Departamento de Física Teórica, Atómica y Óptica - Quantalab ...
Departamento de Física Teórica, Atómica y Óptica - Quantalab ...
Departamento de Física Teórica, Atómica y Óptica - Quantalab ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Capítulo 7. Análisis <strong>de</strong> la campaña 2003<br />
En el presente capítulo se preten<strong>de</strong> estudiar el problema <strong>de</strong> la inversión <strong>de</strong><br />
reflectancias <strong>de</strong> cultivos <strong>de</strong>s<strong>de</strong> un punto <strong>de</strong> vista diferente al realizado en la campaña<br />
2002. Si el resultado <strong>de</strong> la primera campaña ha sido una mejora en la estimación <strong>de</strong> los<br />
parámetros biofísicos al realizar una inversión conjunta <strong>de</strong> las medidas a lo largo <strong>de</strong> la<br />
campaña <strong>de</strong> crecimiento, en la campaña 2003 el objetivo es estudiar la posibilidad <strong>de</strong><br />
mejorar las estimaciones <strong>de</strong> parámetros biofísicos <strong>de</strong> cubiertas vegetales introduciendo<br />
en la inversión información espacial.<br />
En esta línea, los sensores situados en satélites son una <strong>de</strong> las herramientas más<br />
apreciadas para la monitorización <strong>de</strong> vegetación, ya que por sus características permiten<br />
el estudio <strong>de</strong> amplias zonas <strong>de</strong> forma económica y durante largos periodos <strong>de</strong> tiempo.<br />
En concreto permiten la realización <strong>de</strong> mapas <strong>de</strong>l parámetro LAI, uno <strong>de</strong> los más<br />
importantes parámetros <strong>de</strong> las cubiertas vegetales. Sin embargo, estudios recientes<br />
(Morisette et al., 2006) son concluyentes al afirmar que son necesarios más estudios<br />
para mejorar la precisión <strong>de</strong> los algoritmos utilizados para <strong>de</strong>rivar el LAI <strong>de</strong> los datos<br />
obtenidos mediante tele<strong>de</strong>tección.<br />
Actualmente, la metodología más extendida para estimar el LAI es el uso <strong>de</strong><br />
índices <strong>de</strong> vegetación, mediante relaciones empíricas. En concreto el índice diferencial<br />
normalizado <strong>de</strong> vegetación o NDVI (Normalized Difference Vegetation In<strong>de</strong>x) es sin<br />
duda el índice <strong>de</strong> vegetación más ampliamente utilizado, ya que se ha <strong>de</strong>mostrado<br />
ampliamente su relación con el LAI (Turner et al., 1999; Wang et al., 2005). Así mismo<br />
se han encontrado numerosas relaciones que lo ligan a otros parámetros fundamentales<br />
<strong>de</strong> la vegetación, como son la producción primaria neta (Goward et al., 1985; Paruelo et<br />
al., 1997; Tucker et al., 1986), o la radiación absorbida fotosintéticamente activa (Asrar<br />
et al., 1984; Kumar & Monteith, 1982; Sellers, 1987). Sin embargo, una estimación<br />
precisa <strong>de</strong>l LAI a partir <strong>de</strong>l NDVI requiere <strong>de</strong> la calibración <strong>de</strong> los datos utilizando<br />
muestreos en campo (Green et al., 2000). A<strong>de</strong>más es necesario aplicar correcciones<br />
específicas para diferentes tipos <strong>de</strong> vegetación, e incluso para diferentes estados<br />
fenológicos <strong>de</strong> un mismo tipo <strong>de</strong> vegetación, <strong>de</strong>bido a las diferencias estructurales <strong>de</strong> la<br />
cubierta vegetal (Gutman, 1991). Más aún, la comparación <strong>de</strong> índices <strong>de</strong> vegetación<br />
145