Estudio de la capacidad predictiva de datos SAR y variables geoambientales para la detección de niveles freáticos próximos a superficie

• Autores: De Luca, Ezequiel
• Año de publicación: 2024
• Idioma: español castellano
• Tipo de recurso: tesis de maestría
• Colaborador/a o director/a de tesis: Pascual, Ignacio Gastón; Brasca Merlin, Almendra Guadalupe
• Materia: Nivel freático superficial; Sensibilidad; SAOCOM; Radar de apertura sintética; Variables geoambientales; MaxEnt; Shallow groundwater level; Sensitivity; Geo-environmental variables
• Institución: Universidad Nacional de Córdoba

Tesis (Magister en aplicaciones de información espacial)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2024.
Maestría conjunta con el Instituto de Altos Estudios Espaciales "Mario Gulich"-CONAE.
Fil: De Luca, Ezequiel. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: De Luca, Ezequiel. Comisión Nacional de Actividades Espaciales. Instituto de Altos Estudios Espaciales Mario Gulich; Argentina.
En esta tesis se llevó a cabo un análisis de sensibilidad entre datos de nivel freático medidos a campo y variables explicativas derivadas de los sensores SAR en las bandas C y L. Posteriormente, mediante el uso de un algoritmo de probabilidades, Máxima Entropía (ME), se generaron mapas de probabilidad con la finalidad de identificar zonas con nivel freático poco profundo para cualquier sitio de la región en análisis, en tres momentos puntuales. En relación al análisis de sensibilidad, se realizaron múltiples ensayos implementando una serie de modelos de regresión con los datos disponibles. En base a los resultados obtenidos, la mejor predicción presenta un valor de R2 igual a 0.56, la cual se alcanza a través de un modelo de regresión lineal al utilizar la retrodispersión VH del Satélite Argentino de Observación Con Microondas (SAOCOM) (banda L) como variable predictiva, habiéndola seleccionado previamente mediante la aplicación de un umbral del Indice de Vegetación de Diferencia Normalizada (NDVI) igual a 0.4. Durante la elaboración de los mapas predictivos se emplearon dos fuentes de información distintas, variables geoambientales (datos geoespaciales e información generada a partir de un Modelo Digital de Elevación (DEM)) e información adquirida con tecnología de Radar de Apertura Sintética (SAR) con el satélite argentino SAOCOM. Cuando se emplean productos SAOCOM para la predicción, los resultados exhiben valores de Área Bajo la Curva (AUC) iguales a 0.889 para el 2019, 0.861 para el 2020 y 0.979 para el 2021. Por su parte, al emplear variables geoambientales, los valores de AUC resultantes son iguales a 0.945, 0.876 y 0.958 para los años 2019, 2020 y 2021, respectivamente. Los valores de este estadístico representan una precisión predictiva de los modelos de muy buena a excelente. La validación de estos modelos utilizando variables geoambientales como predictores mues- tra valores de exactitud cercanos entre sí, alrededor de 0.5. Además, los valores de precisión varían según las fechas, siendo 0.62, 0.42 y 0.32 para 2019, 2020 y 2021, respectivamente. Por su parte, los modelos basados en variables e índices SAOCOM muestran la misma exac- titud en las tres fechas (0.50) y una precisión casi idéntica (0.51), independientemente del momento evaluado.
n this thesis, a sensitivity analysis was carried out between field-measured water table data and explanatory variables derived from SAR sensors in the C and L bands. Subsequently, using a probability algorithm, Maximum Entropy ME, probability maps were generated in order to identify areas with shallow water table for any site in the region under analysis, at three points in time. In relation to the sensitivity analysis, multiple tests were performed by implementing a se- ries of regression models with the available data. Based on the results obtained, the best prediction presents a value of R2 equal to 0.56, which is achieved through a linear regres- sion model by using the VH backscatter of the SAOCOM (L-band) as a predictive variable, having previously selected it by applying a threshold of the NDVI equal to 0.4. Two different sources of information were used during the elaboration of the predictive maps, geoenvironmental variables (geospatial data and information derived from a DEM) and in- formation acquired with SAR technology with the Argentinean satellite SAOCOM. When using SAOCOM products for the prediction, the results show AUC values equal to 0.889 for 2019, 0.861 for 2020 and 0.979 for 2021. On the other hand, when geoenvironmental variables are used, the resulting values of AUC are equal to 0.945, 0.876 and 0.958 for the years 2019, 2020 and 2021, respectively. The values of this statistic represent very good to excellent predictive accuracy of the models. The validation of these models using geoambient variables as predictors showed closely similar accuracy values, around 0.5. Additionally, the precision values varied depending on the dates, with 0.62, 0.42, and 0.32 for 2019, 2020, and 2021, respectively. On the other hand, the models based on SAOCOM variables and indices showed the same accuracy at all three time points (0.50) and almost identical precision (0.51), regardless of the evaluated moment.
Fil: De Luca, Ezequiel. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: De Luca, Ezequiel. Comisión Nacional de Actividades Espaciales. Instituto de Altos Estudios Espaciales Mario Gulich; Argentina.