Vol1 10

ISSN 0717-2915

SOCIEDAD LATINOAMERICANA DE PERCEPCIÓN REMOTA Y SISTEMAS DE INFORMACIÓN ESPACIALSOCIEDADE LATINO-AMERICANA EM SENSORIAMENTO REMOTO E SISTEMAS DE INFORMACAO ESPACIAILATINAMERICAN SOCIETY FOR REMOTE SENSING AND SPACE INFORMATION SYSTEMS

Cuenca del Arroyo Feliciano - Entre Ríos - Argentina Imágen de satélite Landsat 5 TM

EDICIÓN ESPECIAL: Seminario Internacional “La tecnología satelital de observación de la tierra en la evaluación, monitoreo y manejo de desastres naturales en la agricultura. Retos y perspectivas”

Diciembre 2010Edición Especial Vol.1

FOTO PORTADA

Diciembre 2010 ISSN 0717-2915

EJEMPLAR DE DISTRIBUCION GRATUITA. PROHIBIDA SU VENTA

SELPERSOCIEDAD LATINOAMERICANA DE PERCEPCION REMOTA Y SISTEMAS DEINFORMACION ESPACIAL SOCIEDADE LATINO-AMERICANA EM SENSORIAMENTOREMOTO E SISTEMAS DE INFORMACAO ESPACIAI LATINAMERICAN SOCIETY ON

REMOTE SENSING AND SPACE INFORMATION SYSTEM

Entre Ríos - Argentina

Imagen de satélite Landsat 5 TM, resolución espacial 30 metros, en composición Falso Color (7,4,3 / RGB) de la Cuenca del Arroyo Feliciano, Provincia de Entre Ríos, tomada el 24 de Abril de 2006. El Arroyo Feliciano es uno de los principales afluentes del Río Paraná; su cuenca esta ubicada totalmente en la provincia de Entre Ríos, Argentina, zona N-NO. La superficie de la misma, tomando como punto de cierre Paso Medina, es de 5.541 km2 y ocupa territorio de los departamentos de La Paz, Federal y Feliciano.

Edición Especial Vol.1

REVISTA02 SELPERDIRECCIONES DE CONTACTO

RESPONSABLE DE DIVULGACIÓN ELECTRÓNICAVictor Flores

Mexico

CAPÍTULOS CONSTITUIDOS

ARGENTINAFrancisca Celia GonzálezUniversidad Nacional del SurDepartamento de GeologíaSan Juan 670 (8000)Bahía Blanca, ArgentinaTel: 54 - 291 - 459 5102 - int. 4360Fax: 54 - 291 - 459 5127E-mail: [email protected]

BOLIVIAJosé Luis Liseca Carrera de Topografía y GeodesiaFacultad Técnica Universidad Mayor de San AndrésAv. Arce 2299 1º PisoLa Paz, BoliviaTel.: 591-2-2441401E-mail: [email protected]

BRASILLeila María García FonsecaINPEAv. Dos Astronautas 1758, Sao José dos CamposSan Pablo, BrasilTel: 55 - 12-39456000E-mail: [email protected]

CHILEGina GhioData Research servicios de IngenieríaManuel Antonio Prieto 0152Santiago, Chile.Tel: 562 - 6651730Fax: 562 - 6659201E-mail: [email protected]

COLOMBIAOlga Piedad Rudas Carrera 30 No. 48-51 Edificio IGAC-CIAF Of. 212 Bogotá D.C., Colombia Tel: 57-1-369-4096 Fax: 57-1-369-4096 E-mail: [email protected]

CUBAPedro Luis García Pérez Sede UNAICC, Humboldt No. 104,Esquina a Infanta, Vedado, La Habana, Cuba Telf.: (5 37) 8363447E-mail: [email protected]

ECUADORCor. Ricardo Urbina CLIRSEN Edif. Instituto Geográfico Militar, Piso 4 Seniergues s/n y Paz y Miño Apartado Postal 17-08-8216 Quito, Ecuador Tel.: 593- 2- 254-3193 Fax: 593- 2- 255-5454 E-mail: [email protected]

GUATEMALACarlos Alberto DuarteIngeniería VirtualRuta 4, 6-49 Zona 4, Oficina 14Ciudad de Guatemala (01004), GuatemalaTel: 502 - 334-1039/4038Fax: 502 - 331-9390E-mail: [email protected]

GUYANA FRANCESALaurent PolidoriIDirecteur de Recherche IRD / US ESPACE 140Institut de Recherche pour le Développement (ex-ORSTOM)Route de Montabo - BP 165 - 97323 Cayenne cedexTel. (+594) 594 29 92 81Fax (+594) 594 31 98 55 E-mail:[email protected]

MÉXICOSilvia Lucero CasasUAM Agronomía y CienciasUniversidad Autónoma de TamaulipasCentro Universitario VictoriaCd. Victoria Tamaulipas, MéxicoE-mail: [email protected]

FRANCIAAurélie SAND CNES18 avenue Edouard Belin, 31401 Toulouse Cedex 9 tél : 05 61 27 43 89 sec : 05 61 28 14 54, Christine Faure E-mail: [email protected]

URUGUAYAntonio AlarcónServicio de Sensores Remotos Aeroespaciales Fuerza Aérea UruguayaRuta 101 s/n Km. 19500Carrasco, Canelones, UruguayTel.: 598 -2 601 4083Fax: 598 -2 601 4090E-mail: [email protected]

VENEZUELARamiro SalcedoCentro de Procesamiento Digital del Instituto de Ingenieria en CaracasApdo. Postal 40200 / Caracas, VenezuelaTel/fax: 58 - 212 - 903 -4682E-mail: [email protected]

PERÚVictor Barrena ArroyoUniversidad Nacional Agraria La MolinaAv. La Universidad s/nLa Molina, Lima, PerúTel / Fax: 51-1-349-5647 anexo 232/349-2041E-mail: [email protected]

CAPÍTULOS EN FORMACIÓN

PARAGUAYSergio M. Burgos SosaIPPADr. César Sánchez 431San Lorenzo, ParaguayTel/Fax: 595- 21-574909Email: [email protected]

CAPÍTULOS ESPECIALES

ALEMANIAKlaus ReinigerDLRD-8031 OberpfaffenohfenAlemaniaTel: 49- 8153- 281.189Fax: 49- 8153- 281.443

CANADÁFritz P. Dubois25 NidlandCrs Nepean Ontario Kh2-8n2 Ontario, Canadá Tel: 613- 596-4164 Fax: 613- 723-9626

ESPAÑAJosé L. LabranderoConsejo Superior de Investigaciones Científicas (CSIC)Pinar 25- Madrid 28006, EspañaTel: 34- 411.10.98Fax: 34- 562.55.67

HOLANDACarlos ValenzuelaITC350 Boulevard 1945, P.O.X. 6. 7500 AAEnschede, HolandaTel.: 31 53 874-444Fax: 31 53 874-400

ITALIAFrancesco SartiESA/ESRINVia Galileo Galilei, s/nI-00044 Frascati, ItaliaTel: 39 - 694180409Fax: 39 - 694180602E-mail: [email protected]

Maurizio Feavia Alessandro Poerio, 4900152 Romatel/fax: +39065880581móvil: +393281771383E-mail: [email protected]

USAPatricia M. RaveloSPOTEstados UnidosTel: 1-800-ask-spot ext. 137Fax: 703-648.1813E-mail: [email protected]

DIRECTORIO SELPER, SEDE MEXICO 2010 - 2012Universidad Autónoma de Tamaulipas

Cd. Victoria, Tam. MéxicoTel. (834)3181721 - (834) 3189361

[email protected]

PRESIDENTESilvia Casas Gonzalez

Mexico

VICE-PRESIDENTEEloy Perez

Cuba

VICE-PRESIDENTEIsabel Cruz

Mexico

VICE-PRESIDENTEAurelie Sand

Francia

SECRETARIO GENERALFabián Lozano

Mexico

TESOREROBrenda Portes

Mexico

COMITÉ EDITORIAL

PresidenteMaría Cristina Serafini (Argentina)

Miriam Esther Antes – Argentina Fabián Lozano – México

Leila María Fonseca – Brasil Jorge Martín Chiroles - Cuba

Francisca Celia González - Argentina Freddy Flores – Venezuela

COMITÉ DE RELACIONES INTERNACIONALESMyriam Ardila Torres (Colombia)

PresidenteLaurent Durieux – Francia

Pedro Luis García Pérez - CubaPedro Martínez Fernández - Cuba

Olga Piedad Rudas - Colombia Anyul del Pilar Mora - Colombia

Luis Geraldo Ferreira - Brasil Washintong Franca Rocha - Brasil

Victor Barrena - PerúRamiro Salcedo - Venezuela

COMITÉ DE EDUCACIÓNMaria Antonia García Cisnero (Cuba)

PresidenteLuz Angela Rocha Salamanca- Colombia

Dra. Laura Delgado - Venezuela Ethel Rubín de Celís Llanos - Perú

Josselisa Ma. Chávez - Brasil

Edición Especial Vol. 1DICIEMBRE 2010

REVISTA

SELPER 03

ÍNDICE TEMÁTICO

EJEMPLAR DE DISTRIBUCIÓN GRATUITA PROHIBIDA SU VENTA

COMITÉ EDITORIAL

Editado por: SELPER InternacionalUniversidad Nacional de Luján

Rutas 5 y ex 7, (6700) Luján - Bs. As. - ARGENTINA

María Cristina Serafini (Argentina)PRODITELUniversidad Nacional de LujánCruce rutas 5 y ex 7 (6700) Luján, Buenos Aires, ArgentinaTel: 54-2323-423171 int 248Fax: 54-2323-425795E-mail: [email protected]

Miriam Esther Antes (Argentina)PRODITELUniversidad Nacional de LujánCruce rutas 5 y ex 7 Luján, Buenos Aires, ArgentinaTel: 54-2323-423171 int 248Fax: 54-2323-425795E-mail: [email protected]

Leila María Fonseca (Brasil)INPEAv. Dos Astronautas 1758, Sao José dos Campos, Sao Paulo, BrasilTel: 55 - 12-39456000E-mail: [email protected]

Fabián Lozano (Mexico)Instituto Tecnológico y de Estudios Superiores de MonterreyAv. Euganio Garza Sada # 2501 sur, Col. Tecnológico, Monterrey, Nuevo León, MéxicoTel: 52 - 81 - 8358 - 1400 ext 5275 Fax: 52 - 81 - 8358 - 6280E-mail: [email protected]

Jorge Martín Chiroles (Cuba)

Francisca Celia González (Argentina)Universidad Nacional del SurDepartamento de GeologíaSan Juan 670 (8000)Bahía Blanca, ArgentinaTel: 54 - 291 - 459 5102 - int. 4360Fax: 54 - 291 - 459 5127E-mail: [email protected]

Freddy Flores (Venezuela)

Alfredo Cuello (CSR, UNLu - Argentina)Mirta Aída Raed(CSR, UNLu -Francisca González(UNS - Argentina

- Argentina)

E-mail: [email protected]

Fundación Instituto de IngenieríaCarretera Vieja de Baruta, Sector Sartenejas, Urb. Monte Elena IICaracas, VenezuelaTel: 58 2-903 4661-4610 Fax: 58 2- 903 4780E-mail: [email protected]

Argentina)

)Graciela Marín(SEGEMAR

COMITÉ DE EVALUADORES

Análisis multitemporal del cambio de la cobertura del suelo en la cuenca del Arroyo Feliciano utilizando imágenes satelitales

Evaluación y monitoreo de la salinización de los

suelos en la agricultura de regadío del noroeste de

Patagonia (Argentina)

....................................................................................5

Hector del Valle

Paula D. Blanco

Walter F. Sione...................................................................................... 22

..................................................... 32

............................................................... 42

Alejandra Arbuet

Graciela Pusineri.

Diagnóstico de áreas vulnerables a la desertificación

empleando información satelital y SIG en un territorio

de la República de Cuba

Análisis de la influencia de la resolución espacial de

las imágenes de NDVI Y TS en el cálculo del estrés

hídrico.

Aplicación de geotecnologías para determinar la

erosión hídrica departamento Pocito San

Juan, Argentina

Uso de la teledetección para la identificación de áreas

de erosión en una región de los Yungas de Bolivia

Gustavo Martín Morales

Reino Orlay Cruz Díaz

Antonio Vantour Causse

Maribel Páez Moro

Dámaso R. Ponvert-Delisles Batista

Virginia Venturini

Daniela Girolimetto

Venancia Norma Aguilar

María Valentina Soria

Silvia Varela

María Cándida Puertas

María Angélica Matar

José Luis Lizeca B.

Alina Ariñez

........................................................... 54

....................................................................... 65

INDICE TEMÁTICO Y COMITÉ EDITORIAL Edición Especial Vol. 1DICIEMBRE 2010

Los artículos recibidos serán enviados a tres (3) f) Resultados obtenidosexpertos en la temática para su revisión. Los g) Conclusionestrabajos aprobados serán publicados en estricto h) Bibliografía: sólo se incluirá la citada en el orden, de acuerdo a las fechas de llegada de las texto. Se indicarán los autores, por orden contribuciones. alfabético, año, título, revista o medio donde fue

Los idiomas oficiales SELPER son: Español, publicado, incluyendo volumen y páginas, cuando Portugués e Inglés. corresponda.

L o s t r a b a j o s d e b e r á n e s t r u c t u r a r s e contemplando las siguientes secciones: Los títulos y subtítulos de cada sección deberán

estar c laramente ind icados (ya sea con a) Título del trabajo. Nombre de los autores y numeración o tamaño de letras). Las tablas, fotos

direcciones completas y figuras deberán ser suficientemente nítidas, b) Resumen (no más de 150 palabras) llevar un título y estar numeradas en forma

indicando al final las palabras claves. Deberá consecutiva. incluirse en Español o Portugués, además de Se deberá enviar una copia del trabajo en Inglés formato Word y una copia papel. La extensión

c) Introducción total del trabajo no deberá superar las 12 páginas, d) Objetivos (DIN-A4). e) Metodología empleada y materiales Los trabajos se enviarán a: [email protected]

NORMAS PARA LOS AUTORES

PLAN EDITORIAL SELPER 2010 - 2012

04REVISTA

SELPERPRESENTACIÓN DEL PRESIDENTE DE SELPER

PLAN EDITORIAL SELPER

A partir de las decisiones adoptadas en el marco del XIII Simpo-sio Latinoamericano de Percepción Remota y Sistemas de Infor-mación Espacial, llevado a cabo en La Habana, Cuba, en setiem-bre de 2008, la edición de la Revista SELPER está disponible en la página de nuestra Sociedad: http://www.selper.org.

En esta oportunidad hacemos llegar una publicación Especial, donde se incluyen los trabajos que han sido presentados en el Seminario Internacional: “La tecnología satelital de observación de la tierra en la evaluación, monitoreo y manejo de desastres naturales en la agricultura. Retos y perspectivas”, desarrollado en el Instituto Nacional de Tecnología Agropecuaria (INTA) en el mes de Octubre de 2009.

Estos trabajos han sido remitidos a expertos evaluadores para su revisión y aprobación. En este sentido es necesario destacar el invalorable apoyo brindado por el grupo de evaluadores, a quie-nes agradecemos muy especialmente por su labor.


05 REVISTA

SELPER

Análisis multitemporal del cambio de la cobertura del suelo en la cuenca del Arroyo Feliciano utilizando imágenes satelitales

Arbuet, Alejandra y Pusineri, Graciela

Departamento de Hidrología- Facultad de Ingeniería y Ciencias Hídricas- Universidad Nacional del Litoral

Santa Fe - Argentina

ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ...

RESUMEN native forest, which has been altered mainly as consequence of the expansion of the agricultural

La cuenca del Arroyo Feliciano ubicada al norte de frontier, situation that has been intensified in the la provincia de Entre Ríos (Argentina), pertenece al last decades (1986-2006).Distrito del Ñandubay, con una importante To investigate the space – time change of the soils superficie de bosques nativos, los que han sido coverage and with it the distribution of thealterados principalmente como consecuencia de la superficial runoff, was carried out a work where it expansión de la frontera agrícola, situación que se was applied in this basin a hydrological model of ha intensificado en las últimas décadas (1986- rain-flow transformation called KINEROS2.2006). A los efectos de investigar el cambio Were applied technical of remote sensing using espacio-temporal de las coberturas de los suelos y three satellite images (Landsat 5) of different datescon ello la distribución del escurrimiento superficial, (1986, 1997 and 2006) that were treated previously se realizó un trabajo donde se aplicó en dicha with a process of radiometric, atmospheric and cuenca un modelo hidrológico de transformación geometric correction.

The obtaining of the maps of coverage was carried lluvia-caudal llamado KINEROS2.out through a process of supervised classificationPara lograr dichos mapas se aplicaron técnicas de type "fuzzy" of these previously treated images, Teledetección, utilizando tres imágenes satelitalesthose that were verified through a contingency (Landsat 5) de diferentes fechas (1986, 1997 y matrix.2006), las cuales fueron tratadas previamente con In the results shows 3 coverage maps un proceso de corrección radiométrica, corresponding to the dates studied for the basin of atmosférica y geométrica para trabajar en un the Aº Feliciano, and of the runoff obtained from mismo sistema de referencia.application of hydrologic model.La obtención de los mapas de coberturas se

realizó a través de un proceso de clasificación Keywords: Hydrological models, GIS, Remote supervisada tipo “fuzzy” de estas imágenes sensing, Land cover, Runoff, Arroyo Feliciano.previamente tratadas, las que fueron verificadas a

través de una matriz de contingencia.INTRODUCCIONEn los resultados se muestran los 3 mapas de

clases de coberturas para la cuenca del Aº El norte de la provincia de Entre Ríos (República Feliciano, con las superficies calculadas y los Argentina), pertenece a la región fitogeográfica delvalores de los escurrimientos obtenidos de la Espinal y dentro de este al Distrito del Ñandubay, aplicación del modelo hidrológico.cuyos bosques nativos han sido alterados principalmente como consecuencia de la Palabras clave: Modelos Hidrológicos, SIG, expansión de la frontera agrícola, con una Teledetección, Cobertura de suelo, Escurrimiento reducción de su superficie.directo, Arroyo Feliciano.En los últimos 20 años (período 1986-2006) la

ABSTRACT superficie sembrada en la provincia se ha incrementado notablemente, es especial la

The basin of the Aº Feliciano is located north of the destinada al cultivo de la soja que pasó de 272.000 province of Entre Ríos – Argentina. It belongs to the has a 1.285.000 has, lo que significa un aumento Ñandubay District. It has an important area of del 372%.


El cambio especial y temporal en la cobertura y uso funcionando bajo el entorno AGWA_ArcView en la del suelo ha sido un tema de especial interés para cuenca del arroyo Feliciano, para investigar los los hidrólogos a la hora de calcular las escorrentías efectos del cambio de cobertura y uso del suelo directas para un determinado evento de lluvia en sobre la distribución espacio-temporal de la una cuenca. escorrentía directa en un área representativa del “La hidrología de una región está determinada por Litoral Argentino, para el caso de eventos aislados sus patrones de clima tales como la topografía, la de lluvia.geología y la vegetación. También a medida que la Dicho estudio fue desarrollado en la tesis de civilización progresa, las actividades humanas Maestría titulada “Efectos hidrológicos del cambio invaden gradualmente el medio ambiente natural de uso del suelo en el Litoral Argentino, Estudio de del agua, alterando el equilibrio dinámico del ciclo caso: cuenca del Aº Feliciano (Prov. De Entre hidrológico e iniciando nuevos procesos y Ríos)”, de la Ing. Alejandra Arbuet.eventos.” (Ven Te Chow 1993) Así, fenómenos naturales, como la erosión eólica, afectan a las OBJETIVOaguas superficiales, sin embargo, no es menos cierto que cualquier acción del hombre en una Desarrollo de la metodología para la obtención de parte del ciclo, alterará el ciclo entero para una los mapas de cobertura del suelo en la cuenca del determinada región. Acciones como la tala de Arroyo Feliciano, mediante técnicas de bosques, el avance de la frontera agrícola, la teledetección, para ser util izados como construcción de embalses, el secado de zonas información requerida por el modelo KINEROS2 pantanosas, la sobre-explotación de acuíferos, la funcionando bajo la plataforma AGWA_ArcView.contaminación del agua y la polución atmosférica, de origen claramente antropogénico, influyen de AREA DE ESTUDIOmanera considerable en los cambios del ciclo hidrológico. El área elegida para realizar el estudio es la cuenca El avenimiento de los nuevos modelos hidro- del arroyo Feliciano, uno de los principales

afluentes del Río Paraná, ubicada totalmente en la lógicos distribuidos o semi-distribuidos permiten provincia de Entre Ríos, Argentina, zona N-NO, cuantificar de manera más precisa dichos cambios,

contando con los Sistema de Información como puede observarse en la figura 1.La superficie Geográfica como la herramienta fundamental para de la cuenca tomando como punto de cierre Paso

Medina es de 5.541 km2 y ocupa territorio de los el pre y pos-procesamiento de la información, tal departamentos de La Paz, Federal y Feliciano, es el caso del modelo Kineros2 que se ejecuta en como muestra la figura 2.segundo plano a través de la aplicación AGWA, La longitud del cauce principal es de 209 km., que funciona bajo el soporte del SIG ArcView.característicamente meandrosoEste trabajo muestra el proceso de obtención de la

información requerida por el Modelo KINEROS2,

Figura 1: Ubicación general de la cuenca del Arroyo Feliciano en la Provincia de Entre Ríos

06 REVISTA

SELPERANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ...Edición Especial Vol. 1DICIEMBRE 2010

Figura 2: Ubicación en detalle de la cuenca del Arroyo Feliciano

Tiene un relieve de llanura suavemente ondulado con pastoreo, lo que provocó una importante reducción de cotas que varían entre los 78.5 m y 18 m respecto del la superficie ocupada por la misma.cero del IGM, con una pendiente media de 0.48%. El En el informe de la SAyDS (2006) se expresa “El valor medio de la Precipitación Anual Media Areal avance de la frontera agrícola de las últimas décadas calculado en la cuenca es de 1250 mm. Y el valor se ve favorecida por la mayor rentabilidad de los máximo de la serie de caudales diarios medidos en la productos agrarios, el aparente aumento de las estación de aforos de Paso Medina (SSHR) es de precipitaciones y la utilización de modernas técnicas 2179.88 m3/seg. correspondiente a la creciente de agropecuarias (sistemas de riego, siembra directa, 1998, registrado el 09/03/1998. Posee un caudal uso de agroquímicos, etc.) que permiten el uso de modulo de 53 m3/seg. áreas que en el pasado no eran deseables para Esta cuenca se ubica dentro de la región forestal del cultivos, provocando el desplazamiento de la Distrito Ñandubay que pertenece a la Región del ganadería hacia zonas marginales, especialmente Espinal, según el Primer Inventario Nacional de los bosques nativos remanentes”.Bosques Nativos (SAyDS, 2006,2007). Las dos En los últimos 20 años la superficie sembrada total en especies arbóreas que predominan son el ñandubay la Provincia de Entre Ríos se incrementó y el algarrobo (negro y blanco), a estos los notablemente, crecimiento que se acentuó a partir de acompañan árboles de mediano porte de origen mediados de los noventa, (cuando comienza a chaqueño como espinillos, molles, talas, etc. aumentar el cultivo de la soja) en el período 1991/92 La Región del Espinal es una de las provincias al 2006/07 la superficie se triplicó, pues pasó de fitogeográficas en estado de conservación más crítico 630.000 has a 1.966.050 has, como se puede ver en de la Argentina, dado que ha sido transformada en las figuras 3 y 4.gran medida en tierras agrícolas y campos de

07 REVISTA


Figura 3: Evolución de la superficie sembrada en Entre Ríos por cultivo Período 1986/2006 (Fuente: Bolsa deCereales de Entre Ríos. Proyecto Siber)

Figura 4: a) Evolución de la superficie total sembrada en Entre Ríos en el período 1997/2006b) Evolución de la superficie de soja en Entre Ríos en el período 1986/2006 (Fuente: SAGPyA)

08 REVISTA


IMPLEMENTACIÓN DEL MODELO AGWA parámetros geométricos, de suelo y de cobertura de cada uno de los segmentos. Existen dos clase de

AGWA, Automated Geospatial Watershed información necesarias para aplicar el AGWA, la Assessment (Burns I.S. et al., 2004), es un conjunto “requerida” que debe estar disponible al momento de de herramientas que trabajan en el entorno del SIG iniciar la aplicación del modelo y la información ArcView 3.2 de ESRI como una extensión, que “opcional” que la crea el AGWA durante su aplicación además requiere de la extensión Spatial Analyst para o es generada previamente por otro modelo y se le el manejo de estructuras de datos raster. ingresa como dato.Permite la generación automática de los archivos de Para el caso de la Cobertura requiere del mapa tipo entrada al modelo hidrológico KINEROS2, la raster, conteniendo números enteros que se ejecución de éste en segundo plano y la recuperación corresponden con una clasificación y la tabla donde y visualización de los resultados en el ambiente SIG. se definen los parámetros que utiliza el modelo El AGWA realiza la delimitación de la cuenca y Kineros para cada clase de cobertura, ver en la tabla 1.subcuencas y luego la determinación de los

Tabla 1: Tipo de información de cobertura necesaria para el modelo AGWA- KINEROS

Para la referenciación cartográfica de todo el trabajo según un parámetro denominado “CSA”, cuyo valor se usó el sistema POSGAR 94, definido con: es ingresado por el usuario, a menor valor del CSA Datum: WGS84 (World Geodetic System 1984), mayor numero de subcuencas se crearan.Sistema de Proyección: Transversa Mercator, En este trabajo se adoptó el valor de CSA=12000 has,

lo que originó 63 segmentos de cuencas y 25 Sistema de Coordenadas: Gauss-Krüger - faja 5 segmentos de canal, totalizando 88 segmentos, AGWA genera automáticamente a partir del Modelo como se observa en la figura 5.digital de elevación dist intos niveles de

desagregación espacial de la cuenca en subcuencas,

Figura 5: Cuenca y subcuencas generadas por el AGWA-KINEROS para el Aº Feliciano

09 REVISTA


El modelo AGWA, trabaja internamente calculando de cubrir los 20 años de estudio (1986-2006), las que los parámetros físicos a nivel de píxel, luego como fueron procesadas para obtener una clasificación salida genera dos capas vectoriales (shapefile) de acorde a los objetivos del trabajo.distintos formato, polígono para las subcuencas Los Software que se utilizaron para el procesamiento (wfa12) y línea para la red de ríos (sfa12) de las imágenes fueron el Idrisi Kilimanjaro para respectivamente. Cada uno de estos archivos tiene real izar las correcciones atmosfér icas y asociada una tabla de atributos con parámetros radiométricas y el ERDAS IMAGINE 8.2 para la geométricos, hidrológicos, de suelo y cobertura, que corrección geométrica y la clasificación.se van calculando en cada paso, dichos parámetros son los que utiliza luego el modelo KINEROS en su IMÁGENES SELECCIONADASaplicación.

Se adoptó trabajar con imágenes del satélite OBTENCIÓN DE LOS DATOS DE COBERTURAS LANDSAT 5 TM, por su alta resolución espacial

(tamaño del píxel 30m x 30m), muy buena resolución Los valores de los parámetros hidrológicos de las espectral y temporal adecuada. Este satélite registra subcuencas asociados al tipo de cobertura se en las 3 bandas del espectro visible (B1, B2 y B3), 1 obtienen a partir de las imágenes satelitales en banda en el infrarrojo cercano (B4), 2 bandas en el formato raster. Para identificar el cambio de la infrarrojo medio (B5 y B7) y 1 banda en el infrarrojo cobertura de suelo en la zona de estudio, tanto térmico (B6), esta última no se utiliza en este trabajo, espacial como temporalmente, se utilizaron las longitudes de onda correspondientes se muestran imágenes satelitales de diferentes fechas, tratando en la tabla 2.

Tabla 2: Longitudes de onda de las bandas utilizadas en el trabajo.

La escena que cubre toda la cuenca de trabajo es la Los valores de los píxeles en las imágenes digitales PATH 226 ROW 81 y las fechas elegidas de los expresan la cantidad de energía radiante recibida por últimos 20 años son: 11/01/1986, 30/03/1997 y el sensor en la forma de valores relativos no 24/04/2006. Para la selección de las imágenes se calibrados llamados Números Digitales (ND), en el consideró que fueran de los primeros 4 meses del año, caso de las imágenes Landsat 5 TM varían en 256 pues en esa época los cultivos son del mismo tipo valores, en función de la radiancia recibida en una de (cosecha gruesa: sorgo, maíz, arroz), luego se las bandas espectrales.produce la cosecha y preparado para la siembra del La información expresada en ND es relativa, a mayor grano fino y además es la época de mayor lluvia en la ND mayor reflectividad, pero no es adecuada para cuenca de estudio. comparar imágenes de distintas fechas, En cambio, Las dos primeras fueron suministradas por el Instituto la reflectividad (relación entre energía reflejada y Nacional de Pesquisas Espaciais (INPE) de Brasil, energía incidente), sí lo es, pues es una variable física. que ya vienen con una georeferenciación, aunque es La reflectividad de una cubierta depende de sus distinta a la utilizada en este trabajo. características físicas y químicas, así como de lasLa imagen del 2006 son las originales que suministra condiciones de observación y varía en cada banda la Comisión Nacional de actividades Espaciales del espectro, por eso se le añade el calificativo de (CONAE) de Argentina. espectral, acotando su medida a un determinado Los procesos aplicados para lograr el mapa en rango de longitudes de onda (Chuvieco, 2000). formato raster de la cobertura del suelo, para cada Cuando se quiere hacer una comparación entre imagen satelital se detallan a continuación. imágenes de distintas fechas, de la misma zona, es

necesario calcular la reflectividad espectral, realizar correcciones radiométricas que buscan mejorar las PRE-PROCESAMIENTOmedidas de reflectancia medida en los sensores (energía reflejada), apuntando a eliminar los ruidos y CORRECCIÓN RADIOMÉTRICA Y ATMOSFÉRICAlas correcciones atmosféricas, en función de distintos

10 REVISTA


parámetros propios de cada imagen como la elevación del sol, hora, fecha, etc., para obtener la Para el máximo valor de ND (generalmente 255) la reflectancia en superficie. radiancia es la máxima medida por un sensor en el La influencia de la atmósfera no afecta igual a los dos ancho de banda espectral del canal, L = Lmax y el términos del cálculo de la reflectividad, energía valor mínimo Lmin es la radiación espectral incidente (flujo descendente) y energía reflejada (flujo correspondiente al mínimo valor de ND (usualmente ascendente), ya que el espesor de la atmósfera es 0). Los valores de Gain y Bias varían para cada distinto Además hay que considerar que la radiancia sensor y cada banda, estando dichos valores que llega al sensor al atravesar la atmósfera es generalmente en los metadatos de la imagen modificada por efecto de la dispersión (moléculas de (header) o hay tablas según la fecha de la imagen, los gases y partículas de aerosol) y la absorción, por con esos valores se calculan Lmax y Lmin.lo tanto no es la misma que sale del suelo. Entonces la Para la corrección atmosférica existen distintos conversión de los ND a reflectividades tiene dos modelos, uno de ellos es el modelo de Costo (COST), fases: 1) conversión del valor ND a valores de propuesto por Chávez (1996). “En este caso se radiancia espectral L, a partir de los coeficientes de considera que la radiancia espectral descendente es calibración el sensor, por eso a este procedimiento se nula pero la transmitancia atmosférica se estima en lo llama “calibración” y 2) estimación de los valores de función del coseno del ángulo cenital solar (90º - reflectividad aparente, conociendo la irradiancia solar elevación solar) y el camino de radiancia debido a la y la fecha de adquisición de la imagen, así se bruma es estimado especificando el ND0 de un objeto remueve el efecto producido por el ángulo solar y se oscuro que tendría reflectancia nula (p.e. lagos compensan las diferencias en los valores de profundos claros) y la radiancia difusa del cielo es radiancia solar extra–atmósfera (Chuvieco , 2000) La considerada nula” (Brizuela et al 2007).relación entre los ND y la radiancia espectral es del Para obtener el ND0 (Dn haze) de objetos oscuros se tipo lineal, siendo la ecuación de la radiancia la utiliza el histograma de frecuencias de cada banda, el expresada en la formula (1), para cada banda valor es el que iguala o supera por primera vez el espectral de las imágenes Landsat. 0.01% de frecuencias relativas acumuladas de cada

banda. Este valor es restado en cada banda.El proceso de corrección radiométrica y atmosférica se realizó en Idrisi Kilimanjaro aplicando el módulo ATMOSC y en él se seleccionó el modelo COST, con

donde: L: radiancia (watts/(m2* estereoradian * ìm), los valores de las tablas 3,4 y 5.Gain: ganancia (pendiente), Bias: compensación o sesgo (ordenada al origen) .

Tabla 3: Parámetros utilizados en la corrección de la imagen del 11/01/1986

11 REVISTA




El modelo realiza primero el procedimiento llamado suministrada por la Ing. Garñel (Facultad de Ciencias “calibración” y luego realiza la corrección atmosférica, Agropecuarias – UNER) y se realizó la geore-el resultando es una imagen con valores reales (32 ferenciación o remuestreo de las imágenes bits) de reflectancia, varían entre 0 y 1. corregidas. Para ubicar los puntos de control se Para llevar la imagen de 32 bits a 8 bits (ocupa menos recurrió a las rutas y vías del ferrocarril en formato memoria) hay que reescalar cada valor de Shapefi le, superponiéndola en la imagen reflectancia multiplicando por 255 con la ayuda de la georeferenciada como ayuda.calculadora, los valores varían entre 0 y 255 y Para la imagen del año 2006 se identificaron 70

puntos de control distribuidos en toda la imagen, finalmente transformarla en byte-binary (8bits).verificando que el error de la georeferenciación (RMS) sea menor a 0.5 píxel.CORRECCIÓN GEOMÉTRICAEn el caso de las imágenes de 1986 y 1997 como ya tienen una georeferenciación (SAD69 WGS84 UTM), A la imagen obtenida en el paso anterior hay que darle pero distinta a la del trabajo (Posgar 94- GKfaja5) se la proyección cartográfica definida para este trabajo,

esto se real iza mediante el proceso de realizo el remuestreo utilizando solo 10 puntos de georeferenciación o remuestreo, el cual transforma la control, verificando también el error menor a 0.5 píxel.matriz original de la imagen estirándola o La interpolación espacial se realizó aplicando una comprimiéndola para adecuarla a un nuevo sistema función lineal y la interpolación radiométrica por el de referencia. método del vecino más próximo (Nearest neighbor).El procedimiento consiste en asignar, con el menor error posible, coordenadas de puntos de control a Ventana de trabajocoordenadas en otro sistema para los mismos puntos de la misma imagen, creándose dos archivos, el de Para no realizar la clasificación en toda la imagen se los puntos de referencia identificados en la imagen definió una zona de trabajo menor, que cubre la georeferenciada y los a proyectar (input). cuenca del arroyo Feliciano en su totalidad, los limites Para esto se parte de una imagen georeferenciada, son los que se ven en la tabla 6.para este trabajo se utilizó la imagen del 2/abril/2001

12 REVISTA


Tabla 6: Coordenadas de los vértices de la ventana de trabajo

REALCE presencia de firmas espectrales distintivas para las clases de cobertura del suelo que se desea identificar,

Se trabajó fundamentalmente sobre una composición en el grupo de bandas en uso y la posibilidad de color RBG 453 llamada Falso Color Mejorado y a distinguir con precisión estas distintas firmas.veces RBG 754, además se realizaron realces a las imágenes aplicando la función de transformación de DEFINICIÓN DE LAS CATEGORÍAS O CLASESdesvíos estándar (Standard Deviations).

Tomando como antecedentes el “Primer Inventario CLASIFICACIÓN SUPERVISADA Nacional de Bosques Nativos” (SAyDS) y el trabajo

“Bosques Nativos y Selvas Ribereñas en la Provincia La clasificación es un proceso que convierte los de Entre Ríos” (Muñoz et al 2003), se definieron valores radiométricos, en este caso obtenidos luego nueve (9) clases de coberturas.de la corrección radiométrica y geométrica, de las 6 Atento a que solo se dispone de la información que bandas de trabajo que componen una imagen, a una suministran las imágenes satelitales con resolución nueva imagen temática, donde el valor del píxel será de 30m, donde se pueden distinguir dos tipos de un número que representa a la clase o cobertura cultivos, las clases de coberturas que se definieron resultante de la clasificación. para el trabajo, desde un punto de vista hidrológico, Una buena clasificación depende de 2 factores, la se listan en la tabla 7.

Tabla 7: Cuadro comparativo de las clases de coberturas

De ambos trabajos antecedentes solo se dispone del que son muestras representativas de cada clase informe técnico y mapa en formato jpg, pero no los identificadas en la imagen a clasificar.mapas raster, que, aún con una clasificación diferente ERDAS posee dos métodos para identificar los sitios a la definida para el trabajo hubiera sido de gran de entrenamiento utilizando la herramienta áreas de ayuda para realizar una comparación, especialmente interés (AOI), una creando polígonos manualmente y en el primer caso donde se trabajó con imágenes de otra busca los píxeles contiguos que tienen valores varios satélites. similares a un píxel semilla indicada (Region Grow),

verificando homogeneidad en cada sitio.CREACIÓN DE LOS SITIOS DE ENTRENAMIENTO Para cada tipo de clase se seleccionaron entre 20 y Y FIRMAS ESPECTRALES 30 áreas de interés, luego se creó la firma espectral

promedio para cada una de las imágenes, con su Definidas las 9 clases de coberturas, hay que crear la correspondiente información estadística.firma espectral para cada una de ellas, para eso se Se genera así un archivo de sitios de entrenamiento definen los denominados “sitios de entrenamiento” “*.aoi” y uno de firma espectral “*.sig”, para cada

13 REVISTA


fecha e imagen. El trabajo de creación de los sitios de manera que los sitios de entrenamiento definan en entrenamiento es una tarea ardua cuando se trabaja cada imagen una única clase (que podía ser la misma con imágenes de distinta fecha y de distinta época del o distinta).año, aunque cuando se seleccionaron las imágenes Luego ese mismo archivo de sitios de entrenamiento se trató que fueran de los primeros meses del año. se utilizó en la imagen de 1997, descartando los que La metodología utilizada fue trabajar en forma caían en lugares con más de una clase o eran simultanea con las imágenes de1986 y 2006, de dudosos.

Figura 6: Firmas espectrales de las clases identificadas para la imagen del 2006

Se puede observar en la figura 6 la firma espectral Las nuevas técnicas de clasificación difusa (fuzzy), a para la imagen del 2006, que la mayor separabilidad diferencia de los otros métodos (duros) donde solo se da en las bandas 4,5 y 7 (en la figura aparece como consideran una categoría potencial para cada píxel, 6), pero de igual modo se seleccionaron todas las se considera una pertenencia borrosa a una bandas para calcular los estadísticos de las distintas categoría cuando se admite un grado de pertenencia.clases. O sea que cada píxel se etiqueta en varias categorías, Las clases Cultivo 1, Cultivo 2 y Monte tienen un valor con un valor más o menos alto en función de su máximo en la banda 4 y las clases barbecho, pastura, similitud espectral. Esto es muy útil cuando se trabaja suelo desnudo y suelo quemado en la banda 5. Las 9 con píxeles de 30x 30m, pues es muy probable que unclases no se identificaron en las 3 imágenes píxel contenga más de una cobertura.estudiadas, por ejemplo en la imagen de Enero/1986 En el caso del ERDAS tiene la opción cuando se no se detectó “Barbecho”, por eso se agrupo la clase realiza la clasificación supervisada, de aplicar “pastura+barbecho” y en Marzo/1997 y Abril/2006 no también la lógica Fuzzy para las 2 mejores clases de se detectó “suelo quemado”. pertenencia, para lo cual se crea una imagen de

distancia.FASE DE ASIGNACIÓN Para hacer la asignación de la primera clasificación

se utilizo un clasificador duro, en este caso el Existen dos tipos de clasificadores, los llamados algoritmo de Máxima Verosimilitud (Maximum duros y los blandos o difusos, estos últimos no hacen Likelihood). Luego a la imagen clasificada se le aplica una toma de decisión definitiva sobre a que clase de el algoritmo de convolución Fuzzy, un clasificador cobertura pertenece un píxel, sino que indica la difuso. Con esta operación de lógica difusa, a partir de probabilidad que tiene de pertenecer a una o más la imagen clasificada y de la imagen de distancia, se clases. crea una sola imagen temática.

14 REVISTA


Las clases con un valor muy pequeño de distancia con valores de la clase.siguen apareciendo sin cambios y las que tiene En las figuras 7 a) y b), se pueden comparar la imagen valores altos de la distancia puede cambiar a un valor original y la clasificada respectivamente.vecino si hay un suficiente numero de píxeles vecinos

Figura 7: a) Imagen Falso Color Mejorado RGB 453 b) Imagen clasificada con 8 clases de Abr/2006

Tabla 8: Matriz de Contingencia por porcentaje de píxeles – Clasificación imagen 1986

FASE DE VERIFICACIÓN mayores confusiones se dan entre las clases Bosque y Monte, situación que también se planteo en la

Para verificar que tan buena fue la clasificación se identificación del Primer Inventario Nacional de calculó la Matriz de Contingencia para cada imagen, bosques (SAyDS 2006), de igual manera que entre siendo aceptables los resultados obtenidos, ver las clases Pastura y Monte, cuando la cobertura tablas 8, 9 y 10. arbórea es pobre.En las matrices de contingencia se puede ver que las

15 REVISTA




Figura 8: Mapa raster de las 3 coberturas estudiadas en la cuenca del Aº Feliciano

RESULTADOS asocian con el campo “class” de la tabla nacl_lut.dbf.Los mapas resultados de la clasificación en la cuenca

Lo que se obtuvo como resultado final de este de estudio se pueden ver en la figura 8, donde ya se procedimiento son 3 mapas raster con las coberturas, recortó en la ventana de trabajo el límite de la cuenca que contienen los campos value y count donde los del Arroyo Feliciano.valores de la columna “value” son enteros y se

16 REVISTA


Los parámetros hidrológicos asociados a la cobertura la intersección entre el mapa raster de cobertura de de suelo que utiliza el modelo Kineros en una cuenca suelo, la tabla “nalc_lut”, que contiene las rural como la estudiada son tres: INT (profundidad de características de coberturas y el mapa raster de la intercepción en mm), COVER (porcentaje de cuenca, realizando una ponderación areal.cobertura), N (coeficiente de rugosidad de Manning). La tabla “nalc_lut” para el tipo de cobertura de suelo Para calcular los valores promedios de estos según la clasificación definida aquí se puede ver en la parámetros para cada subcuenca, el modelo realiza tabla 11.

Tabla 11: Valores de la tabla nalc_lut para el Arroyo Feliciano

Tabla 12: Cuadro comparativo de las superficies de las clases agrupadas de coberturas en la cuenca

ANÁLISIS DE LA VARIACIÓN DE LA COBERTURA Agua sin agrupar, los valores obtenidos de las superficies se presentan en la tabla 12.

EN LA ESCALA DE CUENCA Se puede ver como casi se ha duplicado la superficie correspondiente a la Actividad Agrícola en los últimos

Con el fin de realizar una comparación de las 20 años, pasando de 30.000 has a casi 60.000 has, superficies obtenidas en la cuenca para las distintas pero esto solo representa el 10.5% la superficie total clases de coberturas en las 3 imágenes estudiadas, de la cuenca (554.124 has) y el aumento es del 5%.se agruparon las 9 clases en 4. En cuanto a la superficie de Bosque y Monte se Por un lado las coberturas de Bosque y Monte, por obtuvo una disminución de casi 40.000 has entre los otro lado Cultivo1, Cultivo2, Barbecho, Suelo años 1986 y 2006, que representa el 6.5 % de la desnudo y Suelo quemado, en una única cobertura superficie total.llamada Actividad agrícola y se dejaron Pasturas y

El aumento de la superficie correspondiente a Agua cantidad como su ubicación espacial.se debe a la construcción de embalses en la cuenca Como no solo interesa conocer el valor de la alta, fundamentalmente con destino al riego de arroz. superficie sino también la distribución espacial de los ERDAS IMEGINE permite realizar la comparación de cambios de cobertura, a la nueva imagen creada se 2 imágenes clasificadas, construyendo una nueva cambiaron los colores en la tabla de atributos, imagen con su correspondiente tabla de atributos asignando un color claro (verde) para los píxeles que (matriz de comparación), donde se identifican los han permanecido en la clase de bosques, monte píxeles de un cada una de las clases en la 1er imagen nativo y pastura y otro color (negro) para identificar y si han permanecido en esa misma o han cambiado a fácilmente los que han cambiado, resultando las alguna de las otras 8 clases posibles en la 2da imagen, imágenes que se ven en la figura 9.permitiendo así identificar los cambios tanto en

17 REVISTA


Figura 9: Mapas de los píxeles de cobertura Bosque+monte+pastura que cambiaron

Se puede observar que en toda la cuenca se ha cambio tuvo en el coeficiente de escorrentía (surge de producido el cambio de cobertura, aunque es más la aplicación del modelo Kineros, que no se presenta importante en la cuenca alta (donde se ha en este trabajo).desarrollado la siembra del arroz en los últimos Ella fue la identificada con el número 253, ubicada en 10años), en la subcuenca del Arroyo Estacas la margen izquierda del último tramo del Arroyo (principal afluente de la margen derecha) y en la Feliciano, aportando lateralmente directamente al subcuenca de la ubicada en la desembocadura mismo, con una superficie de 13.840 has.margen izquierda (subcuenca 253). Para analizar los cambios se realizó el mismo

agrupamiento de clases que para la cuenca total, los EN LA ESCALA DE SUBCUENCA resultados obtenidos puede observarse en la tabla 13.

Se puede ver como la superficie de Bosque y Monte Se consideró importante analizar especialmente la disminuyo más de 2.000 has entre los años 1986 y variación de la cobertura en una determinada 2006, lo que representa el 15% del total de la subcuenca. Para ello se estudió la cuenca que mayor subcuenca.

Tabla 13: Cuadro comparativo de las clases agrupadas de coberturas en la subcuenca 253

En cuanto a la superficie correspondiente a la en los 20 años es del 15%. En la figura 10 se puede Actividad Agrícola en los primeros 10 años se produjo ver la distribución espacial en las distintas fechas de un importante aumento, llegando casi a triplicarse (la todas las clases de coberturas. Si se analiza en mayor superficie aparece como Suelo desnudo), detalle las imágenes, se puede ver claramente cuales dicho aumento continuó computándose más de 3.000 son los sectores que en el año 1986 aparecen como has en el año 2006 (la mayor superficie aparece como monte y bosque, que en los otros años cambian a Barbecho). tener alguna actividad agrícola, ya sea Cultivo o En resumen el aumento total de la actividad agrícola Barbecho o Suelo desnudo.

18 REVISTA


Figura 10: Mapa raster de las 3 coberturas estudiadas en la cuenca 253

APLICACIÓN DEL MODELO KINEROS con los valores de caudales medidos en Paso Medina. Para este caso se seleccionaron 3 eventos históricos

Los modelos hidrológicos se deben calibrar o sea que cubren el período 1986-2006 y con similares calcular los valores de determinados parámetros de características, con lluvias totales que superan los manera tal que reflejen lo mejor posible la realidad. 100 mm, de no más de 3 días de duración y con Por ello se prueba con eventos de lluvias históricos y hidrogramas observados aislados, en la tabla 14 se se comparan los caudales calculados por el modelo resumen los parámetros.

Tabla 14: Parámetros de los eventos históricos estudiados

Se puede ver como aumenta el coeficiente de más próxima como indica la tabla 15.escorrentía, llegando hasta el 53%, pero esto se Lo ideal sería tener la imagen satel i tal puede deber a varios factores como la distribución correspondiente a la fecha del evento, pero lo que espacial y temporal de la lluvia, así como al cambio de sucede es que cuando hay lluvias la nubosidad cobertura. existente hace que la imagen satelital no se pueda Para cada evento de lluvia se utilizó el mapa de utilizar para la determinación de la cobertura.cobertura calculado anteriormente, según la fecha

Tabla 15: Mapa de cobertura utilizado en cada evento histórico

Durante el proceso de calibración del modelo para el sedimentación de los cursos de agua.caso de los eventos de 1996 y 2005, se observó que a Que esto se traduce en la formación de costras en la pesar de cambiar las coberturas no se obtenía el superficie del suelo que impiden la infiltración de las volumen de escorrentía esperado, por lo que se debió lluvias por impermeabilización, concluyendo “la ajustar otro parámetro. capacidad de almacenamiento de agua tiende a En el trabajo realizado por Zimmermman disminuir como consecuencia del proceso de Implicaciones antrópicas en los procesos de impermeabilización mencionado anteriormente y inundaciones en áreas llanas, hace mención a la como lo que no se retiene escurre, se está degradación que sufre el suelo como consecuencia comprobando un aumento del porcentaje de de la agricultura intensiva, lo que se traduce en escorrentía.”erosión de suelos y como consecuente proceso de

19 REVISTA


para cada escenario considerando una tormenta El Kineros-AGWA tiene la posibilidad de modificar los sintética, de distribución espacial uniforme.valores de los parámetros de los segmentos de canal La tormenta sintética se calculó con una altura de y cuenca, por medio de multiplicadores, permitiendo lluvia correspondiente a una recurrencia de 5 años, así una calibración rápida y sencilla.una duración de 6 hs y suponiendo una distribución Por esto se adoptó el criterio de modificar los valores espacial uniforme en toda la cuenca.del parámetro conductividad hidráulica Ks para las Los resultados obtenidos de la aplicación del Kineros cuencas, disminuyéndolo en los casos de los eventos para toda la cuenca se pueden ver en la tabla 16, de 1996 y 2005.donde se observa que los valores de los coeficientes Para evaluar los efectos de los cambios de cobertura de escorrentía aumentan de 0.27 para el año 1986 a sobre los hidrogramas de crecida y aislar de este 0.32 para los años 1997 y 2006, siendo similares en análisis los efectos de las distintas distribuciones estos últimos años, lo que representa un aumento del

espacio-temporales de la lluvia y la condición de 19%.

humedad antecedente, se aplicó el modelo calibrado

Tabla 16: Resumen de los resultados obtenidos a la salida de la cuenca para la lluvia sintética.

Tabla 17: Resumen de los resultados obtenidos en la cuenca 253 para la lluvia teórica.

Para el caso de la cuenca 253, identificada como la Los valores del coeficiente de escorrentía son bajos, que mayor cambio de escorrentía tuvo, los resultados menores a 0.2, pues la superficie de bosque+ monte+ obtenidos se pueden ver en la tabla 17. pastura es muy importante.

A partir de los resultados obtenidos para el período escurrido y del 27% en el caudal pico.1986/2006, puede concluirse que los efectos sobre el b) A la escala de la subcuenca #253 (de mayor hidrograma de escurrimiento originado por la lluvia aumento de escorrentía): las superficies de “Bosque ysintética de 5 años de recurrencia, fueron los Monte” y de “Pasturas” disminuyeron en valores siguientes: iguales al 14.7% y 0.6 % de la superficie total de la a) A la escala de la cuenca total: disminuyó la subcuenca, respectivamente. La superficie “Agrícola” superficie de “Bosque y Monte” en un valor igual al 6.5 aumentó en el 15.3 % de la superficie total. Estos % de la superficie total y aumentó la superficie cambios de cobertura originaron un aumento del 30% “Agrícola” en un valor similar. Estos cambios del volumen escurrido y del 20% en el caudal pico.originaron un aumento del 19% en el volumen

20 REVISTA


CONCLUSIONES cambios de coberturas que se hayan producido en la misma, a mayor actividad agrícola mayor es el

• Disponer de imágenes satelitales es una gran coeficiente de escorrentía.herramienta al momento de aplicar los modelos hidrológicos, especialmente en cuencas de gran RECOMENDACIONEStamaño como la del arroyo Feliciano.• Los parámetros de cobertura de suelo que hasta Integrar y aplicar nuevas tecnología en la modelación hace pocos años se calculaban de manera hidrológica, como son la teledetección y los SIG, aproximada con un valor concentrado por subcuenca, ayudan notablemente a la adquisición, tratamiento de ahora se puede obtener un valor en cada celda de la información y fundamentalmente a la presentación 30m x 30m, o sea de manera distribuida y luego de los datos georeferenciados, haciendo que los promediar por subcuenca, de manera fácil y sencilla resultados de la modelación sean comprendidos por c o n l o s n u e v o s m o d e l o s h i d r o l ó g i c o s personas no expertas en hidrología.semidistribuidos. Cuando se aplica un modelo hidrológico de • Si bien no se ha detectado un avance importante transformación lluvia_caudal, ya no solo es suficiente sobre los montes nativos en los 3 años analizados, si hacer análisis estadísticos de las variables se obtuvo un aumento de la superficie identificada hidrológicas, como las precipitaciones, sino además con algún tipo de actividad agrícola, especialmente hay que tener en la cuenca del arroyo estacas, en las cuencas bajas muy en cuenta las variaciones espaciales y y altas temporales de las características físicas de la cuenca, • Con respecto a los resultados obtenidos en la como es el caso de la cobertura y los parámetros del aplicación del modelo Kineros se observa un suelo, que afectan notablemente los escurrimientos.aumento de los coeficientes de escorrentía en los Esto adquiere importancia cuando se estudian últimos 20 años en la cuenca del arroyo Feliciano cuencas donde los cambios de cobertura son para eventos aislados. importantes y fundamentalmente cuando no se tienen • Para el caso de una lluvia teórica que se distribuye registros de caudales que son los que permiten la uniformemente en toda la cuenca, el aumento de los calibración de los modelos, siendo esta la situación valores de coeficiente de escorrentía varían si se más común a la hora de proyectar obras hidráulicas.analiza al nivel de subcuenca, dependiendo de los

BIBLIOGRAFÍA

BRIZUELA A. AGUIRRE C., VELASCO I., “Aplicación de métodos de corrección atmosférica de datos Landsat para análisis multitemporal”, En Teledetección – Hacia un mejor entrenamiento de la dinámica global y regional. Memorias del Congreso de la Asociación Española de Teledetección (XII:2007: Mar del Plata ) Editorial :Martin, Argentina, 2007.

BURNS I. S., SCOTT S., LEVICK L., HERNANDEZ M., GOODRICH D.C., SEMMENS D. J., KEPNER W.G., MILLERS.N. Automated Geospatial Watershed Assessment (AGWA), Tucson, Arizona, USA: A GIS based Hydrologic Modeling Tool. Documentation and User Manual. Versión 1.2.4, 2004, http://www.tucson.ars.ag.gov /agwa/manual/AGWA [citado en Noviembre del 2007]

CHOW V. T., MAIDMENT R. D., MAYS L. W. Hidrología Aplicada, Editorial McGraw Hill, Bogotá, Colombia, 1994.

ISBN 958-600-171-7.

CHUVIECO E., Fundamentos de Teledetección Espacial, 3º edición revisada Editorial RIALP, Marid, España, 2000.

ISBN 84-321-3127-X.

MUÑOZ J de D., MILERA S., ROMERO C., BRIZUELA A., Bosques Nativos y Selvas Ribereñas en la Provincia de Entre Ríos, Paraná, Argentina: Facultad de Ciencias Agropecuarias de la UNER, 2003.

PBNyAP, SAyDS, DB, Primer Inventario Nacional De Bosques Nativos - Segunda Etapa -Inventario de Campo de la

Región Espinal, Distritos Caldén y Ñandubay, Informe Regional Espinal-Segunda Etapa, ANEXO II “Estado de

Conservación del Distrito Ñandubay”: Coordinación de Bosques Nativos, Edición Diciembre 2006

PBNyAP, SAyDS, DB, Primer Inventario Nacional De Bosques Nativos - Segunda Etapa -Inventario de Campo de la

Región Espinal, Distritos Caldén y Ñandubay, Informe Regional Espinal-Segunda Etapa, Edición Febrero 2007

PBNyAP, SAyDS, DB, Primer Inventario Nacional De Bosques Nativos, Cartografía de Región Espinal http://www.ambiente.gov.ar/?idarticulo=3028 (Dic/2008)

ZIMMERMANN E.D., Adaptación del modelo de Onda cinemática a los sistemas hidrológicos de llanura En: Congreso Nacional Del Agua. 2000: Termas de Río Hondo. Volúmenes de Congreso. Santiago del Estero, Argentina, 2000.

21 REVISTA


Evaluación y monitoreo de la salinización de los suelos en la agricultura de regadío del noroeste de Patagonia (Argentina)

a1 a b, cdel Valle, Héctor F. ; Blanco, Paula D. y Sione, Walter

a Ecología Terrestre, Centro Nacional Patagónico (CENPAT), Consejo Nacional de Investigaciones Científicas yTécnicas (CONICET), Argentina.

b Centro Regional de Geomática (CEREGEO), Facultad de Ciencia y Tecnología (FCyT), Universidad Autónoma deEntre Ríos (UADER), Argentina.

c Programa de Desarrollo e Investigación en Teledetección (PRODITEL), Universidad Nacional de Luján (UNLu),Luján (Bs. As.), Argentina.

RESUMEN damente 12 millones de hectáreas de tierras Dado el contexto de evaluación y manejo del irrigadas y 1,7 millones de éstas pertenecen a la riesgo de la degradación en los suelos del Valle Argentina, encontrándose a su vez en el país Inferior del Río Chubut (salinización natural y 600.000 hectáreas afectadas por problemas de antrópica), los objetivos del presente estudio salinidad y sodicidad (Siebert et al., 2006).consistieron en: 1) evaluar la utilidad del satélite En el noreste de la provincia de Chubut, en el

denominado Valle Inferior del río homónimo ALOS en los dos subsistemas (visible-infrarrojo (VIRCH), se encuentran 20.717 hectáreas y/o radar) para detectar y cartografiar clases de afectadas por salinización primaria y secundaria, acumulación de sales en un área modelo, y 2) representando el 55 % de la superficie del valle comparar las técnicas de clasificación tradicional irrigado (Laya, 1981). La historia del VIRCH se versus orientado al objeto. El uso de la banda L remonta desde la colonización de parte de los puede ser considerada como un test para el futuro galeses británicos en 1865. Este valle es el oasis uso de la misión SAOCOM (Satélites para la de riego más importante del extremo austral del Observación y Comunicación) de la Argentina.continente sudamericano.Los suelos del VIRCH se han desarrollado sobre Palabras clave: Salinidad Natural; Salinidad por sedimentos aluviales, con amplio predominio de irrigación; Segmentación; ALOS Satélite.materiales limo arcilloso, mostrando un patrón de distribución complejo. Una limitación importante se ABSTRACTrefiere a las deficiencias de drenaje, ya sea por la presencia cercana de la napa freática, Dryland and irrigation salinity are widespread in the particularmente en los sectores ribereños, o bien lower Chubut valley, northeastern Patagonia. The debida a las características intrínsecas de los latter is the southernmost valley of Argentina, suelos con textura fina. El contenido de sales del where forage, vegetables, fruits and flowers are suelo no es una magnitud constante en el tiempo. cultivated under intensive land management. The De acuerdo al balance de agua y de la forma de overall aims of this study were: (1) to evaluate the riego, la provisión de sales puede aumentar o

usefulness of ALOS subsystems (AVNIR-2 and disminuir produciéndose un balance de

PALSAR) for detecting and mapping salt-affected salinización y/o alcalinización irreversible o reversible.soils within the irrigated portion of the valley, and El estímulo a encontrar soluciones a los (2) to explored and compare two methods-per inconvenientes que la mayor concentración de

pixel and object-based classification. The use of sales ocasiona a la producción agropecuaria ha influido desde épocas tempranas en el desarrollo L-band can be considered as a test for the future mismo de la Ciencia del Suelo. En el rol que le cabe use of the SAOCOM (Satellites for Observation a la Percepción Remota en la evaluación y and Communications) data from Argentina.monitoreo de las causas y factores que contribuyen a la acumulación de sales en los Keywords: Dryland Salinity; Irrigated Salinity; suelos, seguramente ayudarán a planificar en Segmentation; ALOS Satellite.forma eficiente medidas que tiendan tanto a la conservación de los recursos existentes como a la INTRODUCCIÓNrehabilitación de aquellos comprometidos. Un desafío mayor de la Teledetección es poder La región de Latinoamérica tiene aproxima-

22 SELPEREdición Especial Vol. 1DICIEMBRE 2010 EVALUACIÓN Y MONITOREO DE LA SALINIZACIÓN DE LOS SUELOS

detectar y evaluar diferentes niveles de salinidad y relevamiento está esquematizada en la Figura 1a-sodicidad (Taylor et al., 1994; Bannari et al., 2007). c. Se localiza en el tramo Oeste del VIRCH, cerca El uso de datos de radares activos para la de la localidad de Dolavon. Es un área donde detección de sales en el suelo es un campo muy resulta muy dificultoso separar los diferentes promisorio de los Sensores Remotos (Taylor et al., estados de severidad de acumulación de sales. La 1996; Metternicht, 1998; Aly et al., 2004). El superficie total es de 6.440 hectáreas.principio básico radica en las relaciones entre la El VIRCH tiene un clima árido con precipitación cantidad de sal, el contenido de humedad y las escasa (200 mm) y luminosidad alta (heliofanía propiedades dieléctricas tanto del suelo como de la

relativa entre el 51-55 %), al igual que la vegetación. Los avances desarrollados a través

evaporación (722 mm anuales) y las amplitudes del uso de la banda L en el rango de las térmicas diarias y anuales (la temperatura máxima microondas estimulan el desarrollo de nuevas absoluta puede sobrepasar los 40ºC, y la mínima técnicas aumentando la versatilidad de su uso absoluta bajar hasta los -12ºC, siendo la media (Sreenivas et al., 1995). del Valle et al. (2009)

anual de 13ºC) [Coronato, 1994]. Los días libres de encontraron que la banda L (ë = 23,5 cm) del SIR-heladas oscilan entre 100 a 140 y presentan una C permitía detectar y evaluar el exceso de sales en dispersión amplia, pudiendo ocurrir los descensos los suelos del VIRCH, más significativamente que del 0ºC, durante cualquier época del año desde la banda C (ë = 5,6 cm). Las nuevas y futuras marzo hasta noviembre. El promedio de las plataformas están pensadas para que la banda L heladas es de -1.5ºC. La vegetación pertenece a incremente más su potencial de uso, ejemplos son

la cuña austral del Monte (León et al., 1998). Las el sistema PALSAR (“Phased Array Type L-band especies más conspicuas pertenecen a una Synthetic Aperture Radar”) a bordo del satélite estepa arbustiva de Suaeda divaricata, Atriplex ALOS (“Advanced Land Observing Satellite”), el lampa y Salicornia ambigua. Otras especies TERRALSAR de la Agencia Espacial Alemana frecuentes son los arbustos de Chuquiraga (DLR) y la misión SAOCOM (“Satellites avellanedae, Prosopis alpataco y Larrea divaricata, forObservation and Communications”) a ser y herbáceas como el Distichlis spicata y Cassia implementados por nuestro país en cooperación aphilla. En el valle existen especies arbóreas con Bélgica e Italia (CONAE, 2007).introducidas como: Populus, Salix, Eucalyptus y Dado el contexto de evaluación y manejo del Tamarix usadas como cortinas forestales. Los riesgo de degradación en los suelos del VIRCH, losc u l t i v o s c o r r e s p o n d e n a p a s t u r a s objetivos del presente estudio consistieron en: 1) anualesperennes para forrajes, y producciones evaluar la utilidad del satélite ALOS en los dos fruti-hortícolas, además de la floricultura. Las subsistemas (visible-infrarrojo y/o radar) para principales taxas de suelos (adaptado de Laya, detectar y cartografiar clases de acumulación de 1981) son: fluventic Aquicambids, typic sales en un área modelo, y 2) comparar las Haplosalids, typic Aquisalids, typic Natrargids, técnicas de clasificación tradicional versus vertic y typic Torrifluvents, vertic y typic orientado al objeto.Torriorthents, y typic Salitorrerts (USDA, 2003).

MATERIALES Y MÉTODOS

ÁREA DE ESTUDIO

El área de estudio o área “test” que abarca el


Figura 1a-c. Ubicación del área de estudio. a. Mosaico Landsat ETM+ (2002) orto rectificado, bandas 7-4-2

(RGB) del Valle Inferior del río Chubut. Fuente: Global Land Cover Facility. b. Recorte de una imagen del satélite

ALOS, subsistema óptico AVNIR-2, bandas 4-3-2 (RGB), mostrando el área de estudio, píxel 10 m. c. Detalle del

área de estudio con problemas de exceso de sales naturales y antrópicas. Imagen del satélite ALOS, subsistema

estereoscópico-pancromático PRISM, píxel 2,5 m

sales en los suelos en el área de estudio.La Figura 2a-f muestra distintas características

derivadas de la problemática de la acumulación de


Figura 2a-f. a. Cultivos hortícolas en suelos sin problemas de acumulación de sales. b. Vegetación natural

halófita, salinización natural. c-f. Salinización antrópica, producto del mal drenaje y problemas de manejo de

suelos vertisoles.

MATERIALES dónde:

Se seleccionaron dos imágenes del satélite ALOS, DN: Número digital (“Digital number”)

subsistema visible-infrarrojo (AVNIR-2) del 11 de Kdb: Constante absoluta de calibración (“Absolute Febrero de 2007, y otra del subsistema radar constant of calibration”)(PALSAR) del 22 de Febrero de 2008, coincidentes

con relevamientos realizados en dichas fechas.Para la reducción del “speckle” se utilizó el filtro Lee mejorado (López et al., 1990) que minimiza la pérdida

PRE-PROCESAMIENTOSde información radiométrica y textural.

La imagen óptica (AVNIR-2) fue corregida TRANSFORMACIÓN LINEAL DE LA IMAGEN ÓPTICAgeométrica y radiométricamente de acuerdo a lo

establecido por la JAXA (2008). La imagen radar Existe una gran variedad de índices que usan (PALSAR) se corrigió geométricamente utilizando la diferentes bandas del espectro para realzar ciertos base de datos de techos metálicos de las chacras aspectos presentes en una imagen de satélite, recopilados por del Valle et al. (2009) y se calibró la además existen diferentes transformaciones lineales imagen calculando el coeficiente de energía que han sido desarrolladas para el monitoreo de la retrodispersada (“backscattering”) en decibeles:vegetación y/o de los cultivos, con diferentes sensores y para diferentes tipos de vegetación. Es en este sentido que adaptamos lo establecido por Kauth

y Thomas (1976) para la imagen óptica AVNIR-2


(Tasseled Cap). La selección de los perfiles de suelo (Laya, 1981) donde se tomaron muestras se basó en los criterios siguientes: a) con análisis químicos y físicos HIBRIDACIÓN ÓPTICA-RADARcompletos, b) con análisis simplificados y c) sin análisis, pero con observaciones cualitativas.Se utilizó un algoritmo multiplicativo (Erdas, 2008)

entre dos imágenes raster, la AVNIR-2 y la PALSAR VALIDACIÓN DE LAS CLASIFICACIONES

(L-HH).Se realizó una matriz de confusión para cada una de las clasificaciones estableciendo los errores de CLASIFICACIONESomisión y comisión, así como también los píxeles correctamente clasificados por clase (Congalton y Se realizaron dos clasificaciones: la tradicional Green, 1999). Se calculó también la medida de (clasificación mixta) y la orientada al objeto (sobre la fiabilidad (Kappa, grado de acuerdo).hibridación óptica-radar), utilizando la extracción de

características en el algoritmo segmentación del RESULTADOS Y CONCLUSIONES

software ENVI 4.5 (ITT, 2008) de acuerdo a Benz et al. (2004). Los algoritmos clásicos basados en píxeles

La Figura 3a-d muestra los índices de Tasseled Cap no son demasiado adecuados para la clasificación de imágenes de alta resolución. Por ello, se usó una calculados para la imagen AVNIR-2. Estos índices clasificación orientada a objetos que tuvo en cuenta, sirvieron para evaluar los sitios de muestreo y ayudar entre otros aspectos, las formas, las texturas y la en la clasificación tradicional. El área de estudio información espectral presentes en la imagen. Su refleja la variabilidad espacial del patrón agrícola y principio esencial fue hacer uso de información pecuario del VIRCH, vinculado con el sistema de importante (forma, textura, información contextual) riego (método de inundación) y las halófitas típicas o que sólo está presente en los objetos significativos de suculentas, semisecas y xerófitas, que se relacionan la imagen y en sus relaciones mutuas. con el ciclo biológico de las sales.

La reflectividad de los suelos salinos en los distintos CONTROL DE CAMPO canales del espectro electromagnético facilita la

extrapolación de dichos suelos, descritos Se utilizó la base de datos establecida en el VIRCH puntualmente en campo y laboratorio, a otras áreas dada por del Valle et al. (2009) para realizar la con valores digitales similares. Sin embargo, algunas verificación de los resultados de las clasificaciones clases de salinidad y sodicidad no pueden ser digitales y la correlación con las clases de salinidad y discriminadas correctamente en los niveles de sodicidad. Se aplicaron muestreos aleatorios limitaciones moderadas e intergrados (moderadas a estratificados y también algunos sistemáticos (clases fuertes y muy fuertes). Las clases con criterios de que eran difíciles de separar por los intergrados entre confusión (separabilidad) lo representan la 4 a 6.clases).


Las Tablas 1 y 2 muestran la evaluación de la en relación inversa con los errores de comisión, fiabilidad de las clasificaciones realizadas para la mientras la exactitud del productor lo está con los de imagen óptica y con la hibridación de la imagen radar, omisión para cada una de las n categorías de la respectivamente. Los errores de omisión y comisión clasificación. En general, ambos errores están expresan dos enfoques del mismo problema. Los bastantes relacionados, cuando uno es bajo, el otro primeros se refieren a una definición imperfecta de la es un poco más alto, principalmente para las clases 4 categoría. Los segundos, a una delimitación a 6 (Tabla 1).excesivamente amplia. La exactitud del usuario está

Figura 3a-d. Subescenas de una imagen ALOS, subsistema AVNIR-2, del 11 de Febrero de 2007. a. Índice de

brillo del suelo (“Brightness”) asociado a las variaciones de reflectancia del suelo. b. Índice de vegetación(“Greenness”) correlacionado con el vigor de la vegetación. c. Índice de humedad (“Wetness”) que está influido

por las bandas en el infrarrojo medio y tienen que ver con la humedad vegetal y del suelo. d. Clasificacióntradicional mixta (supervisada y no supervisada): 1 (curso de agua, canales de riego, anegamientos, riego porinundación), 2 (cortinas forestales y cultivos irrigados en el momento de la observación remota), 3 (cultivosirrigados sin problemas de sales o con ligeras limitaciones), 4 (cultivos irrigados con ligeras a moderadas

limitaciones), 5 (cultivos irrigados con moderadas limitaciones), 6 (fuertes a muy fuertes limitaciones,principalmente exceso de sales naturales), 7 (eriales de sedimentos terciarios, salinas y salitrales, caminos

vecinales).

Tabla 1. Evaluación de la fiabilidad (%) de la clasificación tradicional de la imagen AVNIR-2.


Tabla 2. Evaluación de la fiabilidad (%) de la clasificación orientada al objeto de la imagen híbrida (fusión

AVNIR-2 con PALSAR, L-HH).

La Figura 4a-b muestra la banda L-HH y la fusión con incluida las sales. A su vez, la Figura 5a-b resalta

la imagen óptica. El radar es sensible a la estructura y comparativamente las diferencias entre la rugosidad de los cultivos y al contenido de humedad, clasificación tradicional y la orientada al objeto.


Figura 4a-b. a. Subescena de la imagen ALOS PALSAR, banda L-HH, del 22 de Febrero de 2008, píxel 10 m. b. Imagen

híbrida entre las subescenas AVNIR-2 (óptica) y PALSAR (radar), píxel 10 m.


Figura 5a-b. a. Clasificación tradicional. b. Clasificación orientada al objeto relacionada con el exceso de sales.

AGRADECIMIENTOS (CONAE) de la Argentina proveyó las imágenes del satélite ALOS.

La Comisión Nacional de Actividades Espaciales

REFERENCIAS

Aly Z., F. Bonn, y R. Magagi. 2004. Modelling the backscattering coefficient of salt-affected soils: application to Wadi

El-Natrun bottom, Egypt. En: European Association of Remote Sensing Laboratories (EARSel), eProceedings 3(3):

372-381.

Bannari, A., A.M. Guedon, A. El-Harti, F.Z. Cherkaqui, A. El-Ghmari, y A. Saquaque. 2007. Slight and moderate

saline and sodic soils characterization in irrigated agricultural land using multispectral remote sensing. En:

Proceedings of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 445-450, Davos,

Switzerland.

Benz, U.C., P. Hoffmann, G. Willhauck, I. Lingenfelder, y M. Heynen. 2004. Multi-resolution, object-oriented fuzzy

analysis of remote sensing data for GIS-ready information. Journal of Photogrammetry and Remote Sensing 58:

239–258.

Congalton, R.G., y K. Green. 1999. Assessing the accuracy of remotely sensed data: principles and practice. Lewis


Publishers, New York.

CONAE. 2007. SAOCOM 1-A satellite. http://www.conae.gov.ar/eng/satelites/saocom.html.

Coronato, F. 1994. Clima del nordeste del Chubut. En: Guía de campo Península Valdés y Centro Noreste del Chubut.

CADINQUA. Séptima Reunión de Campo, eds. A. Súnico, P. Bouza, C. Cano, H.F. del Valle, L. Videla, y A. Monti, 13-

20, CENPAT-CONICET, Puerto Madryn, Chubut, Argentina.

del Valle H.F., Blanco P.D., Sione W., Rostagno C.M. y Elissalde N.O. 2009. Assessment of salt-affected soils using

multisensor radar data: A case study from northeastern Patagonia (Argentina). En: G. Metternicht y A. Zinck (eds.),

155-173 pp, Chapter 9, Remote Sensing of Soil Salinization: Impact on Land Management. CRC Press Taylor &

Francis Group.

ERDAS Inc., 2008. ERDAS IMAGINE, version 9.2. Leica Geosystems Geospatial Imaging, LLC. http://www.erdas.com/.

JAXA, 2008. ALOS Data Users Handbook. Earth Observation Research and Application Center. Japan Aerospace Exploration Agency. Revision C. March 2008.

ITT, 2008. ENVI 4.5 software. ITT Visual Information Solutions.

Laya, H. 1981. Formulación de un plan integral de manejo hídrico para el Valle Inferior del río Chubut. Levantamiento semidetallado de suelos. Consejo Federal de Inversiones (CFI), provincia de Chubut, Convenio VIRCH, volumenes 1 y 2. Buenos Aires, Argentina.

León, R.J.C., D. Bran, M. Collantes, J.M. Paruelo, y A. Soriano. 1998. Grandes unidades de vegetación de la

Patagonia extrandina. Ecología Austral 8(2): 275-308.

Metternicht, G. 1998. Fuzzy classification of JERS-1 data: an evaluation of its performance for soil salinity mapping.

Ecological Modelling 111: 61-74.

Siebert, S., J. Hoogeveen, y K. Frenken. 2006. Irrigation in Africa, Europe and Latin America - Update of the digital

global map of irrigation areas to version 4. Frankfurt Hydrology Paper 05, Institute of Physical Geography, University of Frankfurt, Germany, and FAO, Rome, Italy.

Sreenivas, K., L. Venkataratnam, y P.V.N. Rao. 1995. Dielectric properties of salt-affected soils. International Journal

of Remote Sensing 16(4): 641–649.

Taylor, G.R., B.A. Bennett, A.H. Mah, y R. Hewson. 1994. Spectral properties of salinised land and implications for interpretation of 24 channel imaging spectrometry. En: Proceedings of the First International Remote Sensing

Conference and Exhibition 3, 504-513, Strasbourg, France.

T

aylor, G.R., A.H. Mah, F.A. Kruse, K.S. Kierein-Young, R.D. Hewson, y A.B. Bennett. 1996. Characterization of saline

soils using airborne radar imagery. Remote Sensing of Environment 57: 127-142.

USDA. 2003. Keys to soil taxonomy. United States Department of Agriculture (USDA), Natural Resources Conservation Service (NRCS). Ninth Edition. Washington DC, USA.


32 REVISTA

SELPER

Diagnóstico de áreas vulnerables a la desertificación empleando información satelital y SIG en un territorio de la República de Cuba

a b bMartín Morales, Gustavo ; Cruz Díaz, Reino Orlay ; Vantour Causse, Antonio ; Páezb cMoro, Maribel y Ponvert-Delisles Batista, Dámaso R.

a Instituto de Geografía Tropical (IGT), CITMA; Calle 13, esquina a F, Vedado, Plaza de la revolucion, Ciudad de La

Habana, Cuba. Teléfono 832-11-08,b Centro de Gerencia de Programas y Proyectos Priorizados (GEPROP), CITMA; calle 20, 4112, entre 18ª y 47,

Miramar, Playa, Ciudad de La Habana, Cuba. Teléfono 203-02-45, 206-05-33, 202-34-28 y 202-70-95 FAX: 202-93-

72;c Grupo de Investigaciones Agrofísicas (GIAF) Facultad de Mecanización Agropecuaria Universidad Agraria de la

Habana (UNAH) MES – Cuba.

DIAGNÓSTICO DE ÁREAS VULNERABLES A LA DESERTIFICACIÓN

RESUMEN 2006), como la degradación de las tierras de zonas

áridas, semiáridas y sub-húmedas secas; resultante A nivel internacional se reconoce la urgente de diversos factores, entre ellos, las variaciones necesidad de abordar el diagnostico de áreas climáticas y las actividades humanas.vulnerables a la desertificación desde una Las prácticas agrícolas en tierras secas por lo general perspectiva integradora, capaz de analizar el estado pueden contribuir al proceso de desertificación, de los recursos naturales y de valorar el peso que porque exponen los suelos al viento y a la erosión del e je rce la p res ión humana como fac to r agua, durante largos periodos de tiempo. De esta desencadenante del proceso de desertificación. El forma las partículas más finas del suelo son trasladas trabajo muestra el diagnostico de tierras agrícolas en por el viento o lavadas con el material orgánico que áreas vulnerables a la desertificación; abordados a hará falta en el próximo ciclo agrícola; lo que implica partir de la integración de la información satelital en una gradual reducción de nutrientes con el transcurrir un Sistema de Información Geográfica. Los de de los años.resultados obtenidos demuestran que el proceso de Por otra parte la agricultura con riego también puede desertificación en el área estudiada se fue contribuir a la desertificación si es responsable de incrementando en la medida en los ciclos de sequía aniegos y salinización. La salinización o alcalización se intensificaron; las buenas prácticas y las medidas de áreas de tierras bajas, ocurre cuando un exceso dede mitigación tomadas en la última década hacen irrigación induce la acumulación de sales solubles, lo posible que se comience a ver un escenario más que a su vez perjudica el crecimiento de la planta.alentador. Para monitoreo de tierras agrícolas en zonas con

peligro de desertificación y los efectos que las Palabras clave: Desertificación, Teledetección, SIG, medidas de mitigación puedan tener sobre el proceso Vulnerabilidad, Tierras Agrícolas, Monitoreo. de desertificación, será necesario contar con una

información básica sobre el comportamiento del ABSTRACT clima, el estado de las propiedades físicas y químico

de los suelos, así como, de las características It is recognized at the International level, the urgent socioeconómicas de la región en cuestión.need to address the diagnosis of vulnerable areas to Generalmente esta información básica está desertification from an integral point of view, desactualizada y en manos de distintas entidades, considering the analysis of the state of natural presentando además las dificultades siguientes:resources and the valuation of human pressure as one of the processes involved in desertification. This • difícil acceso a los resultados de las investigaciones work presents the diagnosis of agricultural lands in por parte de los planificadores y de los decisores; vulnerable areas to desertification by means of satellite information and GIS tools. Results shows that • dispersión espacial y temática de los resultados the process of desertification in the studied area, was (cada temática que se aborda precisa de un mapa greater driven by the intensification of drought distinto);periods. Good practices and mitigation efforts made in the last decade, give a more encouraging future

• falta de integración entre los componentes físico-scenario.

geográficos y socioeconómicos;

Keywords: Desertification, Remote sensing, GIS, • escalas diferentes en el tratamiento de los datos;Vulnerability, Agricultural lands, Monitoring

• insuficiente precisión en la representación gráfica de INTRODUCCIÓNlos fenómenos espaciales;

La desertificación es un problema actual que afecta a • la temporalidad en la vigencia de la información, (la los cinco continentes; esta se define según (UNCCD,


vulnerabilidad natural se ve modificada en el tiempo y variables y las sub-variables) y como parte del las áreas susceptibles de degradación por procesos proceso de verificación en campo, en apoyo al de desertificación también cambian en el tiempo). proceso de análisis y toma de decisión para la

determinación de áreas vulnerables a la A estas dificultades se le suma los inconvenientes desertificación.que se presentan para manejo simultáneo de un gran Las imágenes provenientes de satél i tes volumen de datos en las diferentes temáticas, a la meteorológicos tienen su mayor empleo para el hora de realizar el análisis y seguimiento de procesos pronóstico del tiempo y el estudio del clima. Su de desertificación como medida para la reducción del posición en una órbita helio sincrónica permite riesgo de desastres en la agricultura. obtener información con alta resolución temporal La solución de esta problemática exige nuevos aunque con baja resolución espacial, sin embargo, lo enfoques, tales como: primero tiene una gran importancia para la alerta

temprana en la prevención y mitigación de • Informatizar los resultados de las investigaciones fenómenos meteorológicos adversos como la como vía para el procesamiento, gestión y análisis de ocurrencia de huracanes, el calentamiento de la la información así como un acceso rápido a los datos; superficie del mar, incendios forestales, etc.

Como vemos en los trabajos presentados por • sintetizar e integrar bajo un enfoque sistémico la (Gandía and Meliá, 1993); (Seevers and Ottmann, información resultante de las investigaciones

1994); (Di Bella et al., 2000); (CHEN Yun-hao et al., realizadas y futuras, para dar solución a complejas

2001) y (Cristóbal et al., 2009) las imágenes tareas de gestión, ordenamiento y análisis de la satelitales pueden ser empleadas como fuente de información;datos de partida para obtener información actualizada de valores de temperatura, radiación • contar con un suministro sistemático de información neta, vapor de agua y evapotranspiración; variables exacta, actual y oportuna; de los factores ambientales estas que son empleadas en los estudios de como el clima, el suelo, la disponibilidad del agua y la desertificación.vegetación, en estrecha relación con la actividad del La textura de los suelos influye en muchas otras de hombre.sus características, especialmente aquellas relacionadas con la humedad y fertilidad del suelo. En Una de las vías más eficientes de dar solución a esta la actualidad las resoluciones espaciales y problemática, es mediante la aplicación de espectrales presentes en los sensores hacen posible herramientas presentes en los Sistemas de establecer diferencias de su estado. Si bien se hace Información Geográfica (SIG) para la recopilación, muy difícil determinar desde el espacio sub-variables análisis y modelación, así como, el empleo de la

Teledetección, mediante la cual se pueden obtener como la acidez, la compactación, el lavado y el datos desde el espacio con distintas resoluciones concrecionamiento, entre otros factores de espaciales, espectrales y temporales; jugando un degradación; si es factible detectar la alta salinidad, el papel importante como fuente de información mal drenaje o exceso de humedad y la erosión.actualizada, al permitir con rapidez y precisión el D i fe ren tes técn icas de segmentac ión y seguimiento el deterioro de las condiciones naturales transformación a las imágenes (Análisis de textura, en una región determinada. componentes principales, Tasseled Cap, diferencia La necesidad de emplear herramientas presentes en de imágenes, índice de brillo, así como, análisis de los Sistemas de Información Geográfica, en corre lac ión y detecc ión de cambios de sustitución de los métodos tradicionales para multitemporales) se pueden emplear en los estudios procesar los volúmenes considerables de datos que de diagnostico del estado actual de la degradación de se manejan en los procesos de toma de decisiones los suelos (María Elena and Gertjan B, 2006).para la lucha contra la degradación y desertificación La forma del terreno es otra característica importante de las tierras; ya que su empleo logra un gran ahorro a levantar en estudios de desertificación; el grado de de tiempo por concepto procesamiento, además de la pendiente del terreno es importante porque influye una mayor exactitud y precisión en la información sobre la velocidad y la cantidad de la corriente de mapificada; lo que junto a su capacidad de agua en superficie y sobre la cantidad e intensidad de almacenaje constituye una de sus inmensurables luz solar que recibe un determinado suelo. En este ventajas. sentido a partir de pares de imágenes se obtiene Hoy en día es casi imposible prescindir de los SIG; en información de la altura del relieve y de su trabajos relacionados con el medio ambiente,(Martín irregularidad.et al., 2009) proponen una metodología para el uso de El estado de la cobertura vegetal, permite identificar técnicas de análisis multivariado como herramienta unidades y formaciones cuya fisonomía y de análisis para el diagnóstico de áreas vulnerables a composición florística se corresponde con distintas la desertificación en Cuba. zonas climáticas. Para caracterización de la También está demostrado el papel que juega la vegetación con imágenes de satélite se han información satelital, como fuente de datos de partida desarrollado diversas técnicas. El comportamiento confiable y actualizada, (levantamiento de las

33 REVISTA

SELPERDIAGNÓSTICO DE ÁREAS VULNERABLES A LA DESERTIFICACIÓN Edición Especial Vol. 1DICIEMBRE 2010

espectral de la vegetación según la literatura está profundidad entre 41 y 60 cm. En estas condiciones el condicionado por varios factores que determinan su terreno se saliniza y paulatinamente, disminuyendo marcada reflectividad. su capacidad productiva como respuesta a esta Para determinar cambios de coberturas vegetales combinación de riesgos naturales (sequías entre una fecha y otra, se pueden aplicar distintas prolongadas, manto freático descargado, incendios técnicas digitales (Chuvieco, 1995). forestales) con la actividad humana, relacionada con Lo más común es convertir los niveles digitales (ND) frecuencia con prácticas agrícolas inadecuadas, el contenidos en la imagen en un número determinado excesivo uso de plaguicidas, fertilizantes, regadíos de categorías o clases informacionales (clasificación mal planificados o con la utilización de zonas en digital) y hallar la diferencia entre los resultados de las principio poco aptas para la agricultura.distintas fechas. Otras técnicas experimentadas son: Como materiales de partida se empleo:

• Cociente o ratio; este implica efectuar una división, 1. Imágenes Landsat TM con fecha 1985/02/07píxel a píxel, entre los ND almacenados en dos bandas de la imagen. 2. Imágenes Landsat ETM+ con fecha 1999/12/30 y

2003/03/05• Análisis de componentes principales; es la técnica de que registra la información redundante, a partir de 3. Mapa de Índice de Aridez de Cuba (Ransés un conjunto de imágenes muy correlacionadas por Vázquez et al., 2007),estar recogidas en bandas adyacentes; en las tres primeras componentes sale el contenido de la 4. Curvas de nivel proveniente de la hoja de mapa información que nos interesa, eliminando la topográfico a escala 1:25 000.redundancia de datos; si la empleáramos para detectar de cambios (análisis multitemporal) El procedimiento general empleado para procesar las entonces los primeros componentes estarían imágenes de satélite (Figura Nº 1), como fuente relacionadas con las fechas de características más principal de información es típico que se plantea en la correlacionadas, es decir, de menor cambio; siendo literatura (Chuvieco, 1995); el mismo comprendió los los componentes intermedios los de mayor utilidad procesos de:para deducir la existencia de cambios en la cobertura. 1. Correcciones de la imagen.

2. Mejoramiento y realce de la imagen.• Composición multitemporal; se aplica el color rojo a 3. Transformaciones de la imagen.la primera fecha y el verde a la segunda, dejando el 4. Clasificación de imágenes.canal azul vacío. Los resultados indican en amarillo Para cada una de las imágenes se obtuvieron las las áreas estables, en rojo las zonas que hayan estadísticas elementales que definen a cada canal o reducido su reflectividad entre fechas y en verde las banda espectral (mínimo, máximo, media, desviación que lo hayan incrementado. estándar y mediana) lo cual nos permitió hacer una

primera valoración del grado de homogeneidad de las La actividad cotidiana del hombre requiere características de los objetos presentes en cada de cons tan temen te de l a cons t rucc ión de una estas (análisis de la separabilidad de las clases) infraestructuras para la producción, lo que, ligado a la con el objetivo de orientar de forma efectiva los sobre explotación de los recursos constituye una las posteriores procesos. Este proceso se realizó causas fundamentales de desertificación. visualizando el histograma de frecuencia de cada En las imágenes de alta resolución espacial se puede banda y anotando su valor en un fichero txt.detectar con facilidad la existencia de infraestructuras Posteriormente se eliminaron los ruidos que viales, asentamientos poblacionales, obras para aparecían en la escena; como el efecto atmosférico embalse de aguas, zonas industriales, escombreras, (necesario para el ajuste de las escenas y análisis de actividad minera a cielo abierto, focos contaminantes, detección de cambios) y el efecto de sombra que entre otras. Pero quizás una de las informaciones produce el relieve (necesario para compensar las más relevantes que ofrece la Teledetección en la variaciones de la iluminación del sol resultantes de las detección de actividad cotidiana del hombre, es la diferentes fechas de adquisición de escenas).manera de usar un determinado terreno. La corrección del efecto atmosférico se realizó

empleando para su cálculo el modelo atmosférico MATERIALES Y MÉTODOS MODTRAN-4 (Matthew et al., 2000).

La corrección del efecto de la sombra topográfica de El área de estudio se enmarca entre los -75º16´W, cada imagen se realizó por el método del

20º08´N; y -75º02´W, 19º55´N; lo que la ubica al sur Coeficiente-C, (Teillet et al., 1982) que se muestra en

de la Ciudad de Guantánamo, Cuba. Desde el punto la ecuación 1.de vista climático se caracteriza por ser una región semiárida, sometida a sequías estacionales.Predomian los suelos muy mal drenados del tipo gléyico, con textura arcillosa, poco erosionados y

34 REVISTA


donde: sol);LH, es la radiación de la superficie corregida; C, es el coeficiente de la de la ecuación de regresión LT, es la reflectancia calibrada; lineal (Y= A + B*X), que se obtiene mediante C=b/m;Cos (sz), coseno del ángulo solar cenital; b, es la intercepción de la línea de regresión;Cos (i), coseno del ángulo de incidencia (Azimut del m, pendiente de la línea de regresión.

Figura 1- Procedimiento general empleado para procesar las imágenes de satélite, adaptado de (Chuvieco,1995).

35 REVISTA


Con el fin de facilitar los trabajos posteriores del obtenidas en fechas diferentes.procesamiento, se llevó a cabo la georreferenciación Con el objetivo de caracterizar mejor la vegetación y transformación de las imágenes, (este fue un sana y los procesos de degradación de los suelos proceso de “ir y venir” pues por un lado se necesita la (humedad excesiva y presencia de salinidad); se georreferencia de la imagen que se utilizará en realizaron las operaciones de transformación de la campo para obtener la posición de las muestras de imagen (Índice de vegetación normalizado, índice de las clases informacionales y por otro, a la hora de vegetación ajustado al suelo, índice infrarrojo de clasificar la imagen, se necesita que los píxel sean lo diferencia normalizada y Tasseled Cap). Estas fueron más fidedignos posibles). dirigidas a crear bandas artificiales a partir de El ajuste de histogramas fue un proceso muy útil para combinaciones entre las originales.emparejar los valores de ND de las escenas

Para la clasificación de la imagen primeramente, se Una vez creados los campos de entrenamiento, se empleó un enfoque no supervisado con los algoritmos procedió a depurar las muestras y a realizar la

clasificación final de la imagen mediante el enfoque de estadística no supervisada (Isodata y K-Medias) supervisado con los algoritmos de estadística quedándonos finalmente para el muestreo en campo supervisada de máxima verosimilitud.

con el resultado obtenido por el Modelo de k-medias, La leyenda utilizada estuvo en correspondencia con

estableciéndose una red puntos a visitar o a la evidencia de la degradación del suelo por estrés investigar en otras fuentes de información. hídrico y salinidad, así como, por la comparación del

36 REVISTA


estado de la vegetación en diferentes fechas. mediante el método de Jerarquías Analíticas Para construir los modelos de las diferentes fechas, implementado en el software AHP elaborado por nos apoyamos en las herramientas de análisis (Delgado, 2007), se obtuvo de forma automática los presentes en los SIG. El procedimiento seguido fue el valores de cada variable y sub-variable.descrito por (Cruz Díaz et al., 2009) y que aparece en En el nivel de mayor jerarquía, se colocó la meta la Figura Nº 2. global (modelo de vulnerabilidad) y en los sucesivos A partir de criterios de expertos se seleccionaron las niveles el resto de los aspectos relevantes, hasta variables y sub-variables que por su orden de llegar al último nivel de la jerarquía donde se situaron importancia intervinieron en la modelación SIG; las alternativas comparadas.

Figura 2- Proceso de análisis empleando SIG, para identificar Áreas Vulnerables a la Desertificación.

Una vez construida la estructura jerárquica, se respecto a un atributo o propiedad en común de los procedió a incorporar las preferencias valorativas de expertos; para ello se empleó la escala de valores que dominación relativa de un elemento frente a otro se muestra en la Tabla 1.

Tabla 1: Escala de valores.

37 REVISTA


Como resultado de estas comparaciones se obtuvo como ejemplo el análisis para los variables suelo, vegetación y presión humana.para cada sub-criterio una matriz de comparación,

como la que mostramos en la Tabla Nº 2, tomando

Tabla 2: Matriz de comparación.

Por último se realizó una síntesis de las prioridades Posicionamiento Global (GPS).para obtener el peso de los elementos involucrados en la resolución del problema por cada capa RESULTADOS Y DISCUSIÓNinformacional, las que fueron procesadas por operadores lógicos presentes en el SIG. Las componentes Brillo y Humedad (Figura Nº 3), Se obtuvo un mapa de áreas vulnerables a la calculadas con el algoritmo de Tasseled Cap y su desertificación para los años 1985, 2003, y 2008; para relación con el índice de estrés hídrico y de esta ultima fecha se verificó en campo los resultados vegetación normalizada, permiten delimitar con obtenidos en la modelación realizada, para cual se bastante exactitud la degradación de los suelos entre plotearon aleatoriamente puntos de comprobación las distintas fechas, como variable indicadora en la sobre el material foto cartográfico; los que identificación de áreas con problemas de salinización posteriormente fueron identificados en los recorridos y mal drenaje.de campo con ayuda de equipos de Sistema de

Figura 3. Las componentes Brillo y Humedad

38 REVISTA


En el caso de la vegetación, las diferencias entre el promedios de los niveles digitales (ND) de las índice de vegetación de las diferentes fechas, coberturas que fueron clasificadas. Podemos permitió evaluar la dinámica del uso del suelo. La apreciar que en las coberturas vegetales se produce vegetación vigorosa aparece como bosques de una marcada diferencia entre la banda roja (banda 3) galería asociada a ríos y arroyos con valores de del visible y el infrarrojo cercano (banda 4), lo que índice de vegetación entre 0.5 y 0.7, asociada a provoca se observe un alto contraste (cuanto mayor suelos húmedos; las áreas sometidas a cultivos se sea el contraste entre estas bandas mayor es el vigor identifican con valores entre 0.2 y 0.47. de la vegetación y mejor su discriminación frente a La Figura Nº 4, muestra la distribución de los valores otros tipos de cubierta).

Figura 4.- Valores espectrales dedistintos tipos de coberturas

39 REVISTA


CONCLUSIONES posible que se comience a ver un escenario más alentador.

Las técnicas de procesamiento de imágenes ópticas El diagnóstico de áreas vulnerables a la aplicadas permitió, determinar con bastante exactitud desertificación, si bien puede ser determinado por la degradación de los suelos como variable series temporales de imágenes, su resultado queda indicadora en la identificación de áreas vulnerables a sujeto a los años que se tengan registros, lo cual da la desertificación, verificando la hipótesis de que pié a subvaloraciones que pueden traer como composición del sustrato del suelo está consecuencia errores importantes en el momento de estrechamente vinculada a la respuesta espectral de recomendar un programa de restauración.la en la zona visible e infrarrojo cercano; mientras, en Los límites de las zonas áridas, semiáridas y el infrarrojo medio y lejano se caracteriza por la subhúmedas no son estáticos, por lo que se debe apariencia de humedad y el contenido del agua. monitorear de forma constante la variabilidad Los resultados obtenidos demuestran que el proceso interanual de la precipitación y la ocurrencia de de desertificación en el área estudiada se fue sequías prolongadas, para realizar diagnósticos más incrementando en la medida en los ciclos de sequía objetivos en tierras agrícolas con peligro de se intensificaron; las buenas prácticas y las medidas desertificación.de mitigación tomadas en la última década hacen

REFERENCIAS BIBLIOGRÁFICAS

Crist, E. P., R. Laurin, and R. C. Cicone, 1986, Vegetation and Soils Information Contained in Transformed Thematic Mapper Data., Paper presented at International Geosciences and Remote Sensing Symposium (IGARSS)’ 86

Symposium, ESA, Publications Division, ESA SP-254.

Cristóbal, J., R. Poyatos, M. Ninyerola, X. Pons, and P. Llorens, 2009, Actual evapotranspiration estimation in a

Mediterranean mountain region by means of Landsat-5 TM and TERRA/AQUA MODIS imagery and Sap Flow

measurements in Pinus sylvestris forest stands.: Geophysical Research Abstracts, v. 11, p. 2.

Cruz Díaz, R. O., A. Vantour Causse, M. Páez Moro, G. Martín Morales, and R. P. Capote López, 2009, Diagnóstico de las áreas vulnerables a la desertificación en Cuba mediante el uso de la teledetección y los sistemas de información

geográfica.: Mapping, v. 131, p. 56-60.

CHEN Yun-hao, LI Xiao-bing, and S. Pei-jun, 2001, Estimation of regional evapotranspiration over Northwest China

using remote sensing: Journal of Geographical Sciences, v. ll.

Chuvieco, E., 1995, Fundamentos de Teledetección Aeroespacial, EDICIONES RIALP, S.A., 453 p.

Delgado, R., 2007, Software AHP. Herramienta para analizar jerarquías con el apoyo de expertos.

Di Bella, C. M., C. M. Rebella, and J. M. Paruelo, 2000, Evapotranspiration estimates using NOAA AVHRR imagery in

the Pampa región of Argentina: Remote Sensing of Environment, v. 21, p. 791-797.

Gandía, S., and J. Meliá, 1993, La teledetección en el seguimiento de los fenómenos naturales: Climatología y Desertificación: València, Universitat de València 308 p.

Huang, C., B. Wylie, L. Yang, C. Homer, and G. Zylstra, 2001, Derivation of a Tasseled Cap Transformation Based on

Landsat 7 at-Satellite Reflectance, in U. S. D. o. t. Interior, ed., Raytheon ITSS, USGS EROS Data Center Sioux Falls,

SD 57198, USA, p. 10.

María Elena, A., and B. Gertjan B, 2006, Indicadores de la desertificación para América del Sur: Mendoza, Argentina, 374 p.

Martín, G., M. Páez, Cruz Díaz R.O., A. Vantour, R. Delgado, and R. Capote, 2009, USING OF THE GIS AND DISCREET METHODS IN THE DETERMINATION OF VULNERABLE AREAS TO DESERTIFITION: IV Congreso Internacional de Geomática, p. 8.

40 REVISTA


Matthew, M. W., S. M. Adler-Golden, A. Berk, S. C. Richtsmeier, R. Y. Levine, L. S. Bernstein, P. K. Acharya, G. P.

Anderson, G. W. Felde, M. P. Hoke, A. Ratkowski, H.-H. Burke, R. D. Kaiser, and D. P. Miller, 2000, Status of

Atmospheric Correction Using a MODTRAN4-based Algorithm. : SPIE Proceedings, Algorithms for Multispectral,

Hyperspectral, and Ultraspectral Imagery VI., p. 199-207.

Ransés Vázquez, Argelio Fernández, Oscar Solano, Braulio Lapinel, and F. Rodríguez, 2007, Mapa de Aridez de

Cuba: Zonas Áridas, v. 11, p. 101-110.

Rock, B. N., D. L. Williams, and J. E. Vogelmann, 1985, Field and airborne spectral characterization of suspected acid deposition damage in red spruce (Picea rubens) from Vermont: Machine Processing of Remotely Sensed Data.

Sabins, F. F., Jr. , 1987, Remote Sensing, Principles and Interpretation, 2d ed. New York: W. H. Freeman & Co.

Seevers, P. M., and R. W. Ottmann, 1994, Evapotranspiration estimation using a Normalized Difference Vegetation

Index transformation of satellite data: Hydrological Sciences -Journal- des Sciences Hydwlogiques, v. 39, p. 333 -

345.

Speranza, F. C., and H. R. Zerda, 2005, Potencialidad de los Índices de Vegetación para la discriminación de Coberturas Forestales, p. 10.

Teillet, P. M., B. Guindon, and D. G. Goodenough, 1982, On the Slope-Aspect Correction of Multispectral Scanner

Data: Canidian Journal of Remote Sensing, v. 8, p. 84 - 106.

UNCCD, 2006, ¿Qué es la desertificación? Mecanismo Mundial de Lucha Contra la Desertificación y la Sequía. En URL http://193.194.138.128/Spanish/About/desertification.htm. Pg.4.

41 REVISTA


42 REVISTA

SELPER

Análisis de la influencia de la resolución espacial de las imágenes de NDVI Y TS en el cálculo del estrés hídrico.

a aVenturini, Virginia y Girolimetto, Daniela

a CENEHA-Facultad de Ingeniería y Ciencias Hídricas – Universidad Nacional del Litoral. Ciudad Universitaria. CC

217. Santa Fe (3000)- Santa Fe-Argentina. Tel: (54) (342) 4575233/34/44 Ext.197.

ANÁLISIS DE LA INFLUENCIA DE LA RESOLUCIÓN ESPACIAL...

RESUMEN

Keywords: spatial resolution, fusion, NDVI-Ts En este trabajo se analiza el efecto de la resolución space, water stress, evapotranspirationespacial de las imágenes del Índice Diferencial Normalizado de Vegetación (NDVI) y la temperatura INTRODUCCIÓNde superficie (Ts), en el contexto de los diagramas NDVITs. El balance de energía al nivel de la superficie terrestre Este diagrama es muy utilizado en diferentes engloba procesos atmosféricos y superficiales métodos para monitorear variables ambientales, interactivos que varían en el tiempo y el espacio. Las como ser el estrés hídrico de la vegetación. Se observaciones y estimaciones puntuales (a nivel de analizó la posible utilización de imágenes cuya parcela) no son de mucha utilidad para las prácticas resoluciones espaciales que varían desde 1x1 km, agronómicas e hidrológicas más comunes. A escalascaracterístico de los sensores infrarrojos térmicos, regionales, las observaciones en superficie fracasan hasta imágenes de 10x10 km representativas de a la hora de explicar las variaciones de variables sensores microondas. Los resultados sugieren que como el contenido de humedad del suelo, la las imágenes de baja calidad de Ts y NDVI temperatura del aire y de la superficie, etc. Por otra producirían resultados certeros siempre que el parte, los sensores remotos monitorean muchas de tamaño del píxel sea inferior a 8x8 km. De otra forma, las variables mencionadas a nivel regional (Price, los resultados serian inciertos y deben ser 1990; Running et al., 1994; Rees, 2001; Justice et al., cuidadosamente analizados antes de tomar 2002; Venturini et al., 2008). La teledetección no es decisiones. Si el área en estudio involucra cuerpos de sólo utilizada para estudiar procesos que ocurren a agua grandes, la metodología no presentaría nivel de la superficie terrestre, sino que también se los limitaciones. utiliza para desarrollar metodologías que representen

mejor la distribución regional de los procesos Palabras Clave: Resolución espacial, Fusión, involucrados en el balance de energía (Jackson et al. diagrama NDVI-T, estrés hídrico, evapotranspiración 1977; Rivas. and Caselles, 2004; Bisht et al, 2005;

Venturini et al., 2008.ABSTRACT Algunas metodologías que se desarrollaron a partir

de la teledetección se basan en los diagramas de un In this work the effect of the spatial resolution of the índice de vegetación versus la temperatura Normalized Difference Vegetation Index (NDVI) and radiométrica de la superficie (Ts), introducido por surface temperature (Ts) is analyzed in the context of Price (1990).

El índice de vegetación más utilizado y aceptado es el NDVI-Ts scatter plot. This plot is widely in different el índice de vegetación diferencial normalizado methods, used for monitoring environmental (Normalized Difference Vegetation Index, NDVI). El variables such as vegetation water stress. Thus, the espacio NDVI-Ts es ampliamente utilizado para analyzed spatial resolutions varied from 1x1 km,

characteristics of the infrared sensors to resolutions of estimar la fracción evaporativa (EF) y la 10x10 km representative of microwave sensors. The evapotranspiración (ET) (Carlson et al, 1995; Gillies results suggest that coarse Ts and NDVI maps would et al., 1997; Jiang and Islam 1999; Nishida, et al., produce certain results with pixel smaller than 8x8 km. 2003; Venturini et al., 200; Wang et al., 2005; Stisen et Otherwise, the results uncertainties should be al., 2008). Otros métodos utilizan este diagrama para carefully analyzed. The method can be applied coarse estimar la humedad del suelo, como los desarrollados NDVI and Ts maps if fresh water bodies can be por Carlson et al. (1995) y Sandholt et al. (2002) entre identified in the images. otros. El estrés hídrico y los índices de sequía


también pueden ser estimados a partir de estos interpretan la distribución de los píxel dentro del espacios (Moran et al., 1994; Sandholt et al.2002; espacio en forma diferente. Sin embargo todos están Wang et al., 2005). de acuerdo que el balance de los flujos de energía En estos diagramas, Ts es la principal limitante no turbulentos está reflejado en la forma que adopta el sólo por su dinámica, sino también debido a que las diagrama (Moran et al. 1994; Jiang e Islam 2001; ondas térmicas infrarrojas emitidas por la superficie Nishida et al., 2003; Jiang et al., 2004; Carlson, 2007). terrestre no pueden penetrar las nubes, por lo que no La Figura 1 muestra un diagrama NDVI-Ts alcanzan a ser registradas por los sensores ópticos correspondiente al área en estudio. Los aspectos bajo condiciones climáticas adversas. De hecho, más destacables de estos diagramas se detallan a mientras que Ts refleja la dinámica energética de la continuación:superficie, el NDVI indica la lenta variación de la Se puede observar un amplio rango de temperaturas cobertura vegetal de dicha superficie (Carlson, 2007). para valores de NDVI bajos (suelos desnudos) Al presente, se han realizado estudios sobre la mientras que las zonas vegetadas (NDVI altos) variabilidad de la geometría del espacio NDVI- Ts a muestran temperaturas bajas con un rango de escalas espaciales inferiores a 1x1 km (Kustas et al. variación menor.2003; French et al. 2005). Sin embargo, estudios con Estas zonas están demarcadas en la Figura 1 como A resoluciones espaciales compatibles con las de los y B respectivamente. Hay un borde bien definido radiómetros no se han encontrado en la búsqueda sobre la región más cálida del diagrama (Borde bibliográfica realizada hasta ahora. Se han realizado Cálido en Figura 1). En oposición a este borde, la también estudios sobre la variable Ts, básicamente región más fría está menos definida (Borde Frío) y en busca de un índice que refleje mejor el estado muestra una “cola” hacia los valores negativos de energético del píxel. Venturini et al., 2004 mostró que NDVI (Agua en Figura 1). El hecho que las zonas la temperatura radiométrica, sin correcciones vegetadas tengan temperaturas más homogéneas atmosférica, de una banda infrarroja térmica es una que las zonas con menos vegetación, le da al buena aproximación de Ts. diagrama una forma trapezoidal que normalmente se Los sensores de microondas pasivos (MP) y radares simplifica en un triangulo.que registran información diariamente y operan con Existen muchas lecturas de este triangulo, por longitudes de ondas más largas. Los MP no son ejemplo Gillies y Carlson (1995); Carlson y Ripley afectados por las condiciones climáticas ni por la (1997); Gillies et al., (1997); Carlson, 2007 postulan fuente de iluminación. Los sensores como AMSER a que la temperatura del suelo está limitada por la

máxima y la mínimas ya que la temperatura de la bordo del satélite EAOS-Aqua puede ser una fuente vegetación no varía. Por lo tanto, las variaciones de importante de información. En la actualidad se están temperatura dentro del triangulo reflejan cambios en

desarrollando sensores microondas, como el SAC-la temperatura del suelo y en la humedad del suelo en

D/Aquarius y la misión satelital Hydros, que superficie. Para estos autores, el borde cálido y el frío representaran una fuente de datos fundamentales corresponden a los píxeles más secos y más para este tipo de aplicaciones en el país y en el húmedos respectivamente.mundo.La combinación de la información registrada con sensores ópticos con otro tipo de sensores como por ejemplo los MP, requiere un exhaustivo análisis previo dada la rápida variabilidad espacial de Ts en relación al NDVI y la baja resolución espacial de algunos sensores. Cabe mencionar que Girolimetto et al., 2007 estudiaron el efecto que la resolución espacial de la imágenes de Ts tiene sobre el método de Jiang e Islam (1999, 2001), utilizando siempre la misma resolución espacial para el NDVI.En este trabajo se analizó la influencia del tamaño del píxel en la determinación de la temperatura de banda de un canal infrarrojo térmico, en el cálculo del NDVI y luego la influencia de la resolución espacial en el

diagrama NDVI-Ts y sus consecuencias en él

método propuesto por Jiang e Islam (2001).

EL DIAGRAMA NDVI-TS Y SUS APLICACIONES

Características del diagrama NDVI-Ts

Las metodologías basadas en el espacio NDVI-Ts

Figura 1: Ejemplo del espacio NDVI-Ts con las zonas más

destacables remarcadas demarcadas como Agua, Bordes frío y cálido, zona A y B.

43 REVISTA

SELPERANÁLISIS DE LA INFLUENCIA DE LA RESOLUCIÓN ESPACIAL...Edición Especial Vol. 1DICIEMBRE 2010

Otra interpretación interesante del triángulo fue saturada.publicada por Jiang e Islam (1999). Ellos dicen que el Como se menciono antes, el valor de ö para cada borde cálido representa los píxeles con menor ET, píxel de una imagen se obtiene mediante una mientras que el borde frío limita los píxeles con mayor interpolación lineal que se realiza en dos etapas. ET. De este modo, ET en cualquier píxel varia dentro Primero se debe definir la pendiente del lado superior de los bordes del triangulo. En esta interpretación del del triángulo para los píxeles cuyos NDVI están

comprendidos en el rango [0,1]. El valor mínimo diagrama NDVI-Ts, la temperatura se interpreta

como un indicador de la repartición de la energía global de ö (ö min = 0), est・ asociado a una entre los diferentes flujos de calor y no solo un superficie seca sin vegetación, cuyo NDVI=0. El valor indicador de la humedad del suelo. El método mínimo global de ö (ö max = á = 1.26), se define para propuesto por Jiang e Islam es muy simple de usar y la temperatura media de los píxeles saturados o nos permite estimar el riesgo potencial de sequía o donde se observe agua en la superficie.saturación en una región, entre otras aplicaciones. Es Finalmente se interpola linealmente el valor de ö para por esto que, a modo ejemplo, presentaremos los píxeles que están dentro de los límites del algunos resultados alcanzados de aplicar este triángulo.método con imágenes de diferentes calidades. Cabe destacar que el mismo análisis puede hacerse con ÁREA DE ESTUDIOcualquier otro método de disponerse los datos necesarios. El área de estudio corresponde a la cuenca inferior

del Río Salado, Santa Fe, Argentina, ubicada entre Método de Jiang e Islam para calcular ET los 29° y 31° de latitud sur y los 62° y 60,5° de longitud

oeste (Figura 2)La metodología desarrollada por Jiang e Islam (2001), propone una modificación de la ecuación de Priestley y Taylor (1972) para calcular ET,

reemplazando el parámetro á de Priestley-Taylor por

un nuevo parámetro ö. La ecuación modificada puede ser aplicada a regiones heterogéneas y con diferentes condiciones de humedad en la superficie.

El espacio NDVI-Ts se interpreta como un indicador

de la repartición de los flujos de energía entre los diferentes flujos de calor y no solo un indicador de la humedad del suelo. Esta interpretación del espacio

NDVI-Ts es la base de la obtención del parámetro ö y

ET para cada píxel de una imagen satelital. El valor del parámetro ö es estimado como una simple interpolación lineal entre ambos lados del triángulo. El modelo propuesto por Jiang e Islam es entonces:

donde ä es la constante psicrométrica, Ä es la pendiente de la curva de presi? de saturación del vapor de agua (SVP), Rn es la radiaci? neta que llega a la superficie, G el flujo de calor del suelo y ö el parámetro de Jiang e Islam.Existe una relación singular entre el rango de variación de ö y ciertas características de la superficie.Estas características físicas estarían asociadas a la humedad, conductancia y temperatura de la superficie (Jiang e Islam, 2001). De este modo, el

par疥etro ö puede variar desde cero, para un suelo

desnudo y seco, hasta 1,26 para una superficie

Figura 2: Ubicación del área en estudio.

44 REVISTA


El río Salado se extiende a lo largo de 2000 ancho de barrido de 2330 km. En la actualidad se kilómetros; nace en la provincia de Salta y distribuyen 44 productos derivados de las 36 bandas, desemboca en el sistema del río Paraná. La cuenca Los que se dividen en las siguientes categorías: hidrográfica comprende a unos 58.000 km2, de los Calibración, Atmosféricos, Superficiales, Criósfera y cuales unos 30.000 km2 conforman la cuenca Oceánico (http://modis.gsfc.nasa.gov). En este propiamente dicha mientras que el resto, trabajo se utilizó el producto MOD02.corresponde a la subcuenca denominada Bajos El producto MOD02 contiene la radiancia o cuentas Submeridionales que desagua en el río Salado a digitales calibradas y geo-registrada de las 36 través del río Calchaquí. bandas. Las imágenes correspondientes a la banda 1 El incremento del caudal medio del río Salado, que (rojo) y la banda 2 (infrarrojo cercano) fueron pasó de 71 m3/s en el período 1954-1970 a 176 utilizadas para obtener el índice de vegetación NDVI.

La banda 31, que registra información en el rango m3/s en el período 1971-2002, (FICH-INA-INTA, espectral de longitud de onda 10,78-11,28 ìm, se 2007) es reflejo del período húmedo que atraviesa la

provincia de Santa Fe, por la que escurre el tramo usó para aproximar Ts con la temperatura inferior del río. Paralelamente a los cambios de la radiométrica de una sola banda.condición hidrológica externa, se han inducido Se procesaron 4 imágenes MOD02, tres de ellas cambios en el uso del suelo, creciendo la superficie correspondientes al mes de septiembre de 2004 y cult ivada en detrimento de la ganadera. una correspondiente a enero de 2005. La fecha y hora Paulatinamente, la dinámica hídrica natural fue de adquisición de cada una de las imágenes, y el modificada por la construcción de obras que, en porcentaje de nubes observado se presentan en muchos casos, interfieren con el libre escurrimiento Tabla 1.de las aguas. La temperatura estimada de un píxel es el resultado

de la cantidad de radiación emitida por unaDATOS UTILIZADOS Y SU PROCESAMIENTO superficie mixta (suelo y vegetación), la que es El primer satélite del programa EOS (Earth Observing captada por el sensor, como una única señal. Por

ejemplo, si el tamaño de un píxel es de 10x10 km, la System), EOS-Terra, fue puesto en órbita en radiación medida dependerá de la temperatura diciembre de 1999, con el sensor MODIS (Moderate “promedio” de un área físico-geográfica de 10x10 Resolution Imaging Spectroradiometer) entre los 5 km. Con el objetivo de analizar diferentes sensores a bordo. EOS-Terra orbita a una altitud de resoluciones espaciales, se procesaron imágenes de 705 Km y recorre la Tierra varias veces al día. MODIS temperatura de un sensor óptico derivadas a partir de proporciona información en 36 bandas espectrales en la aplicación de un método monocanal (To) de

el rango de longitudes de onda de 0,4 - 14,385 ìm resolución original 1x1km, la que se fue agregando

(visible a infrarrojo térmico), con una resolución hasta lograr imágenes de 10x10km.espacial que varía entre los 250 m a los 1000 m, y un

Tabla 1: Año de adquisición de las imágenes, día del año, hora de adquisición y calidad de las imágenes.

45 REVISTA


Se georregistraron las imágenes a partir de las la T31, los valores máximos, medios y mínimos coordenadas geográicas (Latitud y Longitud) fueron calculados para las imágenes agregadas. originales de la misma. Posteriormente se procedió También se realizó un análisis de los histogramas de cortar la ventana que comprende la región en estudio. frecuencias para las mismas imágenes. Los Luego, las cuentas digitales (CD) fueron traducidas a estadísticos de todas las resoluciones espaciales valores de radiancia (Ra) y reflectancia a partir de los estudiadas muestran que no existen pérdidas factores de escala y aditivo incluidos en las imágenes. importantes en la información térmica regional en La ecuación de Planck establece una relación no ellas. Sin embargo, cabe destacar que se pierde lineal entre radiancia y temperatura. Para la zona en detalle de los valores extremos. Los resultados estudio y el rango de temperaturas analizado, se coinciden con lo publicado en Girolimetto et al.,

(2007), por lo que no se repiten aquí.verificó que dicha relación era cuasi-lineal para las Para el caso del NDVI, se procedió a promediar las imágenes a resolución 1x1 km, por lo que la imágenes de las bandas R y IRC primero y a analizar agregación por simples promedios aritméticos fue la correlación entre ambas antes de generar los posible. De este modo, se procedió a agregar los mapas de NDVI agregados. En la Figura 3 se píxeles de las imágenes de radiancia a fin de observan los diagramas de dispersión de R versus modificar la resolución espacial original de las IRC para el día 268-2004 arbitrariamente mismas. Así los píxeles originales de 1x1 km, se

agregaron mediante un simple promedio aritmético seleccionado. Se observa que no existe una relación de los valores de radiancia (R31) de la banda térmica lineal clara entre ambas bandas pero que la misma 31 y de las reflectancias de las bandas 1 y 2, “correlación” pareciera mantenerse para todas las denominadas R y IRC respectivamente. Por ejemplo, imágenes agregadas. Es decir que promediar las para obtener la imagen de radiancia a resolución 2x2 bandas separadamente no alteraría la relación entre km, se promediaron de a cuatro los píxeles a partir de ellas y estaría representado la señal captada por un la imagen de R31 a resolución 1x1 km. Las imágenes sensor cuyo campo de visión tiene esas dimensiones. de R31 agregadas se tradujeron a valores de Al analizar la variación del coeficiente de correlación temperatura agregadas mediante la ecuación de entre R y IRC (Ver tabla 2), no se observa ningún Planck. Las imágenes agregadas R y IRC fueron patrón de comportamiento de estas correlaciones

para los días procesados. Los valores de R2 son utilizadas para calcular el índice NDVI= (IRC-inferiores a 0,5 indicando que no hay relación alguna R)/(IRC+R).entre ambas bandas. En cuanto a los valores de R2 Cabe destacar que no se promediaron las imágenes para un día dado, las diferentes resoluciones de T31 ni las del NDVI, por lo contrario se simuló la espaciales no presentan un patrón de variabilidad, señal que se generaría a partir un gran píxel mixto manteniendo los valores de aproximadamente igual (por ejemplo10x10 km), la que sería captada por un al R2 obtenido para 1x1 km. Es decir no existe sensor MP. Este promedio representaría la señal relación entre R y IRC a ningún nivel de agregación de única de los diferentes tamaños de píxeles.las imágenes.Luego se obtuvieron los espacios contextuales Los resultados obtenidos para R y IRC permiten

NDVI-T31 con las imágenes agregadas y se suponer que se pude representar el NDVI asumiendo

compararon las geometrías de los diagramas un promedio lineal para cada una de las imágenes obtenidos. Finalmente se obtuvieron las imágenes de originales de R y IRC. Por lo tanto se procedió a ö y se confrontaron losresultados para las diferentes calcular las imágenes de NDVI para las diferentes resoluciones analizadas. resoluciones espaciales.

Los resultados expuestos para T31 y NDVI se RESULTADOS observan en la Figura 4 donde se presentan los

diagramas NDVI-T31 para el día 268-2004. En la En general, la imagen térmica registrada para un día

Figura 4, se evidencia la pérdida de los valores dado, no puede ser reemplaza por la información de extremos en ambas variables, T31 y NDVI, así como otro día, dado la rápida respuesta de la Ts en el también la pérdida de densidad de píxeles (puntos en espacio y tiempo. Por lo contrario el NDVI varía el espacio).lentamente en el tiempo, aproximadamente 15 días

(Huete et al., 1999; Huete et al., 2002), aunque puede Análisis de los espacios NDVI-T31variar rápidamente en el espacio. Por esto se

presenta primero un análisis del efecto de la resolución espacial en ambas variables, luego en el Si bien las diferentes metodologías interpretan en

espacio NDVI-T31 y finalmente se presentan los forma diferenciada los diagramas NDVI-Ts, las

resultados de una aplicación del método propuesto características detalladas en el punto 2.1 de la por Jiang e Islam (1999) metodología están presentes en todos los análisis.

En este caso se calcularon las pendientes del borde Análisis de los mapas de T31 y NDVI cálido utilizando el método de dos puntos para

determinar la pendiente de una recta y así definir el Con el objetivo de verificar la distribución espacial de borde cálido. Se determinó la temperatura en el punto

46 REVISTA


de intersección del borde cálido con el eje NDVI=0, lo Análisis del parámetro ö propuesto por Jiang e que se da a llamar Tmax en Tabla 3. Tmax caracteriza Islamun píxel de suelo desnudo y seco (máxima necesidad de agua). Por otra parte se calculó la temperatura Si bien la incertidumbre de aplicar los diagramas promedio de los píxeles con NDVI negativo, NDVI-T31 con imágenes de baja calidad puede característicos de áreas con agua libre (áreas sin deducirse intuitivamente a partir de los resultados déficit de agua). Esta temperatura se denominó Tmin presentados en 5.2, esta sesión se presenta los en la Tabla 3. resultados concretos obtenidos con el método de En general observamos que las pendientes cambian Jiang e Islam (1999) descripto en la metodología.levemente a medida que disminuye la resolución Para calcular el parámetro ö se aplicó la formula espacial, lo que se traduce en variaciones de Tmax de propuesta por los autores, ecuación 2:hasta 5 K para el día 07 del 2005. En general se puededecir que las variaciones del borde superior de los

triángulos NDVI-T31 no son significativas y están

dentro de los errores que se han publicado en otros estudios (Venturini et al, 2004; Girolimetto et al, 2007). En el otro extremo, los resultados de Tmin estarían indicando que la resolución espacial afecta

Los resultados de la ecuación (2) se presentan en la los espacios NDVI-T31.Tabla 4 en términos de valores medios y desvíos En efecto, en la Tabla 3 vemos que, para la mayoría estándar regionales. En dicha tabla se observa que de los casos, Tmin para píxeles de 8x8 km y 10x10 km los valores medios difieren entre el 1 al 35% lo que están dudosamente definidos o indefinidos, superan levemente a los errores típicos del método al respectivamente. Esto representa un problema ser aplicado con diferentes sensores, que

potencial para la aplicación del espacio NDVI-Ts en normalmente no superan 30% (Venturini et al, 2004).

general y en particular para aquello métodos que Sin embargo se observa que el método no se puede definen el borde frío con Tmin . En general se aplicar con imágenes cuyos píxeles sea de 8x8 km o observan mayores diferencias entre los valores de mayores. Es decir que la mayor limitación para aplicar Tmin para las diferentes resoluciones espaciales, estos diagramas se debe a la incertidumbre de los estas diferencias llegan hasta los 7K. Cabe destacar píxeles mixtos. Concretamente la dificultad para que los píxeles con menor temperatura son los más definir píxeles de agua libre representa una limitación dudosos (erróneos) en términos de contaminación importante para definir el estrés hídrico con los por nubes. diagramas NDVI-T31.

47 REVISTA


Figura 3: Relación entre las imágenes R y NIR para el día 268-2004; (a) 1x1 km (b) 2x2 km (c) 4x4 km (d) 8x8 km (e)

10x10 km.

Tabla 2: Coeficiente de Correlación entre las imágenes de R y NIR para diferentes resoluciones espaciales

48 REVISTA


Figura 4: Ejemplo de los espacios NDVI-T31 para el día 268,2004; (a) 1x1 km (b) 2x2 km (c) 4x4 km (d) 8x8 km (e)

10x10 km.

49 REVISTA


Tabla 3: Pendiente del borde cálido, Tmax y Tmin de los diagramas NDVI-T31 obtenidos con diferentes imágenes

CONCLUSIONES metodologías se basan en el diagrama NDVI-Ts, el

que es interpretado de diferentes formas.El monitoreo de actividades agrícolas, el manejo del La Ts es la más dinámica de las variables que recurso hídrico y forestal requieren la estimación de conforman el triángulo resultante. Por esto también diferentes variables ambientales a diferentes es la más limitante. El problema que se presenta con resoluciones espaciales y temporales. Hoy en día, la las imágenes de Ts y NDVI de los sensores ópticos es teleobservación ofrece una cobertura de datos en el que son muy afectados por las condiciones tiempo y en el espacio fundamental para el monitoreo climáticas. Una posible solución para este problema de los ecosistemas y su vulnerabilidad, que es son los MP que registran información diariamente y costoso de obtener con mediciones puntuales. En las operan con longitudes de ondas más largas y que no últimas décadas se han desarrollado varios modelos son afectadas por las condiciones climáticas ni por la que utilizan datos teleobservados para estimar el fuente de iluminación.balance de energía, el estrés hídrico, el contenido de En este trabajo se estudió la influencia del tamaño del humedad del suelo y la evapotranspiración; ejemplos

píxel en la determinación del espacio NDVI-Ts a son los desarrollados por Jackson et al. (1977),

resoluciones espaciales características de los Carlson et al, (1995), Norman et al. (1995), Jiang e sensores infrarrojos y microondas, adoptando como Islam (2001), Nishida et al. (2003), Rivas y Caselles área de estudio la cuenca inferior del Río Salado, (2004), Venturini et al. (2008). Muchas de estas

50 REVISTA


Santa Fe, Argentina. determinó la temperatura en el punto de intersección El análisis se realizó sobre cuatro imágenes, tres de del borde cálido con el eje NDVI=0, Tmáx. Tmáx ellas correspondientes al mes de septiembre de 2004 caracteriza un píxel de suelo desnudo y seco y una correspondiente a enero de 2005. Se (máxima necesidad de agua). Posteriormente se compararon estadísticamente las imágenes de calculó la temperatura promedio de los píxeles con temperatura de superficie obtenidas mediante un NDVI negativo, característicos de áreas con agua método monocanal aplicado a la banda 31 del sensor libre (áreas sin déficit de agua), Tmin. En general MODIS. Se analizaron las imágenes de las bandas 1 observamos que las pendientes de los bordes y 2 de MODIS (R y IRC) que luego fueron utilizadas superiores cambian levemente a medida que la para calcular el NDVI. resolución espacial disminuye, lo que se traduce en Los valores máximos, medios y mínimos de T31 variaciones de Tmáx de hasta 5 K. Estas variaciones fueron calculados para las imágenes agregadas. Los no son significativas y están dentro de los errores que estadísticos de todas las resoluciones espaciales se han publicado en otros análisis (Venturini et al, estudiadas muestran que no existen pérdidas 2004; Girolimetto et al, 2007). En el otro extremo, los importantes en la información térmica regional. Sin resultados de Tmin estarían indicando que la embargo, cabe destacar que se pierde detalle de los resolución espacial afecta los espacios NDVI-T31. valores máximos y mínimos. En efecto, para la mayoría de los días analizados se Para el caso del NDVI, se procedió a promediar las encontró que Tmin para píxeles de 8x8 km y 10x10 imágenes de las bandas R y IRC primero y a analizar km está dudosamente definido o indefinido, la correlación entre ambas antes de generar los respectivamente, lo que representa un problema mapas de NDVI agregados. Se observó que no existe

potencial para la aplicación del espacio NDVI-Ts en una relación linear clara entre ambas bandas, pero

general. Las diferencias entre los valores de Tmin que la misma “correlación” pareciera mantenerse llegan hasta los 7K, mayores que las encontradas para todas las imágenes agregadas. Es decir que el para Tmax.proceso de promediado de ambas bandas Se aplicó el método de Jiang e Islam (1999, 2001), separadamente no altera la relación entre ellas y con los espacios NDVI-T31 antes analizados. Se estarían representado la señal captada por un sensor

cuyo campo de visión tiene esas dimensiones. En observó que las diferencia de los valores medios es general se observa la que el coeficiente de del 1 al 35% lo que indicaría que existen errores tipos correlación se mantiene siempre en valores inferiores del método al ser aplicado con diferentes sensores a 0,5 indicando que no hay relación alguna. En cuanto (Venturini et al, 2004) Sin embargo se observa que el a las variaciones con la resolución espacial no se método no se puede aplicar con imágenes cuyos observa un patrón de variabilidad pero no se altera la píxeles sea de 8x8 km o mayores.relación original, es decir no existe relación entre R y En general se puede decir que no se observa pérdida IRC para ningún tamaño de píxel. significativa de la información regional con la pérdida Los resultados obtenidos para R y IRC permiten de detalle en los mapas de temperatura y NDVI, sin suponer que se pude representar el NDVI asumiendo embargo la pérdida de detalle de los valores máximos un promedio lineal para cada una de las imágenes y mínimos condiciona la aplicabilidad del conocido originales de R y IRC. De los resultados expuestos espacio NDVI-Ts con imágenes de baja resolución para T31 y NDVI se evidencian en la pérdida de los

espacial.valores extremos en ambas variables y en la

Concretamente la dificultad para definir píxeles de densidad de puntos que definen el diagrama

agua libre representa una limitación importante para triangular o trapezoidal.

definir el estrés hídrico con los diagramas NDVI-T31.Se calcularon las pendientes del borde cálido, se

BIBLIOGRAFÍA

Bisht, G., Venturini, V., Jiang, L. and Islam, S., 2005. Estimation of Net Radiation using MODIS (Moderate Resolution

Imaging Spectroradiometer) Terra Data for clear sky days. Remote Sensing of Environment, 97, 52-67.

Carlson, T. N., Gillies, R. R., and Schmugge, T. J., 1995. An interpretation of methodologies for indirect measurement

of soil water content. Agricultural and Forest Meteorology, 77, 191-205.

Carlson, T. N., and Ripley, D. A. J., 1997. On the relationship between fractional vegetation cover, leaf area index, and NDVI. Remote Sensing of Environment, 62, 241– 252.

Carlson T., 2007. An Overview of the "Triangle Method" for Estimating Surface Evapotranspiration and Soil Moisture

from Satellite Imagery. Sensors 7, 1612-1629

51 REVISTA


FICH-INA-INTA, 2007. Influencia de los cambios físicos y climáticos en el régimen de escurrimiento del Río Salado-

tramo inferior, Informe final elevado al Ministerio de Asuntos Hídricos, Gobierno de la Prov. Sfe.

French, A.N., Jacob, F., Anderson, M.C., Kustas, W.P., Timmermans, W., Gieskee, A., Su, Z., Su, H., McCabe, M.F., Li, F., Prueger, J. and Brunsell, M.F., 2005. Surface energy fluxes with the Advanced Spaceborne Thermal. Emission and Reflection radiometer (ASTER) at the Iowa 2002 SMACEX site (USA) Remote Sensing of Environment, 99, 55 – 65

Gillies, R. R. andCarlson, T. N., 1995. Thermal remote sensing of surface soil water content with partial vegetation

cover for incorporation into climate models. Journal of Applied Meteorology, 34, 745-756.

Gillies, R.R., Carlson, T.N., Cui, J., Kustas, W.P. and Humes, K.S., 1997. A verification of the ‘triangle’ method for obtaining surface fluxes from remote measurements of the Normalized Difference Vegetation Index (NDVI) and

surface radiant temperature. International Journal of Remote Sensing, 18(15), 3145-3166.

Girolimetto D., Venturini V. y Rodríguez L., 2007. Influencia de la resolución espacial de la temperatura de superficie

teledetectada en el contexto NDVI-To. TELEDETECCIÓN – Hacia un mejor entendimiento de la dinámica global y

regional. Ed. Martín, ISBN: 978-987-543-126-3.

Huete A., Didan K., Miura T., Rodriguez E., Gao X. and Ferreira L. (2002). Overview of the radiometric and biophysical

performance of the MODIS vegetation indices. Remote Sensing of Environment. 83:195-213.

Huete A., Justice C., and Leeumen W. (1999). MODIS vegetation index (MOD 13) algorithm theoretical basis document. Version 3. http://modis.gsfc.nasa.gov

Jackson, R.D., Reginato, R.J., and Idso, S.B., 1977. Wheat canopy temperature: A practical tool for evaluating water

requirements. Water Resources Research, 13, 651-656.

Jiang, L. and Islam, S., 1999. A methodology for estimation of surface evapotranspiration over large areas using

remote sensing observations. Geophysical Research Letters, 26(17), 2773-2776.

Jiang, L. and Islam, S., 2001. Estimation of surface evaporation map over southern GreatPlains using remote sensing

data. Water Resources Research, 37(2), 329-340.

Jiang, L., Islam, S. and Carlson, T. N., 2004. Uncertainties in latent heat flux measurement and estimation: Implications for using a simplified approach with remote sensing data. Canadian Journal of Remote Sensing, 30(5),

769-787.

Justice C.O. Townshend J.R.G., Vermote E.F., Masuoka E., Wolfe R.E., Saleous N., Roy D.P. and Morisette J.T., 2002. An overview of MODIS Land data processing and product status Remote Sensing of Environment, 83, 3 –15.

Kustas, W. P., Norman, J.M., Anderson, M.C. and French, A.N., 2003. Estimating subpixel surface temperatures and

energy fluxes from the vegetation index-radiometric temperature relationship. Remote Sensing of Environment, 85,

429-440.

Moran, M. S., Clarke, T.R.; Inoue, Y. and 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.

Nishida, K., Nemani, R. R., Running, S. W. and Glassy, J.M., 2003. An operational remote sensing algorithm of land evaporation. Journal of Geophysical Research, 108(D9), 4270.

Norman, J. M., Kustas, W. P. and Humes, K.S., 1995. Sources approach for Estimating soil and vegetation energy

fluxes in observations of directional radiometric surface temperature. Agricultural Forest and Meteorology, 77, 263-

293.

Price, J.C., 1990. Using spatial context in satellite data to infer regional scale evapotranspiration. IEEE Transactions

on Geoscience and Remote Sensing, 28(5), 940-948.

52 REVISTA


Priestley, C. H. B. and Taylor, R. J., 1972. On the Assessment of Surface Heat Flux and Evaporation Using Large-

Scale Parameters. Monthly Weather Review. 100, 81-92.

Rees, W. G. (2001). Physical Principles of Remote Sensing. Cambridge University Press, 2nd edition. Cambridge, UK, 343 pages. ISBN 0521669480.

Rivas, R. and Caselles, V. 2004. A simplified equation to estimate spatial reference evaporation from remote sensing-

based surface temperature and local meteorological data. Remote Sensing of Environment, 83, 68-76.

Running S. W., Justice C. O.; Salomonson V.; Hall D.; Barker J.; Kaufmann Y. J.; Strahler A. H.; Huete A. R.; Muller J.P.; Vanderbilt V.; Wan Z. M.; Teillet P. and Carneggie D. 1994. Terrestrial remote sensing science and algorithms planned for EOS/MODIS. International Journal of Remote Sensing, 15(17), 3587 – 3620.

Sandholt, I., Rasmussen, K. and Andersen, J. (2002). A simple interpretation of the surface temperature/vegetation

index space for assessment of surface moisture status. Remote Sensing of Environment,49 (3) 246-263.

Stisen S., Sandholt I., Norgaard A., Fensholt R. and Jensen K. H., 2007. Combining the triangle method with thermal

inertia to estimate regional evapotranspiration — Applied to MSG-SEVIRI data in the Senegal River basin.

Department of Geography and Geology, University of Copenhagen, Oster Voldgade 10, DK- 1350

Venturini, V., Bisht, G., Islam, S. and Jiang L., 2004. Comparison of evaporative fractions estimated from AVHRR and

MODIS sensors over South Florida. Remote Sensing of Environment 93 (2004) 77-86.

Venturini V, Islam S. and Rodriguez L., 2008. Estimation of evaporative Fraction and Evapotranspiration from MODIS

products using a complementary based model. Remote Sensing of Environment, 112 (2008) 132- 141.

Wang L., Qiu G. Y., Zhang X. and Chen S. 2005. Application of a new method to evaluate crop water stress index. Irrigation Science, 24, 49–5

53 REVISTA


54 REVISTA

SELPER

Aplicación de geotecnologías para determinar la erosión hídrica departamento Pocito San Juan, Argentina

Aguilar, Venancia Norma; Soria, María Valentina; Varela, Silvia; Puertas, María Cándida y Matar, María Angélica

Instituto de Investigaciones Mineras, Universidad Nacional de San Juan

PROYECCIÓN TENDENCIAL DE CAMBIO 2010 Y 2030..

RESUMEN Riesgo - Planificación

La elaboración de esta presentación se realizó en ABSTRACTbase al proyecto subsidiado por CICYTCA-UNSJ,

denominado “Inventario para el diagnostico de los This presentation was based on the project called recursos naturales del departamento Pocito. “Inventory for the diagnosis of Natural Resources Provincia de San Juan”. En dicho proyecto se from the Pocito department in San Juan Province” proyecta inventariar, diagnosticar y evaluar supported by the CICYTCA- UNSJ project. The cualitativamente los recursosnaturales del project intends to the inventory, diagnosis and departamento de Pocito, para una mejor qualitative evaluation of the natural resources of optimización en el aprovechamiento y protección the Pocito Department, with the objective for a de su medio físico. Dicho departamento de perfil better optimization on the use and protection of its rural, constituye uno de los más importantes ejes physical medium. The importance of this study de producción agrícola y agroindustrial de la relies on Pocito’s mainly rural characteristics, provincia, de allí la importancia de su estudio. El being one of the most important agricultural and trabajo se fundamenta, en la aplicación de una agroindustrial productive poles of the province. metodología que logra la posibilidad de acceder a The work is based, in the application of a la información almacenada en bases de datos. methodology that obtains the possibility of Para éste caso en particular, debido a las acceding to the information stored in data bases. características físicas del departamento Pocito, se For this one case in particular, due to the physical evaluó el efecto de la erosión hídrica, generada por characteristics of the Pocito department, the effect fenómenos naturales que producen desastres of the hydric erosion was evaluated, generated by propios del área de estudio. Se aplicó la natural phenomena that produce own disasters of metodología proporcionada por el IGAC (1996)6, the study area. The methodology provided by the quien plantea para la ejecución de un mapa de IGAC (1996) was applied, that raises for the erosión, una evaluación multivarial, tomando en execution of an erosion map, a multivarial cuenta variables tales como pendiente, cobertura evaluation, taking into pending account variable vegetal y litología. such as, vegetal cover and litology.Se utilizó el SIG como herramienta de trabajo para The SIG was used as tool of work for the handling el manejo y manipulación de datos espaciales, el and space data manipulation, the use of the uso de las imágenes de satélite en el análisis satellite imagery in the space analysis of the espacial del territorio, y la obtención de datos sobre territory, and the obtaining of data on natural recursos naturales. resources. The final mission was the evaluation of El objetivo final fue la evaluación de todas las all the variables for the elaboration of the Map of variables para la elaboración del Mapa de Erosión Hydric Erosion where the different degrees from Hídrica donde se expresan los diferentes grados erosion, erosive type of erosion are expressed, and de erosión, tipo de erosión, y procesos erosivos processes that affect the different sectors from the que afectan a los diferentes sectores del Pocito department, to define in last instance the departamento Pocito, para definir en última areas with greater risk.instancia las áreas con mayor riesgo.

Keywords: Remote Sensing – GIS - Erosion – Palabras clave: Teledetección – SIG - Erosión –


síntesis donde se evaluó la erosión hídrica a la que Risk - Planificationestá sometido el departamento Pocito. Esto se realizó a partir de la utilización del SIG como INTRODUCCIONherramienta de trabajo para el manejo y manipulación de datos espaciales y el uso de las Esta ponencia se elaboró en base al proyecto imágenes de satélite, en el análisis espacial del subsidiado por CICYTCA denominado “Inventario territorio para la obtención de datos sobre recursos para el diagnostico de los recursos naturales del naturales.departamento Pocito. Provincia de San Juan”, Se presentan los resultados parciales obtenidos cuyo objetivo general es inventariar, diagnosticar y hasta el momento, referidos a unos de los riesgos evaluar cualitativamente los recursos naturales del más importantes a que se ve afectado el departamento Pocito, para una mejor optimización departamento como es la erosión hídrica.del aprovechamiento y protección de su medio

físico.UBICACIÓN DEL ÁREA DE ESTUDIOEl interés que surge para la ejecución de éste

proyecto son los nuevos lineamientos que a nivelEl área de estudio seleccionada, departamento nacional y provincial se están llevando a cabo para Pocito, se ubica en el Valle de Tulum a unos cinco el PLOTUR (Plan de Ordenamiento Territorial kilómetros de la ciudad capital de San Juan (Figura Urbano Rural de la provincia), y que a nivel local se Nº 1). Pocito es un departamento básicamente expresa, en el caso de Pocito, en el Plan agrícola y constituye en la actualidad, uno de los Estratégico de Desarrollo Territorial.municipios con mayores aptitudes potenciales, Con la intención de aportar a dichos planes una tanto agrícolas, agroindustriales y turísticas, que metodología de trabajo, se incorpora la aplicación están siendo puestas en valor.de un SIG (Sistema de Información Geográfico) Desde el punto de vista morfológico este para realizar, en ésta primera parte del proyecto, departamento posee de oeste a este las siguientes una línea de base, que permita una aproximación a unidades: un área montañosa correspondiente a la la evaluación de los recursos naturales del Sierra Chica de Zonda, un área pedemontana, y un departamento y cómo se ven afectados por la área de oasis que forma parte del Valle de Tulum.presencia de fenómenos naturales típicos de de

zonas áridas.OBJETIVO GENERALSe tomó como metodología de aplicación la

proporcionada por el IGAC (1996)[1], quien Poner en evidencia algunos fenómenos naturales plantea para la ejecución del mapa de erosión, una generados por la acción del agua, tal es el caso de evaluación multivarial, tomando en cuenta la erosión hídrica. Así también otros fenómenos variables tales comoasociados a ella como son, el aumento de la napa pendiente, cobertura vegetal y litología. El trabajo freática (revinisión) y las inundaciones, que se fundamenta, en la aplicación de una influenciados por las características locales, metodología que logra la posibilidad de acceder a generan conflictos y daños al medio rural y urbano la información almacenada en bases de datos. del departamento.Para éste caso en particular, se generó la carta

Figura 1 - Área de estudio

55 REVISTA

SELPERPROYECCIÓN TENDENCIAL DE CAMBIO 2010 Y 2030..Edición Especial Vol. 1DICIEMBRE 2010

METODOLOGÍA • Lomadas: Constituidas por sedimentos carbónicos, silúricos y terciarios que presentan una reactivación

Teniendo en cuenta la dificultad de acceder con muy importante en su morfología. En el caso del facilidad, al extenso y muchas veces inhóspito terciario se presenta como un pseudo horts limitado territorio de la provincia de San Juan, y la limitación en por fallas activas inversas con rumbo N-S y tiempo, que muchas veces se presenta, para el buzamiento al W. Este relieve está relacionado con relevamiento de los recursos naturales, es que se ha procesos de neotectónica que generan una utilizado la siguiente metodología de trabajo. importante erosión en todo el pie de monte del Se ha implementado la utilización de la percepción departamento.remota para la descripción, caracterización y • Superficies de glacis: Se han identificado 4 niveles evaluación del medio físico y el SIG para manejo de de glacis mostrando así los cuatro pulsos tectónicos datos geoambientales y evaluación de las que ha sufrido ésta zona en último millón de años. condiciones del territorio como base para el Plan Esta actividad en el pie de monte pocitano debería ser Estratégico de Ordenamiento Territorial. una advertencia para el desarrollo del sector urbano, El procesamiento y análisis digital permitió la especialmente a lo que se refiere a construccionesexploración de la información contenida en las sismorresistentes.imágenes satelitales y fotografías aéreas como datos • Conos aluviales y llanuras aluviales actuales: de base para la generación de cartografía temática. Numerosos cursos de agua bajan de la sierra y Estos recursos posibilitaron la transformación de disectan el pie de monte llegando distalmente al valle, tales documentos en mapas, manteniendo los

donde son canalizados a través de defensas N-S, criterios de racionalidad y certidumbre de la

que reciben el agua y el material que éstos fotointerpretación convencional y aprovechando las transportan. En la actualidad el área agrícola está singulares ventajas de la computación7. Por otro lado ocupando el pie de monte superando éstas defensas. la implementación de los SIG permitió generar una Estas explotaciones agrícolas han construido nuevas base de datos accesib le, actual izada y defensas creando presas artificiales, que de no ser correlacionada, de tal manera de poder relacionar estudiadas con detalle, la canalización de las aguas variables que permitieron obtener nuevas variables pueden provocar serios problemas de aluviones de análisis del medio físico. Un caso puntual es el aguas abajo. Por otro lado se produce un cambio en el análisis multivarial que se realizó a partir de nivel de base de los cauces lo que conlleva a una información obtenida de la cobertura vegetal, importante erosión aguas arriba.pendiente, l itología y geoformas, para la • Valle: En éste paisaje se incluye la zona distal sur del determinación de niveles de erosión hídrica a que cono aluvial del río San Juan, constituyendo un áreapuede estar sometida el área de estudio.geotectónicamente estable de buena capacidad portante que debería ser potenciada para el ANÁLISIS DE LAS VARIABLES A ESTUDIARdesarrollo del sector urbano del departamento. Asegurando así una consolidación de la villa ANÁLISIS GEOMORFOLÓGICOcabecera que allí se encuentran. Al S-E de ésta área

Se han podido reconocer las siguientes formas a nivel se extiende la zona de descarga del cono que por sus general (Figura Nº 2): características particulares de freática alta no es apta • Sector Montañoso: Se eleva hasta los 2000 m.s.n.m. para el desarrollo de núcleos de población pero sí en latitudes de la localidad de La Rinconada. El sector para uso agrícola.de sierras corresponde a un área escarpada con Al sur de ésta zona y al S-E del departamento se relieve abrupto debido a que los paquetes de estratos

distingue la antigua llanura del río San Juan y una se encuentran prácticamente verticales con un rumbo

antigua área de inundación que por su alto contenido general NNE-SSW, a la vez que se encuentran de limos y sales se debería desarrollar un tipo

especial de cultivo.delimitados por fallas del mismo rumbo N-S y E-W.

56 REVISTA


Figura 2 - Mapa geomorfológico.

ANÁLISIS GEOLÓGICO • RGB 354: Esta combinación facilita la delimitación de sedimentitas del Neógeno, que afloran en la zona

Para la identificación de las unidades geológicas se pedemontana por eliminación de la cubierta realizaron diferentes combinaciones de bandas. cuaternaria; Esta última combinación de bandas, Este proceso permitió visualizar simultáneamente, marca muy bien el contorno de los depósitos imágenes de distintas regiones del espectro cuaternarios, representados por diferentes electromagnético, facilitando así la delimitación visual generaciones de abanicos.de las unidades geológicas y sus estructuras. El análisis geológico permitió, identificar el tipo de Las mejores combinaciones y que brindaron mayor litología y evaluar la capacidad que tiene la rocainformación fueron aquellas que incluyeron una para la resistencia a la erosión. Así y de acuerdo a la banda del visible (2 ó 3), una banda de longitud de metodología utilizada las rocas se clasificaron de laoanda infrarroja (5 ó 6) y la banda 4. siguiente manera:Las imágenes falso color generadas, fueron:• RGB 234: Esta combinación permite ver en términos DESCRIPCIÓN DE LAS UNIDADES GEOLÓGICASgenerales los límites de las diferentes unidades Precámbrico - Cerro Valdiviageológicas; Aflora al sureste del área de estudio. En términos • RGB 462: Esta combinación marca una generales las litologías dominantes son esquistos diferenciación en color en la zona serrana, integrada micáceos, metacuarcíticos y cloríticos, anfibolitas y por calizas y dolomías del cámbrico – ordovícico; migmatitas. La estructura general del Co Valdivia es • RGB 564: Permite diferenciar claramente las rocas la de un bloque elevado y rotados por fallas en sus del Silúrico y Carbonífero, las que se destacan por su flancos occidental y septentrional. Se reconocen en coloración en relación a las áreas circundantes. este cerro formas peneplanizadas sobreelevadas e

57 REVISTA


inclinadas al SE, interpretadas como antiguas (Beresi y Bordonaro, 1984). La mejor sección de la superficies de erosión Formación San Juan se ha medido en la quebrada de Cámbrico – Grupo Marqezado Las Lajas con un espesor máximo de 400 m.Formación La Laja (Borrello, 1962) Se encuentra Silúrico.Fm Rinconada (Amos, 1954),distribuida en todo el flanco occidental de la, sierra Aflora en la sierra Chica de Zonda, en las localidades Chica de Zonda que totalizan un espesor de 1200 m de la Rinconada. Está integrada por una compleja con calizas, calizas arcillosas y margas (Bordonaro, mezcla de bloques alóctonos de composición clástica 1980). y carbonática, inmersos en una matriz clástica fina, deFm. Zonda (Bordonaro, 1980). estructura caótica y desordenada.Con un espesor máximo de 400 m, esta formación se Carbónicohalla distribuida en toda la Sierra Chica de Zonda. Fm Jejenes (Césari, Gutierres y Amos, 1985).Está integrada por una sucesión de dolomías, En la Quebrada Grande de Rinconada se apoya una dolomías calcáreas y calizas dolomíticas, de color secuencia de unos 370 m de sedimentos, gris claro a gris amarillento y blanquecino. Presenta conglomerádicos con intercalaciones arenosas., con estructuras sedimentarias de muy poca profundidad areniscas gradadas verde oliva y areniscas verde de agua (grietas de desecación, conglomerados de claras masivas y escasas intercalaciones políticas clastos aplanados y cristales pseudomorfos de yeso). más oscuras, rematando en el techo con un

conglomerado posiblemente glacial.Cámbrico - Ordovícico. Grupo MatagusanosTerciarioFormación La Flecha (Baldis et al 1981)Formación Lomas de Las tapias (Serafín et al, 1986)Sus afloramientos se distribuyen en la parte cuspidal Se trata de depósitos de antiguas llanuras formados de la Sierra Chica de Zonda Se caracteriza por una por: limonita, areniscas Albardón y conglomerado El alternancia de cíclica de calizas y dolomías con Chilote.pedernal, con abundantes estructuras algales de Cuaternarioestromatolítos y trombolítos, cuyos espesores oscilan Las rocas de esta edad corresponden a cuatro niveles entre 300 y 500 m.de depósitos de conos aluviales y sedimentos de Formación San Juan (Kobayashii (1937)cause conformados por gravas, arenas, arcillas y Los afloramientos de esta Formación se registran limos y contra el frente montañoso depósitos sin sobre el flanco este de las sierras Chica de Zonda clasificación típicos de conos de escombros y Está integrada por calizas macizas, calizas lajosas, regolitos de ladera.calizas y margas varicolores y calizas con chert (Figura Nº 3 y Tabla Nº 1 )

Figura 3 - Esquema general de la litología en base al análisis geológico.

58 REVISTA


MAPA DE COBERTURA VEGETAL clasificación supervisada exhaustiva, identificando las diferentes zonas de entrenamiento para la

La cobertura se define cómo la cantidad de individuos vegetación de montaña y piedemonte, cuyos vegetales por unidad de área. Esta puede clasificarse resultados arrojó datos más eficientes.de diversas maneras de acuerdo a la escala de De ésta manera fueron unidos ambas clasificaciones trabajo y a los componentes que la forman, en este para la obtención del mapa final de vegetación (Figura caso se ha clasificado en cobertura natural y Nº 4).antrópica. El mapa de cobertura vegetal del departamento Para realizar el mapa de cobertura vegetal del permite observar que la mayor densidad se encuentradepartamento de Pocito, se utilizó una imagen en las zonas de oasis coincidente con el área Landsat TM de febrero de 2007 sobre la que antropizada, relacionada con la presencia de cultivos determinó el índice de vegetación (NDVI). Este índice y zona de niveles freáticos altos.esta directamente relacionado con el vigor vegetal y Una densidad menor se observa en las laderas varía entre –1 y +1 y dentro de estos los que varían orientales de Precordillera y parcelas en etapa de entre 0.5 a 0.7 corresponden a la vegetación densa barbecho. En las áreas donde hay roca expuesta (Hobben 1986), además está fehacientemente (Precordillera) y los suelos desnudos (Valle) se las ha demostrado la relación de este índice con la densidad considerado áreas de escasa a nula vegetación.de la vegetación (Kennedy et al 1994). En una Este mapa, posteriormente fue reclasificado para primera instancia, la aplicación del índice de obtener distintos niveles de densidad de vegetación,

otorgándoles a cada intervalo una valoración, Tabla vegetación (NDVI) arrojó valores entre -0.40 a 0.68, Nº 2. Los valores más altos indican áreas con menor mostrando una clara identificación de las vegetación y más susceptibles de ser afectados por características de la cobertura vegetal en el sector del erosión hídrica, mientras que aquellos valores más valle. Sin embargo debido a las características bajos indican áreas con mayor densidad de xerófitas particulares de nuestra vegetación, sobre vegetación y por lo tanto mas protegidos.todo la localizada en áreas montañosas, dicho índice

no fue representativo. Por ello se realizó una

Tabla 1: Resume las características físico – mecánicas de las rocas de las formaciones antes descriptas y lavaloración hecha teniendo en cuenta el comportamiento de las mismas a la erosión

Tabla 2: Valores estimados para los diferentes valores de índices de vegetación

59 REVISTA


Figura 4. Esquema general de distribución de la densidad de vegetación

MAPA DE PENDIENTE por procesos erosivos de tipo hídrico, como son las escorrentías (aluviones) que, en época estival, se

La aplicación de un MDT, con curvas de nivel producen en toda precordillera. Todo lo contrario generadas cada 10 metros, obtenidas a partir del presentan las pendientes con valores muy bajos, sin modelo interferométrico proporcionado por la embargo éstasUSGS8, permitió evaluar las pendientes que pendientes son susceptibles a generar zonas de presentan cada una de las geoformas analizadas anegamiento con importantes procesos de (Figura Nº 5). Dichas pendientes se reclasificaron en salinización y revinición. La Tabla Nº 3 expresa la intervalos según la metodología propuesta. El valoración otorgada para cada porcentaje de análisis indica que las pendientes mas fuertes, con pendientevalores mayores son propicias a ser más afectadas

60 REVISTA


Figura 5 - Esquema general de distribución de las pendientes

Tabla 3: Valores estimados para los diferentes porcentajes de pendientes

61 REVISTA


RESULTADOS morfoclimaticas del área de estudio. El tipo de erosiónpredominante en general es de tipo fluvial cómo

A partir de los datos suministrados por las diferentes consecuencia de las de las precipitaciones variables estudiadas, complementando y analizando torrenciales. Estos fenómenos sumados a otros la geoinformación a partir de la implementación del factores, como la resistencia mecánica de la roca, las SIG, se logro identificar las distintas geoformas pendientes y la escasa densidad de vegetación características en que se encuentra dividido el permiten que en prácticamente todo el departamento departamento Pocito. Con la unión de variables tales ocurran procesos erosivos de importancia. Esta clase como litología, vegetación y pendiente, se de erosión provoca fenómenos denominadas identificaron las zonas que se encuentran afectadas arroyadas difusas y lineales, las cuales encierran una por los distintos niveles de erosión hídrica (Figura Nº compleja manifestación de fluvios e interfluvios, 6). En el análisis de los resultados se ha podido generando diferentes formas erosivas tales como verificar que los distintos tipos de erosión natural son regueros y surcos, barrancas y cárcavas.producto de las características morfométricas y

Figura 6 - Esquema general de distribución de los niveles.

62 REVISTA


La infraestructura que más se ve afectada por los correspondiente a la llanura de inundación del río San mismos son las vías de comunicación y la red de Juan, genera espacios susceptibles de ser afectados canales que son cortados y en parte destruidos por la acción del agua. En estos casos la erosión de frecuentemente. los suelos está relacionada con un continuo lavado y Se pudo observar que las menores pendientes se salinización de los mismos.localizan en el valle y en los sectores distales del pie de monte, por el contrario las mayores pendientes CONCLUSIONEScorresponden a sectores montañosos de rocas duras a muy duras afectadas por procesos fluviales. Del desarrollo de este proyecto se logra rescatar la La mayor influencia de litología como base física de importancia de los estudios de base del ambiente los procesos erosivos se asocia a sectores con físico que permiten precisar las condiciones en que se materiales aluviales y coluviales y rocas alteradas o encuentra el ambiente y definen el sustento sobre el con resistencia al corte moderada a muy baja como cual se desarrollan las actividades antrópicas.arcilla y materiales finos. Hasta el momento se han obtenido resultados El análisis de la cobertura vegetal fue un elemento efectivos en la elaboración de las diferentes cartas relevante al momento de analizar la erosión ya que su temát icas, re fer idas especí f icamente, a l presencia o ausencia influye en el efecto erosivo del conocimiento de las áreas más afectadas por la agua sobre el suelo. De ésta manera se puede erosión hídrica en sus diferentes formas.observar que la mayor densidad se encuentra en las La utilización de la teledetección y SIG son parte zonas anegadas y de oasis. En el caso de los oasis esencial de la metodología utilizada. La aplicación decoincide con la zona antropizada (cultivos) y la estas herramientas permitió obtener la base de datos vegetación natural está asociada a zonas anegadas. necesaria para generar la información requerida para Una densidad escasa se observa en las laderas de la elaboración de las cartas temáticas y el diagnóstico Precordillera y algunos sectores de piedemonte. En final.las áreas donde predominan las rocas expuestas La posibilidad de confeccionar un sistema de (Precordillera) y los suelos desnudos (Valles) sobre la información geográfica (SIG) integral sobre el medio vegetación natural, se las ha considerado áreas de ambiente posibilitó una adecuada captación, escasa a nula vegetación. procesamiento y flujo de información. De allí la La acción de la cubierta vegetal es de suma importancia de contribuir con un sistema accesible de importancia. El escurrimiento en capa con una información geoambiental, que permita la toma de concentración de precipitaciones pluviales sobre decisiones de forma efectiva.áreas con presencia de una abundante cubierta Es sobre éste primer diagnóstico es que podemos vegetal no tiene efecto erosivo. “Pero si la vegetación decir que los distintos tipos de erosión natural son es reducida a matas ralas de arbustos o hierbas producto de las características morfométricas y (como el caso de la provincia de San Juan, y morfoclimaticas del área de estudio. El tipo de erosiónparticularmente del departamento Pocito), la erosión predominante en general es de tipo fluvial cómo se vuelve posible. En los semidesiertos suele consecuencia de las de las precipitaciones observarse que la separación entre matas es de 5 a torrenciales. Estos fenómenos sumados a otros 10 metros, y entre ellas el suelo está desnudo, es factores, como la resistencia mecánica de la roca, las escurrimiento difuso es caprichoso, con canales pendientes y la escasa densidad de vegetación activos y otros canales abandonados”9 De esta permiten que en prácticamente todo el departamento manera, la ausencia de vegetación refleja un alto ocurran procesos erosivos de importancia.grado de erosión hídrica sobre el área de piedemonte El análisis de la cobertura vegetal fue un elemento de Precordillera, principalmente sobre las superficies relevante al momento de analizar la erosión ya que su de lomadas y los primeros niveles de conos de glacis. presencia o ausencia influye en el efecto erosivo del Por otro lado la presencia de vegetación natural en agua sobre el suelo.áreas de niveles antiguos de conos de glacis con baja La Tabla Nº 4 muestra un resumen de las pendiente permite una disminución de la erosión características del departamento Pocito y la hídrica. Es interesante resaltar cómo la ausencia de influencia de las variables estudiadas.vegetación, en áreas con escasa pendiente,

Tabla 4

63 REVISTA


BIBLIOGRAFÍA

Chuvieco, E. 1990. Fundamentos de Teledetección Espacial. Madrid. Ediciones RIALP. S.A.Instituto Geográfico Agustín Codazzi (1996). Guía metodológica para la formulación del Plan de Ordenamiento Territorial Urbano. Bogotá, Colombia.

Vogt, J y Black, R. (1963). Remarques sur la géomorphologie de l´Aïr Bull. B.R.G.M. Nº 1: 1-29.

64 REVISTA


65 REVISTA

SELPER

Uso de la teledetección para la identificación de áreas de erosión en unaregión de los Yungas de Bolivia

a bLizeca B., José Luis y Ariñez, Alina

a Universidad Mayor de San Andrés, Viceministerio de Tierras y SELPER-Boliviab Instituto Nacional de Reforma Agraria y SELPER-Bolivia

USO DE LA TELEDETECCION PARA LA IDENTIFICACION DE AREAS ...

RESUMEN used as a methodology to analyze a satellite image from a municipality in the region of Los Yungas,

La presente investigación tiene el propósito de Bolivia.contribuir a los esfuerzos de entidades nacionales The municipality that has been studied is Irupana vienen realizando por encarar el serio problema de which has high Andean and subtropical ground thata erosión y/ desertización de los suelos, que en is used for traditional agriculture and non-Bolivia, se ha estimado que alrededor del 40 % sustainable practices of soil management. Many esta afectado, en algún grado por esta fenómeno. space images were generated to analyze the Para este propósito, se ha utilizado la metodología mainly affected areas by erosion, under de la Percepción Remota, analizando una imagen biophysical criteria, having found a very close satelital de un municipio piloto de la región de los relation between topography, predominant Yungas de Bolivia. vegetation cover and rains as the phenomena that El municipio objeto de estudio ha sido Irupana, affect the most soil degradation.debido a que en el se puede encontrar Since this is a pilot project to identify the erosion ecosistemas alto andinos y sub tropicales, con areas with space observation technology, we suelos utilizados por agricultura tradicional y expect to make the necessary adjustments to use prácticas de manejo poco sostenibles de los this technology to identify other areas with erosion suelos. Diversos especio imágenes fueron in the rest of the municipalities in the Yungas area.generados para analizar bajo criterios físico-biológicos, las principales áreas afectadas por el Keywords: Yungas of Bolivia, Erosion, Spatial fenómeno de la erosión, encontrándose una observation technologierelación muy estrecha de la topografía, la cobertura vegetal y las precipitaciones fluviales ANTECEDENTEScomo los fenómenos que mas inciden en la degradación de los suelos. Al ser éste un estudio En el marco de la labor de investigación académica piloto de identificación de las áreas de erosión de la UMSA y la interrelación universitaria con mediante la tecnología de observación espacial, instituciones nacionales que trabajan en los se espera realizar los ajustes necesarios para ser diferentes temas que tienen que ver con el empleado en la identificación de otras áreas de desarrollo local y regional, como el Viceministerio erosión del resto de municipios de la región de los de Tierras, se ha realizado el presente trabajo que Yungas. tiene el fin de contribuir a solucionar uno de los

problemas altamente sensibles de la agricultura, Palabras clave: Yungas de Bolivia, Erosión, como es la erosión o perdida de los suelos Tecnologías de observación espacial productivos.

El objetivo es el de usar la tecnología satelital para ABSTRACT la identificación de las zonas afectadas o en

proceso de degradación del municipio de Irupana, The purpose of the investigation is to make a que se constituye en un área piloto que dará las contribution to the national entities that have been pautas necesarias para ajustar una metodología making an effort to face the serious problem of soil de investigación que pueda ser aplicable para erosion and desertification that in Bolivia has been trabajos de identificación de áreas degradadas estimated up to a 40% suffering this problem at que se llevara adelante en otros municipios de los some level. Therefore Remote Sensing has been


Yungas, cuyas características físicas y biológicas En el Departamento de La Paz, el ecosistema de son muy parecidas. los Yungas (Figura 1) abarca la región Norte,

aproximadamente a 170 km de distancia de la GENERALIDADES DE LA REGIÓN DE LOS ciudad capital y a tres horas de viaje. Limita con el YUNGAS Departamento de Pando al Norte, al Este con el

Departamento del Beni, insertándose en los llanos Los Yungas Bolivianos es la ecorregión más amazónicos de Bolivia. Es parte de la transición diversa de Bolivia, en cuanto a diversidad fisiográfica entre el Subandino y las tierras bajas biológica, variedad topográfica y climática (Ibisch de la Amazonía, ecorregiones de gran contraste y 1996, Vásquez & Ibisch 2000, Ibisch et al. 2001). Y extensiones importantes del territorio boliviano se definen como la zona de los bosques Políticamente esta dividida en tres Provincias y premontanos mayormente húmedos de la ocho municipios y tiene una superficie de: 10,890 cordillera nororiental, donde se incluyen parte de Km2 , con una población de aproximadamente los departamentos de La Paz, Beni, Cochabamba 138,000 habitantes (Tabla 1)y Santa Cruz.

Tabla 1 División Política y poblacional de los Yungas de La Paz

El Ecosistema está clasificado como del Tipo de Valle como la zona de los bosques pre-montanos Subtropical. Con un relieve topográfico muy

(mayormente) húmedos de la cordillera nor-oriental; accidentado con altitudes irregulares, pendientes

con bosques secos interandinos al Sur y algo de bastante pronunciadas especialmente en la región de Bosques Chaqueños y el Bosque Tucumano -monte alto y en menor grado en las intermedias o

Monte Bajo. En la estivación norte de la provincia Sud Boliviano, de acuerdo al Mapa de Vegetación de Yungas, en el área que abarca la zona de Alto Beni, la Bolivia (Ribera et al. 1994) y al Mapa Forestal de topografía cambia dando inicio las primeras planicies Bolivia (Ministerio de Desarrollo Sostenible y Medio de la cabecera de la cuenca amazónica. Ambiente 1995), al Oeste el límite está conformado

por el límite altitudinal de bosques (aprox. 3500 ÁREA DE ESTUDIO PILOTO m.s.n.m.) y; al Norte y Nor-este el límite está dado por

bosques húmedos sub tropicales donde cordillera El área piloto del presente estudio, es el municipio de

andina está representada por la transición Irupana, ubicado en la parte sur oeste de los Yungas,

denominada sub andino. La ecorregión de Irupana se influenciada por loas zonas andinas altas y sub

encuentra ubicada entre los 15º08’ y 16º00’ de latitud tropicales del sub andino, región que es definida

sur y entre los 67º30’ y 67º00’ de longitud oeste.

66 REVISTA

SELPERUSO DE LA TELEDETECCION PARA LA IDENTIFICACION DE AREAS ...Edición Especial Vol. 1DICIEMBRE 2010

Figura 1.- Región de los Yungas en Bolivia

La ecorregión incluye pisos altitudinales entre 700 y Irupana puede verse en el Figura 2. Tiene un Clima 4500 m.s.n.m., con precipitaciones que oscilan entre tropical húmedo, con temperatura promedio es de 1500 mm hasta más de 5000 mm al Nor Oeste del 20.4°C. La temperatura máxima es de 33.8 °C y la Municipio, muy próximo a la provincia del Chapare temperatura mínima es de 15.1 °C. Las variaciones cochabambino. de las temperaturas no son extremas durante el día y La vegetación esta conformada mayormente por en general durante el año; existen algunas bosques húmedos de pie de monte, bosques diferencias de las temperaturas máximas y mínimas montanos y ceja de monte, estos a su vez son en las comunidades ubicadas en las zonas altas o disectados por valles secos interandinos, donde se serranías donde incluso están cubiertos de nieve.concentran las zonas pobladas y los Principales La precipitación media anual es de 1872.9 mm/año. cultivos. Los meses de mayor precipitación pluvial son: enero, En la región, existe una larga y lenta historia de febrero, marzo y diciembre. Durante los meses de asentamientos humanos muy acelerado en los mayo a septiembre se registra una escasa o mínima últimos años atraídos por las posibilidades turísticas cantidad de precipitación.de la región. La actividad productiva de mayor La sequía afecta a la producción agrícola, sobre todo importancia es la agricultura, enfocada en la en la etapa de floración. Las comunidades de la zona producción de cítricos, bananos, café y coca entre baja, dependen de las precipitaciones pluviales que al otros y se han desarrollado pequeñas industrias adelantarse o retrasarse, afectan el crecimiento de artesanales que agrupadas en cooperativas han las plantas y en consecuencia, a los rendimientos de dado origen a una importante "Cooperativa Regional los diferentes cultivos. Las zonas más altas presentanAgraria Campesina” (CORACA) que industrializa corrientes de humedad, las cuales varían en su alimentos ecológicos para exportación. contenido en el medio ambiente, con sus estratos La minería es otra de las actividades presentes en la horizontal y vertical, el estrato horizontal provoca zona, sobre todo relacionada a la explotación aurífera mayor cantidad de humedad en forma de lluvia o y rocas ornamentales (piedra laja). Una vista del llovizna; estas variaciones también son influenciadas satélite Landsat TM, con combinaciones espectrales por los vientos que traen o llevan humedad y la del visible y el infrarrojo y la ubicación de la región de exposición de las laderas hacia el sol.

67 REVISTA


Figura 2.- Municipio Irupana visto desde el satélite Landsat 5 TM

LOS SUELOS general son suelos de muy poca profundidad, de color rojizo, granular y duro.

Están diferenciados y tienen una estrecha relación con el tipo de vegetación existente y los estratos Uso de suelosgeológicos de la región, de esta manera, se puede De acuerdo al su uso de suelos podemos clasificar los reconocer suelos de monte alto y monte bajo (Fig. 3) siguientes tipos de tierras: Cultivables, Incultivables,

de Pastoreo, Urbana, Centros Poblados, Forestales y Monte alto (bosque) Otros. El uso del suelo tiene como actividades Los suelos de ésta zona presentan una textura franco principales el desarrollo de la producción agrícola arcillosa y pH 3.68 – 5.64. Contienen mayor propia de los yungas principalmente en café, cítricos, porcentaje de grava por la pedregosidad del terreno; bananos, papaya, arroz, entre otros, también los suelos son poco profundos y de color café oscuro, ganadería en pequeña escala fundamentalmente en estos suelos dificultan la penetración de las raíces, la zona de Alto Beni. El desarrollo de estas disminuyendo al mismo tiempo la reserva en agua actividades productivas muestra un comportamiento utilizable. Presentan buena acumulación de materia diferenciado según la zona alta o baja, como veremos orgánica debido a la cobertura vegetal del estrato más adelante. En general la clasificación de arbóreo. capacidad de uso de suelos varia desde suelos muy

aptos para la agricultura hasta suelos restringidos de Monte bajo (Bosque secundario o barbechos) todo uso.Los suelos de esta zona son de textura franco La ecorregión incluye pisos altitudinales entre 200 y arcillosa y arcillosa, pH 6.2 a 6.8, levemente ácidos, 3500 m.s.n.m., con precipitaciones que llegan de son suelos en recuperación, presentan mayor menos de 800 mm (por ejemplo en los valles secos de porcentaje de arcilla, en consecuencia existe una alta Inquisivi) hasta más de 7000 mm. La vegetación esta retención de humedad, encontrándose agrieta- conformada mayormente por bosques húmedos de mientos y encostramientos en la época de verano. pie de monte, bosques montanos y ceja de monte, Los terrenos cultivables, presentan conglomerados o estos a su vez son interrumpidos por varios valles pedregales, muy típicos de terrazas fluviales. En secos interandinos.

68 REVISTA


Los asentamientos humanos, no ha sido de gran capas de información, que fueron agrupados bajo escala como otras regiones de los Yungas, sin cuatro criterios básicos, los mismos que fueron:embargo importantes incrementos ha ocurrido en los últimos años para dedicarse a la actividad agricultura, • Criterios espectrales de la imagen satelital.- enfocada a la producción de frutos, café y coca entre basados en la valoración espectral de los niveles otros. La minería es otra de las actividades presentes digitales (ND) de la imagen satelital de la región de pero en menos escala, sobre todo para la explotación Irupana.aurífera. En la presente investigación se ha identificado áreas afectadas por la intervención

• Criterios de toponimia.- Basados en información de humana que viene ocasionando serios riesgos de

los desniveles topográficos y altitudinales (DEM).erosión y que puede constituirse en un grave conflicto del uso de los suelos. (Figura 4).

• Criterios ecológicos.- Basados en información física METODOLOGÍA y biológica como precipitaciones fluviales, cálculos de

humedad y cobertura de la tierra.La metodología de la presente investigación, es el resultado de las primeras experiencias que se vienen • Criterios de paisaje.- basados en información sobre implementando en los municipios de la región para

la intervención humanaencarar un programa de largo aliento para la identificación y recuperación de los suelos. De ésta

Según estos criterios, se han generado valoraciones manera, se identificaron áreas de erosión o con

espaciales del área de estudio a través de mapas riesgo de erosión para tomar decisiones relativas a la

temáticos o espacio mapa, extrayendo patrones conservación en los Yungas Bolivianos utilizando una

geológicos, fisiográficos, diversidad de cobertura y metodología basada en el análisis de imágenes

uso actual de la tierra. La identificación de áreas con satelitales y la de Análisis de Vacíos (Gap Analysis),

riesgo de erosión se ha realizado combinando la mediante Sistemas de Información Geográfica.

información de los datos obtenidos en formato de Para el análisis de vacíos, se ha generado varias

mapas y en base a los cuatro criterios mencionados.

Figura 3.- Aspecto de los suelos de Irupana

69 REVISTA


Los generación de está información fue realizado en elementales combinaciones espectrales hasta base al procesamiento digital de imágenes complejos algoritmos que pasan por el algebra de satelitales, siendo la imagen Landsat TM del 2006 la bandas.referencia principal para el geoprocesamiento. Sin embargo, para cualquier procesamiento será Complementariamente para mejorar la interpretación necesario cierto tratamiento conocido como de la imagen Landsat, se utilizaron imágenes correcciones de imagen. Gracias a estas CIBERS y datos del Google Earth, especialmente correcciones logramos obtener la información para la identificación de asentamientos humanos y temática, ya sea a través de la clasificación de la otros rasgos referidos a la toponimia. Los productos imagen o e integrar en los sistemas de información extraídos del geoprocesamiento digital de la imagen geográfica.satelital y otra información también digital, fueron los

CORRECCIONES DE LA IMAGENespacio-mapas como el altitudinal o de elevaciones

topográficas (DEM), de precipitaciones fluviales, de Un tratamiento inicial ha sido el de realizar cobertura y uso de la tierra, etc. que fue en definitiva la correcciones a los datos de la imagen original con el metodología para obtener información de las áreas propósito de minimizar los efectos atmosféricos y con riesgo de erosión. Esta metodología, puede geométricos que influyen de manera negativa en el apreciarse en el siguiente diagrama de contexto. (Fig. análisis e interpretación de una imagen, así como en 5). Las imágenes satelitales, son datos matriciales los algoritmos que son utilizados par la extracción de con valores que registran una medida de la intensidaduna información temática.de la luz reflejada (o de microondas en el caso de Este tipo de correcciones corresponden a la radares) en ciertas regiones del espectro radiométrica y geométrica esencialmente. La electromagnético conocidos como bandas. Para su corrección radiométrica tiene por objeto eliminar y procesamiento, es imprescindible el uso de softwares compensar errores de carácter atmosférico así como especializados que permitan extraer diversa las distorsiones y ruido producidos por deficiencias información temática. Para el procesamiento se del sensor o la influencia de negativa de bruma u otras utiliza diversos algoritmos que van desde

Figura 4.- Riesgos de erosión en terrazas cultivadas e intervención human

70 REVISTA


perturbaciones atmosféricas. En tanto que, la estandarizado. Para éste caso, se realizó una corrección geométrica, indispensable en la transformación a una proyección UTM y Datum 84 Decartografía convencional, se realiza para eliminar las esta forma es posible la integración de la imagen con distorsiones geográficas de la imagen y transformarla otro tipo de información cartográfica mediante la a un sistema de proyección cartográfica conocido o utilización de un S.I.G.

Figura 5 .- Diagrama de contexto de la metodología de investigación

GENERACION DEL NDVI quedaron así, por trabajos agrícolas abandonados o por intervención humana directa, es decir producto de

El índice de vegetación normalizada (NDVI), ha sido nuevos asentamientos.generada con la inclusión de la banda infrarroja (0,9 a Los valores ND de la imagen procesada con NDVI, se 1,0 micr.) y la banda roja del visible (0,75 micr.) transformaron a valores que se encuentran en un utilizando el algoritmo de algebra de bandas y rango de +1 y – 1, siendo en consecuencia valores de siguiendo la relación de la siguiente ecuación: fácil interpretación para la identificación de las zonas

con probables riesgos de erosión. La imagen con el NVDI aplicado a la imagen satelital del Landsat, se (b4+b3)/(b4-b3)puede observar en la Figura 6.

Esta relación incrementa los valores de reflectancia LA COBERTURA Y USO DE LA TIERRAque permiten diferenciar con mayor nitidez los suelos

vegetados y no vegetados, generando en Este mapa, (Fig 7) que revela el estado actual de la consecuencia, albedos altamente contrastantes. Una cobertura de la tierra, es también el reflejo del estado imagen de esta naturaleza, ha permitido identificar, de conservación o de uso de una región determinada, en primera instancia los suelos descubiertos que

71 REVISTA


Las imágenes Landsat permiten identificar, de segmentación de la imagen en 10 valores o clases manera excepcional diferentes coberturas que correspondientes a las diferentes coberturas que se permiten conocer los diferentes cambios que decidió identificar, cada una de ellas generando pudieran ocurrir en un tiempo determinado. Sin albedos que pudieron ser asignados a diferentes embargo, en esta investigación piloto, solo se busco tipos de vegetación, cultivos o suelos, de este modo, identificar y realzar áreas en las que la vegetación es se ha generado de manera semi automática un mapa rala o escasa y áreas de bosques, matorrales y de cobertura que revela el estado actual de la tierra en cultivos, diferenciando además, de manera muy la región de Irupana tal como se observa en el espacio precisa los cuerpos de agua o de escasa vegetación. mapa 3. Esta clasificación ha sido uno de los Para obtener esta información se recurrió a la principales productos obtenidos que ha permitido clasificación supervisada de la imagen, utilizando visualizar el estado actual de los suelos de la región parámetros espectrales que permitieron la de estudio.

Figura 6.- Imagen con NDVI

INTEGRACIÓN DE LA INFORMACIÓN SATELITAL debido a mecanismos físicos naturales como la CON LA INFORMACIÓN TEMÁTICA escorrentía de agua o la fuerza eólica. Las zonas de

mayor pendiente, son las que en realidad están El resultado del tratamiento de la imagen satelital, ha sometidas a un proceso natural de pérdida de suelos sido integrado a otra información relevante que y por ende a un riesgo más alto de erosión, tal como permitió obtener datos más concretos de los se observa en las inmediaciones del pueblo de procesos de erosión y pérdida de suelos. Para este Irupana mismo.propósito se analizó la siguiente información:

B) DEM Como mapa basea) Modelo de Elevación Digital (DEM) como Mapa Base c) Datos de PrecipitaciónEl modelo de elevación Digital para la ecorregión Para la elaboración del mapa de precipitación (Fig 9) (Figura 8) fue generado a partir del mapa físico de se utilizaron los promedios anuales de precipitación Bolivia (IGM 1993) de la que se tomaron las curvas de de la estación pluviométricas de los Yungas (Ibisch et nivel para estimar el grado de pendiente de las al.1999) región donde se encuentra el municipio de serranías de la región que son las que contribuyen de Irupana, habiendo analizaron las relaciones entre los manera importante a la erosión y la perdida de suelos patrones de precipitación y orografía, para después

72 REVISTA


estimar la precipitación en gran parte del área de encima de los 4000 mm anuales. Este modelo, en la estudio donde no se cuenta con información escala de trabajo aplicada, indica que es posible suficiente. predecir los patrones de precipitación con una Todos los valores de precipitación se adaptaron a una exactitud aceptable, tomando en cuenta efectos de escala generalizada, cuyas clases se incrementan de sombra de lluvia e incremento de precipitación por forma exponencial de la siguiente manera: 800, 1000, barreras geográficas.1200, 1500, 1800, 2100, 2500, 3000, 3500, y por

Figura 7.- Mapa de cobertura y uso de la tierra

d) Calculo de humedad húmedo en un lugar más elevado.El factor climático que tiene mayor importancia para la La temperatura fue tomada directamente de registros vegetación y loa suelos en los Yungas Bolivianos es la termométricos, si estos existiesen, en caso contrario duración de la época seca. Para estimar el número de se estimaron según la altura de la estación analizada, meses áridos en cada región, basándose en datos de estimando una disminución de 4.6°C por cada 1000m precipitación y de altura, se estudiaron registros de altura, con una temperatura de 26.5°C a nivel del pluviométricos de las estaciones disponibles en las mar. Esta relación fue establecida empíricamente inmediaciones de Irupana y la definición de un “mes analizando varias estaciones de los Yungas. Es árido” en este estudio corresponde a una fórmula de importante mencionar que para cada estación se Lauer (1995): calculó el promedio del número de meses áridos a lo

largo de los años. Este método resulta más exacto 10) + (t / 12 * p =Ixxx (1) que un cálculo basado en promedios mensuales. Por

ejemplo, en estaciones extremadamente húmedas Donde Ix es un índice de humedad, px la precipitación como “San Mateo Bajo” en el Chapare (precipitación media del mes analizado y x la temperatura media del media anual 7150 mm) también se registran meses mismo mes. Si Ix es mayor a 20, este mes es áridos.clasificado como “húmedo”. Con los resultados de las estaciones pluviométricas a El número de meses áridos esta correlacionado no diferentes alturas y diferentes condiciones de solamente con la precipitación anual, sino también humedad, se ajustó una fórmula para calcular el con la temperatura media en la época seca de cada número de meses áridos directamente con la lugar estudiado; esta última depende linealmente de precipitación anual y la altura:la altura. La evaporación disminuye cuando disminuye la temperatura, por lo que un mismo MA = 6/ precann (2)volumen de precipitación crea un ambiente más

73 REVISTA


donde MA significa “número de meses áridos”, suponiendo que con cada adición de 1000 m de precann es la precipitación anual en mm y alt la altura altura, la evaporación anual baja 150 mm. De acuerdo en m.s.n.m. La fórmula fue diseñada especialmente a esto, la precipitación anual de 1500 mm a 2500 para la Ecorregión de Yungas de Bolivia, y podría ser m.s.n.m., daría lugar al mismo número de meses aplicada en regiones tropicales a alturas por debajo áridos que una precipitación anual de 1800 mm a 500 de los 3500 m.s.n.m. (límite altitudinal de la m.s.n.m. Para lugares situados a nivel del mar con ecorregión de Yungas), donde el término una precipitación anual de 1000 mm, el resultado es precann+(alt*0,15) es mayor a 1000. Este término de seis meses.podría interpretarse como “precipitación efectiva”,

Figura 8 DEM Como mapa base

Cuando se compararon el número de meses áridos una relación directa de las áreas mas afectadas registrados en las estaciones evaluadas con los coincidentes con la presencia humana, tal como se números de meses áridos calculados según la observa en el mapa realizado a partir de de imágenes fórmula presentada, se encontró una buena satelitales Landsat TM, utilizando como referencia los correlación con un error promedio de 19%. Este error Mapas Forestales de Bolivia (Ministerio de Desarrollo promedio se mantiene estable para toda la escala Sostenible y Medio Ambiente 1995) y el Mapa de Uso aplicada a los valores de altura y precipitación, es del Suelo (Superintendencia Agraria 2001). El mapa decir no se presenta un error sistemático. de Intervención Humana (Figura 10) indica cuatro

categorías: Intervención “Muy alta, Alta, Moderada y e) La intervención humana Baja”. La categoría “intervenida” incluye todos los Refleja el grado de presión que los seres humanos tipos de vegetación donde hay o recientemente hubo ejercen sobre el medio natural, y es una de las una intervención antrópica considerable, como variables mas importantes que contribuye a acelerar bosques jóvenes secundarios, barbechos, los procesos de erosión de los suelos, observándose matorrales, pastizales o centros urbanos.

74 REVISTA


Figura 9.- Mapa de precipitación

IDENTIFICACIÓN DE ÁREAS CON RIESGO DE que infra yacen en todo el municipio de Irupana y EROSIÓN cuyos componentes, desde el punto de vista

geológico, corresponden a fragmentos de cuarzo, La información obtenida de los diferentes mapas piroxenos y fragmentos de origen calcáreo.temáticos generados ha permitido realizar el análisis Esta relación fue experimentada por Rowan, et al y la interpretación de la imagen satelital que fue (1992) del US Geological Survey, en la identificación procesada especialmente para la identificación de las de alteraciones hidrotermales, donde se encuentran áreas con erosión o con riesgos de erosión. El minerales semejantes pero de origen no algoritmo utilizado ha sido el uso de la relación de sedimentario, sino volcánico.bandas aplicada a una imagen con realce de NDVI. La imagen procesada con esta relación de banda La relación de bandas utilizada fue: (Figura 11) muestra en lo esencial que las zonas con

erosión o con mayor riesgo de este fenómeno, están B5/B7 ubicadas en las laderas escarpadas de las serranías

de la región, que pueden alcanzar pendientes entre Ambas bandas corresponden al infrarrojo medio y 60 y 70 % además (Foto N0. 3) de observarse la lejano respectivamente. Esta relación genera una mayor proporción de erosión en los valles donde vibración alta bajo la influencia de minerales que se discurren los ríos mas importantes de la región como

es el río del mismo nombré “Irupana”.encuentran en los suelos areno-arcillosos como los

75 REVISTA


Figura 10.- intervención humana

CONSIDERACIONES FINALES esencialmente de carácter laminar e influencia mecánica de glaciales y escorrentías fluviales

El uso de la teledetección como método indirecto de descontroladas; afortunadamente estas son zonas obtener información temática para el control y con escaso uso de los suelos, siendo en evaluación de los suelos con producción agrícola o de consecuencia, regiones de importancia relativamente regiones donde se realizó ésta actividad, resulta muy mas baja., Sin embargo, cierta erosión ocurrida en útil y beneficiosa desde el punto de vista áreas de cultivos abandonados, (Figura 12) es costo/beneficio, puesto que en tiempos relativamente altamentecortos es posible obtener una información preliminar preocupante, pues la regeneración de estos suelos que permita tomar decisiones en materia de demandará un gran esfuerzo humano y la inversión recuperación o preservación de los suelos. de grandes recursos financieros.En el municipio de Irupana se ha podido observar Estas áreas denotan una explotación intensiva de que, la erosión mas fuerte ocurre en las zonas con monocultivos, siendo la coca el principal producto que escasa presencia de vegetación, como ocurre en la es cultivado en la región. Esta practica, pone en región cordillerana de la región Sur y en los valles peligro la variedad de otros productos que pueden disectados por ríos, donde predomina la erosión producir en los suelos de Irupana, especialmente en fluvial. la zona de los valles centrales y en las terrazas que En la región de alta cordillera la erosión es pueden ser de más fácil rehabilitación.

76 REVISTA


Figura 11.- Zonas con erosión o riesgos de erosión

Figura 12.- Erosión en terrazas abandonadas

77 REVISTA


REFERENCIAS BIBLIOGRÁFICAS

Artigao, M.; Hurtado, E.; Caselles, V.; Castererad, A. Y Martínez, A. (1997). Estimación de la evapotranspiración en el

polígono de regadío de Flumen (Huesca). Teledetección usos y aplicaciones 3-10. Secretariado de Publicaciones e

Intercambio Científico, Universidad de Valladolid.

Chuvieco, S.E.; (2002). Teledetección Ambiental. Editorial Ariel S.A. Barcelona.

García-Lino M. C. and Palabral-Aquilera A. N. (2006) Aplicación de Técnicas Cartográficas y de Teledetección en la

Investigación y Conservación de los Yungas Bolivianos. Universidad Mayor de San Andrés, La Paz, Bolivia.

Ibisch P.L. y Mérida G. Editores (2003).Biodiversidad: La riqueza de Bolicia. Editorial FAN.

Mueller Robert, Beck, Stephan G. Lara Raúl (2002) Vegetación potencial de los bosques de Yungas en Bolivia. Fundación Amigos de la Naturaleza, casilla 2241, Santa Cruz, Bolivia, Herbario Nacional de Bolivia, Instituto de Ecología, Universidad Mayor de San Andrés

Peréz, C.G. y Muñoz A.L. Editores (2003). Teledetección Nociones y Aplicaciones. ón Nociones y Aplicaciones. Universidad de Salamaca. España.

Rowan L.C., (1982). Evaluation of 0.46 to 2.36 micrometres multispectral Scanner Images of the East TinticMining District, Utah, for mapping hydrothermaly altered rocks: Economic Geplogy.

78 REVISTA


EDICIÓN ESPECIAL Vol. 1REVISTA - JOURNAL SELPER

ESA - ESRIN

ESA - Asuntos Internacionales

Att: Sr. Francesco Sarti (América Latina)

Att: Sra. Marie Elisabeth De Vel (América Latina)

Via Galileo Galilei,Casella Postale 64.

00044 Frascati (Roma)ITALIA

Tel: (39.06) 94180.409Fax: (39.06) 94180.280

8-10 rue Mario Nikis,75738 PARIS Cedex 15, FRANCIA

Tel: (33.1) 5369.7731, Fax: (33.1) 5369.7627

ECUADOR1980 - 1983

CHILE1983 - 1986

BRASIL1986 - 1989

ARGENTINA1989 - 1991

PERU1991 - 1993

COLOMBIA1993 - 1995

MEXICO1995 - 1997

VENEZUELA1997 - 1999

ARGENTINA2000 - 2002

BOLIVIA2002 - 2004

... y Envisat sigue observando el lugardel próximo simposio (arriba izquierda)

CHILE2004 - 2006

COLOMBIA2006 - 2008

CUBA2008 - 2010

MEXICO2010 - 2012

Vol1 10

Documents

Transcript of Vol1 10