Modelando la Respuesta de la Vegetación de Llanuras de Inundación a la Variabilidad del Agua Subterránea Usando el Modelo Hidrológico ArcSWAT, Datos MODIS NDVI y Aprendizaje Automático
Autores: Muhury, Newton; Apan, Armando A.; Marasani, Tek N.; Ayele, Gebiaw T.
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Modelando la Respuesta de la Vegetación de Llanuras de Inundación a la Variabilidad del Agua Subterránea Usando el Modelo Hidrológico ArcSWAT, Datos MODIS NDVI y Aprendizaje Automático
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Relaciones
Vegetación
Agua
Suelo
MODIS
Aguas subterráneas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Este estudio modeló las relaciones entre la respuesta de la vegetación y el agua disponible por debajo de la superficie del suelo utilizando el espectrorradiómetro de imagen de resolución moderada de Terra (MODIS), el Índice de Vegetación de Diferencia Normalizada (NDVI) y el contenido de agua en el suelo (SWC). La herramienta de evaluación de suelo y agua (SWAT) conocida como ArcSWAT se utilizó en ArcGIS para el análisis de aguas subterráneas. El modelo SWAT fue calibrado y validado en el software SWAT-CUP utilizando 10 años (2001-2010) de datos mensuales de caudal de ríos. La eficiencia promedio de Nash-Sutcliffe durante la calibración y validación fue de 0.54 y 0.51, respectivamente, lo que indica que el rendimiento del modelo fue bueno. Se analizaron diecinueve años (2002-2020) de datos mensuales de NDVI de MODIS para tres tipos diferentes de vegetación (bosque, arbusto y hierba) y contenido de agua en el suelo para 43 subcuencas utilizando WEKA, una herramienta de aprendizaje automático con una selección de dos algoritmos de aprendizaje automático supervisado, es decir, máquina de vectores de soporte (SVM) y bosque aleatorio (RF). Los resultados del modelado muestran que la respuesta de los diferentes tipos de vegetación y el contenido de agua en el suelo varían en las estaciones seca y húmeda. Por ejemplo, el modelo generó altas relaciones positivas (r = 0.76, 0.73 y 0.81) entre los valores de NDVI medidos y predichos de toda la vegetación en la subcuenca en relación con el flujo de aguas subterráneas (GW), el contenido de agua en el suelo (SWC) y la combinación de estas dos variables, respectivamente, durante la estación seca. Sin embargo, estas relaciones se redujeron en un 36.8% (r = 0.48) y un 13.6% (r = 0.63) en relación con GW y SWC, respectivamente, en la estación húmeda. Nuestros modelos también predijeron que la vegetación en la ubicación superior (parte alta) de la subcuenca es altamente sensible a GW y SWC (r = 0.78 y 0.70) durante la estación seca. Aunque el patrón de lluvia es altamente variable en el área de estudio, la lluvia de verano es muy efectiva para el crecimiento del tipo de vegetación herbácea. Los resultados predijeron que el crecimiento de la vegetación en la ubicación de punto alto depende en gran medida del flujo de aguas subterráneas tanto en las estaciones seca como húmeda, y cualquier inestabilidad o sequía a largo plazo puede afectar negativamente a estas comunidades de vegetación de llanura de inundación. Este estudio ha enriquecido nuestro conocimiento sobre las respuestas de la vegetación a las aguas subterráneas en cada estación, lo que facilitará una mejor gestión de la vegetación de llanura de inundación.
Descripción
Este estudio modeló las relaciones entre la respuesta de la vegetación y el agua disponible por debajo de la superficie del suelo utilizando el espectrorradiómetro de imagen de resolución moderada de Terra (MODIS), el Índice de Vegetación de Diferencia Normalizada (NDVI) y el contenido de agua en el suelo (SWC). La herramienta de evaluación de suelo y agua (SWAT) conocida como ArcSWAT se utilizó en ArcGIS para el análisis de aguas subterráneas. El modelo SWAT fue calibrado y validado en el software SWAT-CUP utilizando 10 años (2001-2010) de datos mensuales de caudal de ríos. La eficiencia promedio de Nash-Sutcliffe durante la calibración y validación fue de 0.54 y 0.51, respectivamente, lo que indica que el rendimiento del modelo fue bueno. Se analizaron diecinueve años (2002-2020) de datos mensuales de NDVI de MODIS para tres tipos diferentes de vegetación (bosque, arbusto y hierba) y contenido de agua en el suelo para 43 subcuencas utilizando WEKA, una herramienta de aprendizaje automático con una selección de dos algoritmos de aprendizaje automático supervisado, es decir, máquina de vectores de soporte (SVM) y bosque aleatorio (RF). Los resultados del modelado muestran que la respuesta de los diferentes tipos de vegetación y el contenido de agua en el suelo varían en las estaciones seca y húmeda. Por ejemplo, el modelo generó altas relaciones positivas (r = 0.76, 0.73 y 0.81) entre los valores de NDVI medidos y predichos de toda la vegetación en la subcuenca en relación con el flujo de aguas subterráneas (GW), el contenido de agua en el suelo (SWC) y la combinación de estas dos variables, respectivamente, durante la estación seca. Sin embargo, estas relaciones se redujeron en un 36.8% (r = 0.48) y un 13.6% (r = 0.63) en relación con GW y SWC, respectivamente, en la estación húmeda. Nuestros modelos también predijeron que la vegetación en la ubicación superior (parte alta) de la subcuenca es altamente sensible a GW y SWC (r = 0.78 y 0.70) durante la estación seca. Aunque el patrón de lluvia es altamente variable en el área de estudio, la lluvia de verano es muy efectiva para el crecimiento del tipo de vegetación herbácea. Los resultados predijeron que el crecimiento de la vegetación en la ubicación de punto alto depende en gran medida del flujo de aguas subterráneas tanto en las estaciones seca como húmeda, y cualquier inestabilidad o sequía a largo plazo puede afectar negativamente a estas comunidades de vegetación de llanura de inundación. Este estudio ha enriquecido nuestro conocimiento sobre las respuestas de la vegetación a las aguas subterráneas en cada estación, lo que facilitará una mejor gestión de la vegetación de llanura de inundación.