análisis espectral del arrecife coralino de cayos arcas, … · 2019. 9. 30. · el arrecife...

Investigaciones Geográficas, Boletín del Instituto de Geografía, UNAMISSN0188-4611, Núm. 57, 2005, pp. 7-20

Análisis espectral del arrecife coralino de Cayos Arcas,Campeche, México

Raúl Aguirre-Gómez* Recibido: 12 de agosto de 2004Luis Miguel Morales Manilla* Aceptado en versión final: 11 de marzo de 2005

Resumen. La utilización de sensores remotos aerotransportados con alta resolución espectral o hiperespectrales,ha venido incrementándose, paulatinamente, en estudios de elementos sobre la superficie terrestre. En particular,el estudio de cuerpos de agua mediante estos instrumentos ha recibido un gran impulso en los últimos años, endiversos campos de investigación. El objetivo de este trabajo es mostrar una caracterización espacial del arrecifecoralino de Cayos Arcas utilizando el sensor hiperespectral aerotransportado CASI (Compact Airborne SpectrographicImager). Los resultados obtenidos mediante el procesamiento de imágenes muestran que es posible la detecciónde sedimento (distribución y patrones de transporte), la batimetría y las características fisiográficas de la regiónentre los aspectos más importantes.

Palabras clave: Cayos Arcas, arrecife coralino, sensores hiperespectrales, percepción remota.

Spectral analysis of the Cayos Arcas,Campeche, Mexico

Abstract. Utilisation of high-spectral resolution airborne remote sensors has steadily been increased in studiesof elements on the Earth’ surface. Particularly, the study of water bodies using these instruments has recentlyreceived special attention, in a number of research activities. The aim of this paper is to show a spectralcharacterization of the coral reef Cayos Arcas using the hyperspectral Compact Airborne Spectrographic Imager(CASI). Image processing results show the possibility of sediment detection (distribution and transport patterns),bathymetry, and physiographic characteristics of the region among the principal features.

Key words: Cayos Arcas, coral reef, hyper-spectral sensors, remote sensing.

* Instituto de Geografía, UNAM, Circuito Exterior, Cd. Universitaria, 04510, México, D. F. E-mail:[email protected]; [email protected]

8 Investigaciones Geográficas, Boletín 57, 2005

Raúl Aguirre Gómez y Luis Miguel Morales Manilla

INTRODUCCIÓN

La utilización de sensores remotos aerotrans-portados con alta resolución espectral(hiperespectrales) se ha venido incrementadopaulatinamente en estudios de elementos so-bre la superficie terrestre. El estudio de cuer-pos de agua mediante estos instrumentos harecibido un gran impulso en los últimos años.Existe una amplia gama de posibilidades paralos estudios marinos y costeros usando estetipo de sensores. Entre las diferentes aplica-ciones están:

a) cuantificación de la concentración declorofila a (Matthews et al., 2001a),b) detección de pigmentos fitoplanctónicos(Aguirre-Gómez et al., 2001),c) estimación de batimetría (George, 1997;Liceaga and Euan, 2002),d) reconocimiento de vegetación sumergida(Alberotanza et al., 1999),e) evaluación de la salud de corales (Holdenand LeDraw, 1998),f) mapeo de hábitats marinos (Mumby et al.,1998).

Las técnicas de evaluación varían en fun-ción de la información que desea obtenerse.Los métodos utilizados con más frecuencia eneste tipo de estudios son el análisis por deri-vadas, componentes principales, análisis porcúmulos y cociente de bandas, principal-mente. Estos métodos adquieren mayorrelevancia al ser aplicados con datos obtenidosa través de sensores hiperespectrales. Enparticular, la utilización de sensores remotosaerotransportados como el Compact AirborneSpectrographic Imager (CASI) permiten una altaresolución tanto espectral como espacial y tie-nen un gran potencial para estudios ambien-tales.

ÁREA EN ESTUDIO

El arrecife coralino Cayo Arcas está localizadoen la sonda de Campeche a 180 km al norte deCiudad del Carmen (20° 12´15" N; -91° 57´44"W). Por su localización el arrecife es estraté-gico (Figura 1) y, por consiguiente, es cus-todiado por la Secretaría de Marina. Estepequeño complejo de arrecifes consta de tres

Figura 1. Ubicación del arrecife coralino de Cayos Arcas al norte de Ciudad del Carmen.

Investigaciones Geográficas, Boletín 57, 2005 9

Análisis espectral del arrecife coralino de Cayos Arcas, Campeche, México

cayos arenosos someros con plataforma corali-na. El área cubierta por el complejo es de apro-ximadamente 6.5 km2, de los cuales sólo 18 hason de tierra emergida. Su clima, de acuerdocon INEGI (1981), es seco y muy cálido, conlluvias en verano y escasas a lo largo del año,es isotérmico con una variación de 5° C entreel mes más frío y más cálido, y presenta unasequía interestival (canícula).

En este sitio se llevan a cabo actividades deabastecimiento y transporte de productospetrolíferos, para lo cual Petróleos Mexicanos(PEMEX) mantiene un buque-tanque ancladoen las inmediaciones del arrecife. Cayo Arcasse considera como la terminal portuaria másimportante de exportación de crudo del país.

Cayo Arcas posee una estructura orgánicacon restos coralinos que se extiende a pro-fundidades entre 15 y 18 m, donde se localizala base arrecifal, la cual está enclavada en unbasamento formado por una placa rocosasumergida. La pendiente norte es suave en laisobata de 27 m, pero decae abruptamentea las orillas de la placa. La pendiente sur tieneuna pendiente regular hasta los 40 m.

La estructura coralina mejor desarrolladase encuentra al NE de Cayos Arcas y tieneaproximadamente 3 km de largo. La parte nor-te del Cayo se curva hacia el SE. En la parte SO(sotavento) se presentan bajos niveles deenergía en el embalse arrecifal. En esta zona,de acuerdo con Farell et al., (1983) deberíaexistir una cresta arrecifal arborescente(Acropora palmata) sobre el extremo norte de lasemi-laguna y que correspondería a un frentearrecifal reducido y modificado. Actualmenteeste borde no existe y es probable que su ausen-cia se deba a las actividades petroleras en laregión, aunadas a los fuertes eventos meteo-rológicos ocurridos en los últimos años comolos huracanes Ophal y Roxana, entre otros.

El arrecife tiene tres islas emergentes, cuyosnombres se extienden también a las tresformaciones arrecifales a las que pertenecen:Cayo Centro (o Cayo Arcas), Cayo Este (o CayoNegro) y Cayo Oeste (o Cayo Barro). El arrecife

Arcas es la mayor isla, tanto en extensióncomo en amplitud, y presenta una vegetaciónextensa y diversa con algunas especiesintroducidas como son: casuarinas, palmas decoco, uva marina, etc. Tiene una altura aproxi-mada de 3.8 m, su topografía muestra dosmontículos con dos depresiones en la isla; laparte exterior presenta depresiones que lleganpor debajo del nivel del mar. Los dos mon-tículos son originados por la influencia de losfuertes vientos que se presentan en las tor-mentas tropicales y los huracanes.

En años recientes se ha observado la dismi-nución y blanqueo de las colonias de coralesde la región. Este efecto podría estar asociadocon las actividades de producción en lasplataformas petroleras, con las actividades deabasto de petróleo en el buque cautivo, pero,principalmente, con la presencia de huracanesy/o como consecuencia de eventos climáticosseveros como el ENOS (Clark et al., 2000; Tadaet al., 2003).

El deterioro del sistema arrecifal puedeanalizarse en forma sinóptica mediante el usode sensores remotos (Mumby et al., 2001;Mumby and Edwards, 2002). Este tipo de aná-lisis brinda la posibilidad de tener informa-ción integrada de zonas con dimensionessimilares.

Por consiguiente, el objetivo de este trabajoes realizar una caracterización espacial delarrecife coralino de Cayos Arcas utilizando elsensor hiperespectral aerotransportado CASI.

METODOLOGÍA

Caracterización espectral

El trabajo se llevó a cabo del 9 al 12 de mayode 2002 en la zona de Cayos Arcas. El análisisespectral sobre el área de estudio se realizócon el sensor hiperespectral CASI (BorstadAssociates ltd). Este sensor adquiere imágenesmultiespectrales (Borstad et al., 1994) y estáequipado con una computadora auxiliar queregistra y sincroniza los datos auxiliares delsistema de navegación de la aeronave. Posee



De las bandas espectrales elegidas 12 selocalizaron en la parte visible del espectro(bandas: 1-12) y dos en el infrarrojo cercano(bandas: 13-14). Esta selección de bandasespectrales permite tener mediciones sobrela penetración luminosa en el agua (bandas1-6); detección de absorción y reflectancia declorofila a (bandas 2, 11 y 7, 8, respectivamen-te); detección de vegetación terrestre (bandas13-14), presencia de hidrocarburos ligeros re-finados (banda 1), presencia de crudo ligero(banda 3), presencia de crudos más pesados(banda 5) y de combustibles pesados (bandas

además un giroscopio de doble eje para corre-gir la imagen por los movimientos de balanceoy torsión del avión), un sensor de iluminaciónincidente para los cálculos de reflectancia yun receptor de Sistema de Posición Global(GPS, por sus siglas en inglés).

El sensor CASI cubre un rango espectral de403 nm a 946 nm (que abarca el intervalovisual del ojo humano y del infrarrojo cercano)operando como visualizador multiespectralcon hasta 15 bandas. Este sensor se montó enuna avioneta ligera Piper Navajo PA-31 desdela cual se realizaron las mediciones. Se rea-lizaron varias líneas de vuelo en direcciónsur-norte y varias más en la dirección norte-sur. La línea de vuelo con mejor coberturafue la línea 4 en dirección N-S, por lo que fueseleccionada para el análisis digital. El sensorCASI fue utilizado en modo espacial utilizandolas bandas mostradas en la Tabla 1. Las ban-das fueron elegidas de acuerdo con sus carac-terísticas de reflectancia o absorción paradetectar la presencia de vegetación emergiday sumergida, la posible presencia de hidrocar-

buros y para evaluar el color del mar. El ins-trumento se configuró con una lente de ángulode 35°. El tiempo de integración del instru-mento (el tiempo requerido para colectar luzsuficiente para realizar y registrar mediciones)fue de 400 mseg. Esta configuración permitiótener 14 bandas espectrales con una resoluciónespacial (tamaño de píxel) de 24 m en el ejevertical y de 4 m en el eje horizontal, deter-minada por la altitud de la aeronave (3 300 m)y la velocidad sobre el terreno de 80 km/h.

Tabla 1. Configuración espectral usada sobre Cayos Arcas



6). En relación con los hidrocarburos, las ban-das elegidas corresponden a zonas de fluores-cencia de estos compuestos.

Procesamiento de imágenes

Con el fin de extraer información de las ban-das del CASI se emplearon diferentes algorit-mos tales como: cocientes de bandas, análisisde componentes principales y una clasifica-ción no-supervisada. Los detalles de cada unade estas técnicas se presentan a continuación.

La Figura 2 muestra un compuesto RGB dela región de Cayos Arcas. Este compuesto segeneró asignando la banda 12 (roja) al canalR, la banda 6 (verde) al canal G y la banda 2(azul) al canal B. En esta figura se aprecianclaramente los siguientes aspectos: el arrecifecoralino circunscrito por las olas rompientes;la zona emergida del cayo rodeada por unazona de playa de alta reflectancia y la presen-cia de vegetación terrestre en los cayosemergidos.

Cocientes

El cálculo de cocientes es una técnica amplia-mente utilizada en percepción remota. Ha sidoaplicada en diversas disciplinas entre las quese incluyen la biogeografía y la exploracióngeológica, (Rowan, 1975; Tucker, 1979). El usode cocientes permite eliminar efectos del án-gulo de visión, y reducir efectos topográficos.Asimismo, permite establecer una correlaciónentre los valores del cociente y la forma de lacurva de reflectancia espectral entre dos ban-das dadas. Los cocientes de bandas emplea-dos en este estudio se enlistan a continuación:

a) Índice de Vegetación de DiferenciaNormalizada (NDVI). Este índice consideralos cambios abruptos y característicos de lareflectancia de la vegetación en el infrarrojocercano y de la absorción de la misma en laregión roja del espectro electromagnético(EEM). Este cociente se representa del siguientemodo:

Figura 2. Compuesto RGB de las bandas 12, 6 y 2 del sensor CASI.



IRR

RIR

IIIINDVI

+−

= (1)

Al ser un índice normalizado su intervalode variación oscila entre –1 y 1. Así, las áreascon vegetación densa presentan valorespositivos del NDVI. Por su parte, los cuerposde agua presentan una tendencia a valoresnegativos. Finalmente, las rocas y el suelodesnudo, al tener una respuesta espectral simi-lar en ambas bandas, obtienen valores cer-canos a cero. Como su nombre lo indica, elNDVI ha sido utilizado ampliamente enanálisis de todo tipo de vegetación (Justiceet al., 1985; Batista et al., 1997, Gilabert et al.,1997). Sin embargo, en zonas costeras, el NDVIpuede ser de utilidad en la detección de sedi-mentos presentes en el cuerpo de agua. Esto selogra partiendo de las características deabsorción del agua de mar y la relativamentealta reflectancia de los sedimentos en lasregiones roja e infrarroja del EEM. Existendiversos estudios donde esta metodología hasido aplicada con éxito (Tassan and Sturm,1986, Szekielda and McGinnis, 1987, Froide-fond et al.,1993, Aguirre-Gómez, 2000;Matthews et al., 2001b)

b) Azul / verde (“Blue/Green”). Este cocientese utiliza para la estimación de clorofila enaguas oceánicas. En zonas costeras el algorit-mo no es de gran confiabilidad dado que laseñal de sedimentos presentes en el aguainterfiere de manera importante en la del fito-plancton. No obstante, es posible estimarcualitativamente la presencia de clorofila a enregiones de profundidades mayores a los40 m alejadas del arrecife. El algoritmoutilizado con las bandas CASI es el siguiente:

72

CASIbandaCASIbandaBG = (2)

El uso de este cociente fue establecidoteóricamente por Gordon and Morel (1983) y

ha sido aplicado ampliamente en diversosestudios marinos y costeros (Moore and Aiken,1990; Sturm et al., 1999).

c) R550/R750. La determinación del grosor esmejor cuando se utilizan cocientes de radianzaen lugar de valores absolutos de radianza, loscuales dependen fuertemente de los niveles dela luz incidente. Este método funciona mejorcuando una de las radianzas utilizadas paracalcular el cociente se mide a una longitud deonda donde los cambios debidos al aumentodel grosor de los hidrocarburos son relativa-mente altos, y la otra medición se hace a unalongitud de onda donde tales cambios sonrelativamente bajos. Para hidrocarburosabsorbentes esto se traduce en que uno de loscanales o bandas debe elegirse cerca del picode reflectancia del agua de mar (entre 500–570 nm), zona donde la absorción por hidro-carburos tiene el mayor efecto. El segundocanal puede elegirse convenientemente en laregión del infrarrojo cercano (750 nm) dondela radianza emergente del agua marina esdespreciable debido al alto coeficiente deabsorción del agua (Byfield, 1998)

Por otro lado, la reflectancia R del agua esmayor en el intervalo de 430 a 580 nm depen-diendo del tipo de agua, ya sea oceánica o cos-tera. El agua oceánica tiene su máximo espec-tral en la región azul (450-480 nm), mientrasque el agua costera, con gran cantidad deplancton o substancias húmicas, tiene sumáximo en la región verde (540-570 nm). Lareflectancia del agua decrece rápidamente enla región del rojo (> 600 nm) y es despreciableen la región del infrarrojo cercano (> 730 nm).Por consiguiente, el cociente entre la longitudde onda del pico máximo y el infrarrojo es unabuena medida de cómo la señal de hidrocar-buros o grasas ligeras suprimen la del agua.

Análisis de componentes principales

Esta es una técnica utilizada extensivamenteen estudios de percepción remota. Las bandasadyacentes en una imagen multiespectral



están generalmente correlacionadas. La pre-sencia de correlación entre estas bandasimplica que hay redundancia en los datos, esdecir, algo de la información se está repitiendo.La idea fundamental de esta técnica consisteen eliminar la correlación entre bandas. Estose logra creando nuevas bandas, mutuamenteortogonales, las cuales son combinacioneslineales de las originales y son llamadascomponentes principales (CP). Estas combina-ciones se obtienen mediante métodos deálgebra lineal (Mather, 1976). La correlaciónde las bandas multiespectrales se manifiestaen su covarianza estadística. Las CP son puesuna medida de la varianza al eliminar la corre-lación o covarianza de las bandas originales.El nivel de varianza se observa a través delconjunto de valores propios (eigenvalores) dela matriz estadística generada. Al conjuntode coordenadas que definen la ortogonalidadde las nuevas bandas se les conoce como vec-tores propios (eigenvectores), los cuales estánasociados con cada uno de los eigenvalores.Por consiguiente, los eigenvalores y los eigen-vectores describen la longitud y la direcciónde los nuevos ejes. La técnica de las CP puedeconsiderarse como un paso previo a la clasifi-cación de imágenes. En este estudio se realizóel análisis de componentes principales y pos-teriormente se utilizó una combinación RGBde las componentes principales 2, 3 y 4. Estacombinación es de utilidad cuando se deseadetectar la variación del color del mar debidoa la presencia de sedimentos suspendidos(Rees, 1990).

Clasificación no supervisada

La clasificación no-supervisada es un procesoautomatizado para encontrar “nubes” de da-tos (clusters) puntuales en un espacio n-dimensional, usando únicamente un subcon-junto de la imagen satelital completa, yentonces decidir a qué clase pertenece cadapíxel. Existen diversos métodos para encon-trar clusters. El método de la K-medias (oISODATA) es uno de los más importantes y ha

sido aplicado ampliamente en análisis espa-ciales. En este enfoque, el usuario especifica elnúmero de clusters a identificar y una suposi-ción inicial del lugar donde se localicen lospuntos centrales (centroides) de cada uno delos clusters definidos. El algoritmo calculaentonces a qué cluster pertenece cada píxel,con base en la distancia que lo separa del cen-troide más cercano. Esta distancia se calculamediante el Teorema de Pitágoras en N-dimensiones y se conoce como distanciaeuclidiana. Después de un primer reconoci-miento, los centroides son ajustados a lasnuevas clases generadas y el proceso se repiteiterativamente. Por consiguiente, el usuariodebe definir un número determinado de itera-ciones, o bien, definir un criterio aceptable deconvergencia del porcentaje de píxeles clasi-ficados (Swain and Davis, 1978). Para realizareste proceso se consideraron las cuatro pri-meras componentes principales. Esta clasifica-ción se realizó utilizando el método ISODATA,proponiendo un intervalo de 5 a 10 clases, conun número máximo de diez iteraciones, unmínimo de 20 píxeles por clase, una desviaciónestándar de 1.5 y una distancia euclidiana porclase de 3.00 unidades.

RESULTADOS Y DISCUSIÓN

Cocientes

NDVI. La Figura 3 muestra la resultante delalgoritmo 1. La validez de este algoritmo hasido probada en diferentes estudios (Szekieldaand McGinnis, 1987; Stumpf, 1987). En la ima-gen es posible observar las siguientes carac-terísticas: a) la parte emergida de los cayos semuestra en color blanco con una franja deplaya en color verde claro; b) los sedimentosestán representados en color cian y se distri-buyen alrededor del cayo principal y sobre lazona del arrecife. El transporte de sedimentosobedece en forma general al patrón de oleaje.Este patrón es más frecuente en la parteexterna del Cayo, mientras que en la internaestá supeditado a la topografía de la zona. Es



particularmente notoria la distribución desedimentos suspendidos en la punta norte ysobre la entrada en los cayos pequeños en laregión sur del cayo principal.

Batimetría

Las características batimétricas de la zona deCayos Arcas se pueden apreciar, cualitativa-mente, en la Figura 4. Esta figura fue generadamediante un cociente entre la banda azul, demayor penetración luminosa y la banda in-frarroja, donde el agua absorbe de maneraimportante esta longitud de onda.

En esta imagen es posible apreciar de ma-nera cualitativa los diferentes niveles de pro-fundidad en la región. En el cuerpo de agua seobserva la zona somera en tonos verde claromezclada con sedimentos en tonos cian. Unazona menos somera de la región se aprecia entonos azules, mientras que las zonas más pro-fundas aparecen en tonos verde oscuro (estodebe, sin embargo, ser tomado con cautela,

dado que la zona de arrecifes toma un colorsimilar aunque más oscuro).

Detección de clorofila

La detección de este parámetro fue difícil pordos razones fundamentales: a) la región deCayos Arcas es considerada como de aguasCaso 2, i. e. es una región en la cual los sedi-mentos y/o las sustancias disueltas húmicasson los elementos predominantes en la ópticade la zona; b) el algoritmo aplicado (2), apartede no ser el más conveniente, no estaba cali-brado para la zona y su relación funcionalcarecía de un coeficiente y un exponente paraadoptar la forma convencional. La Figura 5presenta el resultado de aplicar el algoritmo 2a la banda 2 (azul) y la banda 7 (verde).

Componentes principales

La información estadística obtenida medianteel análisis de componentes principales semuestra en la Tabla 2.

Figura 3. Detección de sedimentos en Cayos Arcas mediante un análisis NDVI.



La Figura 6 muestra la gráfica de los valorespropios (eigenvalores) correspondientes acada una de las componentes principales.

La Tabla 3 muestra los eigenvectores de lasprimeras 4 CP, las cuales representan el 99.81%de la varianza explicada.

Es posible advertir que en la CP1 losfactores de peso de cada banda son similares,por consiguiente, el aporte espectral de cadauna de ellas queda estandarizado. Por otrolado, las CP2, CP3 y CP4, tienen factores depeso conspicuos. En la CP2, las bandas 4(460.1 nm) y 5 (505.7 nm) contribuyen positi-vamente en la combinación lineal y son indi-cadores de la absorción de los pigmentos acce-sorios. Por su parte, la banda 13 (704.7 nm)contribuye negativamente con el mayor factorpeso (-0.40), correspondiente a la reflectancia

de los sedimentos y la absorción del agua demar. En la CP3, la banda 1 (412.2) es la quepresenta la mayor contribución positiva. Estoindica que la absorción de la sustanciaamarilla, elemento primordial en aguas caso2, es el elemento óptico principal. Mientras quela reflectancia debida a la clorofila contribuyemayoritariamente en forma negativa, através de los factores de peso de la banda 7(553.3 nm) y la banda 8 (578.1 nm). Finalmente,la combinación lineal de la CP4 indica quelas bandas 1 (412.2 nm), 9 (603.0 nm) y 10(628.8 nm) son las de mayor peso. Nueva-mente, la banda 1 corresponde, ópticamente,a la absorción de la sustancia amarilla,mientras que las bandas 9 y 10, ubicadas en laregión roja, permiten resaltar la presencia desedimentos y la absorción de clorofila y agua.

Figura 4. Imagen de batimetría de la zona deCayos Arcas.

Figura 5. Cociente azul verde para ladetección de clorofila. La señal de este

pigmento está contaminada con lade los sedimentos suspendidos.



Tabla 2. Valores propios (eigenvalores) hallados a través del análisis de componentesprincipales

Tabla 3. Eigenvectores de las primeras cuatro componentes principales

Figura 6. Magnitud de las componentes principales de acuerdo con sus valores propios(eigenvalores).



Con base en estos resultados se generó unaimagen RGB con las bandas correspondientesa las componentes principales 2, 3 y 4, res-pectivamente. La elección de estas bandas sedebió a que la composición RGB de las CP 2, 3y 4 ha funcionado en zonas costeras paradetectar la presencia de sedimentos y materialdisuelto. La omisión de la componente princi-pal 1 en la composición se debe a que la mayorfuente de varianza se halla contenida en loselementos terrestres de la región. La Figura 7presenta la composición RGB referida.

Esta imagen permite diferenciar caracterís-ticas importantes en la región de los cayos.Las zonas emergidas están representadas entonos verdes; la distribución de sedimentosse observa en tono magenta; la zona de arre-cifes coralinos se observa en tonos azules;junto con los aspectos batimétricos asociadoscon corales y sedimentos los cuales aparecenen tonalidades rojas, naranjas y amarillas;finalmente, las aguas oceánicas más profundasse observan en tonos cian.

Clasificación no-supervisada

Con base en la información obtenida se pro-cedió a una clasificación no-supervisada. Estaclasificación se realizó tomando como base lainformación contenida en las cuatro primerascomponentes principales, las cuales aportanel 99.81% de la varianza de las bandas origina-les. La Figura 8 muestra la imagen clasificadano-supervisada. Esta figura muestra 10 clasesespectrales halladas mediante el métodoISODATA. Estas clases se muestran en laTabla 4.

Con base en esta clasificación es posibletener una referencia espacial para identificaren campo aspectos de interés en estudiosespecíficos. En particular, en este estudio estaclasificación ayudaría a conocer la extensiónde la zona coralina y los cambios asociados ala batimetría de la región.

Figura 7. Compuesto RGB de las componentes principales 2, 3 y 4.



CONCLUSIONES

La utilización del sensor remoto hiperes-pectral CASI en el análisis del arrecife coralinoCayos Arcas permite la obtención de informa-ción que no sería posible con sensores discre-tos. La aplicación de algoritmos sofisticadoses también una característica de sensorescomo el CASI. La respuesta espectral fina ypuntual en los cocientes permiten que lainformación de sedimentos suspendidos seamás precisa que la obtenida con sensores debanda ancha. Por otro lado, el análisis de com-ponentes principales, utilizada como técnicapre-clasificatoria, permitió reconocer patro-nes definidos tanto en el Cayos Arcas como ensus inmediaciones, en la clasificación no su-pervisada. Así, esta clasificación permitióidentificar zonas someras, zonas profundasy, por consiguiente, relacionar ambas con as-pectos batimétricos, que no siempre es posi-ble con sensores convencionales.

AGRADECIMIENTOS

Este trabajo se desarrolló en el marco del pro-yecto “Actualización de la morfometría y lahidrodinámica del arrecife Cayos Arcas y delos riesgos asociados a la operación de la PEP”que se llevó a cabo en el Programa Universi-tario del Medio Ambiente (PUMA) y el Insti-tuto de Geografía, ambas instituciones de laUNAM, y fue financiado por Petróleos Mexi-canos (PEMEX).

REFERENCIAS

Aguirre-Gómez, R. (2000), “Detection of totalsuspended sediments in the North Sea usingAVHRR and ship data”, International Journal ofRemote Sensing, vol. 21(8), pp. 1583-1596.

Aguirre-Gómez, R., S. R. Boxall and A. R. Weeks(2001), “Detecting photosynthetic algal pigmentsin natural populations using a high-spectral-resolution spectroradiometer”, International

Figura 8. Clasificación no-supervisadade la región de Cayos Arcas.

Tabla 4. Clases halladas mediante laclasificación no-supervisada

Color Clase

• No clasificado

• Datos nulos

• Aguas profundas

• Zona coralina

• Aguas someras

• Arenas

• Suelo desnudo

• Zona de playa

• Vegetación

• Marisma

• Sedimentos



Journal of Remote Sensing, vol. 22, núm. 15,pp. 2867-2884.

Alberotanza, L., V. E. Brando, G. Ravagnan andA. Zandonella (1999), “Hyperespectral aerialimages. A valuable tool for submerged vegetationrecognition in the Orbetello Lagoons, Italy”,International Journal of Remote Sensing, vol. 20,núm. 3, pp. 523-533.

Batista, G. T. E., E. Shimabukuro and W. T.Lawrence (1997), “The long-term monitoring ofvegetation cover in the Amazonia regionof northern Brazil using NOAA-AVHRR data”,International Journal of Remote Sensing, vol. (18),pp. 3195-3210.

Borstad, G. A., R. C. Kerr y M. Zacharias (1994),“Monitoring near shore water quality andmapping of coastal areas with a small airbornesystem and GIS”, Memorias del Second ThematicConference on Remote Sensing for Marine and CoastalEnvironments, New Orleans, Louisana, vol. II,pp. 51-56.

Byfield, V. (1998), Optical remote sensing of oil in themarine environment, Ph D Thesis, University ofSouthampton.

Clark, C. D., Mumby, P. J., J. R. M. Chisholm,J. Jaubert and S. Andrefouet (2000), “Spectraldiscrimination of coral mortality states followinga severe bleaching event”, International Journal ofRemote Sensing, vol. 21(11), pp. 2321-2327.

Farrell, T. M. C. F. D’Ellia, L. Lubbers and L. J.Pastor (1983), “Hermatypic coral diversity andreef zonation at Cayo Arcas, Campeche, Gulf ofMexico”, Atoll Research Bulletin, 270.

Froidefond, J. M., P. Castaing, J. M. Jouanneauand R. Proud’homme (1993), “Method for thequantification of suspended sediments fromAVHRR/NOAA-11 satellite data”, InternationalJournal of Remote Sensing, vol. 14, pp. 885-894.

George, D. G. (1997), “Bathymetric mapping usinga Compact Airborne Spectrographic Imager(CASI)”, International Journal of Remote Sensing,vol. 18, no. 10, pp. 2067-2071.

Gilabert, M. A., J. González-Piqueras y J. García-Haro (1997), “Acerca de los índices de vegeta-ción”, Revista de Teledetección, vol. (8), pp. 35-45.

Gordon, H. R. and A. Morel (1983), “Remoteassessment of ocean color for interpretation ofsatellite visible imagery”, Barber, R. T., N. K.Mooers, M. J. Bowman and B. Zeitzschel (eds.), Areview, Lecture notes on coastal and estuarine studies,Springer-Verlag, New York.

Holden, H. and E. LeDrew (1998), “Spectraldiscrimination of healthy and non-healthy coralsbased on cluster analysis, principal componentsanalysis, and derivative spectroscopy”, RemoteSensing of Environment, vol. 65, pp. 217-224.

INEGI (1981), Carta de climas de México.

Justice, C. O., J. R. G. Townshend, B. N. Holdenand J. Tucker (1985), “Analysis of the phenologyof global vegetation using meteorological satellitedata”, International Journal of Remote Sensing, vol.(6), pp. 1271-1318.

Liceaga-Correa, M. A. and J. I. Euan-Ávila (2002),“Assessment of coral reef bathymetric mappingusing visible Landsat Thematic Mapper data”,International Journal of Remote Sensing, vol. 23,núm. 1, pp. 3-14.

Mather, P. (1976), Computational methods ofmultivariate analysis in physical geography, Wiley,Chichester.

Matthews, A. M., A. G. Duncan and R. G. Davison(2001a), “An assessment of validation techniquesfor estimating chlorophyll a concentration fromairborne multispectral imagery”, InternationalJournal of Remote Sensing, vol. 22, no. 2-3,pp. 429-448.

Matthews, A. M., A. G. Duncan and R. G. Davison(2001b), “Error assessment of validation techni-ques for estimating suspended particulatematter concentration from airborne multi-spectral imagery”, International Journal of RemoteSensing, vol. 22, no. 2-3, pp. 449-470.

Moore, G. and J. Aiken (1990), “Aircraft multi-spectral remote sensing of water colour offHelgoland. In applications and development inimage spectrometry”, Proceedings of a RemoteSensing Society Workshop (20/Nov/1989), London,UK, pp. 18-31.



Mumby, D. J., E. D. Green, C. D. Clark and A. J.Edwards (1998), “Digital analysis of multispectralairborne imagery of coral reefs”, Coral reefs, vol.17(1), pp. 59-69.

Mumby, P. J. and A. J. Edwards (2002), “Mappingmarine environments with IKONOS imagery:enhanced spatial resolution does deliver greaterthematic accuracy”, Remote Sensing of Environ-ment, vol. 82, pp. 248-257.

Mumby, P. J., J. R. M. Chisholm, J. D. Hedley, C. D.Clark and J. Jaubert (2001), “A bird’s-eye view ofthe health of coral reefs”, Nature, 413 (6852):36.

Rees, W. G. (1990), Physical Principles of RemoteSensing, Chapter 10, Cambridge UniversityPress, Cambridge

Rowan, L. C. (1975), “Application of satellites togeologic exploration”, The American Scientist, 63,pp. 393-403.

Stumpf, R. P. (1987), “Application of AVHRRsatellite data to the study of sediment andchlorophyll in turbid coastal water”, NOAA Tech-nical Memorandum NESDIS AISC-7, Washington,D. C.

Sturm, B., V. Barale, D. Larkin, J. H. Andersenand M. Turner (1999), “OCEANcode: the completeset of algorithms and models for level-2 pro-cessing of European CZCS historical data”,International Journal of Remote Sensing, vol. 20(7),pp. 1219-1248.

Swain P. N. and S. M. Davis (1978), Remote Sensing:the quantitative approach, McGraw Hill, New York.

Szekielda, K. H. and McGinnis (1987),“Investigations with satellites on eutrophicationof coastal regions, Pt. 4 Characterization of watermasses in the Huanghai Sea”, SCOPE/UNEPSonderband, vol. 64, pp. 93-112.

Tada K., K. Sakai, Y. Nakano, A. Takemura andS. Montani (2003), “Size-fractionated phytoplank-ton biomass in coral reef waters off SesokoIsland, Okinawa, Japan”, Journal of PlanktonResearch, vol. 25, no. 8, pp. 991-997(7).

Tassan, S. and B. Sturm (1986), “An algorithm forthe retrieval of sediment content in turbidcoastal waters from CZCS data”, InternationalJournal of Remote Sensing, vol. 7(5), pp. 643-655.

Tucker, C. J. (1979), “Red and photographicinfrared linear combinations for monitoringvegetation”, Remote Sensing of Environment, 10,pp. 127-150.

análisis espectral del arrecife coralino de cayos arcas, … · 2019. 9. 30. · el arrecife...

Documents