Abstract:
A caracterização da superfície de neve é indispensável para compreender a dinâmica da Criosfera na patagônia austral do Chile, e torna-se mais importante quando consideramos que esta é uma área de difícil acesso devido às condições geográficas e climáticas extremas. Através do processamento de imagens orbitais dos sensores TM e OLI/TIRS presentes nos satélites LANDSAT 5 e 8, respectivamente, e a sua posterior classificação através do algoritmo de Classificação Supervisionada de Máxima Verossimilhança (CSMV) e da aplicação de limiares sobre o Índice de Neve por Diferença Normalizada (NDSI), foram obtidas imagens binárias com as classes 1 (neve) e 0 (não-neve). Essas imagens foram vetorizadas e, então, calculadas as áreas correspondentes à superfície de neve em quilômetros-quadrados (2).Esses resultados foram analisados e relacionados com dados climáticos de reanálise para as variáveis meteorológicas de temperatura e precipitação e com os índices de anomalia climática Índice do Niño Oceânico (INO) e Índice da Oscilação Antártica(IOA), obtendo um padrão de comportamento climático para Cordilheira Darwin. Os resultados mostram uma tendência a diminuição da superfície de neve, entre maio de 1985 e junho de 2016. A variabilidade climática, devida a ocorrência do El Niño durante os últimos 31 anos, e a diminuição da influência da Oscilação Antártica sobre a região afetou diretamente a superfície de neve. Finalmente, a classificação por NDSI foi mais precisa na diferenciação entre neve e nuvens, enquanto que teve problemas no reconhecimento de superfícies de neve em áreas elevadas e expostas a radiação solar.
The characterization of snow surface is essential to understand the Cryosphere dynamics of Southern Patagonia Chile. It becomes more important when we consider that is an area of difficult access due to its geography and extreme climatic conditions. Through the processing of orbitals images from sensors TM and OLI/TIRS, present on LANDSAT 5 and 8, respectively, and their subsequent classification by an algorithm of Maximum Likelihood Supervised Classification (CSMV) and an application of the threshold to Normalized-Difference Snow Index (NDSI). For each category binary maps with classes 1 (snow) and 0 (not snow) were obtained. Imageswere vectorized and then areas corresponding to the snow cover, in square kilometers (2), were calculated. Results were analyzed and correlated to precipitation and temperature reanalysis climatic data variables and with Oceanic Niño Index (INO) and Antartic Oscilation Index (IOA) climatic anomaly indices. A pattern of climatic behavior for Darwin mountain range was obtained for this variables. The results indicate a snow surface decline over the study period (May 1985 to June 2016). The climatic variability due to the occurrence of El Niño during the last 31 Years, and the dwindling influence of the Antarctic Oscillation on the region affected directly the snow surface. Finally, the NDSI classification was more accurate in the differentiation between snow and clouds, while it had problems in the recognition of snow surfaces in elevated areas and exposed to solar radiation.
