La distribució de l’agricultura de secà i de regadiu a Catalunya: Una anàlisi a través de la teledetecció

La teledetecció (TD) amb imatges de satèl·lit ha adquirit en els darrers anys una gran rellevància com a tècnica aplicada a l’observació de la Terra (Wulder et al., 2008). Un dels motius ha estat la gran diversitat i quantitat d’imatges actualment disponibles, així com la posterior integració de les dades obtingudes en un sistema d’informació geogràfica (SIG). En conseqüència, el nombre de disciplines que empren i desenvolupen dades de TD i SIG, com la geologia, les enginyeries forestals i agrònomes, la biologia o la geografia, han incrementat significativament.

Un exemple d’aplicació de la TD el constitueix la discriminació de les cobertes del sòl en funció del grau d’humitat que presenten, informació que pot ser d’una gran utilitat tenint en compte la dificultat per obtenir-la amb mètodes més clàssics, com el treball de camp o la interpretació visual de la fotografia aèria. En aquest treball es presenta la metodologia emprada per obtenir el mapa de la distribució de l’agricultura de secà i de regadiu de Catalunya a través d’imatges de satèl·lit, desenvolupada des del Departament de Geografia de la Universitat Autònoma de Barcelona per al Servei d’Ajuts al Sector Agrícola del Departament d’Agricultura, Alimentació i Acció Rural (DAAR) de la Generalitat de Catalunya. Més concretament, l’objectiu és informar el Sistema d’Informació Geogràfica de Parcel·les Agrícoles (SIGPAC) (DAAR, 2009) del Servei d’Ajuts de quins recintes¹ es troben irrigats amb aigua superficial o subterrània. Aquesta informació serveix per contrastar-la amb les sol·licituds de canvi de secà a regadiu dels agricultors de Catalunya.

Així, doncs, aquest article és un exemple d’aplicació de la TD amb imatges de satèl·lit a la gestió agrícola de Catalunya, els resultats del qual permeten realitzar un considerable estalvi de temps en el treball de camp de comprovació per part dels tècnics del DAAR. Com s’explicarà, la gran aportació de la TD, en aquest cas, és la resolució temporal, és a dir, l’obtenció d’imatges de diferents dates d’un mateix any. En el cas de les imatges que s’empren en aquest treball, tal com es detalla més endavant, la seva repetitivitat és de setze dies, fet que permet copsar com evolucionen els conreus de regadiu al llarg dels mesos. En el treball s’analitzen els mapes de tres anys (2005, 2007 i 2008), la qual cosa permet, en conseqüència, observar l’evolució de la metodologia emprada, amb els seus problemes i les possibles millores, algunes d’elles aplicables en el futur.

1. Materials i mètodes

1.1. Àrea d’estudi
L’àrea d’estudi correspon a Catalunya, localitzada al nord-est de la Península Ibèrica, amb una superfície total de 32 106.5 km² i amb una densitat de població el 2006 de 221 habitants per km². Segons el SIGPAC, Catalunya conté 1 420 393 recintes agrícoles que corresponen a 902 056 ha.

1.2. Dades
Tal com s’ha esmentat anteriorment, els mapes de distribució dels conreus de secà i de regadiu s’han realitzat per tres anys diferents: 2005, 2007 i 2008. Les imatges emprades per a la seva obtenció han estat les corresponents al satèl·lit nord-americà Landsat. La sèrie Landsat és, des del seu primer llançament el 1972, una de les plataformes més emprades en TD terrestre (Wulder et al., 2008). És un satèl·lit d’òrbita heliosíncrona quasi polar, que orbita, en les versions més recents de la sèrie, a una altitud nominal de 705 km sobre la superficie de la Terra, amb un swath d’uns 183 km d’amplada i un període de revisita de setze dies.

L’adquisició de les imatges s’ha realitzat a través de subscripcions anuals, iniciades el gener de l’any 2002 i actives fins a l’actualitat, arrel del conveni signat amb l’Agència Catalana de l’Aigua per al seguiment de la despesa d’aigua en els conreus de Catalunya (Pons et al., 2005). L’adquisició de les imatges és gestionada per l’Instituto Nacional de Técnica Aeroespacial (INTA), organisme públic dependent del Ministerio de Defensa espanyol. Gràcies a l’opció de finestra flotant, amb tres escenes s’aconsegueix abastar tot Catalunya. Les òrbites i files Landsat corresponen al path/row següents: 197-31 (que inclou gran part de les demarcacions de Girona i de Barcelona), 198-31 (que inclou sobretot Lleida) i 198-32 (que inclou sobretot Tarragona). Cal dir que totes les imatges emprades en aquest treball corresponen al sensor Thematic Mapper (TM) de Landsat-5, llançat el gener de 1984. Aquest sensor es caracteritza per captar dades en set canals o bandes espectrals, tres en la regió espectral visible (de 0,45 a 0,69 µm), tres en l’infraroig (de 0,76 a 2,35 µm) i un canal tèrmic (de 10,4 a 12,5 µm). La mida de píxel nominal dels primers sis canals és de 30 m x 30 m, mentre que la del canal tèrmic és de 120 m x 120 m (aquest canal, però, no ha estat emprat en aquest treball).

Com que l’objectiu primordial del treball era la diferenciació de les zones irrigades de les no irrigades, les imatges escollides van ser les disponibles entre els mesos de maig i setembre, època en què els conreus són normalment irrigats. La limitació més important en l’ús de les imatges obtingudes amb mètodes passius, com les nostres, és la presència de núvols, conjuntament amb les seves ombres, ja que eviten l’observació satisfactòria de les cobertes del sòl. Per aquest motiu, s’escolliren, per a cada any, aquelles imatges amb menys presència de núvols. Cal dir en aquest sentit, que trobar imatges totalment lliures de núvols per a tot Catalunya és molt difícil, essent la situació més comuna disposar d’imatges amb algunes zones cobertes de núvols i altres no.

Inicialment, les imatges amb una presència de núvols superior al 50% del territori català varen ser rebutjades. Les imatges emprades per a l’any 2005 varen ser les de les següents dates: 28 de maig (òrbita 197), 20 de juny (òrbita 198), 29 de juny (òrbita 197), 6 de juliol (òrbita 198) i 15 de juliol (òrbita 197). Les imatges corresponents al 2007 varen ser del: 5 de juliol (òrbita 197), 26 de juny (òrbita 198), 12 de juliol (òrbita 198), 28 de juliol (òrbita 198), 13 d’agost (òrbita 198) i 7 de setembre (òrbita 197). Finalment, en el cas de les imatges del 2008, es varen fusionar les imatges de dates correlatives que presentaven núvols però en zones diferenciades. Aquest fet va permetre no rebutjar aquelles imatges que es poguessin complementar amb les següents. Aquestes varen ser del: 12 de juny fusionada amb 28 de juny (òrbita 198), 21 de juny (òrbita 197), 23 de juliol (òrbita 197), 30 de juliol (òrbita 198), 8 d’agost fusionada amb 24 d’agost (òrbita 197) i 15 d’agost (198).

1.3. Metodologia
1.3.1. Correcció geomètrica i radiomètrica
El primer pas va ser aplicar una correcció geomètrica de les imatges per tal d’eliminar les distorsions provocades pel moviment del satèl·lit, per la rotació i curvatura terrestre, pel relleu, etc., així com per tenir georeferenciades totes les imatges a un mateix sistema de referència geogràfic. Per saber el desplaçament de posició de les imatges respecte a una font veritat-terreny s’empra l’error quadràtic mitjà (RMS) o desviació estàndard dels errors en x i y (Palà i Pons, 1995) normalment obtinguts, com en el nostre cas, a través de punts de control independents. Tots els valors RMS obtinguts estaven per sota de la mida d’un píxel nominal (30 m x 30 m). Les imatges corregides es varen remostrejar a 20 m x 20 m, ja que en treballs previs es va copsar la seva idoneïtat (Cristóbal et al., 2004). Aquest fet comporta que els mapes finals mosaicats per a tota Catalunya tinguin 13361 columnes i 12962 files.

Posteriorment, les imatges també varen ser corregides radiomètricament mitjançant el mètode de Pons i Solé-Sugrañes (1994), amb l’objectiu de disposar d’uns valors propers als que s’obtindrien en el cas d’una recepció perfecta, expressats en reflectàncies, després d’eliminar els efectes atmosfèrics i els d’il•luminació solar diferencial.

1.3.2. Extracció de núvols
Tal com s’ha esmentat anteriorment, un dels problemes més habituals de les imatges provinents de TD passiva és la presència de núvols i ombres. Existeixen diferents mètodes per a l’extracció de núvols d’una forma automàtica, essent, però, un dels més emprats l’establert per Irish (2000) ja que està pensat específicament per a imatges Landsat. La idea general és que a través de diversos filtres, emprant valors llindars, la majoria de núvols són discriminats i, per tant, poden ser eliminats. De totes maneres, donada la gran i diversa tipologia de núvols que poden aparèixer en una imatge (núvols molt compactes, poc compactes, boirines, etc.) els processos totalment automatitzats no funcionen al cent per cent, amb la qual cosa una discriminació final supervisada per una persona experta és requerida (Cea et al., 2005).

1.3.3. Obtenció de l’índex d’humitat
Per a la distinció entre secà i regadiu s’ha emprat una transformació de les imatges originals, coneguda com a Tasseled Cap (TC), ja que ha donat molt bons resultats per a la discriminació de les cobertes més humides i de les més seques (Serra i Pons, 2008). L’origen d’aquest índex prové dels treballs de Kauth i Thomas (1976), els quals van proposar aquesta transforrmació, que usava les combinacions lineals de les quatre bandes del sensor MSS de Landsat per a produir tres índexs anomenats: brillantor (soil brightness index, SBI), verdor (green vegetative index, GVI) i grogor (yellow stuff vegetation index, YVI). D’una imatge MSS varen seleccionar els grups de píxels identificats com a sòl i uns altres identificats com a vegetació i varen calcular, pel procés d’ortogonalització de Gram-Schmidt, els vectors propis que formarien els coeficients dels índexs. A diferència de l’anàlisi de components principals (ACP) aquestes noves bandes tenen un significat físic concret: l’SBI recull els canvis en la reflectivitat total de l’escena, el GVI indica el contrast entre les bandes visibles i l’YVI es relaciona amb la quantitat d’aigua de la vegetació i del sòl. Posteriorment, Crist i Cicone (1984) varen aplicar una anàlisi semblant però amb imatges del sensor Thematic Mapper de Landsat. En aquella nova conversió, els esmentats autors varen introduir un nou índex: el d’humitat (wetness index, WI). La informació que proporciona el WI és, bàsicament, l’estat d’humitat de les cobertes del sòl. A diferència d’altres índexs, com el Normalized Difference Moisture Index (NDMI) que s’obté a partir dels canals infraroig proper i infraroig mitjà (Jin and Sader, 2005), per a l’obtenció del Wi s’empren totes les bandes des del blau fins a l’infraroig mitjà, a través de la multiplicació per a cada banda dels coeficients esmentats.

La metodologia emprada per a la diferenciació de les zones irrigades de les no irrigades consisteix, un cop obtingut el WI, a aplicar uns valors llindar que diferenciïn el comportament de les cobertes. El criteri emprat és fruit de l’experiència obtinguda en diversos treballs de classificació de cobertes agrícoles (Serra i Pons, 2008). La llegenda emprada per als tres anys ha estat la següent: zones seques (amb els valors WI més baixos), mig seques/mig humides (amb valors mitjanament baixos), humides (amb valors mitjanament alts) i zones d’aigua i/o neus (amb els valors més alts). Un cop reclassificats els valors de cada WI de cada imatge, el següent pas consisteix a ajuntar la informació de tots ells amb l’objectiu d’etiquetar cada píxel segons la llegenda establerta anteriorment. Aquest fet comporta que pugui aparèixer un elevat nombre de categories fruit de totes les possibles combinacions, per la qual cosa cal analitzar una per una totes elles i reclassificar-les en les cinc categories finals esmentades.

Els casos més clars corresponen a aquells píxels l’etiqueta dels quals no varia al llarg de les dates disponibles; per exemple, que estigués etiquetat com a sec en totes elles, donant lloc a l’etiqueta de sec. El mateix podia passar en el cas de tenir tots els valors etiquetats com a zones d’aigua o com a zones humides. Els casos més problemàtics corresponen als que tenen una dinàmica força diferent, com podria ser aparèixer inicialment com a sec i en d’altres dates com a humit. En aquests casos es va optar per incloure’ls a la classe mig sec/mig humit.

1.3.4. L’aportació del radar meteorològic
Fruit de l’experiència acumulada en el mapa de l’any 2005, en els mapes dels anys 2007 i 2008 es va copsar la necessitat d’intentar conèixer si l’origen de la humitat de les cobertes del sòl provenia de la irrigació o de la precipitació. Aquest fet comportava la necessitat d’esbrinar si havia plogut en el moment de la presa de la imatge, o en els dies immediatament anteriors, ja que això podia comportar incrementar la humitat de les cobertes però no per irrigació. En altres paraules, la possible precipitació equivalia a sobreestimar la irrigació i, en conseqüència, que el mapa de regadiu estigués sobreestimat. Una possible font era la interpolació de les dades puntuals de la precipitació de les estacions meteorològiques de Catalunya (Ninyerola et al., 2000) i l’altre, emprar dades del radar meteorològic provinents del Servei Meteorològic de Catalunya (SMC). Després de diverses proves, es va estimar més oportú emprar el radar meteorològic del SMC donat que les dades estan en format ràster, amb una mida de píxel d’1 km * 1 km i la informació que proporciona són els mil·límetres de precipitació acumulats en un dia. A continuació, es va decidir considerar la precipitació acumulada set dies abans de la presa de les imatges. La figura 1 mostra un exemple del sumatori corresponent al període entre el 28 de juny i el 5 de juliol de 2007. Com s’observa, en aquest període la major part de la precipitació es produí en els Pirineus orientals, amb valors màxims acumulats al voltant de 32 mm, i en la zona de Tarragona, amb valors de 42 mm. Cal dir, però, que aquesta informació només s’ha tingut en compte de forma qualitativa a l’hora d’establir els valors llindars d’humitat, és a dir, en aquest cas com que la imatge del 6 de juliol corresponia a la zona de Tarragona, es va rebaixar una mica el valor llindar per considerar que un píxel estava humit.

Figura 1. Exemple de sumatori de precipitació (en mm) entre el 28 de juny i el 5 de juliol de 2007, segons les observacions del radar meteorològic del SMC. Font: Servei Metereològic de Catalunya.

2. Resultats

La figura 2 mostra el resultat final, després de mosaicar els dos mapes resultants de les òrbites 197 (Girona i Barcelona) i 198 (Lleida i Tarragona) per cobrir tot Catalunya amb un sol mapa, per a l’any 2005. Les zones ocupades per núvols en la majoria de les imatges (per exemple, si en un any on hi havia disponible quatre imatges i en tres d’elles hi havia núvols) s’han deixat sense etiquetar, ja que es va considerar que no hi havia prou informació. En aquell any aquestes zones eren, principalment, les de l’Alt Empordà, de color blanc en l’esmentat mapa final. D’altra banda, com es pot observar, els resultats mostren les zones agrícoles irrigades més actives de Catalunya com són el Delta del Llobregat, les comarques al voltant del Segrià i els regadius de l’Empordà. Un posterior tractament a través de tècniques SIG permet individualitzar aquestes zones més actives per comparar-les amb els recintes SIGPAC i les corresponents declaracions. Com que aquesta tasca ha estat realitzada pel DAAR, el mapa també mostra l’estat de la humitat de la resta de les cobertes del sòl de Catalunya. En relació a les zones forestals, el mapa mostra la majoria de les masses forestals dels Pirineus, Pre-Pirineu, Serralada Litoral i Pre-Litoral, entre d’altres. L’anàlisi de les cobertes forestals, però, queda fora de l’objectiu d’aquest estudi. Cal esmentar, però, que segons Crist et al. (1986) la humitat discriminada pel WI en les esmentades cobertes pot estar sobreestimada per l’efecte de les ombres, força més importants en la majoria dels casos que en les cobertes agrícoles. Finalment, cal destacar la clara discriminació de la coberta nival de l’any 2005 i de la majoria d’embassaments i llacs de Catalunya.

Figura 2. Mapa de la distribució de l’agricultura de secà i de regadiu de Catalunya per a l’any 2005. Font: Elaboració pròpia a partir d’imatges Landsat.

Una anàlisi més detallada, permet copsar el cas de les comarques al voltant del Segrià, on es dibuixa perfectament la zona irrigada. La figura 3 permet observar els recintes irrigats (dins de les categories humit i mig sec/humit) amb el canal d’Urgell, Pinyana, etc., clarament diferenciats de les zones de secà així com les cobertes d’aigua corresponents als pantans de Santa Anna, Camarasa o el de Canelles, entre d’altres.

Figura 3. Detall de la zona del Segrià, segons el mapa del 2008. Font: Elaboració pròpia a partir d’imatges Landsat.

A més de la informació esmentada, els mapes també permeten observar altres aspectes com és el cas de l’evolució de la sequera a Catalunya. Com és sabut, el 3 d’abril de 2007 la Generalitat de Catalunya va promulgar el Decret de Sequera (revocat el 13 de gener de 2009) davant la manca d’aigua de les conques internes de Catalunya. L’evolució de manca d’aigua és remarcable en el cas del pantà de Boadella tal com mostra la figura 4: s’observa com el 2005 els límits oficials del pantà apareixen força semblants als discriminats per l’índex d’humitat (color blau) mentre que a l’any 2007 ja apareixen marges força secs (de color taronja) arribant al 2008 al nivell més baix a causa de l’increment dels marges secs. La figura 4 també permet copsar l’aportació del radar meteorològic en els anys 2007 i 2008 ja que les zones humides al voltant del pantà (de color verd intens), majoritàriament cobertes forestals, apareixen més intenses que en el cas del 2005. Aquest fet és conseqüència dels valors llindar aplicats al primer any, on possiblement les zones humides quedaren subestimades, essent força diferents dels aplicats als anys posteriors.

Figura 4. Evolució de la humitat del pantà de Boadella, segons els mapes del 2005, 2007 i 2008, respectivament. Font: elaboració pròpia a partir d’imatges Landsat.

3. Conclusions

La metodologia emprada en aquest treball permet obtenir uns mapes de la distribució de l’agricultura de secà i de regadiu de Catalunya. La seva fiabilitat no ha estat quantificada, però, tal com s’ha mostrat, es considera d’elevada coherència, visible en zones ocupades per embassaments, per neus o per zones agrícoles conegudes per la seva irrigació.

Els resultats també han permès observar les millores metodològiques, com la incorporació del radar meteorològic, la fusió d’imatges amb força núvols per no perdre imatges o la millora en l’adopció dels valors llindar, entre d’altres. Malgrat aquest fet, però, queden força aspectes a millorar en el futur com la reducció de l’efecte de la precipitació en el WI des d’una perspectiva quantitativa o la millora del mètode de reclassificació de les categories (sec, mig sec/humit, etc.) a través de la seva automatització ja que la reclassificació manual és massa lenta i feixuga. Finalment, esmentar que la futura posada en marxa del Canal Segarra-Garrigues, l’any vinent, permetrà dur previsiblement a la pràctica les esmentades millores.

Referències

Cea, C.; Cristóbal, J.; Serra, P. y Pons, X. (2005) “Mejoras en la detección semiautomática de nubes y sombras en imágenes Landsat”, in Arbelo, M., González, A., Pérez, J.C. (eds.), XI Congreso Nacional de Teledetección, Tenerife, 359-362.

Crist, E. P.; Laurin, R. and Cicone, R. C. (1986) “Vegetation and soils information contained in transformed Thematic Mapper data”, in Proceedings of IGARSS’ 86 Symposium. Paris, European Space Agency (Ref. ESA SP-254), 1465-70.

Crist, E.P. and Cicone, R.C. (1984) “Application of the Tasseled Cap concept to simulated TM data”, Photogrammetric Engineering of Remote Sensing, 50, 343-352.

Cristóbal, J.; Pons, X. y Serra, P. (2004) “Sobre el uso operativo de Landsat-7 ETM+ en Europa”, Revista de Teledetección, 21, 55-59.

Departament d’Agricultura, Alimentació i Acció Rural (DAAR) (2009) Informació general del SIGPAC. URL: http://www20.gencat.cat/portal/site/DAR, DAAR, Barcelona (darrer accés novembre de 2009).

Irish, R. (2000) “Landsat 7 Automatic Cloud Cover Assessment. Algorithms for Multispectral, Hyperspectral, and Ultraspectral Imagery”, SPIE, Vol. 4049.

Jin, S. and Sader, S.A. (2005) “Comparison of time series tasseled cap wetness and the normalized difference moisture index in detecting forest disturbances”, Remote Sensing of Environment, 94, 364-372.

Kauth, R.J. and Thomas, G.S. (1976) “The tasselled cap -a graphic description of the spectral-temporal development of agricultural crops as seen by Landsat”, in LARS Proceedings of the Symposium on Machine Processing of Remotely Sensed Data. West Lafayette, Purdue University Press, 4B-41-4B-51.

Ninyerola, M.; Pons, X. and Roure, J.M. (2000) “A methodological approach of climatological modelling of temperature and precipitation trough GIS”, International Journal of Climatology, 20, 1823-1841.

Palà, V. and Pons, X. (1995) “Incorporation of relief in polynomial-based geometric corrections”, Photogrammetric Engineering and Remote Sensing, 61, 935-944.

Pons, X. and Solé-Sugrañes, Ll. (1994) “A simple radiometric correction model to improve automatic mapping of vegetation from multispectral satellite data”, Remote Sensing of Environment, 48, 191-204.

Pons, X.; Serra, P.; Cristóbal, J.; Pla, M. y Monterde, M. (2005) “Integración masiva de imágenes de Teledetección en la gestión de los recursos hídricos de Cataluña”, in 6ª Setmana Geomàtica, 8-11 de febrer de 2005, Barcelona, Institut de Geomàtica.

Serra, P. and Pons, X. (2008) “Monitoring farmers’ decisions on Mediterranean irrigated crops using satellite image time series”, International Journal of Remote Sensing, 29, 2293-2316.

Wulder, M.A.; White, J.C.; Goward, S.N.; Masek, J.G.; Irons, J.R.; Herold, M.; Cohen, W.B.; Loveland, T.R. and Woodcock, C.E. (2008) “Landsat continuity: issues and opportunities for land cover monitoring”, Remote Sensing of Environment, 112, 955-969.

Agraïments

Els autors volen agrair a Valentí Marco, Albert Domingo, Daniel Farré i Cristina Calvo del DAAR, així com a l’Agència Catalana de l’Aigua, tot el suport rebut.

Nota

1. El SIGPAC defineix com a recintes les superfícies contínues del terreny dins una parcel·la amb un ús agrícola únic.