Remote Sensing of Surface Water Quality in a Data-Scarce Region: A Case Study of the Basantar River, Jammu & Kashmir, India

Resumen Técnico: Teledetección de la Calidad del Agua Superficial en una Región con Escasez de Datos

Planteamiento del Problema
El monitoreo de la calidad del agua en regiones con escasez de datos, como el distrito de Samba en Jammu y Cachemira, India, enfrenta barreras logísticas y financieras significativas. El monitoreo tradicional basado en tierra requiere un extenso muestreo de campo y análisis de laboratorio, lo cual suele ser prohibitivamente costoso y difícil de sost lo mantener. El río Basantar, que fluye a través de un área de rápido crecimiento industrial y agrícola, es vulnerable a la contaminación por escorrentía agrícola, el Polígono Industrial de Samba y los asentamientos urbanos. Si bien estudios previos basados en tierra han documentado niveles de turbidez que exceden los límites permisibles, no se ha realizado una evaluación mediante satélite de la calidad del agua para esta región específica, lo que crea una brecha crítica en las capacidades de monitoreo sistemático.

Metodología
Este estudio utilizó datos satelitales de código abierto y computación en la nube para evaluar la calidad del agua superficial sin depender del muestreo terrestre.

• Fuente de Datos: La investigación procesó 422 imágenes Sentinel-2 de Nivel 1C adquiridas entre el 1 de enero de 2023 y el 15 de febrero de 2025 desde el catálogo de datos de Google Earth Engine (GEE).
• Preprocesamiento: Se excluyeron las imágenes con cobertura de nubes superior al 50%. Se aplicó un algoritmo de enmascaramiento de nubes utilizando la banda QA60 para eliminar píxeles afectados por nubes y cirros.
• Algoritmo: Los Sólidos Suspendidos Totales (TSS, por sus siglas en inglés) se calcularon como un indicador de la contaminación por sedimentos mediante un índice de diferencia normalizada entre la banda 3 (Verde, 560 nm) y la banda 4 (Rojo, 665 nm) de Sentinel-2. La fórmula aplicada fue: $TSS = (B4 - B3) / (B4 + B3)$. Este índice genera valores donde los números positivos indican concentraciones elevadas de sedimentos y los valores negativos indican aguas más claras.
• Análisis: Se extrajeron los valores medios de TSS para el área de estudio para cada imagen. El análisis de series temporales identificó patrones estacionales, mientras que el análisis espacial visualizó la distribución de la contaminación.
• Validación: Los patrones espaciales de TSS derivados de satélite se compararon cualitativamente con mediciones de calidad del agua basadas en tierra (turbidez, DBO, DQO, etc.) de un estudio previo de Kour, Kumari y Nagari (2021) para evaluar la correspondencia espacial.
• Incertidumbre: Se calculó un coeficiente de variación (CV) a través de las series temporales; se excluyeron los píxeles con un CV > 0.3. La desviación estándar media de los valores de TSS fue de ±0.012, lo que indica una estimación consistente.

Resultados Clave

• Rango de TSS y Estadísticas: Durante el periodo 2023–2025, los valores de TSS oscilaron entre -0.0835 y 0.0517, con una media de -0.0184. Esto sugiere que, en promedio, el corredor del río tiende hacia condiciones de agua clara a pesar de los eventos periódicos de contaminación.
• Patrones Estacionales: Surgió un patrón estacional distintivo que contradice la expectativa común de mayores cargas de sedimentos durante el monzón.
  • Pre-monzón (mayo–junio): Se observaron valores máximos de TSS (0.03 a 0.05), lo que indica una mala calidad del agua. El valor máximo de 0.0517 se registró el 10 de junio de 2024.
  • Monzón (julio–septiembre): Los valores más bajos de TSS (-0.08 a -0.04) ocurrieron durante este periodo, indicando las aguas más claras. El valor mínimo de -0.0835 se registró el 24 de agosto de 2024.
  • Análisis de Tendencia: La prueba de tendencia de Mann-Kendall no mostró una tendencia direccional estadísticamente significativa durante el periodo de dos años (p = 0.1703), lo que indica que los niveles de TSS fluctúan estacionalmente pero permanecen estables en general.
• Clorofila-a (NDCI): El análisis mediante el Índice de Diferencia Normalizada de Clorofila (NDCI) reveló concentraciones bajas de clorofila-a (que oscilan entre -0.0248 y 0.777), lo que sugiere que las floraciones de algas y la eutrofización no son preocupaciones mayores actualmente en el corredor del río.
• Distribución Espacial: Las concentraciones más altas de TSS se concentraron en la parte central del área de estudio, lo que corresponde espacialmente con las áreas industriales y los sitios de vertido de desechos sólidos identificados en estudios de campo (Ubicaciones L4 y L5). Las secciones de aguas arriba y aguas abajo mostraron concentraciones menores.

Significancia y Reivindicaciones
El artículo afirma proporcionar la primera evaluación de línea base de la calidad del agua para el corredor del río Basantar mediante teledetección. Su principal significancia radica en demostrar que los datos satelitales disponibles gratuitamente (Sentinel-2) y las plataformas de código abierto (Google Earth Engine) pueden monitorear eficazmente la calidad del agua en regiones con escasez de datos donde el monitoreo terrestre es limitado.

Las contribuciones clave incluyen:

1. Validación de la Teledetección: El estudio establece que los mapas de TSS derivados de satélite capturan eficazmente los gradientes de contaminación, con los puntos críticos alineándose precisamente con los hallazgos de tierra de alta turbidez cerca de las zonas industriales.
2. Perspectiva Estacional Contraintuitiva: La investigación destaca un patrón contraintuitivo donde la contaminación alcanza su pico durante el verano seco del pre-monzón en lugar de durante el monzón húmedo. Los autores atribuyen esto al efecto de dilución de las lluvias del monzón, la baja concentración de flujo durante los meses secos y el aumento de la actividad antropogénica (agricultura y construcción) durante el verano.
3. Implicaciones de Gestión: Los hallazgos sugieren que los esfuerzos de monitoreo de la calidad del agua en la región deberían priorizar los meses de verano del pre-monzón (mayo–junio), cuando el riesgo de contaminación es mayor, en lugar de centrarse únicamente en la escorrentía del monzón.
4. Escalabilidad: El procesamiento exitoso de 422 imágenes demuestra la viabilidad del monitoreo de la calidad del agua a gran escala y automatizado utilizando herramientas de código abierto, ofreciendo una alternativa rentable para regiones con recursos limitados.

El estudio concluye que, si bien proporciona una línea base robusta, el trabajo futuro debería incorporar validación de campo, extender la serie temporal y analizar parámetros adicionales de la calidad del agua más allá de los TSS.