WEB PLATFORM FOR SATELLITE IMAGES DIGITAL PROCESSING FOCUSED ON HYDROCLIMATIC MANAGEMENT

Abstract

The Andes mountains play a fundamental role in the configuration of the weather and hydrology of all the west of South America. Currently there is a large number of satellites collecting several kinds of environmental information in this region, and often the volume of information available is huge. This massive availability of satellite information, combined with the processing capabilities of modern computers, makes it possible to analyze large volumes of data, but strongly restricted by an advanced knowledge in spatial information management and development tools. In many opportunities this determine the type and level of detail of the analyzes that could be carried out both at a scientific-academic level and for natural resources management institutions, in different sectors of the Andes. Due to technical and operational restrictions related to processing big volumes of satellite information. A web platform for automatic processing this information was developed, and an implementation of MODIS satellite images of daily resolution was carried out. The platform will allow obtaining, in a simple and accessible way, maps and time series of different variables (snow and cloud cover, soil temperature, etc.).Thats for the entire of argentinian and chilean cordillera. The generated information has a large number of potential users and many applications, as Hidrology and Climate studies, but also for decision makers in the dump water distribution management.

Full text

WEB PLATFORM FOR SATELLITE IMAGES
DIGITAL PROCESSING FOCUSED
ON HYDROCLIMATIC MANAGEMENT
Cara
Leandro
J.†1,
Masiokas
Mariano
H.
∗2
and
Scavuzzo
Carlos
M.†3
†CONAE,
FAMAF-UNC
Falda
de
Ca˜
nete,
C´
ordoba
Argentina
1lcara@mendoza-conicet.gob.ar
3scavuzzo@conae.gov.ar
∗IANIGLA-CONICET
Ruiz
Leal
s/n
Mendoza,
Argentina
2mmasiokas@mendoza-conicet.gob.ar
Abstract—The Andes mountains play a fundamental role
in the configuration of the weather and hydrology of all the
west of South America. Currently there is a large number of
satellites collecting several kinds of environmental information
in this region, and often the volume of information available
is huge. This massive availability of satellite information,
combined with the processing capabilities of modern
computers, makes it possible to analyze large volumes of data,
but strongly restricted by an advanced knowledge in spatial
information management and development tools. In many
opportunities this determine the type and level of detail of the
analyzes that could be carried out both at a scientific-academic
level and for natural resources management institutions, in
different sectors of the Andes. Due to technical and
operational restrictions related to processing big volumes of
satellite information. A web platform for automatic processing
this information was developed, and an implementation of
MODIS satellite images of daily resolution was carried out.
The platform will allow obtaining, in a simple and accessible
way, maps and time series of different variables (snow and
cloud cover, soil temperature, etc.).Thats for the entire of
argentinian and chilean cordillera. The generated information
has a large number of potential users and many applications,
as Hidrology and Climate studies, but also for decision makers
in the dump water distribution management.
Resumen— La Cordillera de los Andes ocupa un papel
fundamental en la configuraci´
on de la climatolog´
ıa e
hidrolog´
ıa del oeste de Sudam´
erica. Actualmente existen una
gran cantidad de sat´
elites de observaci´
on terrestre colectando
un enorme volumen de informaci´
on de diversa ´
ındole en la
regi´
on. Por otra parte, las mejoras en las capacidades de
procesamiento de los ordenadores modernos permiten realizar
an´
alisis autom´
aticos de estos grandes vol´
umenes de datos,
siempre y cuando se posean conocimientos avanzados en
herramientas de desarrollo y manejo de informaci´
on espacial.
Esto condiciona el tipo y nivel de detalle de an´
alisis que
se puedan realizar tanto a nivel cient´
ıfico-acad´
emico como
para las instituciones encargadas del manejo de los recursos
naturales. Conociendo las posibles restricciones t´
ecnicas y
operativas que plantea el procesamiento de grandes bases de
datos de informaci´
on satelital, se desarroll´
o una plataforma
web para el procesamiento autom´
atico de im´
agenes satelitales
MODIS Terra & Aqua de resoluci´
on diaria que permite
conocer distintas variables hidroclim´
aticas aplicables en
estudios hidrol´
ogicos, de uso de la tierra, cambio clim´
atico,
etc. Esta plataforma permitir´
a obtener, de una manera simple
y accesible, mapas y series de tiempo de distintas variables
(cobertura de nieve y nubes, temperatura de suelo, etc) para
toda la cordillera de Argentina y Chile. La informaci´
on
generada tiene una gran cantidad de usarios potenciales,
tanto del ´
ambito cient´
ıfico-acad´
emico como para tomadores
de decisiones.
Index Terms—Remote Sensing, MODIS, Nieve, Andes,
Hidrolog´
ıa.
I. INTRODUCCI ´
ON
La cordillera de los Andes ocupa un papel fundamental
en la configuraci´
on de la climatolog´
ıa e hidrolog´
ıa de toda
la regi´
on de los Andes Centrales, actuando como un gran
colector de agua depositada en su mayor´
ıa en forma de
precipitaciones n´
ıveas, alimentando luego a r´
ıos de deshielo
[1]. Es entonces para las poblaciones que aqu´
ı se localizan,
la reguladora y principal fuente del recurso h´
ıdrico, por
lo cual el estudio de variables hidroclim´
aticas es de vital
importancia [2].
Actualmente, uno de los m´
etodos m´
as utilizados para
el estudio de dichas variables es a trav´
es de sensado re-
moto. Hoy en d´
ıa existen una gran cantidad de plataformas
satelitales de observaci´
on terrestre que colectan informaci´
on
de ´
ındole diversa. El incremento de la disponibilidad de
informaci´
on espacial de acceso gratuito en los ´
ultimos a˜
nos,
junto con las mejoras en las capacidades de procesamiento
de ordenadores modernos, posibilita analizar cada vez may-
ores vol´
umenes de datos en tiempos de procesamiento
acotados.
Sin embargo la producci´
on, an´
alisis, y s´
ıntesis de infor-
maci´
on de grandes vol´
umenes de datos (Big Data), requiere
de conocimiento espec´
ıfico en herramientas de desarrollo y
manejo de informaci´
on espacial. Esto condiciona el alcance
de los posibles an´
alisis tanto para usuarios del ´
ambito
cient´
ıfico y acad´
emico, como para los tomadores de decisi´
on
y p´
ublico en general.
El objetivo primario de este trabajo es el de obtener y
hacer disponible informaci´
on hidroclim´
atica de nieve, nubes
y temperatura de suelos para la Cordillera de los Andes en

los Andes Centrales de Argentina y Chile. A partir de infor-
maci´
on proveniente del sensado remoto, de forma din´
amica,
sencilla, y sin necesidad de poseer conocimientos espec´
ıficos
de teledetecci´
on o Sistemas de Informaci´
on Geogr´
aficos.
II. MATER IA LES Y M ´
ETOD OS
Para poder conseguir este objetivo se ha desarrollado
una plataforma web para el procesamiento digital de
im´
agenes satelitales, con aplicaci´
on para el sensor MODIS
Terra & Aqua.A partir de la cual ser´
a posible obtener
informaci´
on de dichos sensores en todo su registro hist´
orico
para los productos de cobertura de nieve (SCA), cobertura
de nubes (CCA) y temperatura de suelos (LST).
A. Sensor MODIS
El sensor observaci´
on remota MODIS (Moderate-
Resolution Imaging Spectroradiometer) posee una gran rel-
evancia en el monitoreo de la superficie terrestre [3]. Sus
adecuadas bandas espectrales para el relevamiento de las
variables mencionadas, junto con su repaso diario ofrecen
la posibilidad de hacer diversos tipos de an´
alisis, raz´
on por
la cual ha sido utilizados en un sin n´
umero de trabajos [4].
Estos sensores cuentan con una serie de informaci´
on de mas
de 15 a˜
nos para ambas plataformas [5] (MODIS Terra Ac-
tivo desde el a˜
no 2000 y MODIS Aqua desde el a˜
no 2002).
Para este trabajo se han preporcesado y disponibilizado dos
productos diarios de los sensores MODIS Terra & Aqua,
correspondientes a SCA y CCA (MOD10A1-MY10A1) y
LST (MOD11A1-MYD11A1).
B. Lenguajes de desarrollo
Existen diversas herramientas de desarrollo capaces de
soportar esquemas de procesamientos din´
amicos y con so-
porte espacial. Estas son necesarias para la construcci´
on
de un sitio web que permita la obtenci´
on de informaci´
on
hidroclim´
atica a partir de sensores remotos. Dichas her-
ramientas responden a un esquema web din´
amico cliente-
servidor donde el cliente realiza una consulta, el servidor
la procesa y devuelve un resultado. Para este trabajo se ha
utilizado Shiny para el desarrollo del entorno web. Este es
un framework del lenguaje R, que a su vez ha sido utilizado
para resolver las consultas realizadas por el cliente desde el
lado del servidor. El sistema se ha completado con Shiny-
server que es el encargado de alojar y servir la informaci´
on
procesada a trav´
es de un sitio web.
III. DES CA RGA Y P RE P RO CE SAM IE NTO D E LA
INFORMACI ´
ON S ATELI TAL
El sector seleccionado para realizar este estudio en la
Cordillera de los Andes se encuentra entre los 9,5◦y 55◦
de Latitud Sur y los 74,5◦y 65◦de Longitud Oeste. Este
´
area es observada de forma diaria por los sensores MODIS
y separada en 8 escenas (ver fig. ). La informaci´
on de
CCA, SCA, y LST, se encuentra dentro de estas escenas.
Para poder construir una serie temporal completa con la
informaci´
on de estos productos es necesario pre-procesar
un volumen importante de informaci´
on, teniendo en cuenta
que por d´
ıa se tiene 48 im´
agenes a procesar incluyendo
los productos diurnos y nocturnos para LST. El registro de
ambos sensores se encuentra pr´
acticamente completo, lo que
Fig. 1. Dsitribuci´
on de las escenas MODIS (l´
ıneas verdes) en el ´
area de
estudio (rect´
angulo azul)
da como resultado que a la fecha existan m´
as de 220.000
im´
agenes para procesar.
Administrar el volumen de informaci´
on provista por los
sensores y procesarla para entregar resultados en tiempo
real es una tarea muy compleja y es por este motivo
que la informaci´
on de base debe ser preprocesada previo
presentarse en la plataforma. El preprocesamiento de la
informaci´
on busca reducir tanto el espacio f´
ısico que esta
informaci´
on ocupa y los tiempos de procesamiento a trav´
es
de la plataforma. Consta de dos etapas: la primera es
gen´
erica para los dos tipos de informaci´
on (LST y SCA),
y es realizada para formar los mosaicos de base. En ella
se realizan 5 sub procesos independientes: reproyecci´
on de
las im´
agenes, mosaico de las escenas diarias, acotamiento
al ´
area de estudio, transformaci´
on del n´
umero de bits y
reclasificaci´
on de la informaci´
on presentada.
La segunda etapa es espec´
ıfica para cada tipo de infor-
maci´
on. Es posible observar la serie de procesos realizados
para SCA en la fig. 2, y para LST en la fig. 3.
Fig. 2. Cadena de pre procesamiento de im´
agenes MODIS Terra & Aqua e
im´
agenes combinadas T&A, para formar las im´
agenes de base de Cobertura
de Nieve y Cobertura de Nubes.
IV. PRODU CT OS ENTREGABLES
La informaci´
on de LST, CCA, y SCA se entrega a los
usuarios a trav´
es de dos formatos diferentes: Un formato

Fig. 3. Cadena de pre procesamiento de im´
agenes MODIS Terra &
Aqua e im´
agenes combinadas T&A, para formar las im´
agenes de base
de Temperatura de Suelos.
tabular, el cual no posee una impronta espacial, y un formato
con informaci´
on georreferenciada que se muestra como un
mapa. Tanto las series como los mapas pueden ser obtenidos
para cualquier ´
area dentro del sector de estudio, y cualquier
lapso de tiempo dentro del rango operativo de los sensores.
A. Cobertura de nieve
La cobertura nival juega un importante rol a nivel global
dado que una alta proporci´
on de la insolaci´
on terrestre
es reflejada por ella, manteniendo el balance global de
radiaci´
on [4], [6], [7]. Y tambi´
en a nivel regional ya que
en muchas cuencas andinas la fusi´
on nival es la fuente de
agua que alimenta a sus r´
ıos [1].
Los productos de cobertura de nieve se calculan a partir
de la combinaci´
on de las capas de base, obtenidas del
preprocesamiento (ver fig. 2): (i) Serie de cobertura nival
promedio, (ii) Mapa de duraci´
on de nieve en d´
ıas, (iii)
Mapa de duraci´
on de nieve en porcentaje, y (iv) Mapa de
incertidumbre por ausencia de informaci´
on. Estos productos
fueron validados utilizando la informaci´
on independiente
proveniente de los mapas de cuerpos de hielo relevados
por el Inventario Nacional de Glaciares [8] (ver figura 8
de [9]). Este an´
alisis demostr´
o que los glaciares se ubican
mayoritariamente en zonas donde el tiempo de permanencia
de la cobertura nival es m´
axima en la cordillera.
B. Cobertura de nubes
La cobertura de nubes (CCA) forma parte de la infor-
maci´
on de base portada en los productos MOD10A1 y
MYD10A1. Debido a su importancia en la influencia de
la radiaci´
on en los dep´
ositos h´
ıdricos en estado s´
olido, es
presentada en la plataforma. Para CCA la plataforma calcula
los siguientes productos. (i) Serie de cobertura de nubes en
porcentaje, (ii) Mapa de duraci´
on de nubes en (d´
ıas y en
porcentaje),(iii) Mapa de persistencia de nubes en cantidad
de d´
ıas.
C. Temperatura de suelos
La temperatura de suelos es uno de los par´
ametros claves
en la f´
ısica de los procesos que ocurren en la superficie de
la tierra. Los productos calculados por la plataforma para
LST son los siguientes: (i) Mapa de distribuci´
on de LST
promedio (d´
ıas y porcentaje), (ii) Mapa de incertidumbre
por ausencia de informaci´
on. (iii) Serie de informaci´
on de
LST (media, desv´
ıo, m´
aximo,m´
ınimo, y grados positivos
acumulados). Y se calcula para todas las combinaciones
posibles de la informaci´
on de los sensores MODIS Terra
& Aqua, en sus pasadas diurnas y nocturnas.
V. PLATAFOR MA D E PROCE SA MIE NT O WE B
La plataforma web es la herramienta desarrollada para
disponibilizar la informaci´
on previamente descrita. La
plataforma consta de dos bloques fundamentales. La interfaz
de usuario y el procesamiento desde el servidor.
A. Interfaz de usuario
La interfaz de usuario (UI), corresponde la visualizaci´
on
gr´
afica realizada para que el usuario pueda interactuar de
forma intuitiva con las herramientas del servidor. Es a trav´
es
de esta interfaz gr´
afica que el usuario puede realizar su
consulta para obtener informaci´
on hidro-clim´
atica. Al ser
visualizada desde un navegador web muestra una estructura
que emula la distribuci´
on cl´
asica de un software de GIS,
donde el margen derecho es ocupado por una barra de
herramientas y el resto de la pantalla por una ventana con
informaci´
on espacial.
1) Barra de herramientas: La barra de herramientas,
localizada en el margen derecho del sitio, es la que posee
todas las herramientas interactivas para permitir al usuario
hacer el filtrado necesario para operar la p´
agina y as´
ı obtener
informaci´
on de LST, CCA y SCA. Esta permite seleccionar
el producto a calcular, elegir sobre qu´
e tipo o combinaci´
on
de im´
agenes se va a calcular el producto, acotar el rango
temporal y el ´
area de trabajo fig. 4
Fig. 4. Barra de herramientas de la plataforma web. Sobre el sector
superior izquierdo se observan las listas desplegables para seleccionar el
producto, bajo estas se observa el filtro para acotar el rango temporal y
acotar ´
area

2) Ventana de visualizaci´
on espacial: Es donde se pre-
sentan los resultados de tipo mapa,es decir toda la infor-
maci´
on espacial generada por el usuario cuando se calcula
un producto de este tipo. Se encuentra a la derecha de la
barra de herramientas. El mapa de base corresponde a la
cartograf´
ıa desarrollada por el proyecto OpenStreetMap al
que se sobreimpone el resultado. fig 5
Fig. 5. Visualizaci´
on de un producto de clase Mapa en la plataforma
web, en el cual se puede observar en el mapa de base, la cartograf´
ıa cor-
respondiente a Open- Layers, sobreimpuesta a esta el producto calculado,
(en este caso un mapa de SCA en d´
ıas), en el sector inferior izquierdo su
correspondiente Leyenda, y en el sector superior iquierdo el metadato de la
imagen, el cual corresponde al nombre de la misma. El ejemplo observado
corresponde al mapa de SCA en n´
umero de d´
ıas con nieve para la cuenca
del R´
ıo Mendoza entre enero y noviembre del a˜
no 2017
3) Presentaci´
on gr´
afica de series: Cuando el producto
calculado corresponde a una serie, sobre la ventana de
visualizaci´
on espacial, se despliega una ventana modal que
presenta una salida gr´
afica de la serie temporal calculada.
fig 6
Fig. 6. ventana modal que presenta una salida gr´
afica de la serie temporal.
El ejemplo observado corresponde a la serie de SCA porcentual para la
cuenca del R´
ıo Mendoza entre enero y abril del a˜
no 2010
B. Procesamiento desde el servidor
Todas las funcionalidades dentro de la UI, son ejecutadas
desde el servidor. Esto quiere decir que todas las ´
ordenes
enviadas, son recibidas por una o varias funciones desde
el servidor, las cuales procesan el pedido del usuario y
y retornan una respuesta que ser´
a visible en la UI. Esta
reactividad en algunos casos es autom´
atica y en otros se
encuentra encapsulada, es decir que el pedido del usuario
solo se resolver´
a al accionar un disparador, como por
ejemplo el bot´
on Procesar. El funcionamiento del servidor
es explicado a trav´
es de un diagrama de flujo presentado en
la fig. 7
Fig. 7. Diagrama flujo de procesamiento desde el servidor. Una funci ´
on en-
capsulada ejecuta diversas funciones de apoyo. La cadena de procesamiento
se activa a trav´
es de la orden procesar proveniente de la IU. A trav´
es de
estructuras de control se determina la consistencia en la solicitud del usuario
y el producto a calcular. el cual es ejecutado desde una rutina espec´
ıfica,
la informaci´
on calculada queda disponible desde la IU a trav´
es del bot´
on
descargar.
—
VI. CONCLUSIONES
El objetivo fundamental de este trabajo fue el generar
una herramienta para facilitar el acceso a informaci´
on
hidroclim´
atica de forma sencilla y sin necesidad de poseer
conocimientos de teledetecci´
on o SIG espec´
ıficos. Es a partir
de all´
ı que se desprendi´
o la necesidad de construir productos
derivados para nieve, temperatura de suelos y nubes, de gran
importancia para el desarrollo de estudios cient´
ıficos del
hidroclima en todo el sector de la Cordillera de los Andes
para Argentina y Chile. Esta informaci´
on es de suma utilidad
en los campos cient´
ıficos, de la educaci´
on, y la toma de
decisiones.
La plataforma web posee la posibilidad de procesar a de-
manda los productos mencionados, siendo posible calcular
un total de 76 productos diferentes teniendo en cuenta las
combinaciones de im´
agenes, que pueden ser obtenidos de la
plataforma.
AGRADECIMIENTOS
Se agradece a los servicios de archivos activos NSDIC
y LPDAAC por la posibilidad de contar con los productos
MODIS Terra & Aqua mencionados de forma diaria. Este
trabajo fue realizado en el marco de la Maestr´
ıa de Aplica-
ciones de Informaci´
on Espacial dictada por el Instituto de
Altos Estudios Espaciales Mario Gulich-CONAE-FAMAF.
REFERENCES
[1] E. D. Bruniard and C. O. Moro, “Los reg´
ımenes fluviales de ali-
mentaci´
on s´
olida en la rep´
ublica argentina : ensayo de elaboraci´
on
de un modelo hidroclim´
atico de la vertiente oriental de los andes.”
[2] M. H. Masiokas, R. Villalba, B. H. Luckman, C. Le Quesne, and J. C.
Aravena, “Snowpack Variations in the Central Andes of Argentina
and Chile , 1951 - 2005 : Large-Scale Atmospheric Influences and
Implications for Water Resources in the Region,” Journal of Climate,
vol. 19, pp. 6334–6352, 2006.
[3] D. K. Hall, R. E. Kelly, J. L. Foster, and A. T. C. Chang, “Estimation
of snow extent and snow properties,” Encyclopedia of Hydrological
Sciences, vol. 1, pp. 811–829, 2005.
[4] A. J. Dietz, C. Kuenzer, U. Gessner, and S. Dech, “Remote sensing of
snow - a review of available methods,” International Journal of Remote
Sensing, vol. 33, no. 13, pp. 4094–4134, 2012.

[5] C. O. Justice, J. R. G. Townshend, E. F. Vermote, E. Masuoka, R. E.
Wolfe, N. Saleous, D. P. Roy, and J. T. Morisette, “An overview of
MODIS Land data processing and product status,” Remote Sensing of
Environment, vol. 83, no. 1-2, pp. 3–15, 2002.
[6] A. G. Klein and A. C. Barnett, “Validation of daily MODIS snow cover
maps of the Upper Rio Grande River Basin for the 2000-2001 snow
year,” Remote Sensing of Environment, vol. 86, no. 2, pp. 162–176,
2003.
[7] Q. Zhao, Z. Liu, M. Li, Z. Wei, and S. Fang, “The snowmelt runoff
forecasting model of coupling WRF and DHSVM,” Hydrology and
Earth System Sciences Discussions, vol. 6, pp. 3335–3357, 2009.
[8] IANIGLA IGN, “Subcuencas de los r´
ıos de las Cuevas y de las Vacas,
cuenca del r´
ıo Mendoza, Provincia de Mendoza,” p. 67, 2012.
[9] L. Cara, M. Masiokas, M. Viale, and R. Villalba, “Snow cover analysis
in the upper Mendoza river basin, using MODIS — An´
alisis de la
cobertura nival de la cuenca superior del r´
ıo Mendoza a partir de
im´
agenes MODIS,” Meteorologica, vol. 41, no. 1, 2016.