[EN] Drought is a phenomenon that causes great economic losses in the society and is being observed more frequently due to climate change. In Central America this event is related to the anomalous distribution of precipitation (P) in a short period, within the rainy season. Specifically, in El Salvador, the phenomenon socalled “canícula” is associated to a significant decrease in P that lasts few days, making difficult to monitor it with P alone, as it is currently done. At present, many indicators have been developed to characterize droughts. In particular, the standardized precipitation and the condition indices proposed by Kogan (1995) that use various sources of information, stand out. In this work, five indicators of water deficit were applied - the standardized P, evapotranspiration (ET), the soil moisture condition index (HSCI), the vegetation condition index (VCI) and water stress (EH)- to assess droughts in El Salvador. For this, satellite information, climate database and the application programming interface available on the Google Earth Engine platform were used. The behaviour of the indexes in the period 2015-2019 was analysed, particularly the extremely dry year 2015, to determine the monitoring capacity of the indicators used. The results obtained suggest that the proposed set of indicators allows monitoring the drought, by identifying the onset, impact and territorial extension of it in El Salvador. Cea, C., Cristóbal, J., Pons, X. 2007. An improved methodology to map snow cover by means of Landsat and MODIS imagery. En: Geoscience and Remote Sensing Symposium, 2007. IGARSS 2007. Barcelona. IEEE International, 4217-4220. https://doi.org/10.1109/IGARSS.2007.4423781 Elvidge, C.D., Sutton, P.C., Wagner, T.W., Ryznar, R., Goetz, S.J., Smith, A.J., Jantz, C., Seto, K., Imhoff, M.L., Vogelmann, J., wang, Y.Q., Milesi, C., Nemani, R. 2004. Urbanization. En: Gutman, G. et al. (ed.). Land change science: Observing, monitoring, and understanding trajectories of change on the earth's surface. Dordrecht, Países Bajos: Kluwer Academic Publishers, pp. 315-328. https://doi.org/10.1007/978-1-4020-2562-4_18 Hansen, M.C., Loveland, T.R. 2012. A review of large area monitoring of land cover change using Landsat data. Remote Sensing of Environment, 122, 66-74. https://doi.org/10.1016/j.rse.2011.08.024 Loveland, T.R., Dwyer, J.L. 2012. Landsat: Building a strong future. Remote Sensing of Environment, 122, 22-29. https://doi.org/10.1016/j.rse.2011.09.022 Padró, J.C., Pons, X., Aragonés, D., Díaz-Delgado, R., García, D., Bustamante, J., Pesquer, L., Domingo- Marimon, C., González-Guerrero, O., Cristóbal, J., Doktor, D., Lange, M. 2017. Radiometric Correction of Simultaneously Acquired Landsat-7/Landsat-8 and Sentinel-2A Imagery Using Pseudoinvariant Areas (PIA): Contributing to the Landsat Time Series Legacy. Remote Sensing, 9(12), 1319. https://doi.org/10.3390/rs9121319 Padró, J.C., Muñoz, F.J., Ávila, L.A., Pesquer, L., Pons, X. 2018. Radiometric Correction of Landsat-8 and Sentinel-2A Scenes Using Drone Imagery in Synergy with Field Spectroradiometry. Remote Sensing, 10(11), 1687. https://doi.org/10.3390/rs10111687 Pons, X., Ninyerola, M. 2008. Mapping a topographic global solar radiation model implemented in a GIS and refined with ground data. International Journal of Climatology, 28(13), 1821-1834. https://doi.org/10.1002/joc.1676 Pons, X., Pesquer, L., Cristóbal, J., González- Guerrero, O. 2014. Automatic and improved radiometric correction of Landsat imagery using reference values from MODIS surface reflectance images. International Journal of Applied Earth Observation and Geoinformation, 33, 243-254. https://doi.org/10.1016/j.jag.2014.06.002 Pons X., Masó J. 2016. A comprehensive open package format for preservation and distribution of geospatial data and metadata. Computers & Geosciences, 97, 89-97. https://doi.org/10.1016/j.cageo.2016.09.001 Townshend, J.R., Masek, J.G., Huang, C., Vermote, E.F., Gao, F., Channan, S., Sexton, J.O., Feng, M., Narasimhan, R., Kim, D., Song, K., Song, D., Song, X. P., Noojipady, P., Tan, B., Hansen, M.C., Li, M., Wolfe, R.E. 2012. Global characterization and monitoring of forest cover using Landsat data: Opportunities and challenges. International Journal of Digital Earth, 5(5), 373-397. https://doi.org/10.1080/17538947.2012.713190 Woodcock, C.E., Allen, R., Anderson, M., Belward, A., Bindschadler, R., Cohen, W., Gao, F., Goward, S.N., Helder, D., Helmer, E., Nemani, R., Oreopoulos, L., Schott, J., Thenkabail, P.S., Vermote, E.F., Vogelmann, J., Wulder, M.A., Wynne, R. 2008. Free access to Landsat imagery. Science, 320(5879), 1011. https://doi.org/10.1126/science.320.5879.1011a Wulder, M.A., Masek, J.G., Cohen, W.B., Loveland, T.R., Woodcock, C.E. 2012. Opening the archive: How free data has enabled the science and monitoring promise of Landsat. Remote Sensing of Environment, 122, 2-10. https://doi.org/10.1016/j.rse.2012.01.010 Chang, K.Y., Xu, L., Starr, G., Paw U, K.T. 2018. A Drought Indicator Reflecting Ecosystem Responses to Water Availability: The Normalized Ecosystem Drought Index. Agricultural and Forest Meteorology, 250-251, 102-117. https://doi.org/10.1016/j.agrformet.2017.12.001 (SV) 2009 Dec [cited 2013 Aug 18]. 74 p. Didan, K., Munoz, A. B., Solano, R., Huete, A. 2015. MODIS vegetation index user's guide (MOD13 series). University of Arizona: Vegetation Index and Phenology Lab. Du, L., Tian, Q., Yu, T., Meng, Q., Jancso, T., Udvardy, P., Huang, Y. 2013. A comprehensive drought monitoring method integrating MODIS and TRMM data. International Journal of Applied Earth Observation and Geoinformation, 23, 245-253. https://doi.org/10.1016/j.jag.2012.09.010 Entekhabi, D., Yueh, S., O'Neill, P.E., Kellog, K.H., Allen, A., Bindlish, R., Das, N., et al. 2014. SMAP Handbook-Soil Moisture Active Passive: mapping Soil Moisture and Freeze/Thaw from space. National Aeronautic Space Administration. Fensholt, R., Sandholt, I. 2003. Derivation of a shortwave infrared water stress index from MODIS near- and shortwave infrared data in a semiarid environment. Remote Sensing Environment, 87, 111-121. https://doi.org/10.1016/j.rse.2003.07.002 Food and Agriculture Organization of the United Nations, 1974. Soil Map of the World, 1:5 000 000: Volume I: Legend. Girolimetto, D., Venturini, V. 2013. Water Stress Estimation from NDVI-Ts Plot and the Wet Environment Evapotranspiration. Advances in Remote Sensing, 2, 283-291. https://doi.org/10.4236/ ars.2013.24031 Girolimetto, D., Venturini, V. 2014. Evapotranspiration and water stress estimation from TIR and SWIR bands. Agriculture, Forestry and Fisheries, 3(6-1), 36-45. Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., Moore, R. 2017. Google Earth Engine: Planetary-Scale Geospatial Analysis for Everyone. Remote Sensing of Environment, 202, 18-27. https://doi.org/10.1016/j.rse.2017.06.031 Holzman, M.E., Carmona, F., Rivas, R., Niclòs, R. 2018. Early assessment of crop yield from remotely sensed water stress and solar radiation data. ISPRS journal of photogrammetry and remote sensing, 145, 297-308. https://doi.org/10.1016/j.isprsjprs.2018.03.014 Kim, D., Rhee J. 2016. A drought index based on actual evapotranspiration from the Bouchet hypothesis. Geophysical Research Letters, 43, 10277-10285. https://doi.org/10.1002/2016GL070302 Kogan, F.N. 1990. Remote sensing of weather impacts on vegetation in non-homogeneous areas. International Journal of Remote Sensing, 11(8), 1405-1419. https://doi.org/10.1080/01431169008955102 Kogan, F.N. 1995. Application of vegetation index and brightness temperature for drought detection. Advances in space research, 15(11), 91-100. https://doi.org/10.1016/0273-1177(95)00079-T Mishra, A., Vu, T., Veettil, A. V., Entekhabi, D. 2017. Drought monitoring with soil moisture active passive (SMAP) measurements. Journal of Hydrology, 552, 620-632. https://doi.org/10.1016/j.jhydrol.2017.07.033 Mladenova, I.E., Bolten, J.D., Crow, W.T., Sazib, N., Cosh, M.H., Tucker, C.J., Reynolds, C. 2019. Evaluating the Operational Application of SMAP for Global Agricultural Drought Monitoring. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 12(9), 3387-3397. https://doi.org/10.1109/JSTARS.2019.2923555 Mo, K.C. 2008. Model-based drought indices over the United States. Journal of Hydrometeorology, 9(6), 1212-1230. https://doi.org/10.1175/2008JHM1002.1 Moran, M.S., Clarke, T.R., Inoue, Y., Vidal, A. 1994. Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index. Remote Sensing of Environment, 49(3), 246- 263. https://doi.org/10.1016/0034-4257(94)90020-5 Priestley, C.H.B., Taylor, R.J. 1972. On the assessment of surface heat flux and evaporation using large-scale parameters. Monthly Weather Review, 100, 81-92. https://doi.org/10.1175/1520-0493(1972)100%3C0 081:OTAOSH%3E2.3.CO;2 Rodell, M., Houser, P.R., Jambor, U.E.A., Gottschalck, J., Mitchell, K., Meng, C.J., Arsenault, K., Cosgrove, B., Radakovich, J., Bosilovich, M., Entin, J.K., Walker, J.P., Lohmann, D., Toll, D. 2004. The global land data assimilation system. Bulletin of the American Meteorological Society, 85(3), 381-394. https://doi.org/10.1175/BAMS-85-3-381 Sánchez, N., González-Zamora, Á., Martínez- Fernández, J., Piles, M., Pablos, M. 2018. Integrated remote sensing approach to global agricultural drought monitoring. Agricultural and forest meteorology, 259, 141-153. https://doi.org/10.1016/j.agrformet.2018.04.022 Venturini, V., Islam, S., Rodríguez, L. 2008. Estimation of evaporative fraction and evapotranspiration from MODIS products using a complementary based model. Remote Sensing of Environment, 112(1), 132-141. https://doi.org/10.1016/j.rse.2007.04.014 Vicente-Serrano, S.M., Beguería, S., López- Moreno, J.I. 2010. A multiscalar drought index sensitive to global warming: The Standardized Precipitation Evapotranspiration Index (SPEI). Journal of Climate, 23, 1696-1718. https://doi.org/10.1175/2009JCLI2909.1 Walker, E., García, G.A., Venturini, V., Carrasco, A. 2019. Regional evapotranspiration estimates using the relative soil moisture ratio derived from SMAP products. Agricultural Water Management, 216, 254- 263. https://doi.org/10.1016/j.agwat.2019.02.009 Walker, E., Venturini, V. 2019. Land surface evapotranspiration estimation combining soil texture information and global reanalysis datasets in Google Earth Engine. Remote Sensing Letters, 10, 929-938. https://doi.org/10.1080/2150704X.2019.1633487 Zhang, L., Jiao, W., Zhang, H., Huang, C., Tong, Q. 2017. Studying drought phenomena in the Continental United States in 2011 and 2012 using various drought indices. Remote sensing of environment, 190, 96- 106. https://doi.org/10.1016/j.rse.2016.12.010 Zhou, L., Zhang, J., Wu, J., Zhao, L., Liu, M., Lü, A., Wu, Z. 2012. Comparison of remotely sensed and meteorological data-derived drought indices in mid-eastern China. International journal of remote sensing, 33(6), 1755-1779. https://doi.org/10.1080/01431161.2011.600349

ESA. 2015. Sentinel-2 User Handbook. Recuperado de https://sentinel.esa.int/documents/247904/685211/ Sentinel-2_User_Handbook Último acceso: 4 de febrero, 2020.

[ES] La sequía es un fenómeno que genera grandes pérdidas económicas para la sociedad y se están observando más frecuentemente debido al cambio climático. En Centroamérica este fenómeno se relaciona con la distribución anómala de la precipitación (P) en un período corto, dentro de la estación lluviosa. Específicamente, en El Salvador, el fenómeno denominado “canícula”, está asociado a una disminución importante de la P cuya duración es de pocos días, por lo que es difícil de monitorearlo sólo con la P, como se hace actualmente. En el presente se han desarrollado muchos indicadores para caracterizar las sequías; en particular, se destacan la precipitación estandarizada y los índices de condición propuestos por Kogan (1995), que admiten diversas fuentes de información. En este trabajo se aplicaron cinco indicadores de déficit hídrico - la P estandarizada, la evapotranspiración (ET), el índice de condición de la humedad del suelo (HSCI), el índice de condición de la vegetación (VCI) y estrés hídrico (EH) - para evaluar las sequías en El Salvador. Para ello se utilizó información satelital, bases de datos climáticas y la interface de programación disponible en la plataforma Google Earth Engine. Se analizó el comportamiento de los indicadores en el periodo 2015-2019 y en particular, el año extremadamente seco 2015, para determinar la capacidad de monitoreo de los indicadores utilizados. Los resultados obtenidos sugieren que el conjunto de índices propuesto permite monitorear la sequía, identificando el inicio, el impacto y la extensión territorial en El Salvador. Este trabajo fue realizado con el apoyo del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) y el Programa de Becas de la Organización Meteorológica Mundial (OMM), que financió la beca de Osmin Córdova. Córdova, O.; Venturini, V.; Walker, E. (2020). Monitoreo de sequías en El Salvador mediante variables teledetectadas usando la plataforma Google Earth Engine. Revista de Teledetección. 0(55):93-103. https://doi.org/10.4995/raet.2020.13420 Moré, G., Pons, X. 2007. Influencia del número de imágenes en la calidad de la cartografía detallada de vegetación forestal. Revista de Teledetección, 28, 61- 68. Recuperado de http://www.aet.org.es/revistas/ revista28/7-111_More_revisado.pdf Último acceso: 1 de mayo, 2020. Padial, M., Vidal-Macua, J.J., Serra, P., Ninyerola, M., Pons, X. 2019. Aplicación de filtros multicriterio basados en NDVI para la extracción de áreas de entrenamiento desde la base de datos SIOSE. Ruiz L.A., Estornell J., Calle A., Antuña-Sánchez J.C. (eds) Teledetección: hacia una visión global del cambio climático, pp. 311-314. ISBN: 978- 84-1320-038-5. Libro de actas XVIII Congreso de la Asociación Española de Teledetección, 24 - 27 Septiembre, Valladolid (Spain). Pons, X. 2004. MiraMon. Sistema de Información Geográfica y software de Teledetección. Centre de Recerca Ecològica i Aplicacions Forestals, CREAF. Bellaterra. ISBN: 84-931323-4-9. Recuperado de http://www.miramon.cat/Index_es.htm Último acceso: 1 de mayo, 2020. Dada, H., Sevilla M. 2009. IV censo agropecuario 2007-2008. Resumen de Resultados [On line]. San Salvador: Ministry of Economy, Vice-ministry of Industry García-Haro, F.J., Campos-Taberner, M., Sabater, N., Belda, F., Moreno, A., Gilabert, M.A., Martínez, B., Pérez-Hoyos A., Meliá, J. 2014. Vulnerabilidad de la vegetación a la sequía en España, Revista de Teledetección, 42, 29-37. https://doi.org/10.4995/raet.2014.2283 Kattan, C., Menjívar, L., Molina, G., Peñate, Y., Estrada A., Moran, I., Chávez T., Arriola B., Cruz D., Vides R., Erazo A., Beltrán H., Rivas C., Barrera G., Cañas, A. 2017. Informe Nacional del Estado de los Riesgos y Vulnerabilidades, San Salvador. Ministerio de Medio Ambiente y Recursos Naturales. Valladares, F., Vilagrosa, A., Peñuelas, J., Ogaya, R., Camarero, J. J., Corcuera, L., Sisó, S., Gil-Pelegrín, E. 2004. Estrés hídrico: ecofisiología y escalas de la sequía. En Valladares, F. Ecología del bosque mediterráneo en un mundo cambiante. 163-190. Ministerio de Medio Ambiente, EGRAF, S. A., Madrid. Van der Zee Arias, A., Van der Zee, J., Meyrat, A., Poveda, C., Picado, L. 2012. Estudio de caracterización del Corredor Seco Centroamericano (Países CA-4): Tomo I. FAO, Roma (Italia).

González-Guerrero, O., Pons-Fernández, X., Bassols- Morey, R., Camps-Fernandez, F.J. 2019. Dinàmica de les superfícies de conreu a Catalunya mitjançant Teledetecció en el període 1987-2012. Quaderns Agraris, 46, 59-91. ICC. 1992. Mapa d'usos del sòl de Catalunya. Institut Cartogràfic de Catalunya. Barcelona. 118 p. ICGC (2017). Datos lidar. Institut Cartogràfic i Geològic de Catalunya. Recuperado de https://www.icgc.cat/ es/Descargas/Elevaciones/Datos-lidar Último acceso: 1 de mayo, 2020.

Drought monitoring in El Salvador through remotely sensed variables using the Google Earth Engine platform

Monitoreo de sequías en El Salvador mediante variables teledetectadas usando la plataforma Google Earth Engine

Abstract