TRABAJO FIN DE MÁSTER

RADIOMETRÍA DE CAMPO PARA LA IDENTIFICACIÓN DEVARIACIONES EDAFOLOGICAS EN ZONAS AFECTADAS POR

INCEDIOS.

Javier Cano Martín

Máster Universitario en Tecnologías de la información geográfica parala ordenación del territorio: sistemas de información geográfica y

teledetección

Noviembre de 2009

Departamento de Geografía y Ordenación del Territorio

UNIVERSIDAD DE ZARAGOZA

1

Resumen El efecto del fuego crea alteraciones en las propiedades edáficas, mediante esta investigación se pretendeverificar si estas variaciones pueden ser identificadas mediante la utilización de radiometría de campo.Para ello se realizará un proceso de toma de medidas radiométricas y tratamiento de resultadosmediante técnicas estadísticas. Los resultados se compararán con datos de mediciones de laboratorio.Los resultados mostrarán la identificación de diferencias de curvas espectrales entre suelos quemados ysuelos no afectados por incendios; la obtención de las bandas más representativas y las propiedades quemejor pueden ser identificadas.

Palabras Clave: Radiómetro, Curva espectral, Reflectancia, Regresión Lineal Múltiple, Radiometría deCampo.

Abstract The fire action make alterations in the soil properties, by this research are pretended verify if thesechanges can be identified throws the Imaging Spectroscopy. To this objective will be performed a spectralmeasuring process and statistic techniques processing from results. The results will be compared to labmeasuring data. The results will show the identify of spectral profile differences between burned soils andnot affected by the fire soils; the obtaining to the more representative spectra bands and best soilproperties for the spectroscopy identify.

Key Words: Spectrometer, Spectral Profile, Reflectance, Multiple Linear Regrssion, Imaging Spectroscopy.

Índice 1. Introducción.........................................

pág. 31.1.......Variaciones edafológicas en suelos quemados

............................................pág. 31.2..............................Radiometría de campo

............................................pág. 41.3.......Identificación de variaciones edafológicas mediante radiometría.................................

pág. 5

2. Objetivos............................................pág. 5

3. Metodología..........................................pág. 63.1.................................Muestras de suelo

............................................pág. 63.2......................................Instrumental

............................................pág. 63.2.1.....................Sincronizador de canales

.......................................pág. 6

2

3.2.2...........................Radiómetro VIS/NIR.......................................pág. 7

3.2.3..............................Radiómetro SWIR.......................................pág. 8

3.2.4.........................Blanco de referencia.......................................pág. 8

3.2.5.................................Fibra óptica.......................................pág. 9

3.2.6.....................................Pórtatil......................................pág. 10

3.2.7..............Placas Petri y otros accesorios......................................pág. 10

3.3..........................................Software...........................................pág. 113.2.1......................................Avantes

.......................................pág.113.2.2.........................................SAMS

......................................pág. 123.2.3.......................Microsoft Office Excel

......................................pág. 133.2.4.........................................SPSS

......................................pág. 143.4. Técnicas utilizadas para extracción de parámetrosedáficos.............................................

pág. 153.5.. . .Técnicas utilizadas en espectrometría de campo

...........................................pág. 153.5.1....Condiciones atmosféricas y meteorológicas

......................................pág. 163.5.2...........Protocolo de actuación en toma de mediciones........................................

pág. 183.5.3..Almacenamiento y pre-procesamiento de datos

......................................pág. 193.6................................Post-procesamiento

...........................................pág. 213.7...........................Tratamiento Estadístico

...........................................pág. 253.7.1..........Gráficos de propiedades espectrales

......................................pág. 27

3

3.7.2...............Correlación Bivariable Pearson......................................pág. 28

3.7.3...........................Regresión Múltiple......................................pág. 30

4. Resultados...........................................pág. 324.1............Descripción de propiedades espectrales

...........................................pág. 334.2................Análisis de Correlación Bivariable

...........................................pág. 414.3....................Análisis de Regresión Múltiple

...........................................pág. 455. Conclusiones.........................................

pág. 566. Bibliografía.........................................

pág. 58

4

1. INTRODUCCIÓN

1.1. Variaciones edafológicas en suelos quemados

El fuego es un factor ecológico natural, no siempre catastrófico, que produce alteraciones en el suelo. Estas alteraciones pueden ser directas, producidas debido al calentamiento del suelo; o indirectas, como consecuencia de una situación microclimática, cambios de la cubierta vegetal o mayorsusceptibilidad a la erosión (Mataix et al., 2007).

Las alteraciones edafológicas provocadas por el fuego obedecen a varios factores: principalmente la frecuencia y la severidad que dependen de las condiciones meteorológicas, el combustible y el tipo de suelo. La severidad se define mediante las temperaturas y el tiempo de residencia del fuego, mientras que la intensidad depende de la velocidad a la que se libera energía (Mataix et al., 2007). Junto a la severidad y la intensidad, el periodo del año es un factor directo, mientras que existen otros factores indirectos, posteriores al propio evento, como las actuaciones antropológicas, las condiciones climatológicas y meteorológicas o los cambios en la biodiversidad tanto de la fauna como de la vegetación.

El fuego provoca cambios en las características físicas, químicas y biológicas de los suelos. Dentro de las características físicas el principal efecto es que un suelo quemado cambia de color, pasa a ser negro, con lo que aumenta latemperatura y la evapotranspiración. A su vez disminuye la absorción y retención de agua, provoca variaciones significativas en la porosidad, aireación e infiltración y aumenta la escorrentía superficial. Un suelo quemado puede generar repelencia al agua, hidrofobia. Dependiendo de la intensidad del incendio también se pueden dar casos de meteorización de las rocas.

Las propiedades químicas también sufren importantes variaciones: (1) La combustión de vegetación libera nutrientes. (2) Se pierde parte del Nitrógeno en relación con la temperaturay la materia orgánica. (3) Las perdidas de Fósforo, Magnesio,

5

Calcio y Potasio se subsanan al ser devueltas por la ceniza, pero peligran en caso de que se suceda un lavado superficial.

El pH se incrementa ya que las cenizas aportan carbonatos, óxidos y cationes básicos. El humedecimiento de las cenizas produce hidrólisis de cationes básicos y elevan el PH. Dependiendo de la severidad el pH puede aumentar 4 ó 5 unidades por perdida de grupos OH. Esto provoca un descenso en la descomposición de materia orgánica, ya que se reduce la actividad de los microorganismos. La conductividad y la salinidad también aumentan debido a las cenizas.

Los efectos sobre el Nitrógeno vienen condicionados por la temperatura. El Nitrógeno se pierde a partir de los 200º C. A 250º C se perdería el 34% y a 600º C el 86%. Sin embargo en incendios de baja intensidad la cantidad de Nitrógeno aumenta, generalmente debido al incremento del Nitrógeno Inorgánico. Algosimilar ocurre con la cantidad de Carbono Orgánico; en incendiosde baja intensidad existe un incremento debido a la pirolizaciónparcial de la vegetación. Sin embargo en incendios de mayor intensidad el humus se vuelve más resistente a la degradación microbiana. Aumenta la estabilidad y condensación de fracciones húmicas por lo que existe menos materia orgánica libre y ácidos fúlvicos y más ácidos húmicos y humina (Matix et al., 2007).

Las variaciones biológicas más importantes son: las perturbaciones sobre la microfauna hipogea y la existencia de una gran actividad biológica posterior.

1.2. Radiometría de campo

La Radiometría es la medición de las interacciones entre la energía radiante y los objetos o superficies. Estas interacciones producen un flujo energético que puede ser medido en varias magnitudes relativas como Emisividad, Absortividad, Transmisividad y Reflectividad. En este proyecto se trabaja con datosde reflectividad que es la relación entre el flujo incidente y el reflejado por una superficie (Chuvieco Salinero, 2009). Estasinteracciones pueden medirse a lo largo del todo el espectro electromagnético, pero el centro de atención para este estudio

6

es la parte que corresponde a la radiación solar, desde las 0,3 a las 3 micras.

En Radiometría se pretende la caracterización de una superficie utilizando un sensor electro-óptico como detector remoto del flujo radiante, el cual es definido por la magnitud de la Radiancia o total de energía radiada en todas las direcciones por unidad de tiempo y ángulo sólido de medida (García Martín, 2009).

Una superficie recibe un flujo incidente de energía resultante de la suma de la radiación solar directa (que es la fuente principal), la radiación difusa y la reflexión desde objetos cercanos. De esta energía incidente, una parte es reflejada. La relación entre el flujo incidente y el reflejado es la reflectividad.

Los principales ámbitos de aplicación de la Radiometría de Campo son:

El diseño y la calibración de sensores remotos. Verificación de la información obtenida a partir de un sensor

remoto. Ayuda en el análisis y la interpretación de datos procedentes

de sensores remotos aportando información complementaria. Trabajo con librerías espectrales, identificación de

materiales a partir de curvas espectrales. Identificación de longitudes de onda óptimas para la detección

de materiales u objetos. Identificación de la variación temporal de las propiedades de

una determinada cubierta. Creación de modelos a través de la interacción entre la

energía solar y los elementos de la superficie terrestre. Mezclado y desmezclado espectral, análisis de las

características individuales de cada uno de los materiales queforman la respuesta de un píxel mixto.

Caracterización espectral de los rasgos biofísicos.

La principal característica de un radiómetro es la capacidad de obtener información de Radiancia de la superficie estudiada

7

en determinadas bandas de longitud de onda independientes muy próximas entre sí. Dependiendo de las características de cada radiómetro estas bandas estarán más o menos próximas entre sí y abarcarán una determinada región del espectro electromagnético. Estas características son principalmente: el Intervalo espectral, rango en que un radiómetro tiene capacidad para registrar información y la Resolución espectral, diferencia entre dos valores extremos de la variable independiente en los cuales la variable dependiente es igual a la mitad de su máximo valor e Intervalo espectral, espacio entre dos puntos del muestreo (García Martín, 2009).

Mediante el uso del Radiómetro se puede obtener un perfil espectral prácticamente continuo de una superficie u objeto sometido a estudio.

1.3. Identificación de variaciones edafológicas mediante radiometría

Cada día son más los autores que centran sus estudios en la radiometría de campo y la teledetección para identificación de variables edafológicas y de vegetación a lo largo de períodos detiempo y ubicación espacial de las superficies.

Aparentemente la mayoría de los sensores ópticos de teledetección no pueden detectar las propiedades completas de unsustrato más allá del material superficial, existiendo problemasy limitaciones para la cuantificación exacta de la información. Por ese motivo son cada vez más importantes los sensores de altaresolución espectral. Actualmente se pueden conocer propiedades del suelo como la cantidad de hierro y agua, la composición mecánica, el carbono y el carbono inorgánico… a través de técnicas de radiometría en condiciones de laboratorio (Ben-Dor et al., 2009).

La radiometría de campo ha sido utilizada para la determinación, evaluación y monitorización de propiedades de la cubierta edáfica como técnica no destructiva (Córdoba Sola, 2008). Parámetros como la salinidad de suelos han sido descritosmediante la absorción de Hidroxilo en los 2200 nm (Ben-Dor et

8

al. 2009). Se ha derivado y modelado el contenido de Carbono Orgánico y a través de la curva espectral de suelos entre los 400 y 1600 nanómetros (Ben-Dor et al. 2009). La medida de la reflectividad mediante la radiometría de campo ha sido utilizadapara evaluar la regeneración vegetal en zonas quemadas (MontorioLlovería et al., 2007).

Por lo tanto, si se pueden identificar las propiedades edáficas mediante la reflectividad, las variaciones de estas propiedades deberían poder ser identificadas y cuantificadas, locual es el objetivo principal y ambicioso de este proyecto.

2. OBJETIVOS

Análisis de las propiedades espectrales de las muestras, tanto de suelos quemados como de suelos control, a diferentes profundidades, 1, 2 y 3 centímetros, además de diferenciar entresuelos orgánicos y cenizas.

La hipótesis de partida es la existencia de diferencias notables entre las curvas espectrales de cada una de las categorías debido a los cambios producidos por la acción del fuego.

Análisis de las relaciones entre la reflectividad y propiedades edáficas. Se buscarán las longitudes de onda más relacionadas con la cantidad de materia orgánica, Carbono Total y Orgánico, Carbonatos y Nitrógeno.

Análisis de Regresión Múltiple para estos parámetros, intentado obtener como resultado un modelo que permita la identificación de variaciones edáficas mediante la reflectividadde los suelos.

3. METODOLOGÍA

3.1. Muestras de suelo

El grupo de investigación Cetsus cedió para esta investigación 142 muestras de suelo procedentes de 40 puntos

9

independientes (de una superficie de 20 x 20 cm), dentro del área de estudio (2200 ha): 20 de ellas afectadas por fuego con una alta severidad (quemadas) y 20 de ellas no perturbadas por el fuego (control). Se han muestreado separadamente las cenizas (C), el horizonte orgánico (O) y los tres primeros centímetros del horizonte A del suelo (0-1 cm, 1-2 cm y 2-3 cm). Las muestras han sido trituradas para su análisis, en algunos de loscasos la cantidad de material es muy escasa por lo que es de vital importancia evitar las pérdidas por errores humanos o efectos naturales (CETSUS, 2007).

3.2. Instrumental

Para la realización de este proyecto se ha utilizado una serie de material técnico aportado por el Departamento de Geografía de la Universidad de Zaragoza.

Este material es necesario, principalmente, para la medición de reflectividad de las muestras de suelo en campo, siendo indispensable el uso de Radiómetro, Blanco de referencia, Fibra óptica, PC Portátil como elemento para la captura de la información y de otros instrumentos auxiliares para la minimización de posibles errores.

Figura 1. Instrumental medición de campo.

10

3.2.1. Sincronizador de canales

Para la realización de este experimento se utiliza un sincronizador de canales y alimentación en el que se montan dos modelos de radiómetro. El modelo del sincronizador procedente dela casa Avantes se denomina AVS-DESKTOP-USB2.

Es una plataforma que permite utilizar al mismo tiempo varios radiómetros con rangos de longitud de onda, detectores y tiempos de integración diferentes, sin riesgo a perder cualquiertipo de información debido a la sincronización de los diferentescanales. La plataforma usa un USB bus para conectar los diferentes canales con el PC y puede llegar a soportar hasta 127canales. Permite diferentes tiempos de integración y número de medias de espectro por canal, incluso si se comienzan las medidas simultáneamente. Permite diferentes tipos de detectores,desde UV/VIS y NIR hasta los Full Range.

El modelo AVS-Desktop-USB2 tiene una capacidad física para albergar hasta cuatro radiómetros, aunque en este caso sólo se utilizan dos, un radiómetro para las longitudes de onda del VIS/NIR y otro para el SWIR.

Figura 2. Sincronizador AVS-DESKTOP-USB2

3.2.2. Radiómetro VIS/NIR

11

Para las longitudes de onda del visible y el Infrarrojo Cercano (NIR), el modelo de radiómetro portado es el AvaSpec-2048-USB2 de la casa Avantes.

El espectrómetro AvaSpec-2048 está basado en un diseño óptico Czerny-Turner, con 2048 píxeles en un Detector CCD Array.El espectrómetro tiene un conector de entrada para fibra óptica,espejos de colimación y cóncavo de enfoque y un grating de difracción. Es especialmente recomendable para aplicaciones con nivel de luz bajo y alta resolución.

El AvaSpec2048-USB2 tiene un interfaz USB2 con capacidad ultrarrápida de muestreo de datos de 900 espectros por segundo ytransmisión de datos en 1.8 milisegundos, se le pueden añadir Bluetooth y tarjetas SD para el envío o almacenamiento de la información. Tiene un rango de longitud de onda entre los 200 y 1100 nm, la resolución espectral es variable, dependiendo del número de bandas del grating y del tamaño del slit, variando entre 0,04 y 20 nm, el tiempo de integración va desde 1.11 milisegundos hasta 10 minutos y sus dimensiones son de 175 x 110x 44 mm, pesando 716 gramos.

Figura 3. Radiómetro AvaSpec-2048-USB2

3.2.3. Radiómetro SWIR

El otro espectrómetro portado está especialmente diseñado para realizar mediciones en las longitudes de onda entre los 900

12

y 1750 nm, el rango de onda del SWIR. También procede de la casaAvantes, denominándose específicamente AvaSpec-NIR256-1.7. Esta diseñado con un detector InGaAs (Indio-Gadio-Astanio) de 256 pixeles. El espectrómetro tiene un conector de fibra óptica de entrada, espejos cóncavo y de colimación y grating de difracción. Incluye un conversor AD a 16 bit y un interfaz de transmisión de alta velocidad USB2.0.

Figura 4. Radiómetro AvaSpec-NIR256-1.7

3.2.4. Blanco de referencia

El blanco de referencia es un instrumento con una Reflectividad muy próxima al 100% con un comportamiento difusor lambertiano, refleja la energía incidente de una forma similar en todas las direcciones.

Es usado principalmente en aplicaciones colorimétricas dondese tiene que obtener una señal de referencia durante la medida de la reflectancia. Tiene una eficacia del 98% entre los 350 y 1800 nm y del 92% entre los 250 y 2500 nm. El material ofrece una larga estabilidad, incluso en aplicaciones ultravioleta. El material es hidrofóbico y químicamente inerte. Resiste a temperaturas hasta de 280º C. Las dimensiones son de 32 mm de diámetro y 10 mm de grosor.

13

Se trabajará con el blanco de referencia WS-2, de la casa Avantes. El material con comportamiento blanco difusor en el queestá basado es politetrafluoroetileno (PTFE).

Figura 5. Blanco de referencia

Figura 6. Espectro blanco referencia

3.2.5. Fibra óptica

La fibra óptica transporta la luz hasta el radiómetro y se utiliza cuando no es factible tomar la medida a través del slit.Tiene una transmitancia alta pero menor de 1. Atenúa la señal recibida por el radiómetro, lo cual no es problemático si las medidas del blanco de referencia y de la superficie se realizan utilizando fibra óptica.

14

En este proyecto se utilizará una fibra óptica bifurcada, existiendo un único receptor de la señal lumínica y dos salidas.Todos los conectores, tanto de entrada como de salida son SMA950. En el interior existen dos fibras ópticas que forman un único haz hasta el punto de bifurcación donde se dividen en sendos cables que permiten la conexión a dos receptores diferentes. Permite la obtención de 2 medidas instantáneas, una para cada radiómetro portado por el sincronizador. El cable de fibra óptica está revestido por un protector de PVC interno y una camisa cromada que permite la flexibilidad del cable a la vez que lo protege de roturas y del efecto de la temperatura exterior. La longitud total del cable es de 3 metros.

En la Figura 7 se pueden observar algunas de las especificaciones del cable, pero existen modificaciones para el que ha sido usado en el experimento, como la cubierta exterior cromada o la longitud.

Figura 7. Fibra óptica

15

3.2.6. Portátil

Las necesidades que debe soportar un PC Portátil para la realización del trabajo de campo son muy básicas, siendo la parte de mayor importancia la autonomía de la batería. Siempre que se vaya a realizar un trabajo de campo se deben haber cargado y llevar baterías de repuesto ya que además de alimentarel ordenador, los radiómetros dependerán de la energía de las baterías del portátil. Otras necesidades del PC son las conexiones USB, son necesarios dos puertos libres. También es necesario que esté instalado el software de Avantes AvaSoft.

3.2.7. Placas Petri y otros accesorios

Otro instrumental usado para el trabajo de campo fueron Placas Petri de plástico transparente de 3 centímetros de diámetro y 5 milímetros de profundidad, también se utilizó un compartimento con fondo blanco, con un comportamiento cercano aldel blanco de referencia, que nos permite obtener el mínimo de absorción posible. Para ello se utilizó un receptáculo de cartón, con una base de 29,5x21 cm y con laterales de 12 cm paraevitar la acción del viento, cubriendo el fondo con papel blanco.

Figura 8. Placa Petri.

16

3.3. Software

3.3.1. AvaSoft Basic

El Software AvaSoft Basic es el interfaz que permite una visualización gráfica en pantalla de los datos registrados por los radiómetros en tiempo real.

El Software consta de una ventana principal en la que se visualizan los datos a través de un gráfico X, Y; representando la X la longitud de onda y la Y la magnitud registrada.

Los botones del menú principal sirven para conectar y desconectar el análisis espectral, guardar los datos de referencia, de corriente oscura y los datos medidos. También existen en este mismo menú botones que permiten guardar y visualizar en pantalla los datos en diferentes parámetros, pudiendo ser Absorción, Transmitancia, Reflectividad o los datosbrutos reescalando los ejes del gráfico.

El usuario puede definir parámetros de la colección de datostales como el tiempo de integración, la autocorrección de la corriente oscura ó el número de medidas para cada ejemplo. Los datos guardados pueden ser exportados a ASCII, para que puedan ser leídos posteriormente por programas como EXCEL o similares.

17

Figura 9. Interfaz AvaSoft Basic.

3.3.2. SAMS

SAMS (Spectral Analysis and Management System) es un software creado por el Centro de Tecnologías Espaciales y Teledetección del Departamento de Suelos, Aire y Recursos Hídricos de la Universidad de California que permite administrary analizar bases de datos espectrales.

Los archivos espectrales están organizados en Bases de Datos. Cada Base de Datos puede ser administrada como una entidad independientemente y puede tener sus propios metadatos. SAMS se puede usar para crear o abrir Bases de Datos, importar archivos espectrales a Bases de Datos existentes y borrarlas.

Se pueden importar signaturas espectrales, teniendo en cuenta que una signatura espectral es una serie de datos con valores X e Y, siendo la X la longitud de onda y la Y el valor de reflectancia. Al importar los valores SAMS asume que los valores están medidos en nanómetros.SAMS puede identificar varios tipos de archivo a la hora de importar signaturas dentro de una base de datos:

18

ASD (Analytical Spectral Device) GER (Geophisical & Environmental Research Corporation) ASCII ENVI Standard Files (Environment Visualizing Images)

Algunas de las utilidades de SAMS, además de la importación dedatos y creación de bases de datos, son el agrupamiento de signaturas espectrales, la aplicación de filtros de suavizado, pudiendo utilizar filtros comunes como los Savitzky Golay o filtros creados por el usuario. Permite la extracción de datos estadísticos, la visualización en múltiples formatos de la información, cálculo de derivada, corrección de saltos, análisisde los puntos de absorción, extracción de parámetros como el NDVI. La exportación agrupada de todos los espectros de una basede datos en formato ASCII es otra de las capacidades importantesde este Software.

Figura 10. Interfaz SAMS.

3.3.3. Microsoft Office Excel

Microsoft Office Excel es una aplicación para manejar hojas de cálculo. Este programa es desarrollado y distribuido por

19

Microsoft. El programa muestra las celdas organizadas en filas ycolumnas, y cada celda contiene datos o una fórmula, con relativas o absolutas referencias a otras celdas. Excel fue la primera hoja de cálculo que permite al usuario definir la apariencia de las hojas de cálculo (las fuentes, atributos de carácter y apariencia de las celdas). También introdujo recomputación inteligente de celdas, donde celdas dependientes de otra celda que ha sido modificada, se actualizan al instante.Excel tiene una amplia capacidad gráfica y permite a los usuarios realizar la combinación de correspondencia.

Dos de las capacidades de mayor relevancia dentro de Excel para la realización de este trabajo son las Macros y los Gráficos.

Una macro o macroinstrucción es una serie de instrucciones que se almacenan para que se puedan ejecutar de forma secuencialmediante una sola llamada u orden de ejecución. Una macroinstrucción es por tanto una instrucción compleja, formada por otras instrucciones más sencillas. Lo que permite la automatización de tareas repetitivas. Las macros suelen almacenarse en el ámbito del propio programa que las utiliza y se ejecutan a través de un disparador.

Un gráfico es una representación de los datos de una hoja decálculo a través de figuras o líneas que permiten un análisis e interpretación más claros de los mismos. En muchas ocasiones resulta muy útil que la información contenida en un libro de Excel se visualice gráficamente. Excel posee una herramienta quepermite la construcción de gráficos simples y complejos, brindando claridad en el momento de analizar la información. En general la representación gráfica de los datos hace que estos sevean mas interesantes atractivos y fáciles de leer que en otros formatos ya que Excel provee varios tipos de gráficos con lo cual el usuario puede elegir el mas adecuado para cada situación.

3.3.4. SPSS

Statistical Package for the Social Sciences (SPSS) es un programa estadístico informático muy usado en las ciencias

20

sociales. Fue creado en 1968 por Norman H. Nie, C. Hadlai, Hull y Dale H. Bent. Como programa estadístico es muy popular su uso debido a la capacidad de trabajar con bases de datos de gran tamaño. Permite la recodificación de las variables y registros según las necesidades del usuario. El programa consiste en un módulo base y módulos anexos que se han ido actualizando constantemente con nuevos procedimientos estadísticos. El sistema de módulos de SPSS, como los de otros programas provee toda una serie de capacidades adicionales a las existentes en elsistema base. Algunos de los módulos disponibles son:

Modelos de Regresión Modelos Avanzados

Reducción de datos: Permite crear variables sintéticas a partir de variables colineales por medio del Análisis Factorial.

Clasificación: Permite realizar agrupaciones de observaciones o de variables (cluster analysis) mediante tres algoritmos distintos.

Pruebas no paramétricas: Permite realizar distintas pruebas estadísticas especializadas en distribuciones no normales.

Tablas: Permite al usuario dar un formato especial a las salidas de los datos para su uso posterior. Existe una cierta tendencia dentro de los usuarios y de los desarrolladores del software por dejar de lado el sistema original de TABLES para hacer uso más extensivo de las llamadas CUSTOM TABLES.

Tendencias Análisis Conjunto: Permite realizar el análisis de datos

recogidos para este tipo especifico de pruebas estadísticas. Análisis de Valores Perdidos: Regresión simple basada en

imputaciones sobre los valores ausentes. Muestras Complejas: permite trabajar para la creación de

muestras estratificadas, por conglomerados u otros tipos de muestras.

21

Figura 11. SPSS (Dataset & Output).

3.4. Técnicas utilizadas para extracción de parámetros edáficos

Una de las consecuencias ambientales derivadas de un incendioforestal es la modificación de las propiedades fisicoquímicas del suelo. Para evaluar este efecto se han tomado 40 muestras desuelos (de una superficie de 20 x 20 cm), dentro del área de estudio (2200 ha): 20 de ellas afectadas por fuego con una alta severidad (quemadas) y 20 de ellas no perturbadas por el fuego (control). Se han muestreado separadamente las cenizas (C), el horizonte orgánico (O) y los tres primeros centímetros del horizonte A del suelo (0-1 cm, 1-2 cm y 2-3 cm). Se ha determinado la estabilidad estructural de los agregados (%SAS) por tamizado en húmedo, el contenido de Carbono orgánico (Corg) y % de Nitrógeno total (Nt) por combustión seca con el analizador Variomax., los iones solubles y la CE (extracto 1:1),los iones de cambio (AcONH4), además del P asimilable (Olsen) (CETSUS, 2007).

El trabajo de campo para la selección y extracción de la muestras, así como el trabajo de laboratorio para obtener los porcentajes de parámetros edáficos de los suelos muestreados fuerealizado por el grupo de investigación CETSUS y sus datos fueron cedidos para la utilización en es proyecto.

22

3.5. Técnicas utilizadas en espectrometría de campo

Para la correcta toma de medidas radiométricas deberán ser asumidas varias condiciones previas. (1) Deberán existir unas condiciones de iluminación estables durante el proceso, donde exista el mínimo de dispersión atmosférica posible. (2) Se debe estar situado en zonas donde la reflexión de objetos cercanos noafecte, buscando zonas donde no existan árboles o edificios que puedan interferir en las medidas. (3) Se deben realizar las medidas en las horas centrales del día, cuando el Sol se encuentra en la posición más cercana al cenit posible, lo que conlleva que el ángulo de incidencia sea menor con respecto a lanormal.

Este proceso debía estar en concordancia con los horarios administrativos lo que impidió realizar las medidas en una sola jornada y las horas más beneficiosas. Contando con estas condiciones necesarias, las mediciones de campo se realizaron enel Campus de Zaragoza, en una zona sin cobertura vegetal que permitía la incidencia directa de la luz solar; los días 30 de julio y 5 de agosto de 2009.

3.5.1. Condiciones Meteorológicas

Los datos recogidos por la Estación Meteorológica del Aeropuerto de Zaragoza para los días de mediciones de campo se recogen en la Tabla 1.

Tabla 1. Condiciones meteorológicasEstación Meteorológica 81600 (LEZG)

Latitud: 41.66 Longitud: -1.01 UTM HUSO 30N Altitud: 263m.

DÍA30

Julio 5 AgostoTª Media 24.6°C 28.1°CPunto de Rocío Medio 11.2°C 17.8°CTemperatura Máxima 32°C 38°CTemperatura Mínima 19.8°C 22.2°CHumedad relativa media 43% 54 %Visibilidad media 10.3 Km 10.8 Km.

23

Velocidad media del viento24.4Km/h

15.2Km/h

Velocidad máxima sostenida del viento

35.2Km/h

33.5Km/h

Velocidad de ráfagas máximas de viento

48.2Km/h -

Precipitación total de lluvia y/o nieve derretida 0 mm 0 mm.

Además de las condiciones meteorológicas existen otros condicionantes atmosféricos de gran importancia que también se recogieron para esos días, es el caso del nivel de Ozono y del Ángulo de Incidencia.

El nivel de Ozono se mide mediante Unidades Dobson. Recibe sunombre por G.M.B. Dobson, uno de los primeros científicos en investigar el ozono (1920-1960). Diseñó el Espectrómetro Dobson,un instrumento usado para medir el ozono desde el suelo. El espectrómetro Dobson mide la intensidad de la radiación UV solaren cuatro longitudes de onda, dos con absorción de ozono y dos sin ella.

Figura 12. Explicación Unidades Dobson

La ilustración superior muestra una columna de aire, 10º x 5º de área, sobre Labrador, Canadá. El total de ozono en esta columna es medido en Unidades Dobson.

24

Si todo el ozono en la columna fuera comprimido a 0º C y 1 atmosfera de presión, formaría una capa de aproximadamente 3 mm de grosor. Una unidad Dobson, se define como 0.01 mm de grosor en estas condiciones de presión y temperatura, por lo tanto la capa de ozono en el ejemplo sería de 300 Unidades Dobson.

El ángulo de incidencia se define como el ángulo entre el vector incidente y la normal de la superficie y depende directamente de la pendiente del terreno y su orientación, en unterreno llano el ángulo de incidencia es igual al ángulo cenitalsolar. Siendo el ángulo cenital solar complementario al ángulo de elevación.

Figura 13. Ángulo de Incidencia.

Por su parte el ángulo acimutal es el ángulo determinado la proyección la posición del Sol sobre la superficie de la tierra,varia de 0º a 360º y se mide en el sentido de las agujas del reloj, varia a lo largo del año.

Los datos de Ozono, Ángulo de Elevación, Ángulo de Incidencia y Ángulo Acimutal Solar para los días de mediciones están reflejados en la Tabla 2.

Tabla 2. Condiciones Atmosféricas y SolaresDÍA 31 Julio 5 AgostoOzono 300 UD 290 UDÁngulo de Elevación Solar

79,769º 81,383º

Ángulo de Incidencia 10,231º 8,617ºÁngulo Acimutal Solar 114,736º 113,392º

25

3.5.2. Protocolo de actuación en campo

Después de asumir las condiciones previas se procedió a la instalación del instrumental necesario: PC Portátil, baterías, radiómetro…

El radiómetro y la fibra óptica deben estar protegidos del calor y la radiación solar directa durante el mayor tiempo posible, siendo importante ubicarlos en zonas de sombra.

Existen 142 muestras de suelo trituradas, en algunos de los casos la cantidad de material es muy escasa, por lo que fue necesario y muy importante utilizar recipientes pequeños para lamedición y que no hubiese pérdidas por el efecto del viento o por error humano.

Las muestras de suelo se colocan en placas Petri, con lo queera necesaria muy poca cantidad de material para cubrir por completo el fondo y no existiría ninguna interacción creada por los bordes laterales del recipiente, a su vez las placas se colocaron en un receptáculo para evitar la acción del viento, cubriendo el fondo con papel blanco.

Las mediciones se realizaron en tandas de 19 muestras en el siguiente orden:

Día 30 Julio: 1ª Medición: 11:45h 2ª Medición: 12:10h 3ª Medición: 12:43h

Día 5 de Agosto: 1ª Medición: 12:15h 2ª Medición: 12:40h 3ª Medición: 13:00h 4ª Medición: 13:20h

Las condiciones de iluminación de ambos días eran óptimas parala toma de espectros.

26

El protocolo de actuación para la toma de espectros de cada una de las muestras debe seguir un orden predeterminado. En primer lugar se conecta todo el material técnico, el Radiómetro Avantes se conecta al PC portátil mediante una conexión USB doble, una para cada uno de los dos radiómetros internos existentes. Al radiómetro también se conecta la fibra óptica, teniendo a su vez dos conexiones y un punto único de recepción. No es necesario la utilización de ningún tipo de limitador de IFOV, ya que las medidas se toman manualmente y existe la posibilidad de acercar la boca de la fibra óptica a la muestras de referencia todo lo necesario.

A continuación se ejecuta el software Avantes y se procede a la toma de datos. Se coloca el blanco de referencia en el mismo lugar donde se procede a tomar los espectros de los diferentes suelos, asegurando que se encuentre en las mismas condiciones deiluminación. Se coloca la fibra óptica sobre el blanco de referencia, se obtiene el tiempo de integración, o tiempo en queel detector se encuentra expuesto a la luz entrante. Es importante buscar el valor más elevado posible para evitar la señal ratio-ruido sea elevada pero sin llegar a la saturación.

En el siguiente paso se procede a medir la corriente oscura, señal eléctrica generada por los primeros 24 píxeles del espectrómetro, por la temperatura ambiente y por la batería y que no responde a la luz. Para ello se toma una medida con la fibra óptica no expuesta a la luz, esta medida se sustrae automáticamente al espectro de medidas posteriores.

Posteriormente se obtiene el espectro de referencia, para ellose mide de nuevo sobre el blanco de referencia, asumiendo las mismas condiciones existentes en la toma de datos de las muestras, misma distancia desde la fibra óptica, mismas condiciones de iluminación.

Se debe seleccionar en el software la opción que nos permita obtener los datos de Reflectividad, ya que estos son los datos con los que se trabaja posteriormente y así se ahorra un paso enlas técnicas de post-procesamiento.

27

Una vez obtenidos estos parámetros se pasa a la medición de cada una de las muestras; para ello se sitúa la fibra óptica, enposición completamente vertical, sobre la muestra y al mismo tiempo, cuando el espectro que aparece en la pantalla del ordenador es estable y representativo, se realiza la grabación. Para todas las mediciones, la distancia desde la fibra óptica alobjeto de referencia debe ser la misma. Para cada muestra se obtienen dos archivos, un archivo para cada uno de los sensores del radiómetro, a cada uno de estos archivos se les nombra con el número de muestra correspondiente, desde 1 hasta 143.

3.5.3. Almacenamiento y pre-procesamiento de datos

Es importante que el almacenamiento de las firmas espectrales siga un proceso determinado con anterioridad, que evite problemas y confusiones posteriores. Así es conveniente crear una carpeta nueva dentro del Software Avantes, en esta carpeta se guardan todos los archivos que son autodenominados por el propio software. Al almacenar los espectros se puede otorgar una nomenclatura a estos, pero estos nombres se encuentran dentro de los archivos de cabecera. A su vez se crearan, fuera del software Avantes, nuevas carpetas cuyo nombrees determinado por la fecha y número de ronda correspondiente.

Figura 14. Almacenamiento de archivos

Una vez obtenidas las 19 firmas espectrales de cada ronda seprocede, de nuevo, a la obtención de la firma espectral de la corriente oscura, ya que pueden existir diferencias entre los datos de corriente oscura iniciales y finales, principalmente

28

por el calentamiento de las herramientas, fibra óptica y radiómetro. Cuando se acaba cada ronda de mediciones y debido a las alteraciones que se pueden crear por el calentamiento del material técnico es muy conveniente que este se coloque en un lugar protegido de la luz solar directa.

Se obtienen 40 archivos de firmas espectrales, una de cada una de las 19 muestras además de los 2 de corriente oscura por cada uno de los 2 radiómetros. Para facilitar acciones en el post-proceso lo primero que se debe hacer es convertir los ficheros Avantes en archivos .ttt de la siguiente forma:

Figura 15. Convertir ficheros a ASCII

Posteriormente se accede a la carpeta donde Avantes almacenaestos archivos y se cortan para guardarlos en la carpeta con la fecha y número de ronda correspondiente. La colección de datos que se genera estará formada por:

Archivos.DRK Archivos.REF Archivos.TCM Archivos.TRM Archivos.ttt

29

Figura 16. Colección de archivos

Los primeros cuatro tipos de archivos permiten visualizar de nuevo mediante el software Avantes los datos medidos, mientras que los archivos .ttt son los que permiten transformar la información a .txt facilitando el trabajo en el post-procesamiento.

3.6. Post-procesamiento

Las técnicas de post-procesamiento de la información medida permiten obtener una colección de datos uniforme. Se puede eliminar la información distorsionada o defectuosa y realizar los primeros análisis.

El primer paso a realizar es transformar los archivos .ttt enarchivos de texto .txt separados por tabulaciones. Para ello se importan los archivos a Excel utilizando el asistente para importación de texto. Para importar los datos mediante el asistente se deben seguir los siguientes pasos:

Seleccionar Tipo de datos: Delimitados.

30

Separados por: Tabulación y/o Punto y coma.

Formato de los datos en columnas: General Configuración avanzada, Valores predeterminados para reconocer

datos numéricos, separador decimal: Punto (.), separador de miles: Coma (,):

31

Archivo resultante:

Cada una de las medidas sobre las muestras da como resultadodos colecciones de datos, una por radiómetro. En el siguiente paso se deberán unir en un mismo archivo los resultados de las mediciones de los radiómetros. Para ello es necesario realizar un Cortar/Pegar con los datos correspondientes. En la preparación previa de los datos en campo se otorgaron nombres consecutivos, lo que ahora facilita la tarea de identificación.

La medida de los dos radiómetros tiene una zona de solapamiento donde se encuentran medidas de ambos radiómetros para la misma longitud de onda, además existen diferencias en los valores de reflectividad en uno y otro radiómetro, definido como error sistemático de sincronización (se refleja en la diferente cantidad de energía que recoge uno u otro para mismo tipo de cubierta). Para solucionar estos problemas se realizan los siguientes pasos:

32

Eliminar las filas con valores del radiómetro del VIS/NIR a partir del punto de solapamiento con el radiómetro del SWIR, este punto se corresponde con la longitud de onda de 951 nm.

El resultado obtenido son unos valores continuos de longitud de onda, sin que exista un solapamiento entre los radiómetros, este paso se realiza tanto para las 19 muestras como para la medida de corriente oscura de cada una de las sietetandas.

Guardar los resultados como archivos Excel, con la extensión.xls.

A continuación, previo a cualquier procesamiento, transformación o suavizado de los datos de reflectividad, se realiza la sustracción de los picos de corriente oscura. Para ello, se resta a la columna de reflectividad los valores de corriente oscura obtenidos en la tanda correspondiente, como se han procesado de igual forma todos los archivos, las columnas tienen el mismo diseño por lo que los pasos a seguir son sencillos.

Copiar la columna del archivo de corriente oscura en los archivos de reflectividad y realizar una resta, obteniendo una columna nueva en la que habremos suavizado los efectos que provocan, principalmente, el calor y la distorsión de la fibra óptica. Esta columna será con la que se siga trabajando y en la que se debe eliminar el error sistemático de sincronización entre ambos radiómetros.

El radiómetro del VIS/NIR comienza a tener problemas de ruido a partir de la longitud de onda del 930 aproximadamente, así, se debe obtener una media de la reflectividad correspondiente a las longitudes de onda entre 926,98 nm y 928,65 nm. Este valor obtenido se resta a la reflectividad del primer valor del radiómetro SWIR, (951 nm), y el resultado de esta resta se sustrae sistemáticamente a todo el resto de valores del SWIR.

33

El siguiente paso es rellenar los datos de reflectividad en la zona de solapamiento, entre las longitudes de onda de 928,98 nm y de 951 nm, evitando así los saltos que pueden producirse. Para ello rellenaremos mediante una serie de tipo lineal con incremento definido por la tendencia.

El resultado es una nueva columna de reflectividad con valores continuos en la que los saltos producidos por el solapamiento entre los dos radiómetros están suavizados. A partir de este momento sólo son necesarios los datos de esta nueva columna, además de los datos de longitud de onda. Estas dos columnas se copian en nuevos archivos que se guardan como archivos de texto delimitados por tabulaciones, lo que permite una posterior importación a SAMS.

Al realizar un primer examen de los datos resultantes se pueden observar datos que indiquen errores en la medición o errores que proceden de los instrumentos de medida. Un ejemplo claro de ello son los valores de reflectividad negativa, lo cuales físicamente imposible. Al realizar el análisis pormenorizado de las longitudes de onda donde se producen estos errores se puede observar que las zonas afectadas por dichos errores son las longitudes de onda que se encuentran en los extremos de las mediciones, las longitudes de onda más cortas y más largas que registran los radiómetros, donde la ratio señal ruido es muy elevada. Así se procederá a eliminar los valores que se corresponden con estas regiones del espectro.

Los mayores problemas se sitúan en las longitudes de onda inferiores a los 350 y superiores a los 1800 nm, por lo tanto seeliminarán estos datos. El resultado permitirá realizar el trabajo en la región del espectro que abarca desde 350,57 nm hasta los 1798,07 nm.

Todo este proceso puede realizarse individualmente, archivo por archivo, y manualmente; pero con el fin de agilizar el proceso es posible diseñar Macros de Excel que hacen que este sea un proceso mecánico y ágil.

Las macros son grupos de instrucciones, que tienen un seguimiento cronológico, usadas para economizar tareas. Una

34

macro no es más que un conjunto de instrucciones tales como «borrar archivo», «copiar», etc., y que se almacenan en una ubicación especial por ejemplo en Microsoft Excel. Una macro en Excel trabajando para una hoja podría ser un archivo que al llamarse desde otra instrucción: copiara los registros de una fila, luego pegara ciertos registros en otras hojas y guardase el archivo en un formato determinado, entre otras cosas.

Una vez preparados los archivos para poder trabajar con ellosen SAMS se procede a ejecutar este software. Para importar los datos a SAMS se debe crear una nueva Database e importar a esta los archivos .txt creados en el paso anterior. Se pueden importar todos los archivos al unísono ahorrando así tiempo de ejecución. Una vez importados se puede visualizar la gráfica de los diferentes espectros.

SAMS es un software de análisis y tratamiento de datos espectrales que permite la aplicación de filtros de suavizado y la posterior exportación de los datos resultantes entre otras opciones. En nuestra investigación este software será utilizado para la previsualización de los espectros, identificación de errores, aplicación de filtros de suavizado y finalmente la exportación de todos los datos en un único archivo.

La nomenclatura utilizada debe ser clara y concisa para evitar errores, también es importante tener todos los archivos aimportar en una misma carpeta, ya que para importar todos los archivos al mismo tiempo deberemos importar el directorio completo. Al importar el directorio completo aparecerán dentro del campo de datos importados todos los archivos y se puede ver su curva espectral. A continuación, seleccionando todos los archivos, se procede a la suavización mediante filtros espectrales, en esta ocasión se ha usado un filtro Saviztky Golay 2, 25, 25. El filtro Saviztky Golay se basa en la ecuaciónpolinomial, en este caso concreto, la ecuación polinomial es de orden 2 y tiene en cuenta 25 puntos a cada lado del determinado.El filtro se aplica a toda la serie obteniendo un suavizado de la imagen que permite una visión más real de la curva espectral de cada elemento o muestra.

35

La revisión visual de las curvas espectrales permite descubrir a partir de que valores los ratios se señal ruido son amplios, indicando las longitudes de onda sobre las que se podrátrabajar. También permite descubrir errores en la toma de datos y fallos inherentes a la precisión del instrumental utilizado, como las longitudes de onda donde se producen picos debidos a laoscilación de los valores de corriente oscura.

Una vez identificados los puntos problemáticos y realizado elsuavizado de los datos mediante el uso de filtros se procede a la exportación de los archivos. Para poder trabajar con los datos en hojas de cálculo y programas estadísticos exportaremos estos en formato ASCII. A lo largo de todo el proceso es muy importante que la nomenclatura ayude a la identificación de archivos, así este archivo se denomina fromsams y no tiene ninguna extensión.

3.7. Tratamiento Estadístico

El fichero fromsams con todos los datos tratados en SAMS se abrirá con SPSS. Al ser un fichero en formato ASCII es necesariousar el asistente para poder dar formato a la información. El asistente para la importación de archivos en formato de texto esun interfaz de muy sencillo manejo. Hay que aportar una serie deinformación en cada uno de los pasos, definiendo los separadores, informando a cerca de si los nombres de la variables están incluidos en la primera línea de información, estableciendo desde que fila queremos realizar la importación y definiendo los nombres para las diferentes variables (Figura 17).

Una vez abierto el archivo fromsams en SPSS el resultado seráuna tabla en la cual existen 143 columnas, una por cada una de las muestras y otra que se corresponde con las longitudes de onda, se guardará este archivo con el nombre de fromsams.sav.

Para los procesos estadísticos complejos que se pretende realizar es necesario transponer los valores, el objetivo es obtener un archivo en el que las diferentes variables o columnas

36

tengan como valor cada una de las longitudes de onda y cada filase corresponda con cada una de las muestras. Para realizar este proceso hay que seleccionar Data>Transposse dentro del menú principal. Este archivo se guardará como transposse.sav y consta de1286 variables y 144 filas. A pesar de la creación de este nuevoarchivo también se trabajará con el archivo fromsams.sav para la obtención de algunos resultados.

Para una mayor eficiencia en el trabajo es importante que losnombres de las variables sean las longitudes de onda, la opción de introducir 1286 variables manualmente hace que se ralentice en demasía el proceso, por lo cual se puede optar a una segunda opción que permite agilizar el proceso. Esta opción se basa en los procesos de importación de textos realizados anteriormente.

Se procede a guardar del archivo a formato de texto delimitado por tabulaciones, este archivo se abre con Excel mediante el importador de textos de la propia hoja de cálculos, una vez abierto se eliminará la primera fila, esta fila contieneúnicamente los nombres aleatorios que reciben las variables al ser transpuestas en SPSS. Una vez eliminada esta fila se guarda el archivo, de nuevo, como archivo de texto delimitado por tabulaciones.

37

Figura 17. Importación de textos a SPSS.

Cuando se abre este archivo con el importador de textos de SPSS se selecciona la opción en la que se indica que la primera fila de datos se corresponde con el nombre de las variables, finalmente obtendremos el formato deseado, que se guarda con el nombre de basedatos.sav. Sobre este archivo se deben añadir nuevascolumnas procedentes del archivo Excel DatosZuera.xls, facilitado por el grupo CETSUS, en el que se detallan las principales

38

propiedades edafológicas y otras características de cada una de las muestras.

Suelos quemados o control. Profundidad de la muestra (1, 2 ó 3 cm, suelos orgánicos ó

cenizas). Porcentaje de materia orgánica. Porcentaje de Carbono Total. Porcentaje de Carbono Inorgánico. Porcentaje de Carbonato Cálcico. Porcentaje de Nitrógeno.

Para añadir estas nuevas columnas se realiza un Copiar/Pegar desde el archivo Excel al archivo SPSS, lo que permite realizar análisis estadísticos complejos como la Correlación Bivariable ola Regresión Múltiple. Estos procesos llevan a la creación de dos archivos básicos sobre los que desarrollaremos las operaciones necesarias en la búsqueda de resultados:

Fromsams.sav Basedatos.sav

Debido al gran volumen de información con que se trabaja es una buena decisión englobar los datos y reducir, no la base de datos, que seguirá siendo igual (no se perderá nada de información), sino el volumen de datos con que se pretende realizar procesos estadísticos. Así crearemos nuevas variables dentro del archivo basedatos.sav que agrupen la reflectividad en distintas grupos de longitud de onda. Agruparemos, en primer lugar, mediante la media de la reflectividad, creando grupos de 50nm:

350-400nm 400-450nm … 1750-1800nm

En segundo lugar agruparemos, también mediante la media de la Reflectividad, los parámetros puros del espectro electromagnético, correspondientes a esta región espectral.

39

Azul, 400-500nm. Verde, 500-600nm. Rojo, 600-700nm. NIR (Infrarrojo Próximo), 700-1300nm. SWIR (Infrarrojo Medio), 1300-1800nm.

Por último también se agruparán los valores mediante la media de reflectividad de las longitudes de onda que se corresponden con las bandas del sensor TM del satélite Landsat.

Banda 1, 450-520nm. Banda 2, 520-600nm. Banda 3, 630-690nm. Banda 4, 760-900nm. Banda 5, 1550-1750nm.

3.7.1. Gráficos de propiedades espectrales

Mediante el archivo Fromsams.sav se realizarán las operacionesnecesarias para la obtención de la curva espectral característica de suelos quemados y realizar comparativas entre esta y la curva espectral de suelos control, además de comparar entre sí las curvas espectrales de las muestras a diferentes profundidades, los horizontes orgánicos y las cenizas.

Para ello obtendremos nuevas columnas en las que los valores que se representan serán determinados como los valores medios para cada longitud de onda registrada de:

Muestras de todos los suelos quemados. Muestras de todos los suelos control. Muestras de 1cm de profundidad de suelos quemados. Muestras de 2cm de profundidad de suelos quemados. Muestras de 3cm de profundidad de suelos quemados. Muestras de 1cm de profundidad de suelos control. Muestras de 2cm de profundidad de suelos control. Muestras de 3cm de profundidad de suelos control. Muestras de horizontes orgánicos. Muestras de cenizas.

40

A continuación se exportan estos datos a una Hoja de Cálculo yse guarda el archivo como curvaespectral.xls para proceder a la creación de gráficos de dispersión combinando las variables que interesen. Es interesante comparar aquellos datos que tengas puntos en común:

Medias de todas muestras de suelos quemados y control. Medias de los suelos quemados o control a diferentes

profundidades, 1, 2 y 3 cm y de la media total. Medias de las muestras obtenidas a la misma profundidad en

suelos quemados y control y de las medias totales correspondientes.

Medias de los horizontes orgánicos y las cenizas con las medias totales de suelos quemados y control.

Estos son gráficos de dispersión lineales con valores entre 0 y 100 de reflectividad en el eje de las “Y” y entre 350nm y 1800nm en el eje de las “X” correspondientes a la longitud de onda. Como resultado se obtienen una serie de gráficos que representandiferencias y semejanzas entre curvas espectrales a partir de locual se obtendrán los primeros resultados de la investigación.

Se busca, además de la representación de curvas espectrales, la aplicación de otras técnicas estadísticas que puedan aportar nueva información a cerca de las variaciones que pueden ser detectadas mediante radiometría de campo. Para ello se vuelve a trabajar con el archivo basedatos.sav.

3.7.2. Correlación Bivarialble Pearson

Como ya se mencionó anteriormente basedatos.sav es un archivo en el que cada longitud de onda registrada por los radiómetros se corresponde con una variable o columna, posteriormente se añadieron como variables nuevas las propiedades edafológicas de las muestras. Los casos o filas existentes se corresponden con las 143 muestras de suelo con que trabajamos.

En primer lugar se pretende establecer la relación existente, si es que la hubiese, entre los valores de reflectividad de las diferentes longitudes de onda y las variables edafológicas registradas, para ello obtendremos las tablas de correlación. La

41

correlación nos permite analizar la asociación entre dos variables. En probabilidad y estadística, la correlación indica la fuerza y la dirección de una relación lineal entre dos variables aleatorias. Se considera que dos variables cuantitativas están correlacionadas cuando los valores de una deellas varían sistemáticamente con respecto a los valores homónimos de la otra: si tenemos dos variables (A y B) existe correlación si al aumentar los valores de A, los de B también aumenta o disminuyen pero en la misma relación. Existen varios tipos de coeficientes de correlación, en este caso se trabajará con el Coeficiente de Correlación de Pearson.

El coeficiente de correlación de Pearson es un índice estadístico que mide la relación lineal entre dos variables cuantitativas. A diferencia de la covarianza, la correlación de Pearson es independiente de la escala de medida de las variables. El cálculo del coeficiente de correlación lineal se realiza dividiendo la covarianza por el producto de las desviaciones estándar de ambas variables:

Ecuación 1. Correlación de Pearson

Siendo: σXY la covarianza de (X,Y) y σX y σY las desviaciones típicas de las distribuciones marginales.

El valor del índice de correlación varía en el intervalo [-1, +1]:

Si r = 0, no existe relación lineal. Pero esto no necesariamente implica una independencia total entre las dos variables, es decir, que la variación de una de ellas puede influir en el valor que pueda tomar la otra. Pudiendo haber relaciones no lineales entre las dos variables. Estas pueden calcularse con la razón de correlación.

Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia total entre las dos variables denominada relación directa: cuando una de ellas aumenta, la otra también lo hace en idéntica proporción.

42

Si 0 < r < 1, existe una correlación positiva. Si r = -1, existe una correlación negativa perfecta. El índice

indica una dependencia total entre las dos variables llamada relación inversa: cuando una de ellas aumenta, la otra disminuye en idéntica proporción.

Si -1 < r < 0, existe una correlación negativa.

En el Menú Principal de SPSS, dentro del módulo Analyze se encuentra la función de Correlate, a partir de la cual se llega al cuadro de diálogo de Correlate Bivarable.

Figura 18. Correlación Bivariable.

En el cuadro de diálogo abierto se especifica que el Coeficiente de Correlación a aplicar sea el de Pearson y se introducen los valores sobre los cuales queremos obtener esta relación. Lo que se pretende es obtener la relación entre cada longitud de onda y los valores porcentuales de Materia Orgánica,Carbono Total, Carbono Inorgánico, Carbonato Cálcico, Nitrógeno y la Profundidad. Al ser un número muy elevado de variables deberá realizarse agrupándolas, pero siempre se deben mantener las propiedades edáficas, el resultado obtenido es una serie de cuadros de relación en el Output de SPSS.

Para poder trabajar de una forma más ágil y poder visualizarlos datos más fácilmente se procede a exportar este archivo Output a formato Excel. Este último permite abrir el total de datos de los cuadros resultantes en un solo archivo Excel. Existe una gran cantidad de datos, pero muchos de ellos, como el

43

coeficiente de correlación entre las variables edáficas, están repetidos continuamente. Tras proceder a ordenar los datos de diversas formas se pueden eliminar todas las columnas y filas que no son necesarias y, volviendo a ordenar el total del archivo se obtiene una tabla en la que se representan el Coeficiente de Correlación de Pearson para cada una de las longitudes de onda con cada una de la variables edáficas mencionadas anteriormente. Mediante este archivo se identifican que rangos de longitud de onda tienes una correlación más alta con las diferentes variables edáficas y cuales son las variablesque se correlación con la reflectividad de los suelos, este archivo se guardará tanto en formato Excel corr_bivariable.xls, como en formato SPSS corr_bivariable.sav.

Los resultados de estas operaciones muestran las bandas que tienen un mayor índice de relación con las diferentes propiedades edafológicas y que propiedades edafológicas están relacionadas con la reflectividad del suelo.

3.7.3. Regresión Múltiple

Una vez obtenidas mediante la correlación bivariable las bandas más significativas, las que tienen un mayor alto índice de relación con los parámetros edáficos, se pasa al estudio de la relación que se establece entre estas variables con cada una de las variables edáficas utilizando para ello la técnica estadística de la Regresión Múltiple. Mediante la Regresión Múltiple se pretende explicar el comportamiento de una variable,a la que se denomina dependiente. Para ello es necesaria la utilización de múltiples variables independientes. El supuesto básico de la Regresión Múltiple es la existencia de una relaciónentre las variables independientes y la variable dependiente. Seexpresa de la forma:

Ecuación 2. Regresión Múltiple.

Donde εi representa el error que se comete al intentar aproximarse al valor Yi mediante la función. Este error viene

44

originado por el hecho de que no existe una relación funcional entre las variables independientes y la dependiente.

Calcular la ecuación de regresión supone calcular cuál es la ecuación del plano que mejor se ajusta a la nube de puntos. Partiendo del supuesto de que hay una relación entre las variables independientes y la variable dependiente el proceso general lleva al cálculo de la ecuación de regresión, la ecuación del plano que mejor se ajusta a la nube de puntos de los datos en estudio. . En caso de obtener unos valores de R² corregida superiores a 0,7 se procederá a la aplicación del modelo.

Para la obtención de la Regresión Múltiple se trabaja de nuevo con SPSS sobre el archivo basedatos.sav. En Analyze, dentro del Menú Principal se encuentra la función de Regression y dentro de esta se selecciona Linear. Se abre un cuadro de dialogo en el que se define la variable dependiente y las variables independientes. También se define el método a utilizar, que estecaso será el Stepwise.

Figura 19. Regresión Múltiple.

Dentro de la opción Statistics se seleccionan todos los datos estadísticos que pueden interesar en la creación del modelo.

45

Figura 20. Statistics.

Se obtienen datos correspondientes a:

Estadísticas Descriptivas; Media, Desviación Estándar y Númerode Casos.

Correlación Bivariable; Pearson, Sig y N. Variables utilizadas y eliminadas. Resumen del Modelo; R, R², R² corregida, Error Estándar de

Estimación, para cada uno de los Modelos creados. Datos del Análisis de la Varianza; Suma de cuadrados, Grados

de libertad Cuadrados medio y F para los datos de Regresión y del Residual.

Coeficientes; Coeficientes no estandarizados (B y Error Típico), Coeficientes Estandarizados (Beta), Intervalos de confianza para B al 95%... para cada uno de los Modelos.

En el Análisis de Regresión Múltiple se trabajará con diferentes grupos de datos. Entre los datos con los que se cuenta existen dos grupos principales, los datos de suelos quemados y los datos de suelos control, que se trabajarán tanto por separado como unidos. Además siempre se realizará una selección de un porcentaje de los casos (70-30%), para poder establecer los grupos de Training y Test, o grupos de análisis yde comparación de resultados respectivamente. En caso de obtenerunos valores de R² corregida superiores a 0,7 se procederá a la aplicación del modelo.

4. RESULTADOS

El trabajo de laboratorio sobre las muestras de suelo gestionado por el grupo de investigación CETSUS da unos

46

resultados previos a tener en cuenta en este proyecto que también serán útiles para el análisis de los resultados de la investigación propia.

El fuego forestal aporta una gruesa capa de cenizas que favorece el incremento significativo del C orgánico (55%) y el Ntotal (43%) en el horizonte orgánico O sin afectar significativamente al horizonte A. La CE, los iones solubles (Ca, Mg y K) así como el fósforo asimilable y el potasio de cambio aumentan significativamente en el primer cm del horizonteA.

El elevado nivel orgánico de todas las muestras favorece que la estabilidad estructural de los agregados presente en todos los casos, valores muy altos (82-92%) y que este parámetro no sevea afectado ni por el fuego ni por la profundidad.

4.1. Descripción de propiedades espectrales

Como se ha comentado anteriormente uno de los objetivos de esta investigación se centra en la descripción de las propiedades espectrales observadas mediante las mediciones de las diferentes muestras de suelo de que se ha dispuesto.

Para ello se crea un archivo en Excel del que se extraen unosgráficos de dispersión lineal que facilitan la visualización de la información. Estos gráficos comparan las curvas espectrales de muestras con cualidades físicas diferenciadoras, suelos quemados y control, profundidad, cenizas o horizontes orgánicos.

Para una visualización más realista ha sido necesaria una corrección importante. Durante el proceso de toma de medidas surgieron problemas con la oscilación continúa de la corriente oscura, se realizaron pasos para intentar solucionar el problema, pero en la mayoría de los registros no han podido ser solucionados mediante las técnicas propias de radiometría en campo. La solución en radiometría de campo hubiese sido la obtención de una medida de corriente oscura para cada medición, lo cual significaría un retraso muy importante en las medicionesy en el post-procesamiento de la información espectral.

47

Este error de oscilación de la corriente oscura se produce debido al calentamiento de la fibra óptica, herramienta que era absolutamente necesaria en la toma de mediciones en campo. La solución inicial fue la toma de medida de corriente oscura en cada ronda de mediciones, un periodo de tiempo que no excedía enningún caso los 3 minutos, pero la variación de los datos desde las medidas iniciales a las medidas finales provocó la ineficiencia del método.

Afortunadamente este error produce picos de valores de reflectividad únicamente en la región del espectro comprendida entre las longitudes de onda de los 1200 y 1480 nm. Se puede optar, principalmente por dos soluciones en el post-procesamiento: la supresión de los valores de reflectividad paraestas longitudes de onda ó la sustitución de los valores erróneos por una serie lineal con valores incrementales que unanlos límites de la zona problemática. Este segundo método permiteque los gráficos resultantes sean más estéticos, por lo tanto seopta por recurrir al uso de relleno mediante series lineales para la descripción de las propiedades espectrales de los diferentes tipos de suelos.

48

Figura 21. Gráfico reflectividad media de suelos control y quemados.

En la Figura 21 se representan las medias de reflectividad delos suelos quemados y de los suelos control. Como se puede apreciar la principal característica diferenciadora entre la curva espectral de los suelos quemados y los suelos control es que los suelos quemados tienen valores de reflectividad menores que los suelos control, lo que indica una mayor absorción de energía radiante. Sin embargo la estructura lineal de la curva es muy similar en ambos tipos de suelo, observándose los picos de reflectividad, ya sean ascendentes o descendentes, en las mismas longitudes de onda.

En los rangos de onda inferiores a los 400 nm, en la región Ultravioleta pero muy próxima al rango del espectro visible, la diferencia de reflectividad media es muy baja, estando por debajo de 2 puntos, con valores alrededor del 10%. En ambas curvas, a medida que aumenta la longitud de onda aumenta los valores de reflectividad y a su vez la diferencia entre los valores de cada una sigue una tendencia creciente aunque suave. En la región del espectro correspondiente al azul, el crecimiento de la diferencia es de un 1%, pasando de 2 puntos a 3 con valores de 11 a 13% para suelos quemados y 13 a 16% en suelos control. Gradual y sucesivamente sucede lo mismo en las longitudes de onda correspondientes al verde (500-600 nm) y al rojo (600-700 nm). La diferencia entre la reflectividad de los suelos quemados y los suelos control aumentan linealmente en toda la región del espectro visible. La diferencia es de 3 puntos en los 500 nm, de casi un 5% en los 600 y de casi 7 puntos en los 700 nm. Esta tendencia es similar en el rango espectral del Infrarrojo Próximo (NIR) hasta los 900 nm. Hasta los 900 nm existe un crecimiento lineal, tanto para la reflectividad en suelos quemados que pasa de un 9% de reflectividad en los 350 nm hasta el 36% en los 900 con un crecimiento aproximado de 0,5 puntos cada 10 nm, como en la reflectividad en suelos control que pasa del 11 al 46%, con un crecimiento aproximado de 0,63 puntos cada 10 nanómetros. La diferencia entre la reflectividad pasa de un 2% a un 10% de una forma lineal. A partir de los 900 nanómetros y hasta los 1200 los valores de reflectividad de los dos tipos de suelos son totalmente paralelos, moviéndose en una diferencia de 10 puntos.

49

El crecimiento sufre una muy ligera recesión, pasando de 45 a 53% para los suelos control y de un 36 a un 44% en los suelos quemados. Así crecerá de manera similar para ambos tipos de suelo, aumentando algo más de 0,25 puntos cada 10 nanómetros. Entre los 1200 y los 1600 nm las curvas dejan de ser paralelas para disminuir la diferencia, así el crecimiento lineal en la reflectividad media para suelos control se ralentiza, pasando de53 a 57% en mayor medida que para los suelos quemados, donde pasa de 44 a 50%. A partir de los 1600 nanómetros existe un crecimiento repuntado en ambos tipos suelo, siendo más acentuadopara los suelos control y llegando a los máximos de reflectividad, con valores de 60% en suelos control y 52% en suelos quemados en los 1675 nanómetros. Desde este punto álgido hasta las longitudes de onda más altas del espectro (dentro de la región medida) hay un fuerte descenso de aproximadamente 20 puntos porcentuales para ambos tipos de suelos.

En definitiva podemos definir 5 regiones con comportamientos diferenciados: (1) Hasta los 900 nanómetros, crecimiento lineal diferenciado, siendo mayor para los registros de suelos control.(2) Desde los 900 hasta los 1200 nm un crecimiento más suavizadopero paralelo para ambas líneas. (3) De los 1200 hasta los 1600 una aproximación entre ambas líneas. (4) Finalmente un repunte cerca de los 1700 nanómetros. (5) Desde los 1700 hasta los 1800 nm una fuerte caída en los valores de reflectividad.

50

Figura 22. Gráfico reflectividad de suelos quemados a diferenteprofundidad.

En la Figura 22 se plasman las curvas espectrales en valoresde reflectividad de los suelos quemados divididos en tres grupos, las muestras tomadas a una profundidad de 1 cm, de 2 cm y de 3 cm. Como se puede observar las curvas tienen una figura muy similar, son muy paralelas entre sí. Se establecen las mismas divisiones en tramos, por comportamientos similares, que en los datos de reflectividad de las medias. El gráfico indica que a más profundidad mayor porcentaje de reflectividad, así lasmuestras obtenidas a 1 cm de profundidad tienen valores inferiores a las de 2 cm, una media de 7 puntos porcentuales. Por su parte las muestras obtenidas a 3 cm son las que tienen valores más altos de reflectividad con una diferencia de aproximadamente 5 puntos sobre los datos de muestras de los 2 cmde profundidad.

51

Figura 23. Gráfico reflectividad de suelos control a diferenteprofundidad

Al igual que la gráfica de las curvas espectrales de suelos quemados a diferentes profundidades, ahora se analiza y describelas curvas espectrales de suelos control a 1, 2 y 3 centímetros de profundidad. La tendencia y el comportamiento lineal siguen siendo similares, sin prácticamente variaciones, con la linealidad de los ejemplos anteriores. Se mantienen los mismos comportamientos a lo largo del espectro que en los gráficos de la medias o de los suelos quemados. Pero en este gráfico (Figura23) llama poderosamente la atención la similitud, de los datos de muestras de 2 y 3 cm de profundidad, en este caso, no existe ninguna diferencia destacable entre el comportamiento de una curva y de otra. Por otro lado, también se puede comprobar, comola curva espectral de los datos de 1 cm de profundidad tienen una reflectividad menor que los datos obtenidos a 2 y 3 centímetros. Comportándose de un modo similar a los datos de suelos quemados.

52

Figura 24. Gráfico reflectividad de suelos quemados y control a 1cm ymedias

Del conjunto de datos que se utilizan en este estudio, se ha decidido realizar una comparación entre las curvas espectrales de suelos quemados y control a cada una de las profundidades, con la superposición de las curvas de reflectividad media de ambos.

El gráfico de la Figura 24 nos muestra las curvas de suelos quemados y control a 1 cm de profundidad. Como se podría intuir por los gráficos anteriores los datos son muy similares a estos.Así, la diferencia entre suelos quemados y control a 1 cm de profundidad son muy similares a las diferencias entre las medias. Aún así se puede distinguir que los suelos quemados tienen una absorción de energía incidente mayor, con respecto a la curva de reflectancia de las medias totales, que los suelos control. La curva espectral de los suelos quemados a 1 cm de profundidad es una media de 5 puntos inferior a la curva de la media, por su parte esta diferencia es de 2 puntos en suelos control. El resto de información de este gráfico muestra la similitud entre el primer centímetro de suelos quemados y la media de los tres centímetros totales.

53

Figura 25. Gráfico reflectividad de suelos quemados y control a 2cm ymedias.

En la Figura 25 se revisa la reflectividad de las muestras recogidas a 2 cm de profundidad con la curva espectral de las medias. Se observa una tendencia muy similar a la del gráfico anterior, pero con una significativa diferencia; las curvas espectrales de las muestras de suelos quemados y control a 2 cm de profundidad tienen una reflectividad más alta a la de los valores medios. Al igual que en el caso anterior, la diferenciamedia entre la reflectividad de las medias de los suelos quemados y las reflectividad de las muestras a 2 cm de profundidad de suelos quemados es mayor que en el caso de los suelos control, siendo de 5 puntos para los quemados y 3 para los control.

54

Figura 26. Gráfico reflectividad de suelos quemados y control a 3cm ymedias

En la Figura 26 se representan las muestras de quemados y control a 3 cm de profundidad con los datos medios totales. En este gráfico se observa, como nota distintiva, con respecto al resto, que la reflectividad de los suelos a una profundidad de 3cm es superior a la curva espectral de la reflectividad media independientemente de tratarse de suelos quemados o control. Junto con esta información, se encuentra otra de gran relevancia; la curva espectral de suelos quemados a 3 cm de profundidad es muy similar a la de la media de los suelos control. También se puede destacar que la diferencia media con respecto a las medias es mayor que en suelos tomados a menor profundidad, siendo en este caso de 10 puntos en los suelos quemados y de 5 en los suelos control.

55

Figura 27. Reflectividad media de horizontes orgánicos y cenizas ysuelos quemados y control.

El último gráfico a estudio está formado por las curvas espectrales de las medias de suelos quemados y suelos control, cenizas y horizontes orgánicos. En este gráfico se puede observar como los horizontes orgánicos tienen una reflectividad mucho menor que las medias. Siendo los valores medios de esta diferencia crecientes hasta los 900 nanómetros, con unos valoresde diferencia que van desde los 2 puntos con respecto a los suelos quemados y los 5 en control en las longitudes de onda másbajas, para alcanzar los 16 y 25 puntos respectivamente a medidaque se acerca a los 900 nanómetros. Posteriormente esta diferencia se estabiliza aunque continúa en creciendo hasta alcanzar los máximos de 20 y 30 puntos en las longitudes de ondaalrededor de los 1200 nanómetros.

Con respecto a las cenizas se puede observar como el comportamiento de éstas es totalmente diferente al de los suelospropiamente dichos. Tiene una reflectividad mucho menor en el visible, sobre todo en las regiones del azul y el verde, para aumentar más fuertemente entre el rojo y la primera región del NIR, hasta los 900 nanómetros. En este punto la curva se

56

comporta de una forma similar, superponiéndose a la curva espectral de los suelos quemados hasta los 1400 nanómetros. A partir de esta longitud de onda vuelve a tener una reflectividadligeramente menor que la de los suelos quemados.

4.2. Análisis de Correlación Bivariable

El análisis de la Correlación Bivariable arroja los resultados del índice de la relación entre los valores de reflectividad de las muestras en cada longitud de onda y los valores de las propiedades edáficas de los suelos. Estos resultados indicarán, en caso de que exista una correlación significativa, que longitudes de onda, tienen una mayor relacióncon qué parámetros edáficos. El método utilizado será la obtención del Coeficiente de Correlación de Pearson. Se analizarán los gráficos de SPSS, comenzando con los resultados de menor valor, los que no indican que exista relación entre lasbandas del espectro con un determinado parámetro edáfico. Los parámetros edáficos estudiados son materia orgánica, Nitrógeno, Carbono Total, Carbono Inorgánico, Carbonato Cálcico y profundidad de las muestras.

Los resultados obtenidos tras la aplicación del proceso de Correlación de Pearson muestran que los parámetros edáficos de Carbonato Cálcico y la profundidad de las muestras no tienen unarelación significativa con los valores de reflectividad. El Coeficiente de Pearson para el parámetro de Carbonato Cálcico esel más próximo a 0 de todos los obtenidos, variando desde un máximo de 0,206 a un mínimo de 0,013; por lo tanto la relación entre reflectividad y Carbonato Cálcico en el suelo es prácticamente nula y tan poco representativa se descartará para los siguientes estudios. El mismo caso se repite con los Coeficientes obtenidos entre reflectividad y profundidad de las muestras, aunque en este caso los valores son algo más altos siguen sin ser representativos y tampoco se someterán a mayores

57

estudios o tratamientos. En este caso los resultados varían entre coeficientes de 0,393 y 0,075.

El grado de relevancia de los datos aumenta para la correlación entre reflectividad y porcentaje de Carbono Inorgánico, los resultados siguen sin mostrar una relación muy fuerte o directa entre ambos, pero se puede extraer información de utilidad. Como se observa en el gráfico de la Figura 28 el grado de relación es mayor cuanto menor es la longitud de onda. Los Coeficientes de mayor relevancia, superiores a 0,5 se encuentran en la región del espectral del visible. Los Coeficientes de Pearson más altos se dan en la longitud de onda entre los 362 y los 376 nanómetros, con valores de 0,659. Sin que estos valores muestren una relación directa entre ambas variables indican que existe un grado significativo de relación entre los valores de reflectividad en la región del azul y la cantidad de Carbono Inorgánico existente en las muestras. También se observa que los grados de menor correlación se sitúanen las longitudes de onda alrededor de los 950 nanómetros y que existe una mayor relación entre los 1450 y 1700 nm, aunque también se debe mencionar que los valores no son tan altos como para ser tenidos en cuenta, situándose alrededor de los 0,450.

58

Figura 28. Correlograma entre Carbono Inorgánico y longitud de onda.

En lo referente a la Correlación entre los valores de reflectividad y los parámetros edáficos de cantidad de Carbono Total, materia orgánica y Nitrógeno, existe un comportamiento totalmente similar a lo largo del espectro electromagnético. En los gráficos que se muestran a continuación se puede comprobar como la curva definida por el valor del Coeficiente de Pearson es similar en los tres casos.

Las diferencias entre unos y otros estriban en el valor del coeficiente pero el comportamiento es similar. Los valores más altos se encuentran en las mismas longitudes de onda, al igual que los valores más próximos a 0, ó las crestas o puntas, ya sean crecientes o decrecientes. Para los tres parámetros los resultados son menores de 0, lo que indica que existe una correlación negativa: a mayores valores de reflectividad, menor cantidad de Carbono Total, Nitrógeno o materia orgánica y a la inversa.

Los grados de correlación varían entre cada uno de los parámetros y la reflectividad. El menor grado de correlación de

59

Coeficie

nte de Pea

rson para

Carbono

Inorgánico

Longitud de

estos tres parámetros se da en la cantidad de Carbono Total existente en las muestras. Los valores máximos resultantes son de 0,697 y los mínimos de 0,518. En lo referente a cantidad de materia orgánica, los coeficientes muestran un aumento muy pequeño en la correlación, siendo los valores máximo y mínimo de0,722 y 0,518 respectivamente. Por su parte, la correlación con un mayor grado de dependencia aparece en la cantidad de Nitrógeno, donde se registran datos que van desde los 0,616 a los 0,762.

Así se extrae que las bandas del espectro electromagnético que van a ser de mayor ayuda para los análisis posteriores son principalmente las correspondientes a la región de visible, prestando mayor interés a las longitudes de onda más altas del verde, por encima de los 550 nm y las más bajas del rojo, hasta los 650 nm.

También destaca como punto de interés la región de SWIR, donde se encuentran dos crestas destacadas, una de ellas se sitúa alrededor de los 1450 nm y la otra en valores entre los 1700 y 1750 nm. Estos valores están también en relación con la información obtenida de la Correlación entre reflectividad y cantidad de Carbono Inorgánico.

60

Coef

icie

nte

de P

earson

para

Carb

ono

Tota

l

Longitud de

Figura 29. Correlograma entre Carbono Total y longitud de onda.

Figura 30. Correlograma entre materia orgánica y longitud de onda.

61

Longitud de

Coefic

iente de Pea

rson para

materi

a orgánica

Figura 31. Correlograma entre Nitrógeno y longitud de onda.

4.3. Análisis de Regresión Múltiple.

En el Análisis de la Correlación Bivariable se obtiene como resultado fundamental las bandas del espectro que tienen una mayor representatividad en relación con los parámetros edáficos estudiados. Estos resultados se aprovechan para restringir los campos a utilizar para la realización del Análisis de Regresión Múltiple.

Para evitar el efecto de Multicolinealidad mencionado anteriormente se debe realizar un paso previo. Para ello realizaremos un Análisis de Correlación Bivariable, para obtenerlos coeficientes de Pearson para las longitudes de onda que se han seleccionado como más representativas. Si los resultados danvalores de correlación muy altos se deberá realizar un cambio o eliminación de estas variables.

Las variables seleccionadas para este estudio son las siguientes longitudes de onda:

62

Longitud de

Coeficient

e de Pears

on

para Nitró

geno

570,37 nm. 493,00 nm. 670,55 nm. 800,49 nm. 1434,91 nm. 1733,71 nm.

Figura 32. Correlación Pearson entre longitudes de onda.

Como vemos en la tabla de resultados la correlación entre bandas es muy alta destacando los coeficientes entre las bandas del visible. Por este motivo se decide eliminar la variable de la Longitud de Onda correspondiente con los 570,37nm realizando el modelo con las restantes cinco variables.

Como se ha comprobado mediante el Análisis de la Correlación Bivariable de Pearson, los datos de profundidad, Carbonato Cálcico no presentan un comportamiento relacionado con la reflectividad, por lo tanto no se realizarán Análisis de Regresión Múltiple para estas variables.

En primer lugar se obtendrán los coeficientes y datos del modelo utilizando como variable dependiente el porcentaje de materia orgánica, se trabaja utilizando un filtro, que divida el

63

muestreo en dos y para trabajar con un 70% de los datos en la obtención de la Regresión. El otro 30% de los datos serán los datos de Test. Siendo el global de 116 muestras Training y 36 Test.

Los resultados del modelo indican que existe un grado de relación significativo. Pero este grado de relación no es suficientemente alto para la creación de una ecuación de regresión. Sería necesario un valor de R² y de R² corregido mayor para poder realizar un modelo con validez y que representase la realidad. No se debe aplicar un modelo cuando sólo se consigue explicar poco más de la mitad cambios en la variable dependiente.

Figura 33. Coeficientes R de Materia Orgánica.

En el siguiente Análisis la variable dependiente será el Carbono Total y mantendremos las mismas variables independientes.

Figura 34. Coeficientes R de Carbono Total.

64

Como se puede comprobar, los coeficientes R, R², y R² corregida del modelo más explicativo son prácticamente iguales que los obtenidos al utilizar como variable dependiente la cantidad de Materia Orgánica, por lo tanto, al igual que en el caso anterior, aunque existe un grado de explicación que puede ser significativo, no se puede aplicar un modelo que válido que pueda predecir mediante estas variables independiente la cantidad de Carbono existente en un suelo.

Lo mismo sucederá con los coeficientes resultantes del Análisis de Regresión Múltiple si se utiliza como variable dependiente la cantidad de Nitrógeno:

Figura 35. Coeficientes R de Nitrógeno.

A continuación se aplica un estratificación de la muestra para realizar el Análisis de Regresión Múltiple dividiendo el muestreo en dos grupos, uno de suelos quemados y otro de suelos control. Los resultados siguen siendo muy similares a los anteriores en lo que respecta las muestras de Suelos Quemados. Pero como se puede comprobar sólo se utiliza una variable independiente, la Longitud de Onda de los 670,55 nm, para explicar las variaciones.

Figura 36. Coeficientes R de Materia Orgánica.

65

Figura 37. Coeficientes R de Carbono Total.

Figura 38. Coeficientes R de Nitrógeno.

Al realizar la misma operación para los Suelos Control los resultados son los siguientes:

Figura 39. Coeficientes R de materia orgánica.

Figura 40. Coeficientes R de Carbono Total.

66

Figura 41. Coeficientes R de Nitrógeno.

Estos resultados son lo suficientemente altos como para poder establecer una ecuación de regresión, ya que según los resultados las variables independientes, en conjunto, pueden explicar la cantidad de materia orgánica y Nitrógeno que contienen los suelos, con una porcentaje de acierto superior al 80% y muy cercano a este para la cantidad de Carbono Total. En los tres casos utilizaremos el Modelo 3 cuyas ecuaciones de regresión, para cada uno de los casos, vienen dadas por los coeficientes de regresión siguientes:

Figura 42. Coeficientes modelo de materia orgánica.

La ecuación de Regresión se define como:

Materia Orgánica = 39,202 – 5,118*670,55nm + 2,659*800,49nm + 1,349*493nm

Una vez aplicada esta ecuación sobre los Suelos Control se procede al cálculo del Error Cuadrático Medio:

67

Ecuación 3. Error Cuadrático Medio.

El resultado de la validación de este modelo da como Error Cuadrático Medio 3,902.

Figura 43. Coeficientes modelo de Carbono Total.

En el caso del Carbono Total será:

Carbono Total = 24,020 – 3,149*670,55nm + 1,589*800,49nm + 1,188*493nm

Una vez aplicado el modelo, se realiza el proceso de validación de esta donde se obtiene un valor de RMSE de 2,189.

68

RMSE = n

zzni ii

21 )ˆ(

Figura 44. Coeficientes modelo de Nitrógeno

Y para la el Nitrógeno:

Nitrógeno = 1,405 – 0,114*670,55nm + 0,047*800,49nm + 0,038*493nm

Mientras que en la validación del modelo obtenemos un resultado de RMSE de 1,113.

Es destable en los tres modelos realizado que la variable independiente correspondiente con la longitud de onda de los 670,55 nm se aplica con signo negativo, mientras que el resto lohace con signo positivo.

Además de contar con los datos estrictos de cada longitud de onda medida por el radiómetro, se cuenta con los datos agrupadoscada 50 nanómetros. Utilizando las bandas más representativas derivadas de los Coeficientes de Correlación de Pearson se utilizan los valores medios agrupados correspondientes a:

450-500 nm. 550-600 nm. 650-700 nm. 800-850 nm. 1400-1450 nm. 1700-1750 nm.

69

Se comprueba la posible multicolinealidad entre estas bandas mediante el Análisis de Correlación de Pearson obteniendo un resultado alto de relación pero menor que en caso de las bandas de longitud de onda exacta por lo que se mantendrán todas las variables para el Análisis de la Regresión Múltiple.

Figura 45. Correlación de Pearson entre variables independientes.

Al proceder al Análisis de Regresión Múltiple los resultadosde la R, R² y R² corregida tienen un grado de similitud muy altocon los resultados para el análisis anterior, realizado con las bandas puras.

Los resultados para la modelos utilizando todas las muestrasindependientemente de sin son suelos quemados o control tienen unos valores de R² corregida mayores, aunque siguen siendo bajoscomo aplicar el modelo en una predicción.

Figura 46. Coeficientes R materia orgánica.

70

Figura 47. Coeficientes R Carbono Total.

Figura 48. Coeficientes R Nitrógeno.

Al igual que en el caso anterior, al dividir la muestra en suelos quemados y control, encontramos que los valores de menor ajuste se encuentran en suelos quemados donde los valores del Análisis de Regresión se sitúan en torno al 0,5 para la R² corregida. Además sólo existe una variable que se incluya en la predicción, la franja entre los 650 y 700 nm.

Figura 49. Coeficientes R materia orgánica.

Figura 50. Coeficientes R Carbono Total.

71

Figura 51. Coeficientes R Nitrógeno.

Por su parte los coeficientes son mayores en los suelos control, siendo incluso mayores que en el Análisis de longitudesexactas. Al realizar los pasos para obtener la ecuación de regresión, aplicar el modelo y validarlo los resultados son los siguientes:

Figura 52. Coeficientes R y Modelo de Materia Orgánica.

Materia Orgánica = 36,824 + 0,844*(550-600) + 0,874*(450-500)- 5,496*(650-700) +2,761*(800-850) + 0,060*(1400-1450) - 0,124*(1700-1750)

El valor de RMSE obtenido de la validación es de 3,8556.

72

Figura 53. Coeficientes R y Modelo de Carbono Total.

Carbono Total = 22,407- 2,889*(650-700) + 1,481*(800-850) + 1,065*(450-500)

El valor de RMSE obtenido de la validación es de 7,205.

73

Figura 54. Coeficientes R y Modelo de Nitrógeno.

Nitrógeno = 1,347 – 0,107*(650-700) + 0,045*(800-850) + 0,034*(450-500)

El valor de RMSE obtenido de la validación es de 0,284.

Encontramos, como anteriormente, que la variable correspondiente a los 650-700 nm se aplica con signo negativo mientras el resto lo hace con signo positivo.

74

5. CONCLUSIONES

Las conclusiones del estudio presentado se organizan en dos campos principales: de carácter metodológico y temático.

Dentro de las conclusiones metodológicas se debe realizar unaplanificación exhaustiva previa a la salida de campo de varias condiciones fundamentales:

Condiciones meteorológicas. Recopilación de predicciones meteorológicas en internet, televisión, periódicos e incluso, en caso de ser necesario un desplazamiento, mantener un contacto previo con personas ubicadas en el lugar previsto para la medición.

Selección de material auxiliar. Decidir que recipientes, de que materiales, tamaños, color… se utilizarán para realizar las mediciones y comprobar sus inferencias en los datos medidos.

Decisión de nomenclatura y estructuración lógica y física de los datos recogidos.

Preparación de material e instrumental. Planificación temporal en coordinación con entidades y

personal involucrado.

En el proceso de mediciones en campo se deben tener en cuenta varios factores para la optimización de los resultados y la minimización en el post-proceso.

Mantener el instrumental protegido de la radiación solar directa. El radiómetro y la fibra óptica producen picos muy altos de corriente oscura al calentarse, en caso de ser posible el radiómetro debe situarse en zonas de sombra y la fibra óptica debe estar expuesta al Sol el menor tiempo posible.

Comprobar continuamente los gráficos de reflectividad en el momento de cada medida mediante el Software Avantes, para disparar en el momento en que la sincronización entre los dos radiómetros sea la adecuada.

75

Minimización del tiempo de validez de la medida de corriente oscura para un grupo de datos.

Todos estos trabajos previos facilitarán el posterior tratamiento de la información en el post-procesamiento y en la aplicación de procesos estadísticos y de análisis de los datos. Durante estos procedimientos se debe tener en cuenta:

El uso de Macros Excel, permite la ejecución de grupos de sentencias en una sola orden.

El tipo de extensiones que debe tener cada archivo para ser abierto correctamente por los diferentes Software, así como los formatos de datos en que exporta cada uno de ellos

El almacenamiento de los archivos de una forma práctica y clara para facilitar el paso anterior.

Se debe realizar un análisis básico de los datos que nos informe acerca de errores o datos extraños que puedan alterar los posteriores resultados.

Al definir los objetivos y que técnicas se utilizarán para obtener los resultados, es muy importante la organización adecuada de cada uno de los archivos necesarios.

Definir las variables y los casos a utilizar. Ordenar los datos correctamente. Crear nuevos archivos de menor extensión procedentes del

archivo base.

En lo que respecta a las conclusiones temáticas y teniendo en cuenta los objetivos de este proyecto se definen con la obtención de resultados en tres sentidos, la Descripción de las propiedes espectrales, el Análisis de la Correlación Bivariable y el Análisis de la Regresión Múltiple.

Los resultados de la Descripción de las propiedades espectrales indican que:

La reflectividad tanto para los suelos quemados como para los suelos control sigue un comportamiento similar, dibujándose curvas espectrales muy similares en ambos casos.

76

La reflectividad de los suelos quemados es más baja que la de los suelos control lo que se debe al aumento de carbón orgánico y su tonalidad.

El grado de reflectividad es inversamente proporcional a la profundidad del suelo: a mayor profundidad menor reflectividad.

En los suelos que no han sido afectados por incendios los horizontes de 2 y 3 cm de profundidad tienen un comportamientoradiométrico sin diferencias apreciables.

El comportamiento de los suelos quemados a 3 cm de profundidades prácticamente igual al de los valores medios de los suelos control por lo tanto, los efectos del fuego no parecen proyectarse más allá de esta profudindidad.

Los horizontes orgánicos tienen un valor de reflectividad mucho menor al del resto.

Del Análisis de la Correlación Bivariable se puede concluir que:

No existe una correlación significativa entre reflectividad y los parámetros edáficos de Carbonato Cálcico, Carbono Inorgánico y profundidad, sin embargo sí hay una correlación significativa entre la reflectividad y la cantidad de materia orgánica, Carbono Total y Nitrógeno.

Las longitudes de onda con mayor correlación con estos parámetros son las mismas para los tres parámetros con correlación significativa.

El mayor grado de correlación se situa en la region del visible, situándose los valores máximos en el verde.

Existen dos crestas significativas en la región de SWIR, alrededor de los 1450 nm la primera y los 1750 nm la segunda.

Tras el Análisis de Regresión Múltiple se destaca que:

No se puede establecer un modelo predictivo para la cantidad de materia orgánica, Carbono Inorgánico ni Nitrógeno en suelossuemados utilizando como variables definitorias las bandas mássignificativas de reflectividad. Los coeficientes del modelo de regresión no son lo suficientemente significativos como para poder aplicar un modelo eficaz.

77

Esto se debe a la existencia de un alto grado de variabilidad aleatoria de las propiedades edafológicas en los suelos afectados por incendios.

En los suelos control, la variabilidad es mucho menor y sí es posible la realización de estos modelos predictivos. Los resultados obtenidos en la validación son lo suficientemente bajos, como para poder aceptar ese rango de variabilidad a la hora de proceder con un modelo.

El uso de variables reflectividad media agrupadas por longitudes de onda no establece cambios significativos que puedan llevar a un mayor grado de eficacia en la creación de modelos. La mejora de resultados se debe a la reducción de la variabilidad de los datos.

En la modelización los valores B para las longitudes de onda del rojo, son los más altos y los únicos con signo negativo.

6. BIBLIOGRAFÍA

Andreu, V., Imeson, A.C., Rubio, J.L., (2001):”Temporal changesin soil aggregates and water erosion after a wildfire in aMediterranean pine forest”. Catena, nº 44, pp 69-84.

Ben-Dor, E., Chabrillat, S., Dematte, J.A.M., Taylor, G.R.,Hill, J., Whiting, M.L., Sommer, S., (2009): “Using ImagingSpectroscopy to study soil properties”. Remote Sensing ofEnvironment 2009, 18 pp.

Cerdá, A., Mataix-Solera, J.(2009): Efectos de los incendios forestalessobre los suelos en España. El estado de la cuestión visto por los científicosespañoles. Cátedra Divulgación de la Ciencia. Universitat deValencia. Valencia.

Córdoba Sola, P., (2008): “Uso de radiometría de campo VNIR paradeterminar propiedades en suelos mediterráneos de zonasáridas y semiáridas”. 9º Congreso Nacional de Medio Ambiente.

Chuvieco Salinero, E., (2008): Teledetección Ambiental. La observación de laTierra desde el Espacio. Editorial Ariel, S.A., Barcelona. 595 pp.

Etxeberría, J., (1999): Regresión Múltiple. Editorial La MurallaS.A., Madrid. 132 pp.

García-Martín, A. (2008): Radiometría de Campo. Material didáctico delMáster Oficial en Tecnologías de la información geográfica para la ordenación delterritorio: Sistemas de información geográfica y Teledetección, Universidadde Zaragoza.

78

Hatten, J., Zabowski, D., Scherer, G., Dolan, E.,(2005): “Acomparison of soil properties after contemporary wildfire andfire suppression”. Forest Ecology and Management, nº 220, pp 227–241.

Mataix-Solera, J., Guerrero, C., Úbeda, X., Outeiro, L., Torres,M.P., Cerdá, A., Bodí, B., Arcenegui, V., Zornoza, R., Gómez,I., Mataix-Beneyto, J.. (2007): Incendios forestales, suelos y erosionhídrica. Caja Mediterránea CEMACAM, Font Roja-Alcoi. 196 pp.

Mataix-Solera, J., Doerr, S.H.,(2003): “Hydrophobicity andaggregate stability in calcareous topsoils from fire-affectedpine forests in southeastern Spain “. Geoderma, nº 118, pp77-88.

Montorio Llovería, R., Pérez-Cabello, F., García-Martín, A., Dela Riva Fernandez, J., (2007): “Estudio de los procesos deregeneración vegetal postincendio en parcelas experimentalesmediante radiometría de campo”. Cuadernos de InvestigaciónGeográfica, nº 33, pp 59-84.

Pardini, G., Gispert, M., Dunjó, G.,(2003): “Relative influenceof wildfire on soil properties and erosion processes indifferent Mediterranean environments in NE Spain”. Science of theTotal Environment, nº 328, pp 237-246.

Rueda, C.A., Wrona, A.F.,(2003): SAMS. User´s Manual. Davis, USA.41pp.

Sala, M., Rubio, J.L., (1994): Soil erosion and degradation as aconsequence of forest fires. Geoforma Ediciones, Logroño. 275 pp.

Shakesby, R.A., Doerr, S.H., (2005): “Wildfire as a hydrologicaland geomorphological agent”. Earth-Science Reviews, nº 74, pp 269-307.

Shakesby, R.A., Chafer, C.J., Doerr, S.H., Blake, W.H.,Wallbrink, P., Humphreys, G.S., Harrington, B.A., (2003):“Fire severity, water repellency characteristics andhydrogeomorphological changes following the Christmas 2001Sydney forest fires. Australian Geographers, pp 147-175.

Tejedor Tejedor, F.J., (1999): Análisis de Varianza. Editorial LaMuralla S.A., Madrid. 132 pp.

Proyecto Colaborador: CETSUS Comportamiento y modelización espacio-temporaldel transporte de sedimento en distintos usos de suelo: el papel de los incendios forestales (CGL2007-66644-C04-04/HIDCLI). Entidad financiadora: Plan Nacional de I+D+I (2004-2007). Dirección General de Investigación (Ministerio de Ciencia y Tecnología). Programa Nacional de Recursos Naturales. Entidades participantes: Universidad de Zaragoza. Duración, desde: 2007 hasta: 2010. Investigador responsable: Dra. Echeverría. Número de investigadores participantes: 6

79

Webs:http://www.avantes.comhttp://www.wikipedia.comhttp://www.tutiempo.nethttp://toms.gsfc.nasa.gov/ozone/ozone_v8.htmlhttp://dss.ucar.edu/datasets/ds090.0

80