Flood Detection and Cropland Damage Assessment Using Sentinel-1 SAR Time Series Multi-Source EO Data in the Sebou Basin, El Gharb plain, Morocco
Este estudio utiliza series temporales de datos SAR de Sentinel-1 con polarizaciones VV y VH para desarrollar un método de detección de inundaciones basado en anomalías que sea robusto y que mapee eficazmente la inundación y evalúe los daños en las tierras de cultivo en la cuenca del Sebou en Marruecos, informando en última instancia estrategias de gestión de riesgos dirigidas para la llanura de El Gharb.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Las inundaciones son una fuerza de la naturaleza que ha moldeado la historia humana, pero en el mundo moderno, su impacto en la agricultura se mide en cosechas perdidas y seguridad alimentaria amenazada. Cuando las lluvias intensas caen sobre tierras llanas y fértiles, el agua puede extenderse rápidamente, ahogando los cultivos y convirtiendo campos productivos en lagos temporales. Para los agricultores y los gobiernos, saber exactamente dónde está el agua y cuánto daño ha causado es crítico, aunque suele ser lo más difícil de determinar. Las cámaras tradicionales de los satélites no pueden ver a través de las densas nubes que suelen acompañar a las tormentas, dejando un punto ciego precisamente cuando la monitorización es más necesaria. Para resolver esto, los científicos han recurrido a un tipo diferente de ojo: el radar. A diferencia de las cámaras ópticas que dependen de la luz solar reflejada, los sistemas de radar emiten sus propios impulsos de microondas y escuchan el eco. Estos impulsos pueden atravesar las nubes y la oscuridad, rebotando en el suelo para revelar lo que hay debajo de la tormenta. Al rastrear cómo estos impulsos cambian con el tiempo, los investigadores pueden distinguir entre tierra seca, suelo húmedo y agua estancada, convirtiendo un evento natural caótico en un mapa claro y medible.
En la cuenca del Sebou, en el norte de Marruecos, una región conocida como la llanura de El Gharb, esta tecnología se puso en práctica para comprender un grave evento de inundación que azotó la zona en el invierno de 2025 y 2026. Esta zona es una extensión baja y llana de rico suelo aluvial, intensamente cultivada con trigo, olivos y cítricos, lo que la convierte en un motor vital para el suministro de alimentos del país. Sin embargo, su topografía plana y sus extensas redes de riego la hacen propensa a la acumulación de agua cuando llegan las lluvias intensas. Un equipo de investigadores de la Universidad Internacional de Rabat y el Politecnico di Milano se propuso mapear la extensión de la inundación y, lo que es más importante, calcular exactamente cuánta tierra agrícola quedó sumergida. Utilizaron datos de Sentinel-1, un satélite europeo equipado con Radar de Apertura Sintética, que captura imágenes de la superficie terrestre día y noche, independientemente del clima.
Los investigadores no se limitaron a observar una sola imagen tomada durante la inundación. En su lugar, construyeron una línea de tiempo de las condiciones de la región. Comenzaron analizando los datos de precipitación para identificar las semanas previas al desastre, observando cómo el suelo se saturaba cada vez más. Luego, compararon las imágenes de radar tomadas antes de la inundación con las tomadas durante el pico de la inundación. El núcleo de su método se basó en un principio físico: cuando las ondas de radar golpean el agua abierta, rebotan en una dirección específica, creando una señal muy oscura en la imagen. Cuando golpean el terreno rugoso o los cultivos, la señal rebota con más fuerza. Al medir la diferencia en esta "retrodispersión" entre el periodo seco y el periodo húmedo, el equipo pudo localizar con precisión dónde se había asentado el agua. Prestaron especial atención a un tipo específico de señal de radar, conocida como polarización cruzada, que resultó ser excepcionalmente sensible a la presencia de agua entre la vegetación, ayudando a separar los cultivos inundados de los campos secos que podrían parecer similares en otros tipos de datos.
Para asegurar la exactitud de sus mapas, el equipo aplicó una serie de filtros lógicos. Sabían que el agua no fluye cuesta arriba, por lo que utilizaron un mapa digital del terreno para excluir cualquier zona con pendientes pronunciadas o elevaciones altas donde la inundación fuera físicamente imposible. Este paso eliminó falsas alarmas causadas por parches oscuros de suelo desnudo o sombras que de otro modo podrían engañar a la computadora haciéndole creer que eran agua. Una vez que obtuvieron un mapa limpio de la extensión de la inundación, lo superpusieron con un mapa detallado de uso de suelo que identificaba cada parcela de tierra de cultivo en la región. Esto les permitió calcular el área precisa de tierra agrícola que había estado bajo el agua. Los resultados fueron contundentes: la inundación cubrió aproximadamente 207.112 hectáreas de tierra en total. De esa vasta área, cerca de 149.000 hectáreas eran tierras de cultivo activas, lo que representaba un golpe masivo para la economía agrícola local.
El estudio también analizó las consecuencias comparando los datos de radar con imágenes de un satélite óptico que captura luz visible y luz infrarroja cercana. Al medir la "verdor" de la vegetación antes y después de la inundación, encontraron una clara disminución en la salud de las plantas exactamente donde el radar había detectado agua. Esto confirmó que la inundación no solo había cubierto los campos, sino que había estresado los cultivos, causando probablemente una pérdida significativa de rendimiento. Los investigadores descubrieron que el daño fue más severo en las partes más bajas de la llanura, donde el agua se acumula naturalmente y drena lentamente. Observaron que la inundación no se extendió de forma aleatoria; siguió los corredores naturales de baja altitud del sistema fluvial, afectando repetidamente a las mismas zonas vulnerables.
Este trabajo demuestra que la tecnología de radar, combinada con un análisis computacional inteligente, puede proporcionar una visión fiable y para todo tipo de clima de los desastres por inundación. El equipo demostró que, al centrarse en cómo cambian las señales de radar con el tiempo en lugar de simplemente mirar una instantánea única, podían mapear las inundaciones con alta precisión incluso en paisajes agrícolas complejos. Los hallazgos sugieren que la llanura de El Gharb enfrenta un riesgo recurrente en sus zonas de cultivo intensivo y baja altitud. Los investigadores sostienen que este nivel de detalle es esencial para la planificación. Proponen que la gestión futura debería centrarse en la construcción de mejores sistemas de retención de agua, la mejora de la conservación del suelo para frenar la escorrentía y el uso de estos mapas de inundación para guiar dónde se deben plantar los cultivos. Al comprender exactamente hacia dónde va el agua y qué terreno toca, las autoridades y los agricultores pueden tomar mejores decisiones para proteger la producción de alimentos de la región ante la próxima tormenta inevitable.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.