TG AndrésAnayaP Temperatura

Trabajo Fin de Grado
Julio 2019
ESCUELA TEMPERATURA SUPERFICIAL TERRESTRE A PARTIR

POLITÉCNICA
SUPERIOR DE DE IMÁGENES SATELITALES: HERRAMIENTA PARA SU
ÁVILA CÁLCULO
Ingeniería Geomática y Topografía

Autora: Paula de Andrés Anaya
Tutora: Susana Lagüela López
Página 1 de 185
Página 2 de 185
A la profesora Susana Lagüela por sus ánimos y su
confianza en mí, a Rocio Mora por su ayuda
incondicional y por todas sus enseñanzas, y en
especial a María Sánchez por su infinita paciencia y
su altruismo.
A ellas, mi mayor reconocimiento y gratitud.
Página 3 de 185
Página 4 de 185
Temperatura superficial terrestre a partir de imágenes satelitales:
herramienta para su cálculo
Paula de Andrés Anaya
Resumen
La importancia de la temperatura superficial terrestre está muy presente en diferentes
campos de actuación, tales como en agricultura por su relación con el estado del cultivo
[1], en la evaluación de fenómenos naturales como erupciones volcánicas o áreas de
potencial geotérmico [2], en estudios de desertificación, o la estimación de diversas
variables de interés ambiental como la evapotranspiración [3], entre muchas otras.
La estimación de la temperatura del suelo se puede llevar a cabo de manera puntual

mediante termómetros, termistores o pirgeómetros [4] colocados en las zonas de estudio
con el inconveniente de que la zona de trabajo sería mínima o de que, si se quisieran
cubrir extensas áreas geográficas, esto conllevaría un alto coste económico, ya que debido
a la heterogeneidad de las superficies terrestres por su vegetación, áreas urbanas, cultivos,
topografía... con propiedades físicas diferentes, sería necesario un gran número de
sensores para ser capaces de medir la rápida variación de temperatura en el espacio y en
el tiempo. Frente a esta metodología de medición directa, existen otras opciones para el
cálculo de la temperatura superficial que permiten obtener su valor de manera continua:
las imágenes satelitales.
El cálculo de la temperatura superficial a partir de imágenes satelitales es posible gracias

al desarrollo de la tecnología infrarroja térmica y su implementación en los satélites
artificiales. Actualmente, existen distintos programas espaciales de observación de la
tierra gratuitos, como Copernicus (de la Unión Europea, ESA) o Landsat (por parte de
EEUU, NASA) que ofrecen una gran variedad de imágenes con distintas resoluciones, tanto
espaciales como temporales. En concreto, en este trabajo de fin de grado se emplearán
imágenes del satélite Landsat 8, que incorpora los sensores OLI y TIRS, cuyas imágenes en
combinación con las de otros satélites (como Terra o Aqua, para la obtención del vapor de
agua) permiten obtener la temperatura del terreno.
Para realizar el cálculo de la temperatura superficial del terreno mediante imágenes de

satélite existe una gran variedad de metodologías como por ejemplo el método monocanal
(single-window) y los métodos de ventana dividida (split-window) [5].Es por ello, que la
presente propuesta fin de grado busca evaluar las distintas metodologías existentes para
posteriormente desarrollar una herramienta con la que poder visualizar y ejecutar cada
uno de los métodos creando un método propio y adaptable que sea idóneo para cada caso
de estudio.
Página 5 de 185
Página 6 de 185
Índice
Resumen ................................................................................................................................................................... 5
Índice de Figuras ................................................................................................................................................. 10
Índice de tablas .................................................................................................................................................... 15
1. Introducción ................................................................................................................................................ 17
2. Objetivos ....................................................................................................................................................... 21
3. Fundamentos básicos de la teledetección: Imágenes de Satélite .......................................... 23
3.1. ¿Qué es la teledetección? .............................................................................................................. 23
3.2. Principios físicos y componentes .............................................................................................. 24
3.3. Espectro electromagnético .......................................................................................................... 25
3.4. Resoluciones de un sensor .......................................................................................................... 25
3.5. Agencias espaciales ........................................................................................................................ 28
3.6. Correcciones ...................................................................................................................................... 32
4. Cálculo de la temperatura superficial terrestre mediante imágenes de satélite ............ 35
4.1. Imágenes de satélite necesarias ................................................................................................ 35
4.2. Correcciones ...................................................................................................................................... 40
4.2.1. Corrección geométrica......................................................................................................... 41
4.2.2. Corrección del espectro óptico......................................................................................... 44
Corrección radiométrica: Radiancia TOA........................................................................................ 44
Corrección radiométrica: Reflectancia TOA ................................................................................... 45
Corrección atmosférica: reflectancia de la superficie (Moran 1992) .................................. 46
4.2.3. Corrección del espectro térmico ..................................................................................... 48
Corrección radiométrica: radiancia TOA y reflectancia TOA .................................................. 49
Corrección radiométrica: temperatura de brillo en el satélite (Tb) .................................... 49
Corrección de emisividad ...................................................................................................................... 50
Corrección atmosférica: temperatura superficial terrestre .................................................... 54
4.3. Corrección atmosférica en el espectro térmico: métodos existentes ........................ 54
4.3.1. Métodos Monocanal .............................................................................................................. 59
Página 7 de 185
Monocanal 1 ................................................................................................................................................ 62
Monocanal 2 ................................................................................................................................................ 63
4.3.2. Métodos Split-Window ........................................................................................................ 65
Split-Window 1. ......................................................................................................................................... 65
Split-Window 2 .......................................................................................................................................... 67
4.3.3. Método simplificado ............................................................................................................. 68
5. Evaluación de métodos y comparativas .......................................................................................... 71
5.1. MATLAB: lenguaje de programación para la automatización de cálculos ............... 71
5.2. Imágenes ARD: Landsat Analysis Ready Data ..................................................................... 72
5.3. Métodos de cálculo: evaluación y comparativa................................................................... 76
5.4. Método mejorado ............................................................................................................................ 86
5.4.1. Evaluación numérica ............................................................................................................ 87
5.4.2. Evaluación visual ................................................................................................................... 89
6. TEMISAT: Temperature from satellite image................................................................................ 97
6.1. Código de programación .............................................................................................................. 98
6.2. Interfaz gráfica.................................................................................................................................. 98
6.2.1. Ayuda del programa .......................................................................................................... 105
7. Conclusiones y perspectivas futuras .............................................................................................. 109
7.1. Conclusiones ................................................................................................................................... 109
7.2. Perspectivas futuras .................................................................................................................... 110
Referencias ......................................................................................................................................................... 113
ANEXO I. Propiedad intelectual TEMISAT ............................................................................................. 117
ANEXO II. Manual del usuario..................................................................................................................... 118
ANEXO III. Código fuente .............................................................................................................................. 139
Temisat.m ....................................................................................................................................................... 140
TemperaturaBrillo.m................................................................................................................................. 173
reflectancia.m ............................................................................................................................................... 173
radiancia.m .................................................................................................................................................... 174
Página 8 de 185
Pvf.m ................................................................................................................................................................. 174
PSImonoTotal.m .......................................................................................................................................... 174
PSImono2.m .................................................................................................................................................. 175
PSImono1.m .................................................................................................................................................. 176
NDVIf.m ........................................................................................................................................................... 176
metadatos.m .................................................................................................................................................. 177
LSTsplit2.m .................................................................................................................................................... 181
LSTsplit1.m .................................................................................................................................................... 183
LSTsimpl.m .................................................................................................................................................... 184
LSTmono.m .................................................................................................................................................... 184
GammaDelta.m ............................................................................................................................................. 184
emisividad11.m ........................................................................................................................................... 185
emisividad10.m ........................................................................................................................................... 185
eincrsplit.m .................................................................................................................................................... 185
Página 9 de 185
Índice de Figuras
Figura 1. Diferencia de temperatura global de los años 1886/1890 y los años 2012/2016.
(Fuente: Animación NASA) ............................................................................................................................. 17
Figura 2. Representación de la diferencia del hielo del Ártico de 1985 y 2016. (Fuente:
NASA )...................................................................................................................................................................... 17
Figura 3. Imagen del río Guadiana en época de sequía. (Fuente: Google imágenes) .............. 18
Figura 4. Cultivo de soja afectado por la sequía. (Fuente: Google imágenes) ............................ 19
Figura 5. Satélite Landsat 8 de la NASA. (Fuente: Google imágenes) ............................................ 19
Figura 6. Propagación de la energía electromagnética; en naranja la onda magnética y en
blanco la onda eléctrica. (Fuente: [9]) ....................................................................................................... 24
Figura 7. Espectro electromagnético y longitud de onda en metros. (Fuente: Apuntes de
astronomía de Mauricio Acevedo)............................................................................................................... 25
Figura 8. Diferencia de cambio de resolución espacial para una misma imagen. A la
izquierda mayor resolución que a la derecha. (Fuente: Google imágenes) ................................ 26
Figura 9. Ejemplo de resolución espectral. A la izquierda esquema con una sola banda, a la
derecha mismo esquema con tres bandas. (Fuente: Elaboración propia) .................................. 27
Figura 10. Ejemplo de una imagen de la ciudad de Las Vegas a 8 bits ,imagen de la
izquierda, y a 2 bits, imagen de la derecha. (Fuente: Imagen de Landsat 8 y cambio de su
resolución radiométrica en QGIS)................................................................................................................ 27
Figura 11. Imagen meteorológica que muestra el avance del huracán Isaac en el Golfo de
México en agosto de 2012. (Fuente: ESA) ................................................................................................ 28
Figura 12. Satélites del programa Sentinel y sus características principales. (Fuente: Web
IGN)........................................................................................................................................................................... 29
Figura 13. Desarrollo y evolución de los satélites Landsat a lo largo de los años. (Fuente:
NASA)....................................................................................................................................................................... 30
Figura 14. Comparación de diferentes satélites de la NASA (Landsat 7 y 8) y de la ESA
(Sentinel) con sus distintas bandas y longitudes de onda. (Fuente: USGS) ................................ 31
Figura 15. Todos los satélites hasta el 2005 del programa EOS. (Fuente: NASA).................... 31
Figura 16. Web de descarga de imágenes Landsat 8. https://earthexplorer.usgs.gov/ ....... 36
Figura 17. Web de descarga de imágenes Landsat 8.
https://search.remotepixel.ca/#3/40/-70.5 .......................................................................................... 36
Figura 18. Imagen del posicionamiento y de las órbitas de los satélites Terra, Aqua y
Landsat 8 entre otros. Imagen a tiempo real a las 17:00 el 18/06/2019.
http://live.farearth.com/observer/............................................................................................................ 37
Página 10 de 185
Figura 19. Ejemplo de órbita del satélite Terra para el 15 de junio de 2019.
https://www.ssec.wisc.edu/datacenter/terra/ .................................................................................... 38
Figura 20. Ejemplo de órbita del satélite Aqua para el 15 de junio de 2019.
https://www.ssec.wisc.edu/datacenter/aqua/ .................................................................................... 38
Figura 21. Web de descarga de imágenes MODIS. Selección de productos.
https://ladsweb.modaps.eosdis.nasa.gov/search/order .................................................................. 40
Figura 22. Web de descarga de imágenes MODIS. Visualización de la imagen y parámetros
del post-procesamiento a la hora de descargar. .................................................................................... 40
Figura 23. Flujo de correcciones de imágenes Landsat 8 y Terra, desde los Niveles Digitales
(ND) a la Temperatura Superficial Terrestre. (Fuente: Elaboración propia) ............................ 41
Figura 24. Ejemplo de cambio de resolución. (Fuente: Elaboración propia)............................. 42
Figura 25. Diferencia entre proyección sinusoidal (izquierda) y proyección UTM (derecha).
(Fuente: Software PJ_Japan) ........................................................................................................................... 42
Figura 26. Web de descarga de imágenes MODIS; LAADS DAAC. Apartado "Review &
Order". (Fuente: Elaboración propia) ........................................................................................................ 43
Figura 27. Métodos de remuestreo desde la web de descarga LAADS DAAC. (Fuente:
Elaboración propia) ........................................................................................................................................... 43
Figura 28. Coeficientes de calibración en los metadatos de una imagen de Landsat 8.
(Fuente: Elaboración propia)......................................................................................................................... 44
Figura 29. Imágenes del satélite Landsat 8 de la zona de Ávila. A la izquierda imagen
azulada con efectos atmosféricos a la derecha imagene corregida de efectos atmosféricos.
(Fuente: Web Remotepixel) ........................................................................................................................... 46
Figura 30. Ejemplo de imagen del satélite Landsat 8. Los bordes de la imagen muestran un
marco negro para indicar los píxeles sin datos, estos son los que deben quedar fuera del
cálculo del número total de píxeles. (Fuente: descarga desde la web Remotepixel) ............. 48
Figura 31. Diagrama de los distintos métodos para obtener la temperatura superficial
terrestre a partir de imágenes de satélite. Los métodos marcados con un tic verde serán
los desarrollados en este trabajo. (Fuente: Elaboración propia).................................................... 55
Figura 32. Esquema del recorrido de la radiación para la obtención de la ecuación de
transferencia radiativa. (Fuente: Elaboración propia) ....................................................................... 56
Figura 33. Gráfica de espectro de transmisividad atmosférica total y el espectro de
transmisividad asociado a algunos componentes atmosféricos, como por ejemplo el vapor
de agua. (Fuente: [22]) ..................................................................................................................................... 58
Figura 34. Gráfica de transmisividad atmosféricas para diferentes atmósferas de
referencia: estándar a latitud media en verano (rojo) y en invierno (rosa), estándar a
Página 11 de 185
latitud subártica en verano (verde) y en invierno (negro), y tropical (azul). (Fuente: [22])
.................................................................................................................................................................................... 59
Figura 35. Ejemplos de parámetros de entrada de la zona de la Escuela Politécnica
Superior de Ávila para el 22/01/2019 sin introducir condiciones de superficie, para los
que se desea calcular la transmisión atmosférica y la luminosidad. (Fuente: Elaboración
propia)..................................................................................................................................................................... 61
Figura 36. Resultados de los parámetros de corrección atmosférica para el ejemplo
anterior. (Fuente: Elaboración propia)...................................................................................................... 61
Figura 37. Esquema de trabajo del método Monocanal. (Fuente: Elaboración propia) ........ 62
Figura 38. Esquema de trabajo del método Monocanal. (Fuente: Elaboración propia) ........ 64
Figura 39. Imagen de funciones espectrales para obtener los valores de las funciones
atmosféricas a partir de la longitud de onda de la banda térmica utilizada. ............................. 64
Figura 40. Esquema de trabajo del método Split-Window 1. (Fuente: Elaboración propia)
.................................................................................................................................................................................... 66
.................................................................................................................................................................................... 67
Figura 42. Coeficientes para el método Split-Window 2. (Fuente: [19] ) .................................... 68
Figura 43. Esquema de trabajo del método simplificado. (Fuente: Elaboración propia) ..... 69
Figura 44. Proyección cartográfica cónica de Albers Equal Area (AEA) usada para los datos
ARD. (Fuente: Software PJ_Japan)................................................................................................................ 73
Figura 45. Rejilla de imágenes de ARD para Estados Unidos. (Fuente: [30] ) ........................... 73
Figura 46. Carpetas de descarga de datos ARD en earthexplorer. (Fuente: Elaboración
propia)..................................................................................................................................................................... 74
Figura 47. Archivos "Provisional Surface Temperature". Marcado archivo de temperatura
superficial terrestre provisional. (Fuente: Elaboración propia) ..................................................... 74
Figura 48. Archivos "Top of Atmosphere". Marcados archivos de reflectancia TOA para las
bandas 4 y 5. (Fuente: Elaboración propia)............................................................................................. 75
Figura 49. Archivos "Brightness Temperature". Marcados archivos de temperatura de
brillo para las bandas 10 y 11. (Fuente: Elaboración propia) .......................................................... 75
Figura 50. Archivos "Surface Reflectance". Marcados archivos de reflectancia de la
superficie terrestre para las bandas 4 y 5. (Fuente: Elaboración propia) .................................. 75
Figura 51. Proceso de trabajo para las imágenes ARD; transformación de la proyección
AEA a la proyección UTM y recorte de la zona deseada con una resolución espacial de
treinta metros. (Fuente: Elaboración propia)......................................................................................... 76
Página 12 de 185
Figura 52. Ejemplo de remuestreo y reproyección (imagen izquierda), y recorte (imagen

derecha) desde QGIS (Fuente: Elaboración propia) ............................................................................. 77
Figura 53. Mapa de EE.UU. con los puntos de las zonas estudiadas. Rojo zonas de cultivos,
amarillo zonas dérticas, verde zonas forestales y azul zonas urbanas. (Fuente: Elaboración
propia)..................................................................................................................................................................... 79
Figura 54. Esquema del "Método mejorado". (Fuente: Elaboración propia) ............................. 86
Figura 55. Imágenes de temperatura superficial terrestre de la imagen desértica de
Amarillo del 22 de diciembre de 2018: a) Imagen ARD, b) Monocanal 2, c) Monocanal 1 y
d) método mejorado. Escala en Kelvin. (Fuente: Elaboración propia) ......................................... 90
Figura 56. Imágenes de la diferencia de temperatura superficial terrestre, de la desértica
de Amarillo del 22 de diciembre de 2018, de la Imagen ARD frente a: a) Monocanal 2 y/o
mejorado, b) Monocanal 1. Escala en Kelvin. (Fuente: Elaboración propia) ............................. 90
Figura 57. Imágenes de temperatura superficial terrestre de la imagen forestal de Alabama
del 25 de octubre de 2018: a) Imagen ARD, b) Monocanal 2, c) Monocanal 1 y d) método
mejorado. Escala en Kelvin. (Fuente: Elaboración propia) ............................................................... 91
Figura 58. Imágenes de la diferencia de temperatura superficial terrestre, de la imagen
forestal de Alabama del 25 de octubre de 2018, de la Imagen ARD frente a: a) Monocanal 2,
b) Monocanal 1 y c) método mejorado. Escala en Kelvin. (Fuente: Elaboración propia) ..... 92
Figura 59. Zoom de la Figura 58 donde se aprecia la mejoría del método mejorado frente al
método Monocanal 1. (Fuente: Elaboración propia) ........................................................................... 92
Figura 60. Imágenes de temperatura superficial terrestre de la imagen de cultivo de Burley
del 8 de agosto de 2018: a) Imagen ARD, b) Monocanal 2, c) Monocanal 1 y d) método
mejorado. Escala en Kelvin. (Fuente: Elaboración propia) ............................................................... 93
Figura 61. Imágenes de la diferencia de temperatura superficial terrestre, de la imagen de
cultivo de Burley del 8 de agosto de 2018, de la Imagen ARD frente a: a) Monocanal 2, c)
Monocanal 1 y d) método mejorado. La imagen b) muestra la humedad. Escala superior en
g/cm2 y escala inferior en Kelvin. (Fuente: Elaboración propia).................................................... 94
Figura 62. Imágenes de temperatura superficial terrestre de la imagen urbana de
Springfield del 1 de agosto de 2018: a) Imagen ARD, b) Monocanal 2, c) Monocanal 1 y d)
método mejorado. Escala en Kelvin. (Fuente: Elaboración propia) .............................................. 95
Figura 63. . Imágenes de la diferencia de temperatura superficial terrestre, de la imagen
urbana de Springfield del 1 de agosto de 2018, de la Imagen ARD frente a: a) Monocanal 2,
b) Monocanal 1. Escala en Kelvin. (Fuente: Elaboración propia) ................................................... 95
Figura 64. Imagen de inicio TEMISAT. (Fuente: Elaboración propia) .......................................... 97
Figura 65. Ventana de GUIDE en MATLAB. (Fuente: Elaboración propia) ................................. 99
Página 13 de 185
Figura 66. Pantalla de inicio TEMISAT. (Fuente: Elaboración propia) ...................................... 100
Figura 67. Pantalla "Carga de Datos" TEMISAT. (Fuente: Elaboración propia) ..................... 100
Figura 68. Diferencia de botones activos en la interfaz de TEMISAT dependiendo del
método seleccionado; método simplificado a la izquierda y método Split-Window a la
derecha. (Fuente: Elaboración propia) ................................................................................................... 101
Figura 69. Pantalla con imagen errónea en la carga de datos TEMISAT. (Fuente:
Elaboración propia) ........................................................................................................................................ 102
Figura 70. Pantalla "Cálculo de Temperatura Superficial" TEMISAT. (Fuente: Elaboración
propia).................................................................................................................................................................. 102
Figura 71. Opciones de imágenes a visualizar en TEMISAT. (Fuente: Elaboración propia)
................................................................................................................................................................................. 103
Figura 72. Ejemplos de uso de las herramientas de visualización TEMISAT. (Fuente:
Figura 73. Pantalla "Guardar Imágenes" TEMISAT. (Fuente: Elaboración propia) .............. 104
Figura 74. Ejemplo de archivo HTML abierto con el Bloc de notas de Windows. (Fuente:
Figura 75. Ejemplo de archivo HTML abierto con TextPad. (Fuente: Elaboración propia)
................................................................................................................................................................................. 106
Figura 76. Presentación de la ayuda del programa TEMISAT. (Fuente: Elaboración propia)
................................................................................................................................................................................. 107
Página 14 de 185
Índice de tablas
Tabla 1. Especificaciones de productos Landsat 8 de nivel 1. (Fuente: [15])............................ 35
Tabla 2. Productos de nivel 1 de Landsat 8. (Fuente: [15])............................................................... 35
Tabla 3. Información de las imágenes del vapor de agua total precipitable. (Fuente:
LADSWEB. NASA) ............................................................................................................................................... 39
Tabla 4. Comparativa del sistema de referencia, proyección cartográfica y resolución
espacial entre los sensores de Landsat 8 y MODIS. (Fuente: Elaboración propia) ................. 41
Tabla 5. Métodos de corrección atmosférica basada en la imagen. (Fuente: Elaboración
propia)..................................................................................................................................................................... 47
Tabla 6. Comparativa de los valores de constantes de conversión (K1 y K2) para distintos
sensores térmicos de Landsat (Figura 14). (Fuente: Elaboración propia ) ................................ 50
Tabla 7. Comparativa de valores de emisividad (de suelo y vegetación) para las distintas
bandas térmicas de Landsat 8. (Fuente: Elaboración propia) ......................................................... 52
Tabla 8. Valores de NDVI para diferentes superficies. (Fuente: Elaboración propia) ........... 53
Tabla 9. Coeficientes Split-Window 1. (Fuente: Elaboración propia) ........................................... 67
Tabla 10. Error medio cuadrático de reflectancia de superficie, para las bandas 4 y 5, y la
temperatura de brillo, en las bandas 10 y 11, entre los cálculos propios (elaborados con
Matlab) y los resultados del plugin "Semi-Automatic Classification" de QGIS y los datos
directos de las imágenes ARD (Fuente: Elaboración propia) ........................................................... 77
Tabla 11. Diferentes tipos de corrección atmosférica en el espectro óptico usadas, para
este trabajo y en la NASA para las imágenes ARD. (Fuente: Elaboración propia) ................... 78
Tabla 12. Resultados del error medio cuadrático entre las imágenes ARD y los diferentes
métodos de obtención de temperatura superficial terrestre. Remarcados los métodos
Monocanal 1 (azul), Monocanal 2 (Morado) y simplificado (rojo). (Fuente: Elaboración
propia)..................................................................................................................................................................... 80
Tabla 13.Resumen de los mejores y peores métodos en comparación con la imagen de
temperatura superficial de las imágenes ARD, ordenados en función de su humedad media.
(Fuente: Elaboración propia)......................................................................................................................... 83
Tabla 14. Métodos de corrección atmosférica en el espectro térmico que más se aproximan
a los resultados obtenidos para nuestros casos de estudios de imágenes ARD. Ordenado
por la humedad media MODIS de cada imagen. (Fuente: Elaboración propia) ........................ 83
por la temperatura superficial media ARD de cada imagen. (Fuente: Elaboración propia) 84
Página 15 de 185
por la temperatura superficial media ARD de cada imagen. (Fuente: Elaboración propia) 85
Tabla 17. Resultados del error medio cuadráticos entre las imágenes ARD y el método
mejorado. (Fuente: Elaboración propia)................................................................................................... 88
Tabla 18. Tabla que muestra las imágenes necesarias, y por tanto pestañas activas,
dependiendo del método seleccionado. (Fuente: Elaboración propia)..................................... 101
Tabla 19. Imágenes de salida en el programa TEMISAT dependiendo del método de cálculo
de temperatura superficial seleccionado. (Fuente: Elaboración propia) ................................. 104
Página 16 de 185
1. Introducción
En las últimas décadas, el cambio climático y el calentamiento global se han convertido en
una de las principales preocupaciones sociales, económicas y políticas, por ello no es
extraño ver noticias que demuestran cada día la existencia de dicho efecto sobre la tierra y
sus consecuencias, por ejemplo, estudios recientes han demostrado que el promedio de la
temperatura superficial terrestre entre el año 2000 y 2016 fue de 1°C por encima de los
valores entre 1975 y 2000 [24], esto puede apreciarse en mayor medida en la Figura 1.
Figura 1. Diferencia de temperatura global de los años 1886/1890 y los años 2012/2016. (Fuente:
Animación NASA)
Esta subida de temperaturas medias del planeta es una de las principales consecuencias
del cambio climático, lo que ha provocado diferentes procesos anómalos como el aumento
en el ritmo del deshielo de los polos y glaciares, aproximadamente el doble de lo normal
desde comienzos del siglo XXI, esta tendencia puede comprobarse en la Figura 2. La
agencia del clima de EE.UU. afirma que en 2100 el Polo Norte se habrá derretido casi por
completo, con los consecuentes problemas de aumento de nivel de mares y océanos.
Figura 2. Representación de la diferencia del hielo del Ártico de 1985 y 2016. (Fuente: NASA )
Página 17 de 185
1. Introducción
Pero el deshielo no es el único problema que acarrea el calentamiento global, sino que
también se incrementan las condiciones climáticas extremas como inundaciones,
huracanes, olas de calor, etc. El aumento de la temperatura es el responsable de la escasez
de lluvias y la sequía, por ejemplo en el caso de España, el año 2017 fue uno de los más
secos desde 1965 [25] ya que las precipitaciones fueron inferiores a otros años en un 20%.
Este problema fue notable sobretodo en cultivos y embalses, por lo que afectó a toda la
población española, tanto directa como indirectamente (Figura 3).
Figura 3. Imagen del río Guadiana en época de sequía. (Fuente: Google imágenes)
Deshielo, desertización, incendios, pérdida de biodiversidad... todos ellos, entre otros, son
los problemas que acarrea el calentamiento global, por lo que es lógico buscar una
solución a dicho problema, pero para ello es necesario identificarlo, es decir, geolocalizar,
cuantificar y monitorizar el problema, ya que sin datos geográficos y numéricos sería
difícil abordar la situación.
La cuantificación de la temperatura superficial terrestre no solo es útil para evidenciar el

calentamiento global, sino que es importante también para problemas tan cotidianos como
el cuidado y elección de cultivos en agricultura [1], la prevención de incendios forestales,
la evaluación de áreas de potencial geotérmico [2] o la estimación de diferentes variables
como la evapotranspiración para temas de interés ambiental, entre otros.
Página 18 de 185
Figura 4. Cultivo de soja afectado por la sequía. (Fuente: Google imágenes)
El problema del aumento de la temperatura superficial terrestre es un problema global,

por lo que su monitorización debe ser posible en cualquier parte de la Tierra. Si además se
pretende que esta monitorización sea para áreas geográficas extensas únicamente será
posible mediante técnicas geomáticas.
La geomática es la ciencia que se encarga de la captura, tratamiento, análisis,

interpretación, difusión y almacenamiento de la información geoespacial mediante
diferentes técnicas, y juega un papel muy importante en este sentido. La geomática opera
en campos muy variados entre los que se encuentra la Teledetección, rama de la
geomática que tiene como objetivo la captura, tratamiento y análisis de imágenes digitales
tomadas desde satélites artificiales [9]. La teledetección se posiciona como principal
alternativa para la cuantificación y evolución a lo largo del tiempo de la temperatura
superficial terrestre, y las imágenes satelitales serán la raíz del trabajo.
Figura 5. Satélite Landsat 8 de la NASA. (Fuente: Google imágenes)
Página 19 de 185
1. Introducción
En base a ello, el presente trabajo fin de grado busca hacer un estudio profundo de las
diferentes metodologías existentes para el cálculo de la temperatura superficial terrestre
mediante diferentes imágenes satelitales, así como desarrollar un software que permita
automatizar el cálculo con cada una de las metodologías estudiadas. Se establece así una
solución para el cálculo ágil de la temperatura superficial terrestre a partir de imágenes
satelitales, proceso hasta ahora limitado a la implementación de las ecuaciones por cada
usuario.
Página 20 de 185
2. Objetivos
El objetivo general que se pretende conseguir con este trabajo es el desarrollo de un
software informático capaz de estimar la temperatura superficial terrestre de
cualquier lugar de la Tierra utilizando únicamente como datos de partida imágenes
satelitales.
Este objetivo general traerá consigo una serie de objetivos específicos que se deberán
alcanzar previamente:
 Tratamiento de imágenes satelitales procedentes de diferentes plataformas desde su

descarga hasta su manipulación pasando por la aplicación de diferentes correcciones.
 Evaluación del efecto de la atmósfera en la adquisición de datos, en forma de
imágenes, desde el espacio, y determinación de las metodologías de compensación del
mismo.
 Estudio y análisis de las diferentes metodologías de cálculo de temperatura superficial
a partir de imágenes de satélite existentes dentro de la comunidad científica.
 Evaluación de los resultados obtenidos en diferentes zonas geográficas y diferentes
periodos temporales frente a imágenes Analysis Ready Data (ARD).
 Perfeccionar los conocimientos tanto en lenguaje de programación como en
programación orientada a objetos, y así desarrollar un nuevo software informático.
Página 21 de 185
3. Fundamentos básicos de la teledetección: Imágenes de Satélite
3.1. ¿Qué es la teledetección?

El origen del término teledetección viene del francés "télédétection", traducción del año
1967 del término anglosajón "remote sensing", que significa observación remota. La
teledetección ha adquirido numerosos significados a lo largo del tiempo como "el registro
de información de un objeto sin entrar en contacto material con él en las regiones del
ultravioleta, visible, infrarrojo y microondas, por medio de instrumentos como escáneres y
cámaras localizadas en plataformas móviles y el análisis de la información adquirida por
medio de técnicas de fotointerpretación, interpretación de imágenes y procesado de las
mismas" (Sabins, 1978) [7], o “la ciencia y arte de identificar, observar y medir un objeto sin
entrar en contacto directo con él, implica la detección y medición de la radiación de
diferentes longitudes de onda reflejadas o emitidas desde objetos o materiales distantes, por
lo que se pueden identificar y clasificar por tipo, sustancia y distribución espacial” (Steve
Graham 1999). Pero quizás la definición más sencilla y que mejor engloba este término es
"la técnica que tiene por objeto la captura, tratamiento y análisis de imágenes digitales
tomadas desde satélites artificiales" [9].
Para que la observación y captura de imágenes del satélite a la Tierra sea posible sin
contacto material, debe haber alguna clase de interacción entre la superficie terrestre y el
sensor a bordo del satélite, esta interacción es el flujo de radiación que va del objeto al
sensor
Dependiendo del flujo de radiación existen dos tipos de teledetección:
 Teledetección activa: cuando la energía medida es emitida por el sensor de una

plataforma. Sus satélites utilizan sensores activos, como los sensores radar.
 Teledetección pasiva: cuando la energía medida es emitida por el Sol. Sus satélites
utilizan sensores pasivos.
Los sensores pasivos son aquellos que miden la radiación electromagnética reflejada por
los objetos (luz visible e infrarrojo) y la radiación terrestre emitida por los objetos
(infrarrojo térmico).
Página 23 de 185
3. Fundamentos básicos de la teledetección: imágenes de satélite
3.2. Principios físicos y componentes

Los principios físicos de la teledetección se basan en la medida de la radiación
electromagnética, emitida o reflejada por los objetos.
La energía electromagnética es un tipo de energía que se transmite por el espacio en forma

de onda. Esta onda magnética se origina de la propagación simultánea de un campo
eléctrico y un campo magnético, ambas magnitudes perpendiculares, tal y como muestra
la Figura 6, por la forma en la que se propagan. La teoría ondulatoria se explica sobre la
base de los conceptos fundamentales de longitud de onda y frecuencia.
Figura 6. Propagación de la energía electromagnética; en naranja la onda magnética y en blanco la

onda eléctrica. (Fuente: [9])
La fórmula esencial en la que se basa la teoría ondulatoria es la siguiente:
c=λ·F
Siendo:
c: la velocidad de propagación de la luz en el vacío. c=2.9979·108 m/s
λ: la longitud de onda, es la distancia que recorre la onda en el intervalo de tiempo

que transcurre entre dos picos máximos.
F: la frecuencia, es el número de ondas que pasan por un punto durante un periodo

de tiempo. Por lo tanto, tal y como se aprecia en la fórmula, la frecuencia depende
de la longitud de onda y de la velocidad de propagación de la luz en el vacío.
Ambas magnitudes permiten clasificar los diferentes tipos de energía electromagnética y

en conjunto reciben el nombre de espectro electromagnético.
Página 24 de 185
3.3. Espectro electromagnético

La radiación electromagnética se clasifica con el espectro electromagnético este se
conoce como "el sistema de clasificación por longitudes de onda de toda la energía que se
mueve, armónicamente, a la velocidad de la luz" (NASA,2013) [8].
Los sensores pasivos miden la energía en el espectro visible, comprendida entre 0.4 y 0.7
micras, e infrarroja, entre 0.7 y 100 micras, tal y como muestra la Figura 7.
Figura 7. Espectro electromagnético y longitud de onda en metros. (Fuente: Apuntes de astronomía de

Mauricio Acevedo)
La radiación infrarroja es emitida por cualquier cuerpo cuya temperatura sea mayor que
cero absoluto (0 K), por ello la radiación térmica infrarroja, la que va de 3 a 100 micras
aproximadamente, es comúnmente conocida con el término calor. Hay que tener en
cuenta que la radiación emitida de un cuerpo es proporcional a su temperatura.
Los sensores a bordo de los satélites miden la radiación electromagnética en rangos

específicos, comúnmente conocidos como bandas. El número de bandas varía
considerablemente de unos sensores a otros
3.4. Resoluciones de un sensor

El resultado de medir la energía electromagnética en el espectro visible, tras unas
transformaciones y cálculos, son una serie de imágenes digitales, donde cada píxel tiene un
valor discreto en unidades de "Digital Number" o Niveles Digitales (DN) [8]. Estas
imágenes digitales tendrán diferentes resoluciones dependiendo del sensor con el que se
obtiene. Las diferentes resoluciones que existen son la espacial, espectral, radiométrica y
temporal [9].
Página 25 de 185
 Resolución espacial o geométrica: es el tamaño del objeto más pequeño que puede ser
distinguido en una imagen, es decir, es el tamaño medio del píxel sobre el terreno.
También se le denomina IFOV, aunque este es más bien el ángulo subtendido en el
satélite por el píxel (Instantaneous Field of View). El tamaño medio del píxel varía en
función de distintos factores; altura orbital, longitud focal, velocidad de exploración
del satélite, número de detectores montados en el sensor y su tamaño.
Esta resolución es importante ya que marca el nivel de detalle que ofrece la imagen. A
menor tamaño de píxel, mejor resolución geométrica tendrá la imagen, y por tanto
mayor nivel de detalle.
Figura 8. Diferencia de cambio de resolución espacial para una misma imagen. A la izquierda mayor
resolución que a la derecha. (Fuente: Google imágenes)
 Resolución espectral: es el número y anchura de las bandas espectrales que puede

distinguir el sensor, es decir, el sensor tendrá una resolución espectral más grande
cuanto mayor sea el número de bandas que proporcione.
Indica el número y la anchura de las bandas espectrales en que un sensor registra la

radiación. Cuanto mayor sea el número de bandas y más estrechas sean, mejor es la
resolución espectral. [7] Si las bandas son muy anchas en teoría se registra un valor
promedio de radiación, y esto puede encubrir la diferencia espectral de capas de
interés. Tomando como ejemplo la Figura 9, si la banda es muy ancha (imagen
izquierda) apenas se reconocen las diferencias espectrales entre dos coberturas,
mientras que con 3 bandas (imagen derecha) la separación es clara.
Página 26 de 185
Figura 9. Ejemplo de resolución espectral. A la izquierda esquema con una sola banda, a la derecha
mismo esquema con tres bandas. (Fuente: Elaboración propia)
 Resolución radiométrica: indica la capacidad del sensor para discriminar niveles o

intensidades de radiancia, es decir, es el rango de valores de brillo (niveles de gris)
disponibles que corresponden al máximo rango de DN. Cuando la energía
electromagnética recibida se transforma a niveles digitales necesita un formato
binario para codificarse (número de bits). A mayor número de bits mayor resolución
radiométrica. Por ejemplo: una imagen con un byte (8 bits) de resolución tiene 256
niveles de brillo (28=256), lo que equivale a un rango de 0 a 255 niveles de gris. Una
imagen con 2 bits tendría 4 niveles de brillo.
Figura 10. Ejemplo de una imagen de la ciudad de Las Vegas a 8 bits ,imagen de la izquierda, y a 2 bits,
imagen de la derecha. (Fuente: Imagen de Landsat 8 y cambio de su resolución radiométrica en QGIS)
A mayor número de niveles mejor es la resolución radiométrica y mejor será la

información, pero hay que tener en cuenta para que se van a usar las imágenes: para
un "análisis visual" no son necesarios muchos valores ya que el ojo humano apenas
puede percibir 64 tonos de gris [7] pero para el tratamiento informático una mayor
resolución puede mejorar mucho las cosas.
Página 27 de 185
 Resolución temporal: es la frecuencia con la que el satélite es capaz de obtener

imágenes de una determinada área, conocido también como intervalo de revisita. Este
tiempo depende de las características orbitales de la plataforma (altura, velocidad e
inclinación) y del diseño del sensor (ángulo de observación y abertura).
La resolución temporal es de gran importancia para el monitoreo de eventos como por

ejemplo inundaciones, incendios o desastres naturales. Por ejemplo, los satélites
meteorológicos son de los que mejor resolución temporal tienen (Figura 11).
Figura 11. Imagen meteorológica que muestra el avance del huracán Isaac en el Golfo de México en
agosto de 2012. (Fuente: ESA)
A continuación, se explicarán algunos de los programas de observación terrestre gracias a

los cuales se obtienen imágenes satelitales.
3.5. Agencias espaciales

Las agencias espaciales son las que trabajan con temas relacionados con el espacio
exterior y la exploración espacial, gracias a ellas se obtienen las imágenes satelitales.
Existen numerosas agencias espaciales pero de entre todas ellas cabe destacar la ESA
(European Space Agency) y la NASA (National Aeronautics and Space Administration).
 ESA: la Agencia Espacial Europea es la que elabora y lleva a cabo el programa espacial
europeo. Estos programas se diseñan con el fin de conocer más a fondo la Tierra, el
entorno espacial que la rodea, el Sistema Solar y el Universo. También desarrolla
tecnologías y servicios basados en satélites y fomentar la industria europea. La ESA
está compuesta por 22 Estados Miembros, entre los que se encuentra España.
Página 28 de 185
La ESA presenta un amplio abanico de misiones y programas espaciales, entre los que
destaca el programa Copernicus, antes conocido como el programa GMES. Este es el
programa de observación terrestre más ambicioso de la agencia europea, diseñado
para proporcionar información precisa, actualizada y de fácil acceso para mejorar la
gestión del medio ambiente, comprender y mitigar los efectos del cambio climático y
garantizar la seguridad ciudadana.
Dentro de este programa, las misiones más conocidas son las Sentinel. Cada misión
Sentinel está formada por una constelación de dos satélites, lo que permite cumplir
los requisitos de cobertura y frecuencia de observación a la vez que ofrecer un
conjunto robusto de datos para los servicios del programa Copérnico. Podemos
encontrar las misiones Sentinel-1, Sentinel-2, Sentinel-3 y Sentinel-5p, entre otras ya
planteadas para un futuro no muy lejano (Figura 12).
Figura 12. Satélites del programa Sentinel y sus características principales. (Fuente: Web IGN)
 NASA: es la "Administración Nacional de la Aeronáutica y del Espacio", es la agencia

espacial del gobierno de Estados Unidos. Históricamente hablando, sin duda el
programa más conocido de la NASA es el programa Apollo, gracias al cual un 20 de
julio de 1969, cincuenta años atrás, el hombre pisó la Luna por primera vez en la
historia.
Hoy en día uno de los programas más conocidos es el programa Landsat. Este
programa en el que trabajan de manera conjunta la NASA y el Servicio Geológico de
Página 29 de 185
Estados Unidos (USGS), proporciona el mayor registro espacial de la Tierra. Es la serie

de datos más larga de la historia y continúa registrando los cambios en la superficie
terrestre desde el espacio. El primer satélite Landsat se lanzó en 1972 y fue de gran
utilidad para la mejora de la gestión ambiental. Han pasado muchos años, con nuevos y
mejorados satélites (Figura 13), en la actualidad el programa se encuentra en su
octava versión, a la que se denominó "Landsat Data Continuity Mission" (LDCM) .
Figura 13. Desarrollo y evolución de los satélites Landsat a lo largo de los años. (Fuente: NASA)
Este satélite se renombró poco después como Landsat 8, se lanzó en 2013 y este ha
aportado a lo largo de los últimos años amplia información sobre bosques, recursos,
agua y ciudades, entre otros.
Los satélites Landsat 7 y Landsat 8 son muy similares en sus bandas espectrales pero
con alguna diferencia clara, la cual se explicará a continuación.
Landsat 8 está compuesto por dos instrumentos de barrido diferentes: Operational

Land Imager (OLI) y el sensor térmico infrarrojo Thermal Infrared Sensor (TIRS).
Las bandas espectrales del sensor OLI proporcionan una mejora de los instrumentos
respecto de las misiones Landsat anteriores, esto se debe a la incorporación de dos
bandas espectrales nuevas: la banda 1 que corresponde a un canal profundo en el azul
visible, la cual se diseñó para recursos hídricos e investigación en zonas costeras, y la
banda 9 que corresponde a un nuevo canal infrarrojo para la detección de nubes
cirrus. El sensor TIRS recoge dos bandas espectrales, las bandas 10 y 11, a diferencia
de los anteriores sensores térmicos, TM O ETM+, los cuales tenían una sola banda
térmica pero que abarcaba lo correspondiente a las dos nuevas de Landsat 8.
Página 30 de 185
Figura 14. Comparación de diferentes satélites de la NASA (Landsat 7 y 8) y de la ESA (Sentinel) con sus
distintas bandas y longitudes de onda. (Fuente: USGS)
Otro programa de la NASA que se debe mencionar es el programa EOS, cuyas siglas en
inglés significan Sistema de Observación de la Tierra. Este programa tiene una serie de
satélites diseñados para observar la superficie terrestre, la biosfera, la atmósfera y los
océanos de la Tierra (Figura 15).
Figura 15. Todos los satélites hasta el 2005 del programa EOS. (Fuente: NASA)
Página 31 de 185
Todos los satélites mencionados anteriormente se trataban de satélites de recursos

naturales, es decir, aquellos de alta resolución espacial que han sido diseñados
especialmente para la observación de la Tierra y la explotación de los recursos naturales,
como los satélites Sentinel o Landsat, pero existen otro tipo de satélites que se encuentran
en el programa EOS, entre otros, estos son los satélites meteorológicos, estos se encargan
de monitorizar el tiempo atmosférico y el clima de la Tierra. Existen dos tipos de satélites
meteorológicos, los que siguen una órbita geoestacionaria, como el METEOSAT de la ESA,
o los que siguen una órbita polar.
Existen satélites similares a los meteorológicos pero capaces a su vez de adquirir

imágenes, un ejemplo de ellos son los satélites Terra y Aqua del programa EOS, estos son
una clase de satélites polares dedicados al estudio del agua.
Pero antes de comenzar a usar esta información se llevará a cabo un proceso de corrección
de las imágenes digitales para obtener información fiable de ellas. Todas estas
correcciones, tanto en el óptico como en el térmico, serán necesarias para obtener
finalmente la temperatura superficial. A continuación, se expondrán los distintos tipos de
correcciones necesarias para las imágenes de satélite.
3.6. Correcciones
Las imágenes satelitales están sometidas a una serie de interferencias que hacen que la
información obtenida aparezca distorsionada por una serie de errores, por ello las
primeras manipulaciones que se llevan a cabo sobre las imágenes digitales tienen como
finalidad restaurar la imagen restableciendo, en la medida de lo posible, las condiciones de
la toma en su origen [9]. Esto implica el desarrollo de tres tipos de correcciones:
 Corrección geométrica: tienen como finalidad reconstruir la geometría de la imagen,

adoptándola a una determinada proyección cartográfica. Para denominar este tipo de
operaciones se han consolidado el nombre de georreferenciación. Los procedimientos
matemáticos que resuelven este problema y las metodologías usadas para su
implementación mediante algoritmos en las aplicaciones informáticas de
Teledetección son muy variados.
 Corrección radiométrica: pretenden restablecer los valores de los niveles digitales de
la imagen depurando cualquier anomalía en su registro achacable a defectos en el
sistema sensor.
Página 32 de 185
 Corrección atmosférica: pretenden restablecer los valores de los niveles digitales de la

imagen eliminando las distorsiones que la atmósfera introduce en los valores de
radiancia que llegan al sensor desde la superficie terrestre.
Página 33 de 185
4. Cálculo de la temperatura superficial terrestre mediante imágenes

de satélite
4.1. Imágenes de satélite necesarias

El programa espacial utilizado para este trabajo es el Landsat 8, el satélite de recursos
antes mencionado. La elección de este programa ha sido motivado por diferentes aspectos
tales como su resolución espacial y temporal en comparación con la de otros satélites
(Tabla 1), su amplio número de imágenes tanto históricas como actuales y sin lugar a duda
el hecho de que todos sus productos de nivel 1 (Tabla 2) sean completamente gratuitos y
de libre acceso.
Tabla 1. Especificaciones de productos Landsat 8 de nivel 1. (Fuente: [15])
Procesamiento Nivel 1 T-Corrección geométrica

-Bandas OLI multiespectrales 1-7,9: 30 metros
-Banda OLI pancromática 8: 15 metros
Tamaño de píxel -Bandas TIRS 10-11: tomadas con resolución de 100 metros, pero
remuestreadas a 30 metros para que coincidan con las bandas
multiespectrales de OLI.
-Formato de datos GeoTIFF
-Resolución radiométrica de 12 bits.
Características de los -Resolución temporal de 16 días.
datos -Proyección cartográfica: Universal Transversal Mercator (UTM)
(Estereográfica polar de la Antártida)
-Datum al sistema geodésico Mundial (WGS) 84
Tabla 2. Productos de nivel 1 de Landsat 8. (Fuente: [15])
Longitud de onda Resolución espacial

Bandas
(μm) (m)
Banda 1- Aerosol costero 0.43-0.45 30
Banda 2- Azul 0.45-0.51 30
Banda 3- Verde 0.53-0.59 30
Banda 4- Rojo 0.64-0.67 30
Landsat 8
Banda 5- Infrarrojo cercano
Operational Land 0.85-0.88 30
(NIR)
Imager (OLI) and
Banda 6- SWIR 1 1.57-1.65 30
Thermal Infrared
Banda 7- SWIR 2 2.11-2.29 30
Sensor (TIRS)
Banda 8- Pancromático 0.50-0.68 15
Banda 9- Cirrus 1.36-1.38 30
Banda 10- Infrarrojo 100- remuestreadas a
10.60-11.19
térmico (TIRS) 1 30
Banda 11- Infrarrojo 100- remuestreadas a
11.50-12.51
térmico (TIRS) 2 30
Página 35 de 185
4. Cálculo de la temperatura superficial terrestre mediante imágenes de
satélite
Existen diferentes formas de acceder a los productos Landsat de manera gratuita, pero se
mencionan las dos vías más rápidas y sencillas; la web de descarga de la USGS
"earthexplorer" y la web de "remotepixel".
Figura 16. Web de descarga de imágenes Landsat 8. https://earthexplorer.usgs.gov/
La web de la USGS se considera más completa por el hecho de que no solo tiene la
capacidad de descargar imágenes de nivel 1 de Landsat 8, sino que cuenta con muchos
otros tipos de imágenes como las más recientes de Landsat 8; las imágenes de nivel 3.
Frente a las grandes capacidades que cuenta la web de la USGS se encuentra la sencillez y
la rapidez de la web de descarga "remotepixel" como otra importante alternativa para la
descarga de imágenes.
Figura 17. Web de descarga de imágenes Landsat 8. https://search.remotepixel.ca/#3/40/-70.5
Página 36 de 185
De todas las bandas de Landsat 8, las bandas del infrarrojo térmico serán las más
importantes para nuestro estudio, ya que serán las principales para el cálculo de la
temperatura superficial, aunque alguna de las bandas del óptico también serán necesarias
para cálculos intermedios, en concreto se utilizarán las bandas 4 y 5 del sensor OLI y 10 y
11 del sensor TIRS.
Para este trabajo no solo se utilizará un satélite de recursos de alta resolución como es el
caso de Landsat 8, sino que también será necesario un satélite dedicado al estudio de la
atmósfera ya que, como se verá en apartados posteriores, las condiciones climáticas y
meteorológicas, entre las que se encuentra la humedad, juegan un papel muy importante
en el cálculo de la temperatura superficial.
Teniendo en cuenta que se usan imágenes del satélite Landsat 8, de los satélites dedicados
al estudio del agua mencionados los más importantes para este trabajo son el Terra,
también conocido como EOS AM-1 (su órbita alrededor de la Tierra está cronometrada
para que pase de norte a sur a través del ecuador por la mañana), y el Aqua, conocido
como EOS PM-1 (al contrario que el Terra este pasa de sur a norte sobre el ecuador por la
tarde). De ambos satélites el que más interesa para este proyecto es el Terra ya que su
órbita es la más parecida a la de Landsat 8 (Figura 18), pero con un desfase horario de
media hora aproximadamente (Terra pasa media hora antes que Landsat 8 y Aqua pasa
dos horas y cuarentaicinco minutos después que Landsat 8, aproximadamente).
Figura 18. Imagen del posicionamiento y de las órbitas de los satélites Terra, Aqua y Landsat 8 entre
otros. Imagen a tiempo real a las 17:00 el 18/06/2019. http://live.farearth.com/observer/
Página 37 de 185
satélite
Figura 19. Ejemplo de órbita del satélite Terra para el 15 de junio de 2019.
https://www.ssec.wisc.edu/datacenter/terra/
Figura 20. Ejemplo de órbita del satélite Aqua para el 15 de junio de 2019.
https://www.ssec.wisc.edu/datacenter/aqua/
Ambos satélites tienen en común una serie de instrumentos a bordo, entre ellos se
encuentra MODIS, el que verdaderamente interesa para este proyecto.
MODIS, o espectrorradiómetro de imágenes de resolución moderada, es un instrumento

que se encuentra a bordo del Terra y Aqua, tiene una resolución temporal entre de un día
y cuenta con 36 bandas espectrales. MODIS mide las propiedades tanto de las nubes como
de los aerosoles, también monitorea los cambios en la superficie de la Tierra e incluso
monitorea la actividad fotosintética de las plantas terrestres y marinas. Por todos sus
Página 38 de 185
diferentes usos, los productos MODIS se dividen en cuatro grandes disciplinas: atmósfera,
tierra, océano y calibración.
La disciplina atmosférica fue desarrolla por la misión LAADS, la cual proporciona acceso
público a las colecciones de datos MODIS nivel 1 y productos derivados y procesados que
se conocen con el nombre de nivel 2, como es el caso de las imágenes MOD05_L2 y
MYD05_L2.
MOD05_L2 y MYD05_L2 corresponden a las imágenes de vapor de agua precipitable total

del satélite Terra y Aqua, respectivamente. Estos datos de nivel 2 se generan con la
resolución de un kilómetro del instrumento MODIS. Para generar esta imagen se
relacionan canales de absorción de vapor de agua (17, 18 y 19) con los canales de la
ventana atmosférica (2 y 5). Todo su proceso de obtención viene explicado de manera
detallada en la web de la NASA "Atmosphere Archive an Distribution System" (LAADS)
[21].
Tabla 3. Información de las imágenes del vapor de agua total precipitable. (Fuente: LADSWEB. NASA)
Satélite Terra Aqua

Sensor MODIS MODIS
Nombre de la imagen MOD05_L2 MYD05_L2
Resolución espacial 1 km 1 km
Proyección Cartográfica Sinusoidal (SIN) Sinusoidal (SIN)
Tanto las imágenes de nivel 1 como las de nivel 2 de MODIS pueden obtenerse de manera
gratuita desde la Web de LAADS.
Página 39 de 185
satélite
Figura 21. Web de descarga de imágenes MODIS. Selección de productos.

https://ladsweb.modaps.eosdis.nasa.gov/search/order
Figura 22. Web de descarga de imágenes MODIS. Visualización de la imagen y parámetros del post-
procesamiento a la hora de descargar.
En resumen, las imágenes que se usan para esta práctica son las de las bandas 4, 5 10 y 11
de Landsat 8, y la imagen MOD05_L2 de la misión LAADS.
4.2. Correcciones
Como ya se mencionaba previamente en el apartado 3.6, para poder utilizar las imágenes
de satélite es necesario realizar previamente una serie de correcciones; corrección
geométrica, corrección radiométrica y corrección atmosférica, aunque en este trabajo
se incorpora una nueva corrección denominada "corrección de emisividad", siendo en
realidad una corrección atmosférica más. Teniendo en cuenta el flujo de correcciones de la
Figura 23, en primer lugar, se explicará la corrección geométrica y posteriormente el resto
Página 40 de 185
de las correcciones, pero agrupadas en correcciones del espectro óptico y correcciones del
espectro térmico.
Figura 23. Flujo de correcciones de imágenes Landsat 8 y Terra, desde los Niveles Digitales (ND) a la
Temperatura Superficial Terrestre. (Fuente: Elaboración propia)
4.2.1. Corrección geométrica

Para este trabajo, como se ha expuesto anteriormente, se utilizarán imágenes que
provienen de distintos sensores y satélites, por lo que tienen diferentes sistemas de
referencia, proyección cartográfica e incluso diferente resolución espacial.
Tabla 4. Comparativa del sistema de referencia, proyección cartográfica y resolución espacial entre los
sensores de Landsat 8 y MODIS. (Fuente: Elaboración propia)
Sistema de Proyección Resolución

referencia cartográfica espacial
Universal
Landsat 8 (OLI y
WGS 84 Transversal 30m
TIRS)
Mercator (UTM)
MODIS WGS 84 Sinusoidal (SIN) 1000m
______________________________________________________________________________
1 TOA: Top Of Atmosphere
Página 41 de 185
satélite
La resolución final y la proyección con la que se trabajará será la misma que para las
imágenes de Landsat 8, por lo que el objetivo es realizar un cambio de resolución y
proyección a la imagen de MODIS, es decir, se creará una nueva imagen que conserve los
valores radiométricos originales, pero aplicando una deformación para adaptarla a un
sistema geodésico de referencia y una proyección cartográfica determinadas [9].
En este caso se deberá cambiar la resolución espacial de MODIS, pasar del kilómetro a los
treinta metros, y su proyección cartográfica, de proyección sinusoidal a proyección UTM2.
Figura 24. Ejemplo de cambio de resolución. (Fuente: Elaboración propia)
Figura 25. Diferencia entre proyección sinusoidal (izquierda) y proyección UTM (derecha). (Fuente:
Software PJ_Japan)
La corrección geométrica que modifica la resolución espacial se conoce con el nombre de

remuestreo o resampling, y para cambiar la proyección se hace un tipo de
transformación geométrica denominada reproyección. Todas estas transformaciones
pueden hacerse desde la página de descarga de LAADS DAAC (NASA), en el último
apartado "Review & Order":
______________________________________________________________________________
2 UTM: Universal Transverse Mercator.
Página 42 de 185
Figura 26. Web de descarga de imágenes MODIS; LAADS DAAC. Apartado "Review & Order". (Fuente:
Elaboración propia)
Figura 27. Métodos de remuestreo desde la web de descarga LAADS DAAC. (Fuente: Elaboración
propia)
Para el remuestreo se ofrecen dos técnicas diferentes: Vecino más cercano (Nearest) y
Bilineal (Bilinear).
 Para la técnica del vecino más cercano solo se tiene en cuenta un píxel, el más cercano
al punto interpolado. Este método necesita muy poco tiempo de procesado, es el
método más rápido.
 Para la técnica bilineal se tienen en cuenta los valores de píxeles conocidos que rodean
al píxel en una vecindad de 2x2 píxeles más cercanos, es decir, de los cuatro centros de
celdas más cercanos. Se toma el promedio ponderado de estos cuatro píxeles y se
calcula el valor interpolado. El resultado es más suave que el método anterior, pero
cuenta con la desventaja de que necesita más tiempo de procesado.
Página 43 de 185
satélite
Ambas técnicas serán aceptables para su futuro uso en el cálculo de la temperatura

superficial terrestre, pero en el caso de este trabajo se ha utilizado la técnica bilineal.
4.2.2. Corrección del espectro óptico
Corrección radiométrica: Radiancia TOA

En el caso de los datos de Landsat 8, estos están derivados en 16 bits en formato no cifrado
y pueden ser reescalados a los valores de radiancia en el techo de la atmósfera (Top - Of -
Atmosphere, TOA), usando para ello los coeficientes radiométricos incluidos en el archivo
de metadatos [26].
Figura 28. Coeficientes de calibración en los metadatos de una imagen de Landsat 8. (Fuente:
La ecuación empleada es la siguiente:
𝐿 = 𝑀 ∙ 𝑄𝑐𝑎𝑙 + 𝐴
Siendo:
Lλ: la radiancia espectral obtenida por el sensor. Se mide en W·m2·sr-1·μm-1.
Qcal: producto estándar cuantificado y calibrado por valores de píxel (DN). Este
valor se refiere a cada píxel en una de las bandas.
ML: el factor multiplicativo de reescalamiento específico de cada banda. En los

metadatos de Landsat 8 viene representado con el nombre
RADIANCE_MULT_BAND_λ.
AL: el factor aditivo de reescalamiento específico de cada banda. En los metadatos

de Landsat 8 viene representado con el nombre RADIANCE_ADD_BAND_ λ.
Otro método para obtener la radiancia es la siguiente:
𝐿 −𝐿
𝐿 = (𝑄𝑐𝑎𝑙 − 𝑄𝑐𝑎𝑙 )+𝐿
𝑄𝑐𝑎𝑙 − 𝑄𝑐𝑎𝑙
Página 44 de 185
Siendo:
QcalMIN y QcalMAX: los niveles digitales mínimos y máximos. Normalmente son 1

y 65535 para Landsat 8. En los metadatos de Landsat 8 vienen representado con
los nombres QUANTIZE_CAL_MIN_BAND_λ y QUANTIZE_CAL_MAX_BAND_λ,
respectivamente.
LMIN y LMAX: las radiancias espectrales en la banda λ correspondientes a QcalMIN

y QcalMAX, respectivamente. En los metadatos de Landsat 8 vienen representado
con los nombres REFLECTANCE_MINIMUM_BAND_ λ y REFLECTANCE_MAXIMUM
_BAND_ λ.
Ambas ecuaciones son válidas y aportan el mismo resultado, pero por su sencillez se
aplicará la primera en este trabajo.
Corrección radiométrica: Reflectancia TOA

Es posible convertir imágenes con valores de radiancia a valores de reflectancia TOA, la
cual combina la reflectancia de la superficie y la reflectancia atmosférica, para reducir la
variabilidad inter-imagen a través de una normalización de la irradiancia solar. Esta
reflectancia TOA, la cual es el ratio de la energía reflejada con respecto al total de la
energía incidente (NASA, 2011) [8], puede ser calculada del siguiente modo:
𝜋·𝐿 ·𝑑
𝑝 =
𝐸𝑆𝑈𝑁 𝐶𝑜𝑠(𝜃 )
Siendo:
d distancia Tierra-Sol medida en unidades astronómicas. En los metadatos de Landsat 8

viene representado con el nombre EARTH_SUN_DISTANCE.
ESUNλ: irradiancia media solar exo-atmosférica de la banda λ:
𝑅𝐴𝐷𝐼𝐴𝑁𝐶𝐸_𝑀𝐴𝑋𝐼𝑀𝑈𝑀
𝐸𝑆𝑈𝑁 = 𝜋 · 𝑑
𝑅𝐸𝐹𝐿𝐸𝐶𝑇𝐴𝑁𝐶𝐸_𝑀𝐴𝑋𝐼𝑀𝑈𝑀
θs ángulo cenital solar en grados. Equivale a θs=90º - θe, siendo θe la elevación

solar que viene indicada en los metadatos como SUN_ELEVATION.
Es importante indicar que para las imágenes de Landsat 8 se proveen factores de

reescalamiento para cada banda que permiten la conversión directa de valores digitales
DN a Reflectancia TOA.
Página 45 de 185
satélite
Corrección atmosférica: reflectancia de la superficie (Moran 1992)

Para pasar de reflectancia en el Techo de la Atmósfera (TOA) a reflectancia de la superficie
hace falta una corrección atmosférica, esta elimina los efectos de dispersión y absorción de
la atmósfera antes mencionados. Esta corrección atmosférica se aplica con el efecto bruma
en la siguiente ecuación:
𝜋 · (𝐿 − 𝐿𝑝) · 𝑑
𝑝=
𝐸𝑆𝑈𝑁 𝐶𝑜𝑠(𝜃 )
Siendo:
Lp: es el efecto bruma (se le llama "bruma" a ese efecto azulado que produce la
atmósfera sobre las imágenes).
Figura 29. Imágenes del satélite Landsat 8 de la zona de Ávila. A la izquierda imagen azulada con
efectos atmosféricos a la derecha imagene corregida de efectos atmosféricos. (Fuente: Web
Remotepixel)
𝐿𝑝 = 𝐿𝑚𝑖𝑛 − 𝐿 %
𝐿𝑚𝑖𝑛 = 𝑀 · 𝐷𝑁𝑚𝑖𝑛𝑛 + 𝐴
Existen diferentes métodos de corrección atmosférica, estos se pueden dividir en dos

técnicas diferentes [10]:
 Técnicas basadas en la imagen: Entre ellas se encuentran los métodos DOS, COST y
QUAC, entre otros.
 Técnicas basadas en el modelado de la atmósfera: Los más conocidos a día de hoy son
el código 6S, LOWTRAN y MODTRAN.
En este trabajo se usará la técnica basada en imágenes más conocida en la actualidad, el

método DOS. Dentro de este método se encuentran distintas metodologías, entre ellas:
Página 46 de 185
DOS1, DOS2, DOS3 y DOS4 [11], cuyas diferencias pueden apreciarse en la Tabla 5. La
fórmula general y sus variables son las siguientes:
𝑇𝑣
𝐿 % = 0.01 · [𝐸𝑆𝑈𝑁 · 𝐶𝑜𝑠𝜃𝑠 · 𝑇𝑧) + 𝐸𝑑𝑜𝑤𝑛] ·
𝜋·𝑑
Siendo:
Tv: transmitancia de la atmósfera en la dirección de visión.
Tz: transmitancia atmosférica en la dirección de iluminación.
Edown: irradiancia difusa descendiente.
ESUNλ: irradiancia media solar exo-atmosférica.
θs: ángulo zenital solar en grados.
d: distancia Tierra-Sol medida en unidades astronómicas. EARTH_SUN_DISTANCE.
Tabla 5. Métodos de corrección atmosférica basada en la imagen. (Fuente: Elaboración propia)
Tv Tz Edown
DOS1 1 1 0
DOS2 1 Cosθz 0
DOS3 𝑒 𝑒 Rayleigh (6S)
DOS4 𝑒 𝑒 πLp
Para las metodologías DOS3 y DOS4 se sustituye los valores de Tv y Tz con las siguientes
fórmulas:
𝜏𝑟 = 0.008569𝜆 (1 + 0.0113𝜆 + 0.00013𝜆 )
4𝜋𝐿𝑝
𝑇𝑧 = 𝑒 =1−
𝐸𝑜𝐶𝑜𝑠𝜃𝑧
4𝜋[𝑀 · 𝐷𝑁𝑚𝑖𝑛𝑛 + 𝐴 − 0.01(𝐸𝑜 · 𝐶𝑜𝑠𝜃𝑧 · 𝑇𝑧 + 𝐸𝑑𝑜𝑤𝑛) · 𝑇𝑣 𝜋]

𝜏 = −𝐶𝑜𝑠𝜃𝑧 · 𝑙𝑛 1 −
𝐸𝑜 · 𝐶𝑜𝑠𝜃𝑧
Finalmente, el método utilizado es el DOS1, tanto por su sencillez como por la cantidad de
estudios en los que se ha utilizado debido a sus resultados favorables. La fórmula del
efecto bruma queda por lo tanto del siguiente modo:
𝐶𝑜𝑠𝜃
𝐿𝑝 = 𝑀 · 𝐷𝑁𝑚𝑖𝑛 + 𝐴 − 0.01 · 𝐸𝑆𝑈𝑁 ·
𝜋·𝑑
Página 47 de 185
satélite
Para usar la corrección DOS en imágenes recortadas primero se debe hacer la corrección
en la imagen original y después recortarla (Chávez 1988-1996), de no ser así el valor de
DNmin sería erróneo. Dicho valor se calcula de la siguiente forma:
1. Se calcula el número total de píxeles de la imagen, pero sin contar los bordes negros
sin información.
Figura 30. Ejemplo de imagen del satélite Landsat 8. Los bordes de la imagen muestran un marco negro
para indicar los píxeles sin datos, estos son los que deben quedar fuera del cálculo del número total de
píxeles. (Fuente: descarga desde la web Remotepixel)
2. Calcular la posición 0.01% (0.0001) y redondear al entero, por ejemplo; si tenemos

168000 píxeles;
168000·0.0001=16.8
La posición del 0.01% es 16.8, si redondeamos al entero nos quedamos con la posición
17ª.
3. Ordenando de menor a mayor todos los valores digitales, se saca el valor digital en esa
posición. Ese será el valor para DNmin.
4.2.3. Corrección del espectro térmico

El espectro térmico ha sido el menos utilizados a lo largo del tiempo, en comparación con
otros datos como los del visible o infrarrojo cercano. Sin embargo, la teledetección térmica
tiene un papel importante en la comprensión de los procesos que tienen lugar en la
superficie terrestre, así como en las interacciones entre la superficie y la atmósfera.
Página 48 de 185
Las principales variables a obtener son la temperatura y la emisividad de la superficie

terrestre. La emisividad es una magnitud espectral, por lo que depende de la longitud de
onda o banda del sensor, mientras que la temperatura no es una magnitud espectral por lo
que su valor es independiente de la banda del sensor.
Corrección radiométrica: radiancia TOA y reflectancia TOA

Al igual que en el espectro óptico, el espectro térmico también se debe corregir de forma
radiométrica. Las fórmulas serán las mismas, tanto para la radiancia TOA como para la
reflectancia TOA:
𝐿 = 𝑀 ∙ 𝑄𝑐𝑎𝑙 + 𝐴
𝐶𝑜𝑠𝜃
𝐿𝑝 = 𝑀 · 𝐷𝑁𝑚𝑖𝑛 + 𝐴 − 0.01 · 𝐸𝑆𝑈𝑁 ·
𝜋·𝑑
Corrección radiométrica: temperatura de brillo en el satélite (Tb)

Las bandas térmicas, son las únicas que pueden pasar de radiancia espectral a
temperatura de brillo mediante la inversión de la ecuación de Planck. Una de las tres leyes
básicas de la radiación es la ley de Planck, esta proporciona una expresión para la
distribución espectral de la radiancia emitida por un cuerpo negro a partir de su
temperatura y viene dada por la siguiente expresión:
2ℎ𝑐
𝐵 (𝑇 ) =
𝜆 ∗ 𝑒 −1
Siendo:
h: constante de Planck. h=6.6261 x 10-34 J·s
λ: la longitud de onda de la banda "i"
k: constante de Boltzman k=1.3806 x 10-23 J/K
Es una ley fundamental ya que de forma inversa permite obtener la temperatura de un

cuerpo a partir de la medida de su radiancia espectral. De este modo, haciendo la inversa
de la ecuación se saca la ecuación de temperatura de brillo en el satélite.
Página 49 de 185
satélite
𝐾
𝑇𝑏 =
𝐾
𝑙𝑛 𝐿 + 1
Siendo:
Tb: temperatura de brillo en el sensor, se mide en Kelvin (K).
K1: constante de conversión 1, se mide en W·m2·sr-1·μm-1. En los metadatos de

Landsat 8, para la banda 10, esta constante térmica viene representado con el
nombre K1_CONSTANT_BAND_ 10 y su valor es de 774.8853 W·m2·sr-1·μm-1.
K2: constante de conversión 2, se mide en K. En los metadatos de Landsat 8, para la

banda 10, esta constante térmica viene representado con el nombre
K2_CONSTANT_BAND_ 10 y su valor es de 1321.0789 K.
Cabe destacar que los valores de K1 y K2 varían en función de la banda térmica del satélite
(Tabla 6).
Tabla 6. Comparativa de los valores de constantes de conversión (K1 y K2) para distintos sensores
térmicos de Landsat (Figura 14). (Fuente: Elaboración propia )
K1 K2
L7 ETM+ 666.09 (Banda 6) 1282.71 (Banda 6)
L8 TIRS 774.89 480.89 1321.08 1201.14
Banda 10 Banda 11 Banda 10 Banda 11
Corrección de emisividad
La emisividad de la superficie del suelo (ESS) es sin duda uno de los parámetros más
complicados de obtener, y aparte de ser necesaria para calcular la temperatura con
suficiente precisión, también aporta información muy valiosa en estudios geológicos para
la identificación de minerales, además de ser también un identificador de cambios
producidos en la superficie terrestre [22]. La emisividad es una propiedad intrínseca de
los materiales que varía fundamentalmente de la composición, rugosidad y el contenido en
humedad de la superficie, además, varía con las condiciones de observación, como la
longitud de onda, la resolución del píxel y el ángulo de observación [7].
La emisividad puede estimarse a partir de medidas in situ, con el método de la caja de

emisividad o mediante radiómetros multiespectrales con el método TES (expuesto a
continuación). Todos los métodos in situ tienen el mismo inconveniente, solo se pueden
Página 50 de 185
sacar medidas de una muestra aislada. Otra opción para obtener "muestras aisladas" sería
usando bibliotecas multiespectrales.
Para calcular la emisividad de la superficie desde el espacio existen diferentes métodos

[29]:
 Métodos de separación multicanal de la emisividad y temperatura (Multi-Chanel TES

methods) o método de recuperación simultánea: el algoritmo TES se propuso por
Gillespie et al. en el año 1998, fue desarrollado para aplicarlo en datos ASTER. El
método es válido solo para aquellos sensores que disponen de al menos tres bandas en
el IRT, ya que de otro modo se produciría el conocido problema de separación de
temperatura y emisividad (Gillespie et al. 1998), ya que se tendrían más incógnitas que
ecuaciones. Este método proporciona de manera simultánea la emisividad y la
temperatura superficial. El algoritmo está compuesto por tres módulos; en el primero
se obtiene una primera estimación de la emisividad a través de un proceso iterativo,
en el segundo se normaliza el espectro de emisividad para minimizar la incertidumbre
de la estimación y en el último se aplica una relación entre la emisividad mínima y el
contraste espectral a partir de una relación empírica. Este método destaca por la
capacidad para estimar la emisividad de cada banda y la temperatura superficial, sin
ser necesaria una estimación previa de la emisividad de la superficie. Este método es
usado en la actualidad por la NASA para calcular los productos MODIS de temperatura
y emisividad (MOD21 es el producto de MODIS que aporta temperatura superficial).
 Métodos semi-empíricos: método alternativo que utiliza las relaciones de índices de

vegetación o las medidas de reflectancia en el espectro solar. El método más
representativo es el método de umbrales de NDVI creado por Van De Griend y Owe en
1993 [34]. Años después se publicaron otros métodos relacionados, como los de Valor
y Caselles en 1996 [35], Sobrino y Raissouni en 2000 [36] o Tang y Li en 2014 [19].
 Métodos basados en ecuaciones físicas: estos métodos asumen los efectos

atmosféricos de las radiancias medidas por el sensor y las corrige posteriormente para
convertirlas en radiancias de superficie. Entre los métodos se encuentran los basados
en el método TISI, los basados en métodos operacionales día/noche y los basados en la
recuperación paso a paso.
Página 51 de 185
satélite
Para este trabajo se ha elegido uno de los métodos semi-empíricos por su sencillez y por el
hecho de trabajar con un satélite que no cuentan con más de dos bandas térmicas, además
una de ellas, la banda 11 de Landsat 8, desaconsejable por muchos estudios.
Tal y como indica Sobrino [12] se han seguido los siguientes pasos para obtener la
emisividad de la banda térmica:
𝜀 = 𝑚 · 𝑃𝑣 + 𝑛
Siendo:
𝑚 = 𝜀 − 𝜀 − (1 − 𝜀 ) · 𝐹 · 𝜀
𝑛 = 𝜀 + (1 − 𝜀 ) · 𝐹 · 𝜀
𝐹 = 0.55
F: factor geométrico de la superficie. Varía entre 0 y 1, pero normalmente se le

asigna el valor de 0.55.
Tal y como se dijo al comienzo, la emisividad varía fundamentalmente en función de su

composición y rugosidad, por lo que aparece un gran inconveniente para este trabajo ya
que se estudian áreas globales, es decir, se abarcan superficies muy diferentes; desde
zonas montañosas y boscosas hasta llanuras desérticas. Dentro de la emisividad de
vegetación habrá muchos valores (trigo, abetos, césped...) al igual que en la emisividad de
suelos (asfalto, tierra...) por los que los valores de εv (emisividad de vegetación) y εs
(emisividad de suelo) deberán tener valores demasiado generalizados. Para este trabajo se
usarán los valores propuesto por Xiaolei Xu et al. [18] estos han sido obtenidos tras
comparar y hacer una media de los diferentes valores de emisividad sacados de la librería
espectral MODIS UCSB (University of California, Santa Barbara).
Tabla 7. Comparativa de valores de emisividad (de suelo y vegetación) para las distintas bandas
térmicas de Landsat 8. (Fuente: Elaboración propia)
εs (Suelo) εv (Vegetación)
Banda 10 0.9668 0.9863
Banda 11 0.9747 0.9896
Al despejar estos valores de la ecuación anterior se obtiene:
𝑚 = 0.9863 − 0.9668 − (1 − 0.9668) · 0.55 · 0.9863 = 0.0015

𝑛 = 0.9668 + (1 − 0.9668) · 0.55 · 0.9863 = 0.9848
Página 52 de 185
𝜀 = 0.0015 · 𝑃𝑣 + 0.9848
𝜀 = 0.0011 · 𝑃𝑣 + 0.9885
Pv es lo que se conoce como la proporción de vegetación, esta se obtiene tal y como

indican Carlson y Ripley [27]:
𝑁𝐷𝑉𝐼 − 𝑁𝐷𝑉𝐼
𝑃𝑣 =
𝑁𝐷𝑉𝐼 − 𝑁𝐷𝑉𝐼
De forma generalizada se usan los valores de 0,2 y 0,5 para NDVImin y NDVImax
respectivamente, pero para generalizar el caso de estudio se usará el valor real de NDVI
mínimo y NDVI máximo.
El Índice de Vegetación de Diferencia Normalizada (NDVI) es el índice de vegetación más

utilizado en diferentes campos de estudio, es un índice bidimensional que monitorea e
identifica las propiedades reflectivas de la vegetación en la región del espectro visible e
infrarrojo cercano, es decir, identifica el índice de vegetación a partir de la reflectancia de
las bandas del rojo e infrarrojo cercano. Este índice surgió por Rouse et al. en el año 1974
[28], quien identificó la vegetación con imágenes de satélite en diferentes condiciones de
iluminación y observación de la Tierra.
𝜌 −𝜌
𝑁𝐷𝑉𝐼 =
𝜌 +𝜌
En Landsat 8 las bandas del rojo e infrarrojo cercano son las bandas 4 y 5
respectivamente, por lo que la ecuación quedaría:
𝜌 −𝜌
𝑁𝐷𝑉𝐼 =
𝜌 +𝜌
El NDVI toma valores en el rango de -1 a 1, donde toma las siguientes clasificaciones

aproximadas dependiendo del valor:
Tabla 8. Valores de NDVI para diferentes superficies. (Fuente: Elaboración propia)
NDVI
Agua, nieve o nubes <0
Suelo desnudo 0.01-0.1
Vegetación ligera 0.1-0.2
Vegetación mediana (arbustos, pastizales) 0.2-0.5
Vegetación densa (bosques) >0.6
Página 53 de 185
satélite
Con toda esta información podría estimarse la emisividad de la banda térmica. Se deja
constancia de que existen numerosos medios de estudio por lo que esto será un aspecto a
tener en cuenta en diferentes comparativas.
Corrección atmosférica: temperatura superficial terrestre

La radiación térmica que emite la Tierra y la que detecta el sensor son completamente
diferentes, por ello hace falta aplicar una serie de correcciones.
La transferencia radiativa a lo largo de la atmósfera y el efecto que esta produce sobre la

señal detectada por el sensor es el proceso que se conoce como corrección atmosférica y
que representa uno de los mayores problemas en teledetección. A continuación, se
detallará todo el proceso de corrección atmosférica y los distintos métodos de corrección
que se usarán para este trabajo.
4.3. Corrección atmosférica en el espectro térmico: métodos existentes

La superficie terrestre se encuentra al alcance de cualquier ser humano, por lo que es de
esperar que los métodos más conocidos y utilizados a lo largo de la historia para conocer
la temperatura de la superficie terrestre sean los métodos in situ, en el momento y en el
lugar en el que el usuario se encuentra. Estas medidas se realizaban, y realizan, con
diferentes métodos o instrumentos:
 Mediante transectos térmicos para medidas a lo largo de un recorrido determinado

[13].
 Mediante mástiles o torres en los que se sitúan diferentes instrumentos para medir
puntos fijos.
 Por contacto mediante termómetros, pirgeómetros [4], termohigrómetros y
termistores [13], cámaras térmicas...
Para este trabajo las medidas in situ no serán las utilizadas ya que lo que se pretende
buscar es un método de estimación de temperatura mediante imágenes satelitales.
Para calcular la temperatura superficial terrestre a partir de imágenes de satélite existen

dos metodologías diferentes, tal y como muestra la Figura 31: por una parte, existen los
métodos que usan la emisividad previamente "conocida" o más bien aproximada y por
otra parte, los métodos que desconocen la emisividad [14].
Página 54 de 185
Figura 31. Diagrama de los distintos métodos para obtener la temperatura superficial terrestre a
partir de imágenes de satélite. Los métodos marcados con un tic verde serán los desarrollados en este
trabajo. (Fuente: Elaboración propia)
Este trabajo se centrará únicamente en aquellos métodos en los que se conoce la

emisividad previamente (explicado en "Corrección de emisividad" en el apartado 4.2.3), y
de manera más concreta en los métodos Monocanal y Split-Window.
Como se ha dicho en apartados anteriores, la temperatura superficial terrestre es una de

las principales variables a obtener a partir del espectro térmico, y para obtener esta
variable a partir de imágenes satelitales será necesario aplicar unas correcciones
atmosféricas debido al paso de la radiación por la atmósfera.
La radiación emitida por la superficie debe atravesar la atmósfera antes de llegar a ser
detectada por el sensor, por lo que habría que tener en cuenta todos los posibles procesos
que sufre la radiación a su paso por la atmósfera ya que la radiación electromagnética, al
atravesar un medio material, se ve atenuada por los procesos de absorción y dispersión,
en el caso de la atmósfera "choca" con las moléculas y partículas que la componen [7]. En
el caso del infrarrojo térmico debido a su longitud de onda predomina el fenómeno de
absorción. Para poder recuperar la radiancia que proviene de la superficie a partir de la
radiancia medida por el sensor, es necesario conocer la relación que existe entre ellas, y
esta relación nos la ofrece la ecuación de transferencia radiativa, que es la base para
realizar la corrección atmosférica y desarrollar los algoritmos de estimación de
temperatura y emisividad. El proceso de dispersión es más dominante que el de absorción
Página 55 de 185
satélite
en dicha ecuación, y se divide en dos: dispersión de Rayleigh (por los gases atmosféricos) y
dispersión de Mie (por los aerosoles). En el caso del infrarrojo térmico, la ecuación de
transferencia radiativa viene dada por la siguiente expresión:
𝐿 = 𝜏 𝜀 𝐵 (𝑇 ) + (1 − 𝜀 )𝐿↓ + 𝐿↑
Siendo:
Lλsen: la radiancia recibida por la banda i del sensor con temperatura de brillo Tb,
es decir, Tb es la temperatura radiométrica medida al nivel del satélite.
Bλ (Ts): la radiancia medida si la superficie fuera un cuerpo negro a la temperatura

de la superficie Ts.
τλ: la transmisividad total de la atmósfera para la banda del canal λ del sensor.
ελ: la emisividad de la superficie.
L↓atm λ: la radiancia atmosférica ascendente.
L↑atm λ: es la radiancia atmosférica descendente.
Esta expresión puede obtenerse de forma intuitiva siguiendo el siguiente esquema:
Figura 32. Esquema del recorrido de la radiación para la obtención de la ecuación de transferencia
radiativa. (Fuente: Elaboración propia)
Página 56 de 185
La superficie tiene una temperatura y una emisividad determinadas y emite según la ley
de Planck corregida por el efecto de emisividad (término εB(Ts)), por otra parte, la propia
atmósfera tiene una temperatura determinada y también emitirá radiación térmica, esta
radiancia térmica (o atmosférica) puede emitirse en sentido ascendente o descendente
(L↓atm y L↑atm). La radiancia en sentido descendente incide en la superficie (L↓atm) y es
reflejada teniendo en cuenta la ley de Kirchhoff. Ley de Kirchhoff dice que, para una
determinada longitud de onda, la absortividad de la superficie es igual a la emisividad de
la superficie a la misma temperatura. Esta ley es fundamental en radiometría ya que
permite obtener la emisividad a partir de medidas de reflectividad. De ahí se explica el
término (1-ε) L↓atm. Este último término de reflexión se suele agrupar con el de emisión de
la superficie, para formar el término conocido como radiancia de la superficie (Ls). Esta
radiancia debe atravesar la atmósfera antes de llegar al sensor. La absorción producida
por la atmósfera viene caracterizada por la transmisividad atmosférica que nos indica el
porcentaje de radiación que ha atravesado una determinada capa atmosférica, por tanto, la
radiancia de la superficie que llega finalmente al sensor debe ser multiplicada por este
factor (τ). El otro término radiativo medido por el sensor proviene de la propia emisión de
la atmósfera, pero en este caso en sentido ascendente (L↑atm).
Finalmente se puede escribir que la radiancia que emite el sensor viene dada por la
radiancia de la superficie multiplicada por la transmisividad atmosférica más la propia
radiancia atmosférica en sentido ascendente, de este modo se deduce la ecuación de
transferencia radiativa (Figura 32) aplicada en la región del infrarrojo térmico.
Hay que tener en cuenta que si invertimos la ley de Planck para obtener temperatura a
partir de la radiancia medida por el sensor obtendremos, como hemos dicho en apartados
anteriores, lo que llamamos temperatura de brillo del satélite, sin embargo, esta
temperatura no es la temperatura de la superficie terrestre, debido tanto al efecto
atmosférico como a la propia corrección de emisividad.
El proceso de corrección atmosférica nos permite recuperar el término de la superficie a

partir de la medida del sensor, en este caso podemos obtenerlo simplemente restando la
contribución atmosférica ascendente de la radiancia medida por el sensor y corrigiendo
por el factor de transmisividad. Hay que tener en cuenta que incluso realizando esta
corrección el propio término de superficie sigue incluyendo un término atmosférico
debido a la radiancia atmosférica descendente que se encuentra además acoplado con la
Página 57 de 185
satélite
emisividad de la superficie., por ello es de vital importancia encontrar los diferentes

componentes atmosféricos que contribuyen a la absorción térmica.
El espectro de transmisividad atmosférica, en el rango de longitud de onda de la banda

térmica, coincide en gran medida con el espectro del vapor de agua, excepto en la región
de los 9,4 micrómetros que existe una fuerte absorción debida al ozono, y en la región de
13-14 micrómetros en la que existe una fuerte absorción debido al CO2. Por tanto, salvo en
esas excepciones, se puede decir que el principal componente que contribuye al efecto
atmosférico en la región del infrarrojo térmico es el vapor de agua.
Figura 33. Gráfica de espectro de transmisividad atmosférica total y el espectro de transmisividad

asociado a algunos componentes atmosféricos, como por ejemplo el vapor de agua. (Fuente: [22])
La transmisividad atmosférica variará en función de los distintos tipos de "atmósferas de

referencia": atmósferas estándar de latitudes medias y subárticas (en verano e invierno) y
atmósfera tropical. De estas cinco, la atmósfera tropical, al ser más húmeda y al tener un
contenido en vapor de agua mayor, presenta los valores más bajos de transmisividad,
mientras que la atmósfera subártica de invierno, la más seca, presenta los valores más
altos de transmisividad.
Página 58 de 185
Figura 34. Gráfica de transmisividad atmosféricas para diferentes atmósferas de referencia: estándar a
latitud media en verano (rojo) y en invierno (rosa), estándar a latitud subártica en verano (verde) y en
invierno (negro), y tropical (azul). (Fuente: [22])
En estas gráficas se aprecian claramente las dos regiones de transmisividad altas

separadas por la región de absorción del ozono. Estas regiones se conocen como ventanas
atmosféricas y son las que se utilizan para la estimación de la temperatura y emisividad,
especialmente la ventana de la región de 10-12 micrómetros.
Una vez vista la ecuación de transferencia radiativa y los componentes que contribuyen al
efecto atmosférico, se puede pasar a profundizar en los métodos que se van a desarrollar
para este trabajo; método Monocanal, Split-Window y simplificado, todos ellos son
métodos que parten de la ecuación de transferencia radiativa.
4.3.1. Métodos Monocanal

Se consideran métodos Monocanal aquellos que usan una única banda térmica. En el caso
del satélite Landsat 8 se usa la banda 10 ya que muchos estudios consideran que la banda
11 no es adecuada por sus problemas de calibración [15].
Dentro de los métodos Monocanal existen dos metodologías diferentes:
 Inversión directa de la ecuación de transferencia radiativa: conocidas la ecuación de

transferencia radiativa y la ecuación d Planck, se despeja:
Página 59 de 185
satélite
𝐿 = 𝜏 𝜀 𝐵 (𝑇 ) + (1 − 𝜀 )𝐿↓ + 𝐿↑
2ℎ𝑐
𝐵 (𝑇 ) =
𝜆 ∗ 𝑒 −1
𝐶
𝑇 =
C
𝜆 𝑙𝑛 +1
B (T ) − L↑ − τ (1 − ε )L↓
λ τε
Siendo:
λ: la longitud de onda de la banda "i"
ελ: la emisividad de la superficie.
C1: la primera constante de radiación equivalente a 1.19104 ·108 Wμm/m2sr.
C2: la segunda constante de radiación equivalente a hc/k donde h es la constante

de Planck y k la constante de Boltzman, o lo que es lo mismo 1.4388·104 μmK.
En este caso se necesitaría conocer la emisividad de la superficie terrestre y los

diferentes parámetros atmosféricos; transmisividad y radiancia atmosférica tanto
ascendente como descendente. Estos parámetros pueden obtenerse a partir de
perfiles atmosféricos y códigos de transferencia radiativa:
o Perfiles atmosféricos: radiosoundings, Reanalysis, Satellite sounders...

o Modelos de transferencia radiativa: MODTRAN, RTTOV, ATCOR...
Para Landsat existe una página de descarga, tanto de perfiles como directamente
parámetros atmosféricos [http://atmcorr.gsfc.nasa.gov/]. A continuación, se muestra
un ejemplo:
Página 60 de 185
Figura 35. Ejemplos de parámetros de entrada de la zona de la Escuela Politécnica Superior de Ávila
para el 22/01/2019 sin introducir condiciones de superficie, para los que se desea calcular la
transmisión atmosférica y la luminosidad. (Fuente: Elaboración propia)
Figura 36. Resultados de los parámetros de corrección atmosférica para el ejemplo anterior. (Fuente:
Para el ejemplo anterior se obtendrían los valores L↑=0.68, L↓=1.15, y τ=0.88
 Algoritmo Monocanal generalizado: Estos algoritmos se desarrollaron para simplificar

la ecuación de transferencia radiativa. Se intenta evitar la dependencia de los perfiles
atmosféricos por el hecho de que no siempre están disponibles o son demasiado
complejos de adquirir, en su lugar se desarrollan algoritmos que usan otros
parámetros atmosféricos como el vapor de agua o la temperatura del aire. El algoritmo
original que tienen en común todos los métodos Monocanal fue desarrollado por
Jiménez Muñoz y Sobrino en el año 2003 [16], y su fórmula es la siguiente.
𝑇𝑠 = 𝛾[𝜀 (𝜓 · 𝐿 +𝜓 )+𝜓 ]+𝛿

Siendo:
Página 61 de 185
satélite
ϒ y δ: parámetros obtenidos a partir de la función de Planck.
ψ1 ,ψ2 y ψ3: las funciones atmosféricas.
ε: emisividad de la superficie.
Lsensorλ: radiancia del sensor para la banda térmica con longitud de onda λ
Para esta práctica se ha usado el algoritmo Monocanal generalizado. Existen muchos

algoritmos Monocanal, pero para este trabajo se expondrán de manera detallada 2 de ellos
a los que se les ha denominado: Monocanal 1 y Monocanal 2.
Monocanal 1
Este método se basa en un estudio de Jiménez Muñoz, Sobrino y otros, del año 2014 [5].
El esquema principal de trabajo es el siguiente:
Figura 37. Esquema de trabajo del método Monocanal. (Fuente: Elaboración propia)
Para ejecutar este método se necesitan cuatro imágenes diferentes:
 Imagen de la banda 4, del sensor OLI, del satélite Landsat 8.

 Imagen de la banda 10, del sensor TIRS, del satélite Landsat 8.
Página 62 de 185
 Imagen preprocesada de humedad del aire (W), del sensor MODIS, del satélite Terra.
Como se ha dicho en apartados anteriores el algoritmo principal que tienen en común

todos los métodos Monocanal fue desarrollado por Jiménez Muñoz et al. en el año 2003
[16], y su fórmula es la siguiente:
𝑇𝑠 = 𝛾[𝜀 (𝜓 · 𝐿 +𝜓 )+𝜓 ]+𝛿
Siendo:
ϒ y δ: parámetros obtenidos a partir de la función de Planck.
·
𝛾= 𝐿 +𝜆 𝛿 = −𝛾 · 𝐿 + 𝑇𝑏
ψ1 ,ψ2 y ψ3: las funciones atmosféricas. Los valores de estas funciones son lo que
diferencian un método Monocanal de otro. Para el método Monocanal 1 los valores
se obtienen con un polinomio de segundo grado en el que se relaciona el contenido
de vapor de agua, ya que como se ha indicado con anterioridad este es uno de los
parámetros que más contribuyen al efecto atmosférico en la región del infrarrojo
térmico.
𝜓 0.04019 0.02916 1.01523 𝑊

𝜓 = −0.3833 −1.50294 0.20324 𝑊
𝜓 0.00918 1.36072 −0.27514 1
Según Sobrino [5], los errores de temperatura superficial terrestre, para este método, se
vuelven inaceptables para contenidos altos de vapor de agua (para contenidos mayores de
2,5 g/cm2). También indica que este problema puede resolverse incluyendo la
temperatura del aire como entrada, tal y como hace en artículos posteriores [17].
Monocanal 2
El esquema de trabajo es el mismo que para el método Monocanal 1, por lo que se
necesitarán las mismas imágenes.
Página 63 de 185
satélite
Figura 38. Esquema de trabajo del método Monocanal. (Fuente: Elaboración propia)
La diferencia se encuentra en que este método se basa en un estudio de Xiaolei Yu et al. del
año 2014 [18] pero corregido para Landsat 8, aplicando el método original de Jiménez
muñoz [16].
𝜓 = 𝜂 𝑊 +𝜉 𝑊 +𝜒 𝑊+𝜑
Figura 39. Imagen de funciones espectrales para obtener los valores de las funciones atmosféricas a
partir de la longitud de onda de la banda térmica utilizada.
Teniendo en cuenta que para el método Monocanal se usa la banda 10 de Landsat 8 y que
su longitud de onda media es de 10,9 μm las funciones atmosféricas quedan definidas por:
Página 64 de 185
𝜓 0.0099976 0.00966064 0.09347952 1.02178928 𝑊

𝜓 = −0.05327456 −0.4880672 −1.4640128 0.06216416 𝑊
𝑊
𝜓 −0.05216976 0.39854112 0.83252272 −0.02393664
1
Según Xaolei Yu, la fuente de error más importante en el método Monocanal (de manera
general, por lo que afecta al Monocanal 1 y al Monocanal 2) se debe a los efectos
atmosféricos, lo que lleva a un error en la temperatura superficial entre 0.2 K y 0.7 K, y la
incertidumbre de la emisividad de la superficie terrestre, que conduce a un error adicional
en la temperatura superficial entre 0.2 K y 0.4 K.
4.3.2. Métodos Split-Window

Se consideran métodos Split-Window, o método de ventana dividida, aquellos que usan
dos bandas térmica. En el caso del satélite Landsat 8 se usan las bandas 10 y 11.
La técnica Split-Window se basa en el concepto de absorción diferencial, esta se basa en

que el efecto atmosférico puede caracterizarse a partir de la diferencia entre las radiancias
o temperaturas medidas en dos bandas espectrales distintas. Basándose en este concepto
se han desarrollado distintos algoritmos con distinta estructura matemática pero para este
trabajo se expondrán de manera detallada dos de ellos a los que se ha denominado: Split-
Window 1 y Split-Window 2.
Split-Window 1.
Este método se basa en el estudio desarrollado por Jiménez Muñoz et al. en el año 2014
[5], en el que se sigue el siguiente esquema de trabajo:
Página 65 de 185
satélite
Para ejecutar este método se necesitan cinco imágenes diferentes, una imagen más que
para los métodos Monocanal:

 Imagen preprocesada de humedad del aire (W), del sensor MODIS, del satélite Terra.
La ecuación que corresponde a este método es:
𝐿𝑆𝑇 = 𝑇𝑏 + 𝐶 (𝑇𝑏 − 𝑇𝑏 ) + 𝐶 (𝑇𝑏 − 𝑇𝑏 ) + 𝐶 + (𝐶 + 𝐶 𝑊)(1 − 𝜀) + (𝐶 + 𝐶 𝑊)∆𝜀
Siendo:
Tb: la temperatura de brillo para cada una de las bandas térmicas.
W: el contenido de vapor de agua en la atmósfera.
ε: la emisividad media de ambas bandas térmicas, es decir; ε=(ε10+ε11)/2
Δε: el sumatorio de la emisividad de ambas bandas térmicas, es decir; Δε= ε10+ε11
C0-C6: los coeficientes para el algoritmo Split-Window 1 (Tabla 9).
Página 66 de 185
Tabla 9. Coeficientes Split-Window 1. (Fuente: Elaboración propia)
Coeficientes
c0 -0.268
c1 1.378
c2 0.183
c3 54.30
c4 -2.238
c5 -129.20
c6 16.40
La ventaja principal de este algoritmo Split-Window es que se desempeña bien en

condiciones globales, es decir, con cualquier valor de vapor de agua. Pero como se ha dicho
anteriormente, cuanta con la gran desventaja de que se debe usar la banda 11 de Landsat
8, y esta presenta errores en la calibración [15].
Split-Window 2
Este método se basa en el estudio desarrollado por Chen Du et al. en el año 2014 [19] el
cual sigue el siguiente procedimiento:
Página 67 de 185
satélite
El método es similar al Split-Window 1, por lo que usarán las mismas imágenes, en cambio
la ecuación final y sus términos son diferentes:
1−𝜀 ∆𝜀 𝑇𝑏 + 𝑇𝑏
𝐿𝑆𝑇 = 𝑏 + 𝑏 + 𝑏 +𝑏
𝜀 𝜀 2
1−𝜀 ∆𝜀 𝑇𝑏 − 𝑇𝑏
+ 𝑏 +𝑏 +𝑏 + 𝑏 (𝑇𝑏 − 𝑇𝑏 )
𝜀 𝜀 2
Siendo:
Tb: la temperatura de brillo para cada una de las bandas térmicas.
W: el contenido de vapor de agua en la atmósfera.
ε: la emisividad media de ambas bandas térmicas, es decir; ε=(ε10+ε11)/2
Δε: el sumatorio de la emisividad de ambas bandas térmicas, es decir; Δε= ε10+ε11
b0-b11: los coeficientes para el algoritmo Split-Window 2, los cuales varían en

función de W (Figura 42).
Figura 42. Coeficientes para el método Split-Window 2. (Fuente: [19] )
El hecho de que estos coeficientes varíen en función de W tiene la finalidad de reducir la

influencia del vapor de agua en el resultado final, aun así se llegó a la conclusión en el
estudio de que los resultados más favorables se obtuvieron para aquellos casos en los que
el vapor de agua era inferior a 2,5 g cm-2.
4.3.3. Método simplificado

Este método se basa en el estudio desarrollado por Ugur Avdan y Gordana Jovanovska en
el año 2016 [20].
Se le denomina método "simplificado" de manera extraoficial ya que no tiene un nombre

especifico y se caracteriza porque es el método más rápido y con menos pasos a seguir. Al
Página 68 de 185
dejar fuera del cálculo factores como la humedad o temperatura del aire se puede afirmar
que es el método más inexacto.
Este método sigue el siguiente esquema de trabajo:
Figura 43. Esquema de trabajo del método simplificado. (Fuente: Elaboración propia)
Para este método se necesitan únicamente las imágenes de las bandas 4, 5 y 10 del satélite
Landsat8. La ecuación final es la siguiente:
𝑇𝑏
𝐿𝑆𝑇 =
𝑇𝑏
1 + (𝜆 𝐶 )ln(𝜀 )
Siendo:
Tb: la temperatura de brillo en el satélite en la banda 10 en K.
ε10: la emisividad de la banda 10.
λ10: la longitud de onda media de la banda 10 en metros (0.0000108 m).
C2: la segunda constante de radiación equivalente a 1.4388·104 μmK.
Página 69 de 185
5. Evaluación de métodos y comparativas

Una vez expuestos desde un punto de vista teórico los métodos más recomendables para
el cálculo de la temperatura superficial terrestre mediante imágenes de satélite, es
necesario llevarlo a la práctica. Para ello, a lo largo de este apartado se procederá a la
automatización de los procesos y la visualización de los resultandos haciendo un uso
combinado de dos herramientas con un gran potencial: MATLAB como lenguaje de
programación para la automatización de procesos y QGIS, como sistema de información
geográfica para el tratamiento de datos geoespaciales. Gracias a dicha combinación se
podrá proceder a la realización de una evaluación de los diferentes métodos mencionados
en el apartado 4.3, tanto desde un punto de vista numérico como visual tomando como
verdad-terreno los productos ofrecidos por la NASA denominados ARD: Analysis Ready
Data.
5.1. MATLAB: lenguaje de programación para la automatización de

cálculos
MATLAB es un software propietario de cálculo numérico, con vectores y matrices, que
ofrece un entorno de desarrollo integrado con un lenguaje de programación propio,
conocido como lenguaje M.
La abreviatura MATLAB proviene de las

palabras MATrix LABoratory [23], que
significan "laboratorio de matrices", dos
palabras que resumen en gran medida este
programa ya que entre sus posibilidades de
trabajo destaca la manipulación de matrices.
Este fue el motivo primordial de la elección de MATLAB como software principal de
trabajo ya que cuenta con la gran característica de que trata las imágenes como matrices,
es decir, cada píxel de la imagen corresponde con una celda de la matriz; con información
específica y una posición determinada por el número de fila y la columna.
MATLAB cuenta con muchas otras prestaciones de gran utilidad para este trabajo, como la
representación de datos, la implementación de algoritmos y la creación de interfaces de
usuario (GUI, de la que se hablará en apartados posteriores).
Página 71 de 185
Al ser un software de pago tiene la desventaja, para los usuarios, de necesitar una licencia
de pago. En concreto para este trabajo, al tratarse de un proyecto universitario
perteneciente a la Universidad de Salamanca se dispone de una licencia de estudiante
gratuita, la cual se puede encontrar en la plataforma de Servicios Informáticos de la USAL.
El método idóneo para comprobar si los algoritmos de cálculo de temperatura superficial

son adecuados y si sus resultados se parecen a la realidad, sería mediante la utilización de
termómetros, termistores y pirgeómetros en el terreno, tal y como se ha hecho en algunas
investigaciones [4]. Como estos métodos son demasiado costosos, se recurre a otros
totalmente gratuitos y a disponibilidad de cualquier usuario. Entre ellos se encuentra una
herramienta libre de QGIS que asegura y ayuda a comprobar parte de los pasos
intermedios necesarios para calcular la temperatura superficial terrestre, y por otra parte
una serie de imágenes de la NASA que ofrecen la temperatura superficial terrestre
provisional.
5.2. Imágenes ARD: Landsat Analysis Ready Data

Tras una larga investigación y asumiendo la complejidad de la temperatura de la
superficie en cada instante, se encontraron una serie de datos a los que se consideraron
como verdad-terreno, estos fueron uno de los datos ARD.
Los datos ARD son un producto novedoso (publicado en 2018) creado por la NASA con el
objetivo fundamental de reducir significativamente la cantidad de trabajos que se llevan a
cabo para diferentes aplicaciones científicas, ya que en la actualidad se descargan y
procesan grandes cantidades de datos relacionados con imágenes Landsat.
Las imágenes de Landsat Level-1(entre las que se encuentran las imágenes de Landsat 8
que se utilizan en este trabajo) son las que sirven de base para generar los productos ARD,
por eso, a pesar de ser un producto tan novedoso, cuenta con imágenes de fechas entre
1983 y la actualidad. Entre los productos de ARD se encuentran la reflectancia TOA, la
temperatura de brillo en el satélite, la reflectancia de la superficie y la temperatura
superficial terrestre provisional.
Los productos Landsat ARD solo están disponibles actualmente para los Estados Unidos
continentales, Alaska y Hawái, por lo que si se quiere hacer una comparativa de resultados
se tendrá que trabajar en estas zonas.
Página 72 de 185
Las imágenes de Landsat ARD, para los Estados Unidos continentales y Hawái, se generan
en la proyección cartográfica cónica de Albers Equal Area (AEA), utilizando como Datum el
WGS84 (World Geodetic System 1984).
Figura 44. Proyección cartográfica cónica de Albers Equal Area (AEA) usada para los datos ARD.
(Fuente: Software PJ_Japan)
Cada imagen ARD tiene una resolución espacial de treinta metros, igual que los productos
originales de Landsat 8, pero el tamaño de la imagen es más pequeño: Landsat ARD tiene
5000x5000 píxeles frente a los aproximadamente 6300x6000 píxeles de Landsat 8. Para
cubrir los Estados Unidos continentales se usan unas 422 imágenes.
Figura 45. Rejilla de imágenes de ARD para Estados Unidos. (Fuente: [30] )
La descarga de dichas imágenes puede llevarse a cabo a través de la Web de descarga

EarthExplorer, con el formato de datos GeoTIFF. Entre los archivos a descargar se
encuentran los siguientes:
Página 73 de 185
Figura 46. Carpetas de descarga de datos ARD en earthexplorer. (Fuente: Elaboración propia)
La carpeta de archivos "Provisional Surface Temperature" es la que contiene el archivo

necesario. Una vez descargado el archivo Zip, la imagen que se tomará como verdad
terreno para la comprobación será aquella cuyo nombre finalice por "ST".
Figura 47. Archivos "Provisional Surface Temperature". Marcado archivo de temperatura superficial
terrestre provisional. (Fuente: Elaboración propia)
También se podrán realizar una serie de comparativas de valores intermedios, por

ejemplo se puede descargar la carpeta "Top of Atmosphere" para comprobar la
reflectancia TOA de las bandas 4 y 5, la carpeta "Brightness Temperature" para comprobar
la temperatura de brillo del satélite en las bandas 10 y 11, o la carpeta "Surface
Reflectance" para comprobar la reflectancia de la superficie terrestre en las bandas 4 y 5.
Página 74 de 185
Figura 48. Archivos "Top of Atmosphere". Marcados archivos de reflectancia TOA para las bandas 4 y 5.
(Fuente: Elaboración propia)
Figura 49. Archivos "Brightness Temperature". Marcados archivos de temperatura de brillo para las
bandas 10 y 11. (Fuente: Elaboración propia)
Figura 50. Archivos "Surface Reflectance". Marcados archivos de reflectancia de la superficie terrestre
para las bandas 4 y 5. (Fuente: Elaboración propia)
Todos los métodos que se han tratado en este proyecto tienen en común los apartados de
reflectancia de la superficie y temperatura de brillo por lo que comparar estos datos será
de gran interés para el futuro cálculo de la temperatura superficial y a su vez
independiente del método final de cálculo de LST.
Página 75 de 185
Una vez descargadas las imágenes necesarias se puede proceder a la comparativa, tanto de
datos intermedios como de cada uno de los métodos estudiados.
5.3. Métodos de cálculo: evaluación y comparativa

Para poder trabajar a la vez con imágenes ARD y las procesadas en MATLAB ambas deben
tener las mismas condiciones geoespaciales; misma resolución espacial y sistema de
coordenadas. En este caso ambas imágenes tienen la misma resolución espacial, pero
como se ha mencionado en apartados anteriores la proyección cambia. Por ello, el paso
previo a la comparativa es hacer una reproyección de las imágenes ARD. Se deberá pasar
de la proyección AEA de las imágenes ARD a la proyección UTM de las imágenes Landsat 8,
mantener la resolución espacial en treinta metros y finalmente hacer el recorte con el que
se trabaja en cada zona.
Figura 51. Proceso de trabajo para las imágenes ARD; transformación de la proyección AEA a la
proyección UTM y recorte de la zona deseada con una resolución espacial de treinta metros. (Fuente:
La reproyección, remuestreo y recorte pueden hacerse desde cualquier sistema de

información geográfica, para este trabajo se ha utilizado QGIS.
QGIS es un Sistema de Información Geográfica (SIG) cuya característica principal es que es

un software libre, por lo que cualquier usuario puede desarrollar una función,
complemento o mejorar las que ya existen. Gracias a esta característica QGIS está en
continuo desarrollo. QGIS ofrece de forma continua gran variedad de complementos
Python, proporcionados por distintos usuarios. De entre todos los complementos, para
este proyecto destaca el plugin "Semi-Automatic Classification", desarrollado por Luca
Congedo en 2012 [8]. Este permite la clasificación semiautomática de las imágenes de
Landsat 8, por lo que es de gran ayuda para comprobaciones en el cálculo de la
reflectancia o temperatura de brillo. También cuenta con muchas herramientas para la
descarga de imágenes gratuitas, el preprocesamiento, el postprocesamiento y la
calculadora ráster.
Página 76 de 185
Como se ha dicho, la reproyección, remuestreo y recorte pueden hacerse desde QGIS; en

los apartados "Guardar como..." y "Ráster" → "Extracció n" → "Clipper..."
Figura 52. Ejemplo de remuestreo y reproyección (imagen izquierda), y recorte (imagen derecha)
desde QGIS (Fuente: Elaboración propia)
Una vez recortadas y reproyectadas las imágenes necesarias se puede pasar a una primera
comparativa de las reflectancias de la superficie terrestre y la temperatura de brillo en el
satélite. Hechas estas comparativas, y comprobada la coherencia de los resultados, se
pasará a evaluar lo que realmente interesa para este proyecto; la temperatura superficial
terrestre.
Tabla 10. Error medio cuadrático de reflectancia de superficie, para las bandas 4 y 5, y la temperatura
de brillo, en las bandas 10 y 11, entre los cálculos propios (elaborados con Matlab) y los resultados del
plugin "Semi-Automatic Classification" de QGIS y los datos directos de las imágenes ARD (Fuente:
Imagen 1 cálida Imagen 3 fría

Cultivo: Nebraska Desértico: Amarillo
9/Agosto/2018 22/Diciembre/2018
RMSE p4 1.3x10-16 1.9x10-9
Semi-
RMSE p5 8.1x10-16 2.1x10-16
Automatic
RMSE TB10 2.1x10-10 2.3x10-10
QGIS
RMSE TB11 1.6x10-10 2.2x10-10
RMSE p4 8.0x10-5 1.6x10-4
Imágenes RMSE p5 4.8x10-4 9.4x10-5
ARD RMSE TB10 0.0576 0.0146
RMSE TB11 0.0415 0.0136
Página 77 de 185
La comparativa con los datos obtenidos por las imágenes ARD es menos precisa que la
obtenida por el plugin de QGIS, aun así, se consideran los datos correctos aunque esto
puede llevar a errores más groseros a largo plazo ya que estos se van acumulando.
El motivo de esta diferencia de datos es por la falta de decimales en las imágenes ARD
(cuatro para reflectancia y uno para temperaturas) y principalmente por el cambio de
método para la corrección atmosférica del espectro óptico (Tabla 11); Landsat ARD genera
la reflectancia de la superficie utilizando el Código de Reflectancia de la Superficie Landsat
(LaSRC), que utiliza la banda de aerosol costero, datos climáticos auxiliares de MODIS y
utiliza un modelo único de transferencia radiativa [LANDSAT 8 SURFACE REFLECTANCE
CODE (LASRC) PRODUCT GUIDE LSDS-1368 Versión 2.0].
Tabla 11. Diferentes tipos de corrección atmosférica en el espectro óptico usadas, para este trabajo y
en la NASA para las imágenes ARD. (Fuente: Elaboración propia)
Cálculos Matlab Imágenes ARD

Corrección atmosférica del Código de Reflectancia de la
Corrección DOS 1
espectro óptico Superficie Landsat (LaSRC)
Con estos resultados se puede afirmar que gran parte de los cálculos para los métodos de
LST (Land Surface Temperature) son correctos. Solo quedaría por comprobar si el
resultado final de cada método, es decir, el valor de temperatura superficial terrestre, se
aproxima al "verdadero", para ello se considera la imagen de temperatura superficial
provisional de ARD como verdad-terreno.
Para esta comparativa se usarán imágenes que abarquen la mayor parte de Estados
Unidos, lo más repartidas posibles, teniendo en cuenta los casos de estudios de zonas
desérticas, urbanas, de cultivo y forestales (Figura 53), tanto en épocas cálidas como en
épocas frías.
Página 78 de 185
Figura 53. Mapa de EE.UU. con los puntos de las zonas estudiadas. Rojo zonas de cultivos, amarillo
zonas dérticas, verde zonas forestales y azul zonas urbanas. (Fuente: Elaboración propia)
Esto significa que para cada zona se descargarán 8 imágenes de Landsat 8 (2 x bandas 4, 5,
10 y 11) y sus dos metadatos, dos imágenes de vapor de agua MODIS y dos imágenes de
temperatura superficial provisional de ARD, siempre haciendo uso de imágenes con el
menor porcentaje de nubosidad posible (por debajo del 2%). Además, en cada imagen se
realizarán las transformaciones y recortes necesarios.
En la siguiente tabla (Tabla 12) se muestran los resultados numéricos obtenidos de dicha
comparativa.
Página 79 de 185
Tabla 12. Resultados del error medio cuadrático entre las imágenes ARD y los diferentes métodos de
obtención de temperatura superficial terrestre. Remarcados los métodos Monocanal 1 (azul),
Monocanal 2 (Morado) y simplificado (rojo). (Fuente: Elaboración propia)
Nº img. 1 2 3 4
Zona de Cultivo Zona Forestal Zona Desértica Zona Urbana
Nebraska Misuri Texas Springfield
9/Agosto 5/Junio 17/Septiembre 1/Agosto
Monocanal 1 0.94º Split-Window1 0.57º Monocanal 1 0.73º Split-Window1 0.86º
Monocanal2 1.33º Monocanal 1 0.71º Split-Window1 0.92º Monocanal2 1.73º

Épocas
Split-Window1 1.42º Monocanal2 1.00º Split-Window2 1.85º Monocanal 1 2.25º
cálidas
Simplificado 6.31º Simplificado 3.31º Monocanal2 2.10º Simplificado 4.53º
Split-Window2 8.34º Split-Window2 6.65º Simplificado 5.06º Split-Window2 8.39º
Pv: 0.665 Pv: 0.229 Pv: 0.486 Pv: 0.965
W: 2.940 W: 2.569 W: 2.03 W: 3.16
TS: 311.28 TS: 302.47 TS: 314.32 TS: 301.92
28/Octubre 27/Octubre 22/Diciembre 21/Noviembre
Monocanal2 0.07º0 Monocanal2 0.07º Monocanal2 0.18º Monocanal2 0.77º
Split-Window2 0.54º Split-Window1 0.76º Split-Window1 0.87º Split-Window2 0.89º

Épocas
frías
Monocanal 1 1.65º Monocanal 1 1.66º Monocanal 1 1.19º Simplificado 1.51º
Simplificado 2.37º Simplificado 2.03º Simplificado 1.67º Monocanal 1 2.02º
Pv: 0.445 Pv: 0.933 Pv: 0.376 Pv: 0.005
W: 1.65 W: 1.58 W: 0.570 W: 1.29
TS: 294.50 TS:291.65 TS: 287.66 TS: 282.84
Página 80 de 185
Nº img. 5 6 7 8
Burley, IDAHO Redwood Park Las Vegas Las Vegas
8/Agosto 1/Julio 30/Junio 30/Junio
Monocanal1 0.53º Split-Window2 0.51º Monocanal1 1.38º Monocanal1 0.34º
Split-Window1 0.75º Monocanal1 0.70º Monocanal2 1.91º Split-Window1 1.41º

Épocas
cálidas
Monocanal2 1.88º Monocanal2 1.47º Split-Window1 2.36º Monocanal2 3.03º
Simplificado 2.94º Simplificado 2.95º Simplificado 6.35º Simplificado 5.80º
Pv: 0.529 Pv: 0.013 Pv: 0.330 Pv: 0.148
W: 1.248 W: 1.890 W: 1.613 W: 1.765
TS: 311.27 TS: 303.26 TS: 327.83 TS: 326.37
12/Noviembre 6/Noviembre 21/Noviembre 21/Noviembre
Monocanal2 0.16º Monocanal2 0.58º Monocanal2 0.34º Monocanal2 0.15º
Split-Window2 1.01º Monocanal1 0.71º Split-Window2 0.38º Split-Window2 0.74º

Épocas
Split-Window1 1.10º Split-Window1 0.76º Monocanal1 1.94º Split-Window1 1.12º
frías
Monocanal1 1.10º Simplificado 1.06º Split-Window1 2.15º Monocanal1 1.52º
Simplificado 1.43º Split-Window2 1.61º Simplificado 2.94º Simplificado 2.30º
Pv: 0.395 Pv: 0.863 Pv: 0.482 Pv: 0.792
W: 0.460 W: 0.706 W: 1.024 W: 1.065
TS: 282.72 TS: 285.23 TS: 297.62 TS: 294.16
Página 81 de 185
Nº img. 9 10 11 12
Wilmington, C.NORTE Talladega, ALABAMA Terilingua,TEXAS Ithaca,NY
9/Agosto 15/Marzo (2016) 30/Mayo 8/Julio
Split-Window1 0.28º Monocanal1 0.57º Split-Window1 1.90º Split-Window1 0.73º
Monocanal1 3.96º Split-Window2 0.76º Simplificado 5.18º Split-Window2 0.89º

Épocas
Simplificado 6.99º Split-Window1 1.31º Monocanal1 5.98º Monocanal1 1.03º
cálidas
Split-Window2 9.51º Monocanal2 1.43º Monocanal2 10.76º Monocanal2 1.16º
Monocanal2 11.20º Simplificado 2.75º Split-Window2 13.35º Simplificado 3.42º
Pv: 0.895 Pv: 0.703 Pv: 0.043 Pv: 0.741
W: 5.027 W: 1.794 W: 2.835 W: 1.955
TS: 304.60 TS: 302.22 TS: 327.02 TS: 303.91
12/Octubre 25/Octubre (2016) 24/Diciembre 7/Noviembre(2016)
Monocanal1 0.09º Monocanal1 0.31º Monocanal2 0.51º Split-Window1 0.37º
Split-Window1 0.31º Split-Window1 0.53º Split-Window2 1.18º Monocanal2 0.59º

Épocas
Simplificado 1.25º Split-Window2 1.29º Monocanal1 1.22º Monocanal1 0.72º
frías
Monocanal2 1.80º Monocanal2 1.61º Split-Window1 1.58º Simplificado 1.04º
Split-Window2 2.10º Simplificado 2.10º Simplificado 2.03º Split-Window2 1.59º
Pv: 0.873 Pv: 0.857 Pv: 0.490 Pv: 0.609
W: 1.277 W: 1.521 W: 1.188 W: 0.831
TS: 296.66 TS: 300.39 TS: 294.17 TS: 285.63
Para cada una de las zonas seleccionadas, se ha calculado la temperatura superficial

terrestre mediante los diferentes métodos calculando la diferencia con la imagen ARD
obteniendo su error medio cuadrático. También se han indicado las temperaturas
Página 82 de 185
superficiales, proporción de vegetación y humedad media de cada zona. Este último valor
vendrá diferenciado por tres colores diferentes dependiendo de la cantidad; morado
menor de 1.2, naranja entre 1.2 y 1.8 y azul mayor que 1.8. Esta división tiene una razón, la
cuál se explicará más adelante.
Ordenando los resultados obtenidos en la Tabla 12 en función de la humedad media y los

métodos con mejor y peor resultado se obtiene la siguiente tabla (Tabla 13):
Tabla 13.Resumen de los mejores y peores métodos en comparación con la imagen de temperatura
superficial de las imágenes ARD, ordenados en función de su humedad media. (Fuente: Elaboración
propia)
Humedad
<0.5 0.5-0.8 0.8-1.0 1.0-1.2 1.2-1.4 1.4-1.6 1.6-1.8 1.8-2.0 2.0-3.00 >3.00
media
Nº
1 2 1 3 3 2 4 2 4 2
imágenes
2xMon1 1xMon1
3xMon1 2xMon1
Mejor
Mon2 Mon2 Mon2 Mon2 Split1 Split1
método
1xMon2 1xMon2 1xMon2 2xSplit1
1xSimpl 1xSimpl 2xSplit2

Peor 1xMon1
Simpl Split2 Simpl Simpl Simpl Simpl
método 1xSimpl
1xSplit2 1xSplit2 3xSplit2 1xMon2
El peor método o, dicho de otra forma, el método cuyos resultados se alejan más de los
obtenidos por las imágenes ARD, es el simplificado. Este resultado era de esperar, ya que
como se ha dicho en apartados anteriores, es el método que tiene menos en cuenta
factores externos, como es el caso de la humedad.
Teniendo en cuenta aquellos estudios en los que se discrimina el uso del método Split-
Window para Landsat 8 por el uso de la banda térmica 11, se reescribe la tabla anterior en
la Tabla 14, sin tener en cuenta estos métodos como "mejores métodos".
Tabla 14. Métodos de corrección atmosférica en el espectro térmico que más se aproximan a los
resultados obtenidos para nuestros casos de estudios de imágenes ARD. Ordenado por la humedad
media MODIS de cada imagen. (Fuente: Elaboración propia)
W media
<0.8 0.8-1.0 1.0-1.2 1.2-1.4 1.4-1.6 1.6-1.8 1.8-2.0 2.0-3.00 >3.00
(g/cm2)
Nº
3 1 3 3 2 4 2 4 2
imágenes
2xMon1 1xMon1 3xMon1
Mejor
Mon2 Mon2 Mon2 Mon1 Mon1 Mon1
método
1xMon2 1xMon2 1xMon2
Página 83 de 185
También se podría ordenar los resultados teniendo en cuenta su temperatura superficial

terrestre media, tal y como se muestra a continuación en la Tabla 15.
resultados obtenidos para nuestros casos de estudios de imágenes ARD. Ordenado por la temperatura
superficial media ARD de cada imagen. (Fuente: Elaboración propia)
LST media
<285 285-290 290-295 295-300 300-302 302-304 304-310 310-320 >320
(K)
Nº
2 3 4 2 2 4 1 3 3
imágenes
1xMon1 1xMon1
Mejor
Mon2 Mon2 Mon2 Mon1 Mon1 Mon1 Mon1
método
1xMon2 1xMon2
Analizando ambas tablas podría llegarse a las conclusiones siguientes:
 Para humedades menores a 1,2g/cm2, en color morado, el método más aproximado a

los resultados de la NASA es el Monocanal 2.
 Para humedades mayores a 1,8g/cm2, en color azul, el método más aproximado es el
Monocanal 1.
 Para los valores intermedios de humedad, en color naranja, los resultados varían
entre ambos métodos.
Lo mismo ocurre si analizamos la tabla de temperaturas superficiales:
 Para temperaturas superficiales menores a 295 K el método más aproximado es el

Monocanal 2.
 Para temperaturas mayores a 302 K el mejor método es el Monocanal 1.
 Para los valores intermedios también hay variación.
Si se ordenan todas las imágenes por su temperatura media superficial y añadimos su

humedad media queda el siguiente resultado (Tabla 16):
Página 84 de 185
resultados obtenidos para nuestros casos de estudios de imágenes ARD. Ordenado por la temperatura
superficial media ARD de cada imagen. (Fuente: Elaboración propia)
Zona de Cultivo Zona Urbana Zona Forestal Zona Urbana Zona Desértica
Burley, IDAHO Springfield Redwood Park Ithaca,NY Texas
12-nov 21-nov 06-nov 7/Noviembre(2016) 22-dic
M2 M2 M2 M2 M2
W: 0.460 W: 1.29 W: 0.706 W: 0.831 W: 0.570
TS: 282.722 TS: 282.84 (º) TS: 285.234 TS: 285.634 TS: 287.660
Zona Forestal Zona Urbana Zona Desértica Zona de Cultivo Zona de Cultivo
Misuri Las Vegas Terilingua,TEXAS Nebraska Wilmington,
C.NORTE
27-oct 21-nov 24-dic 28-oct 12-oct
M2 M2 M2 M2 M1
W: 1.58 W: 1.065 W: 1.188 W: 1.65 W: 1.277
TS:291.65 (º) TS: 294.164 TS: 294.179 TS: 294.50 (º) TS: 296.663
Zona Desértica Zona Forestal Zona Urbana Zona Forestal Zona Forestal
Las Vegas Talladega, Springfield Talladega, Misuri
ALABAMA ALABAMA
21-nov 25/Octubre 01-ago 15/Marzo (2016) 05-jun
(2016)
M2 M1 M2 M1 M1
W: 1.024 W: 1.521 W: 3.16 W: 1.794 W: 2.569
TS: 297.623 TS: 300.397 TS: 301.92 TS: 302.221 TS: 302.47
Zona Forestal Zona Urbana Zona de Cultivo Zona de Cultivo Zona de Cultivo
Redwood Park Ithaca,NY Wilmington, Burley, IDAHO Nebraska
C.NORTE
01-jul 08-jul 09-ago 08-ago 09-ago
M1 M1 M1 M1 M1
W: 1.890 W: 1.955 W: 5.027 W: 1.248 W: 2.940
TS: 303.268 TS: 303.919 TS: 304.608 TS: 311.276 TS: 311.281
Zona Desértica Zona Urbana Zona Desértica Zona Desértica
Texas Las Vegas Terilingua,TEXAS Las Vegas
17-sep 30-jun 30-may 30-jun
M1 M1 M1 M1
W: 2.03 W: 1.765 W: 2.835 W: 1.613
TS: 314.32 TS: 326.379 TS: 327.028 TS: 327.838
Se comprueba que, por regla general, a mayor temperatura mayor humedad, por lo que se
comparten las características necesarias para la elección del método cuyos resultados son
los más parecidos a los de las imágenes ARD. En la tabla anterior existen dos imágenes que
Página 85 de 185
no cumplen la regla general (enmarcadas en rojo); la zona de cultivo de Carolina del Norte
en octubre y la zona urbana de Springfield en agosto. Con esta información se puede
comenzar al desarrollo de un método combinado y mejorado.
5.4. Método mejorado

Se puede comprobar por la Tabla 14 y la Tabla 15 cómo se sigue una pauta en los
resultados; para temperaturas superficiales altas con alto nivel de humedad el método
más "preciso" (el que más se aproxima a los resultados de las imágenes Landsat ARD) es el
Monocanal 1, mientras que para temperaturas superficiales bajas con bajo porcentaje de
humedad el mejor método es el Monocanal 2. Hay que tener en cuenta que, para valores
altos de humedad, aunque consideremos que el mejor método es el Monocanal 1, los
resultados no son del todo precisos. Esto ya lo indicaban diferentes artículos que
mencionaban que para valores de humedad mayores de 2,5 g/cm2 los resultados no eran
del todo fiables, incluso con el Monocanal 1 [5]. Para valores intermedios de humedad y
temperatura no se aprecian resultados que sigan algún tipo de patrón, oscila entre el
Monocanal 1 y el Monocanal 2.
Teniendo en cuenta los resultados anteriores, el método mejorado se define del siguiente
modo:
Figura 54. Esquema del "Método mejorado". (Fuente: Elaboración propia)
El primer valor que se debe tener en cuenta es el de humedad:
 W> 1,8 g/cm2 : Método Monocanal 1.

 W<1,2 g/cm2 : Método Monocanal 2.
Para los valores intermedios de humedad el segundo factor a observar sería el de

temperatura superficial (siguiendo el patrón de las comparaciones del apartado 6.2), pero
Página 86 de 185
partiendo de la base que es el valor que se quiere obtener no se puede comparar puesto
que sería algo redundante. De este modo, se llega a la decisión de abordar este problema
usando en su lugar la temperatura de brillo en el satélite ya que ambos valores están muy
ligados. Dicho esto, para valores de humedad que se encuentran dentro de la franja de 1,8
g/cm2 y 1,2 g/cm2 se sigue el siguiente patrón:
 Tb_B10 >295 K: Monocanal 1.

 Tb_B10 ≤ 295 K: Monocanal 2.
A continuación, se comprobarán los resultados de este método mejorado, tanto de forma
visual como de forma numérica, para ello se procederá a una nueva comparativa, al igual
que se hizo en el apartado 5.3.
5.4.1. Evaluación numérica

El primer paso es realizar una evaluación numérica, es decir, se realizará una nueva
comparativa con los resultados de temperatura superficial aportados por las imágenes
ARD tomándolos de nuevo como verdad terreno frente a los resultados del nuevo método
mejorado, o también denominado "Método recomendado".
Se creará en Matlab el archivo "LST_MONO_MEJORADO.m", con el algoritmo creado tal y

como se indica en el apartado anterior. Con este archivo se compararán los resultados de
temperatura superficial del nuevo método y de la imagen de ARD con la que ya se ha
trabajado. Las imágenes con las que se trabaja son las de EE.UU. mencionadas en
apartados anteriores. Los resultados son los de la siguiente tabla:
Página 87 de 185
Tabla 17. Resultados del error medio cuadráticos entre las imágenes ARD y el método mejorado.
MÉTODO MEJORADO
Nº imagen 1 2 3 4
Zona de Cultivo Zona Forestal Zona "Desértica" Zona Urbana
Épocas 9/Agosto 5/Junio 17/Septiembre 1/Agosto
cálidas 0.94º 0.71º 0.73º 2.25º
W: 2.940 W: 2.569 W: 2.03 W: 3.16
TS: 311.281 TS: 302.47 TS: 314.32 TS: 301.92
Zona de Cultivo Zona Forestal Zona "Desértica" Zona Urbana
28/Octubre 27/Octubre 22/Diciembre 21/Noviembre
Épocas frías
0.06º 0.08º 0.18º 0.77º
W: 1.65 W: 1.58 W: 0.570 W: 1.29
TS: 294.50 (º) TS:291.65 (º) TS: 287.660 TS: 282.84 (º)
Nº imagen 5 6 7 8
Épocas 8/Agosto 1/Julio 30/Junio 30/Junio
cálidas 1.39º 0.70º 1.38º 0.34º
W: 1.248 W: 1.890 W: 1.613 W: 1.765
TS: 311.276 TS: 303.268 TS: 327.838 TS: 326.379
12/Noviembre 6/Noviembre 21/Noviembre 21/Noviembre
Épocas frías
0.16º 0.58º 0.34º 0.15
W: 0.460 W: 0.706 W: 1.024 W: 1.065
TS: 282.722 TS: 285.234 TS: 297.623 TS: 294.164
Página 88 de 185
Nº imagen 9 10 11 12
Épocas 9/Agosto 15/Marzo (2016) 30/Mayo 8/Julio
cálidas 3.96º ** 0.57º 5.98º 1.03º
W: 5.027 W: 1.794 W: 2.835 W: 1.955
TS: 304.608 TS: 302.221 TS: 327.028 TS: 303.919
12/Octubre 25/Octubre (2016) 24/Diciembre 7/Noviembre(2016)
Épocas frías
1.34** 0.29º 0.39º 0.59º
W: 1.277 W: 1.521 W: 1.188 W: 0.831
TS: 296.663 TS: 300.397 TS: 294.179 TS: 285.634
Los resaltados en color azul son los que mantienen los resultados del método Monocanal
1, los resaltados en morado mantienen los resultados del método Monocanal 2, los
resaltados en color verde mejoran los resultados obtenidos, y por último, los de color rojo,
empeoran los resultados con respecto al que se consideraba mejor inicialmente.
Teniendo en cuenta que los resaltados en azul y morado ya eran los mejores métodos,
puede afirmarse que los resultados numéricos del método mejorado son muy buenos ya
que únicamente empeoran en tres de los veinticuatro casos, incluso mejoran en otros tres
de ellos.
5.4.2. Evaluación visual

Los resultados numéricos del método mejorado se dan por buenos y coherentes, pero
también hay que evaluar sus resultados de manera visual. Los resultados de la Tabla 17
muestran tres casos diferentes: se mantienen, mejoran o empeoran respecto a los mejores
resultados de la Tabla 12.
 Los resultados son los mismos que en la Tabla 12 (marcados en azul o morado), por lo
que se usa el mismo método considerado en esa tabla como mejor método. Esto
significa que se cumplen las previsiones para el método mejorado, es decir; se
encuentra en los extremos de humedad (<1.2 o >1.8) y cumple lo previsto en la Tabla
14.
Página 89 de 185
A continuación se evalúa visualmente una de las imágenes que se encuentra en este

caso; la imagen désertica de Amarillo (Texas) del 22 de diciembre de 2018 (imagen 11
de épocas frías):
Figura 55. Imágenes de temperatura superficial terrestre de la imagen desértica de Amarillo del 22 de
diciembre de 2018: a) Imagen ARD, b) Monocanal 2, c) Monocanal 1 y d) método mejorado. Escala en
Kelvin. (Fuente: Elaboración propia)
La Figura 55 muestra como las imágenes resultantes del método Monocanal 2 (b) y del
método mejorado (d) son exactamente iguales, además con esta imagen también se
comprueba visualmente como estos métodos se aproximan más a la imagen ARD (a)
que el método Monocanal 1 (c). Esto también se puede expresar mediante una
diferencia de imágenes de manera visual, tal y como muestra a continuación la Figura
56:
Figura 56. Imágenes de la diferencia de temperatura superficial terrestre, de la desértica de Amarillo

del 22 de diciembre de 2018, de la Imagen ARD frente a: a) Monocanal 2 y/o mejorado, b) Monocanal 1.
Escala en Kelvin. (Fuente: Elaboración propia)
Página 90 de 185
Visualmente se comprueba en la Figura 56 como el método Monocanal 2 (y en este

caso el método mejorado) efectivamente es más aproximado a la imagen ARD. La
imagen de humedad que se usa en esta imagen tiene un rango de 0.49 a 0.76, por lo
que se encuentra en todo momento por debajo del valor 1.2. Esto explica que en toda
la imagen se use el método Monocanal 2 para el método mejorado, por eso el resultado
es exactamente el mismo.
 Los resultados son mejores que en la Tabla 12 (marcados en verde), el resultado es

diferente al original por lo que se han debido usar los dos métodos incluidos en el
mejorado; Monocanal 1 y Monocanal 2. Para que esto ocurra, la humedad se encuentra
en diferentes rangos y además cumple lo previsto, tanto en la Tabla 14 como en la
Tabla 15, o se encuentra en los valores intermedios de humedad y cumple con el
requisito de la temperatura de brillo previsto en la Tabla 15.
Una de las imágenes que se encuentra dentro de este apartado es la imagen forestal de
Alabama del 25 de octubre de 2018 (imagen 10 de épocas frías):
Figura 57. Imágenes de temperatura superficial terrestre de la imagen forestal de Alabama del 25 de
octubre de 2018: a) Imagen ARD, b) Monocanal 2, c) Monocanal 1 y d) método mejorado. Escala en
Página 91 de 185
La Figura 57 muestra como las imágenes resultantes del método Monocanal 1 (c) y del
método mejorado (d) son prácticamente iguales, por lo menos a simple vista, también
se comprueba visualmente como estos métodos se aproximan más a la imagen ARD (a)
que el método Monocanal 2 (b). Para comprobar que de verdad existe una diferencia
de temperaturas entre el Monocanal 1 y el mejorado se recurre a la imagen de
diferencias:
Figura 58. Imágenes de la diferencia de temperatura superficial terrestre, de la imagen forestal de

Alabama del 25 de octubre de 2018, de la Imagen ARD frente a: a) Monocanal 2, b) Monocanal 1 y c)
método mejorado. Escala en Kelvin. (Fuente: Elaboración propia)
Si se amplía la imagen anterior se pueden apreciar diferentes zonas de mejoría con el

método mejorado, como el siguiente ejemplo:
Figura 59. Zoom de la Figura 58 donde se aprecia la mejoría del método mejorado frente al método
Monocanal 1. (Fuente: Elaboración propia)
Página 92 de 185
En el caso de esta imagen se produce la mejoría ya que se encuentra en los valores

intermedios de humedad para toda la imagen y cumple con el requisito de la
temperatura de brillo previsto en la Tabla 15. Los valores de píxel que varían vienen
definidos por la temperatura de brillo del satélite, al disminuir de los 295 K pasa a
calcular la temperatura superficial con el método Monocanal 2.
 Los resultados son peores que en la Tabla 12 (marcados en rojo), el resultado es

diferente al original por lo que se han debido usar los dos métodos incluidos en el
mejorado. Para que esto ocurra, la humedad se debe encontrar en diferentes rangos, o
simplemente son aquellos casos de la Tabla 16 que se salían de la tendencia.
Una de las imágenes que se encuentra dentro de este apartado es la imagen de cultivo
de Burley (Idaho) del 8 de agosto de 2018 (imagen 5 de épocas cálidas):
Figura 60. Imágenes de temperatura superficial terrestre de la imagen de cultivo de Burley del 8 de
agosto de 2018: a) Imagen ARD, b) Monocanal 2, c) Monocanal 1 y d) método mejorado. Escala en
Observando la Figura 60, a simple vista no se aprecia la diferencia de temperaturas

entre el Monocanal 1 (c) y el método mejorado (d), incluso no se distingue bien que el
método Monocanal 2 (b) es el más inexacto. Haciendo zoom en las imágenes estas
diferencias se aprecian mejor, pero para poder distinguirlo con claridad la siguiente
figura resuelve todas las dudas:
Página 93 de 185
Figura 61. Imágenes de la diferencia de temperatura superficial terrestre, de la imagen de cultivo de

Burley del 8 de agosto de 2018, de la Imagen ARD frente a: a) Monocanal 2, c) Monocanal 1 y d) método
mejorado. La imagen b) muestra la humedad. Escala superior en g/cm2 y escala inferior en Kelvin.
En la Figura 61 se observa como el método Monocanal 2 (a) es el más inexacto, pero

además se aprecia con claridad la diferencia de la que se hablaba al principio, entre el
Monocanal 1 (c) y el método mejorado (d). La diferencia que aparece en el método
mejorado viene dada por el hecho de que la humedad se encuentra en diferentes
rangos, esto se puede ver en la imagen b) de la Figura 61. Aquellas zonas donde la
humedad es menor que 1.2 cambia el método al Monocanal 2, por eso en la imagen d)
aparecen esas zonas rojas.
Por último, para mostrar del segundo caso de imágenes con resultados peores, se
visualiza una de las dos imágenes que ya se predijo en la Tabla 16 que empeoraría con
el método mejorado (puesto que no cumple con la tendencia establecida se marcó con
un recuadro rojo). Esta imagen es la imagen urbana de Springfield del 1 de agosto de
2018 (imagen 4 de épocas cálidas):
Página 94 de 185
Figura 62. Imágenes de temperatura superficial terrestre de la imagen urbana de Springfield del 1 de
agosto de 2018: a) Imagen ARD, b) Monocanal 2, c) Monocanal 1 y d) método mejorado. Escala en
Visualmente en la Figura 62 no se aprecia claramente cuál de los método Monocanal se

aproxima más a la imagen ARD, por lo que se realiza de nuevo una diferencia entre la
imagen ARD y ambas imágenes de los métodos Monocanal (la diferencia de la imagen
ARD con la imagen mejorada no se realiza puesto que esta es igual a la Monocanal 1):
Figura 63. . Imágenes de la diferencia de temperatura superficial terrestre, de la imagen urbana de

Springfield del 1 de agosto de 2018, de la Imagen ARD frente a: a) Monocanal 2, b) Monocanal 1. Escala
en Kelvin. (Fuente: Elaboración propia)
Página 95 de 185
Visualmente en la Figura 63, se comprueba que a pesar de ser el método Monocanal 1

igual que el método recomendado este no es el más preciso, siendo el Método
Monocanal 2 más exacto a pesar de no seguir las indicaciones descritas
A continuación, se detallará la creación del software informático en el que se

implementará este método mejorado, al que se denominará "Método recomendado", a
parte de aquellos métodos vistos anteriormente.
Página 96 de 185
6. TEMISAT: Temperature from satellite image.

Como se ha visto hasta ahora, existe gran variedad de metodologías para el cálculo de la
temperatura superficial terrestre mediante el uso de imágenes de satélite. Estas
metodologías destacan por el elevado número de ecuaciones y expresiones matemáticas
por las que están formadas, por ello es importante desarrollar una automatización del
cálculo.
Aunque existen programas y herramientas que dan cálculos intermedios, como es el caso
antes mencionado del plugin de QGIS, no existe un software que permita el cálculo de la
temperatura superficial terrestre tomando como datos de entrada imágenes satelitales,
tanto de imágenes de satélites de recursos naturales como satélites dedicados al estudio
del agua, como pueden ser las de Landsat y Modis. Tras un estudio en profundidad de los
diferentes métodos existentes y comprobada su validez, se procede a alcanzar el objetivo
principal marcado por el presente trabajo fin de grado; el desarrollo de un software
informático capaz de estimar la temperatura superficial terrestre tomando como datos de
entrada solamente imágenes satelitales.
Esta herramienta informática, denominada TEMISAT e inscrita en el registro de

propiedad intelectual (ANEXO I. Propiedad intelectual TEMISAT), permite obtener la
TEMperatura superficial mediante Imágenes SATelitales, utilizando como lenguaje de
programación MATLAB.
Figura 64. Imagen de inicio TEMISAT. (Fuente: Elaboración propia)
En los próximos apartados se expondrá de manera detallada el código de programación,

así como su interfaz gráfica.
Página 97 de 185
6. TEMISAT: software para el cálculo de temperatura superficial terrestre
mediante imágenes satelitales
6.1. Código de programación

Todo el código de programación de TEMISAT se ha llevado a cabo con lenguaje Matlab. El
archivo principal de código es el denominado "Temisat.m" que hace uso de 17 funciones
(.m) (ANEXO II), los cuales tienen las siguientes funciones:
 TemperaturaBrillo.m: calcula la temperatura de brillo en el satélite.

 reflectancia.m: calcula el efecto bruma y la reflectancia de la superficie.
 radiancia.m: calcula la radiancia en el sensor.
 Pvf.m: calcula el porcentaje de vegetación.
 PSImonoTotal.m: calcula los valores de ψ1, ψ2 y ψ3 para el método mejorado.
 PSImono2.m: calcula los valores de ψ1, ψ2 y ψ3 para el método Monocanal 2.
 PSImono1.m: calcula los valores de ψ1, ψ2 y ψ3 para el método Monocanal 1.
 NDVIf.m: calcula el NDVI.
 metadatos.m: Extrae de manera automática los datos necesarios para el cálculo de la
temperatura superficial del archivo .txt de metadatos de Landsat 8.
 LSTsplit2.m: Calcula la temperatura superficial mediante el método Split-Window 2.
 LSTsplit1.m: Calcula la temperatura superficial mediante el método Split-Window 1.
 LSTsimpl.m: Calcula la temperatura superficial mediante el método simplificado.
 LSTmono.m: Calcula la temperatura superficial mediante el método general
Monocanal. Se diferencia entre Monocanal 1 y Monocanal 2 por los valores de ψ1, ψ2 y
ψ3.
 GammaDelta.m: Calcula los valores de γ y δ para la ecuación final de cálculo de
temperatura superficial del método Monocanal.
 emisividad11.m: Calcula la emisividad de la banda 11 de Landsat 8.
 emisividad10.m: Calcula la emisividad de la banda 10 de Landsat 8.
 eincrsplit.m: Calcula la emisividad media y el incremento de las emisividades de las
bandas 10 y 11 de Landsat 8.
6.2. Interfaz gráfica

Para poder visualizar todo el código de programación antes mencionado, debe estar
incluido en una interfaz gráfica (GUI), para permitir gestionar y representar las acciones y
la información que aporta el código fuente y así permitir al usuario un uso sencillo,
intuitivo y funcional de la herramienta.
Página 98 de 185
Para la creación de la interfaz se sigue empleando MATLAB, ya que cuenta con una
herramienta adicional llamada GUIDE (entorno de desarrollo de interfaces gráficas de
usuario), que permite crear una GUI de manera interactiva diseñando gráficamente la
interfaz de usuario mediante controles tales como menús, barras de herramientas,
botones... Además, GUIDE genera de manera automática el código de MATLAB para
construir la interfaz, el cual se puede modificar para programar sus órdenes o ejecuciones.
MATLAB, pese a tener la capacidad de generar una interfaz gráfica, presenta limitaciones
visuales ya que ofrece las funcionalidades y controles básicos. Aun así, la importancia de
este software viene dado por su potencial matemático y no gráfico, de ahí viene su elección
como ya se ha dicho en apartados anteriores.
Todo el código antes mencionado viene ligado a un archivo denominado "Temisat.fig", este
tipo de archivo contiene una figura gráfica, es decir, contiene la interfaz gráfica del
programa. Cuando se ejecuta este archivo desde el apartado GUIDE aparece la pantalla de
la Figura 65.
Figura 65. Ventana de GUIDE en MATLAB. (Fuente: Elaboración propia)
Este es el apartado de Matlab donde se incorporan todas las figuras de la interfaz gráfica.
En la imagen anterior no se aprecian todos los elementos de los que consta TEMISAT, pero
de manera resumida cuenta con cinco paneles. El primero de ellos, el que se aprecia en la
Figura 66, es el inicio del programa. Gracias a este panel el usuario puede comenzar a
hacer uso del software así como salir o acceder a la ayuda del programa de la que
posteriormente se hablara de manera detallada.
Página 99 de 185
Figura 66. Pantalla de inicio TEMISAT. (Fuente: Elaboración propia)
Al comenzar el programa, aparece una nueva ventana (Figura 67) compuesta por cuatro
pestañas que se iran activando a medida que se va avanzando en el proceso del calculo de
la temperatura superficial. La primera de ellas, sirve para la carga de datos en función del
método de cálculo que haya escogido el usuario. En concreto, TEMISAT cuenta con todos
los métodos descritos y desarrollados anteriormente, incluido el método mejorado al que
se le denomina “Método RECOMENDADO”.
Figura 67. Pantalla "Carga de Datos" TEMISAT. (Fuente: Elaboración propia)
Página 100 de 185

Como ya se ha descrito anteriormente, dependiendo del método seleccionado se necesitan

unas imágenes u otras (Tabla 18), por lo que TEMISAT permitirá al usuario cargar uno u
otros datos dependiendo del método tal y como muestra la siguiente figura:
Figura 68. Diferencia de botones activos en la interfaz de TEMISAT dependiendo del método
seleccionado; método simplificado a la izquierda y método Split-Window a la derecha. (Fuente:
Tabla 18. Tabla que muestra las imágenes necesarias, y por tanto pestañas activas, dependiendo del
método seleccionado. (Fuente: Elaboración propia)
Gracias a la sencillez e intuitividad del software, el usuario podrá conocer en todo

momento si ha cargado correctamente los datos, tanto las imágenes como los metadatos,
puesto que a medida que se vayan cargando los datos, los botones se cambian de color,
verde en caso de que la carga del dato sea correcta y rojo mediante una advertencia si es
erróneo (Figura 69).
Página 101 de 185

Figura 69. Pantalla con imagen errónea en la carga de datos TEMISAT. (Fuente: Elaboración propia)
La segunda pestaña denominada "Cálculo de Temperatura Superficial" se activa una vez

ejecutado el proceso de cálculo en la pestaña anterior. En la parte inferior hay una barra
que indica el progreso, y a su vez en el cuadro de texto superior aparecen una serie de
mensajes y datos de interés que indican en que parte del proceso se encuentra (Figura 70).
Figura 70. Pantalla "Cálculo de Temperatura Superficial" TEMISAT. (Fuente: Elaboración propia)
Finalizado el proceso del cálculo, se activan las dos últimas pestañas; "Visualización de
Imágenes" y "Guardar Imágenes".
Página 102 de 185

En el apartado de visualización, por defecto, la imagen que se visualiza es la imagen de

temperatura superficial, aunque la barra desplegable dan otra serie de opciones de
visualización (Figura 71).
Figura 71. Opciones de imágenes a visualizar en TEMISAT. (Fuente: Elaboración propia)
Pero en esta ventana no solamente se pueden observar resultados, sino que el usuario
puede consultar valores, ampliar, disminuir incluso moverse por la imagen gracias a la
existencia de diferentes herramientas adicionales, localizadas en la parte superior. Un
ejemplo del uso de estas herramientas se muestra en la Figura 72.
Figura 72. Ejemplos de uso de las herramientas de visualización TEMISAT. (Fuente: Elaboración
propia)
Página 103 de 185

Por una parte, el usuario podrá guardar cada uno de los archivos resultantes por separado
indicando en todo momento la ruta del directorio en la que lo quiere guardar permitiendo
así solamente guardar aquellos que le interesen. Por otra parte, si el usuario está
interesado en guardar todos los resultados obtenidos, tan solo con hacer uso del botón
“Guardar Todo” podrá guardar en el directorio que indique todos los resultando que de
manera automática serán nombrados.
Figura 73. Pantalla "Guardar Imágenes" TEMISAT. (Fuente: Elaboración propia)
Dependiendo del método seleccionado en el primer apartado del programa, se da la

opción de guardar unas u otras imágenes:
Tabla 19. Imágenes de salida en el programa TEMISAT dependiendo del método de cálculo de
temperatura superficial seleccionado. (Fuente: Elaboración propia)
Imágenes de salida
NDVI PV e B10 E B11 W escalada LST
Método RECOMENDADO X X X X X
Método Monocanal 1 X X X X X
Método Monocanal 2 X X X X X
Método Split-Window 1 X X X X X X
Método Split-Window 2 X X X X X X
Método simplificado X X X X
Página 104 de 185

6.2.1. Ayuda del programa

Con el fin de ayudar al usuario en el correcto uso del software, TEMISAT lleva asociado
una ayuda del programa a la que se puede acceder en todo momento mediante el símbolo
"?" situado en la parte superior de la ventana, o en el caso de la pantalla de incio desde el
botón "Ayuda" (Figura 66). Debido a las limitaciones que presenta Matlab en cuanto a
interfaz gráfica se refiere, mencionadas anteriormente, la ayuda ha sido desarrollada
mediante HTML tomando como punto de partida una plantilla base [31] y utilizando para
su edición el editor de texto TextPad.
TextPad es un editor de texto para sistemas operativos Windows. Es una herramienta útil
para sustituir al bloc de notas habitual, el cual no es nada intuitivo para la escritura de
archivos HTML.
Este es el motivo principal por el que se usa TextPad, ya que la

lectura de lenguaje HTML es más intuitiva, como muestra la
Figura 75, frente al convencional Bloc de notas de Windows,
como muestra la Figura 74.
Figura 74. Ejemplo de archivo HTML abierto con el Bloc de notas de Windows. (Fuente: Elaboración
propia)
Página 105 de 185

Figura 75. Ejemplo de archivo HTML abierto con TextPad. (Fuente: Elaboración propia)
Se puede apreciar como con TextPad la lectura de HTML es más intuitiva por sus colores y
el uso de tabuladores. Para este trabajo se usa la versión de prueba 8.
Como se ha mencionado al principio del apartado, se puede acceder a la ayuda de

TEMISAT desde todas las pantallas del programa, incluso cuenta con la bentaja que
dependiendo de la ventana en la que el usuario se encuentre se abre una u otra pantalla de
ayuda. Para facilitar este proceso se han programado distintos archivos HTML:
 index.html: Página de presentación. Se accede desde la pantalla principal de TEMISAT.

 cargarDatos_metodos.html: Página de ayuda para la carga de datos. Se accede desde la
pantalla del primer proceso de TEMISAT; "Carga de Datos".
 CalculoTemperatura_proceso.html: Página de ayuda para el cálculo. Se accede desde la
pantalla del segundo proceso de TEMISAT; "Cálculo de Temperatura Superficial".
 visualizar_herramientas.html: Página de ayuda para la visualización. Se accede desde
la pantalla del tercer proceso de TEMISAT; "Visualización de Imágenes".
 guardarimagenes_porpasos.html: Página de ayuda para guaradr los archivos de salida.
Se accede desde la última pantalla de TEMISAT; "Guardar Imágenes".
Además, aparte de estas cinco pantallas de ayuda, se han incorporado dos adicionales:
 introduccion.html: Página que muestra los fundamentos básicos de los algoritmos
incorporados en TEMISAT.
 cargarDatos_imagenes.html: Página que ayuda a comprender los datos de parida
necesarios para usar TEMISAT.
Página 106 de 185

A continuación, en la Figura 76, se muestra un ejemplo de la visualización de la página de

inicio de la ayuda TEMISAT:
Figura 76. Presentación de la ayuda del programa TEMISAT. (Fuente: Elaboración propia)
Página 107 de 185

7. Conclusiones y perspectivas futuras

Para finalizar el presente trabajo, se expondrá la recopilación de las diferentes
conclusiones derivadas de este, así como las distintas perspectivas futuras de trabajo que
podría tener, tanto mejoras en la herramienta TEMISAT como diferentes propuestas de
trabajo infundadas por este.
7.1. Conclusiones
Partiendo de los objetivos determinados en el apartado 2, las conclusiones finales acerca
del proyecto son las siguientes:
 "Tratamiento de imágenes satelitales procedentes de diferentes plataformas desde

su descarga hasta su manipulación pasando por la aplicación de diferentes
correcciones": el uso de imágenes de satélite requiere de un pre-procesamiento
(geométrico, radiométrico y atmosférico) adecuado a fin de deparar resultados
robustos en el producto final.
 "Evaluación del efecto de la atmósfera en la adquisición de datos, en forma de
imágenes, desde el espacio, y determinación de las metodologías de compensación del
mismo": la atmosfera juega un papel de gran relevancia en los datos capturados por las
plataformas satelitales. Eco de ello resulta necesario efectuar diferentes correcciones
para minimizar en la medida de lo posible el efecto de la atmósfera. Como se ha podido
observar, la introducción de las correcciones atmósfericas para el cálculo de la
temperatura terrestre permitiendo que la temperatura superficial terrestre calculada
se aproxime a la realidad. Tanto es el efecto de la atmósfera, que su estado de
concentración de humedad determina el método de cálculo de temperatura superficial
más adecuado.
 “Estudio y análisis de las diferentes metodologías de cálculo de temperatura
superficial a partir de imágenes de satélite existentes dentro de la comunidad
científica”: el cálculo de la temperatura superficial, a través de imágenes satelitales
puede ser efectuado a través de diferentes métodos (método monocanal y método
Split Window). Gracias al estudio, análisis y evaluación de las diferentes metodologías
se ha llegado a la conclusión de que los métodos Monocanal 1 y 2 son mejores respecto
a los métodos Split-Window siendo el primero de ellos más adecuado para situaciones
de humedad elevada. Gracias a ello se ha podido desarrollar una metodología
Página 109 de 185

Referencias
mejorada que combina ambos métodos en función de la humedad y de la temperatura

de brillo del satélite obteniendo buenos resultados.
 “Evaluación de los resultados obtenidos en diferentes zonas geográficas y diferentes
periodos temporales frente a imágenes Analysis Ready Data (ARD)”: la existencia de
productos ya procesados como lo son las imágenes Analysis Ready Data han permitido
llevar a cabo una evaluación profunda de los diferentes métodos de cálculo de
temperatura superficial terrestre ante diferentes condiciones climáticas y zonas
geográficas considerándose como verdad-terreno.
 “Perfeccionar los conocimientos tanto del lenguaje de programación como en
programación orientada a objetos, y así desarrollar un nuevo software informático”: el
desarrollo del presente trabajo fin de grado ha permitido aumentar de forma
considerable los conocimientos de Programación Orientada a Objetos. Dichos
conocimientos se han podido reflejar en la herramienta informática desarrollada como
principal objetivo: TEMISAT. Matlab ha dado buenos resultados para el tratamiento y
procesado de imágenes mediante ecuaciones matemáticas, mientras que tiene sus
limitaciones con respecto de la interfaz gráfica. Para ello, HTML ha proporcionado los
resultados esperados, con un nivel de grafismo profesional con respecto de las
soluciones de Matlab.
7.2. Perspectivas futuras

Dada la extensión y la temática del trabajo fin de grado existe un amplio abanico de líneas
futuras a seguir, entre ellas destacan:
 Universalizar el software TEMISAT al cálculo de temperatura superficial para las

imágenes térmicas de los sensores más empleados, eliminando la limitación de su
aplicación con imágenes de Landsat 8.
 El empleo de diferentes metodologías para la obtención de la emisividad, siendo

este uno de los factores más influyentes a la hora de calculra la temperatura superficial
terrestre, como por ejemplo el uso de métodos de recuperación paso a paso, método
de recuperación simultánea o el método mejorado de SIMRM.
 Desarrollo de una metodología que permita mejorar la resolución espacial y

temporal de las imágenes de satélite ya obtenidas para adquirir una serie de datos
temporales intermedios.
Página 110 de 185

 Realizar un estudio profundo de las diferentes correcciones atmosféricas de modo

que se pueda estudiar su influencia para el cálculo final de la temperatura terrestre,
incluso estudiar la posiblidad de introducir otras imágenes de humedad con mejor
resolución.
 Introducir la posibilidad dentro del software TEMISAT de la descarga, registro y

recorte de manera automática de las diferentes imágenes necesarias para el cálculo de
la temperatura superficial terrestre
 Por último es importante indicar que sería interesante el estudio de nuevas

metodologías para el cálculo de temperatura superficial, las cuales se centren en el
estudio de áreas urbanas ya que estas son las zonas donde mayor error de estimacion
de temperatura se produce [32]. Las metodologías más actuales implementan otros
factores meteorológicos adicionales, como puede ser la temperatura del aire [33].
Página 111 de 185

Referencias
1. Carvajal, A. F., & Pabón, J. D. (2014). Temperatura de la superficie terrestre en diferentes
tipos de cobertura de la región andina colombiana. Sociedade & Natureza, 26(1).
2. Iglesias, E. O. C. (2016). Aplicación de percepción remota para el estudio de áreas con un

potencial Geotérmico. La Soledad (Jalisco) y los Negritos (Michoacán).
3. Kustas, W., & Anderson, M. (2009). Advances in thermal infrared remote sensing for
land surface modeling. Agricultural and Forest Meteorology, 149(12), 2071-2081.
4. Wang, K., & Liang, S. (2009). Evaluation of ASTER and MODIS land surface temperature
and emissivity products using long-term surface longwave radiation observations at
SURFRAD sites. Remote Sensing of Environment, 113(7), 1556-1565.
5. Jiménez-Muñoz, J. C., Sobrino, J. A., Skoković, D., Mattar, C., & Cristóbal, J. (2014). Land
surface temperature retrieval methods from Landsat-8 thermal infrared sensor data. IEEE
Geoscience and Remote Sensing Letters, 11(10), 1840-1843.
6. Congedo, Luca. (2016). Semi-Automatic Classiﬁcation Plugin Documentation. Release

6.0.1.1. 10.13140/RG.2.2.29474.02242/1.
7. Sobrino, J. A. (2001). Teledetección. Universitat de Valencia.
8. Congedo, L. (2016). Semi-automatic classification plugin documentation. Release, 4(0.1),

29.
9. Gutiérrez, C. P., & Nieto, Á. L. (2006). Teledetección: nociones y aplicaciones. Carlos

Pérez.
10. Fallah-Adl, H., JáJá, J., Liang, S., Townshend, J., & Kaufman, Y. J. (1996). Fast algorithms
for removing atmospheric effects from satellite images. IEEE Computational Science and
Engineering, 3(2), 66-77.
11. Sarrió, M. M., Gordillo, J., González-Guerrero, Ó., & Pons, X. (2017). Análisis
comparativo de métodos para la estimación de la emisividad en la banda térmica del
sensor tm de landsat-5. GeoFocus. Revista Internacional de Ciencia y Tecnología de la
Información Geográfica, (19), 55-80.
Página 113 de 185

Referencias
12. Sobrino, J. A., Jiménez-Muñoz, J. C., & Paolini, L. (2004). Land surface temperature
retrieval from LANDSAT TM 5. Remote Sensing of environment, 90(4), 434-440.
13. Caselles, V., López Garcia, M. J., Meliá, J., & Perez Cueva, A. J. (1989). El efecto de la isla
térmica de la ciudad de Valencia obtenido a partir de transectos e imágenes NOAA-
AVHRR. Libro de comunicaciones de la III Reunión Científica del Grupo de Trabajo en
Teledetección, 259-69.
14. Li, Z. L., Tang, B. H., Wu, H., Ren, H., Yan, G., Wan, Z., ... & Sobrino, J. A. (2013). Satellite-
derived land surface temperature: Current status and perspectives. Remote sensing of
environment, 131, 14-37.
15. ARIZA, A. (2013). Descripción y Corrección de Productos Landsat 8 LDCM. Knowledge

Portal, UNSPIDER. Último acceso, 1.
16. Jiménez-Muñoz, J. C., & Sobrino, J. A. (2003). A generalized single-channel method for
retrieving land surface temperature from remote sensing data. Journal of Geophysical
Research: Atmospheres, 108(D22).
17. Cristóbal, J., Jiménez-Muñoz, J., Prakash, A., Mattar, C., Skoković, D., & Sobrino, J. (2018).
An improved single-channel method to retrieve land surface temperature from the
Landsat-8 Thermal Band. Remote Sensing, 10(3), 431.
18. Yu, X., Guo, X., & Wu, Z. (2014). Land surface temperature retrieval from Landsat 8
TIRS—Comparison between radiative transfer equation-based method, split window
algorithm and single channel method. Remote Sensing, 6(10), 9829-9852.
19. Du, C., Ren, H., Qin, Q., Meng, J., & Li, J. (2014, July). Split-window algorithm for
estimating land surface temperature from Landsat 8 TIRS data. In 2014 IEEE Geoscience
and Remote Sensing Symposium (pp. 3578-3581). IEEE.
20. Avdan, U., & Jovanovska, G. (2016). Algorithm for automated mapping of land surface
temperature using LANDSAT 8 satellite data. Journal of Sensors, 2016.
21. Gao, B., et al., 2017. MODIS Atmosphere L2 Water Vapor Product. NASA MODIS
Adaptive Processing System, Goddard Space Flight Center, USA:
http://dx.doi.org/10.5067/MODIS/MOD05_L2.061
Página 114 de 185

22. Juan Carlos Jimenez Muñoz. (2017). Tutorial "Principios y aplicaciones de

teledetección térmica".Departamento de física de la Tierra y termodinámica. Universidad
de Valencia, España:https: http://www.youtube.com/watch?v=vh0ajQN180E
23. Fernández, M. C. (2009). Manual básico de Matlab. Edit. Complutense, Madrid.
24. Acceleration of ice loss across the Himalayas over the past 40 years. BY J. M.MAURER,
J.M. SCHAEFER, S.RUPPER, A.CORLEY. SCIENCE ADVANCES 19 JUN 2019 : EAAV7266
https://advances.sciencemag.org/content/5/6/eaav7266
25. Redacción National Geographic (14/11/2017). "España se enfrenta a una de las

sequías más destructivas de la historia". Artículo Medio Ambiente de National Geographic.
https://www.nationalgeographic.es/medio-ambiente/2017/11/espana-se-enfrenta-una-
de-las-sequias-mas-destructivas-de-la-historia
26. Alexander, A. (2013). Descripción y Corrección de Productos Landsat 8 LDCM (Landsat

Data Continuity Mission). Centro de Investigación Y Desarrollo En Información Geográfica
Del IGAC-CIAF, 46.
27. Carlson, T. N., & Ripley, D. A. (1997). On the relation between NDVI, fractional
vegetation cover, and leaf area index. Remote sensing of Environment, 62(3), 241-252.
28. Rouse, J. W. (1974). Monitoring the vernal advancement of retrogradation of natural

vegetation, NASA/GSFG, Type III. Final Report, 371.
29. Gonzales, P., & Jesús, J. (2014). Validación de la emisividad y temperatura de la

superficie del suelo usando datos del Satélite LANDSAT 8 (Master's thesis).
30. Departament of the Interior U.S. Geological Survey (02/10/2018). "U.S. Landsat
Analysis Ready Data (ARD) Data Format Control Book (DFCB)" . LSDS-1873 Version 5.0
https://prd-wret.s3-us-west-2.amazonaws.com/assets/palladium/production/s3fs-
public/atoms/files/LSDS-1873_US_Landsat_ARD_DFCB_0.pdf
31. w3schools. Web de descarga de plantillas HTML (2019). Recuperado de:

https://www.w3schools.com/css/css_rwd_templates.asp
32. Ruchi Bala, Rajendra Prasad, Vijay Pratap Yadav. Advances in Space Research (2019).
"Disaggregation of modis land surface temperature in urban areas using improved thermal
sharpening techniques". DOI:
https://www.sciencedirect.com/science/article/pii/S0273117719303151?via%3Dihub
Página 115 de 185

Referencias
33. Cristóbal, J., Jiménez-Muñoz, J., Prakash, A., Mattar, C., Skoković, D., & Sobrino, J. (2018).
An improved single-channel method to retrieve land surface temperature from the
Landsat-8 Thermal Band. Remote Sensing, 10(3), 431.
34. Van de Griend, A. A., & Owe, M. (1993). On the relationship between thermal emissivity
and the normalized difference vegetation index for natural surfaces. International Journal
of remote sensing, 14(6), 1119-1131.
35. Valor, E., & Caselles, V. (1996). Mapping land surface emissivity from NDVI: Application
to European, African, and South American areas. Remote sensing of Environment, 57(3),
167-184.
36. Sobrino, J. A., & Raissouni, N. (2000). Toward remote sensing methods for land cover
dynamic monitoring: Application to Morocco. International journal of remote
sensing, 21(2), 353-366.
Página 116 de 185

ANEXO I. Propiedad intelectual TEMISAT
Página 117 de 185

ANEXO II
ANEXO II. Manual del usuario
Página 118 de 185

Página 119 de 185

ANEXO II
Página 120 de 185

Página 121 de 185

ANEXO II
Página 122 de 185

Página 123 de 185

ANEXO II
Página 124 de 185

Página 125 de 185

ANEXO II
Página 126 de 185

Página 127 de 185

ANEXO II
Página 128 de 185

Página 129 de 185

ANEXO II
Página 130 de 185

Página 131 de 185

ANEXO II
Página 132 de 185

Página 133 de 185

ANEXO II
Página 134 de 185

Página 135 de 185

ANEXO II
Página 136 de 185

Página 137 de 185

ANEXO III. Código fuente

Para una mejor comprensión del funcionamiendo del programa desarrollado se muestra
en la siguiente figura el flujo general de funcionamiento de TEMISAT.
Página 139 de 185

TG AndrésAnayaP Temperatura

Cargado por

Copyright:

Formatos disponibles

TG AndrésAnayaP Temperatura

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

TG AndrésAnayaP Temperatura

Cargado por

Copyright:

Formatos disponibles

Trabajo Fin de Grado

ESCUELA TEMPERATURA SUPERFICIAL TERRESTRE A PARTIR

Ingeniería Geomática y Topografía

confianza en mí, a Rocio Mora por su ayuda

incondicional y por todas sus enseñanzas, y en

especial a María Sánchez por su infinita paciencia y

A ellas, mi mayor reconocimiento y gratitud.

La estimación de la temperatura del suelo se puede llevar a cabo de manera puntual

El cálculo de la temperatura superficial a partir de imágenes satelitales es posible gracias

Para realizar el cálculo de la temperatura superficial del terreno mediante imágenes de

Índice de Figuras ................................................................................................................................................. 10

Índice de tablas .................................................................................................................................................... 15

3. Fundamentos básicos de la teledetección: Imágenes de Satélite .......................................... 23

3.1. ¿Qué es la teledetección? .............................................................................................................. 23

3.2. Principios físicos y componentes .............................................................................................. 24

3.3. Espectro electromagnético .......................................................................................................... 25

3.4. Resoluciones de un sensor .......................................................................................................... 25

3.5. Agencias espaciales ........................................................................................................................ 28

3.6. Correcciones ...................................................................................................................................... 32

4. Cálculo de la temperatura superficial terrestre mediante imágenes de satélite ............ 35

4.1. Imágenes de satélite necesarias ................................................................................................ 35

4.2. Correcciones ...................................................................................................................................... 40

4.2.1. Corrección geométrica......................................................................................................... 41

4.2.2. Corrección del espectro óptico......................................................................................... 44

Corrección radiométrica: Radiancia TOA........................................................................................ 44

Corrección radiométrica: Reflectancia TOA ................................................................................... 45

Corrección atmosférica: reflectancia de la superficie (Moran 1992) .................................. 46

4.2.3. Corrección del espectro térmico ..................................................................................... 48

Corrección radiométrica: radiancia TOA y reflectancia TOA .................................................. 49

Corrección radiométrica: temperatura de brillo en el satélite (Tb) .................................... 49

Corrección de emisividad ...................................................................................................................... 50

Corrección atmosférica: temperatura superficial terrestre .................................................... 54

4.3. Corrección atmosférica en el espectro térmico: métodos existentes ........................ 54

4.3.1. Métodos Monocanal .............................................................................................................. 59

4.3.2. Métodos Split-Window ........................................................................................................ 65

4.3.3. Método simplificado ............................................................................................................. 68

5. Evaluación de métodos y comparativas .......................................................................................... 71

5.1. MATLAB: lenguaje de programación para la automatización de cálculos ............... 71

5.2. Imágenes ARD: Landsat Analysis Ready Data ..................................................................... 72

5.3. Métodos de cálculo: evaluación y comparativa................................................................... 76

5.4. Método mejorado ............................................................................................................................ 86

5.4.1. Evaluación numérica ............................................................................................................ 87

5.4.2. Evaluación visual ................................................................................................................... 89

6. TEMISAT: Temperature from satellite image................................................................................ 97

6.1. Código de programación .............................................................................................................. 98

6.2. Interfaz gráfica.................................................................................................................................. 98

6.2.1. Ayuda del programa .......................................................................................................... 105

7. Conclusiones y perspectivas futuras .............................................................................................. 109

7.1. Conclusiones ................................................................................................................................... 109

7.2. Perspectivas futuras .................................................................................................................... 110

Referencias ......................................................................................................................................................... 113

ANEXO I. Propiedad intelectual TEMISAT ............................................................................................. 117

ANEXO II. Manual del usuario..................................................................................................................... 118

ANEXO III. Código fuente .............................................................................................................................. 139

Temisat.m ....................................................................................................................................................... 140

reflectancia.m ............................................................................................................................................... 173

radiancia.m .................................................................................................................................................... 174

Pvf.m ................................................................................................................................................................. 174