1

Maestría en Aplicaciones Espaciales de Alerta y

Respuesta Temprana a Emergencias (AEARTE)

Informe Final

“Creación de un Sistema de Monitoreo de Heladas en la Provincia de San Felipe de Aconcagua, Región de

Valparaíso – Chile” (producto “Mapa de probabilidad de Heladas”)

Nombre del pasante: Felipe Albornoz Muñoz

Tutores: Claudia Notarnicola. Romina Solorza.

Lugar de Trabajo: Departamento de teledetección aplicada, Eurac Research – The European Academy of Bozen, Bolzano, Italia.

Junio 2014

2

Índice

Página

Resumen 6

Introducción 7

Objetivo General 8 Objetivo Específico

Revisión Bibliográfica 9-22

Materiales y Métodos 23-69

Resultados 70-80

Conclusiones 81-82

Actividades Futuras 84

Bibliografía 85-87

Anexos 88-90

3

Imágenes Página Figura 1: el polígono azul para la imagen Aqua/MODIS corresponde al 29 shape del sector de la Provincia de San Felipe de Aconcagua. Figura 2: representa a la provincia de San Felipe de Aconcagua. 33 Figura 3: distribución de estaciones meteorológicas. 39 Figura 4: vista general de la cobertura dentro de toda la imagen Reproyectada. 54 Figura 5: vista principal de la cobertura dentro de la imagen Reproyectada. 54 Figura 6: imagen con grados Kelvin antes de ser aplicado el algoritmo 55 Figura 7: resultado de la transformación de grados Kelvin a Celsius 58 Figura 8: resultado de utilización de algoritmo y proceso de máscara 60

Figura 9: resultado de todas las imágenes con sus temperaturas nocturnas 63 diarias para el mes de mayo del 2010 (Daily Nighttime 1 Km grid Land Surface Temperature). Figura 10: muestra la correlación entre el producto (Daily Nighttime 64 1 Km grid Land Surface Temperature) y (Night clear sky coverage). Figura 11: resultado final de la aplicación del algoritmo entre producto 67 (Daily Nighttime 1 Km grid Land Surface Temperature) y (Night clear sky coverage). Figura 12: comparación del proceso realizado mediante matematica de 68 bandas y por el procesoautomatizado. Figura 13: se muestra el resultado para el mes de Mayo del año 69 2010 (Probabilidad de Riesgo de Heladas).

Figura 14: el gráfico muestra las máximas probabilidades de heladas para 76 el periodo comprendido entre Mayo a Octubre (2010-13), donde el mes de Octubre es quien representa el valor de probabilidad de heladas mayores para toda la imagen Aqua/MODIS

4

Página

Figura 15: el gráfico muestra las máximas probabilidad de heladas para el 76 periodo comprendido entre Mayo a Octubre (2010-13) dentro del sector de la Provincia de San Felipe de Aconcagua, donde el mes de Julio es quien representa el valor de probabilidad de heladas (temporada de invierno). Figura 16: muestra el resumen de las temperaturas nocturnas 77 diarias para el día 1 de mayo del año 2010, 2011, 2012 y 2013 según el proceso de las imágenes del Aqua/MODIS.

Figura 17: registro de temperaturas mínimas, gentileza de Agroclima.cl 79 Figura 18: muestra el valor para la temperatura más baja registrada para 80 la zona de los valles el día 15 de Mayo del 2013,según datos de Agroclima.cl Figura 19: producto elaborado con datos de coberturas (shapes) 81 transformados a KMZ utilizando como imagen de fondo Google Earth.

5

Tablas Página

Tabla 1: Bandas del sensor MODIS. 27

Tabla 2: Productos V5 MYD11A1. 30 Tabla 3: Data Set Aqua/MODIS. 31

6

Resumen

La elaboración de este informe se desarrolló dentro del marco de la pasantía del

programa de Maestría en “Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias”, la cual tuvo una extensión aproximada de seis meses y se llevó a cabo en el Instituto EURAC Research, departamento de Teledetección Aplicada, en convenio con la Comisión Nacional de Actividades Espaciales (CONAE, Argentina).

Las primeras actividades contemplaron una introducción a aspectos básicos y fundamentales en RADAR (Radio Detection and Ranging) - (Detección y Medición de distancias por Radio), procesamiento básico de imágenes SAR, entre otros.

La elaboración de un Mapa de Riesgo de Heladas se enmarca en la actualidad dentro del proyecto de Bienes Regionales del BID (Banco Interamericano de Desarrollo), en donde participan cuatro países (Argentina, Chile, Paraguay y Uruguay), quienes tienen la supervisión y apoyo de CONAE.

Para esto, se trabajó como base del proyecto a partir de la selección de imágenes

Aqua/MODIS (The Moderate Resolution Imaging Spectroradiometer), propiedad de la NASA, sobre el cual, la primera fase de la elaboración del mapa correspondió como zona de estudio y prueba, el de la Provincia de San Felipe de Aconcagua, V Región de Valparaíso, Chile. Además de datos provenientes de las estaciones meteorológicas presentes en dicha provincia y la cobertura DIVA (división administrativa, propiedad de CIREN), contrastados con el catastro frutícola también de la provincia de San Felipe de Aconcagua para obtener aún más información (propiedad de Ciren).

El desarrollo y posterior cálculo para entregar dicho producto se realizó para los

meses comprendidos entre Mayo a Octubre del año 2010, 2011, 2012 y 2013 (4 años); sin embargo, a fin de tener un representación estadística más acertada se necesita de una incorporación y análisis de datos más extensos, por ejemplo un periodo que comprenda desde el 2002-2014.

7

Introducción

La provincia de San Felipe de Aconcagua pertenece administrativa y

geográficamente a la región de Valparaíso y se encuentra emplazada a 95 km hacia el noreste de la Región Metropolitana1. Su posición geográfica estratégica y diversidad de capas con datos (shapes) actualizados que se pueden obtener de las distintas dependencias del Ministerio de Agricultura (MINAGRI), entre los cuales destaca CIREN, han permitido seleccionar esta provincia como un área de interés potencial para desarrollar el producto “Creación de un Sistema de Monitoreo de Heladas en la Provincia de San Felipe de Aconcagua, Región de Valparaíso – Chile”, el cual tiene como base el soporte de imágenes del satélite Aqua con su instrumento MODIS con una resolución espacial de 1 kilómetro, el cual ha sido elegido por su alta resolución temporal, además de contar con datos anexos de las estaciones meteorológicas propias de la provincia de San Felipe de Aconcagua.

Las autoridades del sector agrícola han debido salir en apoyo de los agricultores

en repetidas ocasiones por efectos de heladas de gran intensidad y extensión. En años recientes, la Subsecretaría de Agricultura conformó una Unidad de

Emergencias Agrícolas y el Comité de Emergencia Agrícola, compuesto por representantes de todos los servicios y reparticiones adscritas al MINAGRI han establecido un sistema de vigilancia de las condiciones de bajas temperaturas y alerta de heladas con el apoyo de la Dirección Meteorológica de Chile.

Este sistema de alerta permite avisar de situaciones de riesgo de heladas,

permitiendo que los agricultores tomen medidas precautorias para evitar impactos negativos de envergadura en los cultivos en curso.

Este sistema obedece a una medida de alerta y permite disminuir el impacto, pero

no reduce la vulnerabilidad, puesto que los cultivos se encuentran ya instalados.

1 «Gobernación Provincia de San Felipe - Gobierno de Chile». [En línea]. Disponible en:

http://www.gobernacionsanfelipe.gov.cl/geografia.html.

8

Objetivo General

Elaboración de un Mapa de Riesgo de Heladas (modelo), que pueda ser replicado

por los cuatro países que participan dentro del marco del Proyecto de Bienes Regionales del Banco Internacional de Desarrollo (BID).

Objetivos Específicos

Introducción al tratamiento y manejo de procesos básicos de imágenes provenientes del satélite Aqua/MODIS y sus diferentes subproductos principalmente en Envi.

Elaboración del producto “Creación de un Sistema de Monitoreo de Heladas en la Provincia de San Felipe de Aconcagua, Región de Valparaíso – Chile” mediante el uso de imágenes MODIS Aqua (Level 3 Land Surface Temperature and Emissivity) 1 km de resolución para la Provincia de San Felipe de Aconcagua, a manera de realizar un entrenamiento para el desarrollo final de la elaboración del Mapa de Heladas para Argentina, Chile, Paraguay y Uruguay.

Analizar la información de heladas a una escala local, utilizando tanto la información histórica de temperaturas mínimas de estaciones meteorológicas como imágenes satelitales.

9

Revisión Bibliográfica

Desde el punto de vista meteorológico, se denomina “helada” o se produce una

helada, cuando la temperatura del aire dentro de la casilla meteorológica (a 1.5 metros de

altura) ha descendido por debajo de cero grado centígrado (Villaseca et al., 1992). Por otra parte, teniendo en cuenta el criterio agrometeorológico, se considera que

se produce una helada cuando la temperatura ha disminuido lo suficiente, al punto tal de

producir daños en los órganos vegetales (Villaseca et al., 1992). Se denominará “helada” en fruticultura al evento climático en el cual la temperatura ambiental que rodea al vegetal o a un órgano vegetal aéreo, está bajo los rangos que permiten la actividad normal de la planta.

Comúnmente una helada está asociada al concepto de temperatura ambiental inferior a 0ºC. Ya que es, a esta temperatura en la cual el metabolismo de un vegetal comienza a hacerse más lento y por otra parte es la temperatura a la cual comienza el agua en estado líquido a cambiar a su estado sólido.

Por otra parte, el concepto de helada está íntimamente relacionado al de

congelación, ya que a temperaturas inferiores a los 0ºC cualquier tejido u órgano vegetal comienza a congelarse. En todo proceso de congelación está directamente relacionada el agua.

El agua es el termorregulador biológico más importante. Este elemento se encuentra presente en todos los organismos vivos y participa en una serie de reacciones metabólicas y procesos del vegetal. Es así que las bajas temperaturas tienen una influencia sobre los tejidos u órganos, los cuales al estar constituidos por células y estas por un gran porcentaje de agua se ven afectados directamente.

Para abordar un acontecimiento de esta magnitud es necesario tener un conocimiento acabado de ciertos conceptos y fundamentos que relacionan este evento con los vegetales.

La congelación (nivel celular).

a) Fundamentos de la congelación. La congelación es el proceso de solidificación del agua. Durante el proceso se

genera una alta concentración de sólidos solubles lo que provoca una baja en la cantidad de agua libre intracelular y extracelular. El agua contenida es transformada en hielo.

El agua es el principal componente de la célula. Una parte de esta agua está ligada en diversos grados a los complejos coloidales macromoleculares.

10

En el proceso de congelación, la formación y el crecimiento de los cristales de

hielo producen modificaciones en la célula. Los componentes celulares solubles pueden ser saturados y precipitar; modificaciones del pH pueden afectar los complejos coloidales; cambios muy marcados en la presión osmótica pueden romper las membranas semipermeables.

b) Formación de hielo. En una célula enfriada bajo los 0ºC, se comienzan a formar cristales de hielo a la

“Temperatura Crioscópica” (comienzo de la congelación), que es la temperatura característica de fusión, es decir, temperatura a la cual se funde el último cristal de hielo en una descongelación suficientemente lenta.

El comienzo de la congelación (formación de cristales de hielo) depende en gran medida de la concentración de sólidos solubles y no de su contenido en agua (propiedades coligativas, sólo dependen de la concentración del soluto y no de la naturaleza de sus moléculas).

Los órganos y tejidos de una planta están constituidos por grupos celulares, por lo que la congelación está dada por la existencia de la temperatura a la que aparecen los primeros cristales de hielo y de un intervalo de temperatura para que el hielo se forme.

c) Cristalización del hielo.

Una vez que el agua ha comenzado a congelarse, la cristalización es función de la velocidad de enfriamiento.

Si la velocidad de congelación es lenta, los núcleos de cristalización serán muy pocos, por lo que los cristales de hielo crecen ampliamente, los que pueden provocar un rompimiento de la célula, ya que éstas están sometidas a una presión osmótica y pierden agua por difusión a través de las membranas plasmáticas; en consecuencia, colapsan ya sea parcial o totalmente. Mientras, que si la velocidad de congelación es mayor, el número de cristales aumenta y su tamaño disminuye, evitando de esta manera el gran daño celular.

d) Conductividad Térmica.

La conductividad térmica del hielo es cuatro veces mayor que la del agua. Este factor juega un papel importante en la rapidez de la congelación.

e) Velocidad de Congelación.

Velocidad Baja (Cristalización Extracelular): Al formarse hielo en torno a una célula aumenta la concentración de solutos de la misma, provocando a causa de la diferencia de presiones osmóticas en el interior y exterior de la célula, la salida de agua intracelular.

11

Esta pérdida de agua conduce a cambios intracelulares (pH, fuerza iónica), que producen la inactivación de enzimas, desnaturalización de proteínas alterando así el funcionamiento celular y provocando daños reversibles e irreversibles.

Velocidad media Alta: Disminuye el tiempo de exposición de las células a efectos osmóticos, y por lo tanto provoca daños menos severos.

Velocidad muy Alta (Cristalización muy alta – Intracelular): La cristalización ocurre

dentro de la célula provocando daños mecánicos en la misma (ruptura celular). Los cristales de hielo pueden formarse extra o intracelularmente. Inicialmente se

forma el hielo extracelular en los espacios intercelulares; conforme crecen los cristales, las células se contraen y pueden eventualmente colapsarse. La contracción es provocada por una redistribución del agua dentro del tejido. Cuando los cristales comienzan a formarse en el medio extracelular, los solutos van siendo concentrados en el agua aún no congelada. Esta situación resulta en un desbalance osmótico entre el agua intracelular y extracelular que causa un movimiento del agua intracelular hacia el exterior, lo que a su vez lleva a una concentración intracelular de los solutos. El movimiento del agua continúa hasta que el potencial químico del agua sin congelar entra en equilibrio con el del hielo.

Cuando la tasa de enfriamiento es relativamente lenta, el flujo de agua a través de

la membrana es lo suficientemente rápida como para evitar el superenfriado excesivo del medio intracelular, por lo que no se forman cristales de hielo en esta zona.

Sin embargo, si el enfriamiento es lo suficientemente rápido, la tasa de transferencia de agua puede no ser la suficiente, resultando en un superenfriado excesivo de la solución interna y en la formación de hielo intracelular.

Después de la descongelación, el tejido dañado muestra una apariencia empapada y flácida y como señal importante, daño a las membranas celulares. La manifestación del daño puede ser por: lisis o ruptura de la membrana provocada por la expansión durante el calentamiento; pérdida de capacidad de respuesta osmótica durante el enfriado; comportamiento osmótico alterado durante el calentado y formación intracelular de hielo. Fin de la Congelación.

El término del proceso de congelación se produce cuando la mayor parte del agua congelable se transforma en hielo en el centro térmico.

12

f) Aspectos bioquímicos de la congelación.

Tanto frutas como hortalizas están constituidas por células muy unidas entre sí,

con pequeños espacios intercelulares. La congelación destruye la integridad celular; en la descongelación las membranas de las células muertas se vuelven muy permeables. En

esta última etapa el exudado comienza a difundir (sales, azúcares, pigmentos, etc.) 2

2 «Sergio Antonio Toledo – Ing. Agrónomo». [En línea]. Disponible en:

http://www.ecoplant.cl/publicaciones.htm.

13

Clasificación de las heladas.

La clasificación de las heladas se realiza bajo diferentes criterios: de acuerdo a su

época de ocurrencia, por el proceso físico que les da origen, y por los efectos visuales que causa sobre los cultivos (Norero, 1991) tal como se indica a continuación.

CRITERIO TIPO DE HELADA Época de ocurrencia Invernales. Otoñales, o tempranas. Primaverales, o tardías. Estivales. Proceso físico Advección. Radiación. Mixta. Efectos visuales Blanca. Negra.

Heladas Invernales.

Norero (1991), sostiene que este tipo de heladas son las más numerosas, pero por

lo general son las que provocan menos daño, debido a que en este periodo la mayoría de las plantas se encuentran en reposo vegetativo y, por lo tanto, en condiciones de soportar mejor las bajas temperaturas.

Heladas otoñales y primaverales. También clasificadas como tempranas y tardías, respectivamente, estas heladas

son las que suelen provocar mayores estragos en la agricultura porque ocurren en épocas de intensa actividad vegetativa (Norero, 1991).

Villaseca et al., (1992) indica que en la primavera y otoño, las plantas tienen una

gran sensibilidad a los descensos bruscos de temperatura. Las heladas tardías por lo general causan daño a la floración, foliación y fructificación de las plantas perennes, y a la germinación, emergencia y etapas juveniles de cultivos anuales. Las heladas tempranas, por otra parte, pueden interrumpir bruscamente el proceso de maduración de los frutos y la formación de yemas de las cuales dependerá la producción del año siguiente (Norero, 1991).

14

La probabilidad de ocurrencia de heladas disminuye a medida que avanza la

primavera, mientras que a medida que la etapa de flor se desarrolla ésta se hace más susceptible al daño por heladas (Crisosto et al., 1989).

Heladas estivales. Estas heladas se producen en época de verano, sin embargo su posibilidad de

ocurrencia en el valle central del país es casi nula.

Heladas de advección. Se producen por efecto de un frente de aire frío proveniente del polo sur que

invade el continente y alcanza la zona central. El fenómeno se da en vastas extensiones, con temperaturas bajas durante todo el día y velocidades de viento superiores a 10 km/h. En áreas de laderas, la menor temperatura se observa en los sectores medios y altos por estar más expuestos a los vientos. Respecto a la temperatura del aire, ésta es prácticamente la misma en superficie como en altura (Martínez et al., 2007).

Afortunadamente, este tipo de heladas sólo se producen en invierno, durante el período de reposo de la vegetación. Su incidencia es escasa en la zona central de nuestro país (Villaseca et al., 1992).

Heladas de radiación.

Son de carácter microclimático y suelen ser las más importantes. Se caracterizan por una gran pérdida de calor del suelo durante la noche favorecida por el escaso o nulo viento y por un cielo sin nubosidad (Villaseca et al., 1992). El suelo, al perder calor, enfría más rápidamente la capa de aire en contacto con él que aquellas ubicadas a mayor altura, lo que se conoce como inversión térmica. La situación normal, sin inversión térmica, ocurre durante el día y es cuando la máxima temperatura del aire se alcanza en la superficie y disminuye con la altura (Martínez et al., 2007).

Martínez et al., (2007) consideran que, debido a la inversión térmica, la temperatura cercana al suelo que afecta a los cultivos bajos, es inferior a la temperatura registrada en el cobertizo meteorológico en 2 o 3 °C.

15

Heladas evaporativas.

Se producen cuando ingresa un frente frío y produce lluvia. Esta agua que queda depositada sobre los vegetales y el suelo se evapora a expensas de quitarle calor al suelo y a los órganos vegetales, principalmente.

Es decir, un gramo de hielo debe absorber 335 Joule (80 cal) para transformarse

en agua líquida y ésta, a su vez, 2510 Joule (600 cal) para formar vapor de agua. A la inversa, al condensarse un gramo de vapor de agua se liberan 2510 Joule, y al congelarse un gramo de agua líquida se liberan 335 Joule. Este fenómeno es de gran importancia, pues constituye la base del uso de algunos sistemas de protección contra heladas (Villaseca et al., 1992).

Heladas mixtas.

Se denominan de este modo porque se combina el ingreso de masas de aire frío y, simultáneamente, hay un enfriamiento por pérdida de calor del suelo.

El efecto en las plantas es más grave que el producido por cada una en forma separada (Villaseca et al., 1992).

Heladas blancas.

Tassara (2007) señala que este tipo de heladas se produce debido al descenso de la temperatura a valores iguales o menores a 0°C, con elevada humedad ambiental, donde se alcanza rápidamente el punto de rocío, produciéndose una importante liberación de calor al ambiente como resultado de la condensación. Si la temperatura sigue disminuyendo, el agua condensada sobre el follaje se congela, produciendo una liberación de calor, manteniendo la temperatura de las hojas cercanas a 0°C. En este caso se habla de heladas blancas, por la formación de hielo, que generalmente producen muy poco daño (Villaseca et al., 1992).

Heladas Negras. Están asociadas a daños graves. Son heladas producidas con baja humedad

ambiental, en las que se llega recién al estado de saturación de vapor con temperaturas muy por debajo del 0°C. El punto de rocío es bajo y no hay formación de rocío sobre el vegetal (Tassara, 2007).

16

Factores que influyen sobre la intensidad de una helada.

Dentro de los factores que influyen sobre la intensidad de una helada se

encuentran los macrometeorológicos y los micrometeorológicos, como se indica a continuación. Factores macrometeorológicos Balance calórico regional de radiación. Circulación regional de la atmósfera. Factores micrometeorológicos Velocidad del viento. Nubosidad. Humedad del aire. Laboreo del suelo y la cubierta vegetal.

Los factores macrometeorológicos determinan la época de ocurrencia, la extensión geográfica del fenómeno y el tipo de helada, según el proceso físico que la produce. El estudio de estos factores es valioso para interpretar el régimen agroclimático de las heladas y contribuye a su pronóstico. Para el caso de los factores micrometeorológicos, son de carácter local, influyen en la intensidad y duración de la helada y, por consiguiente, en la magnitud de los daños. Su estudio sirve para la implementación práctica y local de los pronósticos y para aplicar razonadamente algunos métodos de prevención y combate (Norero, 1991).

Balance calórico regional de radiación.

La atmósfera recibe energía proveniente del sol en forma de radiación. Una

fracción de la energía es absorbida por la tropósfera (capa de la atmósfera más cercana a la Tierra donde se presentan los fenómenos meteorológicos), otra parte se dirige al exterior al ser difundida desde la atmósfera hacia el espacio y el resto llega a la superficie de la tierra (Matías et al., 2001).

La superficie de la Tierra absorbe los rayos de luz y se calienta. Una vez que se ha calentado irradia su calor en forma de rayos de calor (radiación infrarroja), que pueden ser retenidos por el vapor de agua y por el anhídrido carbónico de la atmósfera. Por consiguiente, el sol no calienta directamente a la atmósfera, sino que lo hace por intermedio de la Tierra (Fuentes, 1996).

Las nubes desempeñan un papel importante en el calentamiento de la tierra.

En primer lugar, una proporción más o menos grande de la luz del sol no atraviesa las nubes, según el espesor de éstas, con lo cual la superficie terrestre se calienta menos con nubes que con cielo despejado. Por otra parte, durante la noche las nubes reflejan una gran cantidad de radiación termal emitida por la Tierra; esta radiación reflejada vuelve a la Tierra y la calienta nuevamente, con lo cual su enfriamiento es menos intenso que cuando el cielo está despejado.

17

El balance negativo de radiación se traduce en un enfriamiento intenso de la

superficie terrestre, lo que favorece la ocurrencia de heladas. Los balances de radiación en una zona de la superficie terrestre no son los mismos a lo largo del tiempo, y dependen de la ubicación de la tierra, porque la inclinación de los rayos solares que llegan a la zona influye en la cantidad de energía que esta recibe. Por lo anterior, es en invierno donde se producen principalmente las heladas independientes del origen de estas.

Circulación regional de la atmósfera.

Los vientos locales o típicos de una zona varían considerablemente a lo largo del

día, de las estaciones y del estado sinóptico de la atmósfera. Estas circulaciones de pequeña escala (vientos locales) se desarrollan dentro de un marco global que se denomina circulación general de la atmósfera (Castillo y Sentis, 2001).

La circulación atmosférica normal en Chile, que determina las características

climáticas del país, está definida por las características de dos factores: el anticiclón subtropical del Pacífico suroriental y el cinturón de bajas presiones subpolares. El primero corresponde a un área de altas presiones semipermanentes que afecta la zona norte y central del país, con fluctuaciones norte-sur en la ubicación de su borde sur durante el invierno (30º a 35º de latitud) y en verano (35º a 40º de latitud). El segundo factor es el cinturón de bajas presiones que se localiza entre los 45º y 55º de latitud sur, cuyos desplazamientos hacia latitudes menores ocurren con frecuencia en invierno, originando el desarrollo de sistemas frontales que incursionan regularmente entre La Serena y Concepción3.

Nubosidad.

Las nubes actúan como una barrera que evita las pérdidas de energía.

Villaseca et al. (1992), señalan que las nubes absorben el calor que proviene del suelo, se calientan y remiten el calor hacia el suelo. En consecuencia, reducen las diferencias entre ganancias y pérdidas de energía, moderando las variaciones térmicas. Sin embargo, el enfriamiento y congelamiento que ocurre en noches claras se pueden atribuir más bien a la diferencia entre la radiación saliente desde la superficie terrestre y la radiación entrante que proviene desde el cielo. En efecto, el suelo recibe menos radiación desde la atmósfera en noches claras que en noches con nubosidad, debido al menor valor de emisividad (ε) de la atmósfera sin nubes (ε ≈ 0,7 – 0,8) en comparación a ε ≈ 1 para cielos cubiertos (Campbell y Norman, 1998).

3 « Dirección Meteorológica de Chile (2009)». [En línea]. Disponible en:

http://www.meteochile.cl/nino_nina/nino_nina.html

18

Humedad del aire.

En presencia de una alta humedad atmosférica, la posibilidad de que ocurra una

helada es menor que en condiciones de baja humedad atmosférica. El vapor de agua del aire absorbe eficazmente el calor irradiado por los cuerpos terrestres, parte del cual es devuelto asimismo por radiación hacia ellos, impidiendo su rápida pérdida hacia las capas superiores de la atmósfera (Norero, 1991).

Cuando la temperatura disminuye en la noche, el contenido de vapor de agua en la atmósfera puede saturarse, produciendo la temperatura de punto de rocío, depositando sobre hojas, ramas o hierbas diminutas gotas de agua.

La aparición de rocío o hielo frena o disminuye el enfriamiento del aire debido a la

liberación de calor del vapor de agua al condensarse (2510 J g^-1) o congelarse (335 J g^-1). Esta energía es menor si el aire contiene baja cantidad de vapor de agua y el riesgo de helada es mayor (Villaseca et al.1992).

Laboreo del suelo y la cubierta vegetal.

Norero (1991) señala que durante la noche la radiación de la superficie del suelo

es la principal fuente de calentamiento para las plantas. Las condiciones edáficas que permiten una cesión más abundante de calor son un suelo compacto, húmedo y libre de malezas. Villaseca et al. (1992) sostienen que un suelo arado o rastreado es más poroso que uno no trabajado, y su conductividad térmica disminuye, dejando este más propenso a heladas al frenar la conducción de calor desde las capas profundas de la tierra.

Las malezas, la paja o el trabajo en el suelo, actúan como aislantes evitando el aporte de calor de las capas profundas del suelo. Por ende la superficie del suelo se enfría más porque no recibe este calor (Villaseca et al., 1992).

La inclinación y exposición del terreno.

Los terrenos en laderas de pendientes suaves y uniformes son menos susceptibles

de helarse. Villaseca et al., (1992), señalan que la helada será más intensa en el fondo de un valle debido a que el aire frío, a causa de su mayor densidad, se desliza a lo largo de las pendientes y se acumula en los lugares más bajos.

Los terrenos que se encuentran en el paso habitual de aire frío constituyen, por lo

mismo, un riesgo, y aconsejan protección adecuada, por ejemplo con cortinas cortaviento. La orientación de los terrenos influye en cuanto que ella determina la cantidad de radiación solar que se recibe durante el día y, por consiguiente, su capacidad de calentarse. Las laderas orientadas hacia el norte presentan menor probabilidad de helarse porque reciben durante el día la mayor cantidad de radiación solar y, en consecuencia, tienen mayor reserva de calor para disipar durante la noche antes de alcanzar temperaturas perjudiciales (Norero, 1991).

19

Tipos de Heladas en Chile.

Yuri (1991), establece que en Chile se pueden reconocer fundamentalmente dos tipos

de heladas, las que afectan en mayor o menor intensidad la fruticultura:

a) Heladas por Advección.

Se produce por efecto de un frente de aire frio proveniente del polo sur que invade el continente y alcanza la zona central. El fenómeno se da en vastas extensiones, con temperaturas bajas durante todo el día y velocidades de viento superiores a 10 km/h. En áreas de laderas, la menor temperatura se observa en los sectores medios y altos por estas más expuestos a los vientos. Respecto a la temperatura del aire, esta es prácticamente la misma en superficie como en altura. Si el termómetro de la estación meteorológica ubicado a 1.5 metros sobre el suelo registra -1.8⁰C, es probable que la

temperatura sea la misma en toda la capa de aire en contacto con el suelo y hasta una altura menor de 50 metros (Septiembre-Noviembre). Estas heladas ocurren asociadas a una brisa fría y no son acompañadas de rocío, por lo que su acción es más dañina.

b) Heladas por Radiación. Ocurren en condiciones de baja humedad del aire, noches despejadas y sin viento.

En este caso, el calor del suelo se pierde hacia el espacio en forma de radiación. El suelo, al perder calor, enfría más rápidamente la capa de aire en contacto con él, que aquellas ubicadas a mayor altura, lo que se conoce como “inversión térmica” (Junio-Agosto).

La situación normal, sin inversión térmica, ocurre durante el día y es cuando la máxima temperatura del aire se alcanza en la superficie y disminuye con la altura.

Debido al fenómeno de inversión térmica, la temperatura cercana al suelo y que afectan a los cultivos bajos es inferior a la registrada en el termómetro en dos o tres grados. El tipo de heladas por radiación es la que ocurre con más frecuencia en el Norte Chico del país4.

Fisiología del daño por heladas.

Estimar los daños que puede provocar una helada sobre un cultivo implica evaluar la especie y variedad de cultivo considerada, tipo de órgano expuesto, etapa fenológica, contenido de agua de la planta, intensidad de la helada, duración de la helada y temperatura de la planta y del órgano afectado.

Norero (1991) establece que las causas fisiológicas más frecuentes de perjuicio en las plantas se deben a daños por desecación, por enfriamiento y por congelamiento.

4 « Instituto de Investigación Agropecuaria». [En línea]. Disponible en: http://

www2.inia.cl/medios/biblioteca/boletines/NR34600.pdf

20

Daños por desecación.

El daño por desecación se debe a la disminución de la permeabilidad de las raíces al agua, debido a las bajas temperaturas del suelo. Esto ocasiona a la planta una marchitez temporal al no contar oportunamente desde las raíces con el agua que debe reponer la pérdida por transpiración que ocurre en las hojas (Norero, 1991).

Daños por enfriamiento.

Martínez et al., (2007) señalan que el daño por enfriamiento se produce con temperaturas sobre 0⁰C, especialmente en plantas tropicales y subtropicales, por

perturbaciones provocadas en las actividades metabólicas y fisiológicas de las células. Daños por congelamiento.

El daño por congelamiento se produce en las plantas debido a la formación de hielo en el interior de los tejidos que destruye las células de las plantas (Martínez et al., 2007) establecen dos tipos de daños, uno directo y el otro indirecto; el primero se debe a los cristales de hielo que se forman en el protoplasma de las células (congelamiento intracelular), produciéndose la desorganización de la estructura protoplasmática, sobreviniendo la muerte. El segundo ocurre cuando el hielo se forma en el espacio extracelular (congelamiento extracelular), ocasionando la muerte por deformaciones mecánicas del protoplasma, ya sea por presión directa o bien, principalmente, por la salida del agua de las células (plasmólisis). En este caso se produce la deshidratación celular, lo que conduce al colapso de las membranas y organelos del protoplasma. Después de este colapso, las células no pueden rehidratarse ni reconstituir sus sistema vital, provocando una necrosis irreversible de los tejidos (Norero, 1991).

21

Teoría de probabilidades.

La probabilidad es un mecanismo por medio del cual pueden estudiarse sucesos aleatorios, cuando éstos se comparan con los fenómenos determinísticos (Canavos, 1988). Las temperaturas son procesos que evolucionan en el espacio y en el tiempo en una forma que es parcialmente predecible, o determinística, y parcialmente aleatoria. Un proceso de este tipo se conoce con el nombre de proceso estocástico.

Para el estudio de las temperaturas, generalmente se tendrá un registro de datos agrometeorológico. Mediante el conocimiento del problema físico, se debe escoger un modelo probabilístico que represente en forma satisfactoria el comportamiento de la variable. Para el uso de los modelos probabilísticos se deben calcular sus parámetros y realizar la prueba de bondad de ajuste. Si el ajuste es bueno, se puede utilizar la distribución elegida una vez encontrada la ley de distribución que rige a la variable aleatoria. Además, se podrá predecir con determinada probabilidad la ocurrencia de una determinada magnitud, de un fenómeno agrometeorológico.

Hasta ahora no existen métodos seguros de previsión de las heladas a medio y largo plazo. Sin embargo, se puede calcular la probabilidad de que se produzcan temperaturas mínimas absolutas en distintas épocas del año a partir de series históricas de datos y utilizando modelos probabilísticos adecuados (Astolpho et al., 2005).

Santibáñez y Merlet (1987) indican que la caracterización del régimen de heladas, sobre la base de series estadísticas, es posible sólo en lugares que cuenten con muchos años de registro (30 años o más). La escasez de estos registros limitaría cualquier estudio que se emprendiera en este sentido.

La estimación de probabilidad de ocurrencia de temperaturas mínimas, aplicando distribución de probabilidades para variables aleatorias continuas, puede realizarse utilizando distribución Normal, LogNormal, Exponencial y Gamma. La prueba de ajuste para comparar las diferencias existentes entre la probabilidad empírica de los datos de la muestra y la probabilidad teórica puede efectuarse mediante el test de Kolmogorov – Smirnov.

Gradiente térmico en altura.

Durante la ocurrencia de una helada el aire más frío se acumula en las partes bajas, donde la temperatura es menor en la superficie terrestre y aumenta con la altura, proceso al que se le denomina inversión térmica.

Villaseca et al., (1992) señalan que esta situación se produce cuando las pérdidas de calor que sufre la superficie del suelo y los vegetales son superiores a los aportes que éstos reciben del aire o capas profundas del suelo. La situación normal ocurre durante el día, donde la cubierta vegetal recibe radiación del sol y también de la atmósfera. Los vegetales y el suelo almacenan parte de esta energía elevando su temperatura, de manera que ésta baja a medida que se aumenta en altura.

22

Los datos sobre las heladas, usando el nivel térmico de 0°C y observaciones a

nivel del cobertizo meteorológico, se pueden relacionar en una forma relativamente directa con cultivos de porte alto, como frutales, pero no ocurre lo mismo con los de baja estatura como trigo, pastos, porotos, hortalizas, entre otros. Además, la temperatura de cero grado no es una temperatura instantáneamente letal para todas las especies vegetales; ésta en realidad varía de una a otra especie y según su etapa fenológica en que se encuentre (Norero, 1991).

23

Materiales y Métodos. Imágenes ópticas.

Para la elaboración del producto “Mapa de probabilidad de Heladas”, que se enmarcó dentro del proyecto de “Monitoreo de Heladas en la Provincia de San Felipe de Aconcagua, Región de Valparaíso – Chile” se utilizaron imágenes del sensor MODIS (Aqua) (Moderate Resolution Imaging Spectroradiometer), el cual va montado como instrumento dentro de los satélites Terra (EOS AM) y Aqua (EOS PM), propiedad de la NASA (National Aeronautics and Space Administration).

La órbita del satélite Aqua viaja de sur a norte cruzando el Ecuador por la tarde.

Aqua/MODIS cubre la superficie de la Tierra cada 1 a 2 días, adquiriendo datos en 36 bandas espectrales. Estos datos ayudan a comprender la dinámica global de la Tierra; el comportamiento en la superficie terrestre, en los océanos y en la atmósfera. MODIS está desempeñando un papel vital en el desarrollo de modelos validados y globales capaces de predecir el cambio global que está sufriendo el planeta Tierra y así tomar decisiones sanas referentes a la protección de nuestro ambiente5.

Plataforma Aqua.

La plataforma Aqua, también denominada EOS-PM es un satélite de observación terrestre dedicado al estudio del ciclo del agua (precipitación, evaporación), lanzado en mayo del 2002.

Este satélite lleva a bordo los siguientes instrumentos:

CERES (Clouds and the Earth’s Radiant Energy System): compuesto por dos radiómetros de banda ancha, del espectro visible al infrarrojo (bandas entre 0.3 y 5 micras y entre 8 y 12 micras), mide el equilibrio energético de la atmósfera, así como la radiación ultravioleta solar que es reflejada y absorbida por la superficie, la atmósfera y las nubes.

AIRS: espectrómetro infrarrojo (entre 3.7 y 15 micras) para realizar perfiles verticales de temperatura y humedad. Incorpora un fotómetro óptico de cuatro bandas, entre 0,4 y 1 micras.

AMSU-A1 y AMSU-A2: medidores de microondas en 15 canales (entre 15 y 90 GHz para realizar perfiles de temperatura).

5 «CREPAD». [En línea]. Disponible en:

http://www.crepad.rcanaria.es/es/plataformas/modis.html.

24

HSB: "Humidity Sounder for Brazil" es un medidor de microondas de cuatro canales (entre 150 y 183 GHz) para obtener perfiles de humedad incluso bajo cubiertas de nubes muy espesas.

AMSR-E: radiómetro microondas (6.9 - 89 GHz) dependiente de Japón es utilizado para medir la tasa de lluvia mediante la dispersión de microondas por las gotas de agua. También mide vientos y temperatura en la superficie del mar.

MODIS: cámara espectrómetro en el espectro óptico e infrarrojo (0.4 a 14.5 micras).6

6 «Aqua (satélite) - Wikipedia, la enciclopedia libre». [En línea]. Disponible en:

http://es.wikipedia.org/wiki/Aqua_(sat%C3%A9lite).

25

El sensor MODIS

Cuando se seleccionaron los instrumentos para la plataforma Terra, el sensor

MODIS fue diseñado por un equipo interdisciplinario de científicos con vasta experiencia en sensores remotos, se definieron los requisitos para la colección, calibración y procesamiento de los datos (Rudorff et al., 2007).

El concepto MODIS tiene su origen en varios sensores precursores, tales como el Landsat Barrido Multiespectral (Multiespectral Scanner, MSS), Mapeador Temático (Thematic Mapper, TM), Sonda de infrarrojo de Alta Resolución (High Resolution Infrared Sounder, HIRS), Radiómetro Perfeccionado de muy Alta Resolución (Advanced Very High Resolution Radiometer, AVHRR) y el Barredor de Color de la Zona Costera (Coastal Zone Color Scanner, CZCS).

El principal de ellos es el AVHRR a bordo de los satélites de la Administración Nacional del Océano y la Atmósfera (National Oceanic and Atmospheric Administration, NOAA), que comenzó a enviar información desde el año 1978 para el monitoreo de tiempo atmosférico.

Debido a las adquisiciones diarias de imágenes por medio de este sensor (alta resolución temporal), fue posible la creación de una completa base de datos globales históricos.

Otro sensor antecedente del MODIS fue el CZCS que contaba con seis bandas espectrales para captar variaciones de la reflectancia en las aguas oceánicas. El CZCS operó desde noviembre del año 1978 hasta junio de 1986 y fue seguido por el Sensor de Campo Amplio para la Observación del Mar (Sea-Viewing Wide Field Sensor, SeaWiFS) lanzado en agosto del año 1997 (Rudorff et al., 2007).

Luego, surge el sensor MODIS, que es el principal instrumento del EOS y por consiguiente de la plataforma Terra. Según Running et al., (1994) dentro de los requerimientos del sensor MODIS se refirió que la obtención de datos debería ser diaria, con una cobertura global de 250, 500 y 1000 metros de resolución espacial, y que cubriera un amplio rango del espectro electromagnético abarcando desde el visible hasta el infrarrojo térmico y así poder medir las variaciones en la Tierra, la atmósfera y el océano de manera diaria, semanal y mensual.

26

El MODIS, posee una alta sensibilidad radiométrica (12bits) en 36 bandas

espectrales contenidas en el intervalo que va desde los 0.40 a los 14.40 nanómetros del espectro electromagnético. Dos bandas son adquiridas con resolución espacial de 250 metros, otras 5 bandas con resolución de 500 metros y 29 bandas con resolución de 1 km. (Rudorff et al., 2007).

De esta forma, es que en el sensor MODIS las primeras 19 bandas están posicionadas en la región del espectro electromagnético situado entre 400 nm y 2150 nm de forma que:

Las bandas de la 1 - 7 están diseñadas para las aplicaciones terrestres.

Las bandas 8 – 16 están diseñadas para observaciones oceánicas.

Las bandas 17 – 19 para las mediciones atmosféricas.

Las bandas 20 – 36 que cubren la porción térmica del espectro, miden la temperatura de la superficie terrestre (útil para detecciones de calor por incendios o erupciones volcánicas, entre otras) (Running et al., 1994).

27

Bandas del sensor MODIS

Uso Principal Banda Ancho de

banda Radianza Espectral

SNR³ o NE (delta)T

requerido T(K)⁴

Limites de Tierra/Nubes/aerosoles

1 620-670 21.8 128

2 841-876 24.7 201

Propiedades de Tierra/Nubes/aerosoles

3 459-479 35.3 243

4 545-565 29.0 228

5 1230-1250 5.4 74

6 1628-1652 7.3 275

7 2105-2155 1.0 110

Color del oceáno/ fitoplacton/biogeoquímica

8 405-420 44.9 880

8 438-448 41.9 838

10 483-493 32.1 802

11 526-536 27.9 754

12 546-556 21.0 750

13 662-672 9.5 910

14 673-683 8.7 1087

15 743-753 10.2 586

16 862-877 6.2 516

Vapor de agua atmosférico

17 890-920 10.0 167

18 931-941 3.6 57

19 915-965 15.0 250

T⁰ de la superficie/nubes 20 3.660-3.840 0.45 (300K) 0.05*

T⁰ Atmosférica

21 3.929-3.989 2.38 (335K) 2.00*

22 3.929-3.989 0.67(300K) 0.07*

23 4.020-4.080 0.79(300K) 0.07*

24 4.433-4.498 0.17(250K) 0.25*

Vapor de agua nubes Cirrus 25 4.482-4.549 0.59 (275K) 0.25*

26 1.360-1.390 6.00 150

Propiedad de las nubes

27 6.535-6.898 1.16 (240K) 0.25*

28 7.175-7.475 2.18 (250K) 0.25*

29 8.400-8.700 9.58 (300K) 0.05*

Ozono 30 9.580-9.880 3.69 (250K) 0.25*

Temperatura de la superficie/nubes

31 10.780-11.280 9.55 (300K) 0.05*

32 11.770-12.270 8.94 (300K) 0.05*

Altitud de las nubes

33 13.185-13.485 4.52 (300K) 0.25*

34 13.485-13.785 3.76 (250K) 0.25*

35 13.785-14.085 3.11 (240K) 0.25*

36 14.085-14.385 2.08 (220K) 0.35*

Tabla 1: Bandas del sensor MODIS 1.- Bandas de la 1 a la 19 están en nm; Bandas de la 20 a la 36 en µm.

2.- Los valores de radianza espectral están en W/m²/µm/sr.

3.- SNR= radio de señal-ruido.

4.- NE (delta) T requerido=Diferencia de temperatura equivalente al ruido (*).

28

El sensor MODIS es un explorador de barrido: un espejo móvil que oscila

perpendicularmente a la dirección de la trayectoria con un ángulo de +/-55⁰ que permite

explorar una franja de terreno (swath) a ambos lados de la traza del satélite, cuyo ancho es de 2330 km. El sistema óptico es un telescopio con dos espejos fuera de su eje focal que direccionan la radiación incidente a cuatro sistemas ópticos reflectantes, uno para cada región espectral (visible, infrarrojo cercano, medio y térmico). Para las bandas del visible y del infrarrojo cercano se utiliza una nueva tecnología de fotodiodos de silicio. Para el infrarrojo térmico se usan detectores de Telureto de Mercurio-Cadmio (HgCdTe).

Desde marzo del año 2000, la plataforma Terra transmite continuamente los datos del sensor MODIS para las estaciones de recepción terrestres. En estas estaciones, los datos obtenidos por MODIS son divididos en seis niveles (0 a 4) dependiendo del grado de procesamiento realizado:

Nivel 0: Son los datos brutos sin ningún procesamiento.

Nivel 1A: Son los productos que contienen las 36 bandas utilizadas como datos de entrada para la georreferenciación, calibración y procesamiento.

Nivel 1B: Son los productos que contienen los datos de calibración y georreferenciación para las 36 bandas generadas por el nivel 1A. Datos adicionales incluyen estimaciones de calidad, del error y datos de calibración.

Nivel 2: Son los productos derivados de las radiancias calibradas de productos previos MODIS y son conocidos como niveles 2G (L2G).

Nivel 3: Son los productos espacialmente remuestrados y compuestos para un determinado tiempo para producir una estimación de las variables geofísicas para cada grado de localización.

Nivel 4: Son los productos generados por la incorporación de los datos MODIS en modelos, para así, estimar variables geofísicas (Rudorff et al., 2007). La elaboración de esta investigación y realización del producto está basada en la

versión 005 del sensor MODIS, la cual es la versión más actual (Notarnicola et al., 2014).

Para el caso de la zona de estudio (provincia de San Felipe de Aconcagua), el horario por el cual pasa el satélite Terra/MODIS es 15:35 UTC y para Aqua/MODIS es 18:05 UTC para la siguiente imagen de ejemplo que correspondería al 3 de febrero 2014,

El modo de la imagen a ejemplificada es el Land Surface Temperature and Emissity Daily L3 Global 1 km Grid SIN (MYD11A1), correspondiente a Terra/MODIS fue descargado desde el sitio (http://lance-odis.eosdis.nasa.gov/cgi-bin/imagery/realtime.cgi)

29

Producto MYD11A1.A2014034.h12v12.005.2014036023433.hdf

Figura 1: el polígono azul para la imagen Aqua/MODIS corresponde al shape del sector de la Provincia de San Felipe del Aconcagua.

30

Los productos V5 MYD11A1 son los siguientes:

Aqua/MODIS V005 MYD11A1 LST/E (1 Km) Science Data Set Layers

SDS UNITS Data-Type Fill Value Valid Range Scale Factor Additional

Offset

Daytime land surface temperature

Kelvin 16-bit

unsigned integer

0 7500– 65535

0.02 NA

Daytime LSTE quality control

Bit-Field 8-bit

unsigned integer

** 0–255 NA NA

Daytime LST observation time

Hours 8-bit

unsigned integer

0 0–240 0.1 NA

Daytime LST view zenith angle

Degrees 8-bit

unsigned integer

255 0–130 1 -65

Nighttime land surface temperature

Kelvin 16-bit

unsigned integer

0 7500– 65535

0 NA

Nighttime LSTE quality control

Bit-Field 8-bit

unsigned integer

** 0–255 NA NA

Nighttime LST observation time

Hours 8-bit

unsigned integer

0 1–240 0.1 NA

Nighttime LST view zenith angle

Degrees 8-bit

unsigned integer

255 0–130 1 -65

Band 31 Emissivity None 8-bit

unsigned integer

0 1–255 0.002 0.49

Band 32 Emissivity None 8-bit

unsigned integer

0 1–255 0.002 0.49

Daytime clear-sky coverage

None 16-bit

unsigned integer

0 1–65535 0.0005 NA

Nighttime clear-sky coverage

None 16-bit

unsigned integer

0 1–65535 0.0005 NA

Tabla 2** El QC SDS no contiene un FillValue. Esta Ficha de Seguridad se utiliza junto con la LST SDS. Si LST tiene un FillValue 0, los 0-1 bits tienen valores de 10 o 11, y otros campos de bits con

0 no están definidos.

31

Las características del Dataset son las siguientes:

Data Set Characteristics

Temporal Coverage: V005 July 8, 2002 –

Area ~1100 km x 1100 km

Image Dimensions 1200 rows x 1200 columns

Spatial Resolution 1 km (0.93 km)

File Size ~4 MB Compressed

Projection Sinusoidal

Data Format HDF-EOS

No. of Science Data Sets (SDS) 12

Tabla 3: Características del Data Set/Aqua MODIS.

En el MODIS/Aqua V5 LST/E L3 Global 1 km Grid (MYD11A1) los productos incorporados con 1km de resolución por píxel que se producen a diario utilizan el algoritmo split-window LST generalizado. En condiciones óptimas este algoritmo se utiliza para separar los rangos de la columna de vapor de agua en la atmósfera y las temperaturas del aire más bajas del contorno de la superficie en sub-rangos. Las emisividades de superficie en las bandas 31 y 32 se estimaron a partir de los tipos de cobertura de la tierra.

Los productos MYD11A1 V5 se proyectan en una proyección sinusoidal mapeando el producto LST nivel-2 (MYD11_L2) de 1 kilómetro (0.928 km)

El producto MYD11A1 comprende los siguientes: Science data set (SDS) coberturas para el día y la noche: LSTs, las evaluaciones de control de calidad, tiempos de observación, vistas de ángulos cenitales y coberturas de cielo despejado, y las bandas 31 y 32 emisividades de los tipos de cobertura de la tierra.

Los productos LST/E V5 del Aqua/MODIS, incluyendo MYD11A1, se validan para una segunda etapa a través de campañas de campo y estudios de validación basado en la luminosidad. Más detalles relativos a la validación de productos de la tierra para los productos MODIS LST/E están disponibles en la siguiente dirección URL: http://landval.gsfc.nasa.gov/ProductStatus.php?ProductID=MYD11

Este producto está listo para su uso en aplicaciones de la ciencia y publicaciones.

La adquisición de la gama de productos MYD11A1 – versión 5 comenzó el 08 de julio 2002 (2002-189) y continuará hasta algún tiempo después del reprocesamiento versión 6 se haya completado. La colección no es coherente con la V5 V4 y V41, y los usuarios deben tener precaución.

32

Finalmente como set de imágenes, se utilizaron aquellas imágenes Aqua/MODIS

comprendidas entre los meses de Mayo a Octubre del año 2010 al 2013, por ser los meses del año donde se presentan con mayor intensidad los riesgos de heladas en la provincia de San Felipe de Aconcagua.

33

Capa vectorial

Para llevar a cabo el producto, se trabajó con los límites oficiales CIREN de la región de Valparaíso, los límites de la provincia de San Felipe de Aconcagua (DIVA CIREN, división administrativa a escala 1:10000 año 2008, fueron construidos sobre imágenes Quickbird) y estos son los que se muestran a continuación.

Figura 2: representa a la provincia de San Felipe de Aconcagua, en la región de Valparaíso.

34

Área de Estudio

La provincia de San Felipe de Aconcagua, se ubica en el sector este de la región de Valparaíso, separado de la cuenca de Santiago por el cordón de Chacabuco, alrededor del río Aconcagua, se encuentra aquí el último de los valles transversales de la zona norte de Chile, transición entre el norte Chico y el Chile Central.

La Provincia de San Felipe de Aconcagua limita al norte con la Provincia de Petorca, al este con la Provincia de Los Andes y la República Argentina, al sur con la Región Metropolitana, al oeste con la Provincia de Quillota.

Esta provincia está compuesta por las comunas de San Felipe (capital provincial), Llay Llay, Catemu, Panquehue, Putaendo y Santa María, con una extensión de 2659 km² y una población según el censo de 132 mil habitantes, de los cuales el 27.4% corresponde a población rural y el 72.6% a población urbana. Clima

El valle posee un clima mediterráneo, con marcada concentración invernal de las precipitaciones y un verano prolongado y seco. El periodo de lluvias está concentrado entre los meses de mayo y agosto, con magnitudes que oscilan entre los 250 y 450mm anuales. El periodo seco es de 8 meses.

En invierno cae cerca del 70% de las precipitaciones anuales y durante los meses de verano solamente el 2%.

Las perturbaciones ciclónicas que originan las precipitaciones traen asociados vientos en los niveles intermedios y altos del valle, intensificando las precipitaciones en las laderas opuestas en esta dirección. La sequía estival se debe principalmente al desplazamiento hacia el sur que experimenta en verano el anticiclón del pacífico, generando frecuentes estados de tiempo anticiclónico entre octubre y marzo con alta frecuencia de días despejados y viento sur.

La humedad del aire está principalmente influida por el relieve y la distancia al océano, caracterizando a la zona del Aconcagua con veraneos de humedad relativa homogénea, entre 55 y 65%, mientras que en invierno oscila entre el 60% en su sector oriental y 80% en el occidental.

35

La temperatura del aire, también determinada por el relieve y la distancia al océano,

presenta en el Aconcagua las siguientes características:

Temperatura media anual de 16⁰ C.

Oscilación anual que supera los 12⁰ C.

Las temperaturas máximas diarias en verano superan los 32⁰ C, mientras que

en invierno llegan a 17⁰ C.

Las temperaturas mínimas registradas en invierno son cercanas a los 2.5⁰ C,

con oscilaciones de 8⁰ C.

Este Agroclima tiene ventajas comparativas para el desarrollo de frutales de hoja

caduca debido a que se cumplen las horas de frío (800hfa) necesarias para la mayoría de ellos. Las condiciones de luminosidad y temperatura invernales y estivales son óptimas en general para la chacarería, floricultura y forrajeras cultivadas en la zona7. Suelos

De acuerdo a su posición fisiográfica, características físicas y morfológicas, en el área de Aconcagua se pueden distinguir las siguientes agrupaciones de suelos:

Suelos de terrazas remanentes: en esta formación se han desarrollado los mejores suelos de la región, con el mayor potencial frutícola. Se han formado por sedimentos depositados en forma de planicies aluviales o corrientes de barro, que han sido posteriormente remodelados por los ríos. Estos suelos se caracterizan en general, por presentar perfiles profundos, bien estructurados, de texturas moderadamente finas a finas, de topografía plana a suavemente ondulada, bien drenados y con buena capacidad de retención de humedad. Estos suelos están clasificados como clase I y II, encontrándose mayoritariamente entre la comuna de Santa María y el puente El Rey de San Felipe.

7 «Gobernación Provincia de San Felipe - Gobierno de Chile». [En línea]. Disponible en:

http://www.gobernacionsanfelipe.gov.cl/geografia.html.

36

Suelos de cuenca de sedimentación: son aquellos formados a partir de sedimentos

finos y evolucionados bajo condiciones de humedad excesiva (lacustres), ocupan posición baja y deprimida, con texturas finas a muy finas, drenaje imperfecto a muy pobre y alto contenido de carbonato de calcio.

Estos suelos clasificados en clase II y IV se localizan en las comunas de Panquehue, Llay Llay y Quillota.

Hidrología

Los principales recursos superficiales se encuentran en los cursos de los ríos Aconcagua y Putaendo, ambos de régimen nivopluvial, en el que predominan los volúmenes escurridos durante el deshielo.

Rio Aconcagua: el nombre rige después de la confluencia de los ríos Juncal y Blanco, al que se adiciona más al sur el caudal del río Colorado. Fuera del sector andino recibe también los afluentes del río Putaendo, de los esteros Quilpué, Pocuro, Jahuel, Lo Campo, Catemu y Los Loros, con un valor esperado anual de 42.21 m³/s

Río Putaendo: nace de la confluencia de los ríos Rocín e Hidalgo, con aportes del

Estero Chalaco, a la altura del Resguardo Los Patos. El río se orienta de norte a sur para desembocar en el Aconcagua, tramo último que se caracteriza por ser altamente permeable, siendo una zona de recarga del acuífero.

El acuífero valle río Aconcagua, sector los Andes-San Felipe tiene un espesor

saturado que varía entre los 100 a 200 metros en la parte alta y 300 a 400 metros en las inmediaciones de San Felipe.

El material del acuífero alcanza un volumen por sobre los 24.000 millones de m³, lo que se traduce en una capacidad de almacenaje entre 2.400 y 3.600 millones de m³., siendo las zonas de mayor importancia Curimón y la confluencia del Putaendo con el Aconcagua.

37

Sector Productivo

La fertilidad de las tierras de la provincia de San Felipe permite el cultivo de miles de hectáreas de vid en Panquehue, destinada a la producción de uva de mesa y vinos, además de duraznos, hortalizas y tabaco. Este último, trabajado a nivel industrial, se encuentra principalmente en los campos de San Felipe, Putaendo y Catemu.

Las principales actividades productivas detectadas en la Provincia este último tiempo son: La agroindustria, el turismo y resurgimiento de la actividad minera especialmente en la comuna de Catemu8.

8 «Gobernación Provincia de San Felipe - Gobierno de Chile». [En línea]. Disponible en:

http://www.gobernacionsanfelipe.gov.cl/geografia.html.

38

Métodos Antecedentes Generales

La primera etapa constó en revisar bibliografía para determinar el tipo de imágenes que finalmente se utilizaron para realizar el producto y conocer antecedentes acerca de los procedimientos técnicos que finalmente se llevaron.

Uno de los productos que se ofrecieron dentro del marco del proyecto del BID era elaborar el Mapa de Riesgo de Heladas, para lo cual existía la previa idea de utilizar imágenes LANDSAT (alta disponibilidad de archivos históricos) y una resolución espacial de 30 metros, (aunque para el sector determinado solo se constó con tres imágenes por mes (a partir del año 2013 se encuentran disponibles imágenes L7 y L8 y con posterioridad a esa fecha solo imágenes de L7 en el 2012 y para el año 2011 se alterna entre imágenes de L5 y L7, ver tabla en el anexo), o utilizar imágenes Aqua/MODIS, alta resolución temporal que cubre el territorio de estudio al menos una vez al día, pero con una resolución espacial de 1km en el producto deseado.

Terminada la revisión bibliográfica e investigadas las situaciones expuestas con anterioridad, se evaluó que la mejor opción era trabajar con imágenes MODIS, por lo cual se procedió a determinar qué productos de MODIS servirían como base para ir obteniendo resultados.

Por otro lado, es de suma importancia obtener los datos de las estaciones

meteorológicas que se encontraban dentro de la provincia de San Felipe de Aconcagua, en donde se poseen seis estaciones que en la actualidad entregan a los productores una alerta de posibilidad de Heladas, la cual se genera solo con datos de estas seis estaciones meteorológicas mediante cálculos estadísticos generados por un algoritmo matemático9.

Putaendo – Comuna de Putaendo.

Doña Rosa – Comuna de Santa María.

El Carmelo – Comuna de Santa María.

Santa María – Comuna de Santa María.

San Felipe – Comuna de San Felipe.

El Maitenal – Comuna de San Felipe.

Curimón – Comuna de San Felipe.

9 «Agroclima.cl». [En línea]. Disponible en:

http://www.agroclima.cl/InfoEstacionv2.aspx?IdEst=108&Ubi=5.

39

A continuación se muestra la distribución de las estaciones meteorológicas en la

región de Valparaíso de la Red conformada por universidades, empresas productoras y exportadoras de frutas, empresas agrícolas, más dependencias del Estado de Chile y la Dirección Meteorológica de Chile.

Figura 3: distribución de estaciones meteorológicas.

Estas estaciones meteorológicas pueden entregar parámetros tales como: temperaturas, humedad relativa, precipitación diaria, precipitación acumulada, radiación solar, presión atmosférica y velocidad del viento10.

10

«Agroclima.cl». [En línea]. Disponible en:

http://www.agroclima.cl/Informe.aspx?IdReg=5

40

Desarrollo de la Metodología.

El formato de la imagen trabajado es el Land Surface Temperature and Emissity

Daily L3 Global 1 km Grid SIN (MYD11A1), correspondiente a Aqua/MODIS y fue descargada desde el sitio http://ladsweb.nascom.nasa.gov/data/search.html

A continuación se describen los pasos llevados a cabo para la adquisición de las

imágenes:

1. Entrar al sitio http://ladsweb.nascom.nasa.gov/data/search.html

2. Luego, para la obtención de las imágenes en este formato, se seleccionaron las

alternativas que se muestran en pantalla.

41

3. Se eligió el rango de tiempo sobre el cual se deseó descargar las imágenes, por

ejemplo Mayo 2013.

4. Se seleccionó la colección de datos (Modis Collection 5-L1, Atmos and Land)

5. A continuación, se desplegó como alternativa el seleccionar el área de interés

mediante un Tile o Latitud/Longitud. Para este caso, se utilizó Latitud/Longitud.

42

6. La opción de seleccionar Metadata no fue utilizada.

7. Luego se procedió a guardar la selección antes realizada y posteriormente se

comenzó la búsqueda de las imágenes con los parámetros antes seleccionados.

8. El motor de búsqueda despliega los siguientes resultados.

Un total de 62 archivos disponibles para el mes de Mayo del año 2013 con un tamaño total de 162.07 MB. La lista se muestra a continuación:

43

Cabe señalar que el día 1 de mayo se muestra al equivalente en su día del

calendario juliano (121), por lo tanto el 31 de mayo será equivalente al día (151).

Luego, se seleccionó la opción “Order Files Now” (se consideraron solo los

archivos H12V12 de cada día, generando al final un total de 31 archivos), finalmente se despliega la siguiente ventana.

44

Donde se debió introducir una cuenta de correo electrónico (acá llegará el número

de la orden generada por el sitio web de NASA y para este caso en que se ha elegido descargar las imágenes desde un sitio FTP, el nombre de usuario, password, nombre del ftp y la ruta a seguir para descargar el producto.

45

Los datos se muestran a continuación:

Your Order ID is: 500816171 The data you ordered will be staged (in a few minutes), and you can retrieve the data through anonymous FTP using: ftp ladsweb.nascom.nasa.gov username: anonymous password: fmensor@gmail.com cd /orders/500816161 binary prompt mget *

Finalmente, se procedió a utilizar el gestor de descarga FTP FileZilla, de donde

solo queda descargar el producto o los productos que se hayan solicitado.

Seleccionado el producto, se procedió a descargar los archivos al escritorio o

carpeta que se estimó conveniente. (El producto 500816171 no se encuentra en esa lista ya que fue descargado hace unas semanas y por lo general lo que se solicita estará en el FTP por el plazo de una semana.

46

“De todas formas, llegará una alerta al correo electrónico comentando que el

producto será eliminado dentro de los próximos 7 días para así generar espacio en el servidor a otros pedidos de usuarios)”.

47

Generación del producto ya obtenido los archivos de imágenes de trabajo

Para la generación del producto se utilizaron principalmente los software ENVI 4.7,

Envi 4.7 +IDL, Quantum GIS 2.20, Global Mapper 12, programa R entre otros.

Primeros pasos:

Las imágenes tienen todas por defecto el formato .hdf, se muestra a continuación el resultado de la descarga de algunos archivos.

48

A continuación: Abrir imagen con ENVI 4.7 a través de los siguientes pasos: File – Open External File – Generic Formats – HDF

49

Luego, se seleccionó la opción abrir, de donde se desplegaron todos los productos que están dentro del archivo y que para efectos de estudio solo se trabajaron a partir de los que se muestran seleccionados (previa metodología ya consultada y establecida según la experiencia del tutor).

50

La siguiente imagen muestra el sistema de proyección Sinusoidal, la que

posteriormente fue reproyectada según el sistema de referencia que se utiliza en Chile y que además tiene la cobertura de la provincia de San Felipe de Aconcagua (Sistema de Referencia Universal Transversator Mercator, WGS84 Huso 19S), para lo cual se empleó la extensión del software Envi 4.7 módulo MODIS Convertion Toolkit y que se muestra a continuación:

51

Reproyección utilizando el módulo MODIS Convertion Toolkit

File – Open External File – EOS – MODIS Conversion Toolkit

52

Desde las ventanas despegables se puede configurar el sistema de reproyección

que se estime conveniente. Es importante que el tamaño del pixel sea cambiado por el que corresponde, en este caso como la imagen adquirida es de 1 kilómetro de resolución, el tamaño del resampleo del pixel fue igual a X=1000 e Y=1000.

53

En proceso…

Finalmente se obtendrán las imágenes reproyectas como se observa en el recuadro siguiente.

54

Imagen Reproyectada total con la cobertura de la Provincia de San Felipe de

Aconcagua.

Figura 4: Vista general de la cobertura dentro de toda la imagen Reproyectada.

Figura 5: Vista principal de la cobertura dentro de la imagen Reproyectada.

55

Una vez reproyecta la imagen, se procedió a trabajar en primera instancia con el

producto Daily Nighttime 1 KM grid Land Surface Temperature, el cual contiene las temperaturas nocturnas diarias expresadas en grados Kelvin y que mediante matemática de bandas se procederá a convertir a grados Celsius (ºC)

Imagen con grados Kelvin antes de ser aplicado el algoritmo.

Figura 6: Imagen con grados Kelvin antes de ser aplicado el algoritmo.

56

Procedimiento para la transformación de grados Kelvin a grados Celsius

El algoritmo utilizado para la transformación entre Kelvin a Celsius está dado por la

siguiente fórmula:

(float(b1)-273.15)

El cual se procedió a insertar dentro de la caja de diálogo y luego se seleccionó la

opción Ok.

57

Se desplegó una ventana en la cual se solicitó asignar que banda será

transformada mediante el algoritmo introducido en el paso anterior (B1), por lo tanto se seleccionó el Daily Nighttime 1Km grid Land Surface Temperature y en que ubicación se desea exportar el resultado.

58

Una vez ejecutados los pasos, se obtuvo una imagen con temperaturas en ºC tal

como se muestra a continuación.

Figura 7: Resultado de la transformación de grados Kelvin a Celsius.

El sector está cercano a la cordillera de los Andes, por lo cual es muy probable que

la temperatura sea cercana a los -5ºC (corroborado por Agroclima.cl). Este procedimiento se realizó con las restantes 30 imágenes.

Posteriormente, se procedió a realizar una máscara a cada una de las imágenes

con la finalidad de solo tener valores 0 y 1, para lo cual se utilizó el siguiente algoritmo:

(b1 gt 0)*1 OR (b1 eq 0)*0 En donde, para los valores de temperatura mayores a 0ºC entonces 1, ó para los

valores igual a 0ºC entonces 0, lo que fue generado y automatizado por el Dr. Antonio Padovano en el programa R.

59

Demostración de cómo se realizó el proceso utilizando matemática de bandas

antes de automatizar el proceso.

Y luego, se seleccionó la banda a transformar, además de introducir el nombre del archivo de salida y la ruta de la carpeta a la cual se exportó el producto.

60

Finalizado el proceso en Envi, se obtuvo la siguiente imagen.

Figura 8: Resultado de utilización de algoritmo y proceso de máscara.

Luego, este proceso también se realizó con las restantes 30 imágenes, las cuáles

finalmente fueron procesadas usando el siguiente algoritmo:

((float(b1)+float(b2)+float(b3)+float(b4)+float(b5)+float(b6)+float(b7)+float(b8)+float(b9)+float(b10)+float(b11)+float(b12)+float(b13)+float(b14)+float(b15)+float(b16)+float(b17)+float(b18)+float(b19)+float(b20)+float(b21)+float(b22)+float(b23)+float(b24)+float(b25)+float(b26)+float(b27)+float(b28)+float(b29)+float(b30)+float(b31))/31)

61

En donde se sumaron todas las imágenes del mes y son divididas por el mismo

número total de días del mes. Los valores son expresados entre 0 y 1, entregando la probabilidad de temperaturas nocturnas con valores cercanos a 0 para indicar probabilidad de temperaturas igual o inferior a 0ºC ó valores cercanos a 1 para indicar temperaturas mayores a 0ºC (factor que podría indicar una menor posibilidad de riesgo de heladas).

Se introdujo el algoritmo mediante matemática de bandas y luego se cargó cada

imagen en cada valor de (B1, B2….B31), tal como se muestra a continuación:

62

Finalmente realizada la operación, se entregaron los siguientes archivos.

63

Por lo tanto la nueva imagen es la siguiente:

Figura 9: Resultado de todas las imágenes con sus temperaturas nocturnas diarias para el mes de

mayo del 2010 (Daily Nighttime 1 Km grid Land Surface Temperature).

Para este caso el valor fue de 0.7, lo que indica que es poco probable que la

temperatura en la noche alcance un valor igual o inferior a 0ºC. Este lugar se encuentra en el valle y en donde según los datos de Agroclima.cl solo el día 15 de Mayo se registró una temperatura nocturna de -1ºC.

64

El siguiente paso fue trabajar con los productos Daily Nighttime 1 Km grid Land

Surface Temperature y Night Clear-Sky coverage. Para este proceso se utilizó el siguiente algoritmo:

(b1 lt 0 AND b2 gt 0)*1

El cual describe que para valores de temperatura menores a 0ºC y si existe presencia de nubes, entonces 1.

Figura 10: muestra la correlación entre el producto (Daily Nighttime 1 Km grid Land Surface Temperature) y (Night clear sky coverage).

65

Teniendo ambas imágenes desplegadas se procedió a introducir el algoritmo

mediante matemática de bandas.

66

En esta imagen, los pixeles blancos indican que existen temperaturas inferiores a

0ºC y que existe presencia de nubes (por lo cual la máscara y el algoritmo funcionan), esto se comprueba dado que el sector de la máscara en blanco corresponde a la Cordillera de Los Andes, donde existen alturas sobre los 5 mil metros de altura.

El mismo proceso se realizó para las restantes 30 imágenes, teniendo como resultado final un solo archivo del cual se desprendió la siguiente imagen.

67

Figura 11: Resultado final de la aplicación del algoritmo entre producto (Daily Nighttime 1 Km grid Land Surface Temperature) y (Night clear sky coverage).

Tras el resultado de la aplicación del algoritmo anterior, el sector con pixeles blancos expresa la probabilidad de que existan temperaturas bajo 0ºC para el periodo del mes de Mayo (sector precordillerano y alta cordillera de los Andes).

Tras la obtención y transformación de las imágenes de las temperaturas nocturnas

diarias y estas últimas desarrolladas, se volvió a utilizar el programa en R creado por el Dr. Padovano, obteniendo para el mes de Mayo del 2010 la siguiente imagen final:

68

Figura 12: Comparación del proceso realizado mediante matematica de bandas y por el proceso automatizado.

En esta imagen, se muestra un resultado para el mes de Junio del 2010 obtenido mediante los algoritmos realizados con matemática de bandas (imagen de la izquierda) y otro resultado obtenido mediante el programa automatizado desarrollado en el programa R (imagen de la derecha), ambas imágenes están situadas en el mismo punto mediante el “link displays” de Envi y tienen el mismo valor (cursor location/value). Pero la diferencia está al realizar el proceso de obtención de sus estadísticas, ya que el modelo automatizado ya está ajustado y es el que finalmente se utilizó para efecto de este informe final.

69

Mes de Mayo del año 2010 (Probabilidad de Riesgo de Heladas)

Figura 13: Se muestra el resultado para el mes de Mayo del año 2010 (Probabilidad de Riesgo de Heladas).

En esta imagen final resultante para el mes de mayo del año 2010, la escala gráfica entrega como resultado las probabilidades de heladas para toda la imagen. Según datos de Agroclima.cl las temperaturas y el registro de heladas elaborado por ellos para este mes de mayo, confirmaría el resultado obtenido tras todo el proceso realizado.

70

Resultados

Correspondió a lo obtenido tras la fusión de los datos comprendidos entre todos los días del mes de Mayo del 2010 – 2011 – 2012 – 2013 (4 años), de donde se infirió dado el algoritmo utilizado lo siguiente:

De donde los valores R cercanos a 0 no tienen probabilidad de riesgo de heladas y viceversa, los valores R cercanos a 1 tienen una alta probabilidad de riesgo de heladas.

Mayo 2010 - 2013

Total Escena Mayo 2010-2013 Min Max Mean Stdev

0 0.7 0.1 0.1

Provincia de San Felipe de Aconcagua Min Max Mean Stdev

0 0.5 0.1 0.2

71

Junio 2010-2013

Total Escena Junio 2010-2013 Min Max Mean Stdev

0 0.8 0.1 0.1

Provincia de San Felipe de Aconcagua Min Max Mean Stdev

0 0.5 0.1 0.2

72

Julio 2010-2013

Total Escena Julio 2010-2013 Min Max Mean Stdev

0 0.8 0.2 0.1

Provincia de San Felipe de Aconcagua Min Max Mean Stdev

0 0.7 0.2 0.2

73

Agosto 2010-2013

Total Escena Agosto 2010-2013 Min Max Mean Stdev

0 0.8 0.1 0.1

Provincia de San Felipe de Aconcagua Min Max Mean Stdev

0 0.6 0.1 0.2

74

Septiembre 2010 – 2013

Total Escena Septiembre 2010-2013 Min Max Mean Stdev

0 0.8 0.1 0.1

Provincia de San Felipe de Aconcagua Min Max Mean Stdev

0 0.6 0.1 0.2

75

Octubre 2010 – 2013

Total Escena Octubre 2010-2013 Min Max Mean Stdev

0 0.9 0.0 0.1

Provincia de San Felipe de Aconcagua Min Max Mean Stdev

0 0.6 0.1 0.2

76

Figura 14: El gráfico muestra las máximas probabilidades de heladas para el periodo comprendido entre Mayo a Octubre (2010-13), donde el mes de Octubre es quien representa el valor de

probabilidad de heladas mayores para toda la imagen Aqua/MODIS.

Figura 15: El gráfico muestra las máximas probabilidades de heladas para el periodo comprendido entre Mayo a Octubre (2010-13) dentro del sector de la Provincia de San Felipe de Aconcagua, donde el mes de Julio es quien representa el valor de probabilidad de heladas (temporada de

invierno).

77

Figura 16: Muestra el resumen de las temperaturas nocturnas diarias para el día 1 de mayo del año 2010, 2011, 2012 y 2013 según el proceso de las imágenes del Aqua/MODIS.

78

Con respecto al producto Daily Nighttime 1 KM grid Land Surface Temperature, se

realizó la siguiente prueba para el día 15 de Mayo del 2013, ya que se constaba con el registro de temperaturas mínimas para el mes de Mayo (fuente,agroclima.cl)

Figura 17: registro de temperaturas mínimas, gentileza de Agroclima.cl

79

La imagen corresponde principalmente a la zona del valle entre la comuna de Panquehue, San Felipe y Putaendo, para lo cual fue cargada la cobertura (shape) de la provincia de San Felipe de Aconcagua y el catastro frutícola del año 2008 para la zona de San Felipe de Aconcagua (ambas propiedad de CIREN). El valor de temperatura mínima para la zona del valle se encontró emplazada en el sector de Panquehue con un valor de 0.4⁰C y el registro hecho en base a algoritmos

matemáticos establecía que la temperatura mínima registrada era de -0.8⁰C, por lo cual

tiene una diferencia de +/-2⁰C para esta imagen.

Figura 18: muestra el valor para la temperatura más baja registrada para la zona de los valles el día 15 de Mayo del 2013, según datos de Agroclima.cl

80

A modo de comprobación de la zona en la cual se registró la temperatura más

baja, se convirtieron los datos (cobertura de la Provincia de San Felipe de Aconcagua y la cobertura del catastro frutícola para el mismo sector) al formato KMZ para poder cargarlo en Google Earth mediante Global Mapper 12,del cual se obtuvo el siguiente resultado gráfico y en el cual se concluyó que tanto la imagen Aqua/MODIS y los datos (ambas coberturas de Ciren) estaban bien georeferenciadas, además que el punto con la temperatura se encuentra emplazado donde la imagen Aqua/MODIS lo señaló. Además, se concluye que dada la ubicación geográfica estratégica en donde está el punto (ladera cercada por una zona de alta montaña) reúne características propicias para que se desarrolle una posible helada.

Figura 19: producto elaborado con datos de coberturas (shapes) transformados a KMZ utilizando como imagen de fondo una imagen de Google Earth.

81

Conclusiones

La generación del producto “Mapa de Probabilidad de Heladas” y en especial para el sector de la Provincia de San Felipe de Aconcagua, Región de Valparaíso, Chile; se basó en una estrategia metodológica elegida en conjunto por parte de los integrantes del equipo multidisciplinario de Chile (BID), los profesores del taller del BID, autoridades de la Maestría, tutores de la pasantía y el alumno, por el hecho de poder constar de manera óptima y eficiente con los insumos y conocimientos que permitieran el desarrollo más fluido del producto por parte del becario durante su estadía en Italia.

El fenómeno de las Heladas, dependiendo del sector que se vaya a estudiar tiene

distintos factores por los cuales se puede desarrollar o presentar. Para el caso de Chile y en especial del sector ya mencionado, son las Heladas por Advección las que predominan en los valles y laderas de la Provincia de San Felipe de Aconcagua (aunque estas heladas por lo general predominan más entre los meses de Septiembre a Noviembre), es curioso que sea el mes de Julio el que presenta un mayor índice de probabilidad de heladas (ver datos más abajo), de donde se infiere que posiblemente este resultado pueda estar condicionado por el corto tiempo del estudio multitemporal que se desarrolló en esta pasantía (solo cuatro años de imágenes comprendidas para el periodo de Mayo a Octubre del 2010-13), aunque es válido mencionar que la diferencia entre Julio y los meses de Septiembre y Octubre es mínima.

Provincia de San Felipe de Aconcagua Julio Min Max Mean Stdev

0 0.7 0.2 0.2

Provincia de San Felipe de Aconcagua Septiembre Min Max Mean Stdev

0 0.6 0.1 0.2

Provincia de San Felipe de Aconcagua Octubre Min Max Mean Stdev

0 0.6 0.1 0.2 Con respecto a la validación del algoritmo utilizado, al momento del cierre de la

elaboración de este informe final de pasantía no se pudo contar con los datos de las estaciones meteorológicas inmersas dentro del sector para poder certificar/validar lo obtenido mediante la implementación del algoritmo (el cual fue propuesto por la tutora en

82

Argentina) y corroborado para ser utilizado por la tutora en Eurac, Italia y en el cual se

basó todo el trabajo de pasantía durante estos seis meses, aunque cabe señalar que mediante algunos datos obtenidos a través del portal Agroclima.cl se pudo constatar que para algunos casos puntuales en los cuales se pudieron obtener datos meteorológicos, las diferencias entre lo expuesto finalmente como resultado del desarrollo del modelo para el caso de las temperaturas mínimas entregó una diferencia de +/- 2⁰C de diferencia entre

ambos.

83

Actividades Futuras

Intentar implementar o automatizar aún más los procesos para la generación de datos, con la finalidad de poder entregar al menos un estudio multitemporal con 10 o 15 años de datos para un resultado más representativo, además de incorporar el mes de Noviembre ya que según algunos autores, aún se presentan algunas heladas perjudiciales en esta zona.

84

Bibliografía [1] «00_FROSTvol1_cover_14FB - y7223s05.pdf». . [2] «AHA2_gonzalez.pmd - 13gonzalez.pdf». . [3] F. Di Castri y E. R. Hajek, Bioclimatología de Chile. Vicerrectoría Académica de la

Universidad Católica de Chile Santiago, Chile, 1976. [4] K. Müller y M. S. I. A. Enólogo, «Chile vitivinícola en pocas palabras», Facultad de

Ciencias Agronómicas. Departamento de Agroindustria y Enología, Universidad de Chile, Santiago de Chile, 2004.

[5] «Consolidado Heladas y nevadas-Impacto sector Agricultura - Consolidado Heladas y nevadas-Impacto sector Agricultura.pdf». .

[6] «Descripción técnica y evaluación económica de diferentes métodos de control de heladas en palto (Persea americana Mill.) - MolinaLeonardo1999.pdf». .

[7] «Heladas en Vides Viníferas - Heladas en Vides Viníferas - Héctor Acevedo.pdf». . [8] «Informe-Heladas.pdf». . [9] «Microsoft Word - LAS HELADAS EN FRUTICULTURA.doc - LAS HELADAS EN

FRUTICULTURA.pdf». . [10] «Microsoft Word - Modulo_PercepcionRemota.doc - modulo5.pdf». . [11] «Microsoft Word - TESIS_FINAL.doc - 0659783_A1.pdf». . [12] «NR34600.pdf». . [13] D. C. Ñ. LA ZONA y D. F. O. RUBIO, «OCURRENCIA DE HELADAS TARDÍAS DE

INCIDENCIA AGRÍCOLA EN».

85

Consultas electrónicas a través de páginas web [1] «Agroclima.cl». [En línea]. Disponible en:

http://www.agroclima.cl/Informe.aspx?IdReg=5. [Accedido: 30-mar-2014]. [2] «Agroclima.cl». [En línea]. Disponible en:

http://www.agroclima.cl/InfoEstacionv2.aspx?IdEst=108&Ubi=5. [Accedido: 30-mar-2014].

[3] «Aqua (satélite) - Wikipedia, la enciclopedia libre». [En línea]. Disponible en: http://es.wikipedia.org/wiki/Aqua_(sat%C3%A9lite). [Accedido: 30-mar-2014].

[4] «Carozos tempranos, uva, kiwis y paltos, entre los primeros afectados por heladas del “18″ – www.soyaconcagua.cl». [En línea]. Disponible en: http://soyaconcagua.cl/2013/09/24/carozos-tempranos-uva-kiwis-y-paltos-entre-los-primeros-afectados-por-heladas-del-18/. [Accedido: 28-feb-2014].

[5] «Crece impacto por heladas: Agricultores duplican estimación de pérdidas a US$1.000 millones - LaSegunda.com». [En línea]. Disponible en: http://www.lasegunda.com/Noticias/Economia/2013/10/882527/crece-impacto-por-heladas-agricultores-duplican-estimacion-de-perdidas-a-us1000-millones. [Accedido: 28-feb-2014].

[6] «CREPAD». [En línea]. Disponible en: http://www.crepad.rcanaria.es/es/plataformas/modis.html. [Accedido: 30-mar-2014].

[7] «Gobernación Provincia de San Felipe - Gobierno de Chile». [En línea]. Disponible en: http://www.gobernacionsanfelipe.gov.cl/n1115_20-10-2013.html. [Accedido: 28-feb-2014].

[8] «Gobernación Provincia de San Felipe - Gobierno de Chile». [En línea]. Disponible en: http://www.gobernacionsanfelipe.gov.cl/geografia.html. [Accedido: 30-mar-2014].

[9] «Gobierno detalla plan para mitigar efectos de las heladas en empleo - Terra Chile». [En línea]. Disponible en: http://economia.terra.cl/gobierno-detalla-plan-para-mitigar-efectos-de-las-heladas-en-empleo,43d8bc7e12bb2410VgnCLD200000bbcceb0aRCRD.html. [Accedido: 28-feb-2014].

[10] «Helada matinal | miSanFelipe.cl». [En línea]. Disponible en: http://www.misanfelipe.cl/tag/helada-matinal/. [Accedido: 28-feb-2014].

[11] «Información de Clima de La Región de Valparaíso, San Felipe, isla de Pascua, Viña del mar, San Antonio, Anga Roa, Los Andes, Quillota, pronósticos del tiempo, Download, Mapas Gratis.» [En línea]. Disponible en: http://www.mapasdechile.com/clima_region05/index.htm. [Accedido: 28-feb-2014].

[12] «LazoFCM». [En línea]. Disponible en: http://www.heladas.cl/index_archivos/Page298.htm. [Accedido: 28-feb-2014].

86

[13] «Más de 800 agricultores serán beneficiados con bono por heladas en Valparaíso -

BioBioChile». [En línea]. Disponible en: http://www.biobiochile.cl/2013/10/16/mas-de-800-agricultores-seran-beneficiados-con-bono-por-heladas-en-valparaiso.shtml. [Accedido: 28-feb-2014].

[14] «Ministro del Trabajo detalla plan para mitigar efectos de las heladas en el empleo - Gobierno de Chile». [En línea]. Disponible en: http://www.gob.cl/informa/2013/10/08/ministro-del-trabajo-detalla-plan-para-mitigar-efectos-de-las-heladas-en-el-empleo.htm. [Accedido: 28-feb-2014].

[15] «MODIS Website - Components of MODIS». [En línea]. Disponible en: http://modis.gsfc.nasa.gov/about/specifications.php. [Accedido: 30-mar-2014].

[16] «Portal Frutícola » Chile: Heladas afectan a cultivos frutícolas desde las regiones de Atacama a Los Lagos». .

[17] J. J. L. H. dice, «Portal Frutícola » Mirada desde el campo al impacto de las heladas en Chile». .

[18] «Previsión del Tiempo para San Felipe, Chile». [En línea]. Disponible en: http://es.weather-forecast.com/locations/San-Felipe/forecasts/latest. [Accedido: 28-feb-2014].

[19] «Senado - República de Chile - Institución». [En línea]. Disponible en: http://www.senado.cl/appsenado/index.php?mo=sesionessala&ac=getDocumento&teseid=46116&idparl=1013&tema=Tema&nrobol=&legiid=&tagid=4. [Accedido: 28-feb-2014].

[20] «Terremoto blanco en Chile - Coagra». [En línea]. Disponible en: https://www.coagra.com/noticias/revista-coagra/articulos-destacados/terremoto-blanco-en-chile. [Accedido: 28-feb-2014].

87

Anexos Catastro preliminar de imágenes Landsat

LANDSAT Año PATH ROW FECHA PRODUCTO ID CC

L8

2014

233 83 3/14/2014 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832014073LGN00 30%

L7 233 83 3/6/2014 Qlty: 9 Product: ETM+ L1T ID: LE72330832014065ASN00 1%

L8 233 83 2/26/2014 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832014057LGN00 6%

L7 233 83 2014/2/18 Qlty: 9 Product: ETM+ L1T ID: LE72330832014049ASN00 41%

L8 233 83 2/10/2014 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832014041LGN00 24%

L7 233 83 2/2/2014 Qlty: 9 Product: ETM+ L1T ID: LE72330832014033ASN00 1%

L8 233 83 1/25/2014 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832014025LGN00 3%

L7 233 83 1/17/2014 Qlty: 9 Product: ETM+ L1T ID: LE72330832014017ASN00 21%

L8 233 83 1/9/2014 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832014009LGN00 4%

L7 233 83 1/1/2014 Qlty: 9 Product: ETM+ L1T ID: LE72330832014001ASN00 1%

L8

2013

233 83 12/24/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013358LGN00 32%

L7 233 83 12/16/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013350CUB01 25%

L8 233 83 12/8/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013342LGN00 69%

L7 233 83 11/30/2013 Qlty: 9 Product: ETM+ L1G ID: LE72330832013334CUB00 26%

L8 233 83 11/22/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013326LGN00 12%

L7 233 83 11/14/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013318CUB00 30%

L8 233 83 11/6/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013310LGN00 37%

L7 233 83 10/29/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013302CUB01 38%

L8 233 83 10/21/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013294LGN00 6%

L7 233 83 10/13/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013286CUB00 40%

L8 233 83 10/5/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013278LGN00 3%

L8 233 83 9/19/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013262LGN00 43%

L7 233 83 9/11/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013254CUB02 81%

L8 233 83 9/3/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013246LGN00 32%

L7 233 83 8/26/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013238CUB00 35%

L8 233 83 8/18/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013230LGN00 34%

L7 233 83 8/10/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013222CUB00 28%

L8 233 83 8/2/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013214LGN00 25%

L8 233 83 7/17/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013198LGN00 16%

L7 233 83 7/9/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013190CUB00 61%

L8 233 83 7/1/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013182LGN00 5%

L7 233 83 6/23/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013174CUB00 63%

L8 233 83 6/15/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013166LGN00 41%

L7 233 83 6/7/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013158CUB00 7%

88

L8 233 83 5/30/2014 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013150LGN00 55%

L7 233 83 5/22/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013142CUB00 48%

L8 233 83 5/14/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013134LGN01 22%

L7 233 83 5/6/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013126CUB00 26%

L8 233 83 4/28/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013118LGN01 80%

L7 233 83 4/20/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013110CUB00 41%

L8 233 83 4/12/2013 Qlty: 9 Product: OLI_TIRS_L1T ID: LC82330832013102LGN01 1%

L7 233 83 4/4/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013094CUB00 54%

L7 233 83 3/19/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013078CUB03 37%

L7 233 83 3/3/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013062CUB01 27%

L7 233 83 2/15/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013046CUB00 23%

L7 233 83 1/30/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013030CUB00 30%

L7 233 83 1/14/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832013014CUB00 38%

L7

2012

233 83 12/29/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012364CUB00 17%

L7 233 83 12/13/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012348CUB00 0%

L7 233 83 11/27/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012332CUB03 26%

L7 233 83 11/11/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012316COA00 1%

L7 233 83 10/26/2012 Qlty: 9 Product: ETM+ L1G ID: LE72330832012300COA00 39%

L7 233 83 10/10/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012284CUB00 36%

L7 233 83 9/24/2012 Qlty: 9 Product: ETM+ L1G ID: LE72330832012268CUB00 93%

L7 233 83 9/8/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012252CUB00 40%

L7 233 83 8/23/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012236CUB00 70%

L7 233 83 8/7/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012220CUB00 48%

L7 233 83 7/22/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012204CUB00 18%

L7 233 83 7/6/2013 Qlty: 9 Product: ETM+ L1T ID: LE72330832012188CUB00 79%

L7 233 83 6/20/2012 Qlty: 9 Product: ETM+ L1G ID: LE72330832012172CUB00 98%

L7 233 83 6/4/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012156CUB00 24%

L7 233 83 5/19/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012140ASN00 39%

L7 233 83 5/3/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012124CUB00 49%

L7 233 83 4/17/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012108CUB00 1%

L7 233 83 4/1/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012092CUB03 25%

L7 233 83 3/16/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012076CUB00 40%

L7 233 83 2/29/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012060EDC00 37%

L7 233 83 2/13/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012044EDC00 21%

L7 233 83 1/28/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012028EDC00 0%

L7 233 83 1/12/2012 Qlty: 9 Product: ETM+ L1T ID: LE72330832012012EDC00 16%

L7

2011

233 83 12/27/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011361EDC00 20%

L7 233 83 12/11/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011345EDC00 0%

L7 233 83 11/25/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011329EDC00 0%

89

L5 233 83 11/17/2011 Qlty: 9 Product: TM L1T ID: LT52330832011321CUB00 30%

L7 233 83 11/9/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011313EDC00 38%

L5 233 83 11/1/2011 Qlty: 9 Sensor: TM ID: LT52330832011305CUB00 60%

L7 233 83 10/24/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011297ASN00 49%

L7 233 83 10/8/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011281EDC00 44%

L7 233 83 9/22/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011265ASN00 59%

L7 233 83 9/6/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011249ASN00 35%

L5 233 83 8/29/2011 Qlty: 7 Sensor: TM ID: LT52330832011241CUB00 50%

L7 233 83 8/21/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011233ASN00 2%

L7 233 83 8/5/2011 Qlty: 9 Product: ETM+ L1G ID: LE72330832011217COA00 97%

L7 233 83 7/20/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011201EDC00 44%

L7 233 83 7/4/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011185EDC00 47%

L7 233 83 6/18/2011 Qlty: 9 Product: ETM+ L1G ID: LE72330832011169COA00 99%

L7 233 83 6/2/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011153EDC00 41%

L7 233 83 5/17/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011137PAC00 44%

L7 233 83 5/1/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011121ASN00 35%

L5 233 83 4/23/2011 Qlty: 9 Product: TM L1T ID: LT52330832011113CUB00 28%

L7 233 83 4/15/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011105EDC00 39%

L5 233 83 4/7/2011 Qlty: 9 Sensor: TM ID: LT52330832011097COA01 16%

L7 233 83 3/30/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011089ASN00 11%

L5 233 83 3/22/2011 Qlty: 9 Sensor: TM ID: LT52330832011081COA01 16%

L7 233 83 3/14/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011073EDC00 92%

L5 233 83 3/6/2011 Qlty: 9 Sensor: TM ID: LT52330832011065CUB00 49%

L7 233 83 2/26/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011057EDC00 23%

L7 233 83 2/10/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011041EDC00 69%

L5 233 83 2/2/2011 Qlty: 9 Product: TM L1T ID: LT52330832011033COA01 0%

L7 233 83 1/25/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011025EDC00 35%

L7 233 83 1/9/2011 Qlty: 9 Product: ETM+ L1T ID: LE72330832011009EDC00 33%

L5 233 83 1/1/2011 Qlty: 9 Product: TM L1T ID: LT52330832011001COA00 18%

L7

2010

233 83 12/24/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010358EDC00 1%

L5 233 83 12/16/2010 Qlty: 9 Product: TM L1T ID: LT52330832010350CUB00 26%

L7 233 83 12/8/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010342EDC00 12%

L5 233 83 11/30/201 Qlty: 9 Product: TM L1T ID: LT52330832010334COA01 19%

L7 233 83 11/22/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010326EDC01 37%

L5 233 83 11/14/2010 Qlty: 9 Product: TM L1T ID: LT52330832010318COA00 26%

L7 233 83 11/9/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010310EDC00 1%

L5 233 83 10/29/2010 Qlty: 9 Sensor: TM ID: LT52330832010302CUB00 72%

L7 233 83 10/21/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010294EDC00 33%

L5 233 83 10/13/2010 Qlty: 9 Sensor: TM ID: LT52330832010286COA00 66%

90

L5 233 83 9/27/2010 Qlty: 9 Sensor: TM ID: LT52330832010270CUB00 60%

L7 233 83 9/19/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010262EDC00 31%

L5 233 83 9/11/2010 Qlty: 9 Sensor: TM ID: LT52330832010254CUB00 53%

L7 233 83 9/3/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010246ASN00 49%

L5 233 83 8/26/2010 Qlty: 9 Sensor: TM ID: LT52330832010238COA01 37%

L7 233 83 8/18/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010230EDC00 43%

L7 233 83 8/2/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010214EDC00 42%

L7 233 83 7/17/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010198ASN00 29%

L7 233 83 6/15/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010166ASN00 87%

L7 233 83 5/30/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010150ASN00 33%

L7 233 83 4/12/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010102ASN00 48%

L7 233 83 3/27/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010086EDC00 22%

L5 233 83 3/19/2010 Qlty: 9 Product: TM L1T ID: LT52330832010078CUB00 0%

L7 233 83 3/11/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010070EDC00 37%

L7 233 83 2/23/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010054EDC02 7%

L5 233 83 2/15/2010 Qlty: 9 Product: TM L1T ID: LT52330832010046COA00 14%

L5 233 83 1/30/2010 Qlty: 9 Product: TM L1T ID: LT52330832010030CUB00 0%

L7 233 83 1/22/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010022EDC00 24%

L5 233 83 1/14/2010 Qlty: 9 Product: TM L1T ID: LT52330832010014COA02 14%

L7 233 83 1/6/2010 Qlty: 9 Product: ETM+ L1T ID: LE72330832010006EDC00 0%