Programa del congreso

La teledetección de color oceánico desempeña un papel fundamental en la observación integrada de los sistemas marinos a una amplia gama de resoluciones espaciales, espectrales y temporales. En la última década, los drones o UAVs (del inglés Unmanned Aerial Vehicles) han emergido como una plataforma de monitorización intermedia entre la teledetección por satélite y los tradicionales muestreos in-situ, proporcionando la resolución espacial más precisa para la obtención de medidas robustas de color oceánico. Sin embargo, la superficie del mar es muy dinámica, y la ausencia de elementos comunes entre las capturas tomadas por los drones, limitan el empleo de las habituales técnicas de mosaicado fotogramétrico. Además, hay una serie de limitantes ópticos aún por explorar, que hacen que las investigaciones de color oceánico con drones supongan todo un reto. En este estudio, se implementan varios métodos para obtener mediciones precisas de Remote Sensing Reflectance (Rrs) a partir de las capturas tomadas con el sensor multiespectral de 5 bandas MicaSense RedEdge-MX en varias localizaciones de estudio en la Bahía de Chesapeake (Estados Unidos). Estos métodos minimizan los efectos de la luz reflejada por la superficie del mar (LSR) y del sun glint bajo condiciones del cielo cambiantes, siendo validados con mediciones in-situ tomadas con el set de radiómetros hiperespectrales TriOS RAMSES. Los productos de color oceánico generados fueron exportados con un novedoso método de georreferencia permitiendo trabajar con esta tecnología en superficies cubiertas por agua.

Los sistemas dunares costeros, especialmente los que presentan vegetación, sirven como amortiguador frente los procesos erosivos e inundaciones provocadas por tormentas y/o la subida del nivel del mar. No obstante, estos sistemas están sometidos a fuertes presiones como consecuencia del cambio global, principalmente provocados por los cambios en los usos del suelo y el cambio climático. Hay ciertos autores que han detectado que cambios en el clima y la composición atmosférica favorecen unas condiciones óptimas de temperatura, humedad (precipitación) y nutrientes, que condiciona el desarrollo de la vegetación, dando lugar a un fenómeno denominado greening (Jackson et al., 2019). Esta contribución se centra en examinar el cambio en la vegetación de las dunas del litoral del sureste de la Península Ibérica en los últimos 7 años (2017-2023) a partir del Índice de Vegetación de Diferencia Normalizada (NDVI, en inglés). El NDVI se ha calculado en Google Earth Engine, con la información multiespectral del sensor Sentinel-2 MSI (MultiSpectral Instrument) nivel 2, tanto estacionalmente (compuesto de imágenes cada 3 meses) como cada 5 días (resolución temporal de Sentinel-2). La evolución intra e inter-anual del índice, así como la tendencia en los últimos 7 años se ha analizado usando un Modelo Aditivo Generalizado (GAM, en inglés), desarrollado en RStudio. Los resultados muestran que la vegetación dunar presenta un fuerte carácter estacional, pero con una tendencia general decreciente y una fuerte dependencia de las condiciones meteorológicas locales. En cuanto a la estructura interna de la vegetación dunar, se identifican cambios tanto espaciales como temporales en el periodo analizado. Por lo tanto, con estos resultados no se puede hablar de greening, sino del proceso contrario, browning. No obstante, cabe destacar que, dada la disponibilidad de datos Sentinel-2, el análisis temporal no es suficientemente largo como para concluir el reverdecimiento de este sistema dunar.

Los avances recientes en teledetección satelital han mejorado sustancialmente la capacidad de monitorear entornos costeros, principalmente mediante mejoras en la resolución de sensores y técnicas de procesamiento de datos. Estos progresos son notables en algoritmos diseñados para la detección (semi)automática de líneas de costa en imágenes de alta resolución. Sin embargo, los algoritmos existentes a menudo se evalúan en condiciones óptimas en playas de arena, siendo limitadas las validaciones en playas con presencia de otro tipo de materiales, como restos de vegetación. Este estudio busca validar las líneas de costa obtenidas por satélite a través de los algoritmos SAET y CoastSat, aplicados a imágenes multiespectrales de Sentinel-2 (S2). La validación implica la comparación con datos RTK-GNSS realizados en las playas de Arborea y Mare Morto, situadas en el Golfo de Oristano (Cerdeña, Italia), como parte del proyecto OVERSEE. Estas playas presentan diferente morfologías y exposición al oleaje debido a su ubicación en el golfo, además de presentar bancos de Posidonia oceánica ocasionalmente en la zona intermareal. El estudio se centra en analizar el efecto de estos depósitos de biomasa en la precisión de los algoritmos de detección de líneas de costa. El análisis reveló que el algoritmo SAET presenta una mayor precisión en ambas playas frente a CoastSat, además de una performance mas acurada en Arborea, a pesar de la presencia de bancos. Esto destaca la robustez del algoritmo SAET frente a estos desafíos y su eficacia en la generación de SDS precisas, incluso en entornos costeros complejos. Además, se enfatiza la ventaja de utilizar diferentes algoritmos, con modos de procesamiento de imágenes e índices espectrales distintos, proporcionando una valiosa información sobre los niveles de precisión y limitaciones.

Entre marzo y abril de 2021 se produjo una marea roja en el fiordo Comau, al sur de Chile, causada principalmente por la microalga Heterosigma akashiwo, afectando gravemente al ecosistema y produciendo la muerte de miles de toneladas de salmones de las piscifactorías de la zona. En este trabajo se muestra un método para la estimación de la densidad de células de H. akashiwo con Sentinel-2 (S2). Para ello se han usado espectros simulados y datos diarios de densidad celular medidos en varias estaciones de la zona durante el bloom, y con ellos se ha calibrado un índice espectral de diferencia normalizada. Comparando los datos de clorofila simulados con los obtenidos con los productos automáticos de las tres versiones de corrección atmosférica para aguas, incluidas en el software SNAP de la ESA, se ha obtenido que la mejor versión corresponde a C2X-COMPLEX. La mejor combinación de bandas para la estimación de la densidad celular se obtiene con las bandas 5 y 1 de S2, con un ajuste potencial con R2 de 0,86. El método se aplicó a imágenes S2 durante la marea roja de 2021 mostrando el rápido aumento del área afectada en unos pocos días. La similitud entre los resultados con espectros de S2 simulados y los obtenidos de las imágenes, sugiere que el método puede ser exportado a otros lugares donde se produzcan blooms de microalgas H. akashiwo a partir de imágenes S2.

La contribución de la atmósfera puede representar más del 90 % de la señal reflejada por un cuerpo de agua que es detectada por un sensor, enmascarando la señal proveniente del agua, la cual no supera el 10 % en la región del VIS-NIR. Los métodos de corrección atmosférica desarrollados para aguas oceánicas asumen que la reflectividad en el NIR es cercana a 0, considerando toda contribución recibida en esa región como ruido atmosférico. En el caso de aguas continentales y de transición esto resulta más complejo dado que la presencia de partículas en suspensión, en concentraciones elevadas, aumenta la reflectividad en el NIR, por lo que las asunciones de los métodos de corrección atmosférica para aguas oceánicas no son válidas. En este trabajo se validó la reflectividad del agua estimada por los algoritmos C2RCC, Polymer, ACOLITE, iCOR y L2_WFR, desarrollados para aguas, aplicados a imágenes del sensor Sentinel-3-OLCI, usando como referencia datos de radiometría in situ medidos en fechas coincidentes con el paso del satélite, en cuerpos de agua de España y Brasil, con diferentes tipos ópticos de agua, entre los años 2019 y 2023. Un total de 33 imágenes sin nubes fueron procesadas con cada algoritmo, las reflectividades obtenidas en los píxeles coincidentes con los puntos de muestreo fueron extraídas, y los datos comunes a todos los algoritmos fueron validados estadísticamente con los datos in situ. Los resultados con todas las bandas demostraron que los algoritmos C2RCC y ACOLITE fueron mejores (RRMSE = 52.4 % y 51.99 % respectivamente)

El Mar Menor es una de las mayores lagunas hipersalinas del mar Mediterráneo que históricamente ha estado expuesta a una creciente y severa eutrofización a consecuencia de los aportes masivos de nutrientes producidos por la actividad humana. En consecuencia, en 2016 el ecosistema colapso bruscamente y paso a un estado más alterado e inestable en el que se suceden eventos extremos de productividad primaria y anoxia que han provocado incluso episodios de mortalidad masiva de organismos marinos. Desde la primavera de 2022 se observa por primera vez la presencia de una extensión de agua de aspecto blanco intenso con una elevada turbidez en la zona centro-occidental de la laguna. La llamativa masa de agua blanca forma una pluma que ocupa aproximadamente un 11% de la superficie de la laguna, y prácticamente ha mantenido la misma posición y forma desde su aparición. Los datos de Color del Océano confirman que antes de 2022 la pluma blanca no existía en su configuración actual, existiendo tan solo unas pequeñas plumas de turbidez costera más dispersas y esporádicas. Paralelamente a la aparición de la pluma blanca se ha observado una disminución de la reflectancia del resto de las aguas de la laguna. La pluma está ubicada en la zona con mayores aportes de aguas superficiales y subterráneas a la laguna, sugiriendo que esta pudiera ser la principal zona de entrada de nutrientes al Mar Menor.