1

IDENTIFICACIÓN DE HÚMEDAD EN EL SUELO A TRAVES DE LA TELEDETECCIÓN PARA EL MEJOR MANEJO DE LA TIERRA: CASO ZONA FLORICOLA, ESTADO DE

MÉXICO

CASTRO VILLEGAS JUAN CARLOS1

BALDERAS PLATA MIGUEL ANGEL1

HERNANDEZ TELLEZ MARIVEL2 1Facultad de Geografía, Ciudad Universitaria Ciudad Universitaria, S/N, Toluca, México

1 gaia_1383@hotmail.com RESUMEN En las últimas décadas, la percepción remota ha sido una herramienta que permite el análisis de procesos ambientales, físicos de la tierra y socioeconómicos de la población, capaz de cubrir grandes extensiones del territorio. Muchas han sido las ciencias que utilizan esta herramienta en pro de resolver diversas problemáticas específicas de cada una de sus áreas. La ciencia del suelo no ha sido la excepción, ha hecho uso de esta herramienta para abordar diversos procesos y problemáticas como lo es la erosión, la contaminación, la fertilidad, cambios de uso de suelo, entre otros. Esto ha sido posible gracias a que los sensores cuentan con diferente sensibilidad a las diversas bandas del espectro que pueden detectar diferentes componentes del ambiente. La humedad del suelo es una variable que puede ser analizada a través de este tipo de herramientas. Este parámetro del suelo resulta de gran importancia sobre todo para aquellas zonas donde el conocimiento de la humedad resulta fundamental para las actividades agrícola y florícola. La zona florística del Estado de México en las décadas recientes ha tomado gran relevancia, debido al aporte económico que representa para la población a nivel local, nacional e internacional, esto ha su vez a originado la demanda de mayor superficie para el desarrollo de la actividad, por lo que resulta fundamental detectar los sitios que presentan las condiciones más favorables para su desarrollo y se optímese las zonas actuales con este uso y por otro lado se evite la apertura de nuevos zonas con baja aptitud y de esta manera reducir la degradación del suelo. Palabras clave: Clasificación no supervisada, NDVI, Textura. IDENTIFICATION OF SOIL MOISTURE THROUGH REMOTE SENSING THROUGH FOR THE BEST LAND MANAGAMENT CASE: FLOWER AREA, STATE OF MEXICO Abstract Remote sensing has been a tool for the analysis of physical and socioeconomic processes, with the advantage of covering large areas of territory. Many sciences have used this tool towards solving

2

some problems of each of their areas. Soil science has not been an exception and it has applied it in various processes such as erosion, pollution, fertility, among others. This is because the sensors have different bands that can detect different components of the environment, and everyone has different sensitivities to different spectral bands. Floristic area has recently been downgraded by the inexperience of the flower, and the new opening of new land, so this research tried to identify moisture in the soil to improve the management of land, avoiding opening new areas and thereby, reducing soil degradation. Key words: Unsupervised classification, NDVI, Texture. 1. Introducción

La zona florística es una de las más importantes en el Estado de México, ya que el 75% de la flor cultivada en la región es exportada a nivel internacional, mientras que el otro 25% es llevado a otros estados de la República o municipios de la entidad. Esta responsabilidad recae solo en 3 municipios (Tenancingo, Villa Guerrero, Coatepec Harinas), aunque últimamente se ha visto el incremento de estas zonas en las partes sur del municipio de Tenango del Valle, en los límites de los municipios antes mencionados. La saturación de la zona de invernaderos ha traído como consecuencia la tala inmoderada de zonas boscosas por lo que pone en riesgo la rápida degradación y continúa de los suelos. Por otro lado la falta de conocimientos por parte de los floricultores pone en mayor riesgo esto, ya que la mayoría opta por lugares cercanos a humedales esto por la facilidad y la accesible del riego para los cultivos, así mismo la falta de orientación por parte deespecialistas para evitar este abandono de tierras, la deforestación y por lo tanto la degradación del suelo. La humedad ha sido una de tantas propiedades del suelo que se relaciona con la productividad de los cultivos, así mismo esta propiedad depende de otras para que sea retenida o sea infiltrada para la recarga de los mantos acuíferos, por lo que es importante ubicar aquellas zonas con características adecuadas para el buen rendimiento de los cultivos y aprovechar las capacidades del suelo, sin provocar su degradación lo menor posible. La percepción remota se ha convertido en una gran herramienta para la solución de problemáticas dentro del territorio, esto por cubrir grandes extensiones de la superficie terrestre, por lo que se han convertido en algo muy útil en la apreciación de las características de cualquier zona. Existen diversos procesamientos de las imágenes de satélite los cuales nos dan resultados que van desde la obtención de los cambios de uso de suelo, las densidades vegetativas, hasta concepciones de mineralogía y contaminación en el suelo; en este contexto algunas de las propiedades físico-químicas de este han podido ser observadas e identificadas a través de los sensores remotos esto dependerá en muchas ocasiones del tipo de imagen y la resolución obtenida, así mismo ayuda a la toma de decisiones y a la posible conservación de los recursos naturales. Por lo que la teledetección es una herramienta accesible para detectar humedad en el suelo y así de esta manera evitar todas estas consecuencias posibles hacia el suelo y evitar la deforestación de la zona, ayudando a mejorar el aprovechamiento de los cultivos de una manera adecuadas así como ayudar a la conservación de los recursos naturales y ayudar al bienestar de la población. 2. La Teledetección y la Ciencia del Suelo

La teledetección es la recopilación de información relativa a un objeto de interés, llevado a cabo desde cierta distancia, sin tener ningún contacto real con él, lo que generalmente se detecta y se mide en diversas partes (bandas) del espectro electromagnético. La teledetección es una técnica prometedora para la ciencia del suelo ya que ayuda a detectar componentes físicos e hidrológicos,

3

permitiendo medir y obtener estos datos del terreno en donde los obstáculos físicos son difíciles para su obtención de manera directa (Engman, 1995). La información sobre el contenido de humedad en el suelo varía desde la superficie hasta altas profundidades, pero la mayor parte de esta se encuentra en la primera capa del suelo, la cual representa la interacción entre el suelo y la atmosfera y es la reguladora de los procesos de intercambio de la energía y la asignación del agua precipitada, la infiltrada, de escorrentía, de evaporación y de transpiración. Por otra parte la capa húmeda es la responsable de llevar a cabo el proceso de germinación de las semillas y posteriormente al crecimientos de las plantas y en definitiva el éxito o el fracaso de estas planta. Las características del suelo como lo son: la rugosidad, encostramiento, la pedregosidad, una buena estructura, así como la textura del suelo son factores que determinan el grado de humedad que se almacena en el suelo, permitiendo la fácil circulación del agua a través de los diferentes horizontes del suelo y/ o la saturación de los mismos. Otros factores secundarios que intervienen en este proceso son geográficos como: la pendiente, el clima, la vegetación, entre otros. Existen diferentes técnicas para medir la humedad en el suelo, tanto pruebas de laboratorio, campo y por supuesto en gabinete, una de las herramientas en gabinete es a través de la percepción remota, siendo una de estas la más prometedora para identificar ésta y otras características físico-químicas del suelo y los procesos que se puedan realizar en él. 3. Materiales, datos y métodos La metodología adoptada para esta investigación es a través del tratamiento de imágenes de satélite, esto con base a tres módulos de modelación. El primero a través de la obtención de firmas espectrales de cada una de las coberturas especialmente de la humedad contenida en el suelo, por medio de las diferentes bandas contenidas en el sensor, realizando una clasificación para obtener una imagen con la discriminación de las coberturas deseadas. El segundo modelo se realizó con base a un índice de vegetación y el primero modelo obtenido, con el fin de discriminar la vegetación que contenga humedad y sólo obtener aquellos suelos que tengan la capacidad de retener el agua en su interior y por ultimo con un módulo especifico para discriminar la humedad. Esto se hizo a través del software Idrisi Taiga el cual es un paquete gratuito y de versión libre. 3.1. Zona Florícola del Estado de México La zona florícola comprende los territorios de los municipios de Villa Guerrero, Coatepec Harinas y Tenancingo, aunque actualmente se está incorporando el municipio de Tenango del Valle, ya que los invernaderos están apareciendo en la zona sur de este municipio en los límites con el municipio de Tenancingo. Su extensión territorial es de 862,38 ha, entre las coordenadas extremas de 411098, 461486 de latitud Norte y 2074728, 2115740 de longitud Oeste. El trabajo de campo estuvo compuesto por 40 puntos de muestreo con una profundidad de <10 cm, la selección de los puntos de muestreo se realizó con base en la homogeneidad de las unidades de suelo. El procesamiento de las muestras se realizó en el Laboratorio de Suelos de la Facultad de Geografía de la Universidad Autónoma del Estado de México, con análisis como Densidad Aparente, pH, Textura, granulometría, Contenido de Humedad, etc.

4

3.2. Obtención de los datos e imágenes Las imágenes de satélite fueron obtenidas de la página oficial de la USGS Global Visualization Viewer (GLOVIS) (http: //glcfapp.glcf.umd.edu, 2010). Son imágenes Landsat TM de noviembre de 2005, la cual fue elegida ya que es una época de secas, y solo los suelos aptos pueden retener la humedad en esta época del año, después de la temporada de lluvias. Las imágenes tienen una resolución de 30 metros. Con 3556 pixeles de ancho y 4116 líneas de longitud, con 6 bandas que van del espectro visible, así como el infrarrojo cercano, medio y lejano

3.3. Técnicas de análisis Se realizó un ajuste de georreferencia de las imágenes de satélite alsistema de coordenadas UTM en zona 14, zona a la que pertenece el Estado de México, esto según el Instituto Nacional de Estadística y Geográfica e Información (INEGI). Se realizó una combinación de bandas hasta obtener la deseable que discriminara de una mejor manera la humedad en la superficie terrestre, inmediatamente después se elaboraron los campos de entrenamiento en las zonas en las que se distinguieron la humedad del suelo así como de otras diferentes coberturas que existen en la superficie terrestre (vegetación, zonas urbanas, afloramientos rocosos, etc). Después de obtener los campos de entrenamiento se procede a obtener los valores de reflectancia en las diferentes bandas desde la 1 hasta la 7 incluyendo la banda 6 que es la especial que discrimina la humedad en la superficie terrestre. Teniendo estos valores se obtiene la clasificación supervisada con el modulo de Maxlike o Máxima verisimilitud del software Idrisi, para obtener el mapa combinada con las diferentes coberturas así como de los suelos con humedad. Para discriminar de una mejor manera estas coberturas de suelos con humedad se procede a realizar una reclasificación para obtener una mejor discriminación de la cobertura deseada en este caso de los suelos con humedad, y dejar descartadas aquellas coberturas que no serán útiles para los objetivos de esta investigación (Engman, 1995). Otro de los modelos que nos permitirán discriminar mejor la humedad en los suelos es a través de la vegetación, la cual retiene humedad en las hojas y en otras partes de su estructura, por lo que es necesario restar el resultado de nuestro RECLASS, con el de vegetación, el cual se obtendrá a través del modulo de NDVI, el cual nos dará unos valores de reflectancia de positivos, los cuales nos indicaran la presencia de vegetación en la superficie, y los valores negativos en donde no exista vegetación, en otras palabras suelos desnudos. Después se procederá hacer un RECLASS para obtener la vegetación de manera sola y a los suelos desnudos solos, por lo que los valores quedan de la siguiente manera: valores de 1 = 0- 999999 y valores de 0= -999999 a 0, quedando la vegetación sola, teniendo este mapa se procede hacer una resta a través de un OVERLAY, con el mapa anterior de humedad en el suelo para descartar cualquier parte de la vegetación que el sensor pudiera haber confundido al momento de hacer la discriminación en la clasificación. De esta manera se obtiene un primer mapa de humedad en el suelo. Otra manera de obtener la humedad en el suelo de una manera más directa es a través del modulo TASSCAP, el cual hace una combinación de las diferentes bandas, obteniendo el mapa de humedad presente en la superficie terrestre. Teniendo este mapa se procede a realizar el paso anterior una resta a través de un OVERLAY con el mapa de vegetación para discriminar toda aquella vegetación con humedad, quedando solo los suelos con presencia de humedad.Por último se compara ambos

5

mapas y se sacan las conclusiones de ambos métodos de modelación para la obtención de la humedad del suelo. 4. Descripción y análisis de resultados Para la obtención de la capa que permita identificar la humedad en el suelo se elaboró una imagen combinada con las bandas 1, 2 y 5 (Figura 1), la cual nos permitió la discriminación de los suelos que contenían humedad en su capa superficial, la forma de obtenerlos es mediante las tonalidades que van desde los lilas a los rosados, permitiendo diferenciarlos de otras coberturas que se encuentran en la superficie De esta combinación de bandas de las imágenes de satélite se obtuvo la mejor discriminación que nos permitiera observar con más claridad la humedad del suelo a diferencia de las otras coberturas, por lo cual se procedió a la elaboración de los campos de entrenamiento, obteniendo las siguientes coberturas:

• Suelos con humedad • Suelos sin humedad • Vegetación • Zonas urbanas • Cuerpos de agua • Rocas

Esto se realizó con la finalidad de poder discriminar la cobertura deseada; teniendo nuestros campos de entrenamiento se procedió a obtener las diferentes firmas espectrales de cada una de las coberturas obteniendo como resultado que la mayor reflectancia para la capa de los suelos húmedos se encuentra ubicado en las bandas del infrarrojo medio y cercano así como en la banda del azul, y tiene sus picos más bajos en la banda del verde (Figura 2), por lo tanto se tiende a demostrar que el comportamiento de su firma espectral con respecto a las otras coberturas como cuerpos del agua, agricultura, vegetación, etc. son totalmente diferentes por lo que se puede tener una buena discriminación de esta capa a partir de esta combinación de bandas. Después de la obtención de las firmas espectrales se procedió a obtener una imagen clasificatoria con las diferentes coberturas esto a través de la utilización del método de clasificaciónllamado Máxima Verisimilitud (Álvarez, 2007), siendo este uno de los más precisos con respecto a los clasificadores existentes en el software Idrisi, además de ser el más utilizado para dicha técnica. Teniendo como referencia las firmas resultantes se realizó la clasificación teniendo como resultado que la mayor parte de suelos con humedad, se encuentra en la parte sur de la zona en los límites con el municipio de Ixtapan de la Sal, y un poco en las partes centrales de la imagen, área en donde actualmente se encuentra la zona de invernaderos (Figura 3), para tener una mejor observación de esta hipótesis de los resultados obtenidos de la clasificación se optó por la realización de una reclasificación de la misma imagen a través de un Reclass, esto con la finalidad de obtener solamente aquellas áreas con alta cantidad de humedad en la capa superficial de los suelos. Por otra parte sabemos que ciertas especies vegetativas, guardan humedad en su interior, por lo que el sensor pudo tener errores al momento de la clasificación y confundir un suelo húmedo con vegetación con cierto grado de humedad, por lo que fue necesario realizar un NDVI, el cual permite discriminar la vegetación de los suelos (Figura 4), en donde los valores positivos nos indican la presencia de vegetación abundante, y los valores negativos la presencia de suelos desnudos o sin vegetación. Teniendo esto se procede hacer un Reclass para tener a la vegetación

6

como una sola cobertura, para que de esta manera se realice una resta a través de un Overlay entre los dos Reclass Vegetación- Suelos con humedad, teniendo nuestro primer modelo de suelos con humedad (Figura 5).

Fórmula: Reclass Suelos húmedos- Reclass Vegetación densa = Suelos Con humedad

El otro método para obtener la discriminación de humedad en el suelo es a través del módulo Tasscap, el cual realiza una combinación de las diferentes bandas del sensor con excepción de la banda 6 multiplicando cada una de las bandas, obteniendo de esta manera una discriminación de la humedad de manera directa, teniendo como resultados los mismos que en la clasificación (Figura 6), para quitar esas discrepancias se realizó el mismo Overlay de resta entre el Reclass de la humedad de suelos del Tasscap y el Reclass del NDVI de la vegetación, dando como resultados los mismos que con el modelo anterior. Para una mejor apreciación de ambos resultados se procedió a una comparación entre imágenes, quedando que la mayor concentración de humedad en el suelo es en la zona sur de la zona, y muy poco en la parte en donde actualmente se está concentrando los invernaderos y toda la producción florícola.

Fórmula: Reclass del Tasscap- Vegetación densa (NDVI)= Suelos con Humedad

Para tener una mejor idea del proceso que está sucediendo en la zona, se procedió hacer una correlación entre los dos modelos de humedad en el suelo y las diferentes unidades edáficas, para tener una correlación entre estas unidades y la humedad, y si es que las características de los suelos están permitiendo que la humedad se concentre en estas zonas. Teniendo como resultado que las unidades de suelo con mayor correlación son los: Andosol, Feozem, Vertisol y Cambisol (Tabla 2), esto por las características de cada uno, esto es por su alto contenido de arcillas, de Materia Orgánica, en la textura y en el pH, esto como factores que son reguladores en la disponibilidad y retención de las partículas del agua en el suelo y por lo tanto en el éxito o el fracaso de los cultivos. 5. Discusión y valoración de hallazgos El único registro que se tiene para el análisis de humedad en el suelo por medio de las imágenes de satélite es el realizado por Segura (2004), el cual tiene la finalidad de obtener esta propiedad pero en suelos residuales, pero no se tiene ningún otro con fines de algún otro uso, así mismo la técnica utilizada de los dos clasificadores de máxima verisimilitud y Tasscap restadas a través del NDVI en esta investigación no ha sido usada en ninguna otra, por lo que la hace a ésta una aportación de estetrabajo otra opción más para el manejo y control de tierras, y elegir mejores zonas de producción, aunado a esto debemos tomar en cuenta que no sólo las características del suelo hacen dependiente la producción de un cultivo, si no existen otros factores como lo son los físico-geográficos que intervienen para definir áreas precisas con humedad, dependiendo mucho de la pendiente, de las geoforma y de la misma vegetación, los cuales juegan un papel importante para su

7

retención, filtración o escurrimiento y no tanto en la mayor parte de las ocasiones delas características fisicoquímicas del suelo (Engman, 1995). La humedad presente en el suelo puede determinar el éxito o el fracaso de un cultivo, en cualquier región, esto dependerá en mayor parte de las condiciones físicas del suelo como lo son la textura, la estructura, principalmente así como en menor proporción algunas condiciones químicas del mismo, aunado a esto algunos factores fisco-geográficos que puedan ayudar o perjudicar esta condición. Las mayores concentraciones de humedad en la zona florística, se encuentran establecidos en la parte sur de la zona, ya que es en esta parte en donde las condiciones topográficas y climáticas ayudan a su concentración, sin importar la época del año en la que se encuentren, por otro lado las unidades edáficas concentradas como el Vertisol, Feozem, Cambisol, etc.; son suelos que principalmente cuentan en su estructura, proporciones mayores de arcilla, así como una estructura consolidada, por lo que no permite la filtración del agua a los mantos freáticos, así como el escurrimiento superficial, por lo que el agua queda retenida en las arcillas, permitiendo una humedad, lo cual puede ser utilizada por las raíces de las plantas, así como de los cultivos, procurando evitar el abandono de tierras, la apertura de nuevas zonas y por lo tanto la deforestación de la zona forestal, el cual cabe resaltar que pertenece a una área natural protegida, por lo que la conservación de los recursos naturales debe ser la prioridad de la conservación de la zona 6. Conclusiones La identificación de suelos húmedos a través de las imágenes de satélite permite obtener una mayor información de una extensión de territorio amplia, así como dar propuestas para un mejor manejo de los suelos para diferentes usos, como lo es la agricultura ya sea de temporal o de riego, como es el caso de la zona de estudio que se dedica a la actividad florícola y en algunas zonas agricultura de temporal, la cual detendrá el deterioro del suelo, evitando el abandono de terrenos y por consiguiente la apertura de nuevos terrenos y la deforestación de las zonas boscosas, permitiendo la alta productividad de la región y el mejoramiento de la calidad de vida de los habitantes de la misma.

El tratamiento de las imágenes de satélite nos permiten tener un aspecto preliminar de que es lo que existe en la superficie terrestre, así como identificar elementos naturales que puedan permitir una explotación racional de los recursos naturales, como es el caso de los suelos húmedos los cuales ayudan a optimizar áreas de cultivo, y así evitar la degradación de los suelos y por lo tanto un mejor aprovechamiento de estos. Por último cabe resaltar que los Sistemas de Información Geográfica (SIG) no han sido sólo una herramienta para los geógrafos, si no que se han desenvuelto en diversas disciplinas, tal es el caso de la Ciencia del suelo, la cual ha iniciado a involucrarse para mejorar las mejores propuestas de conservación de suelos, así como su productividad y por lo tanto evitar su degradación. Referencias bibliográficas Attema, E.W.P., and F. T. Ulaby (1978).Vegetation modeled as a water cloud. Radio Science, 13(2), 357-364. Agbu, P.A., D. Fehrenbacher e I.J. Jansen. (1989). Soil property relationships with SPOT satellite digital data in East Illinois. Soil Sci. Soc. Am. J. 54(3): 807-812.

8

Álvarez M.J., Crespo J.J. (2007), Estimación de la Humedad superficial del suelo en cuencas agrícolas por medio de Imágenes de Teledetección Radar. Universidad Pública de Navarra, Departamento de Proyectos e Ingeniería Rural. Pamplona, España. Álvarez-Mozos, J., J. Casalí, M. González-Audícana and N.E.C. Verhoest (2005). Correlation between Ground Measured Soil Moisture and RADARSAT-1 derived Backscattering Coefficient over an Agricultural Catchment of Navarre (North of Spain). Biosystems Engineering. Chuvieco, Emilio. 1995. Fundamentos de Teledetección Espacial. Ediciones Rialp. Madrid España. Eastman, J.R. (1999). Idrisi 32. Guide to GIS and Image Processing. Volume 1. Clark Labs. Clark University. Worcester, MA. Engman, E. T. (1995). Recent advances in remote sensing in hydrology. In: ―Reviews of Geophysics,ǁpp. 967–975, American Geophysical Union, Washington, DC. Engman, E.T. (1991) Applications of Microwave remote sensing of soil moisture for water resources and agriculture.Remote Sensing of Environment, 35, 213-226, Foth D. H. 1990. Fundamentals of Soil Science. Eighth Edition. Jhon Wiley and Sons. Washington United States. Pp. 360 García, C., T. Hernández, F. Acosta, and B. Ceccanti.1994. Biochemical parameters in soil regenerated bey the addition of organic wastes. Waste Manage. Res. 12: 457- 466. Hillel D. 2004. Introduction To Environmental Soil Physics. Elsevier Academic Press. Wasinghton United States. Pp. 124-126. INEGI. 1978. Carta Edafológica E14A48 Escala 1:50,000. Instituto Nacional de Estadística y Geografía e Informática. México D.F. INEGI. 1978. Carta Edafológica E14A58 Escala 1:50,000. Instituto Nacional de Estadística y Geografía e Informática. México D.F. INEGI. 1978. Carta Edafológica E14A47 Escala 1:50,000. Instituto Nacional de Estadística y Geografía e Informática. México D.F. INEGI. 1978. Carta Edafológica E14A57 Escala 1:50,000. Instituto Nacional de Estadística y Geografía e Informática. México D.F. Prevot, L., R. Bernard, O. Taconet, D. Vidal-Madjar, and J.L. Thony. Evaporation from abare soil evaluated using a soil water transfer model and remotely sensed surface soilmoisture data. Water Resources Research, 20, 311–316, 1984 Segura C., M.a. Ortíz S. C. Gutiérrez C. Ma. C. 2004. Localización de suelos de humedad residual a partir de imágenes de satélite: Parte 2. Factores que Influyen en su Reflectancia y Clasificación Supervisada con los procedimientos: Minima Distancia y Máxima Verisimilitud. Rev. Terra. Vol. 22. Num. 2 Pp 135-142. Universidad Autonoma Chapingo. México D.F

TABLAS A continuación se presentan las Tablas y Figuras que se mencionan en el texto, y para ser demostrativos los resultados a los que se llegarán en esta investigación.

Tabla 1. Valores de Reflectancia de las diferentes coberturas Campo Entrenamiento Bandas

1 2 5 Suelos No húmedos 120 93 101

9

Fuente: Elaboración propia con base a las Imágenes de Satélite (2005)

Tabla 2. Suelos Correlacionados con los valores de ambos modelos

Fuente: Elaboración propia con base a las Imágenes de Satélite (2005), cartas Edafológicas 1:50,000 INEGI

(1975)

FIGURAS

Suelos Húmedos 122 94 95 Bosque 160 82 87 Cuerpos de Agua 132 66 73 Zonas Urbanas 172 92 95 Rocas 181 84 83

Unidades Edáficas Modelos Clasificación Tasscap

Andosol 1 1 Feozem 1 1 Vertisol 1 1 Cambisol 1 1

10

Figura 1. Imagen con el compuesto 1,2,5 de la zona Floristica del Estado de México

Imágenes Landsat TM (noviembre, 2005)

Figura 2. Firmas espectrales de las diferentes coberturas

11

Figura 3. Mapa de las diferentes coberturas identificando suelos húmedos Fuente: Elaboración Propia con base Imágenes de Satélite (noviembre, 2005)

Figura 4. Mapa de Discriminación de la vegetación y suelos desnudos Fuente: Elaboración Propia con base Imágenes de Satélite (noviembre, 2005)

12

Figura 5. Mapa de Suelos húmedos (Resultado Clasificación-NDVI) Fuente: Elaboración Propia con base Imágenes de Satélite (noviembre, 2005)

Figura 6. Mapa de Humedad (Tasscap)

Fuente: Elaboración Propia con base Imágenes de Satélite (noviembre, 2005)

13

Figura 7. Mapa de Suelos con Humedad (Tasscap-NDVI) Fuente: Elaboración Propia con base Imágenes de Satélite (noviembre, 2005)