| | Ejercicio 3
Contaminación atmosférica en el valle de Katmandú caso practico Hoja de trabajo, ejercicio 3. Este ejercicio esta dividido en dos partes y se requiere el uso de LEOWorks.
Parte 1
Tal vez hayas notado que en días de elevada contaminación atmosférica el aire es menos transparente. Como quizá ya sepas, ese fenómeno se denomina smog o niebla tóxica. Reduce la visibilidad, es decir, no se puede ver muy lejos. En días así, las colinas cercanas que se ven en días claros son difíciles de divisar o desaparecen por completo. De hecho, la visibilidad horizontal es también un buen indicador del grado de polución ambiental.
Para medir la 'densidad' de la atmósfera analizamos imágenes captadas por el satélite ENVISAT. En una prueba comparamos los datos del espacio con las mediciones científicas realizadas en tierra (las mediciones PM10 de las estaciones de control). Te invitamos a que practiques la ciencia de verdad, ¡puedes hacerlo!
Damos por hecho que las mediciones del satélite son representativas de una superficie determinada en torno a la estación y también que la polución del aire influye en la transparencia de la atmósfera. Cada píxel de la imagen del satélite corresponde a una superficie de 300 m x 300 m.
La ventaja de emplear datos de satélite es que se captan con distintos colores, incluido el infrarrojo, que no son visibles para nosotros. Los diferentes colores interactúan de manera distinta en la atmósfera; en general, el azul se ve más afectado que el rojo por la neblina, la bruma o la niebla tóxica. ¿Podrías explicar la razón? Pregunta a tu profesor de Física.
A continuación hallarás tres conjuntos de datos. Cada uno contiene cinco bandas: la banda 1 se mide en la gama de azul, la banda 2 en la de verde, la banda 3 en la de amarillo, la banda 4 en la de rojo y la banda 5 en la de infrarrojo. La pregunta científica es: ¿Se puede utilizar alguna de esas bandas para representar el grado de contaminación PM10? Es decir, tratamos de hallar la correlación entre las mediciones en tierra y las distintas bandas.
Descarga y guarda las imágenes del MERIS del valle de Katmandú.
- 4 de noviembre de 2003: de banda 1 a banda 5
- 7 de noviembre de 2003: de banda 1 a banda 5
- 22 de diciembre de 2003: de banda 1 a banda 5
Todas las imágenes son georreferenciadas. Los parámetros son
Proyección: Lat./Long. geográficas (WGS 84).
Descarga y guarda el archivo Shapefile “PM10_monitoring_stations” del valle de Katmandú, con estaciones en Thamel, Putalisadak, T.U. Kirtipur, Bhaktapur, Matsyagaon y el Patan Hospital.
|  | Tabla de datos de tierra PM10. | |
Open Abre la Fig. 11, tabla de los datos de tierra PM10 en las fechas anteriores.
En LEOWorks, abre la imagen del 4 de noviembre '03 image Band 1r'. Utiliza Enhance>Interactive Stretching (aplica sólo una moderada mejora del contraste). Ahora carga el archivo GIS 'P10_monitoring_station'. En la ventana de selección del método de transformación, Select the Transformation Method, selecciona Arbitrary (arbitrario) y Map Based (basado en mapa). En la imagen aparecen las seis estaciones de control.
En GIS Tool abre Tools>Information y haz clic en Point 2 para ver el nombre de la estación (Putalisadak) y las mediciones basadas en tierra de los tres días (4 Nov, 7 Nov, y 22 Dec 2003). ). El punto se resalta en la imagen.
Haz clic y abre View>Cursor Position/Value. Pasa el cursor sobre el punto, lentamente y con cuidado, y lee el valor de píxel medido por el satélite como “Original data”, por ej., 61 en Putalisadak 4 de Nov. Banda 1. Notarás que en las tablas y gráficos siguientes el mismo número aparece como 61,35. En realidad, tuvimos que reducir la cantidad de datos y, por lo tanto, truncamos los decimales.
1. Ahora, crea una tabla en Microsoft Excel y consigna los datos PM10 y el número digital (valor DN) correspondientes. Con la ayuda de los gráficos que debes generar, estudia la relación entre los valores DN y las bandas, y la relación entre los valores DN y PM10. Observa el ejemplo siguiente.
2. Repite el proceso anterior con todas las imágenes y bandas.
| |
