mapa de calidad del cielo en andalucía

Sevilla, 5 de noviembre de 2015

Mapa de Calidad del Cielo en Andalucía

2

Mapa de calidad del cielo en Andalucía0. Antecedentes

1. Medidas experimentales

2. Capas geográficas de apoyo

3. Planteamiento del modelo

4. Modelo obtenido

5. Fortalezas y debilidades

6. Futuras líneas de actuación

Materiales y método

Resultados

Conclusiones

3

0. AntecedentesObjetivos de la Medición de la calidad del cielo nocturno en Andalucía

• Obtener datos que CUALITATIVA Y CUANTITATIVAMENTE permitan:

• CONOCER la calidad del cielo a fecha de aprobación del Decreto357/2010 de 3 de agosto

• SEGUIR la evolución e incidencia de la aplicación progresiva de estanorma

• Elaborar un MAPA que permita predecir la calidad del cielo en un puntodeterminado sin necesidad de medir en el mismo

4

1. Medidas experimentalesSky Quality Meter (SQM) • Instrumento para la medida de la calidad del cielo nocturno

• Valores en escala logarítmica de magnitudes por segundo de arco al cuadrado (MPSAS – de 16 a 22)

• Brillo homogéneo del cielo tomando muestras de un segundo de arco de lado en una región de x grados de arco (20 u 80 según el modelo)

• Convertible a otras escalas

Cielos altamentecontaminados lumínicamente

Cielosciertamente

oscuros

5

1. Medidas experimentalesUbicación del SQM sobre un vehículo

Campaña Fechas Ámbito Tipo Puntos1 08/2011 – 01/2012 Andalucía Itinerario 18.0472 12/2013 – 06/2014 Andalucía Itinerario 11.7443 12/2014 – 01/2015 Doñana Itinerario 12.0914 12/2014 – 01/2015 Doñana Puntos fijos 625 12/2014 – 01/2015 Doñana Puntos fijos 5

Total 41.949

6

1. Medidas experimentalesDispositivos de apoyo

Medidas puntuales para la calibración del dispositivo SQM

• Cámara CCD

• AstMon

7

1. Medidas experimentalesAnálisis preliminar de los datos

Motivo de exclusión Número de observaciones Porcentaje

Datos totales 41.949 100,00%Medidas de campo erróneas 1.219 2,91%Medidas fuera de la ComunidadAutónoma 1.283 3,06%

Falta de información por errores de bordeen la rasterización de capas vectoriales 836 1,99%

Datos disponibles 38.611 92,04%

9

1. Medidas experimentalesAnálisis preliminar de los datos

10


Intensidad lumínica (brillo)• Compuesto anual original 2013• Mejor relación con la magnitud medida• Imagen del promedio de la banda visible, en

nivel digital y sin ningún tipo de filtro. Losvalores van de 0-63

• Los valores no se corresponden de un año aotro

11


Brillo de vecindad• Derivada de la capa de brillo• Promedio ponderado del brillo en 30 km

alrededor de cada punto mediantefunciones kernel (decaimiento gaussiano)

12


Capa de altura del terreno• Resolución 20 m• Con variación temporal más limitada

Capa de pendientes• Resolución 20 m• Con variación temporal más limitada

13


Visibilidad• Derivada de la capa orográfica, refleja la

superficie que un observador puedealcanzar a ver libre de obstáculos

14


Distancia a núcleo urbano cercano• Alta relación física con capa de brillo• Requiere juicio de experto para valorar la

posible influencia de la distancia al núcleo

15


Usos de suelo• Variable categórica que requiere la elección

del número de categorías a utilizar(seleccionadas 16)

16

3. Planteamiento del modeloMedidas de entrenamiento y test

Medidas en campo

80% Entrenamiento

20% Test

Se utilizan para obtener el modelo

Se utilizan para comprobar el modelo obtenidoDan una idea de los resultados que se obtendrían con futuras campañas en campo

---------- ---------- ---------- Selección aleatoria ---------- ---------- ----------

17

3. Planteamiento del modeloRelación entre las variables disponibles

SQM

Brillo

sat

élite

Brillo

de

vecin

dad

Altu

ra

Pend

iente

= f ( )

Visib

ilidad

…

Dist

ancia

a n

úcleo

ur

bano

cer

cano

Medidas en campo |-------- ---------- ---------- ---------- -------- Capas de apoyo -------- ---------- ---------- ---------- ---------|

Puntos discretos Información disponible para toda Andalucía

18

3. Planteamiento del modeloRelación entre las variables disponibles

División del problema por uso de suelo

• Se crean grupos más homogéneos

• El resultado final será la unión de todos los usos

SQM = a + b·BRI + c·VEC + d·ALT + e·PEN + f·VIS + g·DIS + RESIDUO

Se selecciona la relación lineal, tras haber probado otras funciones

19

3. Planteamiento del modeloEsquema de cálculo

• Para cada uso de suelo:

• Unión del resultado para cada uso

• Calidad del cielo

= a + b · + c · + d ·

+ e · + f · + g ·

+

20

4. Modelo obtenidoCoeficientes regresión

UsoCte BRI VEC ALT PEN VIS DIS

a b c d e f g

Urbano mixto 19,12934 -0,01574 0,0028 -0,00022 0,00007 -0,0001 0,00052IndustrialExtracción mineraInfraestructuras técnicas

19,68108 -0,08791 0,06383 -0,00051 0,00001 0,00009 0,00027

Infraestructuras de transporte 21,04383 -0,03694 -0,00355 -0,00025 -0,00001 0,00004 0,00002

Cultivos herbáceos 21,05367 -0,02705 -0,00403 -0,00013 0,00002 0,00004 -0,00004

Invernaderos 21,51897 0,00259 -0,0266 -0,00283 0 0,00007 -0,00022

Cultivos leñosos 20,69953 -0,01693 -0,00703 0,00014 0,00001 0,00005 0,00004

Combinaciones de cultivos y vegetación 20,63949 0,00764 -0,02877 0,00018 -0,00007 0,00008 0,00013

Pastizal 20,87927 -0,02124 -0,00786 -0,0002 0 0,00012 0,00003

Matorral 20,72548 -0,02979 0,00542 -0,00007 0,00003 0,00003 0,00007

Bosque 20,20911 -0,00813 0,00124 -0,00001 0,00001 -0,00007 0,00005

Matorrales con arbolado 21,03331 -0,02691 -0,00624 0,00001 -0,00004 -0,00004 0

Pastizales con abolado 20,92267 -0,05153 0,01737 -0,00008 0 -0,00001 0,00003

Zonas sin vegetación 20,9978 -0,03071 -0,0043 -0,00014 0,00002 -0,00003 0,00003

Zonas húmedas 20,85945 -0,00534 -0,02575 0,00002 0,00002 0,00004 0,00003

21

4. Modelo obtenido

23

4. Modelo obtenidoAnálisis de resultados

Estadístico Descripción Modelo Test Unid.

Pares completos de datos

Número total de pares de datos en los que se dispone de observación y modelo 30.826 7.712 Medicio-

nesFactor de

predicción con un factor de 2

Porcentaje de las predicciones que guardan una relación con la observación entre 0,5 y 2 100% 100% %

Error medio Promedio de la diferencia entre el modelo y la observación -0,008 0,005 magnitud/arcseg2

Error absoluto medio

Promedio de la diferencia en valor absoluto entre el modelo y la observación 0,483 0,489 magnitud

/arcseg2

Error relativo Suma de las diferencias entre modelo y observación normalizada por el valor medio de la observación -0,04% 0,02% %

Error absoluto relativo

Suma de los valores absolutos de las diferencias entre modelo y observación normalizada por el valor medio de la observación 2,36% 2,38% %

Error cuadrático medio

Raíz cuadrada del promedio de las diferencias al cuadrado entre modelo y observación 0,750 0,764 magnitud

/arcseg2Coeficiente de

correlación Índice de correlación entre modelo y observación 0,656 0,645 -

Coeficiente de eficacia

Mejora del modelo con respecto a la predicción en base al valor medio de la observación 34,90% 33,78% %

24

4. Modelo obtenidoAnálisis de resultados

Modelo Test

25

4. Modelo obtenidoExplotación de resultados

<- Peores municipios

Mejores municipios ->

26

5. Fortalezas y DebilidadesFortalezas

• Extrapolación de medidas reales> ahorro del coste que supondríaampliar físicamente las medidasrealizadas

• Procedimiento de bajo coste quepermite su reproducibilidad enaños venideros, así como análisisde evolución

• Susceptible a mejoras en base anuevas capas de informacióndisponibles

Debilidades

• Asunción de determinadashipótesis simplificatorias

• Información no coetánea por faltade disponibilidad

— Medidas realizadas endiferentes años

— Año de actualización de lascapas de información

27

6. Futuras líneas de actuación• Introducción de nuevas capas de apoyo, con el objetivo de reducir aún

más los residuos encontrados

• Análisis de los residuos para determinar explicaciones decomportamiento

• Descomposición estacional y horaria de los valores encontrados

• Contraste con mapas de calidad del cielo de otros grupos deinvestigación

GRACIAS POR SU ATENCIÓ[email protected]

mapa de calidad del cielo en andalucía

Environment