Introducción

Los satélites han recopilado información valiosa a lo largo del tiempo mediante las imágenes que han capturado hasta ahora. El uso de estas imágenes es de gran ayuda para investigar los cambios que ha experimentado la superficie del planeta en un lugar y período de tiempo determinado. Esta información nos permite obtener una visión más completa y detallada de los procesos que ocurren en nuestro planeta y sus implicancias al medio ambiente.

Las imágenes satelitales son una herramienta muy útil para diversas aplicaciones, como, por ejemplo, el cálculo de índices espectrales que facilitan la interpretación de lo que sucede en la superficie terrestre. Estos índices se obtienen mediante la combinación de las diferentes bandas de frecuencias que emite y captura un satélite. Uno de los índices más importantes es el NDSI (El índice de Nieve y Hielo), el cual permite medir la presencia de nieve y hielo en una determinada área (Shimamura et al., 2006), lo que lo convierte en una herramienta muy útil para monitorear los efectos del cambio climático sobre los glaciares.

En la actualidad, el cambio climático está provocando una disminución alarmante de los glaciares a nivel mundial, siendo uno de los impactos más notorios y significativos. En Chile, la región austral de la Patagonia, hogar de los Campos de Hielo Norte y Sur, es una de las áreas más afectadas por esta situación (Rivera et al., 2011).

Este estudio se enfoca en analizar el comportamiento del Glaciar Grey, parte de los Campos de Hielo Sur de la Patagonia. Para ello, se realizará el cálculo del Índice de Nieve y Hielo Normalizado (NDSI) del glaciar, con el objetivo de determinar cómo ha evolucionado en los últimos 37 años.

Antecedentes.

El Glaciar Grey es uno de los glaciares que más ha reducido su tamaño en los últimos años debido al aumento de la temperatura global del Planeta (Rivera et al., 2011; Borquez et al., 2006; Vásquez, 2022). El aumento de la temperatura global ha generado el retroceso del glaciar Grey a través de desprendimientos frontales en las zonas de más baja altura (Rivera et al., 2011; Gonzalez et al., 2019).

Según Borquez et al. (2006), el retroceso del Glaciar Grey también se debe a la falta de una proporción adecuada de nieve que permita mantener su equilibrio. Además, el estudio destaca la influencia e importancia de los eventos de desprendimientos (calving), que tienden a acentuar la tendencia al retroceso del glaciar. Sumado a lo anterior, Saez, (2018) atribuye el retroceso del glaciar a la drástica disminución de precipitaciones que ha afectado la zona en los últimos años.

Descripción área de estudio.

El glaciar Grey forma parte de los Campos de hielo Sur ubicados en la Patagonia chilena, específicamente en la XII Región de Magallanes (Fig. 1), dentro del Parque Nacional Torres del Paine muy famoso por su atractivo turístico. 

El Glaciar Grey abarca un área de 243 km2 y desemboca en el Lago del mismo nombre, a través de 3 lóbulos diferentes (Sugiyama et al., 2019). 

Objetivos:

• Obtener índice NDSI de una zona determinada, a través de imágenes satelitales almacenadas en Google Earth Engine, utilizando la IDE de R, RStudio.
• Determinar cómo ha sido el retroceso del glaciar los últimos 37 años.
• Determinar el área aproximada que se ha derretido del glaciar.

Procedimiento

Para obtener el NDSI en la zona del Glaciar Grey, se utililiza el lenguaje de programación R a través del IDE RStudio. Es en RStudio donde se deben escribir los diferentes comandos necesarios para obtener el NDSI. Además, para llevar a cabo este proceso, también es necesario hacer uso de una base de datos geoespacial como la de Google Earth Engine (GEE). 

Para trabajar con Google Earth Engine en RStudio es necesario cargar la librería “rgee”, la cual permite acceder a la API de Google Earth Engine. Una vez está cargada la librería “rgee” se debe iniciar sesión con un usuario que ya cuente con las autorizaciones necesarias para trabajar con GEE (#Paso 1; Fig. 2). 

El siguiente paso (#Paso 2; Fig. 2) es subir el archivo shape de la zona de estudio al usuario de GEE con el cual se estará trabajando. Para este caso, el nombre del archivo se llama Glaciar_Grey.

Posteriormente, se realiza una búsqueda de imágenes satelitales de buena calidad usando los comandos del #Paso 3 de la figura 2. A modo de ejemplificar, se muestra el procedimiento para obtener la imagen más antigua de este trabajo (1986).  En este caso, se realiza un filtro de las imágenes satelitales para garantizar su calidad, dado que la zona de interés suele estar cubierta por nubes durante gran parte del año. El filtro consiste en seleccionar únicamente las imágenes que presenten un porcentaje de nubes inferior al 20%, de manera que se pueda obtener una imagen más clara y precisa de la zona en cuestión. Además del filtro de nubes, se lleva a cabo un filtrado de fechas para seleccionar la imagen satelital de mejor calidad y más antigua posible. La imagen que cumple con los filtros establecidos fue la del satélite Landsat5, año 1986. 

Una vez seleccionada la imagen, se avanza al #Paso 4 (Fig. 2), donde se le asigna un nombre a la imagen (Landsat 86).

El #Paso 5 consiste en calcular el NDSI de la imagen Landsat86, combinando la banda 2 (verde) y la banda 5 (Infraroja de onda corta) del Landsat5. Además, se hace un clip con el shape de la zona de estudio (Glaciar_Grey), esto permite tener solamente la porción de la imagen satelital que nos interesa.

Con los datos casi listos, se procede a generar el mapa con el NDSI de la zona (#Paso 6; Fig.2). Se le asignan valores NDSI con un rango de 0,4 a 1 y una paleta de 2 colores: azul y blanco, donde el blanco representa la cubierta de nieve y el azul cualquier otro elemento que no sea nieve o hielo.

Por último, se pasa el archivo generado por GEE a local usando el comando del #Paso 7 de la Figura 2, de esta forma ya se puede trabajar con el archivo desde la computadora.

Para este trabajo se tuvieron que repetir estos pasos 7 veces, ya que se utilizan 8 imágenes de diferentes años. Cabe señalar que las imágenes del 2011, 2015, 2018 y 2022 se usan las imágenes del landsat8, por lo tanto, para estas imágenes se deben ocupar la banda 3 y la banda 6, el resto se mantiene igual.

Una vez se hayan obtenido todas las imágenes con el NDSI respectivo, se puede tener una noción más clara del cambio que ha sufrido el glaciar en ese periodo de tiempo. Las imágenes NDSI son usadas para demarcar los límites frontales del glaciar. A través de Qgis se van delimitando estos límites para generar un mapa con los límites frontales del glaciar para los 8 años estudiados (1986, 1997, 1999, 2005, 2011, 2015, 2018 y 2022)

Por último, para calcular el área derretida o retroceso del glaciar entre 1986 y 2022 se genera un polígono en Qgis que abarca toda la diferencia entre el límite de 1986 con el límite del 2022 (Fig. 3).

Resultados

El cálculo del NDSI para los años 1986, 1997, 1999, 2005, 2011, 2015, 2018 y 2022 muestra un claro retroceso de la masa glaciar en la zona (Fig. 3).  Desde el año 1986 a 1999 se observa una pérdida de masa glaciar en la zona W y centro, aparentemente también disminuye su altura, ya que comienza a aflorar una pequeña zona azul que corresponde a material rocoso (Fig.3; 1997). El retroceso entre el año 1997 y el 1999 es también muy notorio, se desprende una gran masa de hielo desde la zona W y la zona centro. Entre el año 1999 y 2005 el retroceso es más gradual, afectando nuevamente la zona W, la exposición de la roca es más notoria y vuelve a disminuir en altura el glaciar. Entre el 2005 y 2011 el glaciar retrocede significativamente por el lado W, pero en tasas mucho menores. Desde el año 20011 al 2022 el retroceso frontal afecta los 3 lóbulos del glaciar, sin embargo, en este rango de tiempo, el lóbulo E es el más afectado.

Delimitando la parte frontal del glaciar Grey a partir de los mapas con NDSI, se observa de una forma más clara el retroceso que ha sufrido el glaciar en los últimos 37 años (Fig. 4).

Considerando la diferencia que existe entre el límite del año 1986 y el año 2022, se estima que el área que ha desaparecido del glaciar Grey corresponde a unos 12,94 km2 aproximadamente (Fig. 5).

Conclusiones

La integración de la IDE de R, RStudio, sumado al uso de la base de datos proporcionada por Google Earth Engine, facilita el proceso de análisis y visualización de datos geoespaciales, los que permiten realizar una amplia variedad de tareas relacionadas con el procesamiento y análisis de datos, como el cálculo del NDSI. El NDSI calculado en el glaciar Grey para diferentes años, evidenció el retroceso del Glaciar Grey estos últimos 37 años a causa del aumento de la temperatura del planeta.

La tasa de retroceso glaciar no ha sido constante en el último tiempo, sin embargo, se puede observar que entre 1986 a 1999 el retroceso glaciar fue mucho más intenso comparado con los del 2000-2022. Uno de los factores que se le puede atribuir esto es la geomorfología de la zona, ya que, al llegar el glaciar a la roca que divide los 2 lóbulos del W es probable que se haya vuelto un poco más estable. En cuanto al área del material que se ha desprendido estos últimos 37 años, este trabajo determina que son aproximadamente 13 km2.

Es de suma importancia realizar un monitoreo continuo de las masas de hielo en todo el planeta, utilizando herramientas como la teledetección u otros instrumentos que permitan observar la salud de los glaciares. La pérdida de estas masas de hielo puede ocasionar una disminución en la cantidad de agua dulce disponible para la población. Además, los desprendimientos de hielo suelen ir acompañados de deslizamientos de tierra que pueden ser peligrosos, especialmente para los turistas que visitan estas áreas.

Los glaciares son muy afectados por el calentamiento global, pequeños cambios en el ambiente generan cambios en su forma y desplazamiento. Para evitar la pérdida de glaciares, es necesario enfrentar el calentamiento global adoptando prácticas más sostenibles con el medio ambiente, promover el cuidado de este y hacer visible los cambios perjudiciales que genera el calentamiento global en el planeta como lo expuesto en este trabajo.

Recomendaciones.

Para poder acceder a la base de datos geoespacial de Google Earth Engine desde Rstudio, se debe cambiar el usuario del #Paso 1 (ee_Inicialize(“anibalrh”); Fig. 2) por otro usuario que tenga las autorizaciones correspondientes de Google. El archivo shape de la zona de estudio debe subirse en ese usuario (en este trabajo: Glaciar_Grey -> usuario “anibalrh”).

Es importante ser cuidadoso al seleccionar una zona de estudio. La Patagonia chilena se caracteriza por pasar gran parte del año con nubosidades, por lo tanto, el porcentaje de nubes que se elija no debe ser tan bajo para así acceder a una mayor cantidad de imágenes satelitales que se ajusten al filtrado.

Como ya se había dicho, las imágenes del año 1986, 1997, 1999, 2005 se obtienen del Landsat5, por lo que las bandas que se combinan para obtener el NDSI es la banda 2 y la banda 5. Para los años 2011, 2015, 2018 y 2022 se ocupan imágenes del Landsat8, por lo que las bandas que se deben combinar son las bandas 3 y la banda 6.

Referencias

Bórquez, R. (2006). Glaciares chilenos: reservas estratégicas de agua dulce para la sociedad, los ecosistemas y la economía. LOM ediciones.

Rivera, A., Brown, F., Carrión, D., Caro, D., Gimeno, F., Farías, D. & Cisternas, S. (2011). Variaciones recientes de glaciares en Chile, según principales zonas glaciológicas.

Sáez, N. (2018). Estimación de los efectos del cambio climático en la extensión y volumen de los glaciares Grey, Tyndall y Dickson, en el periodo 1998 – 2017. Tesis de pregrado. Universidad de Concepción, Los Ángeles, Chile.

Shimamura, Y., Izumi, T., & Matsuyama, H. (2006). Evaluation of a useful method to identify snow‐covered areas under vegetation–comparisons among a newly proposed snow index, normalized difference snow index, and visible reflectance. International journal of remote sensing, 27(21), 4867-4884.

Vásquez, (2022). Geomorfología del glaciar Dickson, producto de su evolución desde la pequeña edad del hielo. Campo de Hielo Sur, Región de Magallanes. Tesis de pregrado. Universidad Austral de Chile, Valdivia, Chile.