Análisis de la clorofila a en el agua a partir de una imagen multiespectral Quickbird en la zona costera de Gandia

UNIVERSIDAD POLITECNICA DE VALENCIA ES CUE L A P OLI T EC NI CA SU PE RI O R DE GAND IA L IC E NC I ATU RA E N C I E NC I AS A M BI E N TAL E S “Análisis de la clorofila a en el agua a partir de una imagen multiespectral Quickbird en la zona costera de Gandia.” TRABAJO FINAL DE CARRERA Autor/es: Francisco Estruch Benito Director/es: Javier Estornell Cremades Miguel Rodilla Alama GANDIA, 2010 Proyecto final de carrera Francisco Estruch Benito 2 Índice 1. Introducción……………………………………………………………………………………………………….4 1.1. Objetivos…………………..……………..……………..……………..……………..……………..…..4 1.2. Estructura de la memoria……………..……………..……………..……………..……………..5 2. Materiales y Métodos.......................................................................................... 6 2.1. Descripción de la zona de estudio…………………………………………………………... ..6 2.1.1. Localización geográfica…………..……………..……………..……………..……………….6 2.1.2. Climatología…………..……………..……………..……………..……………..……………..…7 2.1.3. Geología y geomorfología……………..…………..……………..……………..…………..8 2.1.4. Hidrología…………..……………..……………..……………..……………..……………………9 2.1.5. Vegetación……………..………..……………..……………..……………..…………………..10 2.2. Materiales…………………………………………………………………………………………………12 2.2.1. Imagen Quickbird......................................................................................12 2.2.2. Medidas de campo…………….………..……………..……………..……………….……..13 2.3. Metodología………………………………………………………………………………………………16 2.3.1. Correcciones geométricas………………….……………..……………..…………………16 2.3.2. Correcciones radiométricas…………….………..……………..……………..….……..18 2.3.3. Extracción de variables explicativas para el cálculo de regresiones…….19 2.3.4. Cálculo de modelos de regresión…...........………..……………..…………..……20 2.3.5. Elaboración del mapa resultante………..……………..……………..……………..…20 3. Resultados y discusión………………………………………………………………………………………21 3.1. Correcciones geométricas……………..……………..……………..……………..…………..21 3.2. Correcciones radiométricas……………..……………..……………..……………..………..24 3.3. Variables explicativas para el estudio.……………..……………..…………….....……25 3.3.1. Píxeles individuales………..……………..……………..………………….…....25 3.3.2. Vecindario de píxeles…………..……………..……………..……………...…..26 3.3.3. Band Ratios.......................................................... ....... ............. .30 3.4. Cálculo de modelos de regresión……..……………..……………..………………………30 3.4.1. Píxeles individuales.....……………..……………..……………..…………….. 30 3.4.2. Ventana 3x3……………..……………..……………..……………..………………..31 3.4.3. Ventana 5x5……………..……………..……………..……………..………………..33 3.5. Elección del mejor modelo……………..……………..……………..……………..………….34 3.5.1. Comprobación del modelo……………..……………..……………..…………36 3.6. Mapa resultante……………..……………..……………..……………..……………..………….37 Proyecto final de carrera Francisco Estruch Benito 3 3.6.1. Elaboración del mapa……………..……………..……………..……………..….37 3.6.2. Discusión del mapa……………..……………..……………..…………………….49 4. Conclusiones………………………………………………………………………………………………….. 41 5. Aplicaciones……………………………………………………………………………………………………. 41 6. Bibliografía……………………………………………………………………………………………………….43 Anexos I. Teledetección………………………………………………………………………………………………….45 I.1. Introducción histórica……………..……………..……………..…….............……….........…45 I.2. Componentes de un sistema de teledetección……………............…....……...……45 I.3. Principios físicos……………..……………..……………..…………….............…….......…..….46 I.4. Signaturas espectrales……………..……………..……………….............….......…………...48 I.5. La imagen multiespectral………………………………………….....................…....……....49 I.6. Resoluciones de los sensores……………..……………................……….....…………….49 I.7. Análisis de las imágenes……………..……………..………..............……........…………….50 I.8. Aplicaciones de la teledetección……………..……….............……..…......…………....50 II. Clorofila……..…………………………………………………………………………………………………….52 II.1. Introducción………..……………..……………..……………..…………….......…………….....52 II.2. Función de la clorofila……………..………..……………..……………..….....…………..….52 II.3. Estructura de la clorofila……………..……………..………………………......……………..52 II.4. Signatura espectral……………..……………..……………..……………......…………………53 Proyecto final de carrera Francisco Estruch Benito 4 1. Introducción La teledetección tiene por objeto la captura, tratamiento y análisis de imágenes digitales tomadas desde satélites artificiales. Con esta información se pueden analizar grandes superficies de agua con unos tiempos y costes relativamente bajos. De esta manera supone una atractiva alternativa al estudio de los ecosistemas acuáticos, desde pequeños lagos hasta grandes masas de agua como mares u océanos. Permite la creación de modelos y servir de aplicación para otras disciplinas, como es el caso de las Ciencias Ambientales, ya que facilita una forma de respuesta ágil a la necesidad de gestionar un recurso tan valioso como el agua. La concentración de clorofila a es uno de los parámetros más importantes en el estudio de las características y el estado del agua (Desortová, 2007). Se puede relacionar de forma significativa la concentración de clorofila a con el contenido de biomasa del agua. La teledetección ha sido ampliamente utilizada con resultados satisfactorios en estudios con imágenes Landsat (Jinsang, 2004; Duan, 2007), mediante las que se ha demostrado las posibilidades del análisis de clorofila, pero existen pocos estudios que utilizan imágenes de elevada resolución espacial como es el caso de las imágenes Quickbird. La calidad de la imagen obtenida del satélite Quickbird ofrece resultados de mayor precisión, permitiendo la localización más exacta de zonas o puntos de interés, a diferencia de lo que ocurre con imágenes de menor resolución. La zona de estudio requiere una imagen que ofrezca alta precisión ya que sus dimensiones son aproximadamente 10km de largo en la línea costera y 4’5km mar adentro. Proyecto final de carrera Francisco Estruch Benito 5 1.1. Objetivos Objetivo principal: - Estudiar la relación existente entre la clorofila a del agua en la costa de Gandía y la contenida en los valores de reflectividad de los píxeles de una imagen de satélite Quickbird. Objetivos secundarios: - Detección de problemas medioambientales en la zona de estudio, tales como problemas de eutrofización. - Evaluar las posibilidades de análisis sobre el medio que ofrecen las imágenes Quickbird, y sus limitaciones. - Demostrar la utilidad de las técnicas de teledetección como complemento de otras disciplinas, especialmente en la extracción de información. 1.2. Estructura de la memoria La memoria del presente trabajo se ha estructurado en diversos apartados: - En primer lugar, un apartado con la introductorio y los objetivos que se quieren lograr mediante el trabajo. - A continuación se encuentra el apartado de Materiales y Métodos, que incluye: o Descripción de la zona de estudio o Un capítulo descriptivo de los materiales que son empleados para la realización del trabajo. o La metodología, que contiene los pasos que conducen al resultado final gracias a la aplicación de las técnicas sobre los materiales. - El apartado de los resultados de la aplicación de la metodología, con discusiones del producto de cada uno de los pasos. - Seguidamente las conclusiones finales en el que se valora la consecución o no de los objetivos propuestos en el primer apartado. - Un apartado de aplicaciones del resultado final sobre diversos ámbitos de interés, tanto medioambiental como económico. - El apartado que contiene la bibliografía empleada para la realización del trabajo. - Finalmente se incluyen dos anexos que contienen información relativa a la Teledetección y la Clorofila. Proyecto final de carrera Francisco Estruch Benito 6 2. Materiales y Métodos 2.1. Descripción de la zona de estudio 2.1.1. Localización geográfica La zona de estudio se sitúa completamente dentro de la comarca de La Safor, comprendiendo la franja costera del municipio de Gandía, limitando justo al norte donde empieza el municpio de Xeraco, e incorporando una franja de la zona costera del municipio de Daimuz al sur (Figura 1). Figura 1: Localización geográfica de la zona de estudio La comarca de La Safor se encuentra en el sureste de la provincia de Valencia. Está formada por 31 municipios cuya extensión total alcanza los 428 km2. La población asciende a más de 132.000 habitantes, la mayoría localizados en el sector litoral. Su entorno físico es abrupto e irregular. El sector montañoso en forma de herradura se orienta hacia el mar. En la zona norte están la Serra de les Agulles, en el oeste la Serra Grossa y la Serra de Ador, en el sur las sierras de Gallinera, Mostalla y Les Fontanelles y Proyecto final de carrera Francisco Estruch Benito 7 en el sector central la Serra La Barcella y la Serra de Falconera. Estos ultimos conforman espacios diferenciados en el centro, la denominada “l’Horta de Gandia”; territorio asentado en un amplio valle estructural con disposicion suroeste-noreste, de unos 8x4 kilómetros, que contiene los conos aluviales de los ríos Serpis y Vaca, donde se han ido depositando sedimentos de origen fluvial que proceden de las montanas de alrededor. En el sector costero, se extiende un cordón litoral y una franja de marjales que procede de Cullera y se prolonga hasta Denia. 2.1.2. Climatología En la franja litoral de la comarca, el régimen térmico está constituido por unas temperaturas medias del mes más frio superiores a 10ºC y unas temperaturas estivales en torno a 24-25ºC, influidas por el régimen de brisas que aportan aire fresco y húmedo del Mediterráneo (registro meteorológico de la estación de Piles)(Tabla 1). Tabla 1: Tª media mensual registrada en la estación de Piles; series de datos 1961-1996. Las precipitaciones son especialmente abundantes en la comarca, siendo una de las más lluviosas de la Comunidad Valenciana. Toda la comarca registra lluvias anuales superiores a los 600-650mm, alcanzando los 800mm en las zonas más lluviosas (Tabla 2). La característica principal de estas precipitaciones es su torrencialidad. Este carácter torrencial se refleja en los datos de las máximas 24h, que registra valores muy elevados en relación con los resultados medios (Tabla 3). Tabla 2: Precipitación media mensual (mm) registrada en la estación de Piles; series de datos 1969-1996 Tabla 3: Precipitación máxima en 24h (mm) registrada en la estación de Piles; series de datos 1969-1996. Puesto que estas lluvias son fundamentalmente otoñales e invernales, la posibilidad de evapotranspiración es menor, por lo que los valores de evapotranspiración potencial se sitúan alrededor de 850-900mm/año, mientras que la evapotranspiración real Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Año 10.5 11.3 12.6 14.3 17.5 21.6 24.6 25.4 22.8 18.6 14.3 11.6 17.1 Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Total 65 51 59 46 50 30 15 27 64 115 113 74 708 Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Máx 25 24 29 21 26 20 12 18 36 56 53 29 98 Proyecto final de carrera Francisco Estruch Benito 8 según el método de “Thorntwaite” es de 550mm/año, por lo que la diferencia con las precipitaciones es de unos 100-250mm/año. 2.1.3. Geología y geomorfología 2.1.3.1. Geología La Safor es una comarca de transición entre los dos grandes dominios geológicos valencianos, el ibérico al norte y el bético al Sur (Champetier, 1972). - Las sierras ibéricas septentrionales: Se reducen a tres estructuras con dirección NWSE, el eje formado por las sierras de Corbera, Murta y les Agulles que se extiende entre Alzira y Tavernes de la Valldigna, el valle de la Barraca d’Aigües Vives y el eje montañoso de cumbres aplanadas que se extiende entre Carcaixent y Simat de la Valldigna. Están formadas por calizas y dolomías del Cretácico superior, plegadas en el eje Corbera-Agulles y casi tabulares en el eje montañoso más interior. - Sector tabular intermedio: Este sector de transición está delimitado por la falla N de la fosa tectónica de la Valldigna, formada por el borde N de la Serra Grossa (hasta Xàtiva), y el eje de Keuper extrusivo de Barxeta. El segundo es el eje de Vernissa, continuación del borde montañoso meridional de la Vall d’Albaida. Entre estos dos ejes se extiende un sector geológico formado mayoritariamente por materiales carbonatados del Cretácico superior, dispuestos de modo tabular. Estos materiales están fracturados por fallas de dirección ibérica-bética, generando bloques elevados o hundidos que dan lugar a pequeños macizos o depresiones intramontanas. Entre los macizos más importantes está el Montduver y entre las depresiones, la más importante es la fosa tectónica de la Valldigna así como la de Marxuquera. - Las sierras y valles béticos meridionales: Al sur del eje estructural del Vernissa se extiende un sector de sierras y valles de orientación bética en la cual se puede encontrar la Serra de Gallinera y Mostalla. Tectónicamente estas sierras son pliegues béticos bastante laxos con cabalgamientos hacia el norte y noroeste en su borde septentrional. Los materiales tienen edades que alcanzan desde el Jurasico hasta el Cretácico superior. Las litologías son más variadas que las de los sectores anteriores, aunque predominan los materiales carbonatados. Proyecto final de carrera Francisco Estruch Benito 9 2.1.3.2. Geomorfología Desde el punto de vista geomorfológico, en el área comprendida en el estudio se pueden diferenciar 4 zonas (Proyecto Informativo de las obras de laminación y mejora del drenaje de la cuenca de la Rambla Gallinera, 2005): - Zona 1 (sierras): constituida por rocas calcáreas (calizas, dolomías y margas), pertenecientes al Jurásico-Cretácico, que se alinean según una dirección NE-SO. Presenta fuertes pendientes (13 a 30%) pero, en general, es bastante estable. El drenaje puede considerarse de bueno a aceptable. - Zona 2 (glacis y pie de monte): constituida por gravas y bolos en matriz limo-arcillosa, pudiendo existir encostramientos calcáreos. La pendiente es suave y uniforme (5º), presentando abarrancamiento locales. Zona estable con buen drenaje. - Zona 3 (llanura litoral): constituida por materiales aluviales depositados horizontalmente (gravas, arenas, limos y arcillas). Suelo vegetal arcilloso potente. Zona prácticamente plana con drenaje aceptable a malo. Estable. - Zona 4 (cordón litoral de playas y dunas): material arenoso fino, mal graduado. Las dunas, de unos 2 – 3 m de altura, resaltan en una zona de morfología plana. El drenaje superficial puede considerarse bueno, siendo una zona estable. 2.1.4. Hidrología En la comarca de La Safor, la hidrología se puede dividir en 2 clases: 2.1.4.1. Manantiales Los grandes manantiales de La Safor suelen ser los puntos de descarga de los acuíferos con una fuerte componente cárstica, produciéndose al pie de los macizos calcáreos al ser los puntos topográficos más bajos. En este punto toma importancia el nivel impermeable de las margas y arcillas rojizas del Keuper. Este piso geológico es poco extrusivo en la comarca y cumple la función de dique o barrera. En la mitad norte de la comarca destacan los manantiales de la Valldigna, y en especial la Font Gran de Simat. También son bastante caudalosos los del Clot de la Font o de l’Ombria y de la Font de Bolomor en Tavernes de la Valldigna. En la mitad sur el manantial más importante es el de la Font dels Setze Xorros en Villalonga, que es una Proyecto final de carrera Francisco Estruch Benito 16 Figura 3: Localización de los puntos conflictivos 2.3. Metodología 2.3.1. Correcciones geométricas El objetivo de la corrección geométrica fue mejorar la precisión geométrica. Es necesario que esta corrección se haga con gran precisión, ya que hay que relacionar las coordenadas de los puntos de campo con los píxeles de la imagen para realizar una superposición. Proyecto final de carrera Francisco Estruch Benito 17 Este tipo de corrección no modifica el valor de los píxeles, sino que supone un cambio en su posición. Los pasos que se siguieron en la corrección geométrica fueron: - Creación de un mosaico - Rectificación o Selección de puntos de control o Cálculo de las funciones de transformación o Remuestreo - Comprobación de la corrección Creación de un mosaico La escena estaba compuesta de 3 imágenes correlacionadas espacialmente. Para trabajar de forma más ágil, se unieron creando un mosaico. Rectificación Las operaciones de rectificación consisten en utilizar otra imagen de referencia con un sistema de referencia determinado para ajustar espacialmente la imagen objetivo. La referencia puede ser un mapa, una ortofoto, etc. En el estudio se utilizó como referencia una ortofoto de la zona cuyo tamaño de píxel es de 0’5m asociada al sistema de referencia European Datum 1950 Zone 30N. - Puntos de control y funciones de transformación: Los puntos de control se crean relacionando elementos estables en ambas imágenes, por ejemplo cruces de carretera, rotondas, elementos singulares fácilmente identificables, etc; los elementos dinámicos como los relacionados con el agua (ríos, línea de costa) o elevados del suelo (tejados de edificios) no son válidos. El método consiste en la transformación polinómica (normalmente de segundo grado), a través de las coordenadas (x,y) de los puntos de control, en un sistema geodésico y proyección cartográfica determinada, y de sus coordenadas homólogas en la imagen definidas por la fila y columna (u,v) (Ecuación 1): =,=   +  +  +  +    +    = ,=   +  +  +  +    +    (1) Proyecto final de carrera Francisco Estruch Benito 18 En dichas ecuaciones, “u,v” son las coordenadas de la imagen a corregir y “x,y” las de la imagen de referencia. Una vez se tienen definidos todos los puntos de control (Ecuación 2), se verificó la calidad del ajuste. Para ello, se tuvieron en cuenta los errores residuales de cada punto, y el error medio cuadrático (RMS) (Ecuación 3): = [  −   ,  ]  + [  −  ,  ]  (2) =  ∑[     ,  ]   [    ,  ]       (3) - Remuestreo: El método de remuestreo utilizado fue el del “vecino más próximo”. Mediante las funciones de transformación anteriores se crea una imagen nueva, compuesta por una malla de píxeles vacía pero correctamente posicionada. Con el método del “vecino más próximo”, se rellenan cada uno de los píxeles de esta malla con los valores del píxel más cercano al que tenían en la imagen sin corregir (Jensen, 2005). De esta forma, el resultado final consiste en la imagen correctamente posicionada, sin cambios en los valores originales de los píxeles. 2.3.2. Corrección radiométrica: Las correcciones radiométricas, a diferencia de las geométricas, sí suponen una modificación del valor de los píxeles. Como el objetivo de este trabajo es relacionar la clorofila a con variables físicas derivadas de la imagen Quickbird, se transformó los niveles digitales de cada banda a radiancias. Estas conversiones se realizaron utilizando las ecuaciones 4 y 5 proporcionadas por la compañía Digital Globe. ! "#$,%&'(& =)∗ "#$,%&'(& (4) Donde L (Pixel,Banda) son los píxeles resultantes del primer paso de esta corrección radiométrica, producto de multiplicar los píxeles de la imagen q (Pixel,Banda) por un factor (K) que viene recogido en la ficha de información de la imagen, que es propio para cada banda. El segundo paso en esta corrección radiométrica es la división de L (Pixel,Banda) por otro factor calculado por DigitalGlobe: ! + "#$,%&'(& = ! "#$,%&'(& ,+ %&'(& (5) Proyecto final de carrera Francisco Estruch Benito 19 El factor ∆λ Banda se trata del ancho de banda efectivo. Dichos valores son únicos para cada banda (Tabla 7), y fueron calculados de las curvas de respuesta de radiancia espectral relativa a cada banda QuickBird. Tabla 7: Coeficientes de Ancho de banda efectivo para cada banda del satélite Quickbird Banda Espectral Ancho de banda efectivo Azul 0,068 Verde 0,099 Rojo 0,071 Infrarrojo cercano 0,114 Los valores de radiancia fueron finalmente transformados en valores de reflectividad aparente mediante la ecuación 6, operación llevada a cabo mediante el software ENVI. - ∗ .= / 0 ! 1#',. 2 ,. 3456  (6) Donde ! 1#',. es la radiancia espectral en la banda k; 2 ,. es la irradiancia solar en el techo de la atmósfera (para esa banda del espectro) conocida a través de las tablas solares; - ∗ . es la reflectividad aparente de la cubierta de esa banda; 6  es el ángulo cenital del flujo incidente formado por la vertical y los rayos solares; y / 0 es el factor corrector de la distancia Tierra-Sol. 2.3.3. Extracción de variables explicativas para el cálculo de regresiones La imagen corregida geométricamente y transformada a valores de reflectividad se utilizó para extraer las variables explicativas utilizadas en el análisis estadístico. Dado que la precisión del GPS es similar o ligeramente inferior al tamaño de píxel de la imagen y el error producido por la deriva de la barca, se utilizaron tres conjuntos de datos para el cálculo de variables explicativas. Píxeles individuales Se obtiene el valor de reflectividad para cada banda a partir de las coordenadas de los puntos de muestreo. Vecindario de píxeles Cada dato estadístico se extrae de un conjunto de píxeles, mediante una o varias operaciones SIG. El uso de ventanas puede paliar errores de geolocalización causados al utilizar un solo píxel, debido a su medición desde un barco en movimiento (Baban, 1997; Woodruff, 1999), ya que el punto en el que se toma la muestra no está fijo, por lo tanto se introducen errores en el estudio. Proyecto final de carrera Francisco Estruch Benito 20 - Ventana 3x3: El valor tomado es la media del píxel concreto junto a los 8 píxeles adyacentes (Figura 4). - Ventana 5x5: Se toma también el siguiente conjunto de píxeles adyacentes, es decir, la media de 25. Figura 4: Ventana 3x3 Band Ratios Los Band Ratios consisten en la creación de nuevas imágenes en las que los valores de los píxeles se obtienen a partir de operaciones entre los de varias bandas. Estudios anteriores demostraron la eficacia estas imágenes para medir la clorofila en agua mediante técnicas de teledetección, como el B4/B3 (Duan, 2007) que fue usado con éxito con datos del satélite Landsat. Una ventaja de utilizar Band Ratios sobre valores absolutos de reflectividad es que pueden corregir algunos errores geométricos y radiométricos (Pulliainen, 2001; Koponen, 2001, 2002). 2.3.4. Cálculo de modelos de regresión Para analizar las relaciones entre la clorofila a y los valores de reflectividad se utilizaron regresiones simples y múltiples con el menor número de variables posibles, para permitir una mejor explicación física del modelo. Los pasos seguidos fueron: - Regresión simple de valores de reflectividad - Selección de variables significativas - Búsqueda de modelos de 3, 4 y 5 variables - Regresión múltiple de 3, 4 y 5 variables Finalmente se eligió el modelo teniendo en cuenta la relación entre el valor de la R 2 y el número de variables y se elaboró un mapa resultante. 2.3.5. Elaboración del mapa resultante Obtenido el algoritmo se procedió a elaborar el mapa, para ello se sucedieron diversas operaciones: Reclasificación Consiste en la modificación del valor digital de los píxeles, no de su localización espacial. Cada valor de la matriz se multiplica por un coeficiente y se obtiene una imagen resultante reclasificada. Proyecto final de carrera Francisco Estruch Benito 21 Los coeficientes pueden ser definidos de forma manual, adecuándolos según los rangos de valores que interesen modificar de la imagen original. Aplicación del modelo El modelo final escogido se aplicó a la zona de estudio, obteniendo una imagen final que sirve de mapa temático a partir de las variables explicativas incluidas en el modelo (Ecuación 7): 78&9#' :'&$=;∗<&&=$#   = + >∗<&&=$#   ( + … (7) 3. Resultados y discusión 3.1. Correcciones geométricas Creación de un mosaico La información adquirida de DigitalGlobe consistía de 3 imágenes correlativas que había que unir previamente a su corrección geométrica (Figura 5). Figura 5: Creación del mosaico No existía ningún solapamiento ni falta de información digital entre los bordes de las 3 imágenes que componían la escena, por tanto una simple operación de mosaico realizada con el software SIG permitió unir estas 3 imágenes una sola, que fue la base del trabajo posterior. Proyecto final de carrera Francisco Estruch Benito 22 Rectificación Para mejorar la precisión de la imagen Quickbird y dado que el sistema de referencia de los datos medidos en el campo (ED50) fue diferente al de la imagen (WGS84) se realizó esta operación. El sistema geográfico de los puntos de muestreo es el European Datum 1950 UTM Zone 30N, que es el que se le otorgó a la imagen. Como referencia se utilizó una ortofoto de la zona cuyo tamaño de píxel era 0’5m. Esta resolución permitió la definición de puntos de control sobre elementos identificables en ambas imágenes; evitando elementos variables como la línea del mar o cursos de agua, y elementos elevados como terrazas de edificios (Figura 6). Se identificaron 39 puntos de control en la zona próxima de la costa (Tabla 8) (Figura 7). a) b) Figura 6: Ejemplo de Punto de Control: a) Imagen Quickbird, b) Ortofoto Figura 7: Distribución de los Puntos de Control Proyecto final de carrera Francisco Estruch Benito 23 Tabla 8: Puntos de control Punto X Referencia Y Referencia X Mapa Y Mapa Residual 1 745960,42 4320561,23 746070,91 4320768,08 0,44 2 744997,04 4319157,03 745109,11 4319364,88 1,03 3 743293,2 4321092,82 743403,87 432198,63 0,28 4 742860,22 4321519,97 742970,89 4321725,79 0,22 5 741258,39 4322486,01 741371 4322688,83 0,63 6 742466,55 4325694,06 742575,6 4325903,38 0,73 7 742723,26 4325994,8 742832,06 4326203,08 0,28 8 742886,3 4325706,61 742994,93 4325914,28 0,51 9 742929,91 4325620,59 743039,43 4325829,06 0,77 10 742990,6 4325493,91 743100,04 4325701,32 0,56 11 743187,4 4325063,31 743296,36 4325270,18 0,52 12 743533,08 4324484,4 743641,79 4324691,35 0,34 13 743666,43 4324118,73 743775,1 4324325,47 0,33 14 743852,24 4323835,65 743961,46 4324041,77 0,48 15 743995,33 4323614,76 744104,74 4323821,79 0,65 16 744150,18 7323288,32 744259,2 4323494,76 0,12 17 744459,4 4323008,58 744568,65 4323214,6 0,15 18 744587,21 4322638,92 744696,49 4322844,96 0,2 19 744955,52 4322035,92 745065,03 7322242,03 0,19 20 745096,55 4321663,99 745205,68 4321870,78 0,53 21 74326,52 4321448,64 745436,3 4321654,53 0,58 22 745537,33 4321169,8 745647,22 4321377,04 0,64 23 745816,22 4320898,6 745925,97 4321105,94 0,45 24 746374,35 4320289,77 746484,63 4320497,07 0,18 25 747097,78 4320025,12 747209,12 4320232,62 0,38 26 746786,86 4319233,97 746897,95 4319442,77 0,49 27 744484,25 4320610,8 744594,08 4320817,81 0,2 28 744019,42 4322209,38 744126,51 4322416,36 0,24 29 743286,18 4323545,6 743394,84 4323753,03 0,2 30 742256,53 4322816,26 742366,17 4323023,58 0,36 31 742438,9 4323553,18 742547,26 4323760,3 0,71 32 740826,15 4323632,47 740936,29 7323839,79 0,54 33 741060,98 4324589,12 741170,38 4324798,32 0,36 34 741999,45 4324455,3 742107,69 4324663,8 0,24 35 747693,22 4317772,98 747804,17 4317983,38 0,84 36 746100,85 43217533,83 7462316,55 4317743,89 0,76 37 745128,93 4317644,38 745241,09 4317851,6 0,49 38 743911,46 4319623 744023,01 4319828,48 0,52 39 745827,53 431854,01 745938,7 4318562,53 0,26 RMS 0,49 La rectificación llevada a cabo fue de 2º Orden Polinomial, se obtuvo un error medio cuadrático (RMS) de 0’49 metros, y teniendo en cuenta la precisión del GPS (3 a 5 metros) y la resolución espacial de la imagen (2’4 metros), se consideró válido el ajuste. Proyecto final de carrera Francisco Estruch Benito 24 3.2. Correcciones radiométricas Estas operaciones consistieron en el cálculo de radiancias y reflectividades sobre las 4 bandas corregidas geométricamente en el paso anterior. Los datos se introdujeron en el software ESRI, y de este modo se obtuvieron 4 nuevas imágenes (una para cada banda), las cuales estaban correctamente georreferenciadas y cuyos píxeles contenían valores de reflectividad (Figura 8). Figura 8: Imágenes de reflectividad de cada banda: a) Banda 1; b) Banda 2; c) Banda 3; d) Banda 4 Las imágenes son similares entre sí, muestran valores de reflectividad menores en agua que en tierra, sin embargo se pueden apreciar ciertos detalles como que la banda 1 encuentra más variabilidad en la línea costera (diferencia entre agua y tierra). Proyecto final de carrera Francisco Estruch Benito 25 3.3. Variables explicativas para el cálculo de regresiones 3.3.1. Píxeles individuales Valores de reflectividad Con las imágenes resultantes se obtuvieron los valores de reflectividad de cada banda para cada punto de muestreo (Tabla 9): Tabla 9: Valores de reflectividad correspondientes a los puntos de muestreo Clorofila Banda 1 Banda 2 Banda 3 Banda 4 1,8 1401 1238 916 604 1,3 1449 1391 1228 622 1,2 1406 1330 1040 514 1,6 1462 1360 1136 557 1,7 1172 890 468 317 0,7 1181 943 476 326 0,8 1293 1057 580 394 0,9 1263 1007 572 351 0,3 1142 776 420 343 0,6 1107 798 436 326 0,7 1142 798 440 321 0,5 1107 765 420 296 0,2 1111 765 456 296 0,2 1103 796 476 339 0,4 1107 759 428 313 0,6 1111 762 428 321 0,8 1124 763 432 317 1,6 1107 784 408 279 0,4 1081 751 412 283 0,4 1064 720 436 317 0,5 1055 695 432 304 0,5 1103 759 436 317 0,4 1038 676 396 283 0,2 1029 681 396 283 0,5 1077 723 436 326 0,2 1060 707 480 321 0,3 1064 701 416 296 0,4 1060 707 384 270 0,6 1029 681 392 283 0,9 1060 701 384 266 0,9 1068 690 384 261 0,8 1064 690 420 270 Media 1145 839,5 517,6 341,1 Desviación 124,3 209,7 224,4 94,9 Proyecto final de carrera Francisco Estruch Benito 32 Se analizó cada variable de forma individual, y se escogieron las 17 mejores (Tabla 16): Tabla 16: Análisis estadístico de la Ventana 3x3 Variables R 2 B1 46,1 B1xB1 45,9 B1xB2 44,5 B2 44,4 B2xB2 43,2 B2/B1 42,5 B2xB4 40,4 B1xB4 39,3 B1xB3 37,6 B2xB3 37,6 B4xB4 36,8 B3xB4 35,9 B3 35,6 B4 35,1 B4/B3 34,4 B3xB3 33,3 B3/B1 30,6 B4/B1 22,8 B3/B2 15,4 B4/B2 1,4 Se realizaron regresiones múltiples seleccionándose los modelos con valores de R 2 más altos utilizando 5, 4, 3 y 2 variables (Tabla 17): Tabla 17: Mejores modelos para la Ventana 3x3 Variables R 2 B2xB2, B2xB4, B1xB3, B4xB4, B3/B1 77,8 B1xB2, B2xB4, B4xB4, B4 71,6 B1xB1, B1xB4, B4xB4 67,8 B1xB4, B4 57,1 Se observa una gran mejora respecto a los resultados obtenidos con píxeles individuales. Proyecto final de carrera Francisco Estruch Benito 33 3.4.3. Ventana 5x5 Al realizar el procedimiento de la Ventana 5x5 se observó un valor atípico que no aparecía con anterioridad, concretamente el punto ID 3 que al ampliar la ventana de 3x3 a 5x5 contenía algunos píxeles con elevados valores de reflectividad, tratándose de una ola marina. Para este análisis dicho punto fue eliminado. También se realizó una comparativa entre los valores de reflectividad y los obtenidos al realizar la ventana 5x5 (Tabla 18): Tabla 18: Diferencia de Valores Ventana 5x5 respecto a Píxeles Individuales Banda 1 Banda 2 Banda 3 Banda 4 Valor Reflectividad medio 1145 840 518 341 Valor 5x5 medio 1131 818 489 327 Suma diferencias individuales 534 615 656 640 Diferencia promedio individual 14,4 16,6 17,7 17,3 % diferencia 1,25 1,98 3,45 5,11 % diferencia sin el punto ID 3 0,89 1,48 2,9 4,18 Se analizó cada variable de forma individual, y se escogieron las 13 mejores (Tabla 19): Tabla 19: Análisis estadístico de la Ventana 5x5 Variables R 2 B2/B1 36,5 B1 35,8 B2 35,7 B1xB1 34,9 B4/B3 34,9 B1xB2 34,5 B2xB2 33,7 B2xB4 29,7 B1xB4 27,8 Proyecto final de carrera Francisco Estruch Benito 34 B2xB3 27,5 B1xB3 27,1 B3 26,2 B4xB4 25,3 B3xB4 24,8 B4 24,0 B3xB3 22,9 B3/B1 22,6 B4/B1 12,3 B4/B2 8,8 B3/B2 7,4 Se realizaron regresiones múltiples seleccionándose los modelos con valores de R 2 más altos utilizando 5, 4, 3 y 2 variables (Tabla 20): Tabla 20: Mejores modelos para la Ventana 5x5 Variables R 2 B1xB1, B1xB4, B1xB3, B3, B4xB4 70 B2, B4/B3, B2xB4, B4xB4 64,1 B1, B1xB4, B4xB4 62,8 B2, B1xB4 41,9 Se puede observar que los resultados empeoran respecto a los obtenidos con la ventana 3x3. 3.5. Elección del mejor modelo Realizados los análisis estadísticos sobre todos los tipos de información de que se disponía, se elaboró un cuadro resumen para decidir cuál sería el más idóneo para crear un mapa temático (Tabla 21), en él se recogen las R 2 de los modelos. Tabla 21: Resumen de los mejores modelos encontrados Píxeles Individuales 5 variables 66,7 4 variables 65,4 3 variables 62,7 2 variables 55,6 Proyecto final de carrera Francisco Estruch Benito 35 Ventana 3x3 5 variables 77,8 4 variables 71,6 3 variables 67,8 2 variables 57,1 Ventana 5x5 5 variables 70 4 variables 64,1 3 variables 62,8 2 variables 41,9 Tal y como se puede observar, los datos que ofrecen los mejores ajustes para todos los casos son los obtenidos con el método Ventana 3x3, por tanto son los escogidos. Sin embargo cabe recordar que la variable que se pretende relacionar con la concentración de clorofila es la reflectividad, una variable física, y que por tanto la ecuación ajustada ha de tener un sentido o explicación física. Observando el modelo de 5 variables cuya fórmula es: Concentración de clorofila mg/m 3 = 4,48544 + 4484,73*B2xB2 - 23608,1*B2xB4 + 1344,45*B1xB3 - 17,6014*B3/B1 + 27237,2*B4xB4 Dicho modelo contiene información de todas las bandas, existen problemas de correlación que afectan a su significado estadístico, además de carecer de una explicación física lógica a pesar de tener una R 2 = 77,8. Atendiendo a este criterio, el modelo seleccionado finalmente fue el de 3 variables, que contiene información exclusivamente de la Banda 1 y la Banda 4: Concentración de clorofila mg/m Concentración de clorofila mg/mConcentración de clorofila mg/m Concentración de clorofila mg/m 3 33 3 = = = = - -- -1,69996 + 990,717*B1xB1 1,69996 + 990,717*B1xB1 1,69996 + 990,717*B1xB1 1,69996 + 990,717*B1xB1 - -- - 4655,07*B1xB4 4655,07*B1xB4 4655,07*B1xB4 4655,07*B1xB4 + 6363,27*B4xB4 + 6363,27*B4xB4+ 6363,27*B4xB4 + 6363,27*B4xB4 Tal y como se explicó en los apartados introductorios, la Banda 1 está relacionada directamente con el agua, y la Banda 4 con el contenido de biomasa. Se puede realizar una explicación física del modelo, cuya R 2 = 67,8: Banda 1: Variable B1xB1 La banda 1 muestra una mayor reflectividad y variabilidad en la zona de agua, proporcionando mayor cantidad de información relevante para el estudio. Banda 4: Variable B4xB4 La clorofila a representa la mayor parte de la biomasa contenida en el agua costera de la zona de estudio, por tanto se pueden relacionar directamente ambos parámetros. Band Ratio 1x4 De acuerdo con trabajos previos, las características de absorción y reflexión de la clorofila pueden ser estudiadas mejor cuando se incluye más de una banda en el Proyecto final de carrera Francisco Estruch Benito 36 análisis (Dekker, 1991). De este modo es conveniente el uso de Band Ratios relacionados con estas características de la clorofila (Gin, 2002), en este estudio el Band Ratio 1x4 contiene la fuerte absorción en el azul (400-500nm) y el máximo de reflectividad en el infrarrojo cercano (700nm), como se puede observar en el Anexo II.4. 3.5.1. Comprobación del modelo Se realizó una comprobación del modelo escogido, relacionando los datos de laboratorio con los datos resultantes de la aplicación del modelo (Tabla 22), para obtener el gráfico de la relación entre ambos datos (Figura 12). Los puntos no incluidos para obtener el modelo tampoco fueron incluidos en la comprobación. Tabla 22: Relación entre los datos de laboratorio y datos obtenidos del modelo Coeficiente de correlación 0,75 RMSE 0,25 Error Medio Absoluto (MAE) 0,20 Figura 12: Relación entre los datos de laboratorio y datos del modelo Los errores cometidos son admisibles atendiendo al RMSE (0’25 mg/m3), indicando una precisión adecuada ya que la zona de estudio, a diferencia de otros estudios (Duan, 2007), presenta una concentración relativamente baja de clorofila a por lo que su cuantificación es más complicada y requiere mucha precisión. Respecto al gráfico, se observa una buena relación, el único punto que muestra mayor diferencia es el ID 1 situado en la zona de costa a la misma distancia de tierra que otros puntos que fueron desestimados para el estudio. ID 1 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Medidas del modelo Medidas de laboratorio Proyecto final de carrera Francisco Estruch Benito 37 3.6. Mapa resultante Con el modelo escogido, se creó un mapa temático de la zona de estudio, cuyos píxeles contenían valores de concentración de clorofila. 3.6.1. Elaboración del mapa resultante Para tener una imagen más clara de la zona, se realizó una máscara que separaba la tierra del agua. Para ello se utilizó el histograma de la banda 4, en el que se detectó una frecuencia bimodal que indicaba la distinción de valores de reflectividad de tierra y de agua. Se pudo establecer un valor límite que suponía la distinción de estas 2 coberturas (Figura 13). Figura 13: Máscara que distingue entre tierra y agua Proyecto final de carrera Francisco Estruch Benito 38 Mapa Temático de la Concentración de Clorofila en la zona costera de La Safor Concentración de Clorofila (mg/m3) Escala Sin Datos 0 - 0,5 0,5 - 1 1 - 1,5 1,5 - 3 >3 0 1.000 2.000 4.000 Metros Proyecto final de carrera Francisco Estruch Benito 39 3.6.2. Discusión del mapa Observando el mapa temático se pueden diferenciar varias zonas de interés, destacando que valores elevados de clorofila a no significan directamente problemas de eutrofia, depende de la zona y las afecciones locales de la misma. Gradación natural por franjas: A medida que aumenta la distancia de la orilla, la concentración de clorofila va disminuyendo. Esta gradación de los valores responde a una distribución normal de la clorofila, donde los mayores valores están cerca de la costa y los menores se encuentran aguas adentro. Esto es debido especialmente a los aportes de agua subterránea cargada de nutrientes que se produce en las zonas de surf y swash. Línea de costa (Figura 14) La mayor cantidad de materia sólida en suspensión, la menor profundidad, la acumulación de materia orgánica debido al oleaje y el aporte realizado desde tierra son algunos de los motivos por los que en la línea costera la concentración de clorofila es más elevada que en las zonas más alejadas. Zona alejada (Figura 15) Se observa la disminución de la concentración de clorofila a medida que aumenta la distancia a la costa. Zona portuaria Figura 16: Zona portuaria En esta zona existen 3 afecciones que contribuyen a la mayor concentración de clorofila a: en primer lugar los aportes del drenaje del marjal a través de tres acequias; en segundo lugar el confinamiento y la baja renovación de las aguas; y finalmente de forma puntual las tareas de aporte de materiales de la ampliación del muelle sur (Figura 16). La afección va más allá del interior del puerto; se observa una línea de propagación a través de la salida del mismo, mostrando que la zona de influencia de Figura 14: Línea de costa Figura 15: Zona alejada Proyecto final de carrera Francisco Estruch Benito 40 las actividades portuarias es amplia y hay que tener en cuenta que las acciones llevadas a cabo dentro del puerto tienen su afección fuera del mismo. Afección por el espigón del puerto Si bien se ha explicado la naturaleza de la alta concentración de clorofila en la línea de costa, el espigón del puerto provoca una acumulación no natural en su parte norte, aumentando de este modo la concentración de clorofila a de la zona (Figura 17). Afección por la desembocadura del río Serpis El aporte de materia sólida en suspensión y de materia orgánica realizado por el río Serpis puede verse enmascarado por la mayor afección sobre la zona que realiza el puerto. Sin embargo, el efecto acumulatorio del espigón en la parte norte se debería notar de forma contraria en la parte sur (Figura 18), es decir, mucha menor acumulación. Sin embargo esta afección no aparece de forma clara, por lo que podría estar compensada debido al efecto de la desembocadura del río Serpis, que con su aporte compensa el defecto creado por el espigón. Afección por la desembocadura del río Vaca La desembocadura del río Vaca (Figura 19) puede afectar del mismo modo al medio que la desembocadura del río Serpis. La diferencia es que sin el efecto del espigón, el aporte del río se suma al realizado por la acumulación en la línea costera, mostrando así una zona con mayor concentración de clorofila a de forma puntual. Afección por un emisario submarino En la parte este del mapa se observa, aguas adentro, una zona con mayor concentración de clorofila de la que debería haber de forma natural atendiendo al patrón de distribución normal de la clorofila a (Figura 20). Esto es debido a la afección producida por un emisario submarino, cuya liberación de materia orgánica al ecosistema modifica las condiciones, provocando que en una zona donde cabría esperar baja concentración haya niveles similares a los de la línea de costa. Figura 17: Afección por el espigón Figura 20: Afección por un emisario submarino Figura 18: Afección por la desembocadura del río Serpis Figura 19: Desembocadura del río Vaca Proyecto final de carrera Francisco Estruch Benito 41 Como conclusión del mapa elaborado, se puede decir que los resultados mostrados pueden ser confirmados mediante patrones de distribución natural, y que las zonas que muestran valores diferentes pueden ser explicados debido a afecciones tanto naturales (desembocaduras de ríos, acumulación por el oleaje) o como consecuencia de acciones del hombre (puerto, espigón, dragado puntual, etc.). 4. Conclusiones Objetivos conseguidos El objetivo principal del estudio consistió en relacionar los valores de clorofila a medidos en el agua con la información espectral de una imagen Quickbird. El modelo elegido para ello fue el de 3 variables obtenidas a partir del método de la Ventana 3x3. Se obtuvo un coeficiente de regresión de 0’68 y las variables del modelo fueron tres Band Ratios (B1 2 , B4 2 , B1xB4). Estas variables fueron creadas a partir de los datos de la banda 1 (aporta información relacionada con el agua) y la banda 4 (relacionada con la cantidad de biomasa). A partir de la creación del mapa temático se observaron problemas ambientales, tales como la elevada concentración localizada en la zona portuaria y el efecto del emisario submarino. Cabe destacar la escala de precisión con la que se ha realizado el estudio, tanto precisión espacial (tamaño del píxel de 2’4m debido a la alta resolución espacial de la imagen Quickbird) como en la cuantificación de la clorofila. Otros estudios trabajan con rangos de concentración de clorofila del orden 10 veces mayores al del presente estudio (Duan, 2007; Sun, 2009; Xu, 2009), en el que se ha trabajado con precisiones del orden de 0’3mg/m 3 , que quizá con otro tipo de imagen no se hubiera podido conseguir. En conclusión, con el presente estudio se ha aplicado la teledetección para relacionar valores de una imagen satélite con la concentración de clorofila a en el agua; método que puede responder a la creciente necesidad de establecer sistemas de monitoreo ambiental de bajo coste y alta efectividad, además de tener gran cobertura espacial. 5. Aplicaciones El conocimiento de la concentración y distribución de clorofila a en el agua puede tener distintos tipos de aplicaciones: Evaluación del estado del ecosistema Mediante la elaboración de un mapa temático se consigue una evaluación rápida del estado general del ecosistema. Proyecto final de carrera Francisco Estruch Benito 48 Figura 23: El espectro electromagnético I.4. Signaturas espectrales Si se representan en un gráfico la longitud de onda en el eje X y la reflectividad en el eje Y, se puede observar que cada cubierta terrestre muestra una curva característica en el gráfico. Dichas curvas se denominan signaturas espectrales, y personalizan en comportamiento espectral de unas cubiertas respecto a otras. Su distinto trazado permite distinguir entre varias cubiertas o varios estados diferentes de la misma cubierta (Figura 24). Figura 24: Signaturas espectrales Proyecto final de carrera Francisco Estruch Benito 49 I.5. La imagen multiespectral Se trata de la imagen resultante de la captura por el sensor de la radiancia procedente de la superficie terrestre, tras la transformación de estos niveles de radiancia en valores numéricos que se denominan valores digitales. El valor del nivel digital correspondiente a un píxel será proporcional a la intensidad de radiancia procedente del terreno. Para ello se utilizan sistemas de conversión analógico-digital. Este procedimiento se repite para cada una de las bandas, generándose una matriz tridimensional en la que el valor del nivel digital de cada píxel está ubicado en una fila, columna y banda determinada, generándose de este modo la imagen multiespectral. El número de bandas varía considerablemente de unos sensores a otros, ajustándose al propósito para el cual fueron concebidos. De este modo existen sensores con pocas bandas como el SPOT o Quickbird (4 bandas), otros como Landsat tienen 7, llegando a unos sensores denominados hiperespectrales que pueden superar las 200 bandas. I.6. Resoluciones de los sensores Los sensores empleados en la teledetección cuentan con 4 tipos de resoluciones distintas, siendo éstas las que definen los rangos de precisión de los mismos, concepto muy importante para el análisis de las imágenes satelitales. -Resolución espacial: Capacidad del sistema para distinguir objetos según su tamaño, y concretamente, se refiere al tamaño del píxel sobre el terreno. Esta resolución juega un papel fundamental ya que condiciona la escala de trabajo y la fiabilidad de la interpretación; cuanto menor sea el tamaño del píxel, menor será la posibilidad de que contenga 2 cubiertas fronterizas. Sin embargo en algunos casos puede ser mejor contar con un tamaño de píxel mayor, ya que con ello se reduce la variabilidad de las categorías. -Resolución radiométrica: Capacidad del sensor para discriminar niveles o intensidades de radiancia. La energía electromagnética recibida por el sensor, cuando se convierte a nivel digital, necesita un formato binario (número de bits) para codificarse. A mayor número de bits reservados para almacenar el valor de la reflectividad de un píxel, mayor resolución radiométrica. Proyecto final de carrera Francisco Estruch Benito 50 -Resolución espectral: Indica el número y la anchura de las bandas espectrales que puede discriminar el sensor. Cuanto mayor sea el número de bandas que proporcione, mayor será la resolución espectral. Cuanto más estrechas sean estas bandas, más concretas serán las mediciones realizadas sobre regiones coherentes del espectro. -Resolución temporal: Se trata del tiempo de paso del satélite sobre la vertical de un punto. Con esto se determina la periodicidad de adquisición de imágenes de una misma zona. De este modo se puede cuantificar la capacidad del sistema sensor para registrar los cambios temporales acaecidos sobre una determinada cubierta, lo cual es de vital importancia en estudios evolutivos. I.7. Análisis de las imágenes El análisis de las imágenes procedentes del satélite puede realizarse de dos modos: mediante interpretación visual o mediante técnicas de tratamiento digital de información multiespectral. La interpretación visual pretende, sin intervención del ordenador, extraer información espacial a través del análisis de la imagen y sus cualidades (brillo, color, textura, forma, tamaño de los objetos que la componen). El tratamiento digital también se dirige a la extracción de información temática sobre el terreno, pero usando técnicas matemáticas y estadísticas implementadas mediante algoritmos en programas informáticos. I.8. Aplicaciones de la teledetección Las aplicaciones de la teledetección comprenden una gran variedad de disciplinas. Como herramienta de investigación, las imágenes espaciales han acreditado su valía para las siguientes aplicaciones: - Análisis en tiempo real de masas nubosas - Cartografía geológica - Cartografía de la vegetación del suelo - Cartografía térmica de la superficie del mar Proyecto final de carrera Francisco Estruch Benito 51 - Control de la acumulación de nieve - Control del movimiento de icebergs - Estudios de erosión de playas y arenales - Estimación de modelos de escorrentía y erosión - Inventario de recursos para estudios de impacto ambiental - Medidas de aguas superficiales y humedales - Medidas de salinidad del agua - Predicción de rendimientos de cultivos - Etc. Proyecto final de carrera Francisco Estruch Benito 52 II. Anexo II - Clorofila II.1. Introducción La clorofila es el pigmento fotorreceptor responsable de la primera etapa en la transformación de la energía de la luz solar en energía química, y consecuentemente la molécula responsable de la existencia de vida superior en la Tierra. Se encuentra en orgánulos específicos, los cloroplastos. Este estudio se centra en la clorofila contenida en el agua, concretamente en la clorofila a que es la mayoritaria. II.2. Función La función de las clorofilas es la absorción de energía luminosa en la variante de la fotosíntesis que se denomina fotosíntesis oxigénica. El principal papel de las clorofilas en la fotosíntesis es la absorción de fotones de luz con la consiguiente excitación de un electrón. Ese electrón excitado cede su energía, volviendo al estado normal, a algún pigmento auxiliar (a veces otras clorofilas), donde se repite el fenómeno. Al final el electrón excitado facilita la reducción de una molécula, quedando así completada la conversión de una pequeña cantidad de energía luminosa en energía química, una de las funciones esenciales de la fotosíntesis. II.3. Estructura La estructura de la molécula de clorofila tiene dos partes: un anillo de porfirina sustituida (con pequeños grupos enlazados, sustituyentes) y una cadena larga llamada fitol (Figura 25). El anillo de porfirina es un tetrapirrol, con cuatro anillos pentagonales de pirrol enlazados para formar un anillo mayor que es la porfirina. El fitol es una cadena hidrocarbonada con restos de metilo (-CH 3 ) a lo largo. Tiene, como todas las cadenas orgánicas basadas sólo en C e H, un carácter “hidrófobo”; es decir, que repele al agua. Sirve para anclar la molécula de clorofila en la estructura anfipática de los complejos moleculares en que residen las clorofilas. Proyecto final de carrera Francisco Estruch Benito 53 Figura 25: Estructura de la molécula de la clorofila II.4. Signatura espectral Las clorofilas tienen típicamente dos puntos de absorción en el espectro visible, uno en el entorno de la luz azul (400-500 nm de longitud de onda), y otro en el rojo (600-700 nm); sin embargo reflejan la parte media del espectro, la más nutrida y correspondiente al color verde (500-600 nm) (Figura 26). Esta es la razón por la que las clorofilas tienen color verde. Figura 26: Espectro de absorción de la clorofila