Monitoreo del manto de nieve en los Andes extratropicales con Sentinel-1

Por Nevenka Bulovic*/

El manto de nieve de los Andes extratropicales en Chile y Argentina es un recurso fundamental de agua dulce para los ecosistemas, la agricultura y las comunidades aguas abajo. Sin embargo, este recurso está cada vez más amenazado por el cambio climático y la prolongada “megasequía” que ha afectado a la región durante más de una década. Para comprender y gestionar mejor estos recursos hídricos, es cada vez más necesario contar con un monitoreo frecuente y de alta resolución del manto nivoso en estas regiones montañosas.

Recientes avances en la observación satelital del manto de nieve mediante el radar de apertura sintética (SAR) de Sentinel-1 han demostrado resultados prometedores en los Alpes europeos1y otras cordilleras del hemisferio norte2. A partir de estos desarrollos, un estudio reciente3 adaptó los conjuntos de datos de entrada del flujo de trabajo de Sentinel-1 —originalmente diseñados para el hemisferio norte— a un contexto global, y evaluó su aplicabilidad para monitorear la profundidad de nieve en los Andes extratropicales.

Para llevar a cabo una evaluación sólida, el estudio compiló mediciones de profundidad de nieve y equivalente en agua de nieve entre 2017 y 2020, recolectadas por una variedad de instituciones, incluyendo agencias gubernamentales, universidades y empresas mineras. Se evaluó el rendimiento del algoritmo de profundidad de nieve de Sentinel-1 considerando varios factores: topografía, cobertura del suelo, clasificación de tipos de nieve y atributos tanto del manto nivoso como de las observaciones satelitales.

Los resultados muestran que Sentinel-1 ciertamente tiene potencial para ayudar a monitorear la profundidad de nieve en los Andes. Los algoritmos funcionaron mejor en zonas de gran altitud cercanas a las ciudades de Santiago y Mendoza, donde la nieve suele ser más profunda y la cobertura forestal es escasa. La precisión disminuye más hacia el norte, donde los mantos nivosos son más efímeros, y más hacia al sur, donde la nieve tiende a ser más húmeda y densa, y aumenta la cobertura de árboles.

Es importante destacar que el estudio utilizó una versión no modificada del algoritmo de Sentinel-1, diseñada para el hemisferio norte, sin optimizar sus parámetros para las condiciones andinas. Esto significa que los resultados probablemente representan una estimación conservadora respecto a su potencial real. Actualmente, se está trabajando en adaptar y mejorar estos métodos para ajustarlos a las condiciones únicas del manto de nieve y el terreno de los Andes.

Esta investigación fue posible gracias a la colaboración entre siete instituciones, incluyendo la Universidad de Queensland (Australia) y la Universidad de Chile.

Figura 1. (a) Mapa de la profundidad de nieve estimada por Sentinel-1 en los Andes extratropicales para julio de 2020 (las ubicaciones de monitoreo in situ se muestran en puntos rojos). Se muestran mapas detallados de la profundidad media de nieve en julio para dos años nivales (2019, 2020) en (b) recuadro 1 y (c) recuadro 2. Las series temporales de profundidad de nieve medidas in situ y estimadas con Sentinel-1 se muestran para (d) Laguna Negra y (e) Paso Pehuenche. Figura tomada del artículo original³.
Figura 1. (a) Mapa de la profundidad de nieve estimada por Sentinel-1 en los Andes extratropicales para julio de 2020 (las ubicaciones de monitoreo in situ se muestran en puntos rojos). Se muestran mapas detallados de la profundidad media de nieve en julio para dos años nivales (2019, 2020) en (b) recuadro 1 y (c) recuadro 2. Las series temporales de profundidad de nieve medidas in situ y estimadas con Sentinel-1 se muestran para (d) Laguna Negra y (e) Paso Pehuenche. Figura tomada del artículo original³.

*Centre for Water in the Minerals Industry, Sustainable Minerals Institute, The University of Queensland, Brisbane, Qld, Australia


1Lievens, H., et al. (2022). Sentinel-1 snow depth retrieval at sub-kilometer resolution over the European Alps. The Cryosphere, 16, 159–177. https://doi.org/10.5194/TC-16-159-2022
2Lievens, H., et al. (2019). Snow depth variability in the Northern Hemisphere mountains observed from space. Nature Communications, 10, 4629. https://doi.org/10.1038/s41467-019-12566-y
3Bulovic, N., McIntyre, N., & Johnson, F. (2020). Evaluation of IMERG V05B 30-min rainfall estimates over the high-elevation tropical Andes mountains. Journal of Hydrometeorology, 21, 2875–2892. https://doi.org/10.1175/JHM-D-20-0114.1