Página principal

Estimacion del area nevada en la alta cuenca del rio mendoza, argentina, mediante la teledeteccion satelital


Descargar 51.43 Kb.
Fecha de conversión20.09.2016
Tamaño51.43 Kb.
ESTIMACION DEL AREA NEVADA EN LA ALTA CUENCA DEL RIO MENDOZA, ARGENTINA, MEDIANTE LA TELEDETECCION SATELITAL
José M. Zuluaga, Luis Fornero, Alejandro Drovandi y Marta Nuñez
Instituto Nacional del Agua - Centro Regional Andino

Belgrano (oeste) 210 (5500) Mendoza, Argentina

Telefax: +54-2614288251 E-mail: jzuluaga@ciudad.com.ar

RESUMEN


Se realizó un análisis multitemporal combinando la alta resolución espacial de las imágenes LANDSAT con la alta repetitividad temporaria del satélite NOAA, a partir de sus bandas visibles infrarroja cercana y térmicas con lo que se pudo evaluar el área cubierta por la nieve (SCA) durante el período de fusión nival.

En la primera etapa se analizaron dos imágenes de buena calidad del satélite LANDSAT TM de los meses de octubre de 1997 y marzo de 1998 que cubren los 1.858 Km2 de la cuenca de estudio del Río Tupungato que es uno de los principales afluentes del Río Mendoza. Estas imágenes corregidas geométricamente con la cartografía base, permitieron una adecuada superposición con las imágenes NOAA-AVHRR de menor resolución espacial y mayor deformación, debido a la precisión propia de un satélite meteorológico. Toda esta información se volcó en una base de datos georeferenciada a partir de la cartografía del IGM escala 1:100.000 la que pudo cruzarse con el análisis morfométrico de las cuencas para inferir la influencia topográfica en la fusión nival utilizando un modelo digital de terreno WODITEM (Cazorzi, F., 1993).

Otra aplicación interesante fue la de usar el área cubierta con nieve en la calibración de modelos del tipo morfoenergético distribuido, como es el NEVE (Universidad de Padova-Italia) para luego aplicar el modelo SRM (U.S.Agricultural Research Service), basado en el método grado-día, y así poder estimar la incidencia del cambio climático en el escurrimiento por fusión nival.

1. INTRODUCCIÓN


Este trabajo forma parte del Proyecto dirigido por el Ing. Jorge Maza denominado “Simulación Matemática de la Fusión Nival con Distintos Escenarios Climáticos en la Cuenca del Río Tupungato” el cual ha sido finaciado por la Agencia Nacional de Promoción Cientifica y Técnica (PICT 97 Nº 07-0000-0725). Su objetivo es desarrollar una metodología que permita conformar escenarios de cambio climático en el mediano y largo plazo del recurso hídrico disponible para las diversas actividades socioeconómicas (agricultura, agua potable, hidroenergía, recreación, etc.) de la región irrigada por el río Mendoza, Argentina, la cual tiene una población de 1.000.000 de habitantes y 65.000 ha de producción agrícola bajo riego.

El aprovechamiento eficiente de los recursos hídricos en cuencas con aporte nival requiere de un profundo conocimiento de la hidrología de nieves y hielos. Dicho conocimiento presenta hoy en día importantes vacíos, los que deben ser investigados para alcanzar una comprensión cabal de los fenómenos y, posteriormente, desarrollar los procedimientos de estudio y diseño adecuados a las necesidades de la ingeniería.

Uno de los datos imprescindibles para alimentar los modelos de simulación y para su posterior calibración es la superficie cubierta por la nieve (SCA) . Debido a la amplitud y a la inaccesibilidad de la zona de estudio, el uso de la teledetección surge como una valiosa herramienta. Cualquier estudio destinado al aprovechamiento o control del recurso hídrico en la zona andina no puede prescindir de considerar la contribución por fusión nival al escurrimiento superficial directo (70% en el año medio).

El caudal base invernal está generado por el agua infiltrada y que aparece en las laderas de los cauces como aporte subsuperficial. El proceso de fusión nival comienza en la primavera (en la segunda quincena de setiembre o primeros días de octubre) y su finalización depende de la cobertura y espesor del manto nival, llegando en casos extremos a fines de marzo. Luego el hidrograma anual de escurrimiento está comprendido entre julio y junio del año siguiente produciéndose los caudales máximos a fines de diciembre o primeros días de enero.


2. OBJETIVOS


Utilizar los datos provenientes de satélites meteorológicos (NOAA-AVHRR) y de observación de la tierra (LANDSAT-TM) para el mapeo del área nevada y su posterior utilización en los modelos de fusión nival.

3. MATERIALES Y MÉTODOS

3.1.Area de estudio


El área de estudio (Fig. 1) comprende la cuenca del río Tupungato (afluente del río Mendoza) que se ubica entre 69º45' y 70º10' de longitud Oeste y entre 32º35' y 33º21' de latitud Sur. El límite oeste de la cuenca se halla recostado sobre la divisoria de aguas de la cordillera andina que es a su vez límite entre Argentina y Chile. La superficie de la cuenca Tupungato es de 1858 km² y su altitud media es de 4251 m s.n.m.



Figura 1 . Croquis de ubicación

3.2. Imágenes satelitales utilizadas


Para alcanzar los objetivos previstos se utilizaron fundamentalmente dos tipos de información: por un lado la proveniente de satélites meteorológicos como el NOAA-AVHRR cuyos datos fueron suministrados por el Centro de Estudios Espaciales (CEE) de la Universidad de Chile. Estas imágenes de alta frecuencia temporal tienen una baja resolución espacial de 1,1 km2 y la pasada seleccionada fue la de las primeras horas de la tarde, los datos brutos de las bandas visibles e infrarrojas fueron tratados en el Centro Regional Andino del INA. Por otro lado se recurrió a imágenes de alta resolución (30 m.) como son las de LANDSAT 5, provistas por la estación Córdoba de CONAE

De todas las fechas disponibles se selecionaron aquellas, en que la nubosidad era escasa o nula y con un buen ángulo de vista sobretodo en caso de NOAA, por lo que las fechas óptimas fueron: para imágenes LANDSAT TM (15/12/97 y 15/03/98) (Figs. 2 y 3) y para NOAA (14/08/97, 16/08/97, 06/09/97, 21/10/97, 13/11/97 y 26/12/97) (figs. 4, 5 y 6).




Figura 2. Imagen LANDSAT TM 15/12/97


Figura 3. Imagen LANDSAT TM 15/03/98





Figura 4. Imagen NOAA 21/10/97






Figura 5. Imagen NOAA 13/11/97





Figura 6. Imagen NOAA 27/12/97



3.3.Tratamientos realizados


Debido a que tanto en el Centro Regional Andino del INA como en el Centro de Estudios Espaciales de la Universidad de Chile se disponía de un progrma muy difundido entodo el mundo y de fácil utilización se decidio utilizar para el tratamiento de la información satelital IDRISI para Windows; desarrollado por la Facultad de Geografía de la Universidad de Clark que es uno de los programas más utilizados en el manejo de archivos raster y vectoriales, permitiendo una buena georeferenciación de la imagen y su posterior clasificación. consta de un programa de interfaz de usuario (que cuenta con sistema de menú y barra de herramientas) y un conjunto de más de 150 módulosde programa que facilitan la entrada, visualización y análisis de información geográfica. Los datos geográficos son descritos como capas temáticas (componentes elementales de mapas que describen un tema determinado). Algunos ejemplos de capas temáticas serían la red de carreteras, altitudes, tipos de suelo, etcétera. Todos los análisis se llevan a cabo sobre capas temáticas. No obstante, para la visualización, pueden integrarse una serie de capas temáticas en una composición de mapa. Como los datos geográficos pueden ser de diferentes tipos, IDRISI para Windows incorpora dos formas básicas de capa temática: raster (imagen) y vectorial.

Las imágenes raster describen una región del espacio mediante una rejilla de unidades regulares (celdas). Cada una de estas celdas contiene un valor numérico que expresa una determinada característica del terreno en esa localización. Éstas son muy apropiadas para la descripción de datos espaciales continuos como altitud, contenido de biomasa, temperatura y precipitación.

Por otra parte, las capas vectoriales, son útiles para describir los distintos elementos del terreno, tales como carreteras, red hidrográfica, límites administrativos, y otros. Para ello, almacenan una serie de puntos (cada uno referenciado mediante un par de coordenadas espaciales) que describen la localización de los elementos (si son puntos), o su trayectoria o límite mediante una secuencia de puntos unidos por líneas rectas.

Aunque IDRISI para Windows es adecuado para la entrada y visualización de ambos tipos de datos, raster y vectorial, el análisis está orientado principalmente al uso de imágenes raster. Por ello, suele describirse como un sistema raster. No obstante, IDRISI para Windows posee una serie de comandos de conversión vectorial a raster que permite incorporar con facilidad las capas vectoriales a los procesos de análisis. Además, incorpora un sistema de gestión de base de datos que está directamente conectado a los datos vectoriales. Así ofrece una buena solución a los análisis geográficos que requieren ambos tipos de capas temáticas. No es un programa informático compacto, sino que está compuesto por un conjunto de más de 100 módulos enlazados mediante un sistema común de menú.


La cartografía base Esc. 1:100.000 proveniente del Instituto Geográfico Militar fue digitalizada para poderla utilizar en la corrección geométrica de la imágenes satelitales. Con el módulo VISUALIZACIÓN se puede abrir una nueva ventana. Es el primer paso en el proceso de composición de mapas y, siempre, la primera operación necesaria para la visualización de un nuevo mapa. Ofrece dos opciones, visualizar una composición existente o comenzar una nueva composición a partir de la visualización de una imagen raster o una capa vectorial. Tan pronto se visualiza la capa temática, comienzan a ser operativos los iconos de la barra de herramientas relacionados con la visualización (que hasta este momento estaban desactivados). Usando este módulo se seleccionaron al menos cinco puntos fácilmente identificables en las imágenes NOAA, como por ejemplo la unión de distintos afluentes de los ríos, algunos picos destacados, divisorias de cuencas etc.; que posteriormente se identificaron en las imágenes LANDSAT y en la cartografía base para obtener sus coordenadas geográficas y lograr una adecuada superposición entre imágenes de distinto tipo y de diferentes fechas con una adecuada georeferenciación. De esta forma pudo solucionarse algunas deformaciones propias de los datos provenientes de satélites meteorológicos; el módulo utilizado fue OVERLAY que genera una nueva imagen a partir de los datos de dos imágenes de entrada. Los nuevos valores son el resultado de aplicar una de las nueve posibles operaciones a las dos imágenes de entrada, denominadas como primera y segunda imagen durante el proceso de funcionamiento.

Los datos provenientes del satélite LANDSAT vienen en formato digital BIL codificados en 8 Bits lo que permite 256 niveles de resolución. Fundamentalmente se utilizaron las bandas visibles e infrarroja con las cuales se logró una buena visualización de la nieve y el hielo, ensayándose además algunos índices verdes que vinculan dichas bandas, denominados genéricamente NDVI o Índice de Vegetación de Diferencia Normalizada (Normalized Difference Vegetation Index) que es un índice derivado de la reflectividad medida en las regiones roja e infrarroja cercana del espectro electromagnético para describir la cantidad relativa de biomasa verde (de áreas próximas).


Con respecto al satélite NOAA se utilizó el índice verde obtenido a partir de la banda infrarroja y visible y con la información de las dos bandas térmicas se calculó la temperatura de superficie (Ts) por el método de SPLIT WINDOWS, con lo que se logró una termografía que permitió identificar el relieve, en días sin presencia de vientos y cuando la información provista por los índices verdes no era lo suficientemente nítida.

La información de todas las imágenes disponibles fue tratada en modo raster. Técnicamente, raster es un patrón de líneas horizontales, como las trazadas con un haz de electrones en un CRT. Este término se utiliza, generalmente, para describir un sistema de representación de imágenes, donde la imagen está compuesta de pequeñas celdas, internamente uniformes (píxeles), dispuestas en una malla. El orden de almacenamiento de la imagen es, generalmente, de izquierda a derecha a lo largo de la línea y, a continuación, de arriba a abajo de una línea a la siguiente. IDRISI para Windows utiliza la estructura de imágenes raster. Por tratarse de datos brutos no están georeferenciadas ni orientadas de manera correcta. La georeferenciación permite modificarlas para poderlas utilizar con otros archivos compatibles con el mismo sistema de referencia, que en nuestro caso será la cartografía básica del I.G.M.. Esta operación puede realizarse de diferentes maneras según el grado de la ecuación utilizada. La más simple es la rototraslación que necesita al menos de tres puntos, pero se adapta sólo a zonas planas, que no es nuestro caso. Para lograr una buena georeferenciación, que consiste en la rotar, trasladar y eventualmente modificar la imagen de manera tal de atribuir a cada celda la coordenada respectiva de la cartografía base correspondiente al sistema Gauss – Kruger, se deben individualizar por lo menos cinco puntos bien distribuídos y fácilmente identificables en la imagen y en el respectivo mapa escala 1:100.000. El número de puntos necesarios en esta operación depende del tipo de deformación que sufrirá la imagen para quedar corregida geométricamente con respecto a la cartografía; esta operación no se logra fácilmente y debe repetirse varias veces eligiendo los mejores puntos de control tanto de la imagen como del mapa. El módulo utilizado en el programa IDRISI fue el RESAMPLE que registra los datos de un sistema de rejilla determinado a otro sistema de rejilla, cubriendo el misma área. El proceso utiliza ecuaciones polinómicas que establecen una transformación de ajuste de "goma elástica" (rubber sheet), como si una de las rejillas fuese puesta sobre una superficie de goma elástica y deformada para hacerla corresponder con la otra. En este proceso, se construye una nueva rejilla y se desarrolla una serie de ecuaciones polinómicas para describir la distribución espacial de los datos de la antigua rejilla en la nueva. La nueva rejilla se rellena con valores de datos por remuestreo de la antigua y estimando, si es necesario, los nuevos valores. Las opciones de transferencia incluyen: el vecino más próximo, el valor de una celda en la nueva rejilla es el mismo que el de la celda más próxima en la antigua rejilla, y la opción de interpolación bilineal en la que cada nuevo valor es una media ponderada por la distancia de los cuatro vecinos más próximos de la antigua rejilla; siendo este último el que mejores resultados dio para la cuenca del Río Tupungato. RESAMPLE se utiliza para una serie de operaciones, que incluyen:

  • registra imágenes de satélite a un sistema de referencia en rejilla

  • registra mapas de áreas pequeñas con diferentes sistemas de referencia (las áreas mayores requieren un cambio de proyección)

  • realiza cambios menores en proyección

  • realiza cambios de datos no enteros en la resolución de una imagen

Para facilitar la comparación de imágenes de distintas fechas se elaboraron máscaras superponiendo el perímetro de la cuenca con la imagen raster respectiva. De esta forma se recorta la cuenca de interés manteniendo la información original en la parte interna y asignando un valor arbitrario en la parte externa que puede ser el valor 0.

3.4 - Clasificación de la imagen


Una vez corregidas geométricamente todas las imágenes y recortada la cuenca de interés se realiza la clasificación de la información radiométrica, que varía de 0 a 255 niveles de gris para las imágenes LANDSAT y de 0 a 1024 para el caso del NOAA. Se denomina clasificación a cualquier técnica donde los datos se agrupan en un número más pequeño de clases más generales. En teledetección, una clasificación es un procedimiento en el que cada celda se asigna, en función de sus características espectrales, a una clase de ocupación del suelo. En una primera etapa se realizó una Clasificación No Supervisada que es una técnica para la interpretación asistida por computadora de imágenes adquiridas mediante teledetección. El programa identifica los patrones típicos de los datos de reflectividad. Estos patrones se asignan a categorías temáticas (interpretación) mediante la visita de campo a una serie de puntos seleccionados. Debido a la técnica matemática utilizada en este proceso, los patrones se denominan, generalmente, conglomerados (clusters) y el módulo usado en IDRISI fue CLUSTER que realiza una clasificación no supervisada de una imagen de composición de bandas creada con COMPOSIT. Esta primera clasificación permite conocer la heterogeneidad de cada una de las imágenes y evaluar las bandas e índices más adecuados para la clasificación definitiva
En la segunda etapa se pasa a una clasificación supervisada que consiste en elegir sectores de la imagen perfectamente conocidos y con datos de terreno de donde se extraen los valores característicos del hielo y la nieve para cada una de las fechas, posteriormente se realiza el análisis estadístico de estos datos para definir el rango de reflectancia adecuado para la clasificación final. Los módulos usados para tal fin fueron:
PIPED que usa la técnica de paralelepípedos, a partir de la información contenida en una serie de archivos de firmas. La clasificación de paralelepípedos se basa en una serie de umbrales bajos y altos de reflectividad para cada categoría en cada banda, determinadas por la firma espectral. Para asignar un píxel a una clase determinada, éste debe poseer valores de reflectancia dentro del rango de la categoría en cuestión en cada banda considerada. El proceso de paralelepípedos es el más rápido de los clasificadores supervisados. También, potencialmente, el menos preciso.
MINDIST realiza una clasificación, por Mínima Distancia a las Medias, de imágenes de satélite, a partir de la información contenida en una serie de archivos de firmas espectrales. La clasificación de Mínima Distancia a las Medias se basa en la reflectividad media en cada banda para una signatura. Los píxeles se asignan a la clase con la media más próxima a su valor. Para tener en cuenta las diferencias en la variabilidad de las signaturas, MINDIST permite normalizar las distancias espectrales. MINDIST es más lento que el clasificador de paralelepípedos, PIPED, y más rápido que el clasificador de máxima probabilidad, MAXLIKE. MINDIST se utiliza, generalmente, cuando el número de píxeles que define las signaturas es muy pequeño o cuando los campos de entrenamiento no están bien definidos.
MAXLIKE que realiza una clasificación de imágenes de satélite, por Máxima Probabilidad, a partir de la información contenida en una serie de archivos de firmas espectrales. Se basa en la función de densidad de probabilidad asociada a la firma de un determinado campo de entrenamiento. Los píxeles se asignan a la clase más probable, tras comparar la probabilidad de que cada píxel pertenezca a cada una de las signaturas consideradas. MAXLIKE es también conocido como un clasificador Bayesiano, ya que puede incorporar conocimiento a priori utilizando el Teorema de Bayes. El conocimiento a priori se expresa como la probabilidad a priori de que cada clase exista. Esto puede especificarse como un valor aplicable a todos los píxeles, o como una imagen representando diferentes probabilidades para cada píxel. Esta técnica fue la que mejores resultados dio en la identificación de hielo y nieve
Por último, para validar la clasificación se realiza una matriz de confusión en la que se evalúa una cantidad de pixeles (no utilizados en el muestro inicial para caracterizar las clases) y se calcula cuántos han sido correctamente clasificados, no tolerándose para nuestro caso un error superior al 10%. Recién en este momento se realiza la clasificación definitiva de toda la imagen y para todas las fechas.

4. RESULTADOS


La metodología desarrollada permitió determinar el área cubierta con nieve (SCA) de la cuenca del Río Tupungato para diferentes fechas como lo muestra la Tabla 1
Tabla1:Area nevada de la cuenca para diferentes fechas a partir de los datos NOAA-AVHRR


Fecha:

14/08/97

16/08/97

06/09/97

21/10/97

13/11/97

26/12/97

Area nevada %

86,21

83,28

81,45

77,83

62,89

43,65

La información de la superficie nevada se puede cruzar con el análisis morfométrico de la cuenca para inferir la influencia topográfica en la fusión nival utilizando un modelo digital de terreno WODITEM (Watershed Oriented Digital Terrain Model) desarrollado Cazorzi, F., 1993 el que a parte de las principales características morfométricas de las cuencas: hipsometría, exposición y pendiente; permite incorporar otros temas como por ejemplo: red de drenaje, contornos de cuencas y subcuencas como lo muestran los resultados obtenidos por Vargas A et al. , 2001 en la cuenca del Río Tupungato.

El área de la cuenca cubierta por nieve, para distintas fechas ha sido de gran utilidad para el trabajo realizado por Maza et al 2001 para poder calibrar el modelo morfoenergético distribuido NEVE de la Universidad de Padova, Italia (Cazorzi, 1999).

El modelo produce como salida una secuencia de mapas de SWE (Fig. 7), que se asemejan con el área cubierta de nieve (SCA) obtenida por teledetección. La diferencia de precisión de SCA que existe entre ambos tipos de sensores remotos se explica en el tamaño del píxel de cada uno: LANDSAT TM 30 m y NOAA 1,1 km y en que, para una SCA de 50% y un píxel de 1,1 km la cantidad de elementos puros es de 30% mientras que, para igual SCA pero con píxel de 30 m, la cantidad de elementos puros es de 80% (Baumgartener, M.F. et al, 1987). El modelo además proporciona la fusión nival acumulada en fechas que el usuario selecciona. También produce archivos con valores medios horarios para toda la cuenca de SWE, fusión nival, lluvia y precipitación nival., que resultan de gran utilidad para aplicarlos en el modelo SRM (U.S. Agricultural Research Service), basado en el método grado-día, para estimar la incidencia del cambio climático en el escurrimiento por fusión nival. Previamente el modelo SRM fue calibrado por Maza et al 2001, contemplando el hidrograma observado durante el período mencionado.





Figura 7. Salida del Modelo NEVE para el 15/12/97



5. CONCLUSIONES


Los datos de teledetección ya sean provenientes de satélites de observación de la tierra como LANDSAT5 o de tipo meteorológico como NOAA, si son adecuadamente corregidos y georeferenciados permiten conocer el área nevada con una buena precisión para lograr la calibración de modelos de fusión nival.

Para el caso de grandes cuencas como las de la región andina, donde además se suma la inaccesibilidad sobre todo a fines del invierno y en primavera, la información satelital es la única herramienta disponible. Si bien la precisión obtenida con imágenes de Landsat es mayor que la obtenida con NOAA, la disponibilidad de imágenes de buena calidad y sin nubes es escasa comparada con las posibilidades que ofrece el pasaje diario de NOAA, que además posee la información térmica en dos bandas lo que permite conocer la temperatura de superficie y mejorar los pronósticos de escurrimiento.

Como perspectiva interesante surge la posibilidad de disponer imágenes de NOAA a partir de la estación receptora de Puerto Madryn de la CONAE y desde la estación de Falda del Carmen en Córdoba además de la recepción de imágenes Landsat se contará con las imágenes del satélite argentino SAC que con una resolución intermedia permitirá complementar la información de los otros dos y se logrará un seguimiento casi en tiempo real del área cubierta por nieve en la alta cuenca de los Ríos Andinos

La adopción de metodologías que aseguren la optimización de los pronósticos de caudales de los ríos tanto en calidad de las respuestas cuantitativas como en la rapidez de su disponibilidad, ocupa un lugar preponderante de las empresas que tienen a cargo la explotación de centrales hidroeléctricas.

Los aciertos que se logren por medio de dichos pronósticos (mayores semejanzas logradas entre los volúmenes previstos en cantidad, secuencia y oportunidad con los realmente ocurridos) significarán utilizar con propiedad los recursos hidráulicos disponibles, al tiempo que permitirán un sustancial ahorro de divisas.

Por otra parte la simulación con parámetros que reflejan de algún modo el cambio climático va a proveer a los organismos gubernamentales de un elemento de previsión y planificación a largo plazo sobre la utilización del recurso hídrico que tiene características de estratégico para la región.


6. REFERENCIAS


Boumgartner, M.f., K. Sendel, J. Martinec. “Toward Snowmelt Runoff Forecast Based on Multisensor Remote-Sensing”. Information I:E:E:E: Transaction on Geoscience and Remote Sensing. Vol. GE-25, Nº 6, november 1987

CaZorzi, F. (1993). "Watershed Oriented Digital TErrain Model: User's manual". Department of Land and Agro-Forest environment, University of Padova, Internal Report, 136 pp.

CaZorzi, F. (1999) "Modello NEVE. Modelo morfoenergetico distribuito. Manuale per l' utente". Laboratorio I.D.E.A., Universita di Padova.

CaZorzi, F., G. Dalla Fontana, J. Maza (1992) Snow Hydrology Investigations in High Mountain Watersheds of Andes. EEC Program: S.T.D. Analysis of regional water resources and their management by means of numerical models and satellite remote sensing in Mendoza, Argentina.

Clark University. (1995). "IDRISI for windows”: Users Guide. Clark Labs for Cartographic Technology and Geographic Analysis Department . 950 Main St Worcester, MA 01610-1477 USA. CaZorzi, F. (1993). "Watershed Oriented Digital TErrain Model: User's manual". Department of Land and Agro-Forest environment, University of Padova, Internal Report, 136 pp.

Martinec J., A. Rango, R. Roberts, (1994) "Snowmelt Runoff Model (SRM). User's Manual". Edited by M.F. Baumgartner, Department of Geography-Univ. of Bern.

Martinec J., A. Rango, R. Roberts, E. Gómez-Landesa, (1999) "Snowmelt Runoff Model (SRM). Modelo de Escorrentía de Fusión de Nieves. Manual del Usuario". Edición en castellano. Traducción de la edición revisada 1998, Versión 4.0. Hydrology Laboratory, Beltsville Agricultural Research Service, United States Department of Agriculture.

Maza, J.; O. Roby, P. Fernández, L. Fornero y D. Tarántola. (1990) "Modelling Snowmelt Runoff with Remote Sensing and GIS in Andean Watersheds" Pág. 191 a 200 de Proceedings of International Symposium on Remote Sensing and Water Resources, Enschede   Holanda.

Maza, J.; O. Roby y L. Fornero. (1990) "Simulación Matemática del escurrimiento por fusión nival en la Cordillera Andina" pág. 122 a 136 de Memorias del XIV Congreso Nacional del Agua, Tomo I. Córdoba   Argentina.

Maza, J. et al. (2001) “Simulación matemática de la fusión nival con distintos escenarios climáticos en la cuenca del río Tupungato”. Informe Técnico 9. Centro Regional Andino. INA

Menenti, M. (1986) “Hydrological Aspects of Mendoza Argentina Satellite Images and Numerical Modelling”. ICW. Wageningen   The Netherlands.

Vargas, J. et al. (2001) “Incidencia morfométrica en el proceso de fusión nival de la cuenca del río Tupungato”. Informe Técnico 9. Centro Regional Andino. INA





La base de datos está protegida por derechos de autor ©espanito.com 2016
enviar mensaje