6. Factores críticos que afectan a la calidad de los datos

Por qué no todas las imágenes satelitales son válidas

La calidad de los productos derivados de Observación de la Tierra depende de múltiples factores externos al sensor.
Incluso cuando una imagen está disponible, no siempre es adecuada para el análisis cuantitativo de la calidad del agua.

Este apartado describe los principales factores críticos que afectan a la calidad del dato, su impacto en los productos y en las herramientas disponibles para su evaluación y mitigación.


6.1 Nubosidad y condiciones atmosféricas

Descripción técnica

La presencia de nubes, incluidas nubes altas, finas o semitransparentes, puede:

  • Ocultar total o parcialmente la superficie del embalse.
  • Alterar la señal radiométrica registrada por el sensor.
  • Introducir sombras y gradientes artificiales.
  • Invalidar píxeles o reducir significativamente el área útil de análisis.

Aunque los productos satelitales incorporan máscaras automáticas de nubes, una nubosidad elevada:

  • reduce la continuidad temporal,
  • dificulta la comparación con datos in situ,
  • y aumenta la incertidumbre de los resultados.

Herramientas y recursos de interés

Modelos meteorológicos y predicción de nubosidad

  • GFS (Global Forecast System)
  • ECMWF (European Centre for Medium-Range Weather Forecasts)
  • WXCharts (visualización de nubosidad y modelos)

Herramientas operativas

  • Visores meteorológicos de predicción de nubosidad a corto plazo.
  • Previsualización de escenas Sentinel-2 antes de campañas de muestreo.
  • Máscaras de nubes y probabilidad de nube incluidas en productos satelitales.

Consejo

Evitar muestreos en días con nubosidad prevista mejora directamente la fiabilidad de los productos satelitales y la validez de la correlación satélite–campo.


6.2 Aerosoles atmosféricos y polvo sahariano

Descripción técnica

Los aerosoles atmosféricos, y en particular las intrusiones de polvo sahariano, afectan de forma significativa a la observación óptica:

  • Incrementan la dispersión de la radiación solar.
  • Afectan especialmente a las bandas del azul y verde.
  • Introducen errores en la estimación de:
  • clorofila-a,
  • turbidez,
  • sólidos en suspensión.
  • Pueden degradar la imagen incluso en ausencia de nubes visibles.

Estos episodios son frecuentes en el sur de la península ibérica y constituyen una de las principales fuentes de error en el análisis cuantitativo.

Efecto calima Sentinel-2 Escena de Sentinel-2 afectada por la calima

Escena limpia de Sentinel-2 Escena capturada por Sentinel-2 unos días después tras la remisión del episodio de calima


Herramientas y recursos de interés

Predicción y seguimiento de polvo sahariano

  • Barcelona Dust Regional Center (BSC-DREAM, SDS-WAS)
  • AEMET – productos de polvo mineral

Procesamiento y corrección

  • Algoritmos de corrección atmosférica con parametrización de aerosoles.
  • C2RCC (Case-2 Regional CoastColour), implementado en SNAP (ESA).

Consejo

No toda imagen “despejada” es válida: la calima puede inutilizar una imagen para análisis cuantitativo aunque no haya nubes visibles.


6.3 Reflexión especular (Sun Glint)

Descripción técnica

La reflexión especular, o sun glint, se produce cuando la superficie del agua actúa como un espejo y refleja directamente la radiación solar hacia el sensor.

Este fenómeno provoca:

  • Saturación de la señal radiométrica.
  • Pérdida de información espectral útil.
  • Distorsión de índices y algoritmos de calidad del agua.
  • Aparición de patrones artificiales en la imagen.

El sun glint es más frecuente:

  • En embalses con agua calmada.
  • En determinadas épocas del año (especialmente verano).
  • En configuraciones geométricas específicas sol–sensor.

Reflexión especular Imagen de AQUA MODIS al Sur de Creta afectada por la reflexión especular


Herramientas y recursos de interés

  • Análisis de la geometría de adquisición (ángulo solar y azimut).
  • Selección de fechas y órbitas con geometría favorable.
  • Evaluación visual de imágenes RGB para detectar brillo excesivo.
  • Algoritmos específicos de corrección de glint (cuando están disponibles).

Consejo

Aunque existen técnicas de corrección, la prevención mediante una buena planificación temporal es la estrategia más eficaz frente al sun glint.


6.4 Hora del día, viento y condiciones superficiales

Descripción técnica

La hora de adquisición de la imagen y las condiciones de viento influyen directamente en:

  • La rugosidad de la superficie del agua.
  • La distribución superficial del fitoplancton.
  • La homogeneidad espacial de la señal observada.
  • La comparabilidad entre datos satelitales y muestreos in situ.

Cambios rápidos en el viento pueden redistribuir floraciones o acumulaciones superficiales en pocas horas.


Buenas prácticas operativas

  • Realizar muestreos lo más cercanos posible a la pasada del satélite (±2 horas).
  • Evitar condiciones de viento fuerte o variable.
  • Priorizar situaciones atmosféricas estables.
  • Documentar siempre las condiciones meteorológicas durante el muestreo.

Herramientas y recursos de interés

  • Modelos meteorológicos horarios.
  • Estaciones meteorológicas locales.
  • Planificadores de pasadas satelitales:
  • Sentinel
  • Planet

Mensaje clave para la formación

La sincronización temporal entre satélite y muestreo es esencial para que los datos de campo validen correctamente la imagen satelital.


6.5 Implicaciones para el análisis automático

Los factores descritos tienen un impacto directo en el funcionamiento del procesamiento automático:

  • No todas las imágenes descargadas son aptas para el análisis.
  • Es necesario aplicar criterios de calidad previos.
  • Se generan huecos temporales en las series de datos.
  • Los resultados deben interpretarse siempre en su contexto ambiental.

Herramientas implementadas

El sistema incorpora:

  • Máscaras automáticas de exclusión (nubes, glint, píxeles no válidos).
  • Indicadores de calidad por píxel.
  • Filtrado temporal de valores anómalos.
  • Visualización de calidad y contexto en el WebGIS.

Estas herramientas permiten: - Reducir falsos positivos. - Aumentar la robustez del análisis. - Mejorar la fiabilidad de las alertas generadas.


6.6 Ideas clave del apartado

  • La calidad del dato condiciona todo el sistema.
  • No todas las imágenes satelitales son válidas para análisis cuantitativo.
  • Factores atmosféricos y superficiales introducen errores significativos.
  • Existen herramientas para evaluar y mitigar estos efectos.
  • La interpretación técnica y contextual es imprescindible.