos como MODIS (Moderate Resolution Imaging Spectrometer), MISR (Multi-
angle Imaging Spectro Radiometer), Parasol (Polarization and Anisotropy of Reflectances
for Atmospheric science coupled with Observations from a Lidar), AVHRR (Advanced
Very High Resolution Radiometer) y ATSR (Along Track Scanning Radiometer) (Boucher
O. et al., 2013).
20 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Como la mayoría de aerosoles son producidos en la superficie de la tierra, estos están
generalmente concentrados en la parte más baja de la atmósfera y cerca de las fuentes
de producción. Sin embargo, las partículas pueden alcanzar niveles más altos y pueden
ser transportadas grandes distancias. Su remoción en la atmósfera puede ser por
deposición seca, lavado por precipitación y por evaporación. Al nivel estratosférico, estos
son abundantes después de grandes erupciones volcánicas y se forman principalmente
mediante la conversión de gas a partícula. Aunque mucho menos numerosos que los
aerosoles troposféricos, estos pueden tener un impacto importante debido a su larga
permanencia en la atmósfera y su propagación alrededor de la Tierra (Lenoble J., Remer
L. A. y Tanré D., 2013).
Dependiendo del tipo de aerosol se pueden identificar entre partículas diferentes
minerales; sulfatos, nitratos, partículas biológicas como bacterias y polen, partículas
orgánicas, hollín y sal marina. Estas partículas son diminutas con tamaños típicos
alrededor de los 100 nm (Kokhanovsky A., 2008). El aerosol cercano al suelo puede
también ser llamado material particulado atmosférico (PM) (Pope C. et al., 1995 citado en
Wang C. et al., (2013),
Los aerosoles afectan el balance de energía de la Tierra por la dispersión y la absorción
de la radiación (lo que se conoce como "efecto directo") y modificando las propiedades
microfísicas y radiativas de las nubes ("efectos indirectos"). Los aerosoles influyen en las
nubes a través de su papel como núcleos de condensación. Los aumentos en la
concentración de partículas de aerosol pueden aumentar la concentración ambiental de
dichos núcleos, afectando así las propiedades y duración de las nubes. Los aerosoles
también pueden afectar a las nubes mediante la absorción de la energía solar y alterando
el entorno en el que se desarrolla la nube, cambiando de este modo sus propiedades sin
llegar a servir como núcleos de condensación. Tales efectos pueden cambiar los
patrones de precipitación, así como su extensión y propiedades ópticas (Remer L. A. et
al., 2009).
El principal efecto directo de los aerosoles es un brillo en la atmósfera cuando se ve
desde el espacio, ya que gran parte de la superficie de la Tierra es océano (superficie
oscura en la región visible e infrarroja cercana), y la mayoría de los aerosoles dispersan
más del 90 % de la luz visible que incide en ellos. Los efectos indirectos primarios del
Marco teórico 21
aerosol en las nubes incluyen un aumento en el brillo de las mismas, una reducción de la
precipitación y, posiblemente, un aumento de la permanencia en la atmósfera; así el
impacto global neto de aerosoles es un aumento de la reflectancia de la Tierra (albedo de
onda corta). Esto reduce la luz solar que alcanza la superficie de la Tierra produciendo un
enfriamiento climático neto, así como una redistribución de la energía de calor radiante y
latente depositado en la atmósfera. Estos efectos pueden alterar la circulación
atmosférica y el ciclo del agua, incluyendo los patrones de precipitación (Remer L. A. et
al., 2009).
El creciente interés científico en los aerosoles atmosféricos se debe a su gran
importancia para la política medioambiental. De hecho, las partículas se constituyen
como uno de los problemas más desafiantes tanto para la calidad del aire como para las
políticas de cambio climático. A su vez, tienen una influencia importante a nivel mundial
en temas de salud humana (Fuzzi S. et al., 2015). La evidencia emergente de efectos
sobre la salud cardiovascular está relacionado con el PM y el conocimiento cada vez
mayor con respecto a vías fisiopatológicas generales interconectadas que vinculan la
exposición a PM con morbilidad y mortalidad cardiopulmonar (Pope C. y Dockery D. W.,
2006).
La caracterización de la distribución global de aerosoles y los cambios en el tiempo son
necesarios para la comprensión de las futuras condiciones climáticas. Para alcanzar
estos objetivos, la NASA ha desplegado un conjunto de satélites conocidos como el
Sistema de Observación de la Tierra (EOS) para supervisar una serie de propiedades
importantes del clima, incluidos los aerosoles (Levy R.C. et al., 2013); y MODIS hace
parte de este sistema.
1.2. Profundidad óptica de aerosol (AOD)
El AOD es la medida en que los aerosoles reducen la transmisión de la luz (ya sea por
efecto de dispersión o absorción) debido a partículas en suspensión presentes en toda la
columna atmosférica. Formalmente, el AOD es una cantidad adimensional; es la integral
del producto de la concentración del número de partículas y la sección transversal de
extinción de partículas (que representa la dispersión de la partícula individual y la
absorción), a lo largo de una determinada trayectoria a través de la atmósfera, medida
22 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
verticalmente. Además del AOD, el tamaño de partícula, la composición y estructura,
están determinadas tanto por el tipo de fuente y el procesamiento atmosférico posterior, y
cómo estas interactúan con la energía radiante e influyen en el balance de calor del
planeta. El tamaño y la composición también determinan la capacidad de las partículas
para servir como núcleos para la formación de nubes. Esto proporciona un medio
indirecto para interactuar con la energía radiante mediante la modificación de
propiedades de las nubes (Remer L. A. et al., 2009).
1.3. AERONET: medición de aerosoles mediante
observación directa del sol
Con el lanzamiento del sensor MODIS a bordo de los satélites Terra y Aqua, nuevos
conjuntos de datos de la distribución global y propiedades de los aerosoles están siendo
recuperados y necesitan ser validados y analizados. Dichos datos se validan con
observaciones de fotómetros solares en superficie, en particular los de la Red Robótica
de Aerosol (AERONET) (Ichoku C. et al., 2002). Los datos de la profundidad óptica de
aerosoles se calculan para tres niveles de calidad: Nivel 1.0 (sin filtro o eliminación de
observaciones afectadas por nubes), Nivel 1.5 (filtro de nubes) y Nivel 2.0 (filtro de nubes
y control de calidad) (NASA, 2010).
AERONET, iniciado en el proyecto EOS de la NASA y ampliada por muchas otras
instituciones, es una red de radiómetros espectrales distribuida globalmente y controlada
robóticamente. Cada instrumento mide la intensidad del sol y la luz del cielo a lo largo de
las horas del día desde el ultravioleta a través del infrarrojo cercano. El programa
proporciona una base de datos de dominio público accesible de valores de profundidad
óptica de aerosol, microfísica, y propiedades de radiación para el desarrollo de diversas
investigaciones (NASA, s.f).
El fotómetro hace tres tipos de medición: directa al sol o al cielo, planos principales y
almucantar dentro de varias secuencias programadas. Las mediciones directas al sol se
hacen en ocho bandas espectrales que requieren aproximadamente 10 segundos
(depende de la configuración del instrumento). Ocho filtros de interferencia a longitudes
de onda de 340, 380, 440, 500, 670, 870, 940 y 1020 nm se encuentran en una rueda de
filtros que se hace girar por un motor paso a paso de accionamiento directo. Una
Marco teórico 23
secuencia preprogramada de las mediciones se toma por estos instrumentos a partir de
una masa de aire de 7 de la mañana y que termina en una masa de aire de 7 de la tarde.
La profundidad óptica se calcula a partir de la extinción espectral de la radiación directa
del haz en cada longitud de onda basada en la Ley de Beer-Lambert-Bouguer (NASA,
2007).
La atenuación debida a la dispersión de Rayleigh y la absorción por el ozono y los
contaminantes gaseosos son estimados y se eliminan matemáticamente para el cálculo
del AOD. Durante los períodos de grandes masas de aire se realizan mediciones directas
al sol en intervalos de 0.25, mientras que en masas de aire más pequeñas se realizan
mediciones en intervalos de 15 minutos. La variación en el tiempo de las nubes es por lo
general mayor que la de los aerosoles que provocan una variación observable en los
tripletes que se pueden utilizar para detectar nubes en muchos casos. Además, el
intervalo de 15 minutos permite una comprobación de la frecuencia temporal de
contaminación por nubes (NASA, 2007).
Figura 1-1: Sistema de medida de AERONET
Fuente: Alegría D., 2015
Respecto a las mediciones indirectas, estos instrumentos miden el resplandor del cielo
en cuatro bandas espectrales (440, 670, 870 y 1020 nm) a lo largo del plano principal
solar (es decir, con ángulo de acimut constante, con variados ángulos de elevación hasta
nueve veces al día y a lo largo del almucantar solar (es decir, en el ángulo de elevación
24 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
constante, con variados ángulos de acimut) hasta seis veces al día. El enfoque es
adquirir observaciones de radiancias de la aureola y el cielo a través de una amplia gama
de ángulos de dispersión del sol a través de un perfil de aerosol constante para recuperar
la distribución de tamaño, y la función de fase de aerosol. Más de ocho secuencias
almucantar se realizan todos los días a una masa de aire óptico de 4, 3, 2 y 1.7 por la
mañana y por la tarde (NASA, 2007).
1.3.1 Descripción del algoritmo de medición de aerosoles a nivel de superficie
De acuerdo con Wehrli C. J. (2008), un fotómetro solar mide la radiación solar directa en
el haz de una o varias bandas de longitud de onda estrechas en unidades arbitrarias. La
ley de Beer-Lambert-Bouguer aplica para calcular el flujo radiante espectral recibido por
el instrumento de la siguiente forma:
𝑆(𝜆𝑚𝑅) = 𝑆0(𝜆) 𝑒−𝑚𝛿(𝜆)𝑅−2 + 휀 (1)
Donde S0 es la señal exoatmosférica en una longitud de onda λ y distancia estándar de
Sol-Tierra de 1 unidad astronómica, m es la masa de aire óptica a lo largo de la línea de
visión hacia el Sol, δ es la profundidad óptica total, R = r / r0 es el la distancia Sol-Tierra
en unidades astronómicas, y ε representa la radiancia circumsolar del cielo en el campo
de visión del fotómetro.
La profundidad óptica total mδ incluye varios términos δ, que describen la extinción por
diferentes componentes atmosféricos: la dispersión molecular, la absorción del gas y la
extinción del aerosol. A medida que estos componentes tienen diferentes estructuras
verticales, la masa de aire óptica a lo largo de un trayecto oblicuo refractada por la
atmósfera suele ser ligeramente diferente. Por lo tanto, la profundidad óptica total se
define como τ = mδ = Σ miδi
Con base en la ley de Beer-Lambert-Bouguer y la reorganización de los términos para la
determinación de la profundidad óptica de aerosoles δA se presenta la siguiente
ecuación:
Marco teórico 25
𝛿𝐴= −𝑙𝑛 (𝑆0)𝑙𝑛 (𝑆− )−2 ln(𝑅)−∑ 𝛿𝐼𝑚𝑖
𝑛−1𝑖=1
𝑚𝐴 (2)
Donde los subíndices A indican términos específicos en aerosol.
En la ecuación (2) la señal S es la única cantidad medida, todos los otros términos se
basan en modelos de extinción atmosférica o del proceso de medición que se aproxima
por expresiones relativamente simples para el uso práctico.
1.4. MODIS: instrumento de medición de aerosoles
mediante teledetección pasiva
1.4.1. Misión y descripción del instrumento
La órbita polar del Espectrómetro de Imágenes de Resolución Moderada (MODIS) con su
alta resolución espacial y amplio rango espectral, fue el instrumento clave para el control
de las propiedades globales de los aerosoles. MODIS es un instrumento que hace parte
del Sistema de Observación de la Tierra (EOS) a bordo de los satélites Terra y Aqua.
Ambos satélites están en órbita polar; Terra en una órbita descendente (hacia el sur)
sobre el ecuador alrededor de las 10:30 hora local solar, y Aqua en una órbita
ascendente (hacia el norte) sobre el ecuador a las 13:30 hora local solar; observando con
ello casi todo el mundo sobre una base diaria, y las órbitas de repetición cada 16 días
(Levy R.C. et al., 2009).
26 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Figura 2-1: Sistema de escaneo Aqua – MODIS
Fuente: Platnick S. E. y Xiong X., 2014
MODIS ha estado observando la Tierra a bordo de Terra desde principios del 2000 y
desde Aqua desde mediados de 2002 (Levy R.C. et al., 2010). Fue diseñado para
escanear a través del nadir en un plano perpendicular al vector de velocidad, con un
máximo de escaneado que se extiende hasta 55 ° a cada lado del nadir (110 ° de la
abertura). A una altitud orbital nominal de la nave espacial EOS AM-1 de 705 km, se
produce un ancho de barrido de 2330 km. En el concepto de línea de base, la Tierra
emite y refleja radiación solar la cual incide sobre un espejo de escaneo de doble cara
que gira continuamente alrededor de un eje alineado con la dirección de vuelo (King M.D.
et al., 1997).
Marco teórico 27
Figura 3-1: Ángulo de visión del sensor MODIS
Fuente: Mas F. J., 2011
El instrumento MODIS cuenta con una alta sensibilidad radiométrica (12 bit) en 36
bandas espectrales en un rango de longitud de onda que va de los 0.4 µm a los 14.4 µm.
Dos bandas son tomadas a una resolución nominal de 250 m al nadir, cinco bandas a
500 m y las 29 bandas restantes a 1 km. MODIS posee además una alta calidad
geométrica que permite el monitoreo preciso de las alteraciones de la superficie terrestre
(error RMS inferior a 50 m) (Mas F. J., 2011).
De acuerdo con Mas F. J. (2011), existen cinco niveles de productos MODIS en función
del grado de procesamiento realizado. El Nivel 0 son los datos sin ningún tratamiento. El
Nivel L1 corresponde a datos de geolocalización que contiene coordenadas geodésicas,
información sobre la elevación del terreno, máscara de tierra/agua, ángulo de elevación,
cenit y acimut del satélite y del sol. El Nivel 1A son los productos utilizados para la
geolocalización, la calibración y el procesamiento, mientras que los datos de Nivel 1B
contienen las radiancias calibradas y con geolocación para las 36 bandas generadas por
el Nivel 1A. Es por lo tanto una imagen radiométricamente corregida y calibrada a
unidades físicas.
Por su parte, los datos de Nivel L2 son los productos que contienen variables geofísicas.
Estos productos se generan a partir del producto Nivel L1B aplicando correcciones
atmosféricas y algoritmos. Estos productos generados pueden ser almacenados en
28 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
gránulos, que corresponden a 5 minutos de datos colectados por MODIS, de tal forma
que cada gránulo es de aproximadamente 2340 x 2330 km.
Finalmente, los productos Nivel 3 y Nivel 4; el primero es de valor agregado y se deriva
de variables geofísicas mapeadas. En algunos casos se realiza un remuestreo a una
menor resolución espacial que las bandas originales y se elaboran compuestos de
intervalos de tiempo establecidos (1, 8, 16 y 30 días). Los de Nivel 4, son los productos
generados por la incorporación de los datos MODIS en modelos para así estimar
variables geofísicas.
Los datos MODIS están organizados por colecciones. Una colección se compone de
productos que se generaron de la misma forma, pero no necesariamente con la misma
versión del algoritmo (Levy R.C. et al., 2009). A medida que se perfeccionan o se
corrigen los algoritmos de elaboración, se generan versiones (o colecciones) mejoradas.
Todos los productos archivados se reprocesan, incluyendo los productos de fechas
anteriores, por lo cual las colecciones más recientes brindan un mejor desempeño.
Actualmente, la mayoría de los productos se encuentran en la versión 5 (Mas F. J.,
2011). En la Colección 5 (C5), el algoritmo recupera la profundidad óptica de aerosoles
sobre la mayor parte del planeta sobre una base diaria (Levy R.C. et al., 2009).
Recientemente fue introducida la Colección 6 (C6) para recuperar la profundidad óptica
de aerosol y los parámetros de tamaño de aerosol de MODIS. Aunque no es una revisión
principal de la colección anterior (versión C5), existen suficientes cambios que generan
un impacto significativo de los productos y su interpretación. La C6 fue creada a partir de
tres algoritmos de recuperación independientes que operan en diferentes tipos de
superficie. Son dos los algoritmos: Dark Target (DT por sus siglas en inglés) u "objetivo
oscuro" para la recuperación sobre el océano (oscuro en el visible y longitudes de onda
larga) y a través de las tierras con vegetación (oscura en el visible); más el algoritmo de
Deep Blue "Azul profundo" (DB por sus siglas en inglés), desarrollado originalmente para
la recuperación sobre el desierto y tierras áridas (brillante en el visible). En respuesta a
las necesidades de la comunidad de calidad del aire, además del producto estándar de
10 Km, la C6 incluyó el producto DT Land y DT ocean de 3 km (Levy R. C. et al., 2013).
Marco teórico 29
1.4.2. Algoritmo de recuperación de MODIS
El algoritmo de recuperación de aerosol "objetivo oscuro" de MODIS está diseñado para
inferir de un cielo despejado (sin nubes), las propiedades de los aerosoles sobre
superficies de tierra que tienen valores bajos de reflectancia (por ejemplo, "oscuras") en
la franja del visible (VIS) e infrarrojo de onda corta (SWIR) del espectro electromagnético.
Generalmente, la vegetación y regiones oscuras del suelo son ejemplos de tales
"objetivos oscuros", proporcionando una superficie de contraste para observar
relativamente más brillante la reflectancia del aerosol. El algoritmo básico utiliza dos
bandas en el visible (0.47 y 0.65 μm) y una de onda corta (2.1μm), bandas que son casi
transparentes para el CO2 y el H2O y demuestra una relación espectral constante en las
superficies de tierra con vegetación (Kaufman Y. J. et al., 1997). Longitudes de onda
adicionales en otras partes del espectro se utilizan para enmascarar las nubes, desiertos,
nieve y superficies de hielo, condiciones que no corresponden al objetivo oscuro. Una
superficie de vegetación no es "oscura" en la longitud de onda de la banda verde de
MODIS (por ejemplo 0.55 μm), y por lo tanto, el canal de 0.55 μm no puede ser utilizado
directamente (Levy R. C. et al., 2010).
La medición satelital de la profundidad óptica de los aerosoles en tierra se desarrolló a
partir de la reflectancia aparente terrestre (ρ*) en la parte superior de las observaciones
atmosféricas enlazadas por el satélite (Kaufman et al., 1998; Ma Jinji et al., 2005 citado
en (Wang C. et al., 2013):
𝜌∗ =𝜋𝐿
𝐹𝑠𝜇𝑠 (3)
Donde L es la luminosidad en la parte alta de la atmosfera, Fs es el flujo solar
extraterrestre y μs es el coseno del ángulo cenital solar. La recuperación es la relación
entre ρ* observado y la característica de la superficie de reflectancia bidireccional. El
supuesto de la superficie terrestre de las observaciones es una superficie uniforme
Lambert, y en la atmosfera cambios verticales uniformes, sin considerar el impacto de los
otros factores tales como el gas de absorción. La reflectancia aparente (ρ*λ (θ0, θ, φ))
que se observa por satélite puede ser expresada como (Levy et al., 2007; Kaufman et al.,
1997, 1998; Remer et al., 2006 citado en Wang C. et al., 2013):
rl
* (q0,q,j) = rl
a(q0,q,j)+Fl (q0 )Tl (q )rl
s(q0,q,j)
1- Slrl
s(q0,q,j) (4)
30 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
En la fórmula (4), θ0 es el ángulo de visión, θ es el ángulo cenital solar y φ es el acimut
de la radiación dispersa desde el haz de luz solar. ρaλ (θ0, θ, j ) es la ruta de reflectancia,
Fl (q0 ) es el flujo total normalizado para una superficie de reflectancia cero, equivalente
a la transmisión total hacia abajo. Su valor es inferior a 1.0 debido a los aerosoles, la
absorción molecular y a la retrodispersion de la luz solar al espacio. Tλ (θ) es la
transmitancia total desde arriba en la dirección del campo de la visión del satélite, Sl es
el radio de retrodispersion atmosférica y rl
s(q0,q,j) es el promedio de reflectancia de la
superficie dentro de la visión y los ángulos de iluminación. En la aproximación de
dispersión, rl
a(q0,q,j) se puede expresar por la relación entre la función de fase del
aerosol de dispersión simple Pl
a(q0,q,j)y el albedo de dispersión simple (w0).
rl
a(q0,q,j) = rl
m(q0,q,j)+w0t
aPl
a(q0,q,j)
4mm0
(5)
Donde rl
m(q0,q,j) es el camino óptico de la radiación debido a la dispersión molecular,
μ y μ0 son los cosenos de los ángulos de visión e iluminación, respectivamente. La
reflectancia aparente rl
* (q0,q,j) observada por el satélite es, o la función de la
profundidad óptica de los aerosoles o la función de la reflectividad de la superficie
subyacente. Por lo tanto, si se conoce la reflectividad de la superficie subyacente
rl
s(q0,q,j) y de acuerdo con las diferentes regiones de las características de los
aerosoles, será determinado el modelo atmosférico de aerosoles (Remer L. A. et al.,
2006 citado en Wang C. et al., 2013).
1.4.3. Algoritmo del producto de 3 km de MODIS sobre la tierra
De acuerdo con lo descrito en (Munchak L. A. et al., 2013), el método de recuperación
del aerosol de MODIS 3 km proviene de la metodología de recuperación denominada
“objetivo oscuro” y está basada en que en las longitudes de onda visibles los aerosoles
son luminosos y la superficie vegetal tiende a ser oscura. El contraste espectral entre los
aerosoles y la superficie puede ser empleada para recuperar cuantitativamente la
información sobre las propiedades de los aerosoles. El algoritmo crea N por N cajas de
recuperación de píxeles con el fin de filtrar el subconjunto que no se desea para la
Marco teórico 31
recuperación del aerosol. Así, el algoritmo a 3 km funciona con cajas de recuperación de
6 X 6 píxeles (36 píxeles). Algunos píxeles están enmascarados por nubes, por
sedimentos en el agua, hielo y nieve, y superficies que son muy brillantes para la
recuperación. Los píxeles restantes son ordenados de acuerdo a su reflectancia y el 50
% de los más brillantes y el 20 % de los más oscuros son descartados. Esto significa que
en el algoritmo de 3 km quedan como máximo 11 píxeles de los cuales se debe
recuperar el aerosol. Las reflectancias de estos píxeles restantes se promedian, dando
como resultado un conjunto de valores de reflectancia espectral para impulsar la
recuperación del aerosol. Estos valores de reflectancia espectral se corrigen
adicionalmente por absorción de gases.
La calidad esperada de la recuperación es determinada por el número de píxeles que
permanecen después de todo el enmascaramiento y el filtrado. Si al menos 5 píxeles
permanecen (un total de 11) para 3 km, se espera inicialmente que la recuperación sea
de alta calidad (Remer L. A. et al., 2013).
Materiales y métodos 33
2. Materiales y métodos
2.1 Área de estudio
El área de estudio corresponde a la Zona Carbonífera del Cesar (ZCC) situada en la
región Caribe colombiana, cuya geografía se caracteriza predominantemente por tierras
bajas y planas, aunque parte del territorio se encuentra enmarcado por las estribaciones
de las tres cordilleras (Roca A. M. y Pérez G. J., 2006). El departamento del Cesar
comprende cuatro regiones importantes; al norte la Sierra Nevada de Santa Marta: el
sistema montañoso más alto del Caribe colombiano, con altitudes que sobrepasan los
5700 m y cuyas estribaciones llegan hasta la capital departamental. Al oriente la Serranía
del Perijá, con alturas hasta de 3700 m. Al suroccidente la región aledaña al río
Magdalena la cual se caracteriza por la presencia de numerosas ciénagas y pantanos y,
finalmente, la región formada por la planicie de los ríos Magdalena, Cesar y Ariguaní
(IGAC,1997).
En el centro del departamento del Cesar se encuentra una de las áreas de explotación de
carbón más grandes del país. Esta operación minera se realiza a cielo abierto desde
1988. En la zona se encuentran los siguientes proyectos, a saber: C.J Prodeco S.A.,
Carbones de La Jagua, Compañía carbones del Cesar, Drummond Ltda - áreas La Loma
y El Descanso, Norcarbón S.A. - área La Divisa, Carboandes S.A., Carbones El Tesoro
S.A., y Consorcio Minero Unido S.A. La extensión de la actividad carbonífera es de
aproximadamente 12000 hectáreas, incluyendo tajos, botaderos, piscinas de
sedimentación y zonas de acopio (CGR, 2014); y se encuentra en jurisdicción de los
municipios de Agustín Codazzi, Becerril, La Jagua de Ibirico, El Paso y Chiriguaná.
34 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Figura 4-2: Zona Carbonífera del departamento del Cesar, Colombia
2.2 Datos MODIS
2.2.1. Adquisición, lectura y preprocesamiento
Los datos MODIS fueron adquiridos en el espacio web de NASA GODDARD SPACE
FLIGHT CENTER en: https://ladsweb.nascom.nasa.gov/data/search.html. Estos datos se
encuentran en el formato estándar internacional HDF - EOS. Este formato es un archivo
de varios objetos para el intercambio de datos científicos en entornos distribuidos
multiplataforma. Almacena un total de 53 parámetros reticulares como un conjunto de
datos científicos (SDS por sus siglas en inglés).
El producto empleado corresponde al MODIS Dark Target 3 km de la plataforma Aqua;
liberado en julio de 2002 y el periodo de análisis de la presente investigación es 2012 –
2015.
Materiales y métodos 35
La lectura y exploración del conjunto de datos HDF se enfocó en el SDS número 18
denominado: “Corrected_Optical_Depth_Land”. Este conjunto de datos corresponde a la
medición del AOD en tierra y se encuentra contenido dentro del paquete de 53 SDS
disponibles en el producto. Para su visualización se empleó la herramienta HDFView 2.1
obtenida en: https://www.hdfgroup.org/products/java/release/download.html. Entre
algunos de los metadatos explorados con el HDFView y que permitieron el
procesamiento posterior, se destacan la descripción de la lectura de AOD en longitudes
de onda de 470, 550 y 660 nm, y el factor de escala correspondiente a
0.0010000000474974513, requerido para la obtención del valor de la profundidad óptica.
Finalmente, el producto MODIS 3 km necesitó la proyección de datos del sistema
sinusoidal al Sistema Geodésico Mundial de 1984 (WGS84 por sus siglas en inglés), y
posteriormente la recuperación del SDS “Corrected_Optical_Depth_Land” a una longitud
de onda de 550 nm y el cambio de formato de HDF a un archivo con mayor facilidad de
lectura y manipulación en los diferentes sistemas informáticos de procesamiento de datos
espaciales como el formato .tif. La herramienta empleada para esta última tarea se
denomina HDFLook 8.0 y se encuentra disponible en: http://modis-
atmos.gsfc.nasa.gov/tools.html.
2.2.2. Procesamiento de datos
Una vez recuperado y reproyectado el conjunto de datos de AOD a una longitud de onda
de 550 nm fueron obtenidos más de 1460 archivos en formato .tif, correspondientes a los
años 2012 a 2015 de las mediciones de MODIS. Luego, fue seleccionada una capa o
matriz base de todo el conjunto de datos, en la cual el satélite tuviera cobertura espacial
completa del país –esto teniendo en cuenta que la órbita de MODIS es polar, y su ciclo
orbital es de 16 días–; es decir, solo durante ese periodo el satélite recorre exactamente
la misma zona. La capa base seleccionada fue la del 30 de abril de 2013 a las 1830 UTC.
Obtenida la capa base, sobre esta fueron procesados los 1460 archivos en formato .tif de
los años 2012 a 2015, cada uno representando una matriz de 674 X 785 correspondiente
a la ventana seleccionada durante la descarga inicial en la base de datos proveniente de
NASA GODDARD SPACE FLIGHT CENTER, donde la exploración inicial fue todo el
territorio colombiano. El proceso consistió en la extracción del valor de cada píxel de las
más de 1400 matrices y asignarlo a la capa base para obtener así las lecturas de MODIS
distribuidas de forma homogénea sobre el país durante todo el lapso evaluado.
36 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Figura 5-2: Homogenización espacial de datos MODIS. En azul capa base y en negro lecturas de tres orbitas de MODIS durante 2013
Los puntos distribuidos uniformemente en cada una de las matrices obtenidas empleando
la capa base y la aplicación de técnicas de remuestreo, fueron obtenidos mediante el
proceso estadístico conocido como interpolación bilineal. Esta técnica utiliza el valor de
los cuatro centros de celda de entrada más cercanos para determinar el valor en el raster
de salida; asume que cada punto de medición tiene una influencia local que disminuye
con la distancia. Se le da mayor peso a los puntos más cercanos al área de predicción, y
el peso disminuye en función de la distancia. Con esta información procesada y mediante
el uso de la calculadora raster para aplicar el factor de escala a los datos, se obtuvo una
matriz diaria de recuperaciones del AOD de MODIS en todo el país.
Finalmente, mediante el uso del lenguaje de programación R, fue posible manipular de
forma más efectiva las 1460 matrices de datos y seleccionar las regiones del país de
interés para este estudio. Esta selección se basó en dos componentes principales: i) la
selección de áreas donde se localizaran las cuatro estaciones de la red AERONET y con
ello llevar a cabo el proceso de validación de los datos MODIS con los datos en
superficie de AERONET y, ii) el análisis de la distribución espacial y la variabilidad
temporal del AOD en la ZCC en el periodo comprendido entre 2012 y 2015. El proceso
Materiales y métodos 37
de programación ejecutado en R se basó en operaciones simples de lectura de datos y
extracción de información raster mediante una máscara o polígono de referencia.
2.3 Datos AERONET
Para esta investigación, los datos de la Red Robótica de Aerosoles fueron obtenidos en:
(http://aeronet.gsfc.nasa.gov/new_web/index.html) y se emplearon las mediciones
AERONET Nivel 2.0 existentes en Colombia: Medellín (N 06º15’39’’, W 75º34’40’’), UNC -
Bogotá (N 04º38’13’’, W 74º04’51’’) y UNC - Puerto Gaitán (N 04º18’39’’, W 72º21’07’’). Y
Nivel 1.5: UPC – GEAB- Valledupar; esta última ubicada en la ZCC municipio de La
Jagua de Ibirico (N 09º33’36’’, W 73º19’44’’).
AERONET proporciona AOD al menos en cuatro longitudes de onda (1020, 870, 675 y
440 nm); sin embargo, mientras que el AOD recuperado de MODIS, aunque dispone de
la información, no recupera AOD a 550 nm debido a la gran dificultad para caracterizar la
reflectancia del suelo a esa longitud de onda. La observación terrestre se realiza en las
bandas espectrales de 470 y 650 nm. El valor a 550 es obtenido por interpolación. Por
tanto, para poder validar las observaciones del AOD de MODIS con las observaciones
del fotómetro solar, fue necesario obtener los datos del AOD de AERONET en 550 nm
basándose en valores AOD de longitudes de onda adyacentes mediante el uso de la
ecuación de Ångström.
Ångström describe la dependencia de la profundidad óptica de los aerosoles con la
longitud de onda. Dependiendo del tamaño de la partícula, la dependencia espectral se
expresaría como una función de la turbidez atmosférica (β) y el exponente de Ångström
(α). La fórmula de Ångström puede ser expresada como se indica en Wang C. et al.,
(2013):
𝜏𝑎𝑒𝑟𝑜𝑠𝑜𝑙 (𝜆) = 𝛽𝜆−𝛼 (6)
El exponente (α) de la longitud de onda de Ångström puede ser calculado de la tendencia
espectral de AOD como:
𝛼𝜆1/𝜆2 =ln(𝜏𝑎(𝜆2)/(𝜏𝑎(𝜆1))
ln (𝜆1/𝜆2) (7)
38 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Donde las longitudes de onda λ1 y λ2 corresponden a los centros de longitudes de onda
de dos canales de observación; es decir, 440 nm y 675 nm, respectivamente.
2.4 Análisis de datos
2.4.1. Datos coincidentes en tiempo y espacio
La determinación de las coincidencias temporales y espaciales es fundamental para
llevar a cabo la validación de datos MODIS a partir de datos AERONET. Mientras que
MODIS alcanza una cobertura global casi completa una vez al día, las recuperaciones de
AERONET ocurren varias veces al día, cada quince minutos mientras las condiciones de
nubosidad lo permitan, pero solamente sobre localizaciones instrumentadas individuales.
Luego, el AOD recuperado de observaciones de superficie AERONET al realizar
mediciones directas al sol en intervalos de 15 minutos en promedio (NASA, 2007)
representa el componente temporal de las coincidencias, y el AOD derivado de MODIS
representa el componente espacial al tener un cubrimiento completo del país
aproximadamente a las 18 UTC.
En ese sentido, el enfoque de validación propuesto en este trabajo se basa en el
concepto desarrollado por (Ichoku C. et al., 2002) para validar y analizar los productos de
aerosol de MODIS empleando mediciones AERONET. En el método original, las
mediciones de aerosoles espaciales adquiridas a bordo de las naves espaciales Terra y
Aqua fueron muestreadas en áreas de 50 X 50 km, centradas sobre los sitios de
medición de fotómetros solares de AERONET. El píxel que contiene la estación terrestre
se determinó encontrando un píxel con la distancia euclidiana mínima entre las
coordenadas longitud/latitud del centro de este píxel y las de la estación terrestre. Luego,
se determinó la extensión del área de muestreo encontrando píxeles circundantes
situados a no más de 25 km del píxel central basados en la distancia euclidiana entre sus
coordenadas longitud/latitud. A su vez, las mediciones temporales de cada ubicación en
tierra se muestrearon en cada tiempo del paso del satélite en segmentos de muestreo de
1 hora (es decir, 30 minutos antes y 30 minutos después del paso del satélite) (Pretenko
M., Ichoku C. y G. Leptoukh, 2012).
Materiales y métodos 39
El método de validación descrito en este documento usa un enfoque de muestreo similar
e incluye muestreo de datos de una variedad más amplia de ventanas temporales y
espaciales. Se emplearon y compararon los valores medios de las mediciones del AOD
de AERONET efectuadas 30, 60 y 120 minutos antes y después de la observación
satelital. La selección de las ventanas temporales resultó del análisis de la variabilidad
temporal horaria del AOD del fotómetro solar en las cuatro regiones evaluadas en esta
investigación y la variabilidad espacial correspondió a las observaciones de cada píxel de
MODIS localizado dentro de las ventanas espaciales de 7.5, 15, 25 y 50 km de radio,
centrados sobre cada uno de los sitios de medición de AERONET.
Según (Ichoku C. et al., 2002), las razones de no comparar únicamente valores de
píxeles MODIS individuales directamente con las mediciones de puntos AERONET son
en primer lugar, que el valor del parámetro en un píxel de MODIS representa un
promedio espacial sobre la superficie de píxeles (un área de 3 X 3 km para el aerosol de
MODIS) y no se puede equiparar justificadamente con el valor de un punto medido con
un fotómetro. En segundo lugar, aunque el píxel es lo suficientemente pequeño como
para representar un punto, es extremadamente improbable que represente las mismas
condiciones que un punto del fotómetro, ya que sus ejes de observación son diferentes y
la atmósfera está en constante movimiento. Y en tercer lugar, las nubes pueden
oscurecer un píxel de MODIS directamente sobre el sitio del fotómetro, pero puede no
afectar a los píxeles cercanos. De la misma manera, los tiempos de las medidas del
fotómetro rara vez coinciden exactamente con los tiempos del paso de MODIS.
Por lo tanto, para lograr una validación significativa y equilibrada fueron comparadas las
estadísticas espaciales de MODIS con las estadísticas temporales de AERONET. La
justificación es que, puesto que las masas de aire están constantemente en movimiento,
una masa de aire capturada por MODIS a través de cierto tramo horizontal sobre el sitio
de ubicación del fotómetro, será muestreada por este durante cierto período de tiempo
(Ichoku C. et al., 2002).
De acuerdo con (Levy et al., 2010), el proceso de validación global con AERONET
realizado por Chu et al. (2002) y confirmado por Remer et al. (2005) sugieren que el error
esperado (EE) es de ±(0.05 + 15 %). El error esperado de MODIS representó la fusión
de incertidumbres absolutas (0.05) y relativas (15%) que sugerían errores combinados en
40 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
condiciones de frontera asumidas (p.e, reflectancia superficial, calibración del
instrumento) y errores en el tipo de modelo de aerosol (como en albedo de dispersión
simple). Sin embargo, se esperan algunos valores atípicos, y un objetivo clave del
proceso de validación posterior al lanzamiento ha sido determinar el tamaño de la
envolvente necesaria para contener el 66 % (una desviación estándar) de las
recuperaciones reales a nivel mundial y bajo diferentes condiciones.
Asimismo, para el proceso de validación la NASA recomienda una determinada
metodología que puede ser consultada en: http://darktarget.gsfc.nasa.gov/validation. No
obstante, las condiciones geográficas y climáticas de Colombia –en particular de las
cuatro regiones analizadas en esta investigación que incluyen zonas urbanas de
montaña (Bogotá y Medellín con alturas entre 1995 y 2700 msnm y zonas rurales en
sabana (Puerto Gaitán que no supera los 200 msnm) y en áreas con actividades mineras
(ZCC con alturas entre 50 y 200 msnm)–, definieron que fuera evaluada una metodología
independiente que permitiera identificar la variabilidad temporal y espacial del AOD
medido desde superficie (datos AERONET) y medido por el sensor (datos MODIS).
En síntesis, para determinar las coincidencias espaciales y temporales se compararon
los valores medios de las lecturas AERONET en las ventanas temporales definidas: 30,
60 y 120 minutos antes y después del paso del satélite, con los valores medios de las
observaciones de los píxeles MODIS contenidos en ventanas espaciales de 7.5, 15, 25 y
50 km de radio, centrados sobre cada uno de los sitios de medición AERONET (ver
Figura 6-2 a Figura 9-2). Empleando los valores medios de cada conjunto de datos
espaciales y temporales, fue realizado un análisis de regresión para determinar el tipo de
asociación entre variables; una dependiente (observaciones MODIS) y otra
independiente (observaciones AERONET). Tanto las observaciones AERONET como las
observaciones MODIS son reportadas como Coordinated Universal Time (UTC).
Materiales y métodos 41
Figura 6-2: Ventanas espaciales: 7.5, 15 y 25 km en Medellín
Figura 7-2: Ventanas espaciales: 7.5, 15 y 25 km en Puerto Gaitán
42 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Figura 8-2: Ventanas espaciales: 50 km en Bogotá
Figura 9-2: Ventanas espaciales: 7.5, 15 y 25 km en UPC-GEAM Valledupar (ZCC)
Materiales y métodos 43
Las ventanas espaciales presentadas en las figuras anteriores, variaron de acuerdo a la
estación AERONET evaluada. Para el caso de Medellín y UPC - Puerto Gaitán y UPC-
GEAM Valledupar se emplearon ventanas espaciales con radios de 7.5, 15 y 25 km y
para Bogotá se empleó una ventana espacial de 50 km al ser la única que reportó
coincidencia espacial.
El criterio de validación de las ventanas temporales ( 30, 60 y 120 minutos) se
realizó con base en el análisis de diagramas de cajas y bigotes empleado para estudiar la
variabilidad temporal del AOD (dada por AERONET) a lo largo del día. Por su parte, el
criterio de validación de las ventanas espaciales de MODIS (7.5, 15, 25 y 50 km)
consistió en variar el radio de influencia para con ello explorar y analizar la variabilidad
espacial (dada por MODIS) en cada una de las cuatro regiones. Con el estudio del
comportamiento temporal y espacial de toda la serie de datos disponible de AERONET –
MODIS fue posible validar los datos de satélite con los datos disponibles en superficie e
identificar eventuales aportes de masas de aire locales que influenciaran el
comportamiento del AOD.
2.4.2. Análisis de regresión
Con el fin de determinar el tipo de asociación entre las observaciones de AOD de MODIS
(variable dependiente) y las observaciones AOD de AERONET (variable independiente),
se aplicó el modelo de regresión lineal simple. Este análisis se realizó para cada una de
las ventanas espaciales (7.5, 15, 25 y 50 km) y temporales 30, 60 y 120 minutos y
como herramienta fue empleado el lenguaje de programación R.
Una vez efectuado el análisis de regresión y de acuerdo a los resultados obtenidos en los
parámetros del modelo, se realizó la selección definitiva de la ventana espacial y
temporal que de acuerdo al modelo lineal seleccionado será la que mejor explique o
describa los datos experimentales y se obtenga el mejor ajuste. A la ventana
seleccionada se sumaron los resultados de las observaciones que se encontraron dentro
del error esperado definido en Levy et al., 2010 como ± (0.05 + 15 %).
44 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
2.5 Variabilidad temporal y distribución espacial del
AOD de MODIS
2.5.1 Identificación de parámetros condicionantes del
comportamiento de AOD para la selección de la ventana
espacial de análisis
Una vez evaluada la capacidad del satélite para la lectura del contenido de aerosoles en
toda la columna atmosférica –determinado con los resultados de la validación–, el
siguiente paso fue evaluar cómo MODIS registra este comportamiento sobre una zona en
particular. Como bien se ha documentado en este estudio, la zona minera es el área a
explorar y por tanto fue estudiada detalladamente en aspectos como: i) régimen
climático, ii) topografía ii) y concentración de material particulado en superficie. El
primero, incluido por la clara relación entre el movimiento, dispersión y lavado de la
atmósfera con características como humedad relativa, precipitación y régimen de vientos.
El segundo por la variabilidad en la respuesta espectral dada entre distintas superficies
de contacto de la energía proveniente del sol y leída por el satélite por efecto de la
reflexión de la luz; y el último, como elemento de referencia para identificar zonas o
estaciones de material particulado que sean consideradas tipo fondo o background.
Estas estaciones tienen como propósito medir en zonas que no estén influenciadas por
las fuentes de emisión de interés dentro del dominio de la actividad, que para este caso
son las actividades asociadas a proyectos mineros a cielo abierto.
En ese sentido, para lograr enfocar el análisis sobre estos tres componentes fue
necesario: i) acceder a la información histórica del Instituto de Hidrología, Meteorología y
Estudios Ambientales (IDEAM) disponible en: http://www.ideam.gov.co/web/tiempo-y-
clima/clima. Dicha información corresponde a los promedios mensuales multianuales de
variables climáticas como precipitación, humedad relativa, evapotranspiración,
temperatura, entre otras, medidas en el lapso comprendido entre 1981 y 2010. Estos
datos permitieron realizar el cálculo del balance hídrico en las estaciones localizadas en
el área de estudio. ii) Acceder a la información disponible en el Subsistema de
información sobre calidad del aire (Sisaire) cuya plataforma permite la descarga libre de
Materiales y métodos 45
los registros de las redes de monitoreo de calidad del aire de todo el país. Y iii)
determinar mediante fotografías aéreas zonas cuya superficie, topografía o uso del suelo
fuera similar a lo que en algún momento fue la zona minera.
Una vez realizada la integración de estos tres componentes fueron definidas (4) zonas:
dos (2) correspondientes a los sectores de La Loma y La Jagua (sectores donde se
localizan las minas más grandes del sector) que responderán al nombre: “zona minera”.
Y dos (2) correspondientes a sectores con similitud climática, topográfica y de uso del
suelo que no han sido perturbadas con la actividad minera, que responderán al nombre:
“zona no minera”.
2.5.2 Ventana espacial de análisis
Para el estudio de la variabilidad temporal y la distribución espacial del AOD en la ZCC
se consideró fundamental la definición de ventanas espaciales en sectores no
perturbados por minería y así contar con un referente a la hora de estudiar el
comportamiento de la profundidad óptica de aerosol. Para ello, fue necesario integrar los
tres elementos mencionados más arriba en el documento. Primero: el régimen climático,
segundo: la topografía, y tercero: la concentración de material particulado en superficie.
La Figura 10-3 muestra la localización de las estaciones de material particulado en
superficie empleadas para el análisis (en magenta) y las estaciones del catálogo del
IDEAM asociadas (en verde). La integración de estos elementos con el análisis de las
fotografías aéreas obtenidas del Instituto Geográfico Agustín Codazzi (IGAC) –vuelos C-
2506 y C-2796 de los años 1992 y 2006, respectivamente– fueron la herramienta
necesaria para la definición de las ventanas espaciales de análisis.
Dichas ventanas se basaron en las zonas de mayor contaminación por material
particulado según lo reportado por Sisaire: estaciones La Loma (ZM07) y La Jagua
(ZM09) (circunferencias en color rojo) que coinciden con las minas más grandes del
sector conocidas como La Loma Pribbenow de la empresa Drummond Ltd y el proyecto
Carbones de La Jagua de la empresa Prodeco. Asimismo, fueron seleccionadas dos
ventanas adicionales que sirvieron como zona de referencia al no haber sido intervenidas
por actividades mineras. Ambas zonas cuentan además con una estación de calidad del
aire de fondo o background (circunferencias en color azul). Con el fin de que no existiera
superposición entre las zonas de interés el radio de las circunferencias seleccionado fue
46 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
de 10 km. Los valores de AOD evaluados corresponden al promedio mensual de píxeles
contenidos en cada una de las ventanas seleccionadas. El procesamiento de imágenes
MODIS para obtener dichos valores se realizó mediante el uso del lenguaje de
programación R.
Figura 10-3: Ventanas espaciales basadas en criterios climáticos, topográficos y de concentración de material particulado
Las ventanas resultantes presentadas en la figura anterior, obedecieron también al
análisis de aspectos topográficos y de superficie en interacción con las
características climáticas. En ambos casos, las áreas “limpias o background” (ZM22
y ZM11), fueron seleccionadas en dirección norte. Esto debido a que hacia el sur, el
régimen climático varía sustancialmente por la presencia de todo el complejo
cenagoso de La Zapatosa. Los resultados del análisis de las estaciones
meteorológicas del IDEAM en el cálculo del balance hídrico mostraron que las
estaciones de La Jagua (25020230) y Hda Centenario (28025090) tienen un
comportamiento similar, con una época de déficit hídrico los primeros tres meses del
año y una época con exceso de agua en septiembre, octubre y noviembre. Estas
Materiales y métodos 47
estaciones fueron el referente para el análisis del sector de La Jagua (ZM09), sector
contiguo a la Serranía del Perijá. De manera que La Jagua (ZM09), al estar muy
cerca de la zona de pie de monte por la interacción de la Serranía del Perijá, requirió
la selección de un área topográficamente similar que correspondió al sector conocido
como Casacará (ZM22).
Respecto al sector de La Loma (ZM07), las estaciones del IDEAM empleadas como
referencia fueron La Loma (25020280) y El Retorno (28020600). Los resultados del
balance hídrico realizado para ambas estaciones fueron incluso más claros al
mostrar mayor déficit de agua por disminución en las precipitaciones durante
comienzo y mitad de año.
Si bien el análisis de estos tres componentes fue determinante a la hora de
establecer las ventanas espaciales de análisis, no se incluyen los resultados dentro
del cuerpo del documento sino que se presentan como un anexo del mismo. El
cálculo del balance hídrico para las estaciones de referencia y las concentraciones
de material particulado obtenidas de Sisaire se presentan en el Anexo A y B,
respectivamente.
2.5.3 Análisis de varianza para la selección de la ventana
espacial de análisis (zona minera y zona no minera)
Con el fin de estudiar el comportamiento del AOD en dos regiones diferentes: i) la zona
minera y ii) la zona no minera, –entiéndase por zona minera al sector donde se lleva a
cabo la actividad extractiva y por tanto se localizan los tajos de donde se extrae el
carbón. Y a la zona no minera, a la región sin perturbación en el suelo por actividades
extractivas y cuyas características topográficas, climáticas y de uso de la tierra son
similares a las condiciones de la zona minera antes de su intervención–; fue realizado un
análisis de varianza para determinar si existen diferencias significativas entre las medias
poblacionales de las dos zonas. De los muchos tipos de modelos ANOVA existentes fue
seleccionado el modelo de análisis de varianza conocido como prueba de Kruskal Wallis.
La prueba de Kruskal Wallis constituye una alternativa no paramétrica al análisis de
varianza. La hipótesis nula para la prueba es que no existe diferencia entre los grupos o
poblaciones analizadas, mientras que la hipótesis alternativa es que existe diferencia
48 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
entre al menos un par de estos. Dicha prueba fue aplicada a los datos mediante el uso
del lenguaje de programación R.
2.5.4 Aplicación del método Kriging en el análisis de la distribución espacial
Para el estudio de la distribución espacial del AOD de MODIS fue empleada la técnica
conocida como Ordinary Kriging (OK) para predecir datos perdidos de AOD. Esta técnica
ha sido empleada por diferentes investigadores como Chatterjee A. et al.; Engel-Cox J. A
et al., Ruíz-Arias J. A. et al.,) en el campo del análisis de variables atmosféricas (entre
ellas los aerosoles). Esta técnica fue empleada debido a las limitaciones respecto al uso
de datos medidos desde satélite por la pérdida de información por contaminación por
nubes, y en particular en una zona con importantes variaciones de clima y topografía
como Colombia. Por dicha condición, se planteó la necesidad de estimar datos faltantes
con base en datos observados y así obtener una superficie suavizada de observaciones
y tener una aproximación más clara de cómo el AOD se distribuye en el espacio. La
herramienta empleada para el análisis fue ArcGis versión 10.1.
Resultados y discusión 49
3. Resultados y discusión
3.1. Variabilidad temporal de datos AERONET
El estudio de la variabilidad temporal de datos AERONET representó una parte
fundamental en la metodología de validación de datos MODIS. Por lo anterior, y como
herramienta para la definición de las tres ventanas temporales de 30, 60 y 120
minutos descritas más arriba, se analizaron los datos disponibles de las lecturas de AOD
de AERONET en las cuatro regiones estudiadas en esta investigación. Medellín (años
2012 a 2014), Puerto Gaitán (año 2015), Bogotá (años 2013 y 2015) y ZCC (2016).
Figura 11-3: Variabilidad temporal horaria del AOD de AERONET de datos Nivel 2.0 en Medellín (A), UNC - Gaitán (B) y UNC - Bogotá (C). Y datos nivel 1.5 en UPC – GEAB- Valledupar (D)
50 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Respecto a los datos Nivel 2.0 (Figura 11-3 A, B y C) se observa que el comportamiento
horario de AOD visto por AERONET es diferenciado en cada una de las tres regiones.
Estas diferencias entre zona y hora del día fueron estudiadas mediante la aplicación de la
prueba de Kruskal Wallis para establecer si como lo muestran los diagramas de cajas y
bigotes, en efecto existen diferencias estadísticamente significativas en las
observaciones AERONET a lo largo del día. Los valores de p para cada ciudad fueron <
0.05, lo que indica que existen diferencias significativas en el comportamiento del AOD
en cada hora del día.
Este comportamiento diferenciado puede verse claramente en Puerto Gaitán y Bogotá
que presentaron alta variabilidad de AOD a lo largo del día especialmente en la franja
horaria estudiada (entre las 16 y las 20 UTC). A las 18 UTC (hora del paso del satélite),
se observa menor variabilidad del AOD que las horas restantes objeto de análisis. En
general, en ambas regiones los valores de AOD registrados a las 18 UTC tienen baja
dispersión (entre 0.067 y 0.096 en Puerto Gaitán, y en Bogotá entre 0.009 y 0.023),
valores más bajos que los registrados las horas previas y posteriores al paso del satélite.
En Medellín no se observó de forma tan clara la variabilidad entre horas en el
comportamiento del AOD en el diagrama de cajas y bigotes. Lo que sí se observó y con
gran frecuencia –salvo a las 11, 12 y 22 UTC, es decir las 6 y 7 am, y las 5 pm hora
Colombia– fue el gran número de datos atípicos u outliers. Estos últimos pueden
representar algunos episodios de contaminación por emisiones locales y puntuales que
favorecieron valores altos de AOD a lo largo del día.
Respecto a los datos Nivel 1.5 observados por el fotómetro localizado en la zona
carbonífera del Cesar (UPC- GEAB- Valledupar), se observa una situación similar a
Medellín en cuanto a la alta frecuencia de outliers y una comprobada diferencia
significativa de AOD entre las horas del día de acuerdo a los resultados arrojados por la
prueba de Kruskal Wallis cuyo valor de p fue < 0.05. Se observaron además, valores de
AOD tres veces por encima de los registrados en las tres regiones restantes. Según
(Levy R. C. et al., 2014), valores de AOD de 0.2 responden a una atmósfera bastante
limpia, de 0.6 a una atmósfera contaminada, de 1.5 estarían relacionados con eventos de
quemas de biomasa o tormentas de polvo y mayores que 3, a una atmósfera muy
contaminada.
Resultados y discusión 51
Y es precisamente la variabilidad en el contenido de AOD observada en las cuatro
regiones lo que despertó el interés en evaluar las coincidencias con base en varias
ventanas temporales. De esta forma se buscó identificar eventos de contaminación por
emisiones locales que pudieran generar esos cambios significativos en el valor de AOD a
lo largo del día y evitar que al abrir la ventana temporal para el proceso de validación
fuera introducida variabilidad de otras horas del día que no pudiera ser vista por MODIS.
3.2. Análisis de regresión en ventanas espaciales de
7.5, 15, 25 y 50 km
La Tabla 1-3 presenta el resumen estadístico de los resultados de la regresión aplicada a
las observaciones AERONET – MODIS en las ventanas temporales y espaciales
definidas. Las coincidencias en 7.5, 15 y 25 km solo se presentaron en Medellín. En
Puerto Gaitán solo hubo coincidencias en 15 y 25 km; y en Bogotá, al no haber
coincidencia espacial ni en 7.5, 15, y 25 km, fue seleccionada un área más amplia con 50
km de radio para estudiar su comportamiento.
Tabla 1-3: Resumen estadístico de la validación de las observaciones MODIS 3 km en Medellín para radios de coincidencia espacial de 7.5, 15 y 25 km. (Periodo evaluado: 2012 - 2014)
Buffer espacial 25 km 15 km 7.5 km
Buffer temporal (minutos) ± 30 ± 60 ± 120 ± 30 ± 60 ± 120 ± 30 ± 60 ± 120
Datos coincidentes 73 89 99 33 41 43 16 21 22
Promedio AOD AERONET 0.193 0.194 0.195 0.164 0.179 0.180 0.137 0.139 0.151
Promedio AOD MODIS 0.243 0.259 0.261 0.221 0.267 0.262 0.183 0.247 0.238
Pendiente 0.919 0.931 0.964 1.152 1.070 1.173 1.191 1.979 2.121
Intercepto 0.065 0.078 0.073 0.032 0.075 0.051 0.020 -0.028 -0.081
R2 0.537 0.472 0.510 0.680 0.360 0.449 0.600 0.417 0.491
P 1.763e-
13 1.093e-
13 2.2e-
16 3.616e-
09 3.369e-
05 8.949e-
07 0.0004 0.0016 0.0003
ECM 0.105 0.121 0.113 0.080 0.169 0.156 0.071 0.179 0.167
ECM: Error Cuadrático Medio
Se observa que las variaciones estadísticas presentadas en la Tabla 1-3 para Medellín
ocurren conforme se va reduciendo la ventana espacial y ampliando la ventana temporal.
Es así como la pendiente se va alejando de la recta 1:1 y el intercepto de cero –que es lo
que se espera encontrar: que el modelo lineal sea el que mejor explique los datos
experimentales buscando que el AOD de MODIS tenga una relación lineal con el AOD de
52 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
AERONET–. Es claro que al reducir la ventana espacial la relación 1:1 se va perdiendo
así como se va reduciendo el número total de coincidencias.
Otros parámetros importantes de analizar son los valores de p y el coeficiente de
correlación. Para todos los casos el valor de p fue < 0.05 lo que indica que existe relación
significativa entre el AOD de MODIS y el AOD de AERONET. Sin embargo, el coeficiente
de correlación se redujo conforme se redujo la ventana espacial y se amplió la ventana
temporal.
Del análisis anterior, se concluye trabajar el modelo lineal definitivo con la ventana
espacial de 25 km y la ventana temporal de 30 minutos. La poca variación entre el valor
de la pendiente (≈ 0.01) y del intercepto (≈ 0.002) entre las tres ventanas temporales, un
coeficiente de correlación aceptable (R2 = 0.537) y el valor de p < 0.05 son suficientes
para lograr una validación significativa y equilibrada.
Respecto al análisis en Puerto Gaitán (ver Tabla 2-3) se reportaron coincidencias en las
ventanas espaciales de 15 y 25 km. Si bien los estadísticos presentados variaron
conforme se fue reduciendo la ventana espacial, a diferencia de Medellín, al ampliar la
ventana temporal la pendiente y el intercepto arrojaron resultados más cerca de lo
esperado con pendientes cercanas a la recta 1:1 e interceptos más cercanos a cero.
Respecto a los valores de p, para todos los casos fueron < 0.05, lo que indica que existe
relación significativa entre el AOD de MODIS y el AOD de AERONET en todas las
ventanas seleccionadas, y en la mayoría de los casos se obtuvo un coeficiente de
correlación mayor a 0.8, lo que denota una buena correlación entre ambos conjuntos de
datos.
Tabla 2-3: Resumen estadístico de la validación de las observaciones MODIS 3 km. UNC-Gaitán. (Periodo evaluado: 2015)
Ventana espacial 25 km 15 km
Ventana temporal (minutos) ± 30 ± 60 ± 120 ± 30 ± 60 ± 120
Datos coincidentes 5 7 7 4 6 7
Promedio AOD AERONET 0.196 0.162 0.164 0.228 0.179 0.172
Promedio AOD MODIS 0.311 0.260 0.260 0.350 0.283 0.294
Pendiente 0.794 0.925 0.863 0.684 0.945 0.799
Intercepto 0.155 0.110 0.118 0.194 0.113 0.156
R2 0.867 0.865 0.855 0.880 0.858 0.689
P 0.021 0.002 0.003 0.061 0.008 0.021
ECM 0.044 0.048 0.049 0.035 0.051 0.072
Resultados y discusión 53
ECM: Error Cuadrático Medio
Pese a que en la ventana de 60 minutos tanto para 25 como para 15 km se obtuvo
valores de pendientes más cercanas a 1 e interceptos cercanos a 0, al igual que
Medellín, se concluye trabajar el modelo lineal definitivo con la ventana espacial de 25
km y la ventana temporal de 30 minutos. La razón de esto es que al ampliar la ventana
temporal se puede estar introduciendo la variabilidad observada en la Figura 10-3 (B) en
la franja horaria comprendida entre las 17 y las 19 UTC, que además fue ratificada
mediante la prueba de Kruskal Wallis donde se concluyó la existencia de diferencias
significativas entre el comportamiento horario del AOD de AERONET.
Finalmente, en Bogotá solo se presentaron coincidencias en la ventana espacial de 50
km. Esto se debe principalmente a que el cubrimiento de datos MODIS fue muy escaso
ya que esta zona se caracteriza por una alta nubosidad principalmente en horas de la
tarde. Al ser limitado el número de datos recuperados, las coincidencias con AERONET
se hacen cada vez menos probables. La Tabla 3-3 presenta los resultados obtenidos.
Tabla 3-3: Resumen estadístico de la validación de las observaciones MODIS 3 km. UNC-Bogotá. (Periodo evaluado: 2013, 2015)
Buffer espacial 50 km
Buffer temporal ± 30 ± 60 ± 120
Datos coincidentes 4 6 9
Promedio AOD AERONET 0.038 0.021 0.030
Promedio AOD MODIS 0.164 0.154 0.173
Pendiente -0.782 1.051 -0.495
Intercepto 0.194 0.133 0.188
R2 0.248 0.117 0.057
p 0.502 0.507 0.533
ECM 0.053 0.040 0.057
ECM: Error Cuadrático Medio
La ventana espacial de 50 km en Bogotá fue la única región donde fue posible recuperar
píxeles de MODIS. Las coincidencias con las observaciones AERONET estuvieron entre
4 y 9 datos en todo el periodo evaluado y tal como sucedió en Medellín y Puerto Gaitán,
la pendiente, el intercepto y el coeficiente de correlación fueron variando conforme varió
la ventana temporal. En general, los resultados para Bogotá estuvieron alejados de la
relación 1:1 que se esperaba obtener entre ambas variables (AOD AERONET y AOD
54 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
MODIS) y de acuerdo a los valores de p que fueron > 0.05, se concluye que no existe
relación significativa entre los resultados de cada ventana temporal.
Finalmente, se realizó el análisis de datos AERONET Nivel 1.5 del fotómetro localizado
en el municipio de La Jagua de Ibirico localizado en la ZCC. La Tabla 4-3 presenta el
resumen de los estadísticos más importantes.
Tabla 4-3: Resumen estadístico de la validación de las observaciones MODIS 3 km. UPC- GEAM-Valledupar
Buffer espacial 25 km 15 km 7.5 km
Buffer temporal (±30
minutos) (± 60
minutos) (±120
minutos) (±30
minutos) (±60
minutos) (±120
minutos) (±30
minutos) (±60
minutos) (±120
minutos)
Datos coincidentes 17 19 22 13 14 14 13 13 14
Promedio AOD AERONET 0.172 0.223 0.179 0.172 0.168 0.178 0.138 0.147 0.151
Promedio AOD MODIS 0.159 0.188 0.204 0.174 0.181 0.181 0.137 0.161 0.151
Pendiente 1.049 0.422 0.923 1.160 1.166 1.035 0.908 0.854 0.802
Intercepto -0.021 0.093 0.038 -0.025 -0.015 -0.004 0.012 0.036 0.030
R2 0.724 0.587 0.377 0.762 0.588 0.479 0.653 0.406 0.402
P 1.497e-05 0.0001 0.0023 9.772e-05 0.0014 0.0061 0.0008 0.0192 0.015
ECM 0.054 0.078 0.120 0.050 0.065 0.073 0.046 0.067 0.070
ECM: Error Cuadrático Medio
Se observa que las variaciones de los estadísticos presentados en UPC-GEAM-
Valledupar ocurren de forma similar a las otras regiones: conforme se va reduciendo la
ventana espacial y ampliando la ventana temporal. Asimismo, para todos los casos el
valor de p fue < 0.05 lo que indica que existe relación significativa entre el AOD de
MODIS y el AOD de AERONET y el coeficiente de correlación se redujo conforme se
amplió la ventana temporal. Dados estos elementos, y con el objetivo de no agregar
variabilidad al abrir la ventana temporal y teniendo buenos resultados con la ventana
espacial de 25 km empleada también en Medellín y Puerto Gaitán, se concluye trabajar
el modelo lineal definitivo con la ventana espacial de 25 km y la ventana temporal de 30
minutos.
Ahora bien, la preocupación más importante de la validación de MODIS o de cualquier
producto satelital es la reflectancia de la superficie, por tanto es determinante y necesario
emplear la información de AERONET. El mejor indicador de un problema con la
reflectancia de la superficie es el intercepto, en la relación de asociación entre MODIS y
AERONET teóricamente el intercepto debe ser cero; por tanto, en condiciones de cero
aerosol se obtendría un valor en el intercepto diferente de cero, lo que representaría un
efecto de la reflectividad. Esto quiere decir que se está asumiendo un albedo más bajo
Resultados y discusión 55
de lo que realmente es. De manera que si el algoritmo está considerando un buen cálculo
del albedo de la superficie el intercepto debería ser cero.
En ese orden de ideas, en Medellín no se observó sensibilidad en la variación del
intercepto ni en la pendiente conforme varió la ventana temporal en 25 km; por tanto, la
ventana temporal no cambió significativamente la curva de ajuste. La misma situación se
observó en Puerto Gaitán aunque no con tan baja sensibilidad e interceptos muy
cercanos a cero como en Medellín, lo que sugiere que en Puerto Gaitán puede haber un
efecto del albedo de superficie. El problema general del análisis de regresión Puerto
Gaitán se ve en el intercepto, lo que sugeriría que hay un problema de caracterización de
albedo en MODIS para esta zona.
3.3. Análisis de regresión en ventanas espacio
temporales definitivas
El enfoque de validación de datos MODIS a partir de datos en superficie AERONET
realizado por Pretenko M., Ichoku C. y G. Leptoukh (2012), fue adoptado en este trabajo
haciendo una serie de variaciones en la ventana temporal y espacial. Este mismo
enfoque ha sido adoptado por otros investigadores como Levy R. C. et al., (2013) y
Kovacs T. (2006). La ventana espacial y temporal seleccionada en Medellín, Puerto
Gaitán y la ZCC fue de 25 km en 30 minutos antes y después del paso del satélite. Esta
selección será por tanto objeto de aplicación del modelo de regresión lineal simple y los
resultados se muestran en las Figuras de la 12-3 a la 14-3. Los parámetros del modelo
aplicado para Bogotá arrojaron un coeficiente de correlación (R2 = 0.248) y un valor de p
> 0.05 que indica que no existe una relación significativa entre las observaciones de AOD
de MODIS y de AOD de AERONET.
56 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Figura 12-3: Comparaciones de AERONET - MODIS a 550 nm en Medellín empleando un radio de coincidencia espacial de 25 km en una ventana temporal de ± 30 minutos. La línea azul representa el ajuste de los datos, la línea negra la recta 1:1 y las líneas punteadas representan el EE ± (0.05 + 15 %)
Resultados y discusión 57
Figura 13-3: Comparaciones de AERONET - MODIS a 550 nm en Puerto Gaitán empleando un radio de coincidencia espacial de 25 km en una ventana temporal de ± 30 minutos. La línea azul representa el ajuste de los datos, la línea negra la recta 1:1 y las líneas punteadas representan el EE ± (0.05 + 15 %)
58 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Figura 14-3: Comparaciones de AERONET - MODIS a 550 nm en UPC-Valledupar empleando un radio de coincidencia espacial de 25 km en una ventana temporal de ± 30 minutos. La línea azul representa el ajuste de los datos, la línea negra la recta 1:1 y las líneas punteadas representan el EE ± (0.05 + 15 %)
Resultados y discusión 59
Los resultados de la ventana espacial de 25 km obtenida en Medellín (Figura 12-3)
mostraron valores de pendiente de 0.919, intercepto de 0.065, coeficiente de correlación
R2=0.537 y un valor de p < 0.05 que indica la existencia de una relación significativa
entre las observaciones de AOD de MODIS y de AOD de AERONET. Respecto a la
variación presentada en los valores promedio de AOD de MODIS (0.243) y AOD de
AERONET (0.193) (ver Tabla 1-3), se observa un mayor valor en el promedio de AOD de
MODIS. La sobreestimación de los valores de AOD vistos desde satélite fue de alrededor
del 21 %. Finalmente, se observa que el 63.01 % de las observaciones están dentro del
EE, el 34.24 % por encima y el 2.74 por debajo del EE.
En Puerto Gaitán (Figura 13-3) se obtuvo valores de pendiente de 0.794, intercepto de
0.155, coeficiente de correlación R2 = 0.867 y un valor de p < 0.05 que indica la
existencia de una relación significativa entre las observaciones de AOD de MODIS y de
AOD de AERONET. Respecto a la variación presentada en los valores promedio de AOD
de MODIS (0.311) y AOD de AERONET (0.196) (ver Tabla 2-3), se observa un mayor
valor en el promedio de AOD de MODIS. La sobreestimación de los valores de AOD
vistos desde satélite fue de alrededor del 37 %. Se encuentra que el 60 % de las
observaciones están dentro del EE y el 40 % por encima del EE.
Finalmente, los resultados de la validación MODIS en la ZCC (Figura 14-3), reportaron
valores de pendiente de 1.049, intercepto de -0.021, coeficiente de correlación R2 = 0.724
y un valor de p < 0.05 que indica la existencia de una relación significativa entre las
observaciones de AOD de MODIS y de AOD de AERONET. Respecto a la variación
presentada en los valores promedio de AOD de MODIS (0.159) y AOD de AERONET
(0.172) (ver Tabla 4-3), contrario a lo ocurrido en las otras regiones evaluadas, se
observó que el valor de AOD promedio de AERONET fue mayor al valor de AOD
promedio de MODIS. En este caso, la sobreestimación de los valores de AOD
recuperados por el fotómetro fue de alrededor del 8 %. Respecto al error esperado, se
encuentra que el 76.48 % de las observaciones están dentro del EE, e igual porcentaje
por encima y por debajo (11.76 %).
En síntesis, los resultados del modelo de regresión lineal empleado para determinar el
tipo de asociación entre variables; una dependiente (observaciones MODIS) y otra
independiente (observaciones AERONET), mostraron para Medellín, Puerto Gaitán y la
60 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
ZCC resultados satisfactorios al encontrar que existe relación significativa entre el AOD
de AERONET y el AOD de MODIS. Los coeficientes de correlación encontrados
responden también a esta significancia estadística en los tres sectores, obteniendo la
mejor correlación en UNC-Gaitán con un valor de 0.867, seguido de la ZCC con 0.724 y
Medellín con 0.537. La correlación más baja para Bogotá con 0.248 se le atribuye
principalmente al limitado número de coincidencias debido fundamentalmente a la
dificultad en la lectura de datos mediante fotometría solar por la alta nubosidad y a una
campaña de monitoreo más corta que en las regiones restantes.
Investigaciones como la de (Chu et al., 2002; Levy et al., 2010) mostraron que, en
general, el AOD recuperado de MODIS está bien correlacionado con las observaciones
del fotómetro solar. El primero analizó más de 30 sitios AERONET localizados entre el
este de los Estados Unidos, Brasil, Europa occidental; y el sur de África y obtuvo una
muy buena correlación de datos: (R2) ≈ 0.85 – 0.91, pendiente (0.86), intercepto ≈ 0.02 –
0.06 y un ECM entre 0.07 y 0.11. Y el segundo autor, con observaciones de AERONET
de más de 300 sitios obtuvo una alta correlación (R2= 0.9), pendiente (0.952), intercepto
(0.005 ) y ECM de 0.116. En esta investigación, se obtuvo buenos resultados pese a las
cortas compañas en las cuatro regiones en comparación con el número de coincidencias
empleadas por (Chu et al., 2002; Levy et al., 2010). Recordemos que en Medellín, Puerto
Gaitán y la ZCC se observaron buenos resultados con pendientes de 0.919, 0.794 y
1.049, interceptos de 0.065, 0.155 y -0.021, y ECM 0.105, 0.044 y 0.054,
respectivamente.
3.4 Evaluación de la variabilidad temporal y la
distribución espacial del AOD de MODIS en la ZCC
con relación a zonas no perturbadas por minería
Dados los buenos resultados del análisis de validación presentado en esta investigación,
y la confiabilidad de las mediciones AERONET Nivel 2.0 –ya que son datos
mundialmente usados y reconocidos hace más de 20 años por la comunidad científica–
se llevó a cabo el estudio propuesto de variabilidad temporal y distribución espacial en la
Zona Carbonífera del Cesar (ZCC). Además, se suma un interés particular por conocer el
Resultados y discusión 61
contenido de aerosoles atmósfericos en áreas con actividad minera a cielo abierto,
puesto que estas se consideran una fuente importante de aerosoles.
3.4.1. Variabilidad temporal del AOD en la zona de estudio
Una vez definidas las cuatro (4) zonas: dos (2) correspondientes a los sectores de La
Loma (ZM07) y La Jagua (ZM09) (sectores donde se localizan las minas más grandes de
la zona) y dos (2) correspondientes a sectores con similitud climática, topográfica y de
uso del suelo y que no han sido intervenidas con la actividad minera (ZM22 y ZM11), se
realizó el análisis de la variabilidad temporal del AOD teniendo en cuenta la comparación
de los promedios mensuales entre las cuatro zonas. Los grupos para el análisis se
organizaron así: i) el sector de La Loma (ZM07) fue comparado con el sector de Minguillo
(ZM11) (Grupo 1) y el sector de La Jagua (ZM09) con el sector de Casacará (ZM22)
(Grupo 2).
El análisis se realizó aplicando el modelo de análisis de varianza (ANOVA) conocido
como prueba de Kruskal Wallis, con el fin de determinar si existe diferencia significativa
entre las poblaciones de dos grupos (zona minera y zona no minera). Recordemos que la
zona minera corresponde al sector donde se lleva a cabo la actividad extractiva y por
tanto se localizan los tajos de donde se extrae el carbón. Y la zona no minera, a una
región sin perturbación en el suelo por actividades extractivas y cuyas características
topográficas, climáticas y de uso de la tierra son similares a las condiciones de la zona
minera antes de su intervención.
La Figura 15-3 muestra la serie temporal del comportamiento del Grupo 1: sectores de La
Loma (ZM07) y Minguillo (ZM11), mientras que la Figura 14-3 muestra la serie temporal
del Grupo 2: La Jagua (ZM09) y Casacará (ZM22).
62 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Figura 15-3: Promedios mensuales de AOD (2012 – 2015). Grupo 1: Sectores La Loma (ZM07- zona minera) y Minguillo (ZM11- zona no minera)
Figura 16-3: Promedios mensuales de AOD (2012 – 2015). Grupo 2: Sectores La Jagua (ZM09 – zona minera) y Casacará (ZM22 – zona no minera)
De acuerdo con lo observado en la serie temporal correspondiente al Grupo 1 y Grupo 2
(Figura 15-3 y Figura 16-3), los valores de AOD en ambos grupos siguen un patrón en el
comportamiento promedio mensual, encontrando una aparente tendencia creciente,
especialmente en el 2014 en el Grupo 1. También se observa una tendencia de valores
altos de AOD los primeros meses del año y valores bajos finalizando el año, lo que
sugiere que puede estar relacionado al régimen climático de la zona tanto para la serie
(ZM07 – zona minera) como para la serie (ZM11 – zona no minera). Recordemos que la
Resultados y discusión 63
época seca ocurre durante los primeros tres meses del año y la época húmeda durante
septiembre, octubre y noviembre. Esto quiere decir que un aumento de la precipitación
ocurrido en la época húmeda puede disminuir el contenido de aerosoles producto del
lavado atmosférico. Este mismo comportamiento en la serie temporal ocurre en el Grupo
2 (Figura 16-3), aunque se observa mayor desviación de los datos especialmente en
marzo de 2012 y mayo de 2015 en la zona no minera (ZM22).
Respecto al análisis por zona, se encuentra que existen diferencias en el comportamiento
del AOD entre grupos solo durante algunos meses. De acuerdo con los resultados de la
prueba de Kruskal Wallis, el Grupo 1 presenta diferencias significativas en el
comportamiento del AOD durante junio, agosto y septiembre. Durante estos tres meses
los resultados del valor de p fueron < 0.05 lo que indica que existen diferencias
significativas entre ambas poblaciones; es decir, existen diferencias entre el AOD
registrado en la zona minera (ZM07) y la zona no minera (ZM11). Estos mismos
resultados se presentaron en el Grupo 2 conformado por los sectores de La Jagua
(ZM09) y Casacará (ZM22), siendo los meses de junio, agosto y septiembre los únicos
que reportaron diferencias.
Para lograr una mejor comprensión del comportamiento mensual del AOD y gráficamente
observar las diferencias encontradas entre los grupos durante junio, agosto y septiembre,
se presentan a continuación los promedios mensuales multianuales y los promedios
estacionales (épocas seca y húmeda) del AOD correspondientes a cada uno de los
grupos.
64 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Figura 17-3: Promedios mensuales multianuales de AOD (2012 – 2015). Grupo 1: Sectores La Loma (ZM07-zona minera) y Minguillo (ZM11- zona no minera). Grupo 2: Sectores La Jagua (ZM09 – zona minera) y Casacará (ZM22 – zona no minera)
Figura 18-3: Promedios estacionales de AOD (épocas seca y húmeda) (2012 – 2015). Grupo 1: Sectores La Loma (ZM07-zona minera) y Minguillo (ZM11- zona no minera). Grupo 2: Sectores La Jagua (ZM09 – zona minera) y Casacará (ZM22 – zona no minera)
Lo que se observa en la Figura 17-3 es que los sectores seleccionados como referencia
(ZM11 y ZM22) debieron estar mejor correlacionados que sectores como (ZM11 y ZM07).
Es decir, si los sectores de referencia realmente no estuvieran perturbados por la
actividad minera debería encontrarse una más clara correlación entre ambos (ZM11 y
ZM22) que entre un sector de referencia y uno perturbado (ejemplo del Grupo 1: ZM07 y
ZM11), lo que sugiere que son fuente común. En principio, las zonas seleccionadas
fueron escogidas de referencia; es decir, sin una conocida perturbación por aerosoles, no
Resultados y discusión 65
obstante, lo que se encontró en este estudio es que en realidad parecen ser parte del
mismo sistema.
El argumento para determinar que los dos grupos evaluados: zona minera y zona no
minera hacen parte del mismo sistema y son fuente común, fue estudiar el
comportamiento del PM en superficie en ambos sectores. De acuerdo a los datos
disponibles en Sisaire (Ver anexo B) las concentraciones de PM10 y PM2.5 son
sustancialmente más bajas en la zona no minera, lo que sugeriría que los penachos
dejan de estar desacoplados con la superficie pero el AOD permanece allí. Es decir, los
datos de AOD que resultaron significativamente relacionados en la mayor parte del
tiempo evaluado en la zona minera y en la zona no minera, dejan ver que la pluma de
contaminación se conserva, solo que ya no está impactando en superficie (distribución
vertical). Esto significa que si bien puede no haber impacto significativo en la calidad del
aire en la zona no minera, sí pueden existir impactos asociados a aspectos como el clima
y el ciclo hidrológico.
Respecto al comportamiento estacional del AOD (Figura 18-3), se observa cómo durante
la época húmeda los valores promedio de AOD disminuyen tanto en la zona minera como
en la no minera. Asimismo, como resultado de la aplicación de la prueba de Kruskal
Wallis en el Grupo 1 (ZM07 y ZM11), al analizar la zona minera y la zona no minera en
ambas épocas climáticas los resultados arrojaron un valor de p > 0.05 lo que indica que
los valores de AOD no presentaron diferencias significativas en ninguna época.
Por su parte, como resultado de la aplicación de la prueba de Kruskal Wallis en el Grupo
2 (ZM09 y ZM22), se encontró que al analizar la zona minera y la zona no minera en
ambas épocas climáticas los resultados arrojaron un valor de p < 0.05 lo que indica que
los valores de AOD presentaron diferencias significativas en las dos épocas climáticas.
Es preciso aclarar que el contenido de aerosoles atmosféricos en la ZCC no se limita al
sector donde se extrae carbón (o lo que ha sido llamado en este documento “zona
minera”) sino que posiblemente ha estado sujeto a procesos de transporte o movimiento
de masas de aire regionales que han ocupado áreas más amplias y cuya explicación se
puede encontrar en los resultados presentados en las Figuras 15-3 a la 18-3. En ellas se
observa que el contenido de aerosoles es similar en comportamiento y en magnitud en
ambas zonas y no solo donde efectivamente son emitidos a la atmósfera pues estos
66 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
deben ser naturalmente transportados y dispersados en función de características como
tamaño, forma y a condiciones meteorológicas como humedad, precipitación y dirección
y velocidad del viento.
Esta última, de gran importancia en el transporte de aerosoles fue determinante al
analizar una predominancia clara en el Grupo 1 (ZM09 y ZM22). Las estaciones
meteorológicas asociadas corresponden a la Jagua Centro y Casacará (ver Figura 14-3
puntos en azul). Según información disponible en Sisaire, la estación Jagua Centro se
caracteriza por vientos provenientes de la dirección Sur principalmente con velocidades
entre 0.6 y 5.4 m/s, y en la estación Casacará los vientos provenientes del Sur y el
Sureste son los que caracterizan el sector con velocidades entre 0.6 y 3.3 m/s. Respecto
al análisis del comportamiento de los vientos en el Grupo 1 (sectores de La Loma ZM07 y
de Minguillo ZM11), solo el sector de La Loma tiene estación meteorológica asociada.
Según Corpocesar (2016) corresponde a La Francia CDC. El comportamiento aquí se
caracteriza por vientos provenientes del Noreste y Suroeste con velocidades entre 0.3 y 8
m/s.
De todo lo anterior se puede indicar entonces que lo analizado en las estaciones
meteorológicas soportan el análisis indicado más arriba respecto al evidente proceso de
transporte de aerosoles atmosféricos desde la dirección Sur predominante en el sector
de la Jagua (ZM09) hacia el sector de Casacará (ZM22), encontrando valores de AOD
incluso superiores en este último. El sector de La Loma, con una respuesta no tan clara
de la predominancia en la estación La Francia, presenta velocidades de viento superiores
que en el sector de La Jagua y un mayor número de minas en explotación que pueden
estar originando un mayor aporte. Es preciso reiterar que por efectos de distribución
vertical y de los resultados del AOD en la zona minera y no minera, con comprobada
relación significativa en la mayor parte del tiempo, no era de esperarse que la
concentración de AOD fuera menor en áreas carentes de explotación, pues hay que
recordar que el AOD es una medida de los aerosoles presentes en toda la columna
atmosférica y no solo los que se originan en la parte más baja de la atmósfera cerca de
las fuentes de emisión.
Resultados y discusión 67
3.4.3 Distribución espacial del AOD en la zona de estudio
La distribución espacial del AOD derivada de MODIS durante los años 2012 – 2015
(Figura 19-3 a la 22-3) reveló una variabilidad interestacional e interanual sobre la zona
de estudio. El AOD es más alto durante el periodo (marzo – mayo) especialmente
durante los años 2013 a 2015. Los penachos de aerosol localizados la ZCC en los años
evaluados reportaron valores de AOD que oscilan entre 0.1 y 0.7.
Un bajo AOD (0.2) se registró en gran parte de la zona de estudio durante el año 2012 y
un alto AOD (0.4) en el sector suroriental en marzo, abril, junio, julio, agosto, septiembre
y octubre. Con excepción de estos penachos localizados al suroriente de la zona de
estudio, la distribución de aerosoles fue espacialmente uniforme (0.2) en 2012, en
particular los meses de enero y diciembre. Durante el 2013, el contenido de aerosoles en
la ZCC aumentó. Además de identificar el periodo con los valores más altos de AOD
(marzo – mayo), se observó un aumento en el AOD en junio. Como ocurrió en 2012, la
distribución de aerosoles fue espacialmente uniforme (0.2) en enero y diciembre.
El 2014 registró valores especialmente altos (>0.4) los meses de marzo y mayo y valores
uniformemente distribuidos entre mayo y octubre y a diferencia de los años anteriores,
enero y diciembre registraron valores superiores a 0.2. En 2015, permanecieron AOD
altos entre marzo y mayo, y valores superiores a 0.2 en enero y diciembre. El análisis de
los patrones de viento reveló que provienen fundamentalmente del Sur en el sector de La
Jagua y del Suroeste y Sureste en el sector de La Loma. Estas condiciones pueden
favorecer el transporte hacia el Norte de la ZCC y por eso encontrar penachos de
contaminación más amplios y especialmente dirigidos en sentido Nororiental de la ZCC.
Investigadores como Soni K. et al. (2015) evaluaron el contenido de AOD en 11 minas de
carbón en India durante el 2000 y el 2012. Con más de 10 años de datos realizaron la
estimación de los valores de AOD de los siguientes tres años. Los valores de AOD
promedio estimados para los sectores de Raniganj y Jharia localizados al suroriente de la
India –con características similares de altitud (entre 5 y 200 msnm) a la ZCC–, reportaron
valores de AOD de 0.575 y 0.452, respectivamente. Los valores altos de AOD en la
investigación de Soni K. et al. le fueron atribuidos principalmente a la cercanía a minas a
cielo abierto y al patrón de vientos. Respecto a esto, los valores obtenidos de AOD en la
ZCC reportaron valores más altos que los reportados por Soni K. et al. (2015). No
68 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
obstante, es importante aclarar que aunque lo descrito con anterioridad es un buen
referente, el contenido de aerosoles dependerá de las condiciones geográficas y
climáticas de la zona evaluada
Figura 19-3: Distribución espacial del AOD durante el 2012 en la ZCC
Resultados y discusión 69
Figura 20-3: Distribución espacial del AOD durante el 2013 en la ZCC
Figura 21-3: Distribución espacial del AOD durante el 2014 en la ZCC
70 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
Figura 22-3: Distribución espacial del AOD durante el 2015 en la ZCC
Conclusiones 71
4. Conclusiones
En este estudio se examinaron las observaciones de AOD en los cuatro sitios con
instrumentación AERONET Niveles 1.5 y 2.0 localizados en Colombia: Medellín, Puerto
Gaitán, Bogotá y la ZCC y se compararon con el producto MYD04_3K - Colección 6 de
MODIS los años 2012 a 2015. Los resultados del modelo de regresión lineal empleado
para determinar el tipo de asociación entre variables mostraron en Medellín, Puerto
Gaitán y la ZCC resultados satisfactorios al encontrar que existe una relación significativa
entre el AOD de AERONET y el AOD de MODIS. Los coeficientes de correlación
encontrados responden también a esta significancia estadística en estas regiones,
obteniendo la mejor correlación en Puerto Gaitán, seguido de la ZCC y Medellín; y la
correlación más baja para Bogotá. Los resultados en Bogotá se le atribuyen
principalmente al limitado número de coincidencias debido fundamentalmente a la
dificultad en la lectura de datos mediante fotometría solar por la alta nubosidad y a una
campaña de monitoreo más corta que las otras regiones evaluadas. Se encuentra
también que existe una sobreestimación de los valores de AOD de MODIS de alrededor
del 21 % en las observaciones en Medellín, 37 % en Puerto Gaitán y 77 % en Bogotá. La
aparente sobreestimación de MODIS se debe a la contaminación por nubes y a
particularidades del producto analizado que observa más ruido en los cálculos de
reflectancia de la superficie, debido a la retención de algunos píxeles brillantes en la
ventana de recuperación.
Los resultados de los análisis mensuales multianuales y estacionales de AOD de MODIS
mostraron que en gran parte de la serie evaluada no existen diferencias significativas
entre el AOD de la zona minera y el AOD de la zona no minera. Esto se interpreta,
además del efecto del transporte producto del comportamiento de los vientos en la
región, a que la zona estudiada es en realidad una fuente común. En principio, las zonas
seleccionadas fueron escogidas de referencia; es decir, sin una conocida perturbación
72 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
por aerosoles, no obstante, lo que se encontró en este trabajo es que en realidad
parecen ser parte del mismo sistema. El argumento para determinar que los dos grupos
evaluados: zona minera y zona no minera hacen parte del mismo sistema y son fuente
común, fue estudiar el comportamiento del PM en superficie en ambos sectores los
cuales resultaron ser sustancialmente diferentes, lo que sugeriría que los penachos dejan
de estar desacoplados con la superficie, pero el AOD permanece allí. Es decir, los datos
de AOD que resultaron significativamente relacionados en la mayor parte del tiempo
evaluado en la zona minera y en la zona no minera, dejan ver que la pluma de
contaminación se conserva, solo que ya no está impactando en superficie (distribución
vertical). Esto significa que si bien puede no haber impacto significativo en la calidad del
aire en la zona no minera, sí pueden existir impactos asociados a aspectos como el clima
y el ciclo hidrológico.
El AOD en la zona minera estuvo entre valores de 0.094 y 0.522 y en la zona no minera
entre 0.095 y 0.828. Recordemos que según lo descrito por (Levy R. C. et al., 2014),
valores de AOD de 0.2 responden a una atmósfera bastante limpia; luego, un aumento
de este valor debe estar sujeto a actividades que pueden estar deteriorando la calidad
atmosférica. La variabilidad temporal y la distribución espacial del AOD en la ZCC
durante 2012 – 2015 estuvieron marcadas por contenidos altos de AOD (> 0.4) de
aerosoles especialmente los meses de marzo, abril y mayo. Los penachos modelados
mediante técnicas geoestadísticas mostraron que los episodios más altos de AOD se
localizan en el sector Nororiental de la ZCC.
Recomendaciones 73
5. Recomendaciones
Los buenos resultados obtenidos en Medellín, Puerto Gaitán y la ZCC, permiten pensar a
MODIS como una herramienta fundamental para el estudio de los aerosoles atmosféricos
en investigaciones futuras y complementarias a las que hoy en día se realizan en
Colombia. Ampliar el conocimiento y la investigación de las ciencias atmosféricas a partir
del uso de información satelital con aplicaciones en el campo de la calidad del aire debe
ser el reto para otros investigadores que quieran ampliar la información aquí provista.
Asimismo, el estudio de la efectividad de MODIS frente a la diversidad de superficies
observadas, en particular a regiones como Colombia con su vasta geografía y toda clase
de actividades antropogénicas fuentes de aerosoles, debe ser estudiado a profundidad.
Esta investigación al introducir diferencias en las características de las regiones
estudiadas fue un primer paso que por fortuna tuvo buenos resultados. No obstante, es
importante que investigaciones futuras amplíen el registro de datos AERONET para
fortalecer la validación.
La zona de referencia para estudiar la variabilidad del AOD con y sin influencia de
actividades generadoras de aerosoles debe ser seleccionada con mayor cuidado con el
fin de poder tener un verdadero referente o zona limpia.
Con el fin de lograr una mejor comprensión de las variaciones espaciales y temporales
de los aerosoles en esta región, se debe profundizar en el estudio y análisis de modelos
de trayectoria o HYSPLIT Trajectory Model que puedan revelar la proveniencia de las
masas de aire y profundizar en este campo.
74 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
A. Anexo: Balance hídrico estaciones de referencia
Anexos 75
B. Anexo: Concentración de material particulado obtenido de Sisaire
Bibliografía 77
6. Bibliografía
1. Alam K., Qureshi S. y Blaschke T. (2011). Monitoring spatio-temporal aerosol patterns
over Pakistan based on MODIS, TOMS and MISR satellite data and a HYSPLIT
model. Atmospheric Environment 45 (2011) 4641-4651.
doi:10.1016/j.atmosenv.2011.05.055
2. Alegría D. (2015). Propiedades microfísicas de los aerosoles troposféricos derivadas
de medidas de fotómetro solar y Lidar en el Valle de Aburrá. Magíster en Ciencias
Física. Facultad de Ciencias, Escuela de Física Universidad Nacional de Colombia.
Medellín, Colombia, 98 pp.
3. Boucher O., D. Randall, P. Artaxo, C. Bretherton, G. Feingold, P. Forster, V.-M.
Kerminen, Y. Kondo, H. Liao, U. Lohmann, P. Rasch, S.K. Satheesh, S. Sherwood, B.
Stevens y X.Y. Zhang. (2013). Clouds and Aerosols. In: Climate Change 2013: The
Physical Science Basis. Contribution of Working Group I to the Fifth Assessment
Report of the Intergovernmental Panel on Climate Change [Stocker, T.F., D. Qin, G.-
K. Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex y P.M.
Midgley (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New
York, NY, USA.
4. CGR. (2014). Actuación Especial a la explotación minera de carbón en el
departamento del Cesar. Contraloría General de la República. Bogotá D.C., 449 pp.
5. Chatterjee A., Michalak A. M., Kahn R. A., Paradise S. R., Braverman A. J., Miller C.
E. (2010). A geostatistical data fusion technique for merging remote sensing and
ground-based observations of aerosol optical thickness. Journal of Geophysical
Research Atmospheres. DOI: 10.1029/2009JD013765
6. Chu D. A., Kaufman Y. J., Ichoku C., Remer, L. A., Tanré D., and Holben B. N (2002).
Validation of MODIS aerosol optical depth retrieval over land. Geophysical research
letter, Vol. 29, no. 12, 10.1029/2001gl013205, 2002.
7. Corpocesar (2016). Informe de operación del sistema especial de vigilancia de
78 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
calidad de aire en la zona carbonífera del departamento del Cesar. Informe
SEVCA_ZCC – Año – 2015. Versión 1, 89 pp.
8. Dinoi A., Perrone M. y Pasquale B. (2010). Application of MODIS Products for Air
Quality Studies over Southeastern Italy. Remote Sens. 2010, 2, 1767-1796;
doi:10.3390/rs2071767
9. Engel-Cox J. A., Holloman C. H., Coutant B. W., Hoff R. M. (2004). Atmospheric
Environment. Volume 38, Issue 16, Pages 2495-2509. Qualitative and quantitative
evaluation of MODIS satellite sensor data for regional and urban scale air quality
doi.org/10.1016/j.atmosenv.2004.01.039
10. Fuzzi S., Baltensperger U., Carslaw K., Decesari S., van der Gon H. D., Facchini M.
C., Fowler D., Koren I., Langford B., Lohmann U., Nemitz E., Pandis S., Riipinen I.,
Rudich Y., Schaap M., Slowik J. G., Spracklen D. V., Vignati E., Wild M., Williams M.,
y Gilardoni S.(2015). Particulate matter, air quality and climate: lessons learned and
future needs. Atmos. Chem. Phys., 15, 8217–8299, 2015. doi:10.5194/acp-15-8217-
2015
11. Gupta P., Sundar A. C., Wang J., Gehrig R., Lee Y., Kumar N. (2006). Satellite
remote sensing of particulate matter and air quality assessment over global cities.
Atmospheric Environment 40 (2006) 5880–5892. DOI:
10.1016/j.atmosenv.2006.03.016
12. Ichoku C., Chu D. A., Mattoo S., Kaufman Y. J., Remer L. A., Tanré D., Slutsker I., y
Holben B. N. (2002). A spatio-temporal approach for global validation and analysis of
MODIS aerosol products. Geophysical research letters, Vol. 29, no. 12, 1616,
10.1029/2001gl013206. DOI:10.1029/2001GL013206, 2002.
13. IGAC. (1997). Estudio general de suelos departamento del Cesar. Instituto
Geográfico Agustín Codazzi. 345 pp.
14. Im J., Saxena V. K., y Wenny B. N. (2001). An assessment of hygroscopic growth
factors or aerosols in the surface boundary layer for computing direct radiative forcing.
Journal of Geophysical Research, 10: 20213–20224. DOI: 10.1029/2000JD000152
15. IPCC (2013). Clouds and Aerosols. En: working group I contribution to the IPCC fifth
assessment report climate change 2013: the physical science basis.
Intergovernmental Panel on Climate Change. (S. Fuzzi, J. Penner, V. Ramaswamy,
C. Stubenrauch). Stockholm, pp. 147.
Bibliografía 79
16. Kaufman Y. J., Wald A., Remer L., Gao B., Li, R., y Flynn L. (1997). The MODIS 2.1
μm channel – Correlation with visible reflectance for use in remote sensing of aerosol,
IEEE T. Geosci. Remote, 35(5), 1286–1298.
17. King M. D., Tsay S., Platnick S. E., Wang M., Liou K. (1997). Cloud Retrieval
Algorithms for MODIS: Optical Thickness, Effective Particle Radius, and
Thermodynamic Phase. MODIS Algorithm Theoretical Basis Document No. ATBD-
MOD-05 MOD06 – Cloud product. Version 5. 83 pp.
18. Kokhanovsky, A. (2008). Aerosol Optics: Light Absorption and Scattering by Particles
in the Atmosphere. University of Bremen. Bremen, Germany, 2008.
19. Lenoble J., Remer L. A., y Tanré D. (2013). Introduction. Aerosol remote sensing.
Springer, Berlin Heidelberg, 383 pp. DOI: 10.1007/978-3-642-17725-5
20. Levy R. C., Remer L. A., Tanré D., Mattoo S. y Kaufman Y. J. (2009). Algorithm foe
remote sensing of tropospheric aerosol over dark targets from MODIS Collections 005
and 051. Revision 2
21. Levy R. C., Remer L. A., Kleidman R. G., Mattoo S., Ichoku C., Kahn R., and Eck T.
F. (2010). Global evaluation of the Collection 5 MODIS dark-target aerosol products
over land. Atmos. Chem. Phys., 10, 10399–10420, 2010. doi:10.5194/acp-10-10399-
2010
22. Levy R. C., Mattoo S., Munchak L. A., Remer L. A., Sayer A. M., Patadia F., y Hsu N.
C. (2013). The Collection 6 MODIS aerosol products over land and ocean. Atmos.
Meas. Tech., 6, 2989–3034, 2013. DOI:10.5194/amt-6-2989-2013
23. Levy R. C., Mattoo S., Munchak L. A., Kleidman R., Patadia F., y Gupta P. (2014).
Overview of Collection 6 Dark-Target aerosol product. Memorias. MODIS Atmosphere
Team Webinar Series #2. 2 de julio de 2014.
24. Liu Y., Franklin M., Kahn R. y Koutrakis P. (2006). Using aerosol optical thickness to
predict ground-level PM2.5 concentrations in the St. Louis area: A comparison
between MISR and MODIS. Remote Sensing of Environment 107 (2007) 33–44.
DOI:10.1016/j.rse.2006.05.022
25. Mary Hardin M. y Kahn R. (2010). Aerosols & climate change. NASA Goddard Space
Flight Center.
26. Mas F. J. (2011). Aplicaciones del sensor MODIS para el monitoreo del territorio.
Primera edición. México. 318 pp.
27. Munchak L. A, Levy R. C., Mattoo S., Remer L. A., Holben B. N., Schafer J. S.,
Hostetler C. A., y Ferrare R. A. (2013). MODIS 3 km aerosol product: applications
80 Evaluación de la variabilidad espaciotemporal de la profundidad óptica de aerosoles
en la zona carbonífera del Cesar a partir de observaciones satelitales
over land in an urban/suburban región. Atmos. Meas. Tech., 6, 1747–1759, 2013.
doi:10.5194/amt-6-1747-2013
28. NASA (2010). NASA Earth Observing Satellite Calibration and Validation. CGMS-38
White Paper. National Aeronautics and Space Administration.
29. NASA. (2007). AERONET Aerosol Robotic Network. System Description (en línea).
http://aeronet.gsfc.nasa.gov/new_web/system_descriptions_operation.html
30. NASA. (s.f) AERONET Aerosols and Earth’s Climate. National Aeronautics and
Space Administration.
31. Platnick S. y Xiong X. (2014). Overview of Collection 6 Atmosphere Products and
Level-1B Calibration. Memorias. MODIS Atmosphere Team Webinar Series #1. 25 de
junio de 2014.
32. Pope C. y Dockery D. W. (2006). Health Effects of Fine Particulate Air Pollution: Lines
that Connect. ISSN 1047-3289 J. Air & Waste Manage. Assoc. 56:709–742
33. Pretenko M., Ichoku C. y G. Leptoukh. (2012). Multi-sensor Aerosol Products
Sampling System (MAPSS). Atmos. Meas. Tech., 5, 913–926, 2012.
DOI:10.5194/amt-5-913-2012
34. Remer, L., Kaufman, Y., Tanre, D., Mattoo, S., Chu, D., Martins, J., et al.: The MODIS
aerosol algorithm, products, and validation, J. Atmos. Sci., 62(4), 947–973, 2005.
35. Remer, L. A., M. Chin, P. DeCola, G. Feingold, R. Halthore, R. A. Kahn, P. K. Quinn,
D. Rind, S. E. Schwartz, D. Streets, and H. Yu, 2009: Executive Summary, in
Atmospheric Aerosol Properties and Impacts on Climate, A Report by the U.S.
Climate Change Science Program and the Subcommittee on Global Change
Research. [Mian Chin, Ralph A. Kahn, and Stephen E. Schwartz (eds.)]. National
Aeronautics and Space Administration, Washington, D.C., USA.
36. Remer L. A., Mattoo S., Levy R. C., y Munchak L. (2013). MODIS 3 km aerosol
product: algorithm and global perspective. Atmos. Meas. Tech. Discuss., 6, 69–112,
2013. doi:10.5194/amtd-6-69-2013
37. Remer L. A., Tanré D. and Kaufman Y. J. (s.f). Algorithm for remote sensing of
tropospheric aerosol from MODIS: collection 5. 87 pp.
38. Ruiz-Arias J. A., Dudhia J., Lara-Fanego V. y Pozo-Vázquez D. (2013). Atmospheric
Environment. Volume 79, Pages 395-405. A geostatistical approach for producing
daily Level-3 MODIS aerosol optical depth analyses.
doi.org/10.1016/j.atmosenv.2013.07.002
Bibliografía 81
39. Roca A. M. y Pérez G. J. (2006). Geografía física y poblamiento en la Costa Caribe
colombiana. Documentos de trabajo sobre economía regional. Centro de estudios
económicos regionales. Banco de la República. Cartagena de Indias, 82 pp.
40. Soni K., Parmar K. S. y Kapoor S. (2015). Time series model prediction and trend
variability of aerosol optical depth over coal mines in India. Environmental Science
and Pollution Research March 2015, Volume 22, Issue 5, pp 3652–3671.
41. Wang C., Liu Q., Ying N., Wang X. y Ma J. (2013). Air quality evaluation on an urban
scale based on MODIS Satellite Images. Atmospheric Research, DOI:
10.1016/j.atmosres.2013.04.011
42. Wehrli C. J. (2008). Remote Sensing of Aerosol Optical Depth in a Global Surface
Network. Doctor of Sciences. Department of Physics, ETH Zurich. Zurich, 100 pp.
43. Xiao Q., Zhang H., Choi M., Li S., Kondragunta S., Kim J., Holben B., Levy R. C., y
Liu Y. (2016). Evaluation of VIIRS, GOCI, and MODIS Collection 6 AOD retrievals
against ground sunphotometer observations over East Asia. Atmos. Chem. Phys., 16,
1255–1269, 2016. doi:10.5194/acp-16-1255-2016
44. Xu Qifang, Obradovic Zoran, Han Bo, Li Yong, Braverman Amy, Vucetic Slobodan
(s.f). Improving Aerosol Retrieval Accuracy by Integrating AERONET, MISR and
MODIS Data.