Índice de Estrés Evaporativo (ESI)

• Revelar dónde la vegetación está estresada debido a la falta de agua, lo que permite un monitoreo y / o pronósticos de sequía más precisos.
• Observar  “sequías repentinas” en rápido desarrollo, ya que el estrés de la vegetación en desarrollo es evidente en la temperatura de la superficie terrestre – utilizada en el ESI – antes de que el estrés muestre una señal, por ejemplo, en  índices de vegetación estimados con datos satelitales (NDVI, EVI).
• Brindar  información útil a los agricultores, asesores técnicos y extensionistas agrícolas para tomar decisiones informadas durante períodos de sequía (por. ej., la programación del riego).
• Ayudar a gobiernos nacionales o locales y al sector agrícola a implementar medidas de mitigación o reducción de los impactos de las sequías.

Ventajas del ESI

Aunque muchos indicadores de sequía basados en la precipitación o en las condiciones atmosféricas capturan la sequía meteorológica, el ESI es uno de los pocos indicadores de sequía agrícola que revela las condiciones reales de estrés de la vegetación en el suelo.

Como indicador  de la ET real, el ESI no requiere información sobre la precipitación previa o la capacidad de almacenamiento de de agua en el suelo; en cambio, la humedad actual disponible para la vegetación se deduce directamente de la temperatura de la superficie terrestre estimada a partir de datos satelitales. 

El ESI describe la humedad del suelo en todo el paisaje sin utilizar datos de lluvia observados. Esto es fundamental para regiones en desarrollo u otras partes del mundo que carecen de suficientes observaciones terrestres de las precipitaciones. Al no utilizar datos de lluvias, el ESI es útil para estudiar cómo los cultivos responden al riego.

El ESI es especialmente útil para predecir un fenómeno llamado «sequías repentinas» (o «flash droughts»). A diferencia de las sequías típicas que pueden tardar meses o años en desarrollarse, las sequías repentinas ocurren mucho más repentinamente y pueden dañar los cultivos en cuestión de semanas, mucho antes de que el estrés cause signos visibles de daño. Las «sequías repentinas» generalmente son provocadas por períodos prolongados de condiciones cálidas, secas y ventosas que agotan rápidamente  la humedad del suelo.

Descripción del Índice

El Índice de Estrés Evaporativo (ESI) describe anomalías temporales en el cociente entre evapotranspiración real (ET) y evapotranspiración potencial (ETR). Es decir, el índice identifica áreas con tasas anormalmente altas o bajas de consumo de agua. De esta forma, el ESI identifica regiones donde la vegetación potencialmente está sufriendo estrés por falta de agua.

El ESI se basa en observaciones satelitales de la temperatura de la superficie terrestre (TST). La TST es una variable que proporciona información indirecta con respecto a la humedad de la porción superficial del suelo que esté cambiando rápidamente.  La TST es una variable que responde velozmente y permite derivar informacion con alta resolución espacial sobre cambios rápidos en la humedad superficial del suelo. La TST también provee información indirecta sobre las condiciones de estrés de la vegetación: la vegetación saludable y que tiene acceso a un suministro adecuado de agua en el suelo generalmente se calienta a un ritmo mucho más lento que la vegetación seca y/o estresada.

 El ESI utiliza la TST para estimar la pérdida de agua debido a la evapotranspiración (ET), es decir, la pérdida de agua (a) a través de la evaporación del suelo y la superficie de las plantas y (b) a través de la transpiración a través de las hojas de las plantas. La evapotranspiración real del complejo suelo/planta (ET) se estima mediante un balance de energía (Atmosphere-Land Exchange Inverse, o ALEXI) que se basa en cambios en el tiempo de la TST, detectados de forma remota mediante sensores satelitales. Según las variaciones en la TST, el ESI indica cómo se compara la tasa actual de ET con las condiciones normales.

Los mapas disponibles en esta página incluyen:

• Valores del Índice de Estrés Evaporativo (ESI). Los valores se muestran para cada semana y para dos escalas temporales (4 o 12 semanas).
• Percentiles de la distribución histórica de ESI para la semana y escala temporal (4 o 12 semanas) seleccionadas en el menú.

Cálculo de anomalías estandarizadas de fETP

La primera parte del procesamiento – que se lleva a cabo por NASA – es el cálculo de las anomalías estandarizadas de fETP. Este paso se describe brevemente aquí, pero se puede obtener más detalles en el catálogo de datos del Proyecto SERVIR de NASA que genera el producto inicial.

Los valores del ESI se derivan a partir de imágenes de satélite en el infrarrojo térmico (TIR) capturadas por el sensor  MODIS a bordo de los satelites Terra y Aqua operados por la NASA de los Estados Unidos. Una limitación del uso del infrarrojo térmico es la imposibilidad de estimar la temperatura de la superficie terrestre – y, en consecuencia, la fracción fETP – cuando la superficie está cubierta por nubes. Para eliminar la presencia de nubes, se producen «mosaicos» acumulando datos de fETP para ventanas móviles de dos escalas temporales: 4 y 12 semanas. Las ventanas móviles se desplazan a intervalos de 7 días. 

Los mosaicos de fETP se generan para ventanas móviles de 4 y 12 semanas de ancho que se desplazan a intervalos de 7 días. De esta forma, se producen 52 “mosaicos” por año para cada escala temporal. Por ejemplo, el primer mosaico de cada año siempre tiene fecha 8 de enero. Para una ventana de 4 semanas, este mosaico incluye datos entre el 11 de diciembre del año anterior y el 8 de enero. En cambio, para una ventana temporal de 12 semanas, el mosaico correspondiente a la primera semana de un año incluye datos desde el 16 de octubre del año anterior al 8 de enero.

Las anomalías estandarizadas de fETP se calculan para cada uno de los 52 mosaicos del año y las dos escalas temporales consideradas (4 y 12 semanas). Por ejemplo, para calcular anomalías para el primer mosaico del año, se usan todos los datos disponibles dentro del período de composición asociado a ese mosaico (11 de diciembre al 8 de enero para la escala de 4 semanas) que estén dentro del período de referencia 2000-2017. Para cada punto de grilla, se calculan primero la media y la desviación estándar de todos los valores de fETP. A continuación, para cada mosaico y punto de grilla en la base de datos completa (es decir, incluyendo datos fuera del período de referencia 2000-2017) al valor de fETP se le resta la media calculada antes y se divide por la desviación estándar. De esta forma, se obtienen las anomalías estandarizadas de fETP, el valor del ESI para cada punto de grilla en un mosaico/año.

Estimación de percentiles

El siguiente paso es la estimación de los percentiles correspondientes a los valores de ESI para cada punto de grilla, cada mosaico/año y cada escala temporal considerada. Para cada punto de grilla, se acumula la serie completa de valores de ESI dentro de un período de referencia 2002-2019 (Nota: este período de referencia no es el mismo utilizado para el cálculo del ESI descrito arriba). Este paso resulta en un conjunto de series temporales de ESI para cada punto de grilla, mosaico/año, y escala temporal (4 o 12 semanas). Como los valores del ESI para todos los mosaicos del año ya están estandarizados (tienen una media alrededor de 0 y una desviación estándar de 1), no es necesario eliminar efectos estacionales en la tendencia central o dispersión del ESI.

A continuación, para cada serie de valores de ESI descrita en el paso anterior, se ajusta una distribución de probabilidad empirica utilizando un método no paramétrico basado en logsplines (ver Charles Kooperberg y Charles J. Stone, Logspline density estimation for censored data, 1992, Journal of Computational and Graphical Statistics, 1, 301–328). Para el ajuste se utiliza el paquete logspline en lenguaje R. La distribución ajustada para el periodo de referencia (2002-2019) se archiva para poder usarla posteriormente para estimar percentiles para datos posteriores a 2019. Los mapas de percentiles para cada mosaico/año y escala temporal se pueden visualizar seleccionando “Percentiles” en el menú interactivo.

Se puede encontrar más información sobre el ESI  en las publicaciones listadas a continuación.

Anderson, M. C., C. Hain, J. Otkin, X. Zhan, K. Mo, M. Svoboda, B. Wardlow, y A. Pimstein (2013), An Intercomparison of Drought Indicators Based on Thermal Remote Sensing and NLDAS-2 Simulations with U.S. Drought Monitor Classifications, Journal of Hydrometeorology, 14(4), 1035-1056, doi:10.1175/jhm-d-12-0140.1.

Anderson, M. C., C. Hain, B. Wardlow, A. Pimstein, J. R. Mecikalski, y W. P. Kustas (2011), Evaluation of Drought Indices Based on Thermal Remote Sensing of Evapotranspiration over the Continental United States, Journal of Climate, 24(8), 2025-2044, doi:doi:10.1175/2010JCLI3812.1.

Anderson, M. C., C. A. Zolin, C. R. Hain, K. Semmens, M. Tugrul Yilmaz, y F. Gao (2015), Comparison of satellite-derived LAI and precipitation anomalies over Brazil with a thermal infrared-based Evaporative Stress Index for 2003–2013, Journal of Hydrology, 526, 287-302, doi:http://dx.doi.org/10.1016/j.jhydrol.2015.01.005.

Anderson, M. C., C. A. Zolin, P. C. Sentelhas, C. R. Hain, K. Semmens, M. Tugrul Yilmaz, F. Gao, J. A. Otkin, y R. Tetrault (2016), The Evaporative Stress Index as an indicator of agricultural drought in Brazil: An assessment based on crop yield impacts, Remote Sensing of Environment, 174, 82-99, doi:http://dx.doi.org/10.1016/j.rse.2015.11.034.

Hain, C. R., y M. C. Anderson (2017), Estimating morning change in land surface temperature from MODIS day/night observations: Applications for surface energy balance modeling, Geophysical Research Letters, 44(19), 9723-9733, doi:10.1002/2017gl074952.

Autores del ESI

El ESI fue desarrollado como una colaboración entre Christopher Hain (NASA Marshall Space Flight Center), Martha Anderson (USDA Agricultural Research Service) y las universidades de Wisconsin, Nebraska-Lincoln y Maryland en los Estados Unidos. El Proyecto ESI es financiado por el Programa de Ciencia Aplicada/Recursos Hídricos de la Administración Nacional de Aeronáutica y del Espacio (NASA).

El programa SERVIR

Los datos del ESI utilizados por el SISSA para producir los mapas y diagnósticos en esta sección son producidos y diseminados por el Proyecto SERVIR. SERVIR es un desarrollo conjunto de NASA y la Agencia de los Estados Unidos para el Desarrollo Internacional (USAID).

El Proyecto SERVIR trabaja en asociación con organizaciones regionales líderes en todo el mundo para ayudar a los países en desarrollo a utilizar la información satelital y tecnologías geoespaciales para gestionar los riesgos climáticos y el uso de la tierra. El proposito de SERVIR es empoderar a los tomadores de decisiones con herramientas, productos y servicios para actuar a nivel local en temas sensibles al clima como desastres, agricultura, agua y ecosistemas y uso de la tierra.

El SISSA agradece sinceramente a Chris Hain y Martha Anderson por su asesoramiento en el uso e interpretacion del ESI.