Uso de herramientas de procesamiento para automatizar la clasificación de la nieve

Snowy Hydro Limited (SHL) es un generador de electricidad de pico ubicado en las Montañas Nevadas de Nueva Gales del Sur, Australia. A pesar de poseer una variedad de activos de generación en todo el país, Snowy Hydro Limited es mas conocida por la custodia de una pieza emblemática de la infraestructura australiana, el Esquema Hidroeléctrico de las Montañas Nevadas.

El esquema hidroeléctrico de Snowy Mountains es posible gracias a las nevadas estacionales en la región alpina de Nueva Gales del Sur. El agua de la nieve de la primavera se derrite y se utiliza para generar electricidad que atiende la demanda máxima en el mercado nacional de electricidad, al tiempo que desvía el agua hacia las zonas más secas del interior del sudeste de Australia para el riego y la agricultura.

La clasificación de la cobertura de nieve durante los meses de invierno le permite a SHL monitorear el ciclo de vida del área cubierta de nieve, registrar las áreas de cobertura de registros históricos y proporcionar estadísticas de cobertura al equipo de servicios hidrográficos para el rendimiento del agua y los pronósticos de almacenamiento.

Mapa 1.1 Mapa de la Captación Snowy Water

Mapa 1.1 Mapa de la Captación Snowy Water

Antecedentes

Cada año durante los meses de invierno (1 de Junio a 31 de octubre) el SHL obtiene tantas imágenes libres de nubes como sea posible del satélite MODIS Terra (EOS AM). Estas imágenes son entonces alimentadas a un algoritmo conocido como el Índie Normalizado de Diferencia de Nieve (NDSI), el cual es usado para indicar áreas donde la nieve está presente. Mientras que este algoritmo no es único a algún tipo de sensor en particular, el uinstrumento MODIS fue elegido debido a su adecuada resolución espacial y cobertura diaria del área del proyecto. (Mapa 1.1 Cuenca de Agua Nevada)

Objetivo

El objetivo de este proyecto es para automatizar el flujo de trabajo del NDSI como un modelo el la caja de herramientas de procesamiento de QGIS. La salida requerida es un polígono vectorial que muestra la extensión cubierta de nieve dentro de la Captación de agua de nieve, junto a la atribución que describe el área total cubierta en kilómetros cuadrados.

Método

El algoritmo NDSI por si solo es muy sencillo (se muestra abajo en la Formula 1.1 - Índice de nieve de Diferencia Normalizada (NDSI)) y los pasos posteriores requeridos para extraer la cubierta de nieve en un formato vectorial también se prestan muy bien a un modelo de caja de herramientas de procesamiento.

Fórmula 1.1 - Índice normalizado de diferencia de nieve (NDSI)

Fórmula 1.1 - Índice normalizado de diferencia de nieve (NDSI)

EL algoritmo NDSI regresa resultados entre -1 y 1, con el umbral para nieve generalmente con valores mayores a 0.4. A continuación se muestra un ejemplo de la salida NDSI (Mapa 1.3 - Salida NDSI), junto con una imagen en color natural (Mapa 1.2 - Color verdadero MODIS) para el 13 de julio de 2014. Como se ve en estas imágenes, la salida NDSI es muy buena para discriminar nieve Áreas cubiertas de otros tipos de cobertura terrestre y nubes. Sin embargo, puede clasificar erróneamente porciones de cuerpos de agua grandes como nieve, debido por el agua que tiene características de absorción en la parte del espectro de infrarrojo cercano. Esta característica del NDSI indica la necesidad de incorporar una máscara de agua en alguna etapa del modelo.

Mapa 1.2 - Color verdadero MODIS

Mapa 1.2 - Color verdadero MODIS

Mapa 1.3 - Salida NDSI

Mapa 1.3 - Salida NDSI

Mapa 1.4 - "Nieve" vs "No nieve" registrada

Mapa 1.4 - «Nieve» vs «No nieve» registrada

La salida NDSI se crea con un mapa de banda muy simple utilizando el módulo GRASS «r.mapcalculator». Una vez que la cuadrícula NDSI estuviera disponible, era necesario aplicar el umbral NDSI de 0.4 y esto daría como resultado una cuadrícula booleana que representaba las áreas «Nieve» y «Sin nieve». Para obtener esa clasificación, se usó otro módulo de GRASS «r.recode» y se obtuvo el resultado que se muestra arriba en el Mapa 1.4 Recodificado ‘Nieve’ vs ‘Sin Nieve’.

La cuadrícula recodificada se convirtió a un conjunto de datos de polígonos vectoriales y se extrajeron las áreas cubiertas de nieve (que se muestra a continuación, Mapa 1.5 - Nieve Extraída). Las áreas cubiertas de nieve se sujetaron luego a la cuenca de agua nevada (que se muestra a continuación, Mapa - 1.6 Nieve en el interior del SWC), luego se enmascaran los grandes cuerpos de agua (que se muestra a continuación, Mapa 1.7 - Área cubierta de nieve final), y finalmente el área se generan las estadísticas para el área cubierta de nieve.

Mapa 1.5 - Nieve extraída

Mapa 1.5 - Nieve extraída

Mapa 1.6 - Nieve dentro de SWC

Mapa 1.6 - Nieve dentro de SWC

Mapa 1.7 - Área final cubierta de nieve

Mapa 1.7 - Área final cubierta de nieve

La salida del modelo es un polígono vectorial que muestra el área cubierta de nieve dentro de la Captación de agua nevada. Los atributos del polígono incluyen el área cubierta por la nieve y el porcentaje de la cuenca que está cubierta. El modelo en su totalidad se puede ver a continuación en «Imagen 1.1 - Modelo de caja de herramientas de procesamiento de QGIS de Índice de Nieve Normalizado (NDSI)».

Imagen 1.1 - Caja de herramientas de QGIS, para el modelo de procesamiento del Índice Normalizado de Diferencia de Nieve (NDSI - Normalised Difference Snow Index)

Imagen 1.1 - Caja de herramientas de QGIS, para el modelo de procesamiento del Índice Normalizado de Diferencia de Nieve (NDSI - Normalised Difference Snow Index)

Resultados/Conclusión

La caja de herramientas de procesamiento de QGIS es una manera poderosa de automatizar un flujo de trabajo como la clasificación de nieve. El modelo que se muestra arriba automatiza con éxito el proceso de clasificación de la nieve y entrega un conjunto de datos SIG que puede utilizarse para la visualización y la entrada en otras aplicaciones estadísticas. Elimina con éxito el error subjetivo del usuario asociado con los métodos anteriores usados por SHL, mientras proporciona una herramienta de clasificación repetible y consistente. Aquí se pueden ver algunos resultados estacionales.

Autor

Andrew Jeffrey es un analista de SIG en Snowy Hydro Limited con sede en Cooma NSW, Australia. Se graduó de la Universidad Charles Sturt en Wagga Wagga con una Licenciatura en Ciencias (Bsc) con especialización en Sistemas de Información Espacial en 2004. Mientras que en Snowy Hydro Limited, ha podido brindar apoyo espacial a proyectos interesantes como el experimento Cloud Seeding, y el día a día de operaciones dentro de la organización.