César Iván Alvarez Mendoza Oswaldo Padilla Almeida

Slides:



Advertisements
Presentaciones similares
Modelación de dispersión de contaminantes
Advertisements

INTRODUCCIÓN A LA TEMÁTICA AMBIENTAL Conceptos de base
CONTROL DE IMPACTO MEDIANTE IMÁGENES
PROYECTO DE GRADO PARA LA OBTENCIÓN DEL TÍTULO DE
UNALM Universidad Nacional Agraria la Molina
Curso 2006/07 S. Ramírez de la Piscina Millán U.D. Técnicas Experimentales Departamento de Física y Química Aplicadas a la Técnica Aeronáutica Técnicas.
CASO 1: REGRESION LINEAL SIMPLE
Estudio de la zona de influencia de la Alacant Anchor Station a partir de simulaciones meteorológicas con el modelo TAPM Sara Vidal Vicedo Grupo de Climatología.
Maracaibo, 5 de Noviembre de 2007 Universidad del Zulia Facultad de Ingeniería Instituto de Cálculo Aplicado Universidad del Zulia Facultad de Ingeniería.
Análisis de Correlación y de Regresión lineal simple
RECURSO ATMOSFÉRICO Presentado por: Edgard Felipe Cadena
ACCIDENTES DE TRÁNSITO, ANÁLISIS SOCIOECONÓMICO Y SU INFLUENCIA DIRECTA EN LOS MODELOS DE PROYECCIÓN PARA SANTIAGO DE CALI Ciro Jaramillo Molina Jackeline.
Depósito en suelo de dos trazantes ecohidrológicos ( 7 Be y Cl - ) por acción de la lluvia en la región central de Argentina Juri Ayub, J. 1, Santoni,
Cayo Ramos Taipe Lima, Perú Cayo Ramos Taipe Lima, Perú “Balance de Energia con Tecnicas de Sensoramiento Remoto e Imagenes de Satelite”
CO 3321/22 Modelos Lineales Práctica 3 Consideraremos modelos de la forma: Observación=señal + ruido Estos modelos pueden escribirse en la forma: Y=X 
Pronósticos, Series de Tiempo y Regresión
Por: Héctor Tablas Romero
Modelos dinámicos lagrangianos en el análisis de imágenes hemodinámicas Antonio José Bravo Valero Especialización y Maestría en Matemática Aplicada a la.
Ing. Alexandra García Ing. Patricia Nogales. OBJETIVOS: General Específicos.
Concepto de CUENCA Definición de Cuenca: es una superficie del terreno delimitada por una divisoria de aguas y con un único punto de salida o descarga.
Estimación de la superficie implantada con cultivos mediante sensores remotos L A R T Laboratorio de Análisis Regional y Teledetección Facultad de Agronomía,
Métodos de calibración: regresión y correlación
DETERMINACIÓN DE LA PROBABILIDAD DE OCURRENCIA DE DESLIZAMIENTOS APLICANDO LÓGICA FUZZY vs MORA VAHRSON, EN EL ÁREA MONJAS – ITCHIMBÍA – PANECILLO, DEL.
XXIV Conagua – San Juan 2013 IDENTIFICACIÓN Y EVALUACIÓN DE ÁREAS FUENTE VARIABLES EN SISTEMAS HIDROLÓGICOS DE LLANURA Msc. Carlos C. Scioli (FICH – UNL)
Spot-Infoterra Marzo 2010 Imagen PNOA y máscara de inundación obtenida con Terrasar-X tomada :20 – Detección inundaciones Lora del Rio -Sevilla.
PRIMER INFORME DE GESTIÓN 2006 (Actualización al 27 de abril)
Próximo tutorial 5-7 Vegetation Analysis in Arid Environments
Condiciones Sustentación Trabajo de grado
Nube de puntos: Material de Prfa.Dra. Rosario Martínez Verdú.
Ver también páginas de la Guía 2 de Idrisi, y
Índices de vegetación Lectura asignada: Interpreting vegetation indices (ver enlace en página escondida debajo de Tutorial 5-7) Ver también páginas
Regresión lineal múltiple
Fig. 7: Mapa Comunidades Indígenas, Primera Región Fig. 8: Mapa Comunidades Indígenas, Segunda Región.
Introducción a los Sistemas de Información Geográfica (SIG)
Vitrina metodológica Elaborador y responsable del estudio: Centro de Estudios de Mercadotecnia y Opinión de la Universidad de Guadalajara Fecha de levantamiento:
CONTENIDO Objetivo Revisar el documento de diseño de la Red de Monitoreo de Calidad del Aire de Bogotá, elaborado por la firma ELIOVAC S.A. Contenido Criterios.
Introducción a los Sistemas de Información Geográfica (SIG)
Universidad Nacional del Nordeste Facultad de Humanidades CARRERA DE ESPECIALIZACION TECNOLOGIAS DE LA INFORMACION GEOGRAFICA (TIG) Resoluciones 511/10-CS.
Universidad Nacional del Nordeste Facultad de Humanidades CARRERA DE ESPECIALIZACION TECNOLOGIAS DE LA INFORMACION GEOGRAFICA (TIG) Resoluciones 511/10-CS.
Organismo Internacional de Energía Atómica
Tecnologías ecológicas que podrían transformar el planeta
Transformación Polinómica
Maracaibo, 26 de Mayo de 2006 Universidad del Zulia Facultad de Ingeniería División de Postgrado Maestría en Computación Aplicada Universidad del Zulia.
Planeta Tierra: nuestro entorno
Regresión Lineal Simple
Brechas regionales en salud. El caso de México Raúl Molina Salazar Universidad Autónoma Metropolitana, Iztapalapa Carolina Carbajal De Nova Universidad.
“Taller sobre Financiamiento a la Eficiencia Energética en Edificios y Enfoques para la Remodelación”. Modelos de Fondos de Fideicomisos y su Posible Aplicación.
Impacto en salud asociados a la contaminación del aire en México
“Amazonia, un compromiso ambiental para incluir”
Condiciones Sustentación Trabajo de grado El estudiante debe presentarse a la sustentación del trabajo de grado en la fecha y lugar programados por la.
Regresión lineal simple Nazira Calleja
REGRESIÓN LINEAL MÚLTIPLE.
TEMA : ANALISIS DE REGRESION
ANÁLISIS DE EFECTOS DEL PASTOREO SOBRE LA COBERTURA VEGETAL EN ZONAS SEMIÁRIDAS MEDIANTE TELEDETECCIÓN Maestreando: Lic. Rafael A. Maddio Director: Dr.
26 de octubre de 2015 Observatorio Mesa Tecnológica de Oleaginosas
Satélite y sensor Algoritmo región del espectro Autores LANDSAT 8 (OLI, TIRS)NDVI NIR Térmico Hielkema, Roffey, y Tucker, (1986). África. Louveaux, Ghaout.
Límites y Continuidad. Límite de una función cuando X  ∞ Resultados posibles:
APLICACIONES DE IMÁGENES DE SATELITE. Comparativa de imágenes Landsat en Infrarrojo Cercano de la zona de Gutiérrez Zamora, Veracruz Veracruz Año 2000.
VICERRECTORADO DE INVESTIGACIÓN Y VINCULACIÓN CON LA COLECTIVIDAD MAESTRÍA EN ENERGÍAS RENOVABLES II PROMOCIÓN TESIS DE GRADO MAESTRÍA EN ENERGÍAS RENOVABLES.
Empresa Pública Metropolitana de Gestión de Destino Turístico Quito, 15 de diciembre de 2012 Empresa Pública Metropolitana de Gestión de Destino Turístico.
TEMA 7 ANÁLISIS DE LOS RESULTADOS TEMA 7 ANÁLISIS DE LOS RESULTADOS.
1 Servicios de seguros (24 de junio de 2011). 2 Tabla de contenido I.Introducción II.Metodología de cálculo del costo de servicios de seguros III. Conclusiones.
M.E. ADA PAULINA MORA GONZALEZ. Esta parte describe las técnicas para ajustar curvas en base a datos para estimaciones intermedias. Una manera de hacerlo.
Bioestadistica II 2014 FACULTAD DE CIENCIAS EXACTAS, FÍSICAS Y NATURALES. UNIVERSIDAD NACIONAL DE CÓRDOBA.
Proyecto “Monitoreo de la Deforestación, Aprovechamiento Forestal y Cambios de Uso del Suelo en el Bosque Panamazónico”.
AGOSTO 2013 “PERCEPCIÓN REMOTA Y PROCESAMIENTO DE IMÁGENES DIGITALES DEL SATÉLITE MIRANDA”
**Análisis multitemporal del cambio de uso suelo y expansión de invernaderos en Aquixtla y Tetela de Ocampo, Puebla, 1986– CENTRO REGIONAL.
ECUACIONES. 1. ECUACIÓN 2.ECUACIONES DE PRIMER GRADO.
El Planeta Tierra U.2 La Tierra en el Universo
1 GRADO CALCULO.
Transcripción de la presentación:

César Iván Alvarez Mendoza Oswaldo Padilla Almeida Universidad de las Fuerzas Armadas ESPE Maestría en Sistemas de Gestión Ambiental Promoción XI Estimación de contaminación del aire por PM10 en Quito determinado por índices ambientales obtenidos con imágenes satelitales Landsat ETM+ César Iván Alvarez Mendoza Oswaldo Padilla Almeida

Antecedentes y Justificación

Objetivos Obtener un modelo en base a imágenes satelitales para PM10 Estimar concentraciones de PM10 en Quito para 2005, 2008 y 2011 Localizar zonas con valores altos de PM10 en Quito en 2005, 2008 y 2011

Área de Estudio

Datos Base TABLA 1 Datos PM10 Monitoreo Semiautomático en el Distrito Metropolitano de Quito Fecha Imagen 09/07/2005 17/07/2008 08/06/2011 Estación Julio 2005 Julio 2008 Junio 2011 Cotocollao 92,03 32,28 24,81 Belisario 52,14 38,84 33,17 Jipijapa 29,42 25,39 21,32 Guamaní 94,11 39,97 - Los Chillos 28,52 31,09 23,58 El Camal 37,7 Tababela 25,72

Metodología NDVI – Cobertura vegetal LWCI – Contenido de agua en hojas TB – Temperatura de brillo SAVI – Reflectividad de suelo NSI – Áreas de suelo desnudo PM10 C – PM10 en base a imágenes

Modelación 𝑁𝐷𝑉𝐼= 𝑁𝐼𝑅−𝑅 𝑁𝐼𝑅+𝑅 TABLA 2 Coeficiente de determinación R2 para los dos modelos de regresión que mejor se ajustan para determinar PM10 a partir de índices ambientales. 𝐿𝑊𝐶𝐼= −lo g ( 1− 𝑁𝐼𝑅−𝑆𝑊𝐼𝑅 −lo g ( 1− 𝑁𝐼𝑅𝐹𝑇−𝑆𝑊𝐼𝑅𝐹𝑇 Imagen Tipo de regresión Índice R2 09/07/2005 Polinómica de 2do Grado SAVI 0,726 Lineal múltiple PM10 Calculado 0,999 17/07/2008 NSI 0,495 0,942 08/06/2011 LWCI 0,315 0,983 𝑇= 𝐾2 𝑙𝑛 𝐾1 𝐶𝐴𝑇 +1 𝑆𝐴𝑉𝐼= 𝑁𝐼𝑅−𝑅 𝑁𝐼𝑅+𝑅+𝐿 (1+𝐿) 𝑁𝑆𝐼= 𝑆𝑊𝐼𝑅−𝑁𝐼𝑅 𝑆𝑊𝐼𝑅+𝑁𝐼𝑅 𝑃𝑀10 𝐶 = 𝑒 0 𝑅 𝑎𝑡𝑚1 + 𝑒 1 𝑅 𝑎𝑡𝑚2 + 𝑒 2 𝑅 𝑎𝑡𝑚3

2005 Resultados B1 B2 B3 PM102005 = 462,927-10863,881B1 + 789,300B2 + 7046.990B3 Zambiza TABLA 3 Ecuaciones finales del modelo PM10 calculado que mejor se ajusta a cada año con las imágenes Landsat 7 definidas. Imagen Ecuación R2 09/07/2005 PM102005 = 462,927-10863,881B1 + 789,300B2 + 7046.990B3 0,999 17/07/2008 PM102008 = 0,669 - 27,283B1 + 1332,318B2 – 1023,902B3 0,942 08/06/2011 PM102011 = 48,445 – 896,818B1 + 2858,231B2 – 2113,895B3 0,983

2008 2011 Zambiza Zambiza

Zambiza 2005 639 μg/m3 Emergencia 60 μg/m3 Sobre OMS 2008 2011 Óptimo

San Antonio de Pichincha Resultados San Antonio de Pichincha 2005 Tabacundo 2005

Resultados San José de Minas 2011 San José de Minas 2008

2011

Normalización de Resultados 2005 Normalización de Resultados

2008 2011

Conclusiones y Recomendaciones Mejor modelo PM10 Calculado con Coeficiente de Determinación mayor al 90% PM10 afecta directamente a valores de radiancia de las bandas visibles de imágenes satelitales Nueva opción gestión ambiental en el aire sin mucho presupuesto Se identifican zonas donde existen problemas de PM10, las cuales pueden ser gestionadas

Gracias por su atención