descargar libro digital – pdf

Memorias de las y

Ministerio del Poder Popularpara Educación Universitaria,Ciencia y Tecnología

GobiernoBolivarianode Venezuela

Centro de ProcesamientoDigital de Imágenes - CPDI

FundaciónInst i tuto de Ingenier íapara Investigacióny Desarrollo Tecnológico


FundaciónInst i tuto de Ingenier íapara la Investigacióny Desarrollo Tecnológico

Ministerio del Poder Popularpara Educación Universitaria,Ciencia y Tecnología

GobiernoBolivarianode Venezuela

Memorias de las VI Jornadas Nacionales de Geomática y 1er Congreso Nacional de Geomática 3

Créditos

Presidente Ejecutivo Fundación Instituto de Ingeniería para Investigación y Desarrollo TecnológicoFrancisco Durán Colmenares

Jefe de la Unidad de Proyectos Centro de Procesamiento Digital de ImágenesCarmen Goitía Blanco

Coordinador GeneralRamiro Salcedo Gálviz

Coordinador Comité de PublicacionesFreddy Flores Araque

Diseño Gráfico y DiagramaciónJesús Rodríguez CastilloLiser Verdugo Rodríguez

Depósito Legal No. lf25220156003217ISBN No. 978-980-6164-07-9

Publicado en Agosto, 2016

Comité OrganizadorCarmen Goitía BlancoElio Suárez ArroyoGlenis Valencia GuerreroJesús Alejandro Ruiz CurchoJosé Gutiérrez BlancoLiser Verdugo RodríguezLuis Díaz JaramilloMaría Teresa López MartínRafael Rebolledo Wueffer

Comité de PublicacionesEnmanuel Duque CalderaGustavo Aguerrevere WinckelmannIngrid Chávez HernándezJesús Rodríguez CastilloJosé De Sá RodríguezMaría Antonieta Febres OllarvesMaría Milagros Primera CanelónMariana Azuaje CasiqueMontserrat Bautis RegueiroWuilian Torres Cárdenas

Fundación Instituto de Ingeniería para Investigación y Desarrollo Tecnológico (FIIIDT) — RIF G200046503

Carretera Nacional Baruta – Hoyo de la Puerta, Altos de Sartenejas, Urb. Monte Elena II, entrada IDEA.

Baruta, estado Miranda. Venezuela. Código Postal 1040A, Apartado Postal 40200.

Teléfono: (+58-212) 9034610. Página web: www.fii.gob.ve

Este documento está disponible en la página web: www.cpdi.fii.gob.ve

Memorias de las VI Jornadas Nacionales de Geomática y 1er Congreso Nacional de Geomática, está concebido bajo licencia Creative Commons, la cual permite la distribución, copiado y exhibición de este obra por parte de terceros, siem-pre que se den los créditos de autoría a la Fundación Institu-to de Ingeniería para Investigación y Desarrollo Tecnológico (FIIIDT), quien es responsable de la producción y publicación de este documento. No está permitido obtener beneficio co-mercial y está prohibido generar obras derivadas. Los traba-jos publicados fueron revisados y arbitrados por el sistema doble ciego. La Fundación Instituto de Ingeniería y el Centro de Procesamiento Digital de Imágenes no se responsabilizan por conceptos y opiniones emitidos por los autores.


Presentación

A partir del año 2005, la Fundación Instituto de Ingeniería para Investigación y Desa-rrollo Tecnológico a través del Centro de Procesamiento Digital de Imágenes (CPDI), asumió la responsabilidad de organizar las Jornadas Nacionales de Geomática, con una periodicidad bienal. El principal objetivo de las Jornadas ha sido el de promo-ver la disertación de experiencias e ideas acumuladas en las diversas instituciones y personas usuarias de la Geomática, es decir, de la comunidad geo-científica ve-nezolana. Lo que ha merecido un reconocimiento nacional para los organizadores e investigadores, por mantener vivo un espacio, que se ha convertido en referencia nacional, por propiciar el intercambio de aplicaciones e investigaciones en las áreas que integran a la Geomática, así como los tópicos que han integrado cada edición.

Nuevamente, en octubre de este año 2015, se realiza la VI edición de las Jornadas, culminando con un ciclo de fructíferas y valiosas experiencias para dar paso, de ahora en adelante, al Congreso Nacional de Geomática, reuniendo a la comunidad geocientífica nacional e internacional, para conocer los avances e innovaciones en materia de Geomática, presentándose 43 trabajos y contribuciones que permiten ver las aplicaciones, usos, bondades, alternativas y soluciones en esta área técnica del saber, en casos concretos de estudio, así como análisis en los contextos venezolano y mundial. Algunos de los trabajos expuestos, vinculados a la temática de la soberanía tecnológica, presentan la oportunidad de mostrar resultados derivados del uso de las imágenes adquiridas por nuestro Satélite Miranda.


En esta edición, de las VI Jornadas y el 1er Congreso, el comité organizador ha selec-cionado, a sugerencia de un grupo de evaluadores expertos, los mejores trabajos los cuales se presentan en esta publicación, agrupados en las siguientes áreas temáticas:

• Ambiente y Sociedad • Educación y Formación• Investigación, Desarrollo e Innovación• Planificación Territorial• Poder Popular

Así mismo, se presentan trabajos técnico – institucionales, tanto de organizaciones públicas y privadas, como nacionales e internacionales que contribuyeron en el de-sarrollo de este evento.

Finalmente, se quiere hacer extensivo nuestro agradecimiento a los participantes po-nentes, por su entusiasta presencia para compartir con sus colegas los aportes hechos en sus investigaciones, contribuyendo de esta manera con el desarrollo geocientifico y tecnológico de Venezuela.

Carmen Goitía BlancoFreddy Flores Araque


Instituciones colaboradoras

Capítulo Venezuela


Autores de los trabajos presentados

Adriana RuízAdriano AlvesAimara ReyesAlfonso CasadoAlfredo MonseratAmalys RodríguezAmarelys RománAmilcar SolerÁngel MartínÁngel ValeraAntony PrinceArévalo AraqueAriele BatisttiBeatriz GraterolBethania Peña GodoyBranyela NuñesCarlos BlancoCarlos Botto Carlos OcandoCarlos VásquezCarmen Goitia Cenaida LozanoCenaida PerdomoCésar Salazar MartínezClara MorenoDavis Varela

Den izar Blitzkow Deyanira LoboDiego MachadoEdwards CastilloElio SuárezFani AraqueFrancesco Dal PozzoFrancisco Guerra M.Francisco RodríguezFrancisco Varela Freddy BalcázarFreddy Flores AraqueGabriela QuintanaGerson ColmenárezGiovanny QuaglianoGustavo AguerrevereGustavo MaresGustavo Rojas Henry CodalloHermógenes SuárezHumberto MalaspinaIgor JayaroJean Carlos MendozaJean Pierre PlazaJesús Alejandro RuizJesús Castillo

Jesús ViloriaJhoarlis Dicotot Jhonis TimaureJimmy HernándezJimmy PetrociniJofmar SánchezJohan FuenmayorJorge FloresJosé Alberto VivasJosé Arismendi ValeroJosé CaicedoJosé De Sá RodríguezJosé N. HernándezJulia MiguelJulián GarcíaLeira ChacónLelys BravoLeonardo SánchezLuis Carlos TimmLuis DíazLuis MoncadaLuisegleé Montezuma S.Luz PaisanoLyneth Camejo LópezManuel JáureguiMaría Corina Pineda

María PeñaMaría SánchezMaría SilvaMariana AzuajeMario ForgioneMarlitt Guilarte R.Maureen VázquezMontserrat BautisMustapha Boujana N. VillamizarNilbeny CanoNoldin NuñezNorayda ArriecheNuris OrihuelaO. CamachoOscar AbarcaOscar Noya-AlarcónRafael Chacón Rafael Rebolledo W.Ramiro SaavedraRamón PazRenny EspinozaRicardo Santana S.Roció MendozaRonald DelgadoRonelly Caballero

Rosa AguilarRosa De FaríasRosana MarcanoRuber ÁlvarezSantiago YépezSeymour BornoSteven MárquezSusuky LópezTomas SolarteVerónica De SouzaVíctor CioceVíctor VilacháWuilian Torres Yorman MonasteriosYoselin LoaizaYseliam TovarYxed RojasZully Goyo


Árbitros de los trabajos presentados

Airam FloresAlejandro Ruiz

Anderson AlbarránCarmen Goitía

Diego MachadoElio Suárez

Enmanuel DuqueEulogio Chacón

Fani AraqueFreddy Flores

Giovanni RoyeroGustavo Aguerrevere

Henry CodalloIvonne Izarra

Jesús MoncadaJesús Rodríguez Jofmar SánchezJosé Arismendi

José Napoleón HernándezJuan José Machado

Julián GarcíaLaura Delgado

Luis DíazLuis Liberal

María Antonieta FebresMaría Fernanda Rodríguez

María PrimeraMariana Azuaje

Maritza RivasMelvin Hoyer

Montserrat Bautis Neyla Camacho

Noris RojasRafael Lairet

Rafael RebolledoRamiro Salcedo

Ricardo CuberosRodrigo lazo

Santiago RamosSantiago Yépez

Víctor CioseVíctor GuevaraVíctor Vilachá

Vidal Sáez Walmore Vergara

Wuilian TorresYolanda Barrientos

Zuleima Molina


Índice

AMBIENTE Y SOCIEDAD ............................................................................ 12

Actualización de los Mapas de Potencial Minero del estado Aragua por medio de Técnicas Geomáticas ............................................................. 13

Amalys Rodríguez, Seymour Borno, Edwards Castillo

Aplicaciones de Sistemas de Información Geográfica a la Eliminación de la Oncocercosis en Venezuela ............................................................... 22

Botto Carlos, Flores Jorge, Fuenmayor Johan, Graterol Beatriz, Villamizar Nestor, Noya-Alarcón Oscar, Camacho Oneida, Tovar Yseliam, Cortés José, Grillet María E., Guerra Francisco

Distribución Espacial de Hypothenemus Hampei (Coleoptera: Curculionidae) en la localidad Jabón, Municipio Torres, Estado Lara. .............. 29

Ramón Paz, Norayda Arrieche, Gerson Colmenarez

EDUCACIÓN Y FORMACIÓN ..................................................................... 35

Curso Virtual: Nociones de Cartografía Analógica y Digital (NCAD) .............. 36Jesús Alejandro Ruíz Curcho

Adecuación del Curso Presencial “Percepción Remota y Procesamiento Digital de Imágenes del Miranda” a Virtual ................................................. 41

Marlitt Dolores Guilarte Riobueno

INVESTIGACIÓN, DESARROLLO E INNOVACIÓN ........................................ 48

Implementación y optimización de mediciones GNSS en tiempo real por el servicio Omnistar HP ........................................................................ 49

Antony Prince, Renny Espinosa, Tomás Solarte, Mario Forgione, Hermógenes Suárez, Víctor Cioce

Determinación de la temperatura de la superficie de la Tierra. Área Metropolitana de Mérida, Venezuela .......................................................... 63

Francisco Dal Pozzo, Yxed Rojas

Los Vehículos Robóticos Aéreos No Tripulados (VRANT) en la Geomática ........ 71Manuel Jauregui, Leira Chacón

Establecimiento de puntos de control terrestre para el procesamiento de imágenes tomadas por Drones ............................................................... 78

Cenaida Perdomo, José Caicedo, Noldin Nuñez, Diego Machado, Julian García, María Corina Pineda

Cartografía digital de propiedades morfológicas de suelo usando lógica borrosa en paisajes de montaña ....................................................... 85

María Corina Pineda, Ángel Valera, Jesús Viloria

Pág. Pág.


Generación de mapas de humedad del suelo en Venezuela mediante interpolación y algoritmos de aprendizaje ................................................... 92

Ronald Delgado, Verónica De Souza

Cartografía digital de propiedades de suelo por medio de clasificación neuro-borrosa y Kriging ........................................................................... 104

Ángel Valera, Jesús Viloria, María Corina Pineda

Cartografía digital de propiedades químicas del suelo en paisajes de montaña ............................................................................................ 111

Jesús Arnaldo Viloria, Ángel Valera, María Corina Pineda

Evaluación de métodos de interpolación para generación de Modelos Digitales de Elevación en áreas planas ........................................ 117

María Corina Pineda, Diego Machado, Cenaida Perdomo, Ángel Valera

Generación de unidades geomorfológicas por medio de técnicas de conjunto borroso, cuenca del río Gabante, estado Aragua .......................... 126

José Caicedo, María Corina Pineda

Estudio comparativo de sensores multiespectrales para la identificación de parámetros de calidad del agua del Lago de Valencia - Venezuela .......... 133

Carmen Goitía, Wuilian Torres

Variaciones del Potencial de Energía Eólica Renovable en el Siglo XXI, Producto de los Efectos del Cambio Climático ............................................ 140

Rafael Ángel Rebolledo Wueffer, Lelys Isaura Bravo de Guenni

SIGaVenezuela.com.ve El Sistema de Información Geográfica para la Promoción del Turismo en Venezuela ......................................................... 149

Adriana Ruiz, Adriano Alves

Evaluación Posicional de Imágenes Pancromáticas del Satélite Miranda, Caso de Estudio: Aragua - Carabobo ........................................................ 157

Jean Pierre Plaza, Gabriela Quintana, Amarelys Román, Jimmy Petrocini

Detección de Anomalías Espectrales (Minerales) Asociadas a Manifestaciones de Hidrocarburos en Superficie, Falcón Centro Occidental, Venezuela............................................................................. 168

Humberto Malaspina, Henry Codallo, Zully Goyo, Maureen Vázquez, Alfredo Monserat, Steven Márquez, Leonardo Sánchez, Santiago Yépez, Ramiro Saavedra, Ángel Martín, José De Sá Rodríguez, Wuilian Torres, Fanny Araque, Mariana Azuaje

Métodos Radiométricos no Convencionales para Disminuir el Riesgo Exploratorio Regional, Frente de Montaña Guarico, Venezuela. ................... 178

Dicotot Jhoarlis, Silva María, Chacón Rafael, Rojas Gustavo, Vázquez Maureen, Codallo Henry, Varela Darvis, Mendoza Roció, Boujana Mustapha

Medición del Efecto Vaneamiento y Consideraciones Sobre Condiciones de Observación en Espectroradiometría del Arroz ...................................... 187

Gustavo Aguerrevere, Susuky López

Deteccion de Bordes en los Modelos de Generacion de la MTF Usando Imágenes del Miranda............................................................................. 198

Francisco Varela

Pág. Pág.


Uso de Drones para la Actualización Cartográfica ....................................208Julián García

PLANIFICACIÓN TERRITORIAL ................................................................. 213

Mapa Digital de Clases Texturales de Suelo en un Área del Campo Experimental de Agronomía - UCV ............................................................ 214

María Corina Pineda, Ángel Valera, Jesús Viloria, Ronelly Caballero, Zenaida Lozano, Deyanira Lobo, Luis Carlos Timm

Estudio de la Expansión Urbana de las Principales Ciudades de Venezuela Utilizando Técnicas de Geomática ............................................. 219

Jofmar L. Sánchez B., Aimara Reyes

Delimitación del Uso de la Tierra y Cobertura Natural, Mediante la Técnica de Geobia, al Sur del Río Portuguesa, Venezuela ............................ 234

Freddy Flores, Montserrat Bautis, José de Sá Rodríguez, Elio Suárez

PODER POPULAR .................................................................................... 241

Proyectos Sociointegradores para el Ordenamiento Territorial en el Ámbito Comunitario ................................................................................ 242

Lyneth Camejo López

TÉCNICOS E INSTITUCIONALES ............................................................... 251

Atlas Oficial de la República Bolivariana de Venezuela, edición 2015 ......... 252Francisco Guerra, Rosa Aguilar, Clara Moreno, Francisco Rodríguez Landaeta, Rosa de Farías, Amilcar Soler

Aplicaciones de la Geomática para el ordenamiento territorial .................... 256Amalys Rodríguez, Seymour Borno

Vulnerabilidad de las Costas Venezolanas al incremento del nivel del mar, tsunamis e inundación Proyecto Costas e Islas de Venezuela ........... 258

José Alexis Arismendi Valero

El Esequibo es nuestro. Un acercamiento histórico geográfico ...................... 259José Alberto Vivas

La Geomática y nuestra Fuerza Armanda Bolivariana ................................. 269Contralmirante César Enrique Salazar Martínez

Mapa Caracas y su aporte a la gestión del Municipio Libertador ................. 270Ricardo Santana S., Luisegleé Montezuma S.

π desde las Entrañas. Una visión interna del App. Patrullaje Inteligente ......... 271Giovanny Quagliano

Pág. Pág.


WorldDEM - El nuevo Standard en Modelos de Elevación a escala Mundial ................................................................................................. 272

Alfonso Casado

Tu mundo a escala en los ojos de un drone ................................................ 273Bethania Peña Godoy

Empleo de drones para apoyar el seguimiento y ejecución de proyectos para redes de servicios públicos ................................................ 274

Victor Vilacha

Perfil de base de metadatos geográficos del Instituto Geográfico de Venezuela Simón Bolívar ..................................................................... 275

Rosa Aguilar, Carlos Blanco

Avances de la Red de Referencia Gravimétrica de Venezuela ...................... 279Ruber Álvarez, Nuris Orihuela, Denizar Blitzkow

Campaña de medición GNSS 2015 de la Red Geocéntrica Venezolana REGVEN .............................................................................. 282

José Napoleón Hernández, Freddy Balcázar, Ruber Álvarez, Luis Moncada

Levantamiento Gravimétrico en el Estado Amazonas ................................... 287Ruber Álvarez, Nilbeny Cano, Branyela Nuñez, Ariele Batistti, Nuris Orihuela, Denizar Blitzkow

Pág.

Uso y Aplicaciones de las Tecnologías de Información en el Sector Agrícola ................................................................................................ 290

Oscar Abarca, Yoselin Loaiza, Jimmy Heernández, Arévalo Araque, Luis Díaz, Jean Mendoza

REGISTRO FOTOGRÁFICO DEL EVENTO ................................................... 295

12Memorias de las VI Jornadas Nacionales de Geomática y 1er Congreso Nacional de Geomática Ambiente y Sociedad

Ambiente y Sociedad


Actualización de los Mapas de Potencial Minero del estado Aragua por medio de Técnicas Geomáticas

AmAlys RodRíguez1, seymouR BoRno1, edwARds CAstillo2

1Geomatik Consultores C.A.; 2Gobierno del Estado Aragua

[email protected]; [email protected]; [email protected]

RESUMEN

El potencial minero a lo largo de la historia de la huma-nidad, ha sido indispensable para impulsar su desarro-llo. Los métodos de prospección, exploración y estudios de factibilidad de explotación, han evolucionado de manera vertiginosa los últimos 15 años. Mediante el uso de la Geomática de prospección superficial, aná-lisis espacial y teledetección, se ha realizado la redac-ción y mapeo del componente minero metálico, ener-gético, y no metálico, para la actualización del Plan de Ordenación del Territorio del estado Aragua 2015-2035. Se evidencia las ventajas de estas tecnologías, en cuanto a la precisión y la reducción dramática en el tiempo, de adquisición y procesamiento de datos, en comparación con las técnicas tradicionales de pros-

pección y exploración, además de manejar formatos que permiten almacenar, compartir y actualizar dichos datos de manera más eficiente, y la posibilidad de in-cluir el componente natural y socio-cultural dentro de la investigación, debido a la diversidad de datos que podemos manejar y cruzar de manera eficaz, para así avanzar en la planificación del desarrollo económico de la minería y el ambiente en el estado Aragua.

Palabras clave: ANÁLISIS ESPACIAL, GEOMÁTICA, MI-NERÍA, POTENCIAL MINERO, TELEDETECCIÓN.

MAPS UPDATE ARAGUA STATE MINING POTENTIAL THROUGH TECHNICAL GEOMATICS

ABSTRACT

The mining potential in the history of mankind, has been indispensable to promote their development. Methods of prospecting, exploration and exploitation feasibility studies, have evolved precipitously the past 15 years. Using geomatics applications survey, spatial analysis and remote sensing, it has made the drafting and ma-pping of the metallic, energy, and non-metallic mining component, for updating the Land Use Plan of 2015-2035 Aragua state. We show the advantages of these technologies in terms of precision and dramatic reduc-tion in the time of acquisition and processing of data,

compared with the traditional techniques of prospecting and exploration, as well as handling formats that can store, share, and update such data more efficiently, and the possibility of including the natural and socio-cultural component within the investigation, because of the di-versity of data that we can handle and cross effectively, so as to advance the economic development planning of mining and environment in Aragua state.

Keywords: GEOMATICS, MINING, MINING POTEN-TIAL, REMOTE SENSING, SPATIAL ANALYSIS.

Introducción

El potencial minero, tanto metálico, energético, como los no metálicos, a lo largo de la historia ha sido pieza fun-damental para impulsar el desarrollo de la humanidad.

Pasar de la información en libros, fichas y mapas levanta-dos con teodolitos, al manejo de una metadata geológi-ca-minera, es para la evolución en la ordenación territorial, la planificación del desarrollo y la administración Ambien-tal, lo que en su momento fue la invención de la imprenta.

Tal es el caso de la información geológica, cuya pros-pección, exploración y estudios para la factibilidad de explotación, requieren una representación geo-espacial que ya no es posible dejar en mapas de papel y fichas de cartón. La producción y actualización de información


geológica y minera, como su digitalización en mapas, es la partitura obligatoria para desplegar un desarrollo integral, territorial, económico y social.

Con el uso de tecnologías como la teledetección, y la aplicación de técnicas de Geomática, asistido con apro-piados soportes físicos y digitales, posibilita la evolución del área geológica-minera, optimizando la manipula-ción de los datos, su almacenamiento, procesamiento, actualización y cuantificación en tiempo real, con alto nivel de precisión.

Con la elaboración de estos mapas, usando las nuevas técnicas de adquisición y procesamiento de datos, se tiene la base para avanzar en la planificación del desa-rrollo económico en el sector minero considerando, no solo el papel del estado y del sector privado con interés en estas materias, sino también la visión de sustentabili-dad que incluya el componente natural y socio-cultural, para el vivir bien de presentes y futuras generaciones.

El objetivo de este estudio, es realizar la redacción y el mapeo del componente minero metálico, energé-tico y no metálico, para la actualización del Plan de Ordenación del Territorio del estado Aragua 2015-2035, utilizando a la Geomática para la prospec-ción superficial e incluyendo toda la información geológica y minera del estado.

Geomorfología

El relieve montañoso que atraviesa el estado Aragua, en dirección este-oeste Urbani (2013), define dos cadenas montañosas paralelas separadas entre sí por una depre-sión central, lo que determina la existencia de cinco re-giones fisiográficas bien diferenciadas, que se suceden de norte a sur; entre ellas están: i) Serranía del Litoral; ii) Depresión del Lago de Valencia; iii) Serranía del Inte-rior; iv) Piedemonte de colinas y galeras de la serranía del Interior; y v) Llanos ondulados centrales.

En la compilación informativa en esta materia Velázquez (2015), señala que en el estado Aragua, la litología es bas-tante diversa. En la depresión del Lago de Valencia, predo-minan las formaciones sedimentarias recientes, mientras las áreas montañosas presentan otras altamente afectadas por procesos metamórficos, aunque en presencia de núcleos con rocas ígneas y sedimentarias más conservadas.

En las serranías de la cadena del Interior se observan galeras, como estribaciones de esa serranía, que suavi-zan sus formas hacia el Sur hasta entrar en la formación de los llanos con presencia de rocas sedimentarias.

Técnicas Experimentales

Para lograr el objetivo propuesto, se desarrolló la si-guiente secuencia metodológica:

1. Se seleccionó el área de estudio, la cual comprende al estado Aragua, región administrativa ubicada en el centro-norte de Venezuela y ocupa una superficie de 7.212,88 km². El estado Aragua se extiende entre los 9°15´ y 10°32´ de latitud norte y 66°32´ y 67°52´ de longitud oeste (WGS84). La superficie del estado se conforma por una franja estrecha de dirección NO-SE-S, con un ancho que varía entre 18 y 70 km y un largo de 190 km aproximadamente (Figura 1).

Figura 1. Ubicación del área de estudio, Estado Aragua, Venezuela. Fuente: IGVSB, 2015.


2. Se realizó la recopilación bibliográfica (trabajos ex-ploratorios previos), y selección de toda la informa-ción geológica referente a la zona de estudio que incluye material de cartografía, mapas bases, meta-data geológica, informes técnicos, artículos de inte-rés, tesis de grado, imágenes satelitales y fotografías aéreas de la zona de estudio.

3. Se georreferenció y digitalizó toda la base cartográ-fica y geológica en formato “Raster”, para obtener el mapa base.

4. Se actualizó la data minera no metálica de explota-ción del estado Aragua 2014, la cual sirve de apoyo para la corroboración del mapa de Potencial Minero No Metálico (Figura 2).

5. Se obtuvo un Modelo Digital de Elevación (MDE) a partir de imágenes de sensores remotos y utilización de análisis en 3D, como fuente básica para la gene-ración de las variables independientes del modelo. Se seleccionó el MDE derivado de imágenes de ra-dar de la Misión Topográfica “Shuttle” (SRTM, sus siglas en inglés).

6. Se generó el mapa geológico y el diseño de la me-tadata con la siguiente información sistematizada: litología, unidad litodémica (formación), símbolo de la unidad litodémica, color convencional respectivo a

la unidad litodémica, edad relativa, contactos litoló-gicos, descripción de la sección tipo y espesor.

7. Se aplicó técnicas en geomática, tales como: algebra de mapas, geoprocesamiento y métodos geoestadísti-cos para interpolar con la técnica de “Kriging”, para definir y clasificar a través de la litología aflorante y el contexto regional de las zonas aledañas, pudiendo identificar las áreas de potencial minero tanto para

Figura 2. Actualización de la data minera no metálica del estado Aragua. Fuente: Secretaria Sectorial del Poder Popular para la Protec-ción Ambiental y Ordenamiento Territorial del Estado Aragua, 2015.

prospección, como para la exploración de los minera-les metálicos y no metálicos, entre los cuales también contamos las rocas ornamentales y las industriales.

8. Se generó el mapa de pendiente por medio del análi-sis en 3D, partiendo de la generación del MDE, para luego, realizar una reclasificación por medio de aná-lisis espacial y del criterio que observamos en la Ta-bla 1, y a partir de allí, establecer la ubicación del material granular, bien sea arcillas, arenas y gravas, Machado et. al. (2011).

Tabla 1. Criterios para definir el mapa de pendientes.

PENDIENTE (%) CLASE VALOR

0-5 Plano 1

5 - 20 Ondulado 2

20 - 45 Inclinado 3

> 45 Quebrado 4

Fuente: (Machado et. al., 2011).

9. Utilizando el mapa de pendientes y la digitalización de las zonas urbanas, se procedió a delimitar el área de los materiales granulares constituidos por arcillas, arenas y gravas.

Se emplearon los siguientes recursos para el desarrollo de la investigación:


• El MDE derivado de las imágenes de radar de la Mi-sión Topográfica del Transbordador Endeavour (Shu-ttle Radar Topography Mission-SRTM) de febrero del 2000. Se utilizaron 4 imágenes con un tamaño de 1x1° cada una, que cubren desde las coordenadas 9 a 11° de Latitud N y 66 a 68° de Longitud O. Estas imágenes tienen una resolución de 3” de arco (90 m), una exactitud de 20 m en horizontal y de 16 m en vertical y fueron obtenidas de la (NASA, 2009).

• Cartas topográficas en papel a escalas 1:25.000 (93 hojas de 7.5x5´ de arco) y 1:100.000 (11 ho-jas de 30 x 20´ de arco), (Dirección de Cartografía Nacional, 1974-1979).

• Imágenes multiespectrales del sensor LandSAT ETM+ de fechas 18/03/2000 y 14/03/2001, respecti-vamente (University of Maryland, 2008).

• Mapas de Capacidad de Uso de la Tierra de los sec-tores de referencia, disponibles a escala 1:100.000 y 1:25.000 (CEAEA, 2005; SISDELAV, 2005; SIA-CARG, 2005; SIACRA, 2005).

• Mapas Geológicos de la “Creole Corporation”, a escala 1:50000; 1960 (MINAMB, 2008).

• Mapas del Atlas Geológico de la Cordillera de la Costa, a escala 1:25000 (Urbani, 2004).

• Bases Cartográficas del estado Aragua (Secretaría Sectorial del Poder Popular para la Protección y Or-denamiento Territorial, 2015; Secretaría Sectorial del Poder Popular para las Minas y Canteras del Estado Aragua, 2015).

• Se empleó el programa ArcGIS 10.2 (ESRI, 2013). Se usa para la digitalización, análisis es-pacial y edición de la información cartográfica y geológica minera.

Los colores utilizados para la digitalización del mapa geológico corresponden al índice de colores conven-cionales de la Escala de Tiempo Geológico, en su más reciente actualización compilada (Pellé, 2010), para la construcción del mapa geológico mundial. (Figura 3).

Resultados

Generación del MDE por medio del uso de la ima-gen satelital SRTM, aplicación de análisis 3D y la herramienta de interpolación de imagen “Raster” en formato TIN (Triangular Irregular Network), posterior-mente se geo-procesó la imagen para acotarla a la zona de estudio en este caso, el estado Aragua (Fi-gura 4). Luego se generó el “Hillshade” para darle mayor realce a la imagen.

Figura 3. Código de color RGB para mapas geológicos. Fuente: Commission for the Geological Map of the World (CGMW). Paris, Francia. 2012.

Figura 4. Modelo Digital de Elevación con “Hillshade” del Estado Aragua.


A partir del MDE, se generó el mapa de pendiente, ob-servado en la figura 5, por medio de análisis en 3D y el criterio de pendientes establecido.

La digitalización de la información cartográfica, geo-lógica y minera permitió la actualización y el diseño del mapa geológico actualizado del estado Aragua (Figura 6).

Figura 5. Mapa de pendientes del estado Aragua.

El mapa geológico, el análisis espacial, el geoprocesa-miento de los datos geológicos y mineros, junto a los análisis geoestadísticos, permitió definir los siguientes mapas de potencial minero: Mapa de prospección de minerales metálicos (Figura 7) y Mapa de prospección de minerales no metálicos (Figura 8).

Para la identificación de los materiales granulares que están dentro del reglón de los minerales no metálicos, se procedió al

Figura 6. Mapa geológico del estado Aragua.

uso del mapa de pendientes para definir los siguientes criterios: i) para el rango de pendiente plana se categorizó las Lutitas y arenas; y ii) entre el rango de pendiente ondulada las gravas.

Se procedió a realizar la digitalización de los urbanis-mo para luego ser excluido del área perteneciente a las arcillas, las arenas y gravas, delimitando así la zona correspondiente al potencial minero de exploración de estos materiales granulares (Tabla 2).

Figura 7. Mapa de prospección de minerales metálicos del estado Aragua.


Sin embargo, al realizarse de esa manera, se pudo identificar que las gravas, según la data minera de ex-

Figura 8. Mapa de prospección de minerales no metálicos del estado Aragua.

plotación no coincidían con este criterio, así que se esta-blecieron las gravas con el mismo criterio de las Lutitas y Arenas a una pendiente plana. Reclasificándose en la pendiente plana dos (2) grupos: i) Arcillas y ii) Arenas junto a las Gravas (Figura 9).

Con los minerales identificados, se procedió a rea-lizar el cálculo del área de prospección (Tablas 3, 4 y 5).

Tabla 2. Clasificación del material granular según la pendiente.

CLASE MATERIAL GRANULAR

Plano Arcillas y Arenas

Ondulado Gravas

Figura 9. Mapa de material granular del estado Aragua.

Tabla 3. Tabla de los minerales Metálicos presentes en el estado Aragua.

Nombre Ubicación Área (Km²)

Carbón

Inmediaciones de la poblaciónde Tagüay, al suroeste de estecentro y norte del río Tagüay.Municipio Urdaneta.

412

Cobre

Molibdeno

Gas NAP

Sur del Municipio Urdaneta, enel área comprendida entre lapoblación de Barbacoas, ríoMemo y límites con el estadoGuárico. Municipio Urdaneta.

518

Lutita Bituminosa

Sur del Municipio Urdaneta, enel área comprendida entre lapoblación de Barbacoas, ríoMemo y límites con el estadoGuárico. Municipio Urdaneta.

784

Hierro

Niquel

Plomo

Zinc

VanadioSureste del Municipio Zamoray Suroeste del Municipio SanSebastian.

30

Sector Loma de Hierro, alNoreste de la población deTiara. Municipio: SantosMichelena. Y al noreset delMunicipio Zamora

16

Este del Municipio Zamora,Oeste del Municipio SanSebastian y Sur del MunicipioJosé Felix Ribas.

139

Sureste del Municipio Zamoray Suroeste del Municipio SanSebastian.

50

Discusión

Para validar los mapas realizados anteriormente, se cruzaron con la data geológica minera no metálica ac-


Tabla 4. Tabla de los minerales no metálicos presentes en el edo. Aragua.

Nombre Tipo Ubicación Área (Km²)

AsbestoMinerales No

MetálicosSur del Municipio Zamora. 18

BaritaMinerales No

Metálicos

Area localizada entre el surestedel Municipio Zamora y el estedel Municipio San Sebastián.Municipio Zamora.

159

CuarzoMinerales No

Metálicos

Al suroeste del Municipio deCamatagua, entre el sur delEmbalse de Camatagua y ellímite con el Estado Guárico.Municipio Camatagua.

86

SerpentinasMinerales No

Metálicos

Pequeñas áreas localizadas enlos municipios Zamora, JoséFélix Ribas, San Sebastian, SanCasimiro y Santos Michelena.

26

DiatomitaRocas

Industriales o No Ornamentales

Alrededor del Lago de Tacarigua 32

AreniscasRocas


Este y Oeste del Municipio deCamatagua, Norte del MunicipioUrdaneta y Sur y Este delMunicipio San Casimiro.

516

Areniscas CalcareaRocas


Sur de San Sebastian 30

CalizaRocas


Sur del Municipio SanSebastián, Sur y Este delMunicipio San Casimiro yNoroeste del MunicipioCamatagua.

105

GneissRocas


Noroeste del Municipio Zamora,Sur del Municipio José AngelLamas, y atraviesa en la partecentral los municipios José FélixRibas, José Rafael Revenga,Santos Michelena y Sucre.

479

LutitasRocas


Norte y Suroeste del MunicipioUrdaneta, Norte del MunicipioCamatagua y Sur del MunicipioSan Sebastián y San Casimiro.

354

Esquisto Metamorfico/

Esquisto Metasedimentario

Rocas Ornamentales

Norte del Estado Aragua 889 / 451

FilitasRocas

Ornamentales

Centro del Municipio Zamora,Este del Municipio Sucre, Surdel Municipio José Félix Ribas ydel Municipio Santos Michelena.

368

Granitos / Metagranitos

Rocas Ornamentales

Norte y Sureste del MunicipioTovar / Norte del Estado Aragua.

24 / 288

Tabla 5. Tabla del material granular presente en el estado Aragua.

Nombre Tipo Ubicación Área (Km²)

ArcillasMaterial Granular

En las zonas aledanas alLago de Tacarigua, embalsede Taguayguai, Zuata y lasPeñitas. Zona deTucutunemo.

334

ArenasMaterial Granular

En las zonas del EstadoAragua cuya pendiente esmenor a 5%

GravasMaterial Granular

En las zonas del EstadoAragua cuya pendiente esmenor a 5%

3025

tualizada para el año 2014 y la información propor-cionada por la Secretaria Sectorial del Poder Popular para el Ordenamiento Territorial y Protección Ambien-tal, que a su vez estaban contenidos los mapas del Plan Minero Nacional de los afloramientos de minera-les tanto metálicos como no metálicos, y en función a esto podemos considerar lo siguiente:

• Las gravas fueron definidas primeramente, según el mapa de pendiente en la zona comprendida entre 5 y 20%, sin embargo, en la data minera, no se

evidencia ningún tipo de saque relacionado con estos valores, por lo que se agregó posteriormente a la pendiente con menor a cinco por ciento junto a las arenas.

• En comparación a la información vigente hay una adición de minerales metálicos nuevos tales como: Cobre, Molibdeno, Lutita Bituminosa, Hierro, Plo-mo, Zinc y Vanadio. Asociado a la Barita tenemos Cobalto y Oro. Para los minerales no metálicos actualizados figuran: Asbesto, Barita y Diatomita. Entre las rocas industriales la arenisca, arenisca calcárea y Lutitas. Entre las rocas no ornamentales se tiene los Gneis, Granito y Metagranito, y la rea-firmación de los siguientes minerales: Caliza, Cuar-zo, Esquisto, Filitas, Serpentinas, Níquel, Carbón y Gas no asociado al petróleo, estos dos últimos como recursos energéticos.

• El resto de los afloramientos de minerales metálicos y no metálicos en actual explotación, coincidieron con el cruce de los datos geológicos digitalizados y los datos sistematizados.

• La escala de aplicación del modelo ajustado está en función de la escala de la información de re-ferencia utilizada para el muestreo de la variable dependiente, y de la resolución del MDE empleado para derivar las variables independientes, que para el área de estudio, determina una utilidad en plani-ficación regional y valoración tributaria con escalas entre 1:100.000 y 1:250.000.


Conclusiones

• La investigación desarrollada permitió actualizar el mapa geológico y los mapas de potencial minero de la minería metálica y no metálica junto a la actuali-zación de la data minera de las zonas de explota-ción de minerales no metálicos del estado Aragua.

• Los mapas obtenidos son de utilidad para la redefi-nición del uso minero del proyecto del Plan de Orde-namiento Territorial 2015-2035, que está llevando la Comisión Regional de Ordenación del Territorio del Estado Aragua.

• La metodología formulada condujo a la identifica-ción y caracterización de un conjunto de litologías, para luego agruparlas y definir las áreas prospecti-vas y explorativas de los minerales potencialmente económicos para el estado.

• Las calizas y las serpentinas que afloran hacia el mu-nicipio Zamora y al norte del municipio San Sebas-tián, según la data minera, no aparecen reflejadas en el mapa geológico actualizado, por ende, hay que realizar una posterior investigación, en función a la manifestación de esos minerales y determinar su área de prospección y/o exploración.

• Los mapas del potencial minero son aplicables para definir los proyectos de prospección y exploración de nuevos yacimientos tanto para el desarrollo económico del estado, como para las potenciales exportaciones, bien sea del mineral como materia prima o procesada.

Referencias

CeAeA. (2005). Programa de Cooperación para la reco-lección de la información que requiere la implemen-tación del Decreto N° 578 de la Gobernación del Estado Aragua para el registro de tierras estableci-do en la Ley de Tierras y su reglamento. Comisión Especial Agraria del estado Aragua. Informe final. Maracay, Universidad Central de Venezuela. Facul-tad de Agronomía.

mAChAdo, d., m. PinedA, J. ViloRiA J., e. CAsAnoVA y J. oChoA. (2011). Evaluación ambiental, agrícola y forestal de tierras de la cuenca alta del río Guárico, Venezuela. Venesuelos N° 17 (1): 49-60.

Menéndez, A. (1966). Tectónica de la parte central de las montañas occidentales del Caribe, Venezuela, Caracas. Boletín de Geología N° 8 (15): 116-139.

ministeRio del PodeR PoPulAR PARA el AmBiente (minAmB) (2008). Datos meteorológicos mensuales. Ministerio del Ambiente. Caracas: Dirección de Hidrología, Meteorología y Oceanología.

nAtionAl AeRonAutiCs And sPACe AdministRAtion (nAsA) (2009). Shuttle Radar Topography Mission [en lí-nea]. [Citado el 20/01/2009]. Disponible en: <http://www2.jpl.nasa.gov/ srtm/>.

sistemA de infoRmACión AmBientAl de lA CuenCA AltA del Río guáRiCo (siACARg) (2005). MARN-UCV Programa informático. Consultado el 19/01/2005. Maracay, Ven. Universidad Central de Venezuela. Facultad de Agronomía. Instituto de Edafología.

sistemA de infoRmACión AmBientAl de lA CuenCA del Río ARA-guA (siACRA) (2005). MARN-UCV Programa in-formático. Consultado el 19/01/2005. Maracay, Ven. Universidad Central de Venezuela. Facultad de Agronomía. Instituto de Edafología.

sistemA de infoRmACión de suelos de lA dePResión del lAgo de VAlenCiA (sisdelAV) (2005). MARNUCV-Funda-ción Polar. Programa informático. Consultado el 19/01/2005. Maracay, Ven. Universidad Central de Venezuela. Facultad de Agronomía. Instituto de Edafología.

uniVeRsity of mARylAnd (2008). Earth Science Data Interfa-ce (ESDI) at the Global Land Cover Facility en línea. Citado el 23/02/2009. Disponible en: <http://glc-fapp.umiacs.umd.edu:8080 /esdi/index.jsp>.

uRBAni, f. & J. RodRíguez. (2004). Atlas geológico de la cordillera de la costa, Venezuela. Edic UCV y FUN-VISIS, Caracas, 148.

Pellé, J. et Al. (2010). Stratigraphic Chart.


uRBAni, f. (2013). Distribución de terrenos en Venezuela Norcentral. Memorias del V Simposio Venezolano de Geociencias de las Rocas Ígneas y Metamórfi-cas, UCV, Caracas, nov. 2013, en CD.

Velásquez, g. (2015). Cartografía Geológica de Superfi-cie del Estado Aragua. Secretaría Sectorial del Poder Popular para las Minas y Canteras. Maracay, 75.


Aplicaciones de Sistemas de Información Geográfica a la

Eliminación de la Oncocercosis en Venezuela

Botto CARlos1-2, floRes JoRge3, fuenmAyoR JohAn3, gRAteRol BeAtRiz4, VillAmizAR nestoR2, noyA-AlARCón

osCAR1-2, CAmACho oneidA2, toVAR yseliAm2, CoRtés José2, gRillet mARíA e.5, gueRRA fRAnCisCo2

1Instituto de Medicina Tropical, Universidad Central de Venezuela (UCV); 2 Servicio Autónomo Centro Amazónico

de Investigación y Control de Enfermedades Tropicales (SA CAICET); 3Instituto Geográfico de Venezuela “Simón Bolívar”; 4Instituto Nacional de Investigaciones Agrícolas;

5Instituto de Zoología y Ecología Tropical (UCV)C. Botto [email protected]

RESUMEN

La oncocercosis humana o “ceguera de los ríos” es una in-fección filariana crónica que produce severas lesiones ocu-lares provocando ceguera o disminución severa de la visión en un millón de personas en el mundo, principalmente en África. En el Foco Sur de Venezuela se ha logrado después de más de 15 años de tratamientos suprimir la transmisión de la oncocercosis en más del 75% de la población Yano-

mami a riesgo, pero en áreas cercanas a la frontera con Brasil subsiste como una seria amenaza a la salud pública.

El objetivo de este trabajo es elaborar un mapa del área endé-mica que permita evaluar los impactos del tratamiento y definir con precisión las áreas donde persiste el riesgo de infección.

El empleo de sensores remotos y sistemas de información geográfica ha permitido la delimitación de 12 áreas y 31 subáreas geográficas con 241 comunidades originalmente endémicas para oncocercosis y precisar en que subáreas y comunidades se ha logrado interrumpir la transmisión de la enfermedad. Las evaluaciones de impacto indican que la transmisión está suprimida y no ocurren nuevos casos de infección en al menos 20 sub-áreas representando más de 75 % de la población originalmente a riesgo.

Palabras clave: ONCOCERCOSIS, ELIMINACIÓN CE-GUERA DE LOS RÍOS, MAPEO EPIDEMIOLÓGICO

APLICACIONES DE SISTEMAS DE INFORMACIÓN GEOGRÁFICA A LA ELIMINACIÓN DE LA

ONCOCERCOSIS EN VENEZUELA

ABSTRACT

Human ochocerciasis or “river blindness” is a chronic filarial infection producing severe ocular lesions and

blindness or considerable loss of vision in one million people in the world, most of them in Africa. In the Sou-thern Venezuelan onchocerciasis focus suppression of transmission has been achieved in 75% of the Yanoma-mi at risk population after more than 15 years of treat-ments. The main objective of this contribution is to map the endemic onchocerciasis areas in order to evaluate the impact of treatment and to accurately define areas in which transmission still occurs.

The application of remote sensing and geographical in-formation systems allowed to define 12 areas and 31 geographical subareas with 241 communities originally endemic for onchocerciasis and to define in which geo-graphical areas and communities onchocerciasis trans-mission has been interrupted. Impact evaluation suggests that onchocerciasis transmission has been suppressed and there are no new cases of infection in at least 20 geographical subareas, representing more than 75% of the population originally at risk.

Keywords: ONCHOCERCIASIS ELIMINATION RIVER BLINDNESS EPIDEMIOLOGICAL MAPPING.

Introducción

La oncocercosis humana o “ceguera de los ríos” es una enfermedad crónica parasitaria producida por Oncho-cerca volvulus (Nematoda: Filarioidea) y transmitida


por vectores del género Simulium, (Diptera: Simuliidae) que origina en el ser humano diversas lesiones cutá-neas, linfáticas y oculares, siendo la disminución de la visión y la ceguera las consecuencias más graves que determinan su impacto sobre la salud pública, princi-palmente en el continente Africano pero también en Centro y Suramérica. Se estima que 37 millones de personas están infectadas y un millón presentan afec-tación severa de la visión, asociada a la presencia de las formas embrionarias del parásito (microfilarias) en los ojos (Yarzabal et al., 1985; Basañez et al., 2006; Botto et. al., 2013).

La transmisión de la oncocercosis depende de una compleja matriz de interacciones entre hospederos, vectores y poblaciones de parásitos, y entre estas poblaciones y el entorno físico, biótico y cultural asociado. Como resultado de estas interacciones se observan en la naturaleza patrones espaciales de dis-tribución de la oncocercosis bien definidos por ciertos requerimientos físicos y biológicos de las diferentes especies de vectores y poblaciones de parásitos, y ciertos tipos de uso del espacio por las poblaciones humanas, especialmente en el continente americano, donde la transmisión es de naturaleza claramente fo-cal, con 13 focos de transmisión claramente definidos antes del inicio de las actividades de eliminación de la oncocercosis en México, Guatemala, Colombia, Ecuador, Brasil y Venezuela.

La estrategia de eliminación de la oncocercosis está basada en la distribución a la población humana de un fármaco microfilaricida (Ivermectina: Mectizán) que al mismo tiempo que elimina las microfilarias lleva a impedir la infección de los vectores y a interrumpir la transmisión. La oncocercosis ha sido eliminada o inte-rrumpida en 11 de los 13 focos, incluyendo los focos de oncocercosis en México, Guatemala, Colombia y Ecuador y en los focos norcentral y nororiental de Vene-zuela (Convit et al., 2013). Sin embargo, el principal desafío a la completa eliminación de la oncocercosis en el continente está representado por el Foco Yanomami, compartido por Venezuela y Brasil (Foco Sur de onco-cercosis de Venezuela y Foco Amazonas de Brasil).

En el Foco Sur de Oncocercosis de Venezuela, que comprende la mayor parte de la Reserva de Biósfera Alto Orinoco-Casiquiare, Alto Siapa, Alto Ventuari y Alto Caura en los Municipios Alto Orinoco, Río Negro y Manapiare del Estado Amazonas y en el Municipio Sucre del Estado Bolívar (Figura 1) se han acumulado evidencias de supresión de la transmisión de la en-fermedad en un conjunto de comunidades que repre-sentan el 75% de la población previamente en riesgo (Botto et al., 2015).

La población donde aún la oncocercosis representa una amenaza a la salud pública se encuentra en áreas cer-canas a la frontera con Brasil, donde existen muchas

poblaciones sin contacto con el sistema de salud del Es-tado venezolano, que atraviesan libremente la frontera entre ambos países. Esta situación ha llevado a la firma de un Memorando de Entendimiento entre la República Federativa de Brasil y la República Bolivariana de Ve-nezuela (2014), con el fin de establecer una estrecha cooperación entre los sistemas de salud y programas de control de ambos países, para brindar atención in-tegral en salud a las poblaciones de la frontera común, elaborar mapas binacionales para la identificación de estas comunidades y sus migraciones, y contribuir a la eliminación de la oncocercosis del continente.

El objetivo de este trabajo, es hacer seguimiento a la eliminación de la oncocercosis en el Foco Sur de Ve-nezuela a través de series de mapas de las comuni-dades, de acuerdo a su nivel endémico y definir con mayor precisión las áreas y sub-áreas geográficas ori-ginalmente endémicas en aquellas donde la transmisión probablemente se ha interrumpido, lo cual representa una contribución importante al desarrollo de la cartogra-fía binacional. Igualmente se plantea elaborar una base de datos relacional con información individual de cada paciente y de cada una de las comunidades endémicas así como la aplicación de herramientas de análisis es-pacial, y con la ayuda de sensores remotos identificar comunidades que se encuentran fuera de la cobertura del sistema de salud o que por movimientos migratorios cambian de ubicación en el tiempo.


Figura 1. Foco Sur y áreas de endemicidad pre-tratamiento.

Técnicas Experimentales

Las técnicas de recolección de información epidemio-lógica, clínica, oftalmológica, parasitológica y entomo-lógica y la ética de la intervención en salud han sido comunicadas anteriormente (Yarzabal et al., 1985; Gri-llet et al., 2008; Botto et al., 2015). Brevemente, las comunidades fueron estratificadas por nivel de endemi-cidad mediante biopsia cutánea, incubación en solución salina y lectura por microscopía de la siguiente manera: comunidades (a) hipoendémicas (<20% de prevalencia de infectados); (b) mesoendémicas (20 a 59%) y (c) hi-perendémicas (prevalencia 60% o mayor) (Tabla 1).

Durante los últimos cinco años más de 250 comunidades fueron visitadas regularmente para la administración de tratamiento en el Alto Orinoco, en el curso de los ríos Padamo, Cuntinamo, Matacuni, Ocamo, Putaco, Mava-ca, Manaviche y Orinoquito, así como en el Alto Siapa, Alto Ventuari y Alto Caura en tres municipios del estado

Tabla 1. Nº de aldeas por nivel endémico

NIVEL ENDÉMICO % INFECCIÓN Nº DE ALDEAS %

Hipo endémico < 20 49 20,33

Meso endémicio 20-59 25 10,37

Hiper endémico 60 y > 167 69,30

Total 241 100,00

Amazonas (Río Negro, Alto Orinoco, Manapiare) y el municipio Sucre del estado Bolívar.

En cada localidad se registró data toponímica, princi-pales accidentes geográficos conocidos por nombres lo-cales (montañas, ríos y caños, raudales, comunidades, conucos, áreas deforestadas), nombre de la comunidad indígena, tiempo de residencia en el lugar, nombres anteriores y origen de la comunidad, datos censales, patrones de migración, desplazamientos, alianzas y conflictos. Donde fue posible se realizaron colectas de simúlidos para conocer la composición de especies y densidad de picada. Las coordenadas y altitud de cada localidad fueron registradas con GPS Garmin en el sis-tema de coordenadas geográficas utilizando el datum WGS84. Toda esta información fue registrada y ha sido elaborado el diseño conceptual de una base de datos para la carga, consulta y representación espacial y atributiva de la información de nivel individual (data clínica, oftalmológica, parasitológica, serológica y de tratamientos recibidos) y de las comunidades (ubicación geográfica, toponimia, altitud, tipo de paisaje y ecosis-tema y composición de especies de simúlidos).

Con la asistencia de Gvsig 1.12 y Qgis 2.1, se elabora-ron mapas que muestran las áreas y subáreas geográfi-cas donde se ubicaron y representaron las comunidades o aldeas, su distribución por nivel de endemicidad y las áreas donde se presume la interrupción en la trans-


misión de la enfermedad. Los números de las subáreas en la tabla 2 corresponden a los números de subáreas representados en los mapas de Endemisidad (Figura 1) y de Transmisión (Figura 2).

Resultados

Como resultado del trabajo realizado se identifica-ron 241 comunidades endémicas en 12 áreas y 31 subáreas geográficas, con una superficie total de 53.340,51 km2 (Tabla 2).

De las 241 comunidades 167 fueron hiperendémicas antes del inicio del tratamiento (69,3%), con 60% o más de su población infectada.

La distribución de la endemicidad fue muy heterogé-nea, con un patrón espacial bien definido, observán-

Figura 2. Mapa de transmisión

Tabla 2. Áreas, subáreas, Nº de aldeas y población.

ÁREA GEOGRÁFICA

SUBÁREA GEOGRÁFICA

Nº DE ALDEAS POBLACIÓN

Padamo1.Alto Padamo 6 617

2.Alto Cuntinamo 4 225

Ocamo

3.Ocamo-Orinoco 4 245

4.Bajo Ocamo 7 508

5.Ocamo-Medio 6 279

6.Jénita-Putaco 4 218

7.Alto Ocamo-Shitari 20 755

8.Alto Ocamo Parima 20 589

Mavaca

9.Mavaca Orinoco 12 927

10.Manaviche 2 140

11.Mavaca 3 216

12.Mavaquita 11 944

Platanal 13.Platanal 11 569

Guaharibos

14.Unturán 5 338

15.Guaharibos 2 139

16.Peñascal 3 255

Orinoquito17.Mayo 8 477

18.Orinoquito 14 795

Parima

19.Parima B 25 1045

20. Parima C 9 609

21.Parima A 19 917

22.Porewe 7 247

23.Pasumope 5 296

24.Shamatari 4 289

25.Posheno 3 146

Chalbaud26.Hashimú 7 356

27.Chalbaud 10 300

Ventuari 28.Alto Ventuari 1 136

Uasadi 29.Uasadi 2 176

Caura 30.Alto Caura 1 72

Siapa 31.Alto Siapa 6 406

Total 241 13.231

Tabla 2. Áreas, subáreas, Nº de aldeas y población (continuación)


dose áreas totalmente hipoendémicas como Uasadi, Alto Padamo y Mavaca, en tanto que otras áreas mostraron un predominio neto de las comunidades hiperendémicas, en muchos casos con 100% de las comunidades en ese nivel endémico, como es el caso de todas las subáreas de Parima, Orinoquito, Guaha-ribos y Chalbaud. Otras áreas por el contrario, mos-traron un patrón gradual de cambio; es el caso del área de Ocamo, con comunidades hipoendémicas en el Bajo Ocamo, mesoendémicas en el Ocamo medio y comunidades hiperendémicas en sus afluentes, los ríos Jénita y Putaco y en el Alto Ocamo (Alto Oca-mo_Shitari y Alto Ocamo_Parima). Áreas no endémi-cas para oncocercosis en la Reserva de Biósfera Alto Orinoco-Casiquiare se observaron en el Bajo y Medio río Padamo, en el río Cunucunuma, Caño Casiquiare y bajo río Siapa.

El mapa de endemicidad antes del inicio del tratamien-to (Figura 1), muestra claramente el patrón de distribu-ción de la endemicidad, con agrupamiento de las co-munidades hiperendémicas en las áreas mencionadas, que se encuentran en áreas montañosas con bosque montano o sabanas de altura (Chalbaud, Parima), en el piedemonte de Parima, con fuerte pendiente y ríos de montaña con raudales y en el valle del Siapa. Por el contrario, las comunidades hipoendémicas se con-centran en las tierras bajas, en la planicie fluvial del Orinoco y sus grandes afluentes.

Todas estas comunidades han recibido tratamiento regu-lar con ivermectina al menos desde hace 15 años, en forma semestral desde el año 2000, y de forma cuatri-mestral las comunidades meso e hiperendémicas desde los años 2009-2010. Considerando el número de rondas de tratamiento recibidas por cada comunidad y la especie de vector dominante en un conjunto de 16 comunidades centinelas donde se evaluó el impacto del tratamiento, se puede estimar aquellas comunidades donde la transmisión de la enfermedad se considera interrumpida. El mapa de transmisión (Figura. 2) muestra la distribución de las co-munidades con supresión de la transmisión observándose que esta ha ocurrido en 20 sub-áreas geográficas después de 4 hasta 35 rondas de tratamiento. Las áreas con persis-tencia de la transmisión se observan en la Figura 2 en el Alto Siapa, Chalbaud, Alto Ocamo, Alto Cuntinamo, Alto Ventuari y Alto Siapa, todas áreas de muy difícil acceso.

Discusión

Las aplicaciones de sensores remotos y el uso de siste-mas de información geográfica ha impactado el cam-po de la epidemiología espacial o ecoepidemiología (Landscape epidemiology) al incorporar el componente espacial en la estimación del riesgo de infección (Botto et al., 2005; Ostfeld, 2005).

La iniciativa para la eliminación de la oncocercosis ha demostrado tener una sólida fundamentación, logrando

la eliminación o la interrupción de la transmisión de la oncocercosis en 11 de los 13 focos existentes (Convit et al., 2013). El área con persistencia de la transmisión se observa en el Foco Yanomami amazónico, compartido por Brasil y Venezuela (Botto et al., 2013), de forma que la aplicación de sistemas de información geográ-fica y el uso de sensores remotos tiene ahora una ex-traordinaria importancia para definir con precisión sus límites, pues las áreas residuales de transmisión se en-cuentran en la frontera con Brasil, generalmente en re-giones montañosas de muy difícil acceso. Entre los años 2013-2015 se efectuaron numerosas evaluaciones clí-nicas, oftalmológicas, parasitológicas y serológicas de la población afectada, comunicándose recientemente (Botto et al., 2015) que la oncocercosis ha desapareci-do en 10 de las 16 comunidades centinelas, observán-dose en las restantes una disminución de la intensidad de infección de 99% (< 1 mf/mg), siendo esta intensi-dad de infección insuficiente para la infección de los vectores y la persistencia de la transmisión. Estos datos fueron corroborados por estudios serológicos que mues-tran ausencia de anticuerpos en niños, lo cual se asocia en la mayor parte de las comunidades evaluadas a la interrupción de la transmisión entre 5 y 12 años atrás, y a estudios de biología molecular, utilizando sondas de ADN del parásito que mostraron ausencia completa de infección en los vectores en todas las comunidades analizadas, lo que confirma la interrupción de la trans-misión en 170 de 241 comunidades (70,5%), lo que


representa una población de 9951 personas (75,2% de la población a riesgo).

El mapeo epidemiológico de las comunidades con per-sistencia de la transmisión permite visualizar cuales son las áreas problema, asociadas en general, a baja o inexistente.

Conclusiones

Las aplicaciones de sensores remotos y sistemas de infor-mación geográfica han probado ser de enorme impor-tancia en el área de la salud y de manera especial en el proceso de eliminación de enfermedades transmisibles de un continente, como es el caso de la oncocercosis en Centro y Suramérica, donde se necesita definir con mucha precisión, los límites de las áreas donde persiste la transmisión, identificar nuevas comunidades y facto-res de riesgo asociados al ambiente y a la cultura de la población afectada.

En este trabajo se presentan mapas de distribución de las comunidades y de su nivel de endemicidad para on-cocercosis en 12 áreas geográficas y 31 subáreas antes del inicio del tratamiento, mostrando un claro patrón de distribución espacial, con comunidades hipo-endémicas en la planicie fluvial del Orinoco y sus grandes afluentes y comunidades, hiperendémicas en áreas montañosas cercanas a la frontera con Brasil.

Al mismo tiempo, se presenta el resultado del esfuerzo de 15 años de tratamiento, evidenciando la supresión de la transmisión de la enfermedad en 170 comuni-dades en 20 sub-áreas geográficas, representando el 75% de la población originalmente en riesgo. Este tra-bajo representa un aporte sustantivo a la concreción de un mapa binacional que permita a los sistemas de salud de Brasil y Venezuela brindar una adecuada atención integral a las poblaciones indígenas en la frontera, constituyendo un avance significativo al cum-plimiento de compromisos establecidos en el Memoran-do de entendimiento entre el gobierno de la República Bolivariana de Venezuela y el gobierno de la Repúbli-ca Federativa de Brasil para el fortalecimiento e inte-gración de las acciones para lograr la eliminación de la oncocercosis en el área yanomami.

Agradecimientos

Los autores agradecen el apoyo del Proyecto FONA-CIT Misión Ciencia Nº 2008000911-5, de la OEPA (Onchocerciasis Elimination Program for the Ameri-cas), Grupo 9 de apoyo aéreo, Base Aérea José A. Páez de Puerto Ayacucho y FANB por el apoyo logísti-co y a la población yanomami por su participación en la identificación de nuevas comunidades y tratamien-to de la población.

Referencias

edx CouRses, idBx/idB7x (2015). Desarrollo urbano y vivienda. Banco Interamericano de Desarrollo. Re-cuperado de: https://courses.edx.org/courses/ coursev1:IDBx+IDB7x+2015_T1/coursewa-re/7154cc52fca84933a03a999dfc8df050/756f-4003807048c8bf9e80e3fd790bb1/

BAsAñez m.g., Pion s.d.s., ChuRCheRt.s., BReitling l.P., little m.P., Boussinesq m. (2006): River Blind-ness: A Success Story under Threat? PLOS 3 (9): 1454-1460.

Botto C., esCAlonA m., ViVAs-mARtínez s., delgAdo-m l., CoRonel P (2005). Geographical patterns of on-chocerciasis in southern Venezuela: relationship between environment and prevalence of infection” Parassitología (Roma), 47:145-150.

Botto C., esCAlonA m., VillAmizAR n., noyA-AlARCon o., CoRtez J., CoRonel P., izquieRdo V., leVel h., PeReiRA J.l., fRontAdo h., floRes J., gRAteRol B., CAmACho o., toVAR y., BoRges d., moRAles A.l., Ríos d., gueRRA f., mARgeli h., RodRíguez m.A., unAsCh t., BAsáñez m.g., gRillet m.e. (2015) Evidences of supression of onchocercia-sis transmission in the Venezuelan Amazonian focus. Parasite & Vectors (In press).


Botto C, VillAmizAR n, JokiC z, noyA-AlARCón o, CoR-téz J, esCAlonA m, gRillet me, BAsáñez mg (2013): Landscape epidemiology of human onchocercia-sis in Southern Venezuela. In: Reference Modu-le in Earth Systems and Environmental Sciences. Oxford, Elsevier: 14 pp.

ConVit J, sChuleR h, BoRges R, oliVeRo V, domínguez-Váz-quez A., fRontAdo h, gRillet me (2013): Interruption of Onchocerca volvulus transmission in Northern Ve-nezuela. Parasite & Vectors, 6(1):289.

gRillet me, VillAmizAR nJ, fRontAdo hl, CoRtéz J, esCAlonA m, Botto C, BAsáñez mg (2008): Vector competence of Simulium oyapockenses.l. and S. incrustatum for Onchocerca volvulus: Implications for ivermectin-ba-sed control in the Amazonian focus of human on-chocerciasis, a multi-vector–host system. Acta Trop, 107(2): 80-89.

memoRAndo de entendimiento entRe el goBieRno de lA RePúBli-CA BoliVARiAnA de VenezuelA y el goBieRno de lA RePúBliCA fedeRAtiVA de BRAsil PARA el foRtAleCimiento e integRACión de lAs ACCiones PARA logRAR lA eliminACón de lA onCo-CeRCosis en el áReA yAnomAmi (2014)

ostfeld R.s., glAss g.e., keesing f, (2005). Spatial epide-miology: an emerging (or re-emerging) discipline. Trends in Ecology and Evolution 20(6): 328-336.

yARzABAl l., Botto C., ARAngo m., RAgA l., wong f., AllAn R., JAimes J., sAnChez-BeAuJon R. (1985) “Epidemiolo-gical aspects of onchocerciasis in the Sierra Parima, Federal Territory of Amazonas, Venezuela” Ed. L. Yarzabal, C. Botto, R. Allan/Caicet Public. Cientif. Vol 3: 43-63, Caracas.


Distribución Espacial de Hypothenemus Hampei

(Coleoptera: Curculionidae) en la localidad Jabón, Municipio Torres,

Estado Lara.

RAmón PAz1, noRAydA ARRieChe2, geRson ColmenARez1

1UCLA. Decanato de Ciencias Veterinarias. Departamento de Tecnología Agropecuaria;

2UCLA. Decanato de Agronomía. Departamento de Ciencias Biológicas

[email protected]; [email protected]

RESUMEN

Esta investigación se llevó a cabo durante el período Septiembre - Diciembre 2014, en la localidad de Jabón, municipio Torres, Estado Lara. Las evaluaciones se rea-lizaron quincenalmente. En cada punto de muestreo se tomó una planta y se contó el número total de frutos de una rama productiva y el número de frutos perforados, los datos se registraron en una hoja de cálculo en Excel. Las coordenadas fueron tomadas en UTM. El análisis de distribución espacial se ejecutó con el programa ArcGIS 9.3.1.

Palabras clave: MONITOREO, H. hampei, DISTRIBU-CIÓN GEOGRÁFICA, INTERPOLACIÓN, DAÑO.

SPACIAL DISTRIBUTION OF HYPOTHENEMUS HAMPEI (COLEOPTERA: CURCULIONIDAE) IN

JABÓN, TORRES LOCALITY, LARA STATE

ABSTRACT

This research was conducted from September to December, 2014 in the town of Jabón, Torres municipality, in the Lara State. Evaluations were made every Fifteen days. At each sampling point a plant was taken and the number of fruits of a productive branch as well as the number of drilled fruits was counted. The data were registered into a Excel spreadsheet. The geographic coordinates were taken in UTM. The spatial distribution analysis was performed using the software ArcGIS 9.3.1.

Keywords: MONITOREO, H. hampei, GEOGRAPHIC DISTRIBUTION, INTERPOLATION, DAMAGE.

Introducción

La broca del fruto del café Hypothenemus hampei, es el insecto-plaga más importante en la caficultura en el ámbito mundial (Portilla y Bustillo, 1995). La acción destructiva de este insecto fue reportada en Francia en 1867 en sacos de café importados de África, dicha

plaga afecta directamente la parte comercial del culti-vo como lo son los granos. Es de distribución cosmopo-lita. Está presente en Brasil (1913), Perú (1962), Gua-temala (1971), Honduras (1977), México y Jamaica (1978), el Salvador y Ecuador (1981). En Febrero de 1988 aparece en Nicaragua y en Agosto de 1989 en Colombia (PROTECNET, 2001), en nuestro país según Sayago et al. (1995) se detectó en 1995 en el munici-pio Urdaneta, estado Táchira.

La broca del café pertenece al orden: Coleoptera; Su-perfamilia: Curculionoidea; Familia: Curculionidae; Género: Hypothenemus; Especie: H. hampei, Ferrari 1867. El análisis de la distribución espacial se realiza comúnmente mediante índices de dispersión, ignorando la localización geográfica de las muestras e imposibi-litando su distinción en el espacio (Niño, 2008). Los estudios de ecología de insectos deben ser analizados a través de técnicas de estadísticas multivariada, análisis de regresión y correlación, los cuales buscan asociar los factores ambientales con la abundancia y la distribución espacial de las especies (Mora y Granado, 2008). El café es un cultivo, cuya extensión requiere de un gran esfuerzo para llevar a cabo las labores de manejo de plagas, son ideales para el desarrollo de programas de informática bajo el enfoque de los SIGs.Los Sistemas de Información Geográfica (SIGs) per-miten manejar y entender la distribución espacial como un proceso estructurado que influye en el com-


portamiento de los organismos (Bosque, 1992) y han dado un impulso al análisis de la distribución espacial aplicada a la ecología de los insectos. Con el uso de programas de computación se analizan datos georreferenciados tales como: densidad de in-sectos los cuales se pueden asociar con otras varia-bles como tipo de vegetación, altitud y precipitación (García et al., 2004). Una de las herramientas de apoyo más empleadas por los SIGs para el estudio de la distribución espacial es la Geoestadística, ya que esta rama aplicada de la estadística proporciona una medida más exacta de la dependencia espacial pues toma en cuenta la naturaleza bidimensional de la variable en estudio y a la vez es independiente de la relación entre la media y la varianza del patrón de distribución (Ramírez et al., 2005). El objetivo de esta investigación fue determinar la distribución del índice de infestación general de la broca del café en un sector de la localidad de Jabón Municipio Torres Estado Lara.

Materiales y métodos

Esta investigación se realizó durante el período Septiem-bre - Diciembre del 2014, en la localidad de Jabón, en el sector “La Entrada” el cual consta de 16 hectáreas re-partidas en seis productores, Parcela “Mi Encanto”, 09° 48’ 05’’ N y 70° 08’ 14’’O municipio Torres, Estado Lara. El área de muestreo fue de 1 hectárea. Se tomaron

34 puntos (estacas) de muestreo, cada uno fue georrefe-renciado con un receptor Garmin rino 120.

Las evaluaciones se realizaron cada quince días. En cada punto de muestreo se tomó una rama por planta, se contó el número de frutos totales y frutos brocados, para determinar el índice de infestación en cada punto. Los datos se registraron en una hoja de cálculo en Excel. Las coordenadas fueron tomadas en UTM. El análisis estadístico o exploratorio se realizó con el programa Statistix 7, análisis estructural o de distribución espacial se ejecutó con el programa ArcGIS 9.3.1.

Resultados y discusión

La fluctuación del porcentaje de infestación muestra que en terminos generales no se requiere de aplicaciones generalizadas para regular la incidencia del daño de la broca del café. Así mismo se puede observar entre los muestreos 2, 3 y 4 una baja incidencia, lo cual podría estar relacionado con la ocurrencia de precipitaciones durante ese período de evaluación (Figura 1).

Para el análisis de la estadística descriptiva se utilizó la variable incidencia de la broca del café, evaluada en relación porcentual, mostrando un patrón de distri-bución del % infestación de H. hampei no normal de acuerdo a la diferencia entre la media y mediana (Tabla 1). Según Niño (2008) cuando la varianza muestreal en

relación con el valor de la meseta es menor o igual, se considera un buen ajuste del semivariograma.

Al calcular la relación meseta/pepita con los valo-res de la Tabla 2 para cada uno de los muestreos se obtiene que para M1 y M3 no existe dependen-cia espacial ya que la relación meseta/pepita es > 75 % no pudiéndose hacer un buen ajuste para estos semivariogramas. M2 y M4 presentan < 75 % lo que indica una dependencia espacial de los datos moderada y M5 > 25 % alta dependencia espacial

Figura 1. Fluctuación del porcentaje de infestación general de Hypothenemus hampei en la localidad de Jabón Municipio Torres Estado Lara. Septiembre-Noviembre 2014.


Tabla 1. Análisis Exploratorio de la distribución espacial del % de infestación general de Hypothenemus hampei en la localidad de Ja-bón Municipio Torres Estado Lara. 2014.

PARÁMETROS M1 M2 M3 M4 M5

Media 6,51 3,59 4,50 4,49 7,24

Mediana 1,47 1,54 3,70 2,00 3,03

Varianza 107,69 46,39 26,39 63,93 132,95

Tabla 2. Análisis Geoestadístico de la distribución espacial del % de infestación general de Hypothenemus hampei en la localidad de Jabón Municipio Torres Estado Lara. 2014.

MUESTREOS PEPITA MESETA PEPITA/MESETA RANGO MODELO

M1 101 11 90,17 189 Exp

M2 32 24 57,14 189 Exp

M3 9,79 0,57 94,49 189 Exp

M4 22 57 27,84 189 Exp

M5 0 158 0 41 Exp

exP= exPoneneCiAl

Los mapas de daños en las zonas rojas y azules mues-tran que no se requieren aplicaciones generalizadas, pero que deben ser manejadas a fin de reducir los focos de infestación para evitar la reducción del rendimiento de la unidad y el posible uso de tratamientos con insec-tidas a posterioridad (Figura 2). Al haber cambio en el nivel de daño, se refleja el cambio en la distribución espacial del indice de infestación.

Cuando se hace uso racional de los recursos mediante el empleo de una tecnología como es el uso de un SIGs apoyada en una herramienta como lo es la Geoestadís-tica, permite reducir los costos de aplicación y el daño causado por un organismo plaga como lo es la broca del café en la unidad de producción “Mi Encanto”. En

(Cambardella et al., 1994). Se considera aceptable aquellos cuya dependencia espacial oscila entre alta y moderada. El rango osciló entre 41 a 189 metros siendo la distancia de muestreo de 25 metros prome-dio entre cada punto. El modelo que mejor se ajusta es el Exponencial, esto concuerda con Isaaks (1989), en el hecho de que la proporción de insectos como variables georreferenciales tiende a presentar patro-nes parecidos al Esférico y Exponencial. El efecto pe-pita es considerable en relación a la meseta cuanto se evalúa incidencia de poblaciones de insectos (Moral 2004), esto se detecta en la Tabla 2.

El patrón de distribución que presenta H. hampei en la Figura 2 es agregado. Los focos de mayor infestación estan ubicados hacia los puntos de menor cota del terre-no y hacia los bordes, siendo las áreas con mayor inci-dencia de sombra por vegetación natural (Figura 2 a-e).

Figura 2a. Mapas digitalizados del % de infestación general de H. hampei en la localidad de Jabón, Municipio Torres Estado Lara. 2014.


Figura 2b. Mapas digitalizados del % de infestación general de H. hampei en la localidad de Jabón, Municipio Torres Estado Lara. 2014.

Figura 2c. Mapas digitalizados del % de infestación general de H. hampei en la localidad de Jabón, Municipio Torres Estado Lara. 2014.

Figura 2d. Mapas digitalizados del % de infestación general de H. hampei en la localidad de Jabón, Municipio Torres Estado Lara. 2014.


Figura 2e. Mapas digitalizados del % de infestación general de H. hampei en la localidad de Jabón, Municipio Torres Estado Lara. 2014.

Tabla 3. Análisis de Costo de manejo del % de infestación general de H. hampei en la localidad de Jabón Parcela La Entrada, Municipio Torres Estado Lara. 2014.

Total M1 M2 M3 M4 M5Area Mts2 9732 2716 511 1149 1024 2444Porcentaje

%100 27,91 5,25 11,86 10,52 25,11

Trampa /400 Bsf

20 2232 420 948 841 2008

Hongo /Dosis 10000

Bsf

20 55820 10500 23720 21040 50220

Costo Bsf 208000 58052 10920 24668 21881 52228

el cual realizar un manejo generalizado, el costo se-ria 208.000 Bsf, mientras que el manejo racionaliza-do basado en nivel daño (10% IG) y el uso de los ma-pas de daños reducen el costo de las aplicaciones a 114.749,00 Bsf., es decir a un 55,16% (Tabla 3).

Conclusiones

El Análisis Geoestadístico permitió modelar la distribu-ción espacial de la incidencia de daño por H. hampei, visualizar el área afectada y no afectada por la broca del café, así mismo se logró conocer el equilibrio es-pacio-temporal que brinda la posibilidad de conocer a

futuro las probables áreas de infestación, así como la reducción del costo de control de una plaga tan impor-tante en el cultivo de café como lo es H. hampei.

Referencias

Bosque, J. (1992). Sistemas de Información Geográfica. Ediciones Rialp. Madrid 440 p.

CAmBARdeliA, C. et. Al. , t. mooRmAn; J. noVAk, t. PARkin, t, d. kARlen, R. tuRCo And A. konoPkA. (1994). field-scale variability of soil propierties central iowa soil. http://www.ars.usda.gov/SP2UserFiles/Place/60820000/Manuscripts/1994/Man330.pdf. 08/09/2015.

gARCíA, J., A. RodRíguez, A. ARRAnz, J. de le CRuz, y. ho-noRio. (2004). Técnicas geoestadisticas aplicadas al analisis de la distribución de capturas de Helico-verpa armigera (Hübner) (Lepidoptera: Noctuidae) mediante trampas con feromonas sexuales en una plantación de tomate. Bol. San. Veg. Plagas, 30: 733-744.

isAAks, h. y R. RiVAstAVA (1989). An Introduction to Applied Geostatistics. Oxford university. press, new york.

moRA, A. y A. gRAnAdo (2008). Distribución Geoespa-cial del mosquito Culex quinquefaciatus (Diptera: Culicidae) principal Vector del virus del Oeste del Nilo en la zona urbana de Ciudad de Juárez, Chi-


huahua, México. Universidad y Ciencia Trópico hú-medo. 24(2): 101-109.

moRAl, g. (2004). Aplicación de la geoestadística en las ciencias ambientales. Asociación Española de Ecología Terrestre. Ecosistemas 13 (1) 78-86.

niño, l. (2008). Uso de la función semivariograma y estimación Kriging en el análisis espacial de un in-dicador entomológico de Aedes aegypti (Diptera: Culicidae). Biomedica. 28: 578-586.

RAmíRez, J., J. gonzález, m. lóPez, R. oCete, (2005). Mode-lización y mapeo de la distribución espacial de las ninfas del mosquito verde Jacobiasca lybica (Berge-vin & Zanon) (Hemiptera, Cicadellidae) en viñedo. Bol. San. Veg. Plagas, 31:119-132.

PoRtillo, m. y A. Bustillo (1995). Nueva investigación de la cría masiva de Hypothenemus hampei y de sus parasitoides Cephalonomia stephanoderis y Pro-rops nasuta. Revista Colombiana de Entomología. Vol. 21. N° 1. 25:33.

PRoteCnet. (2001). Ficha tecnica de la broca del cafe-to Hypothenemus hampei (Ferrari). Dirección de protección fitosanitaria. Ministerio de Agricultura y Ganaderia. Costa Rica. http: //www.protect.go.cr/Broca_archivos/frame.htm.

sAyAgo, f. , PeRniA, o. y mARtínez, e. (1995). La comer-cialización del café. XII Congreso Venezolano de Entomologia. San Cristobal. Pp 5-11.

sChotzko, d. J.; y l. o´keeffe. 1989. Geoestatistical des-cription of the spacial distribution of Lygus hesperus (Heteroptera: Miridae) in lentils. Journal. Econ. Ento-mol. 82: 1277-128.

35Memorias de las VI Jornadas Nacionales de Geomática y 1er Congreso Nacional de Geomática Educación y Formación

Educación y Formación


Curso Virtual: Nociones de Cartografía Analógica y Digital

(NCAD)

Jesús AleJAndRo Ruíz CuRCho

Fundación Instituto de Ingeniería (FII). Centro de Procesamiento Digital de Imágenes (CPDI)

[email protected]

RESUMEN

El Centro de Procesamiento Digital de Imágenes (CPDI) de la Fundación Instituto de Ingeniería, ha tenido como función primordial la ejecución de proyectos de inves-tigación y desarrollo, así como la formación y transfe-rencia de tecnología en sus áreas de competencia. El CPDI es una de las áreas de apoyo tecnológico al sector público y privado en Geomática, a través de la impar-tición de cursos especializados. Entre éstos se encuen-tran los cursos: Introductorio a la Geomática, Percep-ción Remota y Procesamiento Digital de Imágenes del Satélite Miranda, Sistemas de Información Geográfica, entre otros. Durante la impartición de dichos cursos, se detectaron deficiencias en los participantes en materia cartográfica, razón por la cual surgió la idea de crear el curso en línea Nociones de Cartografía Analógica y

Digital (NCAD), para subsanar dichas fallas. Este tipo de cursos puede llegar a todo usuario en cualquier lugar del país donde se cuente con el servicio de internet, sal-vando los problemas de horario, logísticos y presupues-tarios. El Objetivo General del curso es Impartir conoci-mientos, habilidades y destrezas que le permitan a los participantes entender los mapas y elaborar mapas-ima-gen. Los objetivos específicos son: 1) Posibilitar la cabal comprensión de los cursos de Geomática. 2) Nivelar los conocimientos cartográficos necesarios, para trabajos de ésta índole en las distintas instituciones. 3) Capacitar mayor cantidad de personas, mediante una plataforma de aprendizaje a distancia. Como plataforma de en-señanza-aprendizaje se utilizó el Moodle. Se aplicó la Metodología PACIE. Como resultado se logró la imple-mentación exitosa del curso a distancia.

Palabras clave: MAPEO, CARTIGRAFÍA, GEOMÁTICA; ENTRENAMIENTO; APRENDIZAJE A DISTANCIA.

VIRTUAL COURSE: BASICS OF ANALOG AND DIGITAL MAPPING

ABSTRACT

The Center for Digital Image Processing (CPDI) of the Foundation Institute of Engineering has had as its pri-mary function the execution of research and develop-

ment projects, as well as the technology transfer and staff training in Geomatics for the public and private sectors, through the provision of specialized courses. Some of the courses offered by the CPDI are: Intro-ductory Course to Geomatics, Remote Sensing and Digital Image Processing of Miranda Satellite data, Geographic Information Systems, among others. Du-ring the courses, some deficiencies in basic cartogra-phy were detected. For this reason the creation of an online course was suggested to remedy such failu-res. This kind of courses can reach any place of the country where the Internet is available, saving time, logistical and budgetary issues. The general objec-tive of the course is to impart knowledge and skills that will allow participants to understand maps and create image-maps. Specific objectives are: 1) to fa-cilitate the understanding of the Geomatics courses. 2) Level the cartographic knowledge necessary for work of this nature in various institutions. 3) To train a larger group of people, through a distance learning platform. Moodle was used as the teaching-learning platform. The PACIE methodology was applied. As a result, the implementation of a distance learning course was achieved.

Keywords: MAPPING, CARTOGRAPHY, GEOMATICS, TRAINING, DISTANCE LEARNING.


Introducción

La Fundación Instituto de Ingeniería para Investigación y Desarrollo Tecnológico (FIIIDT) es una institución adscrita al Ministerio del Poder Popular para la Educación Uni-versitaria, Ciencia y Tecnología, dedicada a la Inves-tigación y Desarrollo Tecnológico en Venezuela, desde 1982. Desde su inicio ha tenido como función primor-dial la ejecución de proyectos de investigación y desa-rrollo, así como, la de transferir tecnología y la capaci-tación de personal de otras instituciones en sus áreas de competencia. El Centro de Procesamiento Digital de Imágenes (CPDI), es una de las áreas que sirve de apo-yo tecnológico al sector público y privado en Geomáti-ca a través de la impartición de cursos especializados. Cuenta con una infraestructura informática y recursos humanos altamente capacitados que le permite ser pilar fundamental del Estado en la capacitación del sector público en diversas disciplinas de las Geociencias.

Entre los cursos que dicta el CPDI se encuentran el Cur-so Introductorio a la Geomática, Percepción Remota y Procesamiento Digital de Imágenes del Satélite Miran-da, Sistemas de Información Geográfica, entre otros. Durante el desarrollo de dichos cursos, se detectaron en los participantes deficiencias en materia cartográfi-ca, razón por la cual se sugirió la creación del presen-te curso en línea, para impartir conocimientos básicos de cartografía.

La importancia de este curso radica en que, se puede llegar a cualquier lugar de la geografía nacional, donde se cuente con acceso al servicio de internet, lo que elimi-na por completo los problemas logísticos y presupuesta-rios de los cursos presenciales.

Objetivos

El Objetivo General del curso es Impartir conocimientos, habilidades y destrezas que les permitan a los partici-pantes entender mapas y elaborar mapas-imagen, ba-sados en un sistema de referencia, con los elementos cartográficos más importantes.

El curso tiene los siguientes objetivos específicos:

1. Facilitar la cabal comprensión de los cursos de Geomática.

2. Nivelar los conocimientos cartográficos necesarios, para trabajos donde se requiera el manejo de infor-mación cartográfica.

3. Capacitar mayor cantidad de personal, mediante una plataforma de aprendizaje a distancia (e-lear-ning), como alternativa complementaria a la instruc-ción presencial.

El curso está dirigido para quienes necesiten profundizar conocimientos en las diferentes áreas de la Geomática,

con el fin de acelerar el desarrollo técnico y profesional, y afrontar nuevos retos en su institución. Así como también a Profesionales y Técnicos de la Administración Pública Na-cional (APN), relacionados a cualquiera de las geo-cien-cias, con conocimientos básicos en el uso del computador.

Metodología

En la elaboración del Curso, se utilizó el Entorno de Aprendizaje Modular Dinámico Orientado a Objetos (Moodle, por sus siglas en inglés). Dicha herramienta, está basada en Software libre, con lo que se le da cum-plimiento al decreto presidencial del 2004 referente al uso de software libre en las empresas del Estado (De-creto N° 3.390, 2004). Moodle es una aplicación web multi-plataforma, desarrollada en el lenguaje PHP, usa una Base de Datos MySQL y el Servidor Web Apache (Moodle, 2009).

Durante el desarrollo del curso, se aplicó la metodolo-gía de Enseñanza-Aprendizaje PACIE. “PACIE es una metodología para el uso y aplicación de las herramien-tas virtuales (aulas virtuales, campus virtuales, web 2.0, metaversos, entre otros…) en la educación sea en sus modalidades presenciales, semi-presenciales o a distan-cia” (Oñate, 2009).

PACIE son las siglas de las 5 fases que permiten un de-sarrollo integral de la educación virtual como soporte de


las otras modalidades de educación, y corresponden a las siguientes fases (Ver Figura 1):P = PresenciaA = AlcanceC = CapacitaciónI = InteracciónE = E-leraning

Figura 1. Metodología PACIE.

La Presencia tiene que ver con las características y el atractivo del Entorno Virtual de Aprendizaje (EVA). El Alcance, con los objetivos, el contenido, las destrezas y habilidades que se desea lograr en los participantes, así como el respaldo institucional a la actividad. La Ca- Figura 2. Contenido el Curso NCAD.

Contenido y estructura general del curso

El contenido general del curso se muestra en la figura 2 y la estructura es la siguiente:

pacitación está relacionada con la responsabilidad que tienen los educadores en estimular el aprendizaje y la responsabilidad de los estudiantes en cumplir con las exigencias del curso. La Interacción, considerada la eta-pa más importante de la metodología, consiste en crear los espacios para la comunicación e inter-relación entre los participantes e instructores que facilite el aprendiza-je colaborativo. El E-learning es una fase más bien de tipo macro curricular (inherente al campus virtual) más que de tipo micro-curricular (asociado al entorno virtual de aprendizaje).

Resultados

Como resultado se obtuvo el “Curso Nociones de Car-tografía Analógica y Digital” (NCAD), el cual pretende capacitar a profesionales y técnicos de la APN y al público en general, bajo la modalidad a distancia, el cual tiene las siguientes características:

• Hay un Tutor por parte del Instituto de Ingeniería para la Investigación y Desarrollo Tecnológico (FIIIDT), quien dirige el proceso de enseñanza-aprendizaje.

• Es Teórico-Práctico.• Duración: 6 semanas.• Evaluado.• Cuenta con herramientas de Comunicación entre

Participantes-Instructor.• Facilita el aprendizaje colaborativo.


Bloque 0: Inicio

Este módulo tiene por objeto que el participante se fami-liarice con la plataforma Moodle.

Bloque 1: Conceptos de Cartografía y Mapa

Importancia del uso y Manejo de Mapas; Tipos de Ma-pas; Características los mapas; Ley de Geografía, Car-tografía y Catastro; Cartografía Analógica y Digital; Tipos de datos: Raster y Vector.

Bloque 2: Sistemas de Orientación

Orientación Solar y Astronómica; Rumbo; Magnetismo Terres-tre y Declinación Magnética; Instrumentos de Orientación; Sistemas Globales de Posicionamiento Satelital (GNSS).

Bloque 3: Sistemas de Referencia Geodésicos

Coordenadas Cartesianas, Geográficas y Planas; Geoi-des; Elipsoides de Referencia; Datum; Transformaciones.

Bloque 4: Proyecciones Cartográficas

Concepto; Tipos de Proyecciones (en función de las cuali-dades métricas, en función de las cualidades proyectivas); Propiedades; Características; Proyecciones más utilizadas en Venezuela; El Sistema Cartográfico Venezolano.

Bloque 5: Elementos Cartográficos

Elementos Naturales, Culturales e Información Margi-nal; Escala y Leyenda; Interpretación Cartográfica; To-pografía (Curvas de Nivel), Hidrografía, Vegetación, Infraestructura, Centros Poblados.

Bloque 6: Elaboración de un mapa-imagen

Definición y características de un mapa-imagen; Pasos a se-guir en la elaboración de un mapa-imagen. (Ver Figura 3).

Figura 3. Elaboración de Mapa-Imagen en QGIS.

Bloque 7: Cierre

Éste último bloque, tiene por función reflexionar acerca del desarrollo del curso y evaluarlo con el fin de mejorarlo.

En el bloque de Inicio los participantes se familiarizan con la plataforma de enseñanza-aprendizaje, descar-gan el material necesario e interactúan entre sí y con los instructores.

Prácticas

El curso cuenta con prácticas para: Determinación de Orientación y Rumbo, Cálculo de Coordenadas, Dis-tancias y Áreas, Elaboración de un Perfil Topográfico y Diseño de un Mapa-Imagen. Dichas actividades se llevan a cabo de manera manual (con mapas e instru-mentos básicos) y utilizando un computador (utilizando el software QGIS), a excepción de la última que sólo se hace utilizando un computador y el software mencio-nado. (Ver Figura 4).

Material Auxiliar

Como parte de la metodología de enseñanza-aprendi-zaje, además del material teórico, prácticas y datos, se incluye en el curso la Sinopsis, el Cronograma, Plan de Evaluación y la Rúbrica de Evaluación de cada una de las Actividades.


Evaluaciones: La evaluación es de tipo formativa, es decir, se lleva a cabo durante el proceso de enseñan-za-aprendizaje. Según el enfoque, será cuantitativa para los bloques 1 y 2 a través de cuestionarios y otros recursos del Moodle y cualitativa para los bloques 3 al 6, a cargo del instructor en base a la composición del mapa-imagen y a los elementos incluidos en el mismo.

Figura 4. Módulo Teórico-Práctico.

Herramientas de Comunicación: La plataforma Mood-le cuenta con diferentes formas para el intercambio de información y estimular el aprendizaje colaborativo: Fo-ros, Chats, Mensajería, Correo Electrónico, entre otros.

Conclusiones

Se logró la implementación del curso a distancia en materia cartográfica, el cual se dictará a un grupo piloto en el primer semestre del 2.016 y posteriormente estará disponible para funcionarios de la APN y usuarios de la Geomática en general, a partir del segundo semestre de ese mismo año.

Referencias

deCReto N° 3.390 (2004): Publicado en la Gaceta ofi-cial Nº 38.095 de fecha 28/12/2004. http://sen-camer.gob.ve/files/webfm/Documentos/Softwa-re%20Libre/decreto3390.pdf.

moodle (2009). Moodle.org: open-source community-ba-sed tools for learning. Disponible en Internet (http://moodle.org/). Fecha de consulta: 18 Junio 2010.

oñAte, L. (2009). La Metodología PACIE. Fundación para la Actualización tecnológica de Latinoaméri-ca. pp. 4-35.


Adecuación del Curso Presencial "Percepción Remota y

Procesamiento Digital de Imágenes del Miranda" a Virtual

mARlitt doloRes guilARte RioBueno

Agencia Bolivariana para Actividades Espaciales, Venezuela.

[email protected]

RESUMEN

Este documento tiene como objetivo divulgar los resul-tados obtenidos de la adaptación del curso presencial “Percepción remota y procesamiento digital de imágenes del satélite Miranda” a la modalidad de aprendizaje a distancia. Esta actividad es promovida por la ABAE conjuntamente con un comité interinstitucional, con el fin de expandir las alternativas de estudio en el área de teledetección para profesionales de entes públicos. Esta adaptación se inició en el 2012 y se consolida como una propuesta educativa a principios del 2015, teniendo como plataforma de enseñanza el SAD de CONATEL. En el documento se muestran las etapas realizadas para lograr la adecuación y las herramientas utilizadas para ello, resaltando los cambios realizados en cuanto a los

contenidos y prácticas para la evaluación del curso, en-tre otros. El propósito de esta adaptación es incentivar a los profesionales en adquirir conocimientos e incorporar técnicas de teledetección, promover nuevos proyectos y líneas de investigación asociadas al uso de las imágenes del satélite Miranda, así como también ofrecer nuevas opciones de estudio a nivel nacional en materia espacial. La estructura de esta nueva alternativa, tiene una dura-ción de seis semanas, repartidas en siete bloques y hasta la fecha se han realizado dos cursos capacitando un to-tal de treinta y siete (37) profesionales de varios estados del país. En la actualidad el objetivo central es mantener las dos alternativas de estudio y que los profesionales se orienten bajo la modalidad que le sea más favorable.

Palabras clave: PERCEPCIÓN REMOTA, PROCESA-MIENTO DIGITAL DE IMÁGENES, EDUCACIÓN A DIS-TANCIA, TUTOR VIRTUAL.

ADAPTATION OF THE CLASSROOM COURSE “REMOTE SENSING AND DIGITAL IMAGE

PROCESSING OF THE MIRANDA SATELLITE” TO E_LEARNING MODE”

ABSTRACT

This document aims to disseminate the results of the adaptation of the classroom course “Remote sensing

and digital image processing of Miranda satellite” to e-learning mode. This activity is sponsored by the ABAE together with the interagency committee, in order to expand alternatives of studies in the remote sensing area for professional public entities. This adaptation started in 2012 and was established as an educatio-nal proposal in early 2015, using the learning platform SAD of CONATEL. In the document the steps taken to achieve the adequacy and tools used for this purpose are shown, highlighting the changes in terms of con-tent and practices of evaluation of the course, among others. The purpose of this adaptation is to encoura-ge professionals to acquire knowledge incorporating remote sensing technologies, to promote new projects and research lines associated with the use of Miranda satellite imagery, as well as to offer new options na-tionwide in the area of spatial studies. The structure of this new alternative lasts six weeks, spread over seven blocks. To date, there have been two training courses, a total of thirty-seven (37) professionals from several regions have been trained. At present, the main objec-tive is to keep the two alternatives of study and to guide professional in the more favorable forms of studies.

Key words: REMOTE SENSING, DIGITAL IMAGE PRO-CESSING, E-LEARNING, VIRTUAL TUTOR.


Introducción

La alternativa de educación a distancia en la Agencia Bolivariana para Actividades Espaciales (ABAE) se inició en el año 2010 con la adaptación del curso presencial “Análisis del entorno geográfico de planteles educati-vos” a solicitud del Vice Ministerio de Ciencia y Tecnolo-gía del Estado Plurinacional de Bolivia, dicho curso ac-tualmente se dicta a nivel internacional, sin embargo no ha tenido tanta difusión a nivel nacional. La adaptación del curso “Percepción remota y procesamiento digital de imágenes del satélite Miranda (VRSS-1) representa para la ABAE una iniciativa distinta de divulgar los conoci-mientos en esta área y además del esfuerzo alcanzado por el comité interinstitucional. Inicialmente este curso se estructuró bajo la modalidad presencial entre la ABAE y el Centro de Procesamiento Digital de Imágenes (CPDI) de la Fundación Instituto de Ingeniería para Investiga-ción y Desarrollo Tecnológico, y posteriormente fueron incorporados el resto de las instituciones que conforman el comité: Fundación Venezolana de Investigaciones Sis-mológicas-FUNVISIS, Instituto Geográfico de Venezue-la Simón Bolívar -IGVSB y la Dirección de Geografía y Cartografía de las Fuerza Armada -DIGECAFA, para replicarlo a nivel nacional.

El curso presencial está diseñado para los profesiona-les de la administración pública con competencia en el área de Geomática, tiene una duración de cinco

días, con ocho horas diarias, para un total de cuarenta horas académicas. Los contenidos están en presenta-ciones, utilizándose el Spring como programa de pro-cesamiento de imágenes.

En el año 2012 se propone al comité interinstitucional participar en la adaptación del curso presencial a la modalidad de educación a distancia, involucrando para ello al Centro Nacional de Telecomunicaciones CONATEL que dispone de una plataforma denominada “Sistema de Aprendizaje a Distancia” (SAD) para el desarrollo de esta actividad, conformándose para ello un comité paralelo.

El trabajo de éste comité inicia con el objetivo principal de adaptar los contenidos del curso presencial “Percep-ción remota y procesamiento digital de imágenes del sa-télite Miranda” a la plataforma de enseñanza del SAD. Los contenidos teóricos fueron reforzados e incorporados nuevos ejercicios prácticos usando el programa Spring (Spring5_2_7_Esp_Ubuntu1404_x86.tar.gz) como in-sumo principal para el procesamiento de las imágenes satelitales. En la figura 1, se muestra la presentación del curso en línea en la plataforma del SAD-CONATEL.

Metodología de trabajo

Para la adaptación del curso las presentaciones fueron lle-vadas a documentos de fácil descarga y se desarrollaron

cuestionarios evaluados automáticamente por la platafor-ma, siguiendo las etapas que se describen a continuación:

1. Diseño y Planificación del curso: Representó la etapa inicial, en la cual se estableció la metodología de abordaje y adaptación del curso presencial, siguien-

Figura 1. Presentación del Curso de Percepción Remota y Proce-samiento Digital de Imágenes del satélite Miranda (VRSS-1). Fuente: tomado de la Plataforma de “Sistema de Aprendizaje a Distancia” (SAD) de CONATEL-CEDITEL.


do las pautas sugeridas por CONATEL, las cuales se desglosan a continuación:

• Redefinición del objetivo general del curso y de los objetivos específicos de cada capítulo, en fun-ción de la nueva alternativa de estudio.

• Reevaluación y agrupación de los temas por blo-ques, de tal manera que cada sección fuese evalua-da por separado y permita alcanzar una secuencia de puntuaciones acumuladas al final del curso.

• Revisión de los contenidos del curso presencial los cuales fueron redefinidos y reagrupados, siguien-do la metodología de “evaluaciones de caso” y definiendo proyectos que permitieron incluir acti-vidades prácticas adaptadas a cada bloque con entregas controladas al facilitador o tutor virtual.

• Para realizar la revisión exhaustiva de los conte-nidos y su secuencia, se distribuyeron a las institu-ciones y presentados posteriormente los resultados ante el comité; así como también la conceptualiza-ción de nuevas actividades para reforzar los blo-ques teóricos.

• Redefinición de la duración del curso según la ex-periencia de CONATEL. Agrupándose finalmente en siete bloques distribuidos en seis semanas.

2. Materiales para la familiarización y uso de la pla-taforma: al estar predefinido la inclusión del curso en la plataforma de enseñanza de CONATEL (SAD).

Fue necesario elaborar e incluir materiales de apo-yo al alumnado que le permitiera manejarse en este nuevo entorno y lograr un desempeño eficaz, esto estaría considerado como una segunda etapa. Para ello se incorporaron tutoriales que permiten navegar en la plataforma del SAD y guiar al estudiante en la realización de las actividades evaluadas y la culmi-nación satisfactoria del curso. Adicionalmente fueron considerados la forma de conectividad del alumna-do, recepción de la información, y las aplicaciones y programas en el área de Geomática que permitieran al participante realizar ejercicios de asimilación de los conocimientos teóricos y lograr buen desempeño en el curso.

3. Formas y métodos de evaluación: En la tercera etapa representó una disyuntiva en cuanto a si se evaluaba o no el curso, debido que el curso presencial no es evaluado. Al final se tomó la decisión de evaluar, estableciendo las pautas de como, cuando y que eva-luar por cada bloque, así como también la genera-ción de recursos complementarios bajo el ambiente de Moodle, permitiendo de esta manera facilitar la interacción de los tutores con los participantes.

Para los bloques teóricos fueron incluidos metodologías evaluables automáticamente por la plataforma de en-señanza como por ejemplo crucigramas, tabloides de completación y tareas, a los fines de facilitar su com-

prensión y agilizar la generación de notas y mejorar así la interacción tutor/alumno. De igual manera se in-cluyeron avisos en líneas, mensajería interna, foro de presentación de los participantes y de los facilitadores, que permiten conocer las aspiraciones y expectativas de los estudiantes, chat de intercambio, foros de discusión y de dudas en cada bloque, glosarios de términos inte-ractivos, entre otras.

Para la comprensión y manejo de cada una de estas facilidades, el personal de CONATEL entregó el Manual de actividades de MOODLE con el cual fueron selec-cionadas las más convenientes según los objetivos de cada bloque. Un ejemplo de ello lo representan las ac-tividades evaluadas automáticamente incorporadas en los bloques teóricos y tareas en los bloques prácticos. Adicional de los chat y foros de discusión que mantiene el intercambio de toda la actividad.

• Se incluyó una biblioteca virtual en la cual se ponen a disposición de los participantes libros, videos y ma-teriales complementarios al tema.

• Se asumió la metodología de certificación electró-nica de la plataforma de CONATEL, a fin que los participantes puedan descargar los certificados de aprobación directamente desde la página web, una vez que alcancen la aprobación del 75% de las ac-tividades evaluadas. Las cortes fueron redimensiona-das para atender un máximo de 50 participantes y


cada institución atiende un bloque con dos facilita-dores por bloque.

• En la plataforma (http://sad.ceditel.gob.ve), cada representante institucional creó su acceso y registro asignándosele su clave personal. Como se muestra en la figura 2, el ambiente del facilitador en el curso para la plataforma del SAD.

Como complemento para lograr la adaptación los tutores propuestos realizaron el curso de “Formación de Facilitadores en línea” ofrecido por CONATEL, diseñado para el adiestramiento de profesionales en este tipo de cursos. Cuyo manual de facilitador virtual contiene las normas y procedimiento de los instructores en el desarrollo del curso tanto a nivel

personal como en el manejo de las herramientas en el ambiente Moodel.

El curso en línea de Percepción remota y procesamiento digital de las imágenes del satélite Mi-randa, está estructurado en seis blo-ques, el primero y último son netamente de intercambio directo entre los tutores y participantes (vamos a conocernos y evaluación del curso). En figura 3, se muestra la pantalla de presentación del curso en la plataforma del SAD.

Los primeros bloques son mayoritaria-mente teóricos, apoyados con foros de discusión y cuestionarios, permitiendo certificar el seguimiento de los partici-pantes en cada bloque. En los bloques dos y tres, se incluyeron actividades de evaluación como por ejemplo crucigra-mas, y prácticas caseras que faciliten y refuercen los conocimientos imparti-dos.

En los dos bloques subsiguientes, de-dicados al procesamiento digital de las imágenes satelitales, se incorpora el uso del programa Spring, indican-do la página legal de descarga e in-

Figura 2. Página de inicio y ambiente del facilitador en la plataforma del SAD.

Figura 3. Presentación de los Bloques del Curso Percepción Remota y Procesamiento Digi-tal de Imágenes del satélite Miranda (VRSS-1). Fuente: Plataforma SAD de CONATEL.

corporando un manual para su instalación en su esta-ción de trabajo. Con este programa se desarrollarán ejercicios secuenciales que permiten adquirir la des-treza para el procesamiento de imágenes satelitales.


Adicionalmente se incluyeron imágenes del Miranda para la realización de las prácticas, aun cuando es posible la descarga directa desde la plataforma oficial de dicho satélite.

Para comprobar la aplicabilidad de la adaptación y como última etapa, se realizó una prueba piloto, a los fines de probar la versatilidad de la plataforma en el manejo de los nuevos formatos de los contenidos en cuanto a audio y video que fueron incluidos en cada bloque, para poste-riormente efectuar los ajustes correspondientes.

En esta cuarta etapa, los resultados obtenidos del curso piloto, permitieron mejorar formatos de descarga para los archivos, la forma de presentación de ejercicios en Spring, y descarga de las imágenes para las prácticas, así como también para la entrega de actividades por parte de los participantes.

Estructura general del curso

El curso en línea de percepción remota y procesamien-to digital de Imágenes del Satélite Miranda (VRSS-1), fue estructurado a siete bloques, distribuidos de la si-guiente forma:

Bloque 0. Iniciando el recorrido: permite la familiariza-ción con la plataforma, edición del perfil del participan-te y la socialización entre los integrantes del curso.

Bloque I. El proceso de la Percepción Remota: brinda a los participantes los conocimientos teóricos necesarios que le permitan entender los procesos físicos que conlle-van al análisis de las imágenes satelitales como las del satélite Miranda.

Bloque II. Plataformas y sensores de teledetección. Da a conocer los tipos de plataformas disponibles a nivel mundial y establecer puntos de comparación con el sa-télite Miranda.

Bloque III. Estructura de la imagen satelital: instruye al participante en las características de la imagen satelital como instrumento para el análisis de la superficie terres-tre y sus características.

Bloque IV. Introducción a los Sistemas de Información Geográfica (SIG) y el procesamiento digital de imáge-nes: Pone a disposición del participante los procesos bá-sicos necesario para iniciar el análisis de las coberturas de la superficie terrestre a través de la imagen satelital.

Bloque V. Interpretación visual de las imágenes satelita-les: Presenta a los participantes los distintos métodos bá-sicos de procesamiento de las imágenes digitales para ser aplicados, teniendo como meta principal evaluar el desempeño de las modificaciones de formatos para la plataforma “Sistema de Aprendizaje a Distancia” (SAD), así como también la aceptación y manejo de los conte-

nidos, actividades de evaluación y capacidades de los facilitadores participantes.

Bloque VI. Aprendizaje en el camino: Pone a disposi-ción del participante encuestas y medios de comunica-ción con los facilitadores a los fines de intercambiar ex-periencias en el transcurso del curso.

Queriendo establecer las diferencias más resaltantes en-tre las dos modalidades de estudio, se elaboró una tabla resumen, que se muestra a continuación:

Desarrollo y resultados de la adecuación

A la fecha, se han ejecutado dos cursos, el primero consistió en la prueba piloto limitada sólo a profesiona-les seleccionados de las instituciones del comité y a los cuales se les dio la posibilidad durante el desarrollo del curso, de evaluar a nivel técnico y pedagógico, sobre la base de su experiencia, permitiendo así consolidar el diseño final, en cuanto a sus contenidos, actividades, recursos de aprendizaje y su facilitación en línea, a través de esta plataforma.

La segunda cohorte se realizó al público en general, sin limitaciones de profesión o condición laboral, el acceso se logra a través de la inscripción de la pla-taforma de CONATEL y el desarrollo del mismo es exclusivo por Internet.


Con la participación nacional de profesionales per-tenecientes a distintos estados del país entre los que se encuentran: Distrito Capital, Carabobo, Guárico, Miranda, Mérida, Monagas, Portuguesa, y Trujillo. Se han formado treinta siete (37) profesionales a nivel

En esta norma se consideran como factores de sa-tisfacción: el reconocimiento de la formación para el empleo; metodología de aprendizaje y accesibi-lidad tomando en cuenta en este reglón hardware, software, contenidos de las tecnologías, distribución y accesibilidad.

En esta norma se considera como factor de importancia el nivel de satisfacción del usuario estableciendo que “la calidad de la formación virtual debe considerarse la satisfacción del usuario y su formación integral. Este tipo de formación será más productiva respecto a la for-mación presencial, si esta genera un aprendizaje más rápido efectivo, cómodo y económico”.

Otro de los autores consultados fue Sonia María San-toveña con su trabajo Cuestionario de evaluación de la calidad de los cursos virtuales de la UNED. Quien toma como referencia los aspectos funcionales estable-cidos por Majó y Marqués en el 2002, entre los que se pueden encontrar el interés del curso, eficacia y ver-satilidad del entorno audiovisual. También considera los aspectos relacionados con el plan docente: ade-cuación, desarrollo del curso, flexibilidad de aprendi-zaje, tutorías, tipos de materiales didácticos, inclusión de herramientas de intercambio como foros y chat, en-tre otros factores y dentro de los aspectos de servicios complementarios se incluyen: la información general, noticias y entorno lúdico.

Tabla 1. Comparación entre el curso presencial y el a distancia de Per-cepción remota y procesamiento digital de imágenes del satélite Miranda.

PRESENCIAL A DISTANCIA

Cantidad de participantes por curso

20 50

Duración(semanas) 1 6

Cantidad de facilitadores 2 2 a 10

Tiempo de dedicación exclusivo a disposición del

estudiante

Acceso al curso por solicitud particu-lar o institucional

por Internet /plata-forma del SAD

Matriculación por solicitud particu-lar o institucional Individual

Tipo de acreditación Por asistencia con más del 75%

Certificado de aprobación con más del 75%

Formato de los contenidos Por presentaciones

Por descarga de materiales en la plataforma

nacional. Se debe destacar que uno de los participan-tes de la última cohorte realizó sus actividades desde la ciudad de Roma lo cual denota la versatilidad e internacional.

Los profesionales fueron capacitados mas allá de las técnicas de teledetección para el procesamiento digi-tal de las imágenes satelitales, también incluye el uso de la plataforma de educación a distancia y el inter-cambio de conocimiento con distintos facilitadores co-adyuvando al fortalecimiento de las instituciones del estado en materia de la enseñanza en el área espacial y en la divulgación de las bondades de las imágenes del satélite Miranda.

Para el desarrollo de este documento se ha querido considerar los criterios de calidad para la enseñan-za a distancia y se consultaron varias bibliografías a los fines de analizar los resultados obtenidos hasta la fecha con los criterios teóricos de evaluación de la calidad de la modalidad de enseñanza y evaluar los logros alcanzados con este curso. En este sentido se consultó al Centro Nacional de Información de la Calidad que ha publicado la Norma de la Calidad de formación virtual (UNE 66181: 2012), la cual “ase-gura que los clientes, usuarios y alumnos de la for-mación virtual puedan seleccionar la oferta formativa que mejor se adapte a sus necesidades y expectativas y su nivel de satisfacción”.


Muchos de estos factores son evaluados en las encuestas desarrolladas en el bloque VI al final del curso de “Per-cepción remota y Procesamiento digital de Imágenes del Satélite Miranda” y han permitido realizar modificacio-nes después de cada cohorte, permitiendo de esta mane-ra hacer mejoras sustanciales en la formas de evaluación de los participantes, formatos de descarga de los conte-nidos, medios de intercambio con alumnos, entre otras.

Con los resultados obtenidos hasta la fecha se conside-ra necesario realizar una mayor cantidad de curso a distancia que permitan obtener una valoración más pre-cisa del nivel de aceptación o de satisfacción, tomando como referencia parámetros adicionales como: relación entre el total de aprobados respecto al total inscritos, porcentaje global de deserción y por bloque, nivel de dificultad de los contenidos en consonancia con los ob-jetivos generales del curso, entre otros parámetros que permitan evaluar la calidad del mismo.

Conclusiones

La participación de los alumnos en los cursos en línea no está limitada por su condición profesional o laboral, lo cual permite ampliar la oferta de estudiantes a nivel nacional.

La accesibilidad, matriculación y participación para la modalidad a distancia del Curso de Percepción Remota se realiza exclusivamente bajo la plataforma del SAD

aún cuando todas las instituciones integrantes del comi-té muestran acceso directo desde sus respectivas plata-formas institucionales.

Según los resultados obtenidos de las encuestas al final de las cohortes realizadas, se podría recomendar incluir más cursos a la educación a distancia como una alterna-tiva de difusión masiva de los conocimientos.

Al minimizar los gastos operativos de traslados y alo-jamiento que involucran tanto a participantes como a los facilitadores, se presenta como una nueva alter-nativa nacional de enseñanza respecto a los curso de carácter presencial.

La elaboración de cursos a distancia se facilita cuando se tienen materiales generados previamente de bases conceptuales y manuales que establezcan la pauta de secuencia de los contenidos del curso.

Para la puesta en práctica la educación a distancia, se requiere disponer de un sistema tecnológico robusto y versátil que permita, el intercambio contante de docu-mentos entre los participantes y tutores a los fines de evitar inconvenientes en los resultados finales del curso.

Se considera que aún no se han ejecutado la cantidad suficiente de cohortes que permitan evaluar eficientemen-te el curso de “Curso de Percepción Remota y Procesa-

miento Digital de imágenes del Satélite Miranda” y ase-gurar que se ha alcanzado un nivel pleno de calidad en materia de educación a distancia, sin embargo el mismo representa un gran paso en la difusión de los conoci-mientos en ésta materia y un logro de trabajo destacado.

La experiencia obtenida con la adaptación de este cur-so, puede servir como ejemplo para la adaptación de otros cursos que actualmente se desarrollan bajo la me-todología de presencial, permitiendo la divulgación de algunas otras áreas del ámbito espacial.

Referencias

ABAe (2013, Agosto). Percepción remota y procesamien-to de imágenes digitales del satélite Miranda. Curso Presencial material en formato electrónico.

AsoCiACión esPAñolA PARA lA CAlidAd. CentRo nACionAl de foRmACión de lA CAlidAd, CAlidAd en lA foRmACión ViR-tuAl. (2012).

ConAtel (2014). Manual de facilitación. Curso de Faci-litador Virtual, Sistema de Aprendizaje a Distancia (SAD).

mAyoRgA, M. Metodología de evaluación de los recursos on line. Facultad de Ciencias de la Educación. Uni-versidad de Málaga.

48Memorias de las VI Jornadas Nacionales de Geomática y 1er Congreso Nacional de Geomática Investigación, Desarrollo e Innovación

Investigación, Desarrollo e Innovación


Implementación y optimización de mediciones GNSS en tiempo real

por el servicio Omnistar HP

Antony PRinCe1, Renny esPinosA1, tomás solARte1, mARio foRgione1, heRmógenes suáRez1, VíCtoR CioCe2

Petróleos de Venezuela S.A. PDVSA1,Centro de Procesamiento y Análisis GNSS SIRGAS de la

Universidad del Zulia (CPAGS-LUZ)[email protected]

RESUMEN

Para mejorar el rendimiento de los trabajos geodésicos, así como la calidad y confiabilidad de las coordenadas tridimensionales, a partir del año 2011, Petróleos de Ve-nezuela S.A (PDVSA) adquirió el servicio de corrección diferencial en tiempo real OmniSTAR HP junto a equipos GNSS capaces de recibir y procesar esta señal. Este trabajo contempló evaluar el servicio desde un enfoque técnico y económico, determinar la configuración y pa-rámetros idóneos para alcanzar un mejor rendimiento en las mediciones. Se analizan las ventajas competiti-vas del mismo y se comparan los costos operativos con respecto a otras modalidades de medición. A través de observaciones continuas de larga duración se determinó

la estabilidad del servicio y el comportamiento de sus fluctuaciones en función del tiempo. En síntesis, este ser-vicio simplifica la planificación de campo y también per-mite reducir el número de cuadrillas lo que se traduce en un beneficio económico para la empresa reduciendo en un 44% los costos de un día de trabajo respecto a otros procedimientos GNSS.

Palabras clave: GNSS, OMNISTAR HP, TIEMPO REAL, PDVSA.

IMPLEMENTING AND OPTIMIZING OF REAL TIME GNSS SURVEYS USING OMNISTAR HP SERVICES

ABSTRACT

In order to develop the reliability, accuracy and per-formance of all geodetics activities executed by Petró-leos de Venezuela (PDVSA), since 2011, the company acquired both the Real Time Differential GNSS Service OmniSTAR HP and receivers capable to decode and process such service. The main goal of this work is as-sessing both, economically and technically, the best way to use the service, it is also important to analyze the optimal parameters and configurations in order to reach the highest performance during surveying activi-ties. Competitive advantages were also evaluated and costs of implementation were compared with respect to

different surveying techniques. By analyzing large sets of acquired data, the time series shows that the service stability, and fluctuations behavior are according to the expected. In summary, by using this service, field works can be highly simplified due to its advantages, and most important, the number of resources and crews involved can be optimized up to 44% when compared to stan-dard GNSS procedures.

Keywords: GNSS, OMNISTAR HP, REAL TIME, PDVSA.

Introducción

Durante años, en los trabajos geodésicos ejecutados por Petróleos de Venezuela S.A (PDVSA) se han apli-cado modalidades de posicionamiento GNSS (Global Navigation Satellite Systems) estándar (i.e. estático, estático-rápido, cinemático) y mediciones en tiempo real en modo RTK (Real Time Kinematic) y OmniSTAR VBS (Virtual Base Station). Para mejorar el rendimiento, calidad y confiabilidad de las coordenadas geodési-cas tridimensionales obtenidas, a partir del año 2011 PDVSA adquirió el servicio de corrección diferencial en tiempo real OmniSTAR HP (High Performance), así como también equipos GNSS capaces de recibir y procesar esta señal. El objetivo de este trabajo fue el de evaluar este servicio a través de diversas pruebas con el fin de incorporar de manera confiable este no-vedoso tipo de posicionamiento en tiempo real asis-


tido, en la solución de diversos requerimientos geo-désicos-topográficos que se ejecutan en la industria petrolera nacional. Se analizan las bondades opera-tivas/logísticas y las ventajas económicas que se pue-den lograr haciendo uso del servicio de corrección diferencial GNSS.

Fundamentos teóricos

El término GNSS se refiere a la constelación de satélites que proporcionan (transmiten) señales desde el espacio que al ser procesadas por receptores, permiten obtener datos de posición, velocidad y tiempo (Cioce, 2015). El principio del posicionamiento GNSS está basado en la medición de pseudodistancias entre un receptor y un mínimo de cuatro satélites, Figura 1. A partir del conoci-miento de las coordenadas de los satélites en un sistema de referencia bien definido y dichas pseudodistancias, las coordenadas de un usuario pueden ser determina-das (Seeber, 2003).

Durante los últimos años el GNSS ha venido evolucio-nando en sus elementos asociados (constelación, seña-les, receptores, software, algoritmos, entre otros), lo que ha permitido el mejoramiento y surgimiento de nuevas metodologías de posicionamiento.

El GNSS en tiempo real, por ejemplo, ofrece algunas ventajas con respecto a otros métodos de observación

(estático, estático-rápido, cinemático); principalmente por no requerir de un postprocesamiento de datos y además, permite aumentar considerablemente la pro-ducción. El posicionamiento GNSS en tiempo real es aquel que determina de forma precisa la ubicación del observador en el mismo instante de la medición debido a que simultáneamente con las mediciones se reciben correcciones diferenciales (DGNSS) de algu-na(s) estación(es) de referencia(s), estas pueden ser transmitidas de diversas maneras: radio, internet, tele-fonía celular y comunicación satelital (Kaplan y Hegar-ty, 2006; Hofmann-Wellenhof et al., 2008; Gleason y Gebre-Egziabher, 2009).

En el caso de mediciones GNSS en tiempo real asistidas por comunicación satelital para la transmisión de correc-ciones diferenciales, un conjunto de estaciones de refe-rencia distribuidas globalmente, recolectan observaciones de pseudorangos y fases portadoras de todos los satélites disponibles de manera continua, además de datos meteo-rológicos locales. Estas observaciones son rigurosamente procesadas en un centro de control para obtener correccio-nes precisas tanto de las observables como de las orbitas y relojes de los satélites (Espinosa y Solarte, 2012).

Estas correcciones diferenciales son transmitidas, por medio de antenas inyectoras a satélites de comunicaciones geoes-tacionarios (GEO) junto con el mensaje de integridad vía banda L. Estos satélites, a su vez tienen una conexión con los receptores (usuarios) que puedan recibir la señal de co-rrección, proceso que se ilustra en la figura 2.

Figura 1. Principio del posicionamiento GNSS. Fuente: Seeber, 2003.

Figura 2. Principio de posicionamiento GNSS en tiempo real mediante comunicación satelital. Fuente: SST, 2015.


El servicio OmniSTAR opera bajo el principio descrito anteriormente. Las estaciones de referencia (más de 100 a nivel mundial) están vinculadas al ITRF2008 (In-ternational Terrestrial Reference Frame 2008), materia-lización más reciente del ITRS (International Terrestrial Reference System) (Altamimi et al., 2011); esto permite contrarrestar el efecto sobre las coordenadas de dichas estaciones, causado por la tectónica de placas, terre-motos y otros eventos. Las correcciones diferenciales de OmniSTAR son emitidas por un total de 10 satélites geoestacionarios (OmniSTAR, 2015).

A la fecha, las reconocidas empresas Trimble Navi-gation y Fugro comparten activos relacionados con el negocio de las correcciones diferenciales OmniSTAR GNSS (InsideGNSS, 2011).

La exactitud de OmniSTAR depende de la distancia del usuario respecto a las estaciones de referencia, el núme-ro de satélites GPS (Global Positioning System) y GLO-NASS (Global’naya Navigatsionnaya Sputnikovaya Sis-tema) rastreados y de los cambios en las constelaciones en función del tiempo (Visser, 2006). Entre los servicios ofrecidos se encuentran:

1. OmniSTAR VBS (Virtual Base Station), ofrece posi-cionamiento sub-métrico de tipo diferencial basado en la medición de códigos suavizados con las porta-doras. La exactitud en la posición horizontal es mejor

que ±1 m para latitudes medias en el interior de la red, fuera de ella, la solución es válida para distan-cias de 1000 Km (Pflugmacher et. al., 2009).

2. OmniSTAR G2, considerado como de alto desem-peño pues combina observaciones GPS y GLONASS para producir una solución de posición combinada. G2 utiliza la red global de estaciones de referencias de OmniSTAR para el cálculo de los errores en órbi-tas y relojes, para todos los satélites de ambas cons-telaciones; puede proporcionar una exactitud en el posicionamiento en el orden de ±0,10 m a ±0,15 m. (OmniSTAR, 2015).

3. OmniSTAR XP (Extended Performance), se basa en la estrategia del PPP (Precise Point Positioning) a par-tir de observaciones de fases portadoras permitiendo obtener una calidad en el posicionamiento de ±0,10 m a ±0,15 m al hacer uso de órbitas precisas e infor-mación del reloj de los satélites GNSS emitidas cada 1min y 10s respectivamente, generadas a partir de su misma red (Pflugmacher et. al., 2009).

4. OmniSTAR HP (High Performance), este servicio aplica el mismo principio ilustrado en la figura 2, las correcciones generadas por la red de estacio-nes de referencia son transmitidas a tierra por un satélite de comunicación geoestacionario para lue-go ser combinadas con las observaciones de doble

frecuencia registradas por el receptor del usuario; un apropiado tratamiento de efectos ionosféricos y troposféricos, así como la óptima resolución de ambigüedades, conllevan a estimar posición en el orden del metro en el primer minuto hasta el nivel centimétrico en 24 horas.

OmniSTAR HP utiliza correcciones de las estaciones de referencia más cercanas respecto al usuario; hasta 1000 Km hay suficientes satélites comunes para garanti-zar una buena exactitud en la posición, más allá de esta distancia la calidad tanto en posición como en altura se degrada o disminuye.

Sin embargo, las correcciones no son dependientes de una sola estación de referencia sino que se determinan mediante un algoritmo de solución en red. Con esta tec-nología de red OmniSTAR proporciona una constante precisión en grandes áreas sin cambios notables en la calidad del posicionamiento cuando la solución cambia de una estación de referencia a otra.

Si se pretende alcanzar calidad en el orden del decíme-tro con OmniSTAR HP, es necesario esperar un tiempo prudente pues se requiere para ello de un proceso de-nominado inicialización, en el cual se lleva a cabo la determinación del número total de ciclos enteros de la fase portadora entre los satélites y el receptor, es decir, las ambigüedades, figura 3.


Figura 3. Número de ciclos enteros de longitud de onda entre el satélite y el receptor. Fuente: El Rabbany, 2002.

en Trinidad y Tobago, se encuentran instaladas dos (2) estaciones de referencia cuyas correcciones ofrecen un alcance casi total para Venezuela.

cialización es mucho mayor que para la inicializa-ción estática.

c. Puesta de marcha: Es un método que puede llevar-se a cabo si se conoce la posición de un punto con alta exactitud y en un marco de referencia actual e.g. ITRF2008. Introduciendo dicha posición, la misma es utilizada directamente en el algoritmo empleado por OmniSTAR HP lo que se conoce como ‘seeding’ y con este proceso la solución mejorará de forma inmediata dándole directamente el nivel de ±0,10 m de exactitud.

En relación a la cobertura del servicio OmniSTAR HP, la figura 4 muestra las áreas que a nivel global pueden disfrutar del servicio.

La cobertura en el territorio venezolano se muestra en la figura 5; hacia el norte, específicamente en Curazao y La inicialización para cualquier medición utilizando el

servicio OmniSTAR se puede realizar de tres maneras (Heunecke y Hansgbet, 2010):

a. Estática: Es la manera estándar de alcanzar la reso-lución de ambigüedades. En esta modalidad la antena GNSS se encuentra en un estado de reposo durante un periodo suficientemente largo y se debe esperar hasta que la convergencia de todo el proceso sea completada.

b. Dinámica: Se realiza con la antena en movimien-to de forma permanente y según el tiempo de ini-

Figura 4. Área de cobertura del servicio OnmiSTAR HP. Fuente: Trimble, 2015.

Figura 5. Estaciones del servicio OmniSTAR HP que cubren Vene-zuela: Curazao, Trinidad y Tobago.

Fase Experimental

Diferentes ensayos fueron diseñados y desarrollados para los fines del presente trabajo. Para realizar las eva-luaciones correspondientes se establecieron tres (3) es-taciones de control: TER1 y TER2 ubicadas en la terraza del edificio de PDVSA Refinación Guaraguao, Puerto La Cruz - Edo. Anzoátegui y HBNA ubicada en Sabaneta de Barinas - Edo. Barinas.


Observaciones GPS estáticas durante 8 horas continuas, a un intervalo de captura de 15s y con una máscara de elevación igual a 5° junto con un procesamiento vía web aplicando la estrategia del PPP, permitieron obtener un posicionamiento para estas estaciones con una exac-titud de ±0,02m a ±0,04m según Gallucci (2008). Las pruebas fueron efectuadas utilizando equipos Trimble Pathfinder ProXRT, mostrados en la figura 6.

Figura 6. Equipo Trimble Pathfinder ProXRT y colector de datos Trimble RECON. Fuente: Trimble, 2015.

Una vez disponibles coordenadas confiables para las estaciones de prueba, fue posible efectuar cada una de las pruebas descritas a continuación.

1. Evaluación de la estabilidad y confiabilidad del servicio OmniSTAR HP.

Esta prueba tuvo como propósito evaluar la estabilidad de la señal OmniSTAR HP así como su comportamiento

en diferentes condiciones ambientales. Esto considerando que para un área de trabajo determinada, las correccio-nes que se transfieren al rover son las derivadas y proce-dentes de la estación de referencia más cercana, siendo para el caso de Venezuela las situadas en Curazao y Trinidad y Tobago como se mencionara previamente.

Dado que cada estación de referencia OmniSTAR cubre un radio de 1000 Km, en Barinas (HBNA) deben recibir-se las correcciones provenientes de Curazao (ubicada a 330 Km) y en Puerto La Cruz (TER1 y TER2) aquellas provenientes de Trinidad y Tobago (separada aproxima-damente a 400 Km).

Se consideró necesaria la simultaneidad en las medi-ciones, ya que se estudió la estabilidad de la señal de corrección en diferentes lugares para un mismo periodo de tiempo, además se pudo detectar la existencia de irregularidades en los resultados y determinar si se trató de un error instrumental o del servicio. En este sentido, la configuración de los parámetros de medición de los instrumentos debió ser la misma.

Las mediciones en tiempo real se ejecutaron durante 24 horas continuas, con un intervalo de grabación de 1s y una máscara de elevación igual a 5°. En todo momento hubo comunicación entre los operadores ubicados en las diferentes estaciones para asegurar el inicio y la simultaneidad de las mediciones. Con esta prueba se

determinó que el equipo luego de encendido, comienza el proceso de grabación al haber transcurrido 3 minutos aproximadamente, antes de este período, el nivel de co-rrección inicial corresponde a OmniSTAR VBS.

2. Determinación del tiempo mínimo de inicialización requerido para obtener estimaciones óptimas de posicionamiento.

De acuerdo a lo mencionado en los fundamentos teóri-cos, para obtener el nivel de calidad óptimo de OmniS-TAR HP en los resultados de las mediciones, el receptor GNSS debe realizar el proceso de inicialización. De esta manera, la prueba estuvo orientada a determinar cuál es el tiempo necesario para que el equipo resuelva ambigüedades y así obtener el nivel de exactitud que ofrece el servicio.

Es importante destacar que el modo de inicialización empleado y descrito previamente, fue el estático debi-do a que el modo dinámico demanda más tiempo en resolver ambigüedades y no resulta práctico su empleo en campo; por su parte, el modo puesta en marcha no es posible realizarlo con el equipo Trimble Pathfinder ProXRT ya que no está disponible en el software que utiliza el controlador.

Para esta prueba se utilizaron las estaciones TER1 y HBNA.


Se hicieron diez (10) sesiones de medición de dos (2) horas en cada estación, con el fin de tener un número considerable de repeticiones que otorgaran robustez a la prueba. El intervalo de captura empleado fue de un 1s para así garantizar mayor cantidad de datos GPS. Las observaciones se efectuaron a diferentes horas del día (desde las 7am a 4pm HLV), tiempo en el cual, ge-neralmente, se realizan las actividades de campo geo-désicas-topográficas en PDVSA.

3. Análisis del procedimiento de observación en modo cinemático.

Estas observaciones se realizaron en el Estado Anzoáte-gui, levantando una trayectoria desde la sede de PDVSA Refinación Oriente (Puerto La Cruz) hasta la localidad de Clarines (aproximadamente 85 Km). Para la prue-ba se utilizaron tres (3) receptores GPS: un (1) Trimble ProXRT con recepción de la señal OmniSTAR HP y dos (2) Trimble 5700, uno para la estación TER1 que fue uti-lizado como base y otro como rover modo cinemático, figura 7.

Antes de comenzar el recorrido, se realizó una inicia-lización del equipo de doble frecuencia Trimble 5700 por un lapso de 20 minutos con respecto a la base, tiempo necesario para resolver las ambigüedades en el postprocesamiento del levantamiento cinemático relati-vo ejecutado con software cuasi-científico, usando efe-

Figura 7. Disposición de las antenas GPS para el levantamiento cinemático.

mérides precisas del IGS (International GNSS Service) (Dow et al., 2009), para obtener las mejores estima-ciones de las coordenadas tridimensionales (época por época) que servirían de patrón en las comparaciones con el cinemático OmniSTAR HP. Se consideró condu-cir a una velocidad máxima de 60 Km/h, lo cual fue verificado durante todo el trayecto. Se escogió la mejor ruta en donde existieran menos obstrucciones para po-der evaluar en varios kilómetros el máximo potencial del servicio OmniSTAR HP.

Un aspecto a considerar sumamente importante al mo-mento de la comparación, fue el desplazamiento aso-ciado a la separación de las antenas (Gallucci, 2008), para esto fue necesario calcular el vector Vti que definen las dos antenas para un instante (época) ti, al cual se le restó la distancia real medida con cinta entre las ante-nas para obtener una buena aproximación en la posi-ción horizontal real ΔD como se muestra en la figura 8.

Figura 8. Diferencia de la posición de las antenas durante la medición cinemática. Fuente: Gallucci, 2008.

Tomando la figura anterior, a es la antena del receptor 1 (OmniSTAR HP), b es la antena del receptor 2 (Postpro-cesado) y Vti es el vector que define estas dos antenas. Así, fue posible aplicar la fórmula 1:

(1)( ) ( )22babati YYXXV −+−=

con Xa e Ya y Xb e Yb siendo las coordenadas corres-pondientes para una época con OmniSTAR HP y con cinemático relativo postprocesado respectivamente. En la ecuación 2, el valor obtenido ΔD es la diferencia de coordenadas de las dos antenas para un tiempo deter-minado, al restar el valor d, se asumen las antenas en la misma posición y por tanto se obtiene una diferencia de posición más cercana al valor real.

dVD ti −=∆ (2)


Resultados y Análisis

A partir de las pruebas realizadas y descritas en la sec-ción anterior, se exponen seguidamente los resultados correspondientes.

Para la prueba dirigida a la evaluación de la estabilidad y confiabilidad del servicio OmniSTAR HP, se calcularon residuales (diferencias de coordenadas entre las obte-nidas mediante OmniSTAR HP y las conocidas usadas como control) tanto en posición como altura elipsoidal, con el fin de estudiar el comportamiento de la correc-ción en tiempo real.

Un evento común es visible en las series de tiempo mos-tradas en las figuras 9 y 10; desde las 7:30 pm (HLV) hasta aproximadamente las 12:00 am (HLV).

En ellas se aprecia un salto en el que el receptor no reci-bió la corrección, por lo tanto los residuales fueron altos; luego cuando se recibió de nuevo la corrección, comien-za un proceso de inicialización hasta que el equipo vol-vió a estabilizarse.

Para continuar con los análisis se calcularon las estadísticas descriptivas de estos resultados. En la tabla 1 se observa un RMS al 95% de confiabilidad muy cercano al valor de exactitud ofrecido por OmniSTAR HP: ±0,10 m para posi-ción. Sólo la estación HBNA obtuvo un RMS de ±0,13 m.

TER2

HBNA

Figura 9c. Series de tiempo obtenidas en función de los residuales de posición para las tres (3) estaciones de control.

Figura 9a. Series de tiempo obtenidas en función de los residua-les de posición para las tres (3) estaciones de control.

Figura 9b. Series de tiempo obtenidas en función de los residua-les de posición para las tres (3) estaciones de control.

Figura 10a. Series de tiempo obtenidas en función de los residua-les de altura elipsoidal para las tres (3) estaciones de control.


TER2

HBNA

Figura 10c. Series de tiempo obtenidas en función de los residua-les de altura elipsoidal para las tres (3) estaciones de control.

En la tabla 2, los RMS estimados al 95% de confiabili-dad (en las 3 estaciones de control utilizadas) oscilan entre ±0,17 m a ±0,24 m. El rango medio observado en las estaciones fue ±0,50 m, lo que indica, en gene-ral, que hubo diferencias desde los -0,25 m hasta +0,25 m. Es evidente que la altura demora un mayor tiempo en estabilizarse y los resultados no son tan estables como en la posición.

Se puede afirmar que la señal OmniSTAR HP tiende a ser muy estable en el tiempo (lo que garantiza una mayor confiabilidad en su uso), debiendo verificarse que el ins-trumento GNSS no pierda la corrección y que mantenga la inicialización fija. Al momento de realizar mediciones se puede observar a través de la precisión mostrada en el equipo si hay alguna falla en el sistema, tal que no se observaran los ±0,10 m visibles cuando se han resuelto

TER1 TER2 HBNA

Media (m) 0,07 0,04 0,05

Desviación Estándar (m)

0,04 0,03 0,42

Mín (m) 0,00 0,00 0,00

Máx (m) 0,34 0,33 0,42

Rango (m) 0,34 0,33 0,42

RMS 95% (m) 0,13 0,08 0,10

Tabla 1. Resumen estadístico de residuales en la posición.

TER1 TER2 HBNA

Media (m) 0,09 0,10 0,14

Desviación Estándar (m)

0,07 0,07 0,09

Mín (m) 0,00 0,00 0,00

Máx (m) 0,42 0,49 0,55

Rango (m) 0,42 0,49 0,55

RMS 95% (m) 0,17 0,19 0,24

Tabla 2. Resumen estadístico de residuales en la altura elipsoidal.

ambigüedades sino un valor mucho mayor, de esta for-ma se verifica si se está mejorando el posicionamiento.

La evaluación de los resultados correspondientes al se-gundo ensayo, diseñado para determinar el tiempo mí-nimo de inicialización requerido para obtener estimacio-nes óptimas de posicionamiento, se basó en un análisis de residuales en posición y en altura elipsoidal.

En las figuras 11 y 12 se observa el comportamiento de las mediciones realizadas en función del tiempo. Cada lí-nea de color representa las 10 observaciones de 2 horas realizadas en cada estación de control (TER1 y HBNA) a través de los respectivos residuales generados en po-sición y altura elipsoidal en metros desde el inicio de la medición hasta el tiempo que tardó en estabilizarse y llegar a la calidad óptima del servicio OmniSTAR HP.

Figura 10b. Series de tiempo obtenidas en función de los residua-les de altura elipsoidal para las tres (3) estaciones de control.


Se elaboró la tabla 3, en la misma se puede apreciar que en valores promedios en posición, fue suficiente em-plear un tiempo de 41 minutos para obtener la solución óptima, mientras que para la altura fue necesario inver-tir 45 minutos.

Figura 11c. Residuales en posición para determinar el tiempo mínimo de inicialización en las estaciones TER1 y HBNA.

Figura 12. Residuales en la altura elipsoidal para determinar el tiempo mínimo de inicialización en las estaciones TER1 y HBNA.

Tabla 3. Resumen estadístico con la duración de la inicialización estática obtenida a partir de los residuales en posición y altura elip-soidal de cada una de las mediciones [min].

POSICIÓN ALTURA ELIPSOIDAL

Mínimo 25 Mínimo 25

Promedio 41 Promedio 45

Máximo 90 Máximo 100

Moda 30 Moda 40

Resulta evidente que un tiempo menor a 25 minutos, en muchas ocasiones, no es suficiente para lograr la máxi-ma exactitud. La moda indica el valor que más se repite en la muestra y se obtiene que para la posición fue 30 minutos y en la altura elipsoidal 40 minutos.

Como recomendación final, cuando se usan los equipos Trimble Pathfinder ProXRT junto con la señal de correc-ción OmniSTAR HP, sería prudente emplear un tiempo mínimo de 45 minutos para alcanzar las mejores esti-maciones en el posicionamiento. Sin embargo, es im-portante destacar que en ciertas ocasiones la iniciali-

Figura 11a. Residuales en posición para determinar el tiempo mínimo de inicialización en las estaciones TER1 y HBNA.

Figura 11b. Residuales en posición para determinar el tiempo mínimo de inicialización en las estaciones TER1 y HBNA.


zación se realizó en un periodo de tiempo mayor, esto podría obedecer a la cantidad y configuración geomé-trica de los satélites, condiciones atmosféricas del lugar y/o condiciones propias del servicio para el momento en que la medición fue realizada, razón por la cual resulta apropiado visualizar las precisiones estándar que muestra el equipo GNSS para verificar, luego de un tiempo prudente, que el instrumento finalmente haya resuelto las ambigüedades.

Cabe destacar que los resultados obtenidos son consis-tentes con los valores que establece el proveedor del ser-vicio OmniSTAR HP (30 minutos) y que algunos autores, como Heunecke y Hansgbet, recomiendan (±1 hora).

Para analizar el procedimiento de observación modo cinemático, es decir, la calidad de este tipo de levan-tamiento realizado con OmniSTAR HP, se realizó una comparación de las posiciones época por época, con respecto al levantamiento cinemático relativo postproce-sado. Previamente se evaluó la calidad de este último (desviaciones estándar medias del procesamiento) y la distancia (respecto a la estación base) hasta donde la solución resultó fija (ambigüedades resueltas).

En la figura 13 se observa que sólo dos tramos del tra-yecto recorrido generaron soluciones fijas (línea color rojo) con respecto a la totalidad del mismo (línea color negro). Al verificar la extensión del primer tramo, ya

que como se aprecia es el de más extensión y cercano a la base, se constató que el mismo es de aproximada-mente 17 Km. En cuanto a la precisión obtenida en el levantamiento cinemático relativo, se obtuvo una des-viación estándar media de ±0,025 m para la posición y ±0,067 m para la altura elipsoidal según los criterios del software empleado.

Figura 13. Trayectoria del levantamiento cinemático. En rojo se indican las soluciones fijas.

Figura 14. Residuales en posición por época entre OmniSTAR HP y el post-procesamiento diferencial en el modo cinemático.

Para el caso de las alturas elipsoidales, se obtuvo un va-lor medio en las diferencias de ±0,72 m, éste queda re-presentado en la figura 15 mediante una línea color azul. La mayoría de los residuales en altura elipsoidal (59%) se encontraron por debajo de la media; sin embargo tam-bién surgieron valores elevados de hasta ±2,5 m.

En la figura 14 se muestran los residuales en posición, el 69% de las diferencias estuvo por debajo de la línea roja que representa la media aritmética de los datos obtenidos (±0,31 m). El valor máximo observado fue de ±1,2 m.

Adicionalmente, se presentan en la tabla 4 las estadísti-cas descriptivas para analizar la calidad que se alcanzó con OmniSTAR HP mediante el modo de observación cinemático. En términos de exactitud relativa se puede


Figura 15. Residuales en altura elipsoidal por época entre Omni- STAR HP y el post-procesamiento diferencial en el modo cinemático.

decir que se obtuvo (0,31±0,26) m en posición y en la altura elipsoidal (0,72±0,59) m.

y poder inferir si guardó relación con algún elemento particular durante el recorrido (principalmente obstruc-ciones debido a subestaciones y tendidos eléctricos, ur-banismos, entre otros).

Tabla 4. Estadísticas resultantes de la comparación de coordenadas OmniSTAR HP versus post-procesamiento relativo del levantamiento cinemático.

Δ POSICIÓN Δ ALTURA

Media (m) 0,31 0,72

σ (m) 0,26 0,59

Mín (m) -0,29 -2,57

Máx (m) 1,23 2,48

Rango (m) 1,52 5,04

Total de mediciones 1219 1219

Esto se realizó para verificar en qué parte de la trayec-toria se encontraban las máximas diferencias obtenidas y poder inferir si guardó relación con algún elemento particular durante el recorrido (principalmente obstruc-ciones debido a subestaciones y tendidos eléctricos, ur-banismos, entre otros).

Se nota como el área está representada mayormente por el color verde; indicando que la mayoría de las diferencias oscilaron entre ±0,20 m a ±0,50 m. Las tonalidades color rojo representan las altas diferen-

Figura 16. Trayectoria del levantamiento cinemático con residua-les en posición entre los dos modos de observación.

cias y se encuentran, en menor proporción, en el orden métrico. Al verificar estas posiciones se ob-servó que esta zona está ubicada en la ciudad de Barcelona y en la misma se encontraron una serie de pasarelas con poca distancia de separación entre ellas, lo que pudo afectar la corrección en tiempo real y generar saltos de ciclos en los datos en mu-chos casos; se afectaba principalmente el proceso de inicialización.

Con la finalidad de profundizar más en los análisis de los resultados, se aprecia en la figura 16 el recorrido del le-vantamiento con las diferencias entre los dos modos de observación (i.e. cinemático postprocesado y tiempo real).

Esto se realizó para verificar en qué parte de la trayec-toria se encontraban las máximas diferencias obtenidas


En la prueba realizada, para el caso de un levantamien-to cinemático usando el servicio OmniSTAR HP y los equipos Trimble Pathfinder ProXRT, se obtuvo una exac-titud ±0,60 m en la posición y en altura de ±1,3 m. No se recomienda realizar el proceso de inicialización de 45 minutos ya que los equipos perderán el rastreo de la señal de corrección al pasar por alguna obstrucción (árbol, pasarela, entre otros).

Ventajas del servicio OmniSTAR HP

Considerando las experiencias adquiridas al emplear este servicio de corrección diferencial, algunas ventajas son resaltadas:

• Disminuyen los costos ya que no requiere de una es-tación base y radio-enlaces.

• Simplifica el abordaje operacional.• Incrementa la productividad sobre todo en distancias

muy largas.• Las exactitudes que se logran satisfacen en gran me-

dida las operaciones geodésicas-topográficas que se realizan en PDVSA.

En la figura 17 se muestra una campaña de mediciones GNSS de pozos realizadas por PDVSA, en la cual se usó el servicio OmniSTAR HP. Todas las ventajas men-cionadas fueron demostradas en la práctica, sobre todo considerando la distancia este-oeste del área del pro-

yecto (aproximadamente 130 Km). En el mismo se pudo lograr mayor productividad en la cantidad de pozos me-didos diariamente, la logística de campo fue más sen-cilla y se logró satisfacer las necesidades en cuanto a exactitud se refiere (±0,50 m).

Otras ventajas son:

• Las longitudes en los levantamientos cinemáticos no representan una limitación.

• OmniSTAR HP resulta ser íntegro y los equipos de me-dición disponibles en PDVSA poseen la capacidad de alertar si existen problemas.

• Por su naturaleza en tiempo real, representa un aho-rro significativo en el procesamiento de datos GNSS.

• Tiene cobertura en Venezuela y es compatible con un gran número de receptores GNSS.

• Disponibilidad las 24 horas/7 días de la semana.• La suscripción es flexible y a un costo moderado

(3000$ por año).

Figura 17. Área de trabajo en la que se ejecutó una campaña de medición de pozos, Distrito Anaco de PDVSA, estado Anzoátegui. Venezuela.


• Es fácil de usar. Un sólo equipo, un sólo operador.

Aporte económico

Al realizar una comparación sencilla con otros modos de medición GNSS, se evidencian los beneficios eco-nómicos al momento de implementar la tecnología Om-niSTAR HP.

Para obtener exactitudes similares con los sistemas te-rrestres convencionales es necesario:

• Un par de equipos GNSS.• Dos operadores por cuadrilla.• Dos cuadrillas de trabajoDe acuerdo a los costos manejados por PDVSA, un día de trabajo bajo estas características serían aproxima-damente 98$.

Con el uso de correcciones diferenciales en tiempo real vía satélite, se obtiene:

• Reducción del 50% de los recursos necesarios (equi-pos, personas, cuadrillas).

• No hay necesidad de emplear una estación base (menos equipos a usar).

• Mayor rendimiento ya que no es dependiente de una estación base.

• Instrumental a usar es más barato (por sus características).

Considerando un día de trabajo usando OmniSTAR HP, el costo sería aproximadamente 43$. Esto indica que se puede obtener un ahorro significativo del 44%, lo cual re-sulta muy atractivo principalmente en trabajos de produc-ción masivos y sobre extensiones de terreno muy grande.

Conclusiones

La señal de corrección diferencial GNSS OmniSTAR HP demuestra ser muy estable en el tiempo lo que conlleva a una mayor confiabilidad en su uso. Cuando se em-plean equipos Trimble Pathfinder ProXRT, junto con la se-ñal de corrección OmniSTAR HP, se recomienda emplear un tiempo de 45 minutos para realizar el proceso de inicialización estática y así obtener soluciones óptimas en el posicionamiento.

En el caso del levantamiento cinemático se obtuvo una exactitud de ±0,60 m para la posición y ±1,3 m en la altura elipsoidal. En este tipo de levantamiento no se recomienda realizar el proceso de inicialización de 45 minutos ya que los equipos perderán el rastreo de la señal de corrección al pasar por alguna obstrucción (árbol, pasarela, entre otros). Debido al principio funda-mental de OmniSTAR HP el recorrido cinemático no está limitado a la distancia, lo que resulta una ventaja.

El uso de los equipos Trimble Pathfinder ProXRT, usando el servicio OmniSTAR HP, satisface en gran

medida las necesidades de PDVSA en cuanto a las operaciones geodésicas y topográficas se refiere. Además, son instrumentos confiables que permiten observar la integridad de los datos a través de las precisiones estándar medias mostradas en el equipo, éstas son consistentes con la exactitud del servicio y desmejorarán a la hora de algún evento anómalo durante las mediciones.

Usar OmniSTAR HP permite simplificar la planificación y logística de campo. Además, se puede reducir el nú-mero de cuadrillas a emplear, lo que se traduce en un beneficio económico para la empresa, disminuyendo en un 44% los costos de un día de trabajo. El potencial del servicio quedó demostrado sobre todo cuando se traba-ja en proyectos de distancias muy largas.

Referencias

AltAmimi z., Collilieux x. métiVieR l. (2011). ITRF2008: an improved solution of the international terres-trial reference frame. Journal of Geodesy 85; pp. 273-457.

CioCe, V. (2015). Vinculación de redes GNSS de opera-ción continua al marco de referencia sirgas. Trabajo de Ascenso. Universidad del Zulia, Facultad de In-geniería, Escuela de Ingeniería Geodésica, Mara-caibo, Venezuela; p. 107.


dow J., neilAn R., Rizos C. (2009). The International GNSS Service (IGS) in a changing landscape of Global Navigation Satellite Systems. Journal of Geo-desy 83; pp. 191-198.

el RABAnny, A. (2002). Introduction to GPS. The Global Positioning System. Artech House. Norwood-MA, EE.UU; p. 39.

esPinosA R. y solARte t. (2012). Evaluación de observa-ciones GNSS en tiempo real asistidas por el servicio OmniSTAR HP y su aplicación en las operaciones geodésicas de PDVSA. Trabajo Especial de Grado. Universidad del Zulia, Facultad de Ingeniería, Es-cuela de Ingeniería Geodésica, Maracaibo, Vene-zuela; p. 110.

gAlluCCi, n. (2008). Aplicación de los servicios de pro-cesamiento diferencial en línea y Posicionamiento de Punto Preciso en las operaciones geodésicas de exploración y producción en PDVSA. Trabajo Espe-cial de Grado. Universidad del Zulia, Facultad de Ingeniería, Escuela de Ingeniería Geodésica, Mara-caibo, Venezuela; p. 117.

gleAson s. y geBRe-egziABheR d. (2009). GNSS Applica-tions and Methods. Artech House. Norwood-MA, EE.UU; p. 87.

heuneCke, o. y hAnsgBet, h. (2010). Worldwide Kinema-tic positioning using the Omnistar HP and XP ser-vices. Proceedings 2nd International Conference on Machine Control & Guidance. Disponible en: http://www.mcg.uni-bonn.de/proceedings

hofmAnn-wellenhof B., liChteneggeR h. wAsle e. (2008). GNSS–Global Navigation Satellite Systems: GPS, GLONASS, Galileo and more. Springer. Viena-Aus-tria; p. 161.

insidegnss. (2011). Trimble to Acquire Fugro’s OmniSTAR DGPS Service. Disponible en: http://www.insideg-nss.com

kAPlAn e. y hegARty C. (2006). Understanding GPS, Principles and Applications. 2nd Ed. Artech House. Norwood-MA, EE.UU; p. 379.

omnistAR. (2015). Suscription Services. Disponible en: http://www.omnistar.com

PflugmACheR, A., heisteR, h., heuneCke, o. (2009). Global Investigation of the satellite-based Fugro OmniSTAR HP Service. Journal of Applied Geodesy; pp.195-196.

seeBeR, g. (2003). Satellite Geodesy. 2nd Ed. Walter de Gruter. Berlin, Alemania; pp. 211, 331 y 339.

SST. (2015). Site Specific Technology. Correction Ser-vices. Disponible en: http://sstgps.com.au/wp/co-rrection-services

tRimBle. (2015). Trimble Correction Services. OmniSTAR HP. Disponible en: http://www.trimble.com/Agri-culture/correctionservices/OMNISTARHP.aspx

VisseR, h. (2006). OmniSTAR HP Worldwide Positioning Service. Cor de Kuijper; pp. 2-3.


Determinación de la temperatura de la superficie de la Tierra. Área

Metropolitana de Mérida, Venezuela

fRAnCisCo dAl Pozzo1, yxed RoJAs2

Universidad de los Andes. Instituto de Geografía (IGCRN)1,

Universidad de los Andes. Escuela de Geografía2


RESUMEN

La temperatura de la superficie de la tierra (Land Surface Temperature, LST) es una variable geo-biofísica, que per-mite parametrizar el intercambio de flujos energéticos que tiene lugar entre la superficie de la tierra y la atmós-fera. Debido a los avances en la tecnología de punta, se reconoce cada vez más la importancia y el interés en el desarrollo de metodologías para medir LST desde el espacio. El presente trabajo determina la distribución espacial de la temperatura de superficie en el área me-tropolitana de Mérida, Venezuela; estimada a partir de la información proporcionada por el sensor TIRS del sa-télite LANDSAT 8, para el 6 de enero y 28 de abril del 2015, utilizando el algoritmo monocanal propuesto por Wilson et. al. (2000) que considera la relación entre la

radiación de onda corta de la superficie y la temperatu-ra del aire. Este procedimiento se realiza con el progra-ma SAGA-GIS, que además emplea un ajuste en función de la elevación del terreno. Los resultados obtenidos se representan en un mapa de temperatura de la superficie para los meses correspondientes, pudiendo destacarse la variación térmica entre el mes de enero, asociado al invierno astronómico, y el mes de abril en el que se experimentó un bochorno térmico.

Palabras clave: LANDSAT 8, TEMPERATURA, LST, SA-GA-GIS, MÉRIDA.

DETERMINATION OF LAND SURFACE TEMPERATURE IN THE METROPOLITAN AREA OF MERIDA,

VENEZUELA

ABSTRACT

The Land Surface Temperature (LST) is a geo-biophysical variable which enables to parameterize the exchange of energy flows taking place between the surface of the earth and the atmosphere. Due to advances in techno-logy, increasingly it is recognized the importance and interest in the development of methodologies to measure LST from space. This paper determines the spatial distri-bution of land surface temperature, in the metropolitan area of Mérida Venezuela, which is estimated from data

provided by the TIRS sensor of the Landsat 8 satellite, for January 6 and April 28, 2015, using a single-channel algorithm proposed by Wilson et. al. (2000) which con-siders the relationship between short-wave radiation of the surface and the air temperature. This is done with the SAGA-GIS program, which also employs an adjustment of terrain elevation. The results are plotted on a surfa-ce temperature map for the corresponding months whe-re it can be highlighted the thermal variation between January, associated with the astronomical winter, and April with heat wave that was experienced.

Keywords: LANDSAT 8, LAND SURFACE TEMPERATURE, SAGA-GIS, MERIDA.

Introducción

La temperatura de la superficie de la tierra, en inglés Land Surface Temperature (LST), es un parámetro cla-ve de los modelos climáticos, hidrológicos, ecológicos y biogeoquímicos para determinar la cantidad de ra-diación de longitud de onda emitida por la superficie (Cheng et al., 2010, citado por Liang, 2013). Ésta ra-diación infrarroja que pasa a través de la atmósfera es limitada, por lo que sólo puede ser utilizada para obte-ner el LST en condiciones de cielos claros. El LST se divi-de en dos categorías definidas por el tipo de sensor que adquiere la información; uno llamado Microwave LST y el otro llamado Thermal LST. Éste último es comúnmente


empleado en los análisis de temperatura de la superficie debido a que existe un buen número de sensores remo-tos que registran la radiación del infrarrojo térmico. El tratamiento de estos datos se lleva a cabo por medio de un algoritmo que varía según el sensor utilizado, entre ellos tenemos el algoritmo monocanal, aplicado en esta investigación, el algoritmo de ventana dividida y el al-goritmo multicanal (Liang, 2013).

El presente trabajo determina la distribución espacial de la temperatura de la superficie en el área metropolita-na de Mérida, Venezuela (figura 1), estimada a partir de la información proporcionada por el sensor TIRS del satélite LANDSAT 8, específicamente la banda 10 con longitud de onda entre 10,60 y 11,19 micrómetros, una resolución espacial de 100 metros en la adquisición de los datos, y remuestreada a 30 metros para analizar con las bandas multiespectrales (USGS, 2015). De este modo se adquieren dos imágenes del satélite con fechas 6 de enero y 28 de abril del 2015. Los procedimientos se realizan con el programa SAGA-GIS, que emplea un ajuste en función de la elevación del terreno (e-4).

La iniciativa, que motiva la producción de información de esta naturaleza, surge por dos razones básicas. La primera centrada en el empleo de la tecnología que se está desarrollando, tanto en el área informática (2015), como satelital (2013) y algorítmica (2001, 2010 y 2013), y la segunda por las pocas experiencias y pu-

Figura 1. Ubicación y extensión del área de estudio. Fuente: Google Earth.

blicaciones a nivel nacional, destacando el trabajo de Córdova (2011) realizado para la ciudad de Caracas, en la cual toma parámetros estándares para su imple-mentación algorítmica.

Descripción del área de estudio

El área de estudio, en cifras aproximadas, ocupa una superficie de 870 kilómetros cuadrados conformando un rectángulo horizontal con 33 Km de ancho por 25 Km de alto, correspondiente a las coordenadas Univer-sal Transversal Mercator UTM Este 250.080 | 283.930 y Norte 937.750 | 963.550.

La misma comprende la ciudad de Mérida, Ejido, Tabay y Cacute como principales centros poblados, además incluye los más importantes picos de la Sierra Nevada de Mérida, destacando el Pico Bolívar y Pico Humboldt en la sección sureste, junto con un pequeño segmento de la Sierra de la Culata, en el que destacan el páramo de los Conejos y el páramo de Campanario, ambos en la sección noroeste. Otro elemento importante que abarca el segmento estudiado es la cuenca baja del Río Mucu-jún también conocida como El Valle (figura 1).

Asimismo, cabe resaltar la notable variabilidad altitudinal que caracteriza el área y que oscila desde los 880 m.s.n.m. hasta los 4.910 m.s.n.m. aproximadamente, lo cual repre-senta de forma implícita una gran diferencia térmica.

Materiales y Métodos

A continuación se describe los materiales y equipos em-pleados para la ejecución de la investigación:

Los resultados obtenidos de ésta investigación se repre-sentan en un mapa de temperatura de la superficie para los meses correspondientes, pudiendo destacar la varia-ción térmica entre el mes de enero considerado un mes frío y asociado al invierno astronómico, con el mes de abril en el que se experimentó un bochorno térmico a nivel nacional.


Se utilizó el programa informático SAGA-GIS (www.saga-gis.org) como plataforma de análisis basado en Free Open Source Software (FOSS); todas las operaciones básicas y específicas se llevan a cabo con éste programa.

Como datos primarios se emplearon los valores de tem-peratura máxima de 23,8°C y 29,6°C a las 15:00 ho-ras para los días 6 de enero y 28 de abril del 2015 res-pectivamente, obtenidos de la estación meteorológica Mérida Aeropuerto, Serial 3047, altitud 1470 m.s.n.m., ubicada en las coordenadas geográficas Lat: 8°35’56” y Long: -71°09’25”. Los datos son suministrados por el Servicio de Meteorología de la Aviación Militar Boliva-riana con sede en dicha estación.

Asimismo, el valor de gradiente alto térmico utilizado es de 6,0°C por cada 1000 m, que fue propuesto por Sil-va (2002) para la cuenca media del río Chama, lo que proporciona mayor precisión en los cálculos a realizar.

Las imágenes de satélite adquiridas en el portal Earth Explorer (earthexplorer.usgs.gov) pertenecen al satélite de observación terrestre Landsat 8 para las fechas 6 de enero (ID= “LC80060542015006LGN00”) y 28 de abril (ID=”LC80060542015118LGN00”), de las que se utilizaron específicamente las bandas 4, 5 y 10 co-rrespondientes al rojo, infrarrojo cercano y el infrarrojo térmico respectivamente.

Para el modelo de elevación digital (MED) se utilizó el levantamiento topográfico por radar Shuttle Radar Topo-graphy Mission (SRTM) de la Administración Nacional de la Aeronáutica y del Espacio (NASA, www2.jpl.nasa.gov/srtm) el cual es suministrado gratuitamente y tiene una resolución espacial de 30 metros al igual que las imágenes del satélite Landsat. Éste modelo del terreno en la componente “Z” (X-band), tiene un error relativo menor a 6 metros y un error absoluto lineal vertical menor a 16 metros en regiones de pendientes abruptas (Farr, 2000). Considerando que la investigación no persigue medir la calidad del DEM para la obtención del mapa de tempe-ratura de la superficie de la tierra, cabe destacar que la escala de trabajo es 1:35.000 y que la unidad mínima de representación son 5 mm2, los 16 metros señalados equivalen a 0,4 mm, lo cual constituye una baja afecta-ción de los resultados, tanto para la implementación del algoritmo, como para la representación impresa.

En la investigación se aplicaron procedimientos estánda-res que no serán descritos aquí por tratarse de operacio-nes rutinarias en el análisis y tratamiento de datos espa-ciales; así como procedimientos específicos (figura 2) que son descritos a continuación:

En primer lugar se determina el Índice diferenciado de vegetación (DVI) el cual es usado para derivar el índi-ce de área foliar, de las siglas en ingles LAI, utilizando para ello las bandas 4 y 5 del sensor OLI del Landsat

Figura 2. Secuencia de procedimientos aplicados.

8, Olaya (2004), y el método (e-1) de Richardson and Wiegand (1977) citado por SAGA (2014).

NIRRDVI = ... (e-1)

Donde: R es la reflectancia espectral de la banda rojaNIR es la reflectancia espectral del infrarrojo cercano

Para la conversión a Radiancia en el tope de la atmósfe-ra (TOA) (e-2) se utiliza la banda 10 del sensor TIRS del satélite Landsat 8, siguiendo los parámetros suministra-dos en el documento USGS (2015).


LcalL AQML +=λ ... (e-2)

Donde: Lλ = Es el valor de radiancia espectral en el techo de la atmosfera (TOA) medida en valores de (Watts /m2 * srad * μm)) ML = Banda – Es el factor multiplicativo de escalado especifico obtenido del metadato (RADIANCE_MULT_BAND_x, donde x es el número de la banda) AL = Banda – Es el factor aditivo de escalado especifi-co obtenido del metadato (RADIANCE_ADD_BAND_x, donde x es el número de la banda) Qcal = Producto estándar cuantificado y calibrado por valores de pixel (DN). Este valor se refiere a cada una de las bandas de la imagen.

Seguidamente se debe convertir la radiancia espectral a temperatura de brillo en el satélite (e-3) utilizando las constantes térmicas suministradas en el archivo de me-tadato de la imagen. El resultado se corresponde con la unidad de temperatura en grados Kelvin y que debe ser convertido a grados Celsius.

+

=1ln 1

2

λLKKT ... (e-3)

Donde:T = Temperatura de brillo aparente en grados kelvin (K) Lλ = Corresponde a la reflectancia en el techo de la at-mosfera TOA (Watts/( m2 * srad* μm)) K1 = Es la constante de conversión K1 específica para cada banda, dicha constante térmica se suministra en el metadato (K1_CONSTANT_BAND_x, donde x es el número de la banda, 10 o 11) K2 = Es la constante de conversión K2 específica para cada banda, dicha constante térmica se suministra en el metadato (K2_CONSTANT_BAND_x, donde x es el número de la banda, 10 o 11)

Por último se determina la temperatura de la superficie de la tierra LST (e-4), según Wilson y Gallant (2000).

( )

−•

−•+

Ζ−Ζ•∆−=

max

111000 LAI

LAIS

SCT

TT bb

... (e-4)

Donde:Z es la cota del modelo de elevación digital (MED)Zb es la cota de la estación climática de referencia (m)Tb es la temperatura de la estación de referencia (°C)ΔT es el gradiente de temperatura (por defecto 6,5 °C por 1000m)C es una constante empírica (por defecto 1 °C)S es la radiación de onda corta (kW/m2)LAI Índice de área foliarLAImax es el valor máximo del Índice de área foliar

Resultados

Tomando en consideración, los elementos expresados anteriormente, se obtiene como primer resultado la ima-gen raster del índice diferenciado de vegetación (DVI) determinado con las bandas 4 y 5 del sensor OLI del sa-télite Landsat 8, donde se representa la cubierta vegetal en tonos que varían desde el verde oscuro degradado hasta el blanco, correspondiéndose con mayor vigor y densidad vegetal, hasta ausencia de la misma, respec-tivamente (Figura 3). Habiendo recorrido el área de es-tudio y conociendo la cobertura y uso de la tierra, se aprecia la correspondencia existente entre la vegetación densa en el bosque nublado montano alto y montano bajo (verde oscuro) en contraste con los afloramientos rocosos y suelo descubierto en tonos blancos, que aso-cian a los páramos y los picos de la Sierra Nevada de Mérida, así como a los principales centros urbanos.

La conversión de los niveles digitales registrados por el sensor TIRS del satélite Landsat 8 a radiancia al tope de la atmósfera (TOA) permite calcular la temperatura de brillo en grados Kelvin (Figura 4). Ello da como resulta-do dos capas distintas. Sin embargo, es la temperatura de brillo la que se utiliza como capa de entrada en los parámetros del menú en el programa SAGA.

En este sentido, en la figura puede evidenciarse la dis-tribución espacial de la temperatura de brillo, que re-


presenta la intensidad de la emisión de un cuerpo en una escala de temperaturas. Siendo así, las aéreas con valores más bajos aparecen en degradación del color azul, lo que se corresponde de manera general a la vertiente de umbría de la Sierra de la Culata y a las áreas cubiertas por bosque nublado tropical de la Sierra Nevada de Mérida, así como la cuenca baja del Río Mucujún. Mientras que las zonas con mayor intensidad de emisión expresada en tonos rojizos., son las relacio-nadas con las terrazas y el fondo de valle, donde se asienta la población.

Figura 4. Temperatura de brillo en grados Kelvin, para Enero 06, 2015.

Figura 5. Temperatura de la superficie de la Tiera (LST) en grados Celsius, para Enero 06, 2015.

A partir de los elementos antes mencionados, se obtiene el LST, empleando para ello el programa SAGA, que solicita como parámetros de entrada, la capa de tempe-ratura de brillo, el Modelo Digital de Elevación, la tem-peratura registrada en una estación meteorológica, y el gradiente alto térmico, lo cual genera como resultado, una nueva capa con la Temperatura de Superficie de la Tierra en grados Celsius (Figura 5).

De esta manera puede evidenciarse que las mayores temperaturas se encuentran asociadas a las zonas ocu-

padas por la mancha urbana, que a su vez se corres-ponden a las cotas más bajas del área de estudio, mien-tras que las menores temperaturas se corresponden a las vertientes de los sistemas montañosos, por lo que los valores mínimos se encuentran en las cumbres de los picos Bolívar y Humboldt, que son los puntos más altos del territorio nacional. Esto refleja que las variaciones térmicas están influenciadas directamente por la altitud.

Cabe señalar que ésta descripción de la representación espacial del LST se plantea de manera general, cono-

Figura 3. Índice diferenciado de vegetación (DVI). Calculado a par-tir de las bandas 4 y 5 sensor OLI Landsat 8, para Enero 06, 2015.


ciendo que los valores de temperatura entre los meses de enero y abril normalmente difieren debido a condi-ciones astronómicas. En la figura 6 se muestra el his-tograma, en el cual se observa una mayor proporción de superficie representada por temperaturas frías a muy frías en contra parte con una menor proporción espacial de temperaturas medias-alta; adicionalmente se mues-tran las cifras mínimas, medias y máximas correspon-dientes a cada fecha del estudio, a saber el 06 de enero y 28 de abril del 2015.

Figura 6. Histograma y valores de temperaturas mínimas y máxi-mas, calculadas a partir del LST (Enero 06 y Abril 28, 2015).

tienden a ser bajas, las cifras derivadas para la hora 15:00 presenta una mínima de -7,3 °C y una máxima de 30,0 °C aproximadamente, por lo que la diferencia térmica en el área de estudio es de 37,3 °C. Eviden-ciándose que ocurren dos picos en la concentración de los valores de temperatura, uno para las temperaturas relativamente bajas y otro para las temperaturas rela-tivamente altas.

De igual forma, en el mes de abril se da un mínimo de 9,7°C, mientras que el máximo es de 35,7°C, por lo que la diferencia de temperatura es de 26°C. Esto ex-presa que la oscilación térmica es menor para abril, aún cuando para el día 28, las temperaturas son mayores, existiendo una diferencia de más de 5°C entre los días 06 de enero y 28 de abril, algo inusual si se considera que Venezuela por ser un país tropical es categorizado como isotérmico (Reynolds et. al. 2014), por lo que la temperatura durante los diferentes meses del año debe-ría mantenerse mas o menos constante.

No obstante, este aumento en la temperatura superficial puede explicarse por el bochorno térmico que se experi-mentó en este periodo, el cual se reflejó en un incremen-to en la sensación térmica.

Para ampliar sobre este hecho, se realizó un proce-dimiento de algebra de mapas, en el que se resta la temperatura del mes de abril, entendiendo que son los

valores más altos, menos el mes de enero, en el que se encuentran los valores más bajos de temperatura.

De allí se obtuvo una nueva capa donde los sectores más claros representan aquellos en que las variaciones de las temperaturas son menores, mientras que los tonos oscuros se asocian a cambios en la temperatura de has-ta 7 °C (Figura 7).

Figura 7. Diferencia de Temperatura de la Superficie de la Tierra (LST) en grados Celsius, entre las fechas 28 de abril y 06 de enero de 2015.

Desde esta perspectiva, el mes de enero se asocia al invierno astronómico, por lo que las temperaturas

En este orden de ideas, los cambios notables en la temperatura de superficie pueden relacionarse con in-cendios que sucedieron en los primeros meses del año,


tal como lo reseña la Agencia Venezolana de Noticias que destaca “En la temporada seca del primer trimestre de 2015, 58 incendios de vegetación han combatido los bomberos del estado Mérida…” (AVN, 2015). En la imagen, pueden señalarse como incendios aquellas zonas oscuras de configuración geométrica irregular, que no siguen la disposición del relieve.

Esto sucede porque al desaparecer la cubierta vegetal, se acumula más calor, puesto que el suelo descubierto absor-be más energía que la vegetación en su estado natural.

Por consiguiente el cálculo de la Temperatura de Super-ficie de la Tierra (LST), es un resultado con el que se puede derivar información complementaria a la de tem-peratura propiamente dicha.

Conclusiones

Con respecto a los procedimientos metodológicos, se destaca la utilidad de los algoritmos que permiten de-rivar una variable geo-biofísica, a partir de la cual se elabora los mapas de Temperatura de Superficie de la Tierra (LST). Cabe destacar que estas etapas se llevan a cabo fácilmente empleando un programa informático que lo realiza de manera sistemática.

El resultado obtenido por el algoritmo (26,6°C y 32,5°C) presenta una alta correspondencia con el dato suminis-

trado por la estación climática (23,8°C y 29,6°C), por lo que se puede afirmar que el resto del área de estudio también muestra una similitud considerable entre los re-sultados derivados con respecto a la realidad.

La temperatura de la superficie está inversamente re-lacionada con la variación altitudinal, a medida que aumenta la altitud, la temperatura disminuye. De igual forma, se asocia la presencia de vegetación abundante en las zonas que se caracterizan por presentar tempe-raturas más bajas que en las áreas menos densas. Asi-mismo se aprecia en los núcleos urbanos una relación directamente proporcional de mayor temperatura en las zonas con mayor infraestructura construida y viceversa.

Agradecimiento

Queremos presentar nuestro afable agradecimiento a la Estación Meteorológica de Mérida, Servicio de Meteo-rología de la Aviación Militar Bolivariana, específica-mente al Teniente Coronel Gutiérrez Jhon por suministrar los valores de temperatura máxima para las fechas y hora requerida en la investigación.

Abreviaturas

Acrónimo DefiniciónAVN Agencia Venezolana de NoticiasDVI Difference Vegetation Index

FOSS Free Open Source SoftwareLANDSAT 8 Land Satellite v8LST Land Surface TemperatureOLI Operational Land ImagerSAGA System for Automated Geoscientific AnalysesSRTM Shuttle Radar Topography MissionTIRS Thermal Infrared SensorTOA Top Of Atmosphere

Referencias

AgenCiA VenezolAnA de notiCiAs AVn, (2015). 58 incen-dios han combatido bomberos de Mérida en tempo-rada seca. [en línea], 30 Enero 2015. Disponible en: <http://www.avn.info.ve/>.

CóRdoVA, k. (2011), Geotecnología espacial aplicada al estudio del clima urbano: análisis térmico superficial en la ciudad de Caracas, Venezuela, Revista Geo-gráfica Venezolana, Vol. 52(2) 2011. pp. 31-46.

fARR, t. g., et Al. (2007), The Shuttle Radar Topo-graphy Mission, Rev. Geophys., 45, RG2004, doi:10.1029/2005RG000183.

liAng s, li, x., y xie, x. (2013), Land surface observation, modeling and data assimilation, World Scientific Pu-blishing Co Pte Ltd. pp. 15-17.


olAyA, V. (2004), A gentle introduction to SAGA GIS, [en línea], Ver. 1.1. [fecha de consulta: 8 Marzo 2015], Disponible en: <http://sourceforge.net/projects/saga-gis/files/SAGA%20-%20Documen-tation/SAGA%20Documents/>. pp. 173-178.

Reynolds, s., Rohli, R., Johnson, J., wAylen, P. y fRAn-Cek m.(2014), Exploring physical geography. Mc-Graw-Hill. p. 215.

SAGA, Image_VI_Slope.cpp, [en línea], Ver. 2072. 2014, [fecha de consulta: 8 Marzo 2015], Disponi-ble en: <http://sourceforge.net/projects/saga-gis/files/SAGA%20-%202.1/SAGA%202.1.4/>.

silVA, g. (2002), Clasificación de los pisos térmicos en Venezuela, Revista Geográfica Venezolana, Vol. 43(2) 2002. pp. 311-328

USGS. (2015). Landsat 8 (L8) data users handbook. De-partment of the interior, U.S. Geological Survey. pp. 56-59 / 61-63

wilson, J. y gAllAnt, J. (2000), Terrain analysis: principles and applications, John Wiley & Sons, Inc. p. 98.


Los Vehículos Robóticos Aéreos No Tripulados (VRANT)

en la Geomática

mAnuel JAuRegui1, leiRA ChACón2

Universidad de los Andes. Instituto de Fotogrametrí[email protected]; [email protected]

RESUMEN

Los vehículos robóticos aéreos no tripulados (VRANT) también llamados Drones, constituyen hoy en día una tecnología cuyo uso se está incrementando de forma ex-ponencial. Entre las muchas propiedades de estos vehí-culos está la capacidad de captar imágenes del terreno utilizando diferentes sensores como pueden ser imáge-nes fotográficas, infrarrojas, termales, así como levan-tamientos tridimensionales de la superficie del terreno y elaboración de Modelos Digitales mediante barrido LASER o LIDAR. Este artículo de tipo documental, es el resultado de una revisión bibliográfica y técnica de dife-rentes tipos de Drones. Se presenta una descripción de estos vehículos, sus principales características, sensores disponibles y sus aplicaciones en la Geomática, con el objetivo de promover el interés en el uso de los mismos en nuestro medio.

Palabras clave: DRONES, MULTIROTORES, SENSORES, IMÁGENES, GEOMÁTICA.

UNMANNED AERIAL ROBOTIC VEHICLES IN GEOMATICS

ABSTRACT

The unmanned aerial robotic vehicles, also known as Drones, currently represent a technology whose use is growing exponentially. One important characteristic for these vehicles is the capacity to acquire images of the terrain surface using different types of sensors, to capture photographic, infrared, and thermic images. Also by incorporating a LIDAR scanner, Digital Eleva-tion Models of the terrain surface can be elaborated. This documentary article is the result of a literature and technical review of different types of Drones. A description of these vehicles, their main features, available sensors and their applications in Geomatics is presented, with the aim of promoting interest in using them in our midst.

Keywords: DRONES, MULTIROTORS, SENSORS, IMA-GES, GEOMATICS.

Introducción

Los Vehículos Robóticos Aéreos No Tripulados (VRANT) también conocidos como Drones, se refieren a todas las plataformas aéreas sin tripulación a bordo, con la capa-cidad de control autónomo de la estabilidad y trayecto-ria de vuelo de la aeronave. Estos vehículos no excluyen la intervención de un operador de telemetría para con-trolar la aeronave desde tierra.

El primer vuelo exitoso de una aeronave sin piloto se produjo en 1917, cuando Peter Cooper y Elmer Spe-rry, consiguieron controlar mediante radio un Curtiss N9 modificado. Durante las siguientes décadas se produjeron diferentes aeronaves dirigidas por radio, para uso casi exclusivamente militar. Es a finales del siglo XX, cuando producto del desarrollo tecnológico, como la navegación por satélite, los sensores iner-ciales, los micro componentes electrónicos para el control de vuelo de las aeronaves y el desarrollo de sensores de alta resolución y bajo peso, es que se ex-perimenta una explosión en la operación de los vehí-culos militares no tripulados con autonomía de vuelo. A partir del comienzo del siglo XXI, comienzan a de-sarrollarse modelos más ligeros y económicos orien-tados a las aplicaciones civiles. Actualmente el uso de los VRANT se ha extendido de forma exponencial en todo el mundo, creándose una nueva revolución: la del uso civil de los Drones.


Un VRANT consiste de:

a. El vehículo aéreo con los siguientes componentes:

• Un sistema IMU/GNSS (Unidad de medición iner-cial/Sistema de navegación global por satélite) para el control de la plataforma aérea en el vuelo sobre el terreno.

• Un módulo de telemetría encargado de transmitir y recibir datos del vuelo desde y hacia el operador.

• Cámara fotográfica y/o de video digital de alta resolución u otro tipo de sensor para la captura de información del terreno.

b. Una estación base, encargada del seguimiento del plan de vuelo por parte del operador de telemetría, recep-ción de imágenes fotográficas y video, y la eventual operación manual desde tierra del vuelo (ver figura 1).

Tipos de VRANT

Se pueden diferenciar en tres grandes grupos:

Aeroplanos: Son vehículos aéreos de ala fija. Su uso es principalmente militar para labores de reconocimiento. Existe una variedad de modelos en cuanto a sus caracte-rísticas operacionales, tamaño, peso, velocidad, altitud y radio de acción. Su principal aplicación civil es el mapeo topográfico.

Figura 1. Estación base. Fuente: https://3drobotics.com.

Helicópteros: Son vehículos aéreos de un solo rotor, de tama-ño medio, utilizados principalmente en aplicaciones civiles.

Multirotores: Son vehículos aéreos de varios rotores. Son económicos, de tamaño pequeño, estables, fáciles de operar y maniobrar.

La UVS Internacional

La UVS Internacional (Unmanned Vehicle Systems) es una asociación sin fines de lucro registrada en la cáma-ra de comercio de La Haya, Países Bajos y opera a tra-vés de oficinas en París, Francia. Los objetivos generales de la UVS Internacional son:

• Promover el uso de los UVS (sistemas vehiculares no tripulados) aéreos, terrestres, navales y espaciales.

• Proveer a la comunidad de usuarios de una voz a nivel global.

• Proveer un medio de obtener puntos de vista consen-suados internacionalmente sobre tópicos de impor-tancia a la comunidad de usuarios.

• Proveer un canal de intercambio de información entre la comunidad de usuarios.

Categorías de Vehículos Aéreos Autónomos: UVS International

Los VRANT están definidos por los componentes físi-cos, los cuales son categorizados por la UVS Inter-national según se muestra en las tablas 1.a y 1.b, a continuación.

Tabla 1.a. Extracto de las categorías de Vehículos Aéreos No Tripu-lados definidos por la UVS International.

CATEGORÍA TIPO DE VEHÍCULO PESO (KG)

Micro Multirotores 10<

Mini Helicóptero <25-30

Rango cercano Aeroplano 25-150

Rango medio Aeroplano 50-250

Rango extenso y gran altitud Aeroplano >250

Fuente: http://uvs-international.org.


Tabla 1.b. Extracto de las categorías de Vehículos Aéreos No Tripu-lados definidos por la UVS International.

CATEGORÍA RANGO DE VUELO (KM)

ALTURA DE VUELO (M)

DURACIÓN DEL VUELO (HORAS)

Micro 2.5< 250 Hasta 1

Mini 10< 150/250/300 < 2

Rango cercano 10-30 3000 2-4

Rango medio 30-70 3000 3-6

Rango extenso >70 >3000 >6

Fuente: http://uvs-international.org.

Selección de una plataforma aérea para usos civiles

La mayoría de las aplicaciones civiles que requiere del uso de VRANT, están generalmente referidas al fotografiado y/o reconocimiento de áreas de exten-siones con un radio no mayor a tres kilómetros. Tal es el caso de instalaciones industriales, zonas de de-sastres naturales, análisis de tráfico, arqueología aé-rea, instalaciones petroleras, plantaciones forestales, plantaciones agrícolas, instalaciones civiles, zonas portuarias, etc. En estas aplicaciones, los vehículos adecuados para la captura de imágenes aéreas co-rresponden con las categorías Micro y Mini, defini-das por la UVS. Para muchas aplicaciones civiles se

recomienda el uso de vehículos del tipo multirotores por sus características especiales.

Los Vehículos Multirotores

Son vehículos aéreos propulsados por varios rotores con capacidad para desarrollar un vuelo “in situ” ob-teniendo imágenes aéreas del lugar en tiempo real. Los más comunes son de cuatro rotores, pero también existen versiones de seis y ocho rotores. El control de estos vehículos se realiza alterando la velocidad de uno o más de los rotores. Estos vehículos utilizan un sistema electrónico de estabilización y navegación, basado en sensores electrónicos de altura, inclina-ción y aceleración así como de un receptor GNSS para determinar su posición y velocidad, reduciendo la actividad del operario en tierra a supervisar y diri-gir la trayectoria del mismo. Pueden levantar cargas de peso entre 200 gr. y 6 kg., haciéndolos ideales para adaptarles cámaras fotográficas o de video, así como otros sensores, para efectuar reconocimiento del terreno y otras aplicaciones. La figura 2 muestra el multirotor INDAGO de la empresa Lookheed Mar-tin, este equipo tiene un radio de operación de 5 Km., un tiempo máximo de vuelo de 45 minutos y la capacidad de portar múltiples sensores.

La figura 3 muestra el multirotor AD-Talon de la empresa Action drone USA, este equipo tiene un radio de opera-

ción de 1 Km., un tiempo máximo de vuelo de 25 minu-tos, velocidad máxima de 80 KMPH y la capacidad de portar múltiples sensores.

Figura 2. INDAGO. Fuente: http://www.lockheedmartin.com/

Figura 3. AD-Talon. Fuente: http://actiondroneusa.com.


Características generales de los Vehículos Multirotores

Los vehículos multirotores son de bajo costo, portables, robustos, de despegue vertical y con posibilidad de vuelo estacionario sobre un punto y desplazamiento a velocidad variable sobre el terreno, según sea requeri-do. Su trayectoria de vuelo puede ser programada con antelación y dirigida mediante GNSS. Son altamente maniobrables, muy estables y operables en condiciones climáticas adversas.

Aplicaciones, capacidades y limitaciones: Estos sistemas de vuelo no tripulados permiten:

• Realizar vuelos fotográficos a poca altura.• Ser utilizados en áreas de difícil acceso o de riesgos.• Permite toma de fotografías aéreas aún en condicio-

nes climáticas desfavorables.• Resuelven las necesidades de aquellos organismos

que requieran la realización frecuente de toma de fotografías aéreas.

• Son vehículos de bajo costo.• Su vuelo puede ser programado para realizarse de

forma autónoma y en condiciones de estabilidad de la plataforma aérea.

• Pueden incorporar otros tipos de sensores más espe-cializados, tales como infrarrojos, térmicos, LIDAR, multiespectrales.

Sus limitaciones lo constituyen:

• Su baja capacidad de carga.• Su limitado tiempo de vuelo.• El uso de sensores de bajo costo.

Actualmente se están introduciendo al mercado multiro-tores de tipo híbrido (gas/eléctrico), los cuales tienen una mayor capacidad de carga, lo cual per-mite colocar sensores más refinados, y con una autonomía de vue-lo de hasta 2.5 horas, con lo cual se superan las limitaciones an-teriores. La figura 4, muestra el Drone híbri-do Airborg H6 1500, de la empresa Top Fli-ght Technologies. Este Drone híbrido puede realizar vuelos con una duración de más de 2 horas y un recorrido total de hasta 150 kilómetros.

El uso de Multirotores representa un complemento a la captura de imágenes desde satélites y aeronaves tripuladas, debido a las limitaciones que los mismos presentan por condiciones de nubosidad y clima, re-

solución de las imágenes, costos de lanzamiento o vuelo, maniobrabilidad y disponibilidad restringida.

Acoplamiento de los sensores

Para el acoplamiento de los sensores al Drone se utilizan monturas de ensamblaje llamadas Gimbal. Estas mon-turas permiten la rotación del sensor sobre tres ejes en 360 grados. De esta forma se puede orientar el sensor durante el vuelo a la direc-ción deseada. La figura 5 muestra la Montura Gim-bal 3DR Solo, que permite la rotación de la cámara sobre 3 ejes según sea re-querido y se auto estabiliza mediante servomotores con una precisión de 0.1 grado sexagesimal.

Existen versiones de Gim-bal más sofisticadas que incluyen giroestabilizadores para mantener el sensor en una orientación fija en el espacio. La figura 6, muestra el Gimbal XACT Sense SSP-360, el cual tiene la capacidad de soportar diver-sos sensores del tipo: LIDAR, Multiespectrales, Infrarro-jos, Termales y Pancromáticos. La orientación del sensor puede ser ajustada y mantenida con muy alta precisión.

Figura 4. Drone híbrido Airborg H6 1500. Fuente: http://www.tflighttech.com/

Figura 5. Montura Gimbal 3DR Solo. Fuente: https://3drobotics.com


Tipos de Sensores

1. Cámaras fotográficas pancromáticas. Son sensibles a luz de longitudes de onda comprendidas entre 360nm. y 720nm., éstas pueden ser del tipo:

• Cámaras de acción. Son de tamaño pequeño, li-vianas cuyo peso está alrededor de los 100gr., son cámaras de lentes gran angulares con una resolución óptica de alrededor de 12MP, son programables en el sentido que permiten grabar videos o fotografías a intervalos previamente de-terminados. Las imágenes presentan distorsión del tipo barril. La figura 7 muestra la cámara Hero GoPro Silver, esta cámara de solo 136 gr. de peso, captura vídeo de calidad profesional a resoluciones de hasta 1920x1080p y fotos de 10 MP a velocidades de hasta 10 fotogramas por segundo.

• Cámaras compactas. Son cámaras de alta resolu-ción, hasta 24MP, buena calidad óptica. De dimen-siones aproximadas 120mm. x 70mm., lentes inter-cambiables, ajustándose a cada aplicación. Peso de alrededor de 300 gr. Pueden ser programables para la toma de videos y fotografías. La figura 8 muestra la cámara Sony Alpha 6000, con sensor APS-C de 24.3 Mega Pixeles, de 116 gr. de peso. La cámara es disparada automáticamente por el autopiloto se-gún sea programado en la planificación del vuelo.

• Cámaras de formato completo DSLR. Son cámaras de alta resolución, hasta 36MP, excelente calidad óptica. De dimensiones aproximadas 160 x 160 mm. Peso de alrededor de 500 gr. Lentes inter-cambiables, ajustándose a cada aplicación. Pixel de tamaño grande que ofrece una alta calidad de imagen. Pueden ser programables para la toma de videos y fotografías. La figura 9 muestra la Cá-mara Canon EOS MARK II, de 21.1 MP.

2. Cámaras fotográficas sensibles al cercano infrarrojo. Sensibles a longitudes de onda entre 360 y 900nm. Se utiliza en aplicaciones arqueológicas, agrícolas y forestales. La figura 10 muestra la Cámara Lumix LX7, de 10.1MP.con filtro infrarrojo.

3. Cámaras fotográficas infrarrojas. Sensibles a luz de longitudes de ondas entre 900 nm. a 1700 nm. Pro-ducen imágenes térmicas, ideales en aplicaciones tales como el manejo de aguas, inspecciones, opera-ciones de búsqueda y rescate. La figura 11 muestra la cámara infrarroja Tau SWIR, sensible a longitudes de onda entre 900 nm. y 1700 nm., produce una imagen de 640 x 512 pixeles, el tamaño del pixel es de 25micrones, su peso es de 130 gr. y sus dimensio-nes de sólo 38mm.x38mm.x48 mm.

4. Cámaras multiespectrales. Se utilizan bandas angos-tas del espectro electromagnético para detectar con-

Figura 6. XACT Sense SSP-360. Fuente: http://www.xactsense.com

Figura 7. Cárama Hero GoPro. Fuente: https://es.shop.gopro.com/cameras

Figura 8. Cámara Sony Alpha 6000. Fuente: http://www.sony.es/electronics/cameras-lentes-intercambiables/

Figura 9. Cámara Canon EOS MARK II. Fuente: http://www.canon.es

Figura 10. Cámara Lumix LX7. Fuente: http://www.panasonic.com


diciones específicas del terreno. La figura 12 muestra la cámara multiespectral Tetracam MCA6. Esta es una cámara muy liviana que consiste de 6 cámaras alineadas, cada una tiene un filtro que le permite captar imágenes monocromáticas de 7.8 MP en una banda estrecha del espectro electromagnético.

5. Barredores LIDAR. Se utilizan en la elaboración de Modelos Digitales de elevación del Terreno. La figu-ra 13 muestra el barredor LIDAR Velodyne HDL32E. Su peso es de 1050 gr., con un alcance de 120 m. Tiene una resolución de 2mm, su orientación se efec-túa mediante un sistema incorporado IMU/GNSS. La altura recomendada para la operación del multirotor, está comprendida entre 20 y 60 m.

Aplicaciones

La principal propiedad de un Drone radica en su capa-cidad para la adquisición de imágenes de la superficie

Figura 11. Cámara Infraroja Tau SWIR. Fuente: http://www.flir.com

Figura 12. Cámara Tetracam MCA6. Fuente: http://www.questuav.com

Figura 13. LIDAR Velodyne HDL32E. Fuente: http://www.phoenix-aerial.com

del terreno, por lo que son ampliamente utilizados en los levantamientos de información tanto de índole temá-tica como topográfica.

Si se desea fotografiar exhaustivamente un área de-terminada, se realiza previamente la planificación del vuelo determinando la trayectoria a seguir y los puntos o ubicaciones donde se captarán las imágenes. Pos-teriormente se realiza el vuelo fotográfico con gran precisión gracias al sistema IMU/GNSS del vehículo. La extensión y duración del vuelo depende de las ca-racterísticas de autonomía del vehículo. En algunos ca-sos será necesario dividir el vuelo en segmentos para proceder al cambio de la batería. Actualmente existe una variedad de software disponible para la planifi-cación del vuelo, calibración de la cámara fotográfi-ca y procesamiento de las imágenes para diferentes aplicaciones. A continuación se ofrece un listado de aplicaciones en Geomática:

• Fotografía y videografía aérea.• Fotogrametría. Elaboración de mapas lineales y

Ortofotografías.• Levantamientos LIDAR. Generación de Modelos Digi-

tales del Terreno (MET).• Teledetección. Procesamiento de imágenes multi-

espectrales.• Arqueología aérea.• Mapeo de instalaciones industriales.• Mapeo y monitoreo de canteras y minería a cielo

abierto.• Mapeo de catástrofes naturales.• Mapeo de deslizamientos y zonas de riesgos.• Mapeo de suelos y vegetación.• Levantamientos forestales.• Control de cuencas hidrográficas.• Análisis de polución en aguas costeras.• Termografía urbana.• Inspecciones de incendios.• Inspección y monitoreo de líneas de transmisión

eléctrica y ductos.• Operaciones HAZMAT.

Conclusiones

Los vehículos aéreos no tripulados multirotores represen-tan hoy en día una herramienta poderosa en la adqui-sición de información del terreno para aplicaciones de la Geomática. Su capacidad de desarrollar vuelos au-


tónomos, con trayectorias previamente programadas, se traduce en una serie de ventajas como son:

• Costos de operación razonables.• Accesibilidad inmediata para sobrevolar el lugar

requerido.• Capacidad operativa en condiciones climáticas

adversas.• Variedad en sensores a utilizar.• Despegue y aterrizaje vertical, puede ser desplegado

desde espacios muy reducidos.

El uso de imágenes captadas desde los vehículos aé-reos no tripulados multirotores representa una alter-nativa eficiente al uso de las imágenes de satélite y de aviones y/o helicópteros, por su alta resolución espacial y temporal.

El amplio desarrollo experimentado actualmente en el software de vuelo y los sensores de todo tipo para su ins-talación en estos vehículos, hacen que sea el momento propicio para iniciar su uso intensivo en muchas aplica-ciones de la Geomática.

Referencias

ACRe suRVeying solutions. (2015), Vehículos Aéreos No Tripulados. Productos, servicios y aplicaciones con UAV.

Cox, t., someRs, i., fRAtello, s. (2006). Earth Observation and Role of UAVs: A Capabilities Assessment, Ver-sion 1.1. Technical Report. Civil UAV Team, NASA.

eisenBeiss, h.(2009). UAV Photogrammetry. Ph.D. Thesis. Institut für Geodesie und Photogrammetrie, ETH-Zürich. Zürich, Suiza. Fuente: http://www.tflighttech.com

sánChez, g., muleRo, m., sAumeth, e. (2013). Vehículos aéreos no tripulados en Latinoamérica. Editor: Alfre-do Florensa de Medina. IDS. Madrid. España.

PARkeR, m., ChRis RoBBiAno, C., BottoRff, g. (2011), Qua-dcopter First Semester Report. Department of Elec-trical and Computer Engineering. Colorado State University.

Pinho oliVeiRA, g. (2014), Quadcopter for civil applications, Facultad de Ingeniería de la Universidad de Porto.

VeRBeke, J., (2014), Multicopters A Practical view on Un-manned aerialVehicles, kulab, Hamburgo.

http://actiondroneusa.comhttp://uvs-international.org/

http://www.canon.es

http://www.flir.com

http://www.lockheedmartin.com/

http://www.panasonic.com

http://www.phoenix-aerial.com

http://www.questuav.com

http://www.sony.es/electronics/camaras-lentes-inter-cambiables.

http://www.xactsense.com

https://3drobotics.com

https://3drobotics.com.

https://es.shop.gopro.com/cameras


Establecimiento de puntos de control terrestre para el

procesamiento de imágenes tomadas por Drones

CenAidA PeRdomo1, José CAiCedo2, noldin nuñez2, diego mAChAdo3, JuliAn gARCíA1, mARíA CoRinA PinedA1

Universidad Central de Venezuela. Facultad de Agronomía. Instituto de Edafología1,

Universidad Central de Venezuela. Facultad de Agronomía2,

SIGPER Consultores, C.A.3

[email protected]; [email protected]; [email protected]; [email protected];


RESUMEN

Con la finalidad de desarrollar un procedimiento de-tallado para la medición de puntos de control terres-tre, para generar la planimetría y altimetría de un terreno a partir de imágenes captadas por drones (vehículos aéreos no tripulados), se midieron doce (12) vértices distribuidos en una superficie de 16 ha, ubicadas en el campo experimental de la Facultad de Agronomía de la Universidad Central de Venezuela

en Maracay, municipio Girardot, estado Aragua. El control terrestre consistió en definir una serie de pun-tos con coordenadas, a través de observaciones reali-zadas con equipos GPS diferencial de alta precisión, partiendo de un punto de control base perteneciente a la Red Geocéntrica Venezolana (REGVEN), el cual fue trasladado a la zona de estudio, mediante un pro-ceso de triangulación. La selección de los puntos de control, se efectúo tomando en cuenta los datos del plan de vuelo del dron y usando como referencia una imagen de satélite de Google Earth. Se establecieron señales físicas sobre el terreno, y se realizaron las mediciones correspondientes utilizando el método de observación estática. La exactitud para el vértice del control base fue de ± 3 mm en el eje Este (E), Norte (N) (planimetría) y ± 4 mm en H (altimetría), y para el caso de los puntos de control terrestre ± 2 mm para el eje E, N y ± 2 mm para H. Los resulta-dos obtenidos determinaron el control de calidad de los datos y su confiablidad para ser utilizados en los procesos de corrección plani-altimétrica en imágenes tomadas por vehículos aéreos no tripulados.

Palabras clave: PUNTOS DE APOYO, AEROTRIANGU-LACIÓN, IMÁGENES FOTOGRAMÉTRICAS, FACUL-TAD DE AGRONOMÍA.

SURVEYING FOR IMAGE PROCESSING TAKEN BY UAV’S

ABSTRACT

In order to develop a detailed protocol to measure terres-trial control points, which are used to generate mapping and altimetry data of an area of land from images cap-tured by drones (unmanned aerial vehicles), twelve (12) vertices were measured in a 16 hectares area. The study area is located in the experimental field of the Agronomy Faculty of Universidad Central de Venezuela, in Maracay city, Girardot municipality, Aragua state, Venezuela. The terrestrial control involved the selection of several obser-vation points with coordinates taken by a high precision differential GPS. The base control point used belongs to the Geocentric Venezuelan Network (REGVEN), this was transferred to the study area by triangulation process. The selection of the ground control points was performed ta-king into account the drone flight plan data and using a satellite image of Google Earth as reference. Land marks were established on the area, and corresponding mea-surements were performed using the static method of ob-servation. Accuracy of the base control vertices was ± 3 mm in the East (E), North (N) (planimetry) and ± 4 mm H (altimetry). In the case of ground control points, the accu-racy was ± 2 mm for E, N and ± 2 mm for shaft H. Results determined quality control and reliability of the data to be used in correction processes of images taken by UAV´s.


Keywords: SUPPORT POINT, CORRECTION PLANIME-TRIC, ALTIMETRIC CORRECTION, IMAGE PHOTO-GRAMMETRIC, FACULTY OF AGRONOMY.

Introducción

Un punto de control es un sitio físico en tierra del cual es conocida su posición respecto a un sistema de coorde-nadas, y puede utilizarse como guía (Cruz, 2008).

Generalmente estos puntos se establecen con la finalidad de ofrecer información de gran utilidad en los procesos de georeferenciar objetos espaciales y/o fenómenos de interés de acuerdo a las necesidades o naturaleza espe-cífica de cada proyecto.

Pérez, 2001, establece que para tener un mayor con-trol en la corrección plani-altimétrica de las imágenes, es necesario el establecimiento de cinco (05) puntos, distribuidos en las esquinas y uno en el centro, esto con la finalidad de obtener una mayor precisión al momen-to de efectuar el proceso de restitución, ya que resulta arriesgado realizarla fuera de los límites que encierra el cuadrilátero que une estos puntos. De igual forma poder corregir las inclinaciones longitudinales y transversales de la fase de orientación absoluta.

La red geodésica es un conjunto de puntos ubicados en la superficie terrestre en los cuales se determina su posi-

ción geográfica, (IGVSB, 2003). Ésta conforma la base geométrica que sirve de referencia para todos los sistemas espaciales. Está constituida por una red de puntos de con-trol, sobre los cuales se deben apoyar los levantamientos cartográficos. Estos deben ser los puntos de partida o con-trol para los trabajos de posicionamiento. (Farjas, 2006).

El trabajo realizado se ajustó a las normas y procedi-mientos vigentes del Instituto Geográfico de Venezuela Simón Bolívar (IGVSB, 2000), que establece la obliga-toriedad de iniciar las mediciones a partir de coorde-nadas conocidas para garantizar la vinculación con el sistema geodésico nacional.

Para vincular un punto de control base desde vértices ya establecidos, los usuarios deberán colocar un receptor GPS, en el vértice más conveniente de acuerdo a las nece-sidades de su proyecto cuyas coordenadas son conocidas y otro receptor sobre el vértice a establecer. (IGNP, 2005).

En este caso se partió del BM (Bench Mark) UCV Ma-racay1 con posición E, N, H, certificado por el Insti-tuto Geográfico de Venezuela Simón Bolívar, el cual fue medido a partir de un punto de la Red Geocén-trica Venezolana REGVEN de orden B denominado Obelisco Maracay.

Este BM UCV Maracay1 fue sincronizado con el punto de control trasladado a campo identificado como CENT.

La finalidad de este trabajo fue desarrollar una me-todología para realizar levantamientos de puntos de control terrestre mediante la utilización de GPS (Global Positioning System) diferencial, para la co-rrección plani-altimétrica de imágenes tomadas por drones (vehículos aéreos no tripulados). Debido al creciente uso de esta tecnología en levantamientos cartográficos, es importante establecer puntos de control terrestre que permitan determinar la exactitud y precisión requerida, tanto en la altimetría como en la planimetría de los productos cartográficos genera-dos por éstos.


• Doce (12) Láminas de material plástico de dimensio-nes 60 cm x 60 cm.

• Tres (03) GPS: dos (2) marca MAGELLAN, modelo Promark 3 y un sokkia stratus ambos de una fre-cuencia (L1).

• Computadora portátil marca Toshiba satellite.• Software de procesamiento GNSS Solution, V.

3.7.50.• Instrumentos de medición topográficos como; trípo-

des, cintas métricas y jalones.• Cámara fotográfica digital.• Herramientas de construcción (cabillas de 3/8” y

martillo).


Metodología

La actividad consistió en establecer una serie de coor-denadas que luego fueron utilizadas como puntos de control terrestre, en la corrección plani-altimétrica de imágenes captadas por un vehículo aéreo no tripulado. Se describe el procedimiento para el establecimiento de los puntos de control terrestre, para el posterior procesa-miento de las imágenes tomadas por el dron.

Planificación de la actividad

Se estudiaron las técnicas y los requerimientos que se utilizarían para realizar el levantamiento de los puntos de control terrestre, así como las condiciones y la factibi-lidad. Se logró identificar que no existían factores físicos, como tendidos eléctricos, que causaran efectos de rebote de las señales electromagnéticas, estructuras o cuerpos naturales (árboles, ni terrenos con cultivos), entre otros, que incidieran en las mediciones, y en consecuencia al-teraran la exactitud esperada del levantamiento.

El procedimiento para la determinación de coordenadas planimétricas (control horizontal) y altimétrica (control vertical) se conoce con el nombre de apoyo de campo. En la realización de los trabajos topográficos y geodési-cos que lleva consigo la fotogrametría, es necesario utili-zar unos métodos e instrumentos que agilicen al máximo el levantamiento de los puntos de control. (Pérez, 2001).

Tomando en consideración la importancia del uso de este instrumento en el proceso de captura, almacena-miento, cálculo y trasmisión de los datos de campo. Se comprobó la disponibilidad de los equipos GPS diferen-cial con precisión topográfica.

Usando como referencia una imagen de satélite de Goo-gle Earth, a escala 1:1000 y tamaño de pixel de 15 cm, se seleccionaron los puntos de control abarcando los ex-tremos y la parte central del área de estudio, incluyendo puntos de apoyo adicionales para obtener una mayor precisión en el proceso de corrección plani-altimétrico.

Reconocimiento y demarcación del área de estudio

A través de un recorrido en campo y utilizando un GPS navegador se localizaron los sitios preliminares de los puntos de control terrestre. Una vez seleccionados los posibles sitios se cargaron sus coordenadas aproxima-das a través del uso de la herramienta computacional Google Earth versión 7.15.

El área seleccionada ocupa una superficie de 16 ha, en-contrándose libre de obstáculos físicos, lo que garantizó una buena cobertura espacial.

Se determinó que el levantamiento estaría constitui-do por un total de doce (12) puntos (Figura 1). De

los cuales seis puntos identificados con color verde, se utilizarían para corregir el producto cartográfico teniendo en cuenta que según los métodos común-mente utilizados en este tipo de procesos, cinco se-rían necesarios para comprobar el control terrestre, y los seis restantes para validar el resultado (puntos de color amarillo).

Figura 1. Ubicación de puntos de control (verde) y validación (amarillo).

Estos puntos de control preseleccionados fueron loca-lizados en campo mediante la utilización de un GPS Navegador modelo Garmin con antena de ultra sensibi-lidad HotFix para su ubicación definitiva.


En cada punto de control se realizó la señalización. Esta consiste en la materialización en campo de una serie de señales, previamente a la realización del vuelo, dis-tribuidas según una densidad lo cual se mencionó con anterioridad y forma de la misma, con el propósito de poderlas identificar visualmente para utilizarlas como puntos de apoyo. (Pérez, 2001).

Los círculos, cruces y rectángulos, son los tres tipos de formas más conocidas, pero generalmente la más co-mún en adoptarse es la cuadrada y el material utilizado es aluminio, contrachapado o cartón. Los colores reco-mendados son los no naturales sobre un fondo contras-tado para que aparezcan perfectamente en las fotogra-fías. Las dimensiones se definen en función de la escala, siendo 15 cm x 15 cm, la recomendada para escalas grandes (≈1:3000).

Sin embargo, para este estudio se decidió utilizar di-mensiones mayores para asegurar una rápida y fácil identificación cuando el vehículo aéreo no tripulado rea-lizara la captura de la imagen.

La señalización de los puntos se llevó a cabo, como se muestra la figura 2, colocando láminas de mate-rial plástico de dimensiones 60 cm x 60 cm, cubier-tas con pintura negro mate, y sujetadas al suelo con cabillas de 3/8``.

Figura 2. Señalización de los puntos de control terrestre.

Traslado del Punto Base

Punto de origen para la medición

El vértice geodésico UCV Maracay1 perteneciente a la Red Geocéntrica de Venezuela REGVEN se tomó como base de partida del levantamiento, (Tabla 1). Este está ubicado en la redoma de la Fuente del Campus UCV-Maracay, parroquia Los Tacariguas, municipio Gi-rardot, estado Aragua.

Este punto base fue trasladado a la parcela, pertenecien-te al Campo Experimental de la Facultad de Agronomía, y fue denominado como Base (CENT). Se demarcó de

forma temporal, con un trozo de madera de 20 cm de largo por 1” de diámetro.

Tabla 1. Coordenadas del vértice geodésico (UCV Maracay 1).

LATITUD N

LONGITUD O

UTM NORTE (m)

UTM ESTE (m)

1016’16,9569” 6736’47,9211” 1135744,85 651861,024

Datum SIRGAS-REGVEN, Huso 19, Elipsoide GRS80 Cota Elipsoidal (h): 427,15 m Cota Ortométrica (H): 444,39 m

Vinculación de GPS y traslado de red Geodésica

Se sincronizó una red geodésica formada por tres vértices: UCV Maracay1, CENT con distancia de 1065,871 m y REM 1006,373 m, esto permitió la triangulación de los vértices CENT y REM, con respec-to a la red geodésica a través del vértice UCV Mara-cay1. Una vez ubicados, se procedió a efectuar las mediciones con equipos GPS receptores diferenciales de precisión topográfica (Figura 3) en modo estático, con un tiempo de medición de 60 minutos, con inter-valos de captura mínimos de 5 segundos, y tomando en consideración valores de dilución de precisión de posición (PDOP) menor a 4. Esto en función de la dis-tancia (1-10 km) del punto de control base y el tipo de instrumento a utilizar.


Figura 3. Vértices vinculados y captura de datos.

Levantamiento de la información

La información geográfica corresponde al conjunto de observaciones realizadas directamente sobre el terreno con los equipos GPS (Figura 4). En este sentido, se uti-lizaron para las mediciones de los doce (12) puntos de control terrestre, dos (2) receptores marca MAGELLAN

modelo Promark 3 con antena NAP100 de una frecuen-cia bajo la modalidad estático. Configurados con un án-gulo de corte o mascara de elevación sobre el horizonte de 15°, y 5 segundos de intervalo de grabación.

Figura 4. Captura de datos con GPS.

Además se consideraron factores como el número de satélites captados y el factor PDOP ≤4, como indicador de la calidad de la recepción. Un tercer equipo fue es-tacionado sobre el vértice denominado CENT, que se consideró como estación de referencia.

En cada punto de control se realizó medición de la altu-ra vertical de la antena sobre la marca de la estación.

Los puntos de control terrestre fueron observados duran-te un tiempo mínimo de 30 minutos, y una línea base < 250 metros (CENT).

Las coordenadas geodésicas obtenidas en el levanta-miento de campo fueron sometidas a un postproceso, el cual incluyó:

• Descarga de todos los datos de medición de los GPS.• Creación de un nuevo proyecto en el software GNSS

Solution Versión 3.7.50.• Para el proceso de los datos se le indicó al sistema

cual era el punto de control base, y el resto de las líneas bases obtenidas.

• Se realizó el procesamiento tomando en considera-ción las efemérides precisas, producto del análisis de la interconexión entre puntos para el ajuste de la red.

• Los resultados fueron analizados minuciosamente para comprobar si el error medio cuadrático y la exactitud se ajustó a los valores requeridos.

• Finalmente se obtuvo un listado de coordenadas ajus-tadas con su error, con respecto a la base CENT.

En la figura 5, se puede apreciar parte del procesamien-to de corrección aplicado a las coordenadas obtenidas en el levantamiento de campo.


Figura 5. Procesamiento geodésico y vértices.


La exactitud obtenida producto de la vinculación de los vértices CENT y REM, con respecto al punto de control geodésico utilizado UCV Maracay1, fue de ± 3 mm en los ejes E, N (planimetría) y de ± 4 mm en H (altu-ra), referidos al Datum de trabajo oficial para el país (REGVEN) y valor de PDOP de 2.

En el caso del procesamiento de los doce (12) puntos de control terrestre, la Tabla 2 muestra los resultados de los cálculos ajustados para cada vértice, incluyendo el control geodésico identificado como CENT.

Tabla 2. Coordenadas de los puntos de control terrestre ajustados, parcela Campo Experimental de la Facultad de Agronomía - UCV.

NOMBRE ESTE NORTE ALTURA ORTOMÉTRICA

Base (CENT) 652505.310 1136593.707 447.92

PC01 652437.541 1136811.385 448.46

PC02 652518.215 1136801.228 448.43

PC03 652599.847 1136790.538 449.22

P040 652419.492 1136638.489 447.28

P050 652500.027 1136625.765 446.94

P060 652376.768 1136507.913 446.40

P070 652463.564 1136481.971 445.80

P080 652543.980 1136476.113 446.05

PC09 652494.581 1136752.761 448.00

PP10 652458.885 1136547.924 446.15

PP11 652529.447 1136607.524 446.80

PTAN 652345.106 1136656.756 447.95

La exactitud obtenida como media para los puntos de control terrestre, con respecto al vértice CENT fue de ±

2 mm, en los ejes de planimetría (E, N) y de ± 2 mm en la altimetría (H).

Los datos se encuentran referidos al Datum oficial REGVEN, y las coordenadas expresadas en UTM (Uni-versal Transversal de Mercator), tal como lo establecen las normas y procedimientos vigentes del Instituto Geo-gráfico de Venezuela Simón Bolívar (IGVSB, 2003).

Con estos puntos de control se logró georeferenciar el producto cartográfico con la precisión y exactitud re-querida (Figura 6), lo cual se visualizó al coincidir la ortoimagen con las señales en la posición de E, N, H con respecto a los puntos de validación.

Figura 6. Puntos de control terrestre sobre imagen tomada por un vehículo aéreo no tripulado.


Conclusiones

El empleo de equipos GPS diferencial de una frecuencia en modalidad estática para levantamientos de puntos de control terrestre, constituye una herramienta precisa que resulta efectiva, con relación al uso de equipos to-pográficos tradicionales en lo que al trabajo de campo se refiere, particularmente si se involucran dos o más equipos GPS de manera simultánea.

El procedimiento descrito puede ser aplicado a cual-quier trabajo similar de establecimiento de puntos de control terrestre, para la corrección plani-altimétrica de imágenes tomadas por drones (vehículos aéreos no tri-pulados), garantizando calidad y rapidez en la obten-ción de la información.

Se pudo determinar la calidad de los puntos de control terrestre generados, al identificar la coincidencia posicio-nal de las marcas utilizadas como puntos de validación.

Agradecimiento

Esta investigación fue apoyada por fondos provenientes de: la Ley Orgánica de Ciencia, Tecnología e Innova-ción (LOCTI) y del Consejo de Desarrollo Científico y Humanístico de la Universidad Central de Venezuela (CDCH-UCV). Al International Centre for Theoretical Physics (Trieste-Italia) por el apoyo financiero y becas.

De igual forma se expresa el agradecimiento a la em-presa SIGPER CONSULTORES, C.A. por facilitar el uso de receptores GPS y apoyar con el personal para el establecimiento de los puntos de control.

Referencias

CRuz m., m. (2008). Caracterización de puntos de con-trol en teledetección: Aplicación de la corrección geométrica automática de imágenes NOAA-AVHRR GAC-5km. Tesis Doctoral. Universidad de Almería, Departamento de Lenguaje y Computación. Dispo-nible en: https://books.google.co.ve/ [Citado: 22 de julio de 2015].

fARJAs A., m. (2006).Redes topográficas. Métodos to-pográficos y ciencias de la tierra. Plan de estudio. Universidad Politécnica de Madrid. Asignatura To-pografía II. Disponible en: http://ocw.upm.es/ingenieria-cartografica-geodesica-y-fotogrametria/topografia-ii/ [Citado: 27 de julio de 2015].

PéRez A. J.(2001). Apuntes de fotogrametría III. Universidad de Extremadura, Centro Universitario de Mérida. Inge-niería Técnica en Topografía. 242 p. Mérida, España.

instituto geogRáfiCo de VenezuelA simón BolíVAR.(2000). Ley de Geografía, Cartografía y Catastro Nacional. Ga-ceta Oficial 37.002. 28 de julio de 2000. pp 32.

instituto geogRáfiCo de VenezuelA simón BolíVAR. (2003). Normas Técnicas para la Formación y Conserva-ción del Catastro Nacional. Gaceta Oficial 5.590. Extraordinario. Caracas. Junio 2002. pp. 15.

instituto geogRáfiCo nACionAl de PeRú (IGNP), (2005). Proyecto de normas técnicas de levantamientos geo-désico. Dirección de geodesia. https://books.goo-gle.co.ve/books [Citado: 22 de julio de 2015].


Cartografía digital de propiedades morfológicas de suelo usando lógica borrosa en paisajes de

montaña

mARíA CoRinA PinedA1, ángel VAleRA2, Jesús ViloRiA2

Universidad Central de Venezuela. Facultad de Agronomía. Instituto de Edafología1,

Universidad Rómulo Gallegos. Centro de Investigación y Extensión en Suelos y Aguas2


RESUMEN

En áreas de montaña con alta incidencia de movimientos en masa las propiedades del suelo muestran una alta hetero-geneidad que ha dificultado la elaboración de mapas con-vencionales de suelos. Adicionalmente, la complejidad del relieve y las restricciones de acceso en estas áreas limitan la cantidad y distribución espacial de sitios de muestreo. La aplicación de métodos cuantitativos basados en atributos de la superficie del terreno derivados de modelos digitales de elevación e imágenes de satélite podría contribuir a su-perar las dificultades para la cartografía de suelos en estas áreas. Esta investigación fue realizada en la cuenca del río Caramacate en el centro-norte de Venezuela. Se aplicó un

enfoque de inferencia espacial basado en la teoría de los conjuntos borrosos (fuzzy set) para la representación carto-gráfica del espesor del horizonte A del suelo, espesor del solum, profundidad efectiva y tipo de perfil de suelo. Estas propiedades edáficas presentan un alto grado de variación a cortas distancias en el área de estudio. Se utilizó el algo-ritmo c-medias borroso (Fuzzy C-means) implementado en un modelo de inferencia suelo-paisaje (SoLIM). Los modelos de predicción espacial obtenidos revelaron las relaciones entre estos atributos edáficos y la variación del paisaje. Su validación con un conjunto independiente de datos re-veló que el grado de acuerdo entre los valores estimados y observados supera en promedio el 61%. Este ajuste se considera aceptable, tomando en consideración la dispo-nibilidad limitada de datos y el patrón intrincado de suelos en el área de estudio.

Palabras clave: PROFUNDIDAD DEL SUELO, ESPESOR DEL HORIZONTE A, SOLUM, MODELO DIGITAL DE ELEVACIÓN.

DIGITAL MAPPING OF SOIL MORPHOLOGICAL PROPIERTIES USING FUZZY LOGIC IN MOUNTAIN

LANDSCAPES

ABSTRACT

In mountain areas with high incidence of landslides, soil properties show a high heterogeneity that has hindered

the development of conventional soil maps. Additionally, the complexity of the relief and access restrictions in these areas limit the amount and spatial distribution of sampling sites. The application of quantitative methods based on land surface attributes derived from digital elevation mo-dels and satellite images could help to overcome the diffi-culties for soil mapping in these areas. This research was conducted in the Caramacate river basin in north-central Venezuela. A space inference approach based on the theory of fuzzy sets (fuzzy set) was applied for mapping the thickness of the A horizon, solum thickness, effective depth and type of soil profile. These soil properties have a high degree of variation at short distances in the study area. The obtained spatial prediction models revealed the relationships between these soil attributes and the lands-cape variation. An independent validation data set revea-led that the degree of agreement between the estimated and observed values exceeds 61% on average. This level is acceptable, considering the limited availability of data and the intricate pattern of soils in the study area.

Keywords: SOIL DEPTH, A HORIZON THICKNESS, SO-LUM, DIGITAL ELEVATION MODEL.

Introducción

La planificación del uso de la tierra en las áreas mon-tañosas frecuentemente es limitada por la falta de infor-mación confiable sobre el recurso suelo. Esta situación


ha hecho difícil la toma de decisiones para la planifica-ción del uso de la tierra y la implementación de siste-mas sostenibles que preserven los recursos naturales. En Venezuela estas áreas no fueron incluidas inicialmente en las jornadas de levantamiento convencional de suelo debido a que su potencial agrícola era limitado.

Hoy en día es necesario incorporar las mismas dentro de los proyectos de planificación, razón por la cual se ha tratado de realizar el levantamiento de la informa-ción. El levantamiento de suelos convencional que has-ta ahora había sido la principal fuente de información sobre la distribución espacial de las propiedades del suelo, es un proceso que consume tiempo, principal-mente en áreas con alta heterogeneidad. El Modelo de inferencia espacial bajo lógica borrosa fue desarrolla-do para superar las limitaciones de los estudios de suelo convencionales. Con esta técnica se busca desarrollar un modelo de predicción y el grado de incertidumbre para cada una de las propiedades de interés. Con el proceso de inferencia bajo lógica borrosa, se estiman los valores de cada una de las propiedades tanto en los sitios de muestreo como en posiciones no conoci-das. En esta investigación se aplicó la técnica de RK con la finalidad de generar modelos de predicción de varias propiedades morfológicas del suelo, a partir de variables ambientales derivadas de MDE e imágenes satelitales en un sector de paisajes de montañas. Las propiedades edáficas empleadas para la generación

de los modelos, se corresponde con información básica de utilidad para la planificación.


Área de Estudio

Se seleccionó un sector dentro de la cuenca del río Ca-ramacate (6.760 ha). La cual se ubica entre las coor-denadas UTM 696.879-712.415 Norte, y 1.098.310-1.123.583 Este, Huso 19 abarcando parte de los municipios Santos Michelena y San Sebastián de los Reyes del estado Aragua. Esta cuenca está sometida a intensos procesos de degradación ambiental y carece de suficiente información para apoyar la implantación de planes de manejo.

Datos de Suelos

Se levantó un total de 133 perfiles de suelo (inclu-yen calicatas, cortes de carreteras y barrenos agro-lógicos). Estos se localizan sobre cuatro formaciones litogeomorfológicas: metatobas de El Caño-El Chino (VCñc), metalavas de El Carmen (VCca), sedimentos aluviales acarreados por el río Caramacate (Qñcca) y mantos coluvio-aluviales (Cñc). Estas unidades expli-can la variación de las propiedades del suelo (Pineda et. al., 2011).

Variables Auxiliares

Para la obtención de clases digitales de superficie de terreno (clases DST) se utilizó un modelo digital de ele-vación (MDE) de 15 m de resolución espacial, generado a partir de información vectorial derivada de ortofoto-mapas (6746-II-SO; 6746-II-SE; 6746-II-NO y 6746-I-NO), con Proyección UTM, Datum REGVEN, Huso 19, a escala 1:25.000, usando el método ANUDEM (topo to raster) desarrollado por Hutchinson (1988). A partir de este se derivaron diversos parámetros topográficos (Tabla 1) denominadas co-variables ambientales.

Tabla 1. Co-variables ambientales utilizadas generadas a partir del MDE usando System form Automated Geoscientific Analysis (SAGA).

PARÁMETROS AMBIENTALES AUTOR

Altitud Hutchinson (1988)

Posición relativa Böhner (2004)

Pendiente en gradosBurrough and McDonell (1998)

Orientación de la pendiente

Curvatura verticalLee and Talib (2005)

Curvatura horizontal

Índice de transporte de sedimentos Moore and Wilson (1993)

Área de captación Tarboton et al.(1991)

Índice topográfico de humedad Wilson and Gallant (2000)


Adicionalmente se incorporó un mapa de precipitación rea-lizado por el método Kriging ordinario (Pineda, 2011) y el Índice de vegetación de diferencia normalizada (NDVI) el cual fue calculado a partir de una imagen Spot 5 multies-pectral 658-330 08/03/26. Las co-variables ambientales se corresponden a los factores de la ecuación clorpt de Jen-ny (1941) y al modelo geoespacial multivariado scorpan, formulado por McBratney et. al. (2003).Estas fueron em-pleadas como parámetros de entrada para la estimación de algunas propiedades específicas de los suelos.

Modelo de inferencia espacial bajo Lógica Borrosa

El Modelo de inferencia espacial bajo lógica borrosa fue desarrollado para superar las limitaciones de los estudios de suelo convencionales. Esta propuesta, de-nominada modelo de inferencia suelo-paisaje (SoLIM, Soil-Landscape Inference Model) (Zhu y Burt, 2011) o enfoque FCM-SoLIM (Yang et. al., 2011) consta de tres componentes principales: 1) un modelo de similitud para representar la variación gradual de los suelos, 2) las técnicas de inferencia para derivar los valores de similitud para una ubicación determinada y, 3) un motor de inferencia borrosa para la generación de productos de información de suelos, utilizando los valores de simi-litud (Zhu et. al., 2010).

El modelo de similitud utiliza una representación en for-mato raster, ésta se basa en la teoría de la lógica bo-

rrosa, en la que el tipo de suelo o una propiedad en un píxel dado puede ser asignado a más de una clase, con variación gradual a las categorías asignadas (Zhu, 1997). Esos grados de asignación a las clases están referidos a una membresía borrosa, que puede ser con-siderada como una medida de similitud entre los suelos locales y los casos típicos de una categoría determina-da (e.g. unidad taxonómica). Las técnicas de inferencia para derivar los valores de similitud consisten en el cál-culo de los valores de similitud en un lugar determina-do bajo el enfoque FCM-SoLIM el cual se apoya en la ecuación de factores formadores del suelo (Jenny, 1941) o en el modelo suelo-paisaje (Hudson, 1992). Con este enfoque, las técnicas de SIG y teledetección se utilizan para caracterizar el ambiente de formación del suelo. Un motor de inferencia desarrollado bajo lógica difusa se utiliza para vincular las condiciones ambientales de formación del suelo con los suelos en el paisaje.

En esta investigación se utilizó el enfoque de cartografía de suelos basada en muestras, para la estimación de los valores de similitud para cada localización espacial o píxel (conocimiento tipo I). Para lo cual se requiere un conjunto de capas de geoinformación (co-variables) que representan las condiciones ambientales indicativas de las condiciones del suelo. Para establecer las relacio-nes se proporcionaron las muestras con sus respectivas coordenadas usando un motor de inferencia basado en lógica borrosa (SIE, Soil Inference Engine) para vincular

la base de datos SIG con las muestras de campo. Para la integración de las similitudes a nivel de variables se empleó el método del promedio ponderado, el cual con-sidera que en los sitios muestreados del área de estudio, los factores del medio ambiente tiene una similar expre-sión en la formación de los suelos. El método considera que el valor de una propiedad de suelo en un lugar determinado es la media ponderada de los valores de pertenencia difusa y los valores de la propiedad de un suelo típico representativo de un área determinada.

Evaluación de los modelos de predicción

Para la evaluación de la bondad de ajuste de los modelos de predicción de las propiedades del suelo se utilizó el co-eficiente de determinación múltiple ajustado (R2a) por el número de variables predictoras (Hengl et. al., 2004).

Evaluación de la confiabilidad de los modelos de predicción

Para la evaluación de la exactitud de los modelos de predicción de las propiedades de los suelos, se utili-zaron cuatro (4) índices: el error medio de predicción (MPE), el error medio absoluto (MAE), la raíz del error cuadrático medio de predicción (RMSPE) y el coeficiente de concordancia (AC). El primer índice evalúa el error sistemático e indica la presencia de subestimación o so-brestimación del modelo, el segundo garantiza que el


resultado del error sea estrictamente positivo y el ter-cero evalúa la precisión de la predicción. Los valores de MPE, RMSPE y MAE iguales a 0 indican un ajuste perfecto. El coeficiente de concordancia (AC) es una me-dida del grado del error de predicción de los modelos normalizados y varía entre 0 y 1. Un valor calculado de 1 indica un acuerdo perfecto entre los valores medidos y predichos, y un valor de 0 indica que no hay acuerdo o existe un desacuerdo total entre los valores estimados y los observados.

Para la validación se empleó un conjunto de datos inde-pendientes equivalentes al 25% (33 perfiles). Los datos restantes fueron utilizados para el ajuste y desarrollo de los modelos (100 perfiles).


Evaluación de los modelos de predicción de propiedades del suelo

Los modelos de estimación de las propiedades morfo-lógicas fueron evaluados a partir del R2 ajustado y la suma del cuadrado de los residuos (SSE), arrojando los resultados señalados en la Tabla 2. Los modelos obte-nidos con el conjunto de datos de calibración explican más del 80% de la variación edáfica para el área de estudio por lo que estas podrían ser representadas espa-cialmente ya que existe una estructura de variación es-

pacial. Estas explican en promedio más del 78% presen-tando una aceptable bondad de ajuste de los modelos obtenidos. Es importante señalar que la mayoría de los modelos son capaces de representar espacialmente pro-piedades con una alta variación de corto alcance y con variaciones aleatorias superiores al 80%. Este resultado se vinculó a la fortaleza de los valores de similitud ob-tenidos bajo la perspectiva de la lógica borrosa, inde-pendientemente de su estructura de variación espacial.

Tabla 2. Indicadores de la bondad de ajuste de los modelos de pre-dicción de propiedades del suelo con técnicas de inferencia borrosa.

PROPIEDAD N R2 R2a SSE

Esp A (cm) 100 0,84 0,82 1556

Esp B (cm) 100 0,75 0,72 21682

Esp AB (cm) 100 0,80 0,77 23952

PEF (cm) 100 0,81 0,79 37680

T. Perfil 100 0,80 0,78 120

N: número de perfiles de suelo, R2a: ajustado con las variables auxiliares utilizadas, SSE: Suma de cuadrado de los residuales, Esp A: Espesor A, Esp AB: Espesor del solum, PEF: Profundidad efectiva, T. Perfil: Tipo de perfil.

Los resultados de algunas investigaciones realizadas por Zhu et. al. (2008) indican que un 76% de ajuste es aceptable para un proceso inicial de cartografía digital de suelos con disponibilidad limitada de datos. Adicio-nalmente estas son variables de fácil determinación que pueden ser chequeadas fácilmente en campo.


La evaluación de la confiabilidad alcanzada en la gene-ración de los mapas para los modelos de propiedades morfológicas se señala en la Tabla 3.

Tabla 3. Evaluación de la confiabilidad de los modelos de predic-ción de propiedades del suelo con técnicas de inferencia borrosa.

PROPIEDAD MAE RMSPE AC S MPEEsp A (cm) 2,44 3,03 0,59 2,60 0,58Esp B (cm) 7,69 12,27 0,62 13,25 0,87Esp AB (cm) 9,43 13,17 0,67 13,95 2,15PEF (cm) 13,02 16,71 0,52 14,35 3,72T. Perfil 0,83 1,28 0,65 1,13 0,36

MAE: Error Medio Absoluto, RMSPE: Error Cuadrático Medio de Predicción, AC: Grado de acuerdos, S: Desviación estándar de los valores observados, MPE: Error Medio de Predicción, Esp A: Espesor A, Esp AB: Espesor del solum, PEF: Profundidad efectiva, T. Perfil: Tipo de perfil.

La variación residual (SSE) o la variación no explicada por la regresión, presentó grandes diferencias debido a que las varianzas residuales de las variables son altas, indicando que el grado de dependencia entre los valores observados y estimados por los modelos presentó un menor ajuste.


La validación realizada a los modelos obtenidos indica que los índices MAE y RSMPE presentan valores bajos, a excepción de la profundidad efectiva y el espesor del solum, en la que los valores de RSMPE son mayores a la desviación estándar (S) de los datos observados. El MPE, muestra que la predicción de los valores de estas propiedades en los sitios considerados utilizando los va-lores de similitud, es mejor que la estimación que se pue-da realizar utilizando solamente los valores promedios de dichas propiedades.

El coeficiente AC indica que el grado de acuerdo entre los valores estimados y observados supera en prome-dio el 61% , es decir presentan una moderada a alta capacidad predictiva (Zhu et. al., 2010).). Por lo tanto los mapas obtenidos pueden explicar un AC variable entre 52 y 65% lo que sería una precisión aceptable. Por lo tanto los mapas de estas propiedades, capturan la variación local de la información edáfica y la varia-ción continua de las propiedades del suelo en el sector estudiado.

Descripción de los modelos de inferencia borrosa

Con cada uno de los modelos obtenidos con las técnicas de inferencia borrosa (FCM-SoLIM) se generó un mapa, el cual corresponde a una determinada propiedad de suelo (Figura 1). El mapa final de cada propiedad muestra las relaciones entre el suelo y el paisaje. En este caso los ma-

pas de propiedades tienen una alta coin-cidencia con el com-portamiento esperado según los atributos de la zona estudiada, aunque algunas pre-sentan indicadores de moderado ajuste.

Se evidencia que los suelos con mayor es-pesor del horizonte superficial se ubican en su mayoría hacia el Norte y Nor-este del sector evaluado. Esta misma tendencia la presentan el espe-sor del solum, la pro-fundidad efectiva y la

Figura 1. Mapas de propiedades morfológi-

cas obtenidos con las técnicas de inferencia

bajo lógica borrosa en un sector de la cuenca

del río Caramacate.

secuencia de horizontes pedogenéticos, las cuales pa-recen manifestar la gran influencia de la cobertura del terreno, la altitud y el clima (precipitación). También se evidencian esas relaciones entre las propiedades mor-fológicas del suelo y los factores de formación en otros sectores como algunas posiciones geomorfológicas co-rrespondientes a las partes bajas de laderas de monta-ñas y las vegas de los valles intramontanos.

En las zonas de ladera de alta pendiente, tanto la cober-tura como el uso de la tierra (NDVI) y la ocurrencia de movimientos en masa, han generado condiciones que producen altas variaciones de corto alcance, lo que ha derivado en la formación de un mosaico de suelos de moderado a escaso desarrollo pedogenético y aflora-miento del material parental.

Conclusiones

El modelo de inferencia espacial suelo-paisaje com-binado con teorías de conjuntos borrosos (FCM), permitió caracterizar y diferenciar la heterogenei-dad edáfica causada por la influencia del relieve y la susceptibilidad a los movimientos en masa, en las unidades de paisaje de montaña presentes en el área de estudio.

De acuerdo con la naturaleza de las propiedades edá-ficas, el grado de concordancia entre los valores obser-


vados y estimados fue de 61 % para el conjunto de va-riables morfológicas. Estos aspectos están relacionados en forma directa con la alta variación espacial de los suelos presentes en la zona.

La capacidad de predicción del enfoque de la teoría de conjuntos borrosos evidenció que cada propiedad refleja una relación gradual entre el suelo y las con-diciones ambientales.

Agradecimiento

Esta investigación fue apoyada por fondos pro-venientes de: la Ley Orgánica de Ciencia, Tec-nología e Innovación (LOCTI) y del Consejo de Desarrollo Científico y Humanístico de la Univer-sidad Central de Venezuela (CDCH-UCV). Tam-bién damos las gracias al International Centre for Theoretical Physics (Trieste-Italia) por el apoyo financiero y becas.

Referencias

BöhneR, J.(2004). Regionalisierung bodenrele-vanter Klimaparameter für das Niedersäch-sische Landesamt für Bodenforschung (NLfB) und die Bundesanstalt für Geowissenschaften und Rohstoffe (BGR). – Arbeitshefte Boden 4: 17-66.

BuRRough, P., mCdonell, R.A. (1998). Principles of Geo-graphical Information Systems (Oxford University Press, New York), p. 190.

hengl, t., heuVelink g.B., stein, A. (2004). A generic fra-mework for spatial prediction of soil variables based on regression kriging. Geoderma 122 (1-2): 75-93.

hudson, B. (1992). The soil Survey as Paradigm-Based Science. Soil Science Society of America Journal 56: 836-841.

hutChinson, m. (1989). A new procedure for gridding elevation and stream line data with automatic re-moval of spurious pits. Journal of Hydrology, 106: pp211–232.

Jenny, h. (1941). Factors of Soil Formation: A System of Quantitative Pedology. New York: McGraw-Hill. 281pp.

lee, s. & tAliB, J. (2005). Probabilistic landslide suscepti-bility and factor effect analysis, Environmental Geo-logy 47: 982–990.

mCBRAtney, A., mendonçA, m. y minAsny, B. (2003). On digital soil mapping. Geoderma 117: 3-52.

mooRe, i. & wilson, J. (1993). Length-Slope factors for the Revised Universal Soil Loss Equation: Simplified

method of estimation, Journal of Soil and Water Conservation, 47: 423- 428.

tARBoton, d., BRAs, R. y RodRiguez-ituRBe, i. (1991). “On the Extraction of Channel Networks from Digital Ele-vation Data,” Hydrologic Processes, 5(1): 81-100.

PinedA, m., elizAlde, g., ViloRiA, J. (2011). Determinación de áreas susceptibles a deslizamientos en un sector de la Cordillera de la Costa Central de Venezuela. Interciencia 36(5): 370-377.

yAng, l., you, J., sheRif, f., zhu, A.x., sheldon, h., BuRt, J., qi, f. (2011). Updating conventional soil maps through digital soil mapping. Soil Sci. Soc. Am. J. 75:1044-1053.

zhu, A. (1997). A similarity model for representing soil spatial information. Geoderma 77: 217-242.

zhu, A., qi, f., mooRe, A., BuRt, J. (2010). Prediction of soil properties using fuzzy membership values. Geo-derma 158: 199-06.

zhu, A., yAng, l., li, B., qin, C., english, e., BuRt, J., zhou, C. (2008). Purposive Sampling for Digital Soil Mapping for Areas with Limited Data. In: Digital Soil Mapping with Limited Data. Hartemink, A.E.; Mendonça-San-tos; A.B. McBratney. (eds). pp 233-245.


zhu, A-x. & BuRt, J. (2011). Digital Soil Mapping Sof-tware: SoLIM Solutions 2010. Reference Manual. Institute of Geographic Sciences, Natural Resources Research-Chinese Academy of Sciences. The Univer-sity of Wisconsin-Madison. [On line]: http://solim.geography.wisc.edu/software/ index.htm.

wilson, J. & gAllAnt, J. (2000). Terrain analysis princi-ples and applications, Wiley, Toronto, p 479 Wor-king Party on World Landslide Inventory,1993,A suggested method for describing the activity of a landslide, Bulletin of International Association of En-gineering Geology 47:53– 57.


Generación de mapas de humedad del suelo en Venezuela mediante in-

terpolación y algoritmos de aprendizaje

RonAld delgAdo1, VeRóniCA de souzA2

Agencia Bolivariana para Actividades Espaciales, ABAE. Unidad de Telecomunicaciones1;,

Agencia Bolivariana para Actividades Espaciales, ABAE. Unidad de Mediciones Científicas2


RESUMEN

Los algoritmos de aprendizaje son una de las herramien-tas computacionales para el análisis de datos más popu-lares de la actualidad, en parte debido a su capacidad para trabajar con grandes conjuntos de información, además de su aplicabilidad para una amplia diversidad de disciplinas que van desde las ciencias de la computa-ción y la medicina, hasta incluso la economía. En el pre-sente trabajo se describe la implementación de cuatro modelos de algoritmos de aprendizaje: el algoritmo de los k-vecinos cercanos, las redes neuronales con retro-propagación, los árboles de decisión y las máquinas de vectores de soporte, para la construcción de modelos de

regresión capaces de generar mapas de interpolación de la humedad del suelo en todo el territorio venezolano. Como patrones de entrada de los algoritmos se empleó un conjunto de datos satelitales obtenidos por la misión SMOS (Soil Moisture and Ocean Salinity) de la Agencia Espacial Europea, y la calidad de los modelos se estu-dió tanto de un modo cualitativo, a partir del mapa de interpolación resultante, como cuantitativo, en función del error cuadrático medio calculado para los diferentes casos experimentales. Para todos los algoritmos se ob-tuvieron mapas de interpolación aceptables que no sólo ofrecían valores bajos del error cuadrático medio para las predicciones, sino que resultaban comparables con los construidos a partir de técnicas geoestadísticas más comunes como la interpolación Kriging.

Palabras clave: ALGORITMOS, APRENDIZAJE, HUME-DAD DEL SUELO, SATELITAL.

GENERATION OF SOIN MOISTURE MAPS IN VENEZUELA THROUGH INTERPOLATION AND

LEARNING ALGORITHMS

ABSTRACT

Learning algorithms are one of today´s most popular computational tools for data analysis, partly because of its ability to handle large sets of information, in addition

to its applicability to a wide variety of disciplines ran-ging from computer science and medicine, to even eco-nomy. In this paper we describe the implementation of four learning algorithms models: the k-nearest neighbors, the backpropagation neural networks, decision trees and support vector machines, for the construction of regres-sion models capable of generating interpolation maps of soil moisture throughout Venezuelan territory. As input patterns to the algorithms a set of satellite data by the SMOS (Soil Moisture and Ocean Salinity) mission of the European Space Agency was used, and the quality of these models was studied both in a qualitative way, from the resulting interpolation maps, and quantitative in terms of the mean squared error calculated for the experimental cases. For all of the algorithms, acceptable interpolation maps were obtained, that not only had low mean squared error values for the predictions, but resulted comparable with those constructed from more common geostatistical interpolation techniques such as Kriging.

Keywords: ALGORITHMS, LEARNING, SOIL MOISTURE, SATELLITE.

Introducción

En los años recientes, y debido en gran parte al incre-mento de la cantidad de datos científicos y computacio-nales disponibles para el análisis y la investigación, los algoritmos de aprendizaje han ganado protagonismo


en todos los ámbitos de las ciencias de la computación y las tecnologías de información, y la tendencia actual parece dictar que el análisis inteligente de datos será cada vez más usual y necesario para cualquier desarro-llo tecnológico (Smola et. al. 2008).

El rankeo de páginas y términos en los buscadores web, el filtrado colaborativo usado en numerosos sitios de comercio electrónico para ofrecer recomendaciones de sus productos, la traducción automática de un idioma a otro, así como el reconocimiento facial y el procesa-miento de lenguaje natural, son algunas de las aplica-ciones de los algoritmos de aprendizaje más conocidas en la actualidad. La minería de datos, que consiste en obtener información crítica y muchas veces desconocida en grandes bases de datos, es otra aplicación basada en algoritmos de aprendizaje que suele emplearse tanto en el ámbito científico y tecnológico como en el de la medicina, las finanzas e incluso la economía (Ranjan et. al. 2013), siendo los algoritmos de clasificación, regre-sión y agrupamiento los pilares fundamentales de este tipo de técnicas.

En el ámbito de la percepción remota y el procesamien-to digital de imágenes, diversos modelos como las redes neuronales artificiales, los árboles de decisión y los al-goritmos de agrupamiento, así como las máquinas de vectores de soporte, han sido empleados principalmente para la detección y clasificación de objetos de interés

en imágenes satelitales, a fin de estudiar aspectos como la cobertura vegetal, el uso del suelo, el crecimiento urbano, daños ambientales, evaluación de los suelos, detección de incendios e inundaciones, producción agrí-cola, entre otros (Ghosh et. al. 2014; Khan et. al. 2014; Camp-Valls, 2009), mientras que numerosas aplicacio-nes de software como lo son ERDAS, ENVI y ArcGIS in-corporan módulos y herramientas de análisis que hacen uso de los algoritmos de aprendizaje para ofrecer valor agregado a los datos geoespaciales que estos manejan.

Ahora bien, una de las cualidades fundamentales de los algoritmos de aprendizaje es su capacidad para encontrar correlaciones subyacentes en los datos que se estudian (Smola et. al. 2008), de modo que, a par-tir de un conjunto de datos de entrada (patrones) y su correspondiente respuesta de salida, pueden generarse modelos capaces de predecir nuevas salidas a partir de datos que no se encuentren en el conjunto de entra-da original. En el caso de que se trabaje con patrones discretos o bien categóricos, se habla de clasificación, mientras que si el dato a predecir es un número real, nos referimos entonces a un problema de regresión.

En el presente trabajo se implementaron una serie de algoritmos de aprendizaje (modelos de regresión) sobre un conjunto de datos satelitales de humedad del suelo en Venezuela, a fin de construir mapas de interpolación en todo el territorio nacional y así conocer la aplicabili-

dad de tales técnicas para la estimación de variables de interés geológico, geofísico o agroclimático (en nuestro caso la humedad del suelo) y cómo se comparan estas técnicas con otras más convencionales como la interpo-lación Kriging (Bohling, 2005).

Algoritmos de aprendizaje y conjunto de datos

A continuación se presenta una breve descripción de cada uno de los algoritmos de aprendizaje aplicados en el presente trabajo, así como del origen del conjunto de datos empleados:

k-Vecinos cercanos

Entre los diversos algoritmos de clasificación y regresión, el método de los k-Vecinos Cercanos (k-Nearest Neigh-bors, o k-NN por sus siglas en inglés), es quizás el más sencillo de comprender e implementar. En términos gene-rales, el algoritmo k-NN genera una predicción de un va-lor de salida dado calculando el promedio de los valores de salida que correspondan a los k patrones de entrada más cercanos a este, siendo la k un parámetro de libre elección en el algoritmo —cuando k = 1, el algoritmo ge-nera una teselación de Voronoi de los datos de entrada (Hastie et. al. 2009). Como medida de la distancia se emplea generalmente la métrica euclidiana, y debido a su naturaleza, el algoritmo resulta tan rápido como de fá-cil codificación en sistemas computacionales modernos.


Red neuronal con retropropagación

Las redes neuronales con retropropagación (Backpropa-gation Neural Networks, o BNN por sus siglas en inglés) son modelos de aprendizaje supervisado empleados tanto para problemas de clasificación como para regresión, y que son capaces de manejar conjuntos de datos grandes y linealmente no separables. Como todos los modelos super-visados, el objetivo del algoritmo de retropropagación es encontrar una función que mapea un conjunto de datos de entrada con su correspondiente salida, y para ello se vale de la técnica del descenso del gradiente a fin de minimizar el error existente entre las salidas generadas por el algorit-mo durante el entrenamiento y las salidas esperadas que forman parte del conjunto de datos con el que se alimenta la red neuronal. Comúnmente las redes neuronales con re-tropropagación son modelos multicapa, con funciones de activación no lineales, continuas y diferenciables (Rojas, 1996). De manera general, el algoritmo toma los datos que representan el conjunto de entrenamiento y, a partir de ellos, genera una salida cuyo error se propaga hacia atrás en las diferentes capas de la red, y cuyos pesos se van actualizando progresivamente hasta obtener una medida aceptable del error entrada/salida.

Árboles de decisión

Los árboles de decisión (Classification and Regression Trees, o CART por sus siglas en inglés) son procedimien-

tos estadísticos que permiten obtener modelos de clasifi-cación y regresión basados en estructuras en forma de árboles (Hand et. al. 2001). La idea básica del algorit-mo para predecir una respuesta de un conjunto de datos de entrada a una salida determinada es hacer crecer un árbol binario, en el cual se aplica, en cada nodo, una regla para comprobar a cuál camino del árbol (rama) tomará cada entrada presentada al algoritmo (Shalizi, 2009). Eventualmente, al hacer crecer el árbol lo sufi-ciente y establecer reglas de búsqueda apropiadas, el árbol de decisión conduce a predicciones acertadas para cada dato de entrada. El procedimiento para ha-cer “crecer” los árboles de decisión involucra realizar un particionado del espacio de valores en donde viven los datos de entrada/salida, e ir tomando el camino (ramas) que minimizan el error de predicción entre entradas y salidas hasta alcanzar un criterio para detener el algorit-mo. Cuando se combinan múltiples árboles de decisión para realizar predicciones más precisas de un conjunto de datos, se habla entonces de bosques de decisión.

Máquina de vectores de soporte

Las máquinas de vectores de soporte (Support Vector Machines o SVM, por sus siglas en inglés) son mode-los de clasificación basados en aprendizaje super-visado, aplicados principalmente para resolver pro-blemas linealmente no separables a partir de llevar los datos de entrada (transformar) de un espacio en

donde no existe una solución lineal, a otro espacio abstracto y, en ocasiones infinito, en donde sí es posi-ble encontrar una función que correlacione los datos de entrada con las respuesta de salida (Hastie et. al. 2009). Para ello, las máquinas de soporte vectorial hacen uso de funciones kernel definidas en la forma de productos internos de los datos de entrada en el espacio transformado. En el caso de regresión, se pueden aplicar máquinas de soporte vectorial gene-ralizando las funciones de regresión a aproximacio-nes en términos de funciones kernel.

Humedad del suelo - Misión SMOS

La humedad del suelo, que puede definirse como “la cantidad de agua contenida en la zona no saturada de la superficie del suelo o como la cantidad de agua por unidad de volumen de suelo, que se encuentra dentro de un terreno” (Tran, 2010), ha sido considerada por el Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC por sus siglas en inglés), como una de las variables clave en los modelos de climatología, y el conocimiento de la humedad en el suelo y de su evolu-ción espacial y temporal es ampliamente usado en va-riadas disciplinas relacionadas con el medio ambiente, como la meteorología, la hidrología, la agronomía y la hidrogeología, entre otros, a fin de realizar estudios y elaborar modelos, predicciones, simulaciones y estima-ciones de alerta temprana (Tran, 2010).


En este sentido, la Agencia Espacial Europea desarro-lló y lanzó la misión espacial SMOS en noviembre del 2009, con el fin de realizar mediciones de la humedad en el suelo de toda la superficie terrestre, basadas en técnicas de radiometría e interferometría, y ofreciendo valores con una precisión de 0,04 m3/m3 y una resolu-ción espacial entre 35 y 50 km.

Metodología

Los datos utilizados en nuestra investigación son productos mensuales (promedios) de humedad del suelo, correspon-dientes a los meses de enero, abril y julio (a fin abarcar un rango no sólo espacial sino también temporal en cuanto a los patrones de entrada, además diferenciados por las estaciones de sequía y lluvias teniendo en cuenta los me-ses considerados) de 2013, proporcionados por el “Centre Aval de Traitement des Données SMOS” (CATDS, http://catds.fr), operado por el “Centre National d’Etudes Spa-tiales” (CNES, Francia) y el Institut Français de Recherche pour l’Exploitation de la Mer (IFREMER, Brest - Francia). Cabe destacar que estos productos mensuales son de ni-vel 3, derivados de procesamientos previos (desarrollo de algoritmos de estimación) realizados sobre las mediciones SMOS, constituidas principalmente por temperaturas de brillo angulares (productos de nivel 1).

A efectos de todos los algoritmos de aprendizaje im-plementados, se trabajó con un conjunto total de 2300

patrones de entrada definidos en la forma de vectores bidimensionales cuyas componentes son la latitud y la longitud de un punto del territorio venezolano, y como salida correspondiente la humedad de suelo de tal coor-denada obtenida a partir de los datos SMOS. Para el conjunto de entrenamiento se seleccionó al azar el 80% de los patrones totales, mientras que el 20% restante se utilizó como conjunto de validación de los algoritmos. A fin de contar con un estimado cuantitativo de la calidad del aprendizaje y predicción de los modelos, se calculó el error cuadrático medio (ECM) (1), definido como:

∑=

−=n

i iYiYn

ECM1

)(21 (1)

En donde Y

es un vector de n predicciones, y es el vec-tor de los verdaderos valores tanto para el conjunto de entrenamiento como para el de validación. En este senti-do, el error cuadrático medio sirve como una medida de la calidad de la predicción de un modelo de regresión ya que, mientras más se parezcan los valores del vector de predicciones Y

a los verdaderos valores del con-

junto de entrada, más cercano a cero resultará el error cuadrático medio calculado. Así, valores pequeños del ECM significan mejores predicciones ofrecidas por el modelo empleado. En general, el ECM es una medida benchmark empleada en la validación de multitud de algoritmos de aprendizaje, principalmente porque gran parte de estos toman dicha cantidad como función de

costo y basan sus modelos iterativos en la minimización del mismo (Hastie et. al. 2009).

Por otro lado, con el objetivo de producir un mapa de interpolación a partir de las predicciones generadas por los algoritmos de aprendizaje, se construyó una matriz cuadrada de coordenadas con un total de 23496 valo-res equidistantes de latitud y longitud, separados entre ellos por 0,1°, y distribuidos sobre todo el territorio na-cional, esto con el fin de contar con una cantidad repre-sentativa de puntos que garanticen una distribución uni-forme sobre el territorio nacional con los cuales trabajar, pero que al mismo tiempo no representen demasiada carga computacional a efectos de la experimentación.

Todos los algoritmos y casos de experimentación descri-tos se desarrollaron en MATLAB R2014a.

Resultados

A continuación se presentan los resultados (cualita-tivos y cuantitativos) obtenidos para cada uno de los algoritmos de aprendizaje, tanto para los casos de en-trenamiento y validación, como para el mapa de in-terpolación generado como producto del estudio (es importante mencionar que en el caso del mapa de in-terpolación, se deben obviar los valores obtenidos por encima de la frontera del territorio nacional como se observará en las figuras a continuación, ya que estos se


generan a partir de la matriz cuadrada empleada para validar la predicción pero no forman parte de la zona de interés que se desea interpolar), así como los valores del error cuadrático medio arrojados en todos los ca-sos (Tabla 1). Adicionalmente, vale la pena mencionar que los meses considerados para la experimentación se tomaron de tal forma que tanto el período de se-quía como el período lluvioso, característicos del clima de nuestro país, se vieran representados en los datos, y así tener variabilidad importante en los patrones de entrada. Esta variabilidad resulta evidente al observar los mapas obtenidos para el mes de julio, en donde la humedad se concentra en las zonas inundables de los llanos, comparados con los meses de enero y julio en donde los máximos valores de humedad se distribuyen en la región occidental y costera.

Análisis Cualitativo Mapas de Interpolación

Algoritmo k-NN

Como parámetro del algoritmo se trabajó con un valor de k = 2. En las Figura 1a, 1b y 1c se presentan los resultados para los meses de Enero, Abril y Julio de 2013 respectivamente.

Desde el punto de vista cualitativo y en términos gene-rales para los distintos meses, se ve cómo el algoritmo

de k-NN es capaz de predecir y reproducir, tanto para el conjunto de entrenamiento como para el de valida-ción, la forma y los valores del conjunto de entrada ofrecido por SMOS con bastante similitud, mientras que al aplicar el algoritmo el conjunto de coordena-das que corresponden al territorio nacional completo, en efecto se genera un mapa de interpolación que nos da una idea de los posibles valores de la humedad

del suelo en aquellos sitios en donde no se poseen datos SMOS. Además, se observa que, debido a la naturaleza del k-NN, el mapa de interpolación resul-tante tiene contornos irregulares y transiciones bruscas entre los valores (escalas de colores), pero que aún así representan una buena generalización de los datos de entrada SMOS.

Enero 2013

Figura 1a. Algoritmo k-NN: a) Datos SMOS de humedad del sue-lo. b) Predicción conjunto de entrenamiento. c) Predicción conjunto de validación. d) Mapa de interpolación territorio nacional.

Abril 2013

Figura 1b. Algoritmo k-NN: a) Datos SMOS de humedad del sue-lo. b) Predicción conjunto de entrenamiento. c) Predicción conjunto de validación. d) Mapa de interpolación territorio nacional.


Julio 2013

Figura 1c. Algoritmo k-NN: a) Datos SMOS de humedad del sue-lo. b) Predicción conjunto de entrenamiento. c) Predicción conjunto de validación. d) Mapa de interpolación territorio nacional.

CART

Las Figuras 2a, 2b y 2c muestran la interpolación ofre-cida para los diferentes meses empleando un bosque de decisión de 25 árboles como parámetro.

Para el algoritmo basado en árboles de decisión, se ve que las predicciones tanto con el conjunto de entrenamiento

como de validación parecen ser bastante sensibles a los valores medios y altos de la humedad del suelo, de modo que se observan mayores zonas azules en los mapas (entre 0,4 y 1,0 m3/m3), pero los mapas de interpolación gene-rados reproducen de igual modo los agrupamientos que, si bien tiene contornos irregulares, permiten una distinción clara de las diferencias de valores y regiones definidas que existen para la humedad en el suelo en todo el territorio.

BNN

En el caso de las redes neuronales, la cantidad de neu-ronas empleadas en la capa oculta es uno de los pará-metros fundamentales a determinar, y la selección de su valor, en la mayoría de los casos, se hace de manera empírica en función de la calidad de los resultados ob-tenidos según los datos de entrada. A partir de la expe-

Enero 2013

Figura 2a. Algoritmo CART: a) Datos SMOS de humedad del sue-lo. b) Predicción conjunto de entrenamiento. c) Predicción conjunto de validación. d) Mapa de interpolación territorio nacional.

Abril 2013

Figura 2b. Algoritmo CART: a) Datos SMOS de humedad del sue-lo. b) Predicción conjunto de entrenamiento. c) Predicción conjunto de validación. d) Mapa de interpolación territorio nacional.

Abril 2013


Julio 2013

Figura 2c. Algoritmo CART: a) Datos SMOS de humedad del sue-lo. b) Predicción conjunto de entrenamiento. c) Predicción conjunto de validación. d) Mapa de interpolación territorio nacional.

rimentación, se obtuvo que para los conjuntos de datos de Enero y Julio, 30 neuronas en la capa oculta ofrecían los mejores resultados, mientras que para Abril se selec-cionó un valor de 50. Las Figuras 3a, 3b y 3c presentan los mapas de interpolación obtenidos en cada caso.

Al comparar el comportamiento de predicción obtenido para las redes neuronales tanto para los conjuntos de

entrenamiento como para los de validación, se observa que las mismas son capaces de ofrecer contornos de cla-sificación mucho más suaves que los algoritmos CART y k-NN, mientras que las transiciones de los valores de hu-medad son más graduales. Sin embargo, los mapas de interpolación obtenidos revelan que este tipo de algorit-mos son muy sensibles a los datos de entrada, ya que existe una variabilidad evidente entre los que se obtiene

tanto con los conjuntos de entrenamiento y validación, como con el mapa de interpolación generado con la matriz de valores de todo el territorio nacional. En este sentido, la selección y afinación exhaustiva de los pará-metros de las redes neuronales tendrá gran repercusión en la calidad de las predicciones y, por lo tanto, en el mapa de interpolación resultante.

Enero 2013

Figura 3a. Algoritmo BNN: a) Datos SMOS de humedad del sue-lo. b) Predicción conjunto de entrenamiento. c) Predicción conjunto de validación. d) Mapa de interpolación territorio nacional.

Abril 2013

Figura 3b. Algoritmo BNN: a) Datos SMOS de humedad del sue-lo. b) Predicción conjunto de entrenamiento. c) Predicción conjunto de validación. d) Mapa de interpolación territorio nacional.


Figura 3c. Algoritmo BNN: a) Datos SMOS de humedad del sue-lo. b) Predicción conjunto de entrenamiento. c) Predicción conjunto de validación. d) Mapa de interpolación territorio nacional.

Enero 2013

Figura 4a. Algoritmo SVN: a) Datos SMOS de humedad del sue-lo. b) Predicción conjunto de entrenamiento. c) Predicción conjunto de validación. d) Mapa de interpolación territorio nacional.

SVM

Como señala Kecman (2001), “existen un número de pa-rámetros que pueden ser empleados en la construcción de máquinas de vectores de soporte para la regresión. Los más relevantes son la zona de insensibilidad e y el pa-rámetro de penalización C, el cual determina el equilibrio entre el error de entrenamiento y la dimensión del mo-

delo. Ambos parámetros deben ser seleccionados ade-cuadamente por el usuario”. Dichos parámetros, como lo expresa la bibliografía, deben ser seleccionados de manera empírica en función del problema de regresión que se estudia, y en nuestro caso particular los valores que mejores resultados ofrecieron fueron un e = 0,01 y C = 0,5. Con tales parámetros se obtuvieron los mapas de interpolación que se observan en las Figuras 4a, 4b y 4c.

Al igual que el caso de las redes neuronales, las má-quinas de soporte vectorial ofrecen contornos suaves y transiciones de valores graduales, mientras que existe, de igual modo, cierta sensibilidad a la variación de los valores de entrada, aunque en el caso del algo-ritmo SVM las respuestas al conjunto de entrenamien-to y de validación se mantienen bastante similares, mientras que el mapa de interpolación final generado

Abril 2013

Figura 4b. Algoritmo SVN: a) Datos SMOS de humedad del sue-lo. b) Predicción conjunto de entrenamiento. c) Predicción conjunto de validación. d) Mapa de interpolación territorio nacional.

Julio 2013


Julio 2013

Figura 4c. Algoritmo SVN: a) Datos SMOS de humedad del sue-lo. b) Predicción conjunto de entrenamiento. c) Predicción conjunto de validación. d) Mapa de interpolación territorio nacional.

presenta mayor variabilidad en los valores de hume-dad del suelo predicho en comparación con el de las redes neuronales. Para todos los casos, sin embargo, las máquinas de vectores de soporte generan mapas de interpolación que captura en mejor medida la for-ma y distribución general de los valores de humedad ofrecidos por SMOS.

Análisis Cuantitativo Error Cuadrático Medio

Como se menciona en la introducción del presente tra-bajo, el Error Cuadrático Medio sirve como una medida numérica que nos dice qué tan bueno es el desempeño de un algoritmo de aprendizaje, pues valores peque-ños del ECM indican buenas predicciones, mientras que valores grandes de la misma cantidad implican lo contrario. Así, podemos usar los valores obtenidos del ECM para valorar la calidad de cada algoritmo en sus diferentes casos de experimentación.

En la Tabla 1 se presentan, para los tres meses estu-diados, los valores del error cuadrático medio obtenido para los diferentes algoritmos de aprendizaje implemen-tados, tanto para el caso de entrenamiento como para el caso de validación.

En términos generales, se observa que tanto para los datos del conjunto de entrenamiento como de valida-ción se obtienen valores del error cuadrático medio del orden de 1x10-2, lo que significa que las predicciones obtenidas con los diferentes algoritmos ofrecen des-viaciones considerablemente pequeñas de sus valores conocidos y que, por lo tanto, las interpolaciones gene-radas a partir de estos conjuntos de datos representan buenas aproximaciones de los valores reales que pue-dan ser obtenidos a partir de otros métodos. Según los resultados para el caso del conjunto de entrenamiento

se puede ver que los algoritmos de k-NN y CART son los que de manera consistente ofrecen una mejor calidad de predicción, ya que siempre ofrecen el menor valor de ECM, aunque entre todos los algoritmos no existe demasiada variabilidad para los ECM obtenidos. En el caso de las pruebas con el conjunto de validación, sin embargo, podemos ver que la calidad de la predicción varía en función del mes que se esté estudiando. Para el mes de enero, el mejor resultado de predicción lo

Tabla 1. Valores del error cuadrático medio (ECM) obtenido para los diferentes algoritmos de aprendizaje.

MES ALGORITMO ECM ENTRENAMIENTO

ECM VALIDACIÓN

Enero

k-NN 0,0375 0,0572

CART 0,0398 0,0509

BNN 0,0526 0,0565

SVM 0,0454 0,0477

Abril

k-NN 0,0373 0,0566

CART 0,0388 0,0515

BNN 0,0494 0,0530

SVM 0,0440 0,0533

Julio

k-NN 0,0420 0,0722

CART 0,0479 0,0587

BNN 0,0650 0,0712

SVM 0,0531 0,0608


ofreció el algoritmo SVM, seguido por el CART. Sin embargo, para los datos del mes de abril se obtiene que la mejor predicción la produce el CART en primer lugar, y la BNN en segundo. Para julio, CART repite en primer lugar de calidad de predicción, seguido por la SVM. Las variaciones de desempeño de cada algorit-mo, por supuesto, dependerán no sólo de los datos de entrenamiento y validación empleados, sino también de la afinación de los parámetros de cada uno, pero basándose en lo presentado en la Tabla 1, se puede establecer que el CART y el SVM son los algoritmos que brindan los mejores resultados en las prediccio-nes, mientras que el BNN y el k-NN son los siguientes, aunque todos se encuentran acotados en un rango de valores del ECM bastante aceptable.

Comparación con interpolación Kriging

Con los resultados obtenidos se construyeron mapas de interpolación Kriging a partir de los datos SMOS empleados en este presente trabajo, y se calculó para dichos mapas el error cuadrático medio obteni-do para el conjunto de validación, a fin de comparar una técnica convencional de interpolación con los algoritmos de aprendizaje antes descritos. La Figu-ra 5 muestra los mapas de interpolación obtenidos para cada mes, mientras que la Tabla 2 presenta los valores del error cuadrático medio arrojados por la interpolación Kriging.

Enero 2013

Figura 5. Interpolación Kriging: a) Datos SMOS de humedad del suelo. b) Predicción conjunto de validación. c) Mapa de interpolación territorio nacional.

Abril 2013 Julio 2013


Desde el punto de vista cuantitativo, se observa que los valores de error cuadrático medio obtenidos para la validación con interpolación Kriging se encuentran dentro del mismo orden de magnitud y rango de va-lores que los obtenidos con los algoritmos de apren-dizaje, mientras que los mapas de interpolación ge-nerados presentan contornos irregulares y de poca variabilidad entre valores extremos, bastante seme-jantes a aquellos producidos por los algoritmos CART y k-NN. Sin embargo, la interpolación Kriging para todo el territorio nacional parece suavizar los valores extremos presentes en los datos de humedad origina-les, por lo que la variabilidad entre valores es más gradual y se obtienen transiciones suaves en la escala de colores. Aún así, las similitudes entre lo obtenido con Kriging y con los algoritmos de aprendizaje son evidentes y validan la aplicabilidad de estos últimos para este tipo de estudios.

Tabla 2. Valores del error cuadrático medio (ECM) obtenido para interpolación Kriging.

MES ECM VALIDACIÓN

Enero 0,0541

Abril 0,0508

Julio 0,0580

Conclusiones

A partir de los resultados obtenidos en el presente traba-jo, se puede afirmar que los algoritmos de aprendizaje pueden emplearse como una técnica alternativa para la construcción de mapas de interpolación de la humedad del suelo, ya que los mismos ofrecen predicciones acep-tables (error cuadrático medio bajo) para valores desco-nocidos de la variable estudiada, mientras que los con-tornos generados en los mapas reproducen de manera adecuada los datos originales tomados de las medidas SMOS, además que ofrecen resultados comparables con aquellos generados con técnicas más comunes como la interpolación Kriging. A partir de los experimentos lle-vados a cabo se pudo verificar que la calidad de las predicciones tendrán una fuerte dependencia con la es-cogencia de los diversos parámetros que forman parte de los algoritmos de aprendizaje, por lo que resulta im-prescindible afinarlos con mucho cuidado y, aunque en algunos casos pueden emplearse parámetros fijos para diferentes conjuntos de datos, lo recomendable es ajus-tar los parámetros cada vez que se introduzcan nuevos conjuntos de datos. Si bien se puede determinar de ma-nera unívoca cuál es el algoritmo que mejores resultados de predicción ofrece, al menos es posible tener una ma-nera de medir tanto cuantitativa como cualitativamente la calidad de cada mapa de interpolación generado, de modo que el usuario o investigador pueda escoger cuál de estos resultados es más pertinente o se ajusta más a

cualquier estudio posterior que desee realizar. Otra posi-bilidad adicional a estudiar es el incluir como componen-tes de los patrones de entrada más variables de interés y que pueden guardar relación con la humedad del suelo, como lo pueden ser la temperatura en el suelo, el índice de vegetación (NDVI, por ejemplo), la altura, entre otros. De esta manera, los algoritmos de aprendizaje contarán con conjuntos de entrenamiento de mayor dimensión que pueden ofrecer mejores resultados en cuanto a generali-zación y calidad de las predicciones se refiere. De igual modo, resulta recomendable extender el estudio de los errores más allá del cálculo del error cuadrático medio, y aplicar quizá técnicas estadísticas (como el estudio de la relación bias y variancia, a fin de evitar el sub entre-namiento o el sobre entrenamiento) que puedan mejorar el desempeño de los algoritmos y así tener una cuanti-ficación exacta de cuáles resultan más apropiados en cada caso. Además, para los casos de experimentación se consideraron solamente tres meses que correspondían a temporadas secas y de lluvia con el propósito de tener mayor variabilidad en los datos de entrada, pero a fin de tener una validación completa de los algoritmos, así como de información estadística de mayor valor, es con-veniente aplicar las técnicas con el conjunto total de los doce meses del año e incluir así el ciclo climático anual de nuestro país.

Finalmente, resulta claro que para tener una mejor va-lidación de los mapas de interpolación generados por


cada uno de los algoritmos descritos en el presente trabajo, lo deseable sería contar con medidas in situ de la humedad del suelo, que además servirían para compararlas con las arrojadas por la misión SMOS, por lo que se espera poder continuar la presente in-vestigación recolectando información adicional en tierra que nos permita afinar aún más los algoritmos, parámetros y técnicas empleadas, con el objetivo de elaborar mapas de interpolación mucho más precisos, tanto para la variable humedad del suelo como para cualquier otra de interés climático, hidrológico, geofí-sico o geoespacial.

Referencias

Bohling, g. (2005). Kriging. Kansas Geological Survey.

CAmPs-VAlls, g. (2009) Machine Learning in remote sen-sing data processing. IEEE International Workshop on Machine Learning for Signal Processing; pp. 1-6.

ghosh, s. BiswAs, s. sARkAR, d. & sARkAR, P. (2014). A tuto-rial on different classification techniques for remotely sensed imagery datasets. Smart Computing Review, vol. 3, no. 1; pp. 34-43.

hAnd, d. mAnnilA, h & smyth, P. (2001). Principles of Data Mining. The MIT Press, pp. 195-236.

hAstie, t. tiBshiRAni, R. & fRiedmAn, J. (2009). The elements of statistical learning. Data mining, inference and prediction. Springer-Verlag, pp. 11-22, 417-455.

keCmAn, V. (2001). Learning and soft computing. The MIT Press, pp. 162-178.

khAn, h. & kumAR, s. (2014). Survey on remotely sensed image classification techniques using Support Vec-tor Machines and Swarm Intelligence. International Journal of Emerging Technology and Advanced En-gineering, vol. 4, no. 1; pp. 507-511.

RAnJAn, t. & kumAR, s. (2013). A survey on application of Machine Learning algorithms on Data Mining. Inter-national Journal of Innovative Technology and Explo-ring Engineering (IJITEE), vol. 3, no. 7; pp. 17-20.

RoJAs, R. (1996). Neural networks - A systematic intro-duction. Springer-Verlag. Capítulo 7, pp. 159-192.

shAlizi, C. (2009). Notas del curso Statistics 36-350: Data Mining. Departamento de Estadística, Carne-gie Mellon University.

smolA, A. & VishwAnAthAn, s. (2008). Introduction to Machine Learning. Cambridge University Press, pp. 3-36.

tRAn, x. (2010). Estimation de l’état hydrique des sols en Afrique de l’ouest par télédétection spatiale. Thèse doctorale de l’Université de Grenoble-France.


Cartografía digital de propiedades de suelo por medio de clasificación

neuro-borrosa y Kriging

ángel VAleRA1, Jesús ViloRiA2, mARíA CoRinA PinedA2

Universidad Rómulo Gallegos, Centro de Investigación y Extensión en Suelos y Aguas1;

Universidad Central de Venezuela, Facultad de Agronomía, Instituto de Edafología2


RESUMEN

En áreas montañosas con alta incidencia de movimientos en masa la heterogeneidad del manto superficial común-mente hace difícil la producción de mapas de suelos. Además, las restricciones de acceso debido a la com-plejidad del relieve dificultan el muestreo de suelos. En estas circunstancias, el análisis cuantitativo de terreno, a través de atributos derivados de modelos de elevación digital e imágenes de satélite, pueden ser una alterna-tiva para producir modelos de inferencia espacial de propiedades del suelo. En una investigación previa se aplicó exitosamente una red neuronal de agrupamiento borroso (FKCN, Fuzzy Kohonen Clustering Network) para identificar clases de superficie de terreno en la cuenca

del río Caramacate en el centro norte de Venezuela. En esta investigación se utilizaron esas clases de superficie de terreno para predecir valores de propiedades quími-cas del suelo, complementadas con la interpolación por kriging de los errores residuales de esas predicciones. La evaluación de los modelos finales de predicción re-veló un moderado a alto grado de concordancia entre valores predichos y observados de las propiedades del suelo analizadas, en puntos de validación. En particu-lar, el grado de acuerdo fue 92% para el pH del suelo, 91% para Ca intercambiable y 88% para carbono or-gánico del suelo. El método aplicado demostró ser una opción válida para modelar la variación espacial de propiedades del suelo en el área de estudio.

Palabras clave: CARBONO ORGÁNICO DEL SUELO, pH DEL SUELO, CAPACIDAD DE INTERCAMBIO CATIÓ-NICO, CATIONES INTERCAMBIABLES, SATURACIÓN CON BASES.

DIGITAL MAPPING OF SOIL PROPERTIES BY NEURO-FUZZY CLASSIFICATION AND KRIGING

ABSTRACT

In mountainous areas with high incidence of landslides, the heterogeneity of the surface mantle often makes it difficult to produce soil maps. Moreover, access restric-

tions due to the topographic complexity difficult soil sam-pling. Under these circumstances, quantitative analyses of terrain attributes derived from digital elevation models and satellite images, may be an alternative to produce spatial inference models of soil properties. In a previous research a fuzzy clustering neural network (FKCN, Fuzzy Kohonen Clustering Network) was successfully applied to identify land-surface classes in the Caramacate river basin, in north-central Venezuela. In this research, such land-surface classes were used to predict values of che-mical soil properties, complemented with kriging inter-polation of the residual errors of those predictions. The evaluation of the final prediction models revealed a mo-derate to high degree of agreement between predicted and observed values of the analyzed soil properties, at independent validation points. In particular, the degree of agreement was 92% for soil pH, 91% for exchangea-ble Ca and 88% for soil organic carbon. The applied method proved to be a valid option to model the spatial variation of soil properties in the study area.

Keywords: SOIL ORGANIC CARBON, SOIL pH, CA-TION EXCHANGE CAPACITY, EXCHANGEABLE CA-TIONS, BASE SATURATION.

Introducción

Las tecnologías emergentes han creado nuevas opor-tunidades para apoyar los métodos de levantamiento


cuantitativo de suelos, que generan predicciones de propiedades edáficas individuales con mayor precisión y exactitud. En la actualidad se han aplicado numero-sos modelos estadísticos para la interpolación de pro-piedades del suelo, entre los que destacan los métodos geoestadísticos, los cuales muchas veces son prohibiti-vos por la exigencia en cuanto al número de muestras y la reducida extensión geográfica. Sin embargo, uno de los desarrollos metodológicos más significativos para el estudio de las relaciones suelo-paisaje son los métodos predictivos que combinan las técnicas de inteligencia artificial con la interpolación de sus residuales (Hengl et. al., 2007; Zhu et. al., 2010; Sun et. al., 2012). Este método de análisis, aunado al desarrollo de los siste-mas de información geográfica (SIG), apoyados con información auxiliar de adecuada resolución espacial, tales como MDE y sus derivados (grado de pendiente, orientación de la pendiente, posición relativa, curvatura vertical, curvatura horizontal, área de captación, índi-ce topográfico de humedad y el índice de transporte de sedimentos), e imágenes de satélite, ofrecen nuevas oportunidades para superar las limitaciones de los le-vantamientos convencionales, y así, producir informa-ción edáfica de manera más eficiente, con adecuada precisión y exactitud, en el menor tiempo posible.

En esta investigación se aplica una red de agrupamien-to neuro-borroso (FKCN) combinado con kriging de re-siduales (KR) con la finalidad de generar modelos de

predicción de varias propiedades químicas del suelo, a partir de variables ambientales derivadas de MDE e imágenes satelitales en un sector de paisajes de monta-ñas de la cuenca del río Caramacate. Las propiedades edáficas empleadas para la generación de los modelos de predicción, están relacionadas con la necesidad de aportar información de gran utilidad para la planifica-ción. La aplicación de modelos ambientales y agrícolas (e.g. hidrológicos, de erosión, de cambio climático, de evaluación de tierras) requiere valores de propiedades específicas del suelo como parámetros de entrada. Por tal razón, se consideraron algunas propiedades intrín-secas del suelo para la aplicación de modelos enmar-cados en la disponibilidad y retención de nutrientes, donde destacan la capacidad de intercambio catiónico (CIC), los contenidos de Calcio y Magnesio intercambia-bles (Ca y Mg), el porcentaje de saturación con bases (PSB) y la reacción del suelo (pH).


Datos de Suelos

El conjunto total de datos en la zona de estudio seleccio-nada en la cuenca del río Caramacate está conformada por 116 perfiles de suelo en una superficie de 6.760 ha, distribuidas sobre cuatro formaciones litogeomor-fológicas: las metatobas de El Caño-El Chino (VCñc), las metalavas de El Carmen (VCca), los sedimentos alu-

viales acarreados por el río Caramacate (Qñcca) y los mantos coluvio-aluviales (Cñc).

Clases Digitales de la Superficie de Terreno

Para la obtención de clases digitales de superficie de terreno (clases DST) se utilizó un modelo digital de elevación (MDE), una imagen satelital de 15 m de resolución espacial, un modelo de precipitación y un mapa de las unidades litogeomorfológicas. El MDE se empleó para derivar mapas de covariables ambienta-les o atributos morfométricos, tales como: altitud (m), pendiente (rad), orientación de la pendiente (rad), posición relativa, curvatura vertical (m.m-1), curvatu-ra horizontal (m.m-1), área de captación (m2), índi-ce topográfico de humedad y el índice de transporte de sedimentos. El índice de vegetación de diferencia normalizada (NDVI) se calculó con las bandas roja e infrarroja de la imagen.

Para el agrupamiento de las covariables ambientales se aplicó una red de agrupamiento borroso (FKCN, Fuzzy Kohonen Clustering Network), (Kohonen, 1982, Bezdek et. al., 1992; Viloria, 2007), lo que generó diez clases digitales de superficie de terreno (DST) que representan unidades de paisaje.

El algoritmo FKCN tiene la capacidad de generar repre-sentaciones de los valores de similitud o funciones de


membresías neuro-borrosas (Sijk) en formato raster, con valores comprendidos entre 0 y 1.

Modelo de Inferencia: Kriging combinado con Redes Neuronales Artificiales

Este enfoque mixto fue denominado FKR. El método com-bina un modelo de redes neuronales artificiales (RNA), con un modelo estocástico basado en la interpolación (kriging) de los residuales (KR) obtenidos por las redes neuro-borrosas FKCN, la cual genera mapas de unida-des de suelo-paisaje.

Producción de mapas de propiedades del suelo con FKCN

Para la estimación del valor de una propiedad de un suelo determinado (Vij) se utilizó la función lineal de pro-medios ponderados por valores de similitud, indicada en la ecuación (1) (Zhu et al., 2006).

(1)

Donde Vij es el valor estimado de la propiedad del suelo en el sitio (i,j); Vk es el valor observado de la propiedad del suelo para una clase k (clase DST); Sij

k es el valor de

similitud de la propiedad del suelo en un sitio (i,j) obteni-do con el algoritmo FKCN; n es el número de clases DST en el área de interés. El valor típico de una propiedad para un determinado suelo (Vk) se obtuvo con los valores promedios de los datos en cada clase DST.

Las clases DST fueron subdivididas de acuerdo con las unidades litogeomorfológicas dominantes en el sector, con la finalidad de incorporar las variaciones aportadas por el material parental de los suelos. De esta manera, se utilizaron los mapas en formato raster de los valores de pertenencia correspondiente a las 20 clases DST pre-sentes en la cuenca del río Caramacate.

La sumatoria del producto de los valores promedios de cada propiedad edáfica por el mapa raster de los valores de similitud a las clases DST en cada localización, permi-tió la estimación de los valores de las propiedades quími-cas del suelo en toda el área de estudio (Mapas FKCN).

Producción de mapas con interpolación de residuos FKCN

Una vez generados los mapas de propiedades edáfi-cas con FKCN, se obtuvieron los errores y se realizó un análisis geoestadístico. Para la estimación de los se-mivariogramas empíricos de los residuos se empleó el programa Vesper 1.6 (Minasny et al., 2005), y para el ajuste de dichos semivariogramas a modelos matemáti-

cos se utilizó el método de kriging ordinario (Mapas KR).La suma de los mapas FKCN y KR generó un modelo de distribución espacial de cada propiedad química del suelo. Los cambios que ocurren con las variaciones de las covariables ambientales (tendencia espacial global), indican los cambios en los factores de formación del suelo (Jenny, 1941; McBratney et. al., 2003), los cuales son representados como Mapas FKR, capaces de mos-trar la distribución de la variabilidad de las propiedades químicas en el área de estudio.

Evaluación de los Modelos de Predicción

Para la evaluación de la bondad de ajuste de los mode-los de predicción de las propiedades del suelo se utilizó el coeficiente de determinación múltiple ajustado (R2a), la suma del cuadrado de los residuales (SSE) y la raíz del error cuadrático medio (RMSE) (Hengl et. al., 2004).

Evaluación de la Confiabilidad de los Modelos de Predicción

Para la evaluación de la exactitud de los modelos de predicción de las propiedades de los suelos generados, se utilizaron cuatro (4) índices: el error medio de pre-dicción (MPE), el error medio absoluto (MAE), la raíz del error cuadrático medio de predicción (RMSPE) y el coeficiente de concordancia (AC). El MPE evalúa el error sistemático e indica la presencia de subestimación


o sobrestimación del modelo, el MAE garantiza que el resultado del error sea estrictamente positivo y el RMSPE evalúa la precisión de la predicción. El coeficiente de concordancia (AC) es una medida del grado del error de predicción de los modelos normalizados y varía entre 0 y 1. Un valor calculado de 1 indica un acuerdo perfecto entre los valores medidos y predichos, y un valor de 0 indica que no hay acuerdo o existe un desacuerdo total entre los valores estimados y los observados. El índice representa la relación entre el error cuadrático medio y el error potencial (PE) (Willmott, 1984).

Para el ajuste y desarrollo de los modelos se utilizó el 70% de los perfiles de suelo y para la validación se empleó un conjunto de datos independientes equivalentes al 30%.

Resultados y Discusión

Generación de los Modelos de Predicción de Propiedades del Suelo

Modelos de redes neuronales borrosas

La suma de los mapas de las propiedades edáficas ob-tenidos por FKCN y los mapas de la interpolación de los residuos, generaron los modelos de predicción de propiedades del suelo, los cuales presentaron los resul-tados de la bondad de ajuste expresados en el Tabla 1. Se observa que la estimación del R2a, arrojados por

los modelos FKR en promedio son moderados a altos, y en conjunto logran a explicar el 69% de la variabilidad presente en los suelos del sector evaluado, en la cuenca del río Caramacate.

Tabla 1. Indicadores de la bondad de ajuste de los modelos de predicción de propiedades del suelo con FKR.

PROPIEDAD n R2a SSE RMSE

CO (%) 95 0,47 7 0,3

CIC (cmol.kg-1) 83 0,71 2384 5,4

Ca (cmol.kg-1) 83 0,87 242 1,7

Mg (cmol.kg-1) 83 0,78 404 2,2

PSB (%) 83 0,71 12378 12,2

pH 83 0,58 7 0,3

R2a: Coeficiente de determinación ajustado, SSE: Suma de Cuadrado de Residuos, RMSE: Raíz del Error Cuadrático Medio, CO: Carbono orgánico, CIC: Capacidad de intercambio catiónico, Ca: Calcio cambiable, Mg: Magnesio cambiable, PSB: Porcentaje de saturación con bases.

De igual manera, la variación residual (SSE) o la varia-ción no explicada por el método de predicción, presen-ta grandes diferencias influenciadas por la magnitud de los valores de las propiedades. Las varianzas resi-duales de las variables PSB y CIC son las más grandes, indicando un menor ajuste entre el grado de depen-dencia de los valores observados y estimados por los

modelos FKR. Por otra parte, la SSE es más pequeña en CO y pH (con RMSE cercano cero), donde la varianza explicada es mayor, y por consiguiente el ajuste del modelo es más aceptable.

Análisis Geoestadístico

La evaluación de los componentes aleatorios (residuos) con el método kriging ordinario, arrojó los resultados indicados en el Tabla 2.

Tabla 2. Parámetros geoestadísticos obtenidos de los variogramas de los residuales de las variables edáficas.

PROPIEDAD C0+C1 A (m) RMSE AIC NR (%)

CO (%) 0,15 104 0,02 54 12,2

CIC 114,3 1.453 12 79 35,8

Ca 14,7 114 5 87 0,7

Mg 249,6 747 6 72 1,6

PSB (%) 628,2 2.674 148 129 34,9

pH 0,17 2.933 0,02 6 35,5

C0: Varianza Nugget, C1: Varianza Estructural, C0+C1: Umbral, A: Alcance, RMSE: Raíz del Error Cuadrático Medio, AIC: Criterio de Información de Akaike, NR: (C0/C0+C1)*100, CO: Carbono orgánico, CIC: Capacidad de intercambio catiónico, Ca: Calcio cambiable, Mg: Magnesio cambiable, PSB: Porcentaje de satura-ción con bases.


En cuanto al análisis estructural de la interpolación de los residuos, los semivariogramas presentaron un alcan-ce comprendido entre 104 y 2.933 m para propieda-des del suelo con moderada y alta dependencia espa-cial. Para el conjunto de datos, los residuos de los modelos FKCN interpolados presentaron autocorrelación espacial. Las propiedades que presentaron una alta dependencia espacial fueron: CO, Ca, Mg, y las restantes (CIC, PSB, pH) mostraron una moderada dependencia espacial. Los residuales de las propiedades con alta dependencia espacial presentan una varianza aleatoria relativa (NR) de 4,8% en promedio.

Es importante indicar que la mayoría de los semivariogramas de los residuos presentó una mayor facilidad para el ajuste de los modelos esféricos y exponenciales que las variables originales, lo que posteriormente contribuyó al mejoramiento del proceso de interpolación fi-nal de los modelos obtenidos por RNA.

Descripción de los Modelos de Predicción de Propiedades Químicas

Los valores inferidos acerca de las variables consideradas se representan como modelos continuos de variación espacial en la Figura 1.

El contenido de carbono orgánico es claramente mayor, mientras que los contenidos de calcio y magnesio inter-cambiable, el PSB son marcadamente menores en la re-gión oriental de la cuenca. En este sector existen condi-

ciones micro climáticas de alta precipitación y vegetación de bosques siempre verde combinadas con un relieve al-tamente accidentado, cuya influencia ha originado suelos evolucionados con evidencia de lavado de bases cambia-

bles y acumulaciones de carbono orgánico.

El comportamiento espacial del pH de los sue-los explica los rasgos edafológicos en la zona central y occidental del área evaluada, ya que en las posiciones geomorfológicas de las lade-ras dominan reacciones moderadamente ácidas, haciéndose menos ácidas en las partes bajas, a nivel de líneas de drenaje y en los paisajes de valles intramontanos. Las diferencias también son bien marcadas en la región Noreste, donde las reacciones son fuertemente ácidas, con bajos contenidos de Ca, Mg, PSB y altos contenidos de aluminio intercambiable y carbono orgánico.

Evaluación de la Confiabilidad de los Modelos de Predicción

Los resultados de la evaluación de la exactitud de los modelos FKR obtenidos con el conjunto de da-tos independientes para la validación se indican en el Tabla 3. El MAE presenta valores inferiores a la desviación estándar para la mayoría de las propiedades consideradas, argumentando una precisión moderada para dichos modelos y el

Figura 1. Modelos continuos de variación espacial de las variables CO, CIC, Ca, Mg, PSB y pH.


MPE es indicativo de la moderada a alta confiabilidad, ya que solamente el PSB es subestimado bajo este enfoque.

El índice AC presenta un moderado a alto grado de con-cordancia para la mayoría de las propiedades, sobre-saliendo el pH, el Ca intercambiable y CO con 92, 91 y 88% de acuerdos, respectivamente. El coeficiente de concordancia manifiesta una exactitud promedio supe-rior al 83% para el conjunto de propiedades químicas de los suelos evaluados.

Conclusiones

La aplicación del enfoque FKR permitió la evaluación de la variabilidad de las propiedades químicas del suelo desde el punto de vista de disponibilidad y retención de nutrientes, a través de las unidades de paisaje del sector estudiado en la cuenca del río Caramacate.

El grado de concordancia entre los valores observados y estimados fue superior al 83%, lo cual indica una mo-derada a alta relación entre las propiedades químicas del suelo y las condiciones ambientales.

El método combinado FKR, demostró fortalezas en la eva-luación conjunta de la variabilidad espacial global y lo-cal, en la capacidad predictiva, en la sencillez de los mo-delos de propiedades químicas del suelo y en la facilidad para la interpretación de las relaciones suelo-paisaje.

Los resultados de la aplicación del enfoque FKR propor-ciona a la cartografía digital de suelo una alternativa que puede contribuir a mejorar la toma de decisiones para resolver los problemas ambientales y limitaciones agronómicas locales de gran importancia, al propor-cionar predicciones de propiedades químicas del suelo con adecuada exactitud, que capturan la variabilidad de las relaciones suelo-paisaje en el sector estudiado de la cuenca del río Caramacate.

Agradecimiento

Esta investigación fue apoyada por fondos provenien-tes de la Ley Orgánica de Ciencia, Tecnología e Inno-vación (LOCTI) y del Consejo de Desarrollo Científico y Humanístico de la Universidad Central de Venezuela (CDCH-UCV). También damos las gracias al Internatio-nal Centre for Theoretical Physics (Trieste-Italia) por el apoyo financiero y becas.

Referencias

Bezdek, J. C., tsAo, e. C., PAl, n. R. (1992). Fuzzy Koho-nen Clustering Networks, in Proc. IEEE Int. Conf. on Fuzzy Systems (San Diego), pp. 1035-1043.

hengl, t., heuVelink, g. B., stein, A. (2004). A generic fra-mework for spatial prediction of soil variables based on regression kriging. Geoderma 122 (1-2): 75-93.

hengl, t., heuVelink, g. B., RossiteR, d. g. (2007). About regression-kriging: From equations to case studies. Computers & Geosciences 33: 1301-1315.


kohonen, t. (1982). Analysis of a simple self-organizing process. Biological Cybernetics 44: 135-140.

Tabla 3. Evaluación de la exactitud de los modelos de predicción de propiedades químicas del suelo mediante FKR.

PROPIEDAD MAE RMSPE AC S MPE

CO (%) 0,1 0,1 0,88 0,2 0,03

CIC 5,0 6,7 0,73 8,1 -2,32

Ca 1,6 2,2 0,91 4,2 -0,67

Mg 2,2 2,6 0,77 3,3 -0,99

PSB (%) 7,6 9,6 0,79 12,2 2,13

pH 0,1 0,2 0,92 0,3 -0,03

MAE: Error medio absoluto, RMSPE: Error cuadrático medio de predicción, AC: Coeficiente de concordancia, S: Desviación están-dar de los valores observados, MPE: error medio de predicción, CO: Carbono orgánico, CIC: Capacidad de intercambio catiónico (cmol.kg-1), Ca: Calcio cambiable (cmol.kg-1), Mg: Magnesio cam-biable (cmol.kg-1), PSB: Porcentaje de saturación con bases. n= 33 perfiles de suelo.


mCBRAtney, A. B., mendonçA, m. l., minAsny, B. (2003). On digital soil mapping. Geoderma 117: 3-52.

minAsny, B.; mCBRAtney, A. B. whelAn, B. m. (2005). VES-PER version 1.62. Australian Centre for Precision Agriculture, McMillan Building A05, The University of Sydney, NSW 2006.

sun, w., minAsny, B., mCBRAtney, A. B. (2012). Analysis and prediction of soil properties using local regres-sion-kriging. Geoderma 171-172: 23-30.

ViloRiA, A. (2007). Estimación de modelos de clasifica-ción de paisaje y predicción de atributos de suelos a partir de imágenes satelitales y Modelos Digitales de Elevación. (Trabajo de grado). Facultad de Cien-cias. Universidad Central de Venezuela. Caracas, Venezuela. 95p.

willmott, C. J. (1984). On the evaluation of model per-formance in physical geography. In: Spatial Statis-tics and Models, 443-460. Gaile, G.L. y C. J. Will-mott, (eds). Norwell, Mass.: D. Reidel.

zhu, A. x., mooRe, A., BuRt, J. e. (2006). Prediction of Soil Properties Using Fuzzy Membership. Proceedings of the 2nd Global Workshop on Digital Soil Mapping, July 4-7, 2006. Río de Janeiro, Brazil. 6 p.

zhu, q., lin, h. s. (2010). Comparing ordinary kriging and regression kriging for soil properties in contras-ting landscapes. Pedosphere 20(5): 594-606.


Cartografía digital de propiedades químicas del suelo en paisajes de

montaña

Jesús ARnAldo ViloRiA1, ángel VAleRA2, mARíA CoRinA PinedA1

Universidad Central de Venezuela, Facultad de Agronomía, Instituto de Edafología1;

Universidad Rómulo Gallegos, Centro de Investigación y Extensión en Suelos y Aguas2


RESUMEN

Los suelos de la cuenca del río Caramacate presentan gran heterogeneidad debido a la influencia del relieve, el uso de la tierra y la susceptibilidad a los movimientos en masa. Esto ha dificultado la obtención de un mapa convencio-nal de suelos. El desarrollo de la geomática ha promovido la aplicación de métodos de cartografía digital de suelos con base en covariables ambientales derivadas de mode-los digitales de elevación e imágenes de satélite. En esta investigación se aplicó un enfoque de inferencia espacial basado en el método kriging de regresión (RK) para la representación cartográfica de propiedades químicas de suelos. Este método predice la distribución espacial de pro-

piedades del suelo por medio de regresión lineal múltiple con covariables ambientales e interpolación por kriging de los residuales de la regresión. El método fue aplicado para generar modelos de distribución espacial de carbono orgánico, capacidad de intercambio catiónico (CIC), Ca cambiable, Mg cambiable y porcentaje de saturación de bases del suelo. El coeficiente de determinación (R2) de los modelos de regresión fue bajo (< 0,4) pero los residuales mostraron dependencia espacial y pudieron ser interpo-lados. Los errores medios de predicción de los modelos obtenidos combinando regresión e interpolación de los re-siduales fueron cercanos a cero. Asimismo, los valores de los errores medios absolutos y errores cuadráticos medios fueron menores que las desviaciones estándar de los va-lores medidos en los puntos de muestreo. Esto indica que las predicciones obtenidas de las propiedades del suelo analizadas en la zona de interés son confiables.

Palabras clave: REGRESIÓN LINEAL MULTIPLE, INTERPOLA-CIÓN POR KRIGING, MODELO DIGITAL DE ELEVACIÓN.

DIGITAL MAPPING SOIL CHEMICAL PROPERTIES IN MOUNTAIN LANDSCAPES

ABSTRACT

Soils in the Caramacate river basin are quite heteroge-neous due to the influence of topography, land use and

susceptibility to landslides. This has made it difficult to obtain a conventional soil map. The development of geomatics has promoted the application of methods of digital soil mapping based on environmental cova-riates derived from digital elevation models and sate-llite images. This research applied a spatial inference approach based on regression kriging (RK) for the ma-pping of soil chemical properties. This method predicts the spatial distribution of soil properties by means of multiple linear regressions with environmental covaria-tes and kriging interpolation of the regression residuals. The method was applied to generate models of spatial distribution of organic carbon, cation exchange capa-city, exchangeable Ca, exchangeable Mg and base sa-turation percentage in soils. The coefficient of determi-nation (R2) of the regression models was low (<0.4) but regression residuals showed spatial dependence and could be interpolated. The average prediction errors obtained by combining regression models and residual interpolations were nearly zero. Likewise, the values of the mean absolute errors and mean squared errors were lower than the standard deviations of the measu-red values at the sampling points. This indicates that the predictions achieved of the analyzed soil properties in the study area are reliable.

Keywords: MULTIPLE LINEAR REGRESSION, KRIGING INTERPOLATION, DIGITAL ELEVATION MODEL.


Introducción

Las áreas montañosas son ecosistemas frágiles de gran importancia ambiental, sin embargo, estas carecen de información básica relacionada con estudios de suelo, información que permitiría realizar evaluaciones a tra-vés de modelos de simulación ambientales y agrícolas. Las tecnologías emergentes han creado nuevas opor-tunidades para apoyar los métodos de levantamiento cuantitativo de suelos, que generen predicciones de propiedades edáficas individuales con mayor precisión y exactitud. En la actualidad se han aplicado numero-sos modelos estadísticos para la interpolación de pro-piedades del suelo, entre los que destacan los métodos geoestadísticos, los cuales muchas veces son prohibiti-vos por la exigencia en cuanto al número de muestras y la reducida extensión geográfica. Sin embargo, uno de los desarrollos metodológicos más significativos para el estudio de las relaciones suelo-paisaje son los métodos predictivos que combinan la interpolación (kriging) y la regresión lineal múltiple (RK) (Zhu et al., 2010; Sun et al., 2012). Este método de análisis, aunado al desarro-llo de los sistemas de información geográfica (SIG), apo-yados con información auxiliar de adecuada resolución espacial (MDE y sus derivadas, e imágenes de satélite), ofrece nuevas oportunidades para superar las limitacio-nes de los levantamientos convencionales, y así, produ-cir información edáfica de manera más eficiente, en el menor tiempo posible. En esta investigación se aplican

las técnicas RK con la finalidad de generar modelos de predicción de algunas propiedades químicas del suelo a partir de variables ambientales derivadas de MDE e imágenes satelitales.


Área de estudio

Se seleccionó un sector dentro de la cuenca del río Ca-ramacate (6.760 ha). La cual se ubica entre las coor-denadas UTM 696.879-712.415 Norte, y 1.098.310-1.123.583 Este, Huso 19, abarcando parte de los municipios Santos Michelena y San Sebastián de los Reyes del estado Aragua. Esta cuenca está sometida a intensos procesos de degradación ambiental y carece de suficiente información para apoyar la implantación de planes de manejo.

Datos de suelos

Se levantó un total de 133 perfiles de suelo (incluyen calicatas, cortes de carreteras y barrenos agrológicos). Estos se localizan sobre cuatro formaciones litogeo-morfológicas: metatobas de El Caño-El Chino (VCñc), metalavas de El Carmen (VCca), sedimentos aluviales acarreados por el río Caramacate (Qñcca) y mantos coluvio-aluviales (Cñc). Estas unidades explican la varia-ción de las propiedades del suelo (Pineda et al., 2011).

Variables auxiliares

Para la obtención de clases digitales de superficie de terreno (clases DST) se utilizó un modelo digital de ele-vación (MDE) de 15 m de resolución espacial. A partir de este se derivaron diversos parámetros topográficos denominadas variables auxiliares o covariables am-bientales, que incluyen: altitud, grado de pendiente, orientación de la pendiente, posición relativa, curvatura vertical, curvatura horizontal, área de captación, índice topográfico de humedad y el índice de transporte de sedimentos. Adicionalmente se incorporó un mapa de precipitación realizado por Kriging ordinario (Pineda, 2011), el Índice de vegetación de diferencia normaliza-da (NDVI) el cual fue calculado a partir de una imagen Spot 5 multiespectral 658-330 08/03/26. Las cova-riables ambientales se corresponden al modelo de fac-tores de formación de suelos (Jenny, 1941) y al mode-lo geoespacial multivariado SCORPAN, formulado por McBratney et al. (2003). Estas fueron empleadas como parámetros de entrada para la estimación de propieda-des específicas del suelo.

Modelo de Inferencia: Kriging combinado con regresión lineal múltiple

Este modelo es una técnica de predicción espacial que integra valores de predicción de variables edáficas por


regresión lineal múltiple y valores de la interpolación de los residuales de esta predicción.

El método se fundamenta en la correlación espacial y la variación estacionaria de los residuales de los modelos de regresión. Este procedimiento es considerado como el mejor predictor lineal insesgado para datos espacia-les; es decir, es el mejor interpolador lineal consideran-do el modelo universal de variación espacial (Minasny y McBratney, 2007). Las principales etapas del algoritmo kriging de regresión para la predicción de propiedades de los suelos empleadas en esta investigación, fueron las siguientes:1) Desarrollo de una base de datos con variables edáficas y variables o covariables ambientales auxiliares de cada sitio de predicción; 2) Generación de modelos de regresión lineal múltiple, para la predic-ción de los atributos edáficos (variables dependientes) a partir de las variables auxiliares (variables indepen-dientes) de los datos vecinos; 3) Predicción de variables edáficas con la aplicación de los modelos de regresión. La generación de mapas de propiedades del suelo (Ma-pas A) con las diferentes funciones de regresión lineal múltiple;4) Cálculo de los residuos del modelo de regre-sión para cada uno de los puntos vecinos. En esta fase se utilizó el método de estimación lineal de los mínimos cuadrados ordinarios y el procedimiento paso a paso del programa SPSS, para los valores residuales no tipi-ficados;5) Estimación de los variogramas empíricos de los residuos, para lo cual se empleó el programa Vesper

1.6 (Minasny et al., 2005); 6) Ajuste de los variogramas empíricos a modelos matemáticos, utilizando el método de kriging ordinario del programa Vesper; 7) Obten-ción de mapas mediante la interpolación de los residuos (Mapas B) y 8) Suma de los mapas de los modelos de regresión (Mapas A) y los mapas de interpolación de residuos (Mapas B).

Evaluación de los modelos de regresión

Para la evaluación de la bondad de ajuste de los mo-delos de predicción de las propiedades del suelo se utilizó el coeficiente de determinación múltiple ajusta-do (R2a) por el número de variables predictoras (Hengl et al., 2004).


Para la evaluación de la exactitud de los modelos de predicción de las propiedades de los suelos, se utiliza-ron cuatro índices diferentes: el error medio de predic-ción (MPE), el error medio absoluto (MAE), la raíz del error cuadrático medio de predicción (RMSPE) y el coe-ficiente de concordancia (AC). El primer índice evalúa el error sistemático e indica la presencia de subestimación o sobrestimación del modelo, el segundo garantiza que el resultado del error sea estrictamente positivo y el ter-cero evalúa la precisión de la predicción.

Los valores de MPE, RMSPE y MAE iguales a 0 indi-can un ajuste perfecto. El coeficiente de concordancia (AC) es una medida del grado del error de predicción de los modelos normalizados y varía entre 0 y 1. Un valor calculado de 1 indica un acuerdo perfecto entre los valores medidos y predichos, y un valor de 0 indi-ca que no hay acuerdo o existe un desacuerdo total entre los valores estimados y los observados. Para la validación se empleó un conjunto de datos indepen-dientes equivalentes al 25% de los datos. Los datos restantes fueron utilizados para el ajuste y desarrollo de los modelos.


Generación de los modelos de predicción de propiedades del suelo

Los resultados de los modelos de regresión lineal múlti-ple muestran las relaciones entre las variables edáficas y las covariables ambientales (Tabla 1).

Para cada ecuación de regresión se aplicaron los su-puestos de comprobación del error y se eliminaron los valores atípicos a los modelos basados en la distancia de Cook (Cook, 1977), obteniéndose los coeficientes de regresión estimados mediante el método de los mínimos cuadrados ordinarios.


Tabla 1. Variables auxiliares seleccionadas para cada uno de los modelos de predicción de propiedades del suelo con las técnicas RK.

M: Modelo, n: número de muestras empleadas en el modelo. PP: Precipitación. SMM: Susceptibilidad a movimientos en masa. Area_C: Área de Captación. Alt: Altitud. Perfil_C: Perfil de Curvatu-ra. NDVI: Índice de Vegetación de Diferencia Normalizada, CO: Carbono orgánico, CIC: Capacidad de intercambio catiónico, Ca: Calcio cambiable, Mg: Magnesio cambiable, PSB: Porcentaje de saturación con bases.

M n ECUACIÓN DE REGRESIÓN LINEAL MÚLTIPLE R2a

1 97 %CO = 1,65 + (1,02 * NDVI) 0,05

2 83 CIC = 78,74 - (0,000073 * Area_C) - (0,04 * PP) 0,06

3 83 Ca = 31,244 - (22,616 * Perfil_C) - (0,015 * PP) 0,17

4 75 Mg = 58,98 - (0,030 * PP) - (0,000028 * Area_C) - (3,93 * SMM) 0,40

6 83 PSB = 66,67 - (142,04 * Perfil_C) 0,14

7 78 pH = 11,36 - (0,0042 * PP) 0,32

Los R2a de los modelos son bajos. En conjunto no llegan a explicar más del 20% de la variabilidad presente en los suelos del sector evaluado. En todas las evaluaciones se evidencia que los modelos de variación espacial por medio del análisis de regresión lineal manifiestan una bondad de ajuste no satisfecha. Estos resultados coin-ciden con los obtenidos en otras investigaciones (Hengl et al., 2004; Zhu y Lin, 2010; Sun et al., 2012; Olme-do et al., 2012). Al realizar el análisis geoestadístico de los componentes aleatorios (residuos) con el método

kriging ordinario (Tabla 2) se encontró que los semiva-riogramas fueron ajustados principalmente con modelos esféricos y exponenciales, con un alcance comprendido entre 113 y 718 m. Los residuales de las propiedades en su mayoría (a excepción de Ca y pH) presentan una alta dependencia espacial con una varianza aleatoria relativa (NR) de 24% en promedio. Las propiedades de los suelos tienen valores de semivarianza mínima que representan menos de la mitad de la varianza total, a excepción de Ca cambiable, el cual supera el 50% de la varianza relativa.

Tabla 2. Parámetros geoestadísticos obtenidos de los variogramas de los residuales de las variables edáficas.

P C0 C1 A (m) RMSE AIC NR

CO 0,0 0,4 717,6 0,1 21,0 1,8

CIC 0,1 88,0 113,8 31,9 108,5 0,1

Ca 5,3 4,5 334,6 5,2 68,9 53,9

Mg 1,9 14,7 495,6 6,0 71,9 11,4

PSB 82,0 242,5 271,6 187,8 147,6 25,3

pH 0,1 0,0 541,0 0,0 42,5 39,5

P: Propiedad, C0: Varianza Nugget, C1: Varianza Estructural, A: Alcance, NR: (C0/C0+C1)*100, CO: Carbono orgánico (%), CIC: Capacidad de intercambio catiónico, Ca: Calcio cambia-ble, Mg: Magnesio cambiable, PSB: Porcentaje de saturación con bases.

La estructura espacial de los residuos de las propieda-des de los suelos es indicativa de la potencialidad de la información auxiliar en la contribución del modelado de la variabilidad de las propiedades químicas de los sue-los. La integración de los modelos estimados con RLM y la interpolación de los residuales dieron como resultado un mapa final para cada propiedad del suelo.

Descripción de los modelos de predicción de propiedades químicas

Los mapas finales de cada propiedad evaluada pre-sentan una gran influencia de las variables auxiliares dependientes que condicionan el comportamiento y la distribución en el espacio geográfico (Figura 1 y 2). Los mapas de las propiedades químicas indican que el %CO es mayor en las áreas donde existen coberturas bosco-sas (>NDVI), ya sea en las zonas ribereñas o en las mon-tañas altas, hacia el Este de la cuenca. En este sector, el microclima local caracterizado por una mayor preci-pitación, influye en una baja CIC y bases cambiables, pH bajos con una reacción de moderada a fuertemente ácida y altos contenidos de aluminio intercambiable.


En el caso del MPE la mayoría de los valores son cercanos a cero lo que indica una predicción no sesgada o con muy


poco sesgo, con excepción de la CIC, cuyos valores tendie-ron a ser subestimados por las predicciones (Tabla 3). Los valores de MAE y RMSPE son menores que la desviación estándar de los valores medidos en los puntos de muestreo, lo cual sugiere que la predicción de las propiedades del suelo en la zona de interés es confiable.

El índice de concordancia expresa que el grado de acuerdos es superior al 80%. Esto significa que mediante el uso de las ecuaciones obtenidas por regresión lineal múltiple y la inter-polación espacial de los residuos, se puede lograr una mejor estimación en comparación con el uso del valor de las observa-ciones como predicción.

Figura 1. Mapas de %CO, Ca y PSB del suelo, estimadas con la aplicación de las técnicas RK en el área estudiada.

Figura 2. Mapas de CIC, Mg y pH del suelo, estima-das con la aplicación de las técnicas RK en el área estudiada.

Tabla 3. Evaluación de la exactitud de los modelos de predicción de propiedades químicas del suelo mediante RK en un sector de la cuenca del río Caramacate.

PROPIEDAD MAE RMSPE AC S MPE

CO (%) 0,09 0,11 0,89 0,17 0,03

CIC 5,89 7,48 0,64 7,95 -2,60

Ca 1,63 2,04 0,93 4,14 -0,16

Mg 1,65 1,94 0,89 3,20 0,90

PSB (%) 8,50 11,61 0,75 12,06 0,87

pH 0,16 0,27 0,88 0,33 -0,05MAE: Error Medio Absoluto, RMSPE: Error Cuadrático Medio de Predicción, AC: Grado de acuerdos, S: Desviación estándar de los valores observados, MPE: Error Medio de Predicción, CO: Carbono orgánico, CIC: Capacidad de intercambio catiónico (cmol.kg-1), Ca: Calcio cambiable (cmol.kg-1), Mg: Magnesio cambiable (cmol.kg-1), PSB: Porcentaje de saturación con bases, Número de perfiles de validación= 33.Figura 1 Figura 2


Conclusiones

La aplicación del enfoque RK permitió la evaluación del efecto combinado de propiedades químicas del suelo, visualizar la estructura espacial de dichas propiedades y determinar la influencia de variables auxiliares sobre la precisión cartográfica en áreas dominadas por paisa-jes de montaña.

El grado de concordancia entre los valores obser-vados y estimados fue superior al 80.

Agradecimiento


Referencias

Cook, d. (1977). Influential observations in linear regres-sion. Journal of the American Statistical Association 74 (365): 169-174.

hengl, t., heuVelink, g. B., stein, A. (2004). A generic fra-mework for spatial prediction of soil variables based on regressionkriging. Geoderma 122 (1-2): 75-93.


mCBRAtney, A. B., mendonçA, m. l., minAsny, B. (2003). On digital soil mapping. Geoderma 117: 3-52.

minAsny, B.; mCBRAtney, A. B. whelAn, B. m. (2005). VES-PER version 1.62. Australian Centre for Precision Agriculture, McMillan Building A05, The University of Sydney, NSW 2006.

minAsny, B. & mCBRAtney, A. B. (2007). Spatial prediction of soil properties using EBLUP with the Matérn cova-riance function. Geoderma 140 (4): 324–336.

PinedA, m. C., elizAlde, g., ViloRiA, J. (2011). Determina-ción de áreas susceptibles a deslizamientos en un sector de la Cordillera de la Costa Central de Vene-zuela. Interciencia 36(5): 370-377.

zhu, q. & lin, h. s. (2010). Comparing ordinary kriging and regression kriging for soil properties in contras-ting landscapes. Pedosphere 20(5): 594-606.


Evaluación de métodos de interpolación para generación de

Modelos Digitales de Elevación en áreas planas

mARíA CoRinA PinedA1, diego mAChAdo2, CenAidA PeRdomo1, ángel VAleRA3

Universidad Central de Venezuela, Facultad de Agronomía, Instituto de Edafología1;

SIGPER Consultores, C.A.2; Universidad Rómulo Gallegos, Centro de Investigación y

Extensión en Suelos y Aguas3

[email protected]; [email protected]; [email protected]; [email protected]

RESUMEN

Los modelos digitales de elevación (MDE) son la forma más efectiva de representación de la superficie terrestre. Sin embargo, los resultados obtenidos con distintos mé-todos de interpolación muestran que los insumos y los métodos de interpolación utilizados para la generación de los MDE influyen en su precisión y exactitud, afectan-do no solo los valores de altura sino también la forma de representar la configuración del terreno. Este estu-dio compara cuatro métodos de interpolación utilizados

para generar MDE con la finalidad de determinar cuál de ellos permite obtener una mayor precisión y configu-ración del relieve en la zona en estudio. Los métodos de interpolación utilizados fueron el inverso del peso de la distancia (IDW), Kriging ordinario, Anudem y Spline regularizado (Spline_R) y con tensión (Spline_T). Los va-lores de Error Medio Cuadrático (EMC) muestran que el método kriging es el más adecuado. Adicionalmente éste método mostró un mejor ajuste al compararlo con un mapa de contenido de arena del área de estudio, esto en cuanto a la configuración del paisaje espera-da. Estos resultados indican, que los productos de los métodos de interpolación para la generación de MDE se deben probar no sólo en relación a la precisión en cuanto a datos de altura, también en relación a la confi-guración de formas de terreno.

Palabras clave: KRIGING, SPLINE, INVERSO DEL PESO DE LA DISTANCIA, ANUDEM, GPS.

ELEVATION OF INTERPOLATION METHODS FOR GENERATING DIGITAL ELEVATION MODELS

IN FLAT AREAS

ABSTRACT

The digital elevation model (DEM) is the most effective form of representation of the earth’s surface. However,

the results obtained with different interpolation methods show that inputs and interpolation methods used to ge-nerate the DEM influence their precision and accuracy, affecting not only the height values but also the way of representing the ground configuration. This study com-pares four interpolation methods used to generate DEM in order to determine which one enables higher accura-cy and better configuration relief in the study area. The interpolation methods used were the inverse distance weighting (IDW), ordinary kriging, Anudem, Spline re-gularized (Spline_R) and Spline tension (Spline_T). Root mean square error (RMSE) values show that kriging is the most accurate. Additionally, this method showed a better fit when compared to a map of sand content of the study area, these in terms of setting the expected landscape. These results indicate that the products of interpolation methods for generating MDE should be tested not only in relation to the precision in terms of height data, but also in relation to the configuration of landforms.

Keywords: KRIGING, SPLINE, IDW, ANUDEM, GPS.

Introducción

Los modelos digitales de elevación (MDE) son la forma más efectiva de representación de la superficie terrestre para el análisis del terreno (Pérez y Francois, 2009). Los resultados obtenidos de evaluaciones realizadas a los mismos muestran que la resolución, el método de in-


terpolación y los insumos utilizados para la generación de los MDE influyen en su precisión y exactitud, no solo en los valores de altura sino también en la configura-ción del terreno. Configuración que en algunos casos es el punto de partida para realizar otros análisis rela-cionados con la caracterización del paisaje o del suelo (Nabel y Becerra, 2007), esta configuración es de vital importancia, principalmente en planicies aluviales de origen cuaternario (Yang Xionga et al 2014; Geah et al., 2014).

Está claro que se han realizado muchos estudios sobre la precisión de las técnicas de interpolación para la generación de modelos digitales de elevación (MDE) en relación con los tipos de accidentes geográficos y el volumen de datos, sin embargo todavía existe la necesidad de evaluar el desempeño de estas técnicas en paisajes naturales de diferente morfología y en una amplia gama de escalas (Chaplot et al., 2006). Adicionalmente la selección del método es controlada principalmente por las características geomorfológicas inherentes (morfología superficial y elevación) de los datos; sin embargo, los atributos de estructura de datos juegan un papel importante.

Los métodos de interpolación permiten predecir los va-lores para para cada celda de un mapa raster a partir de una cantidad limitada de puntos de muestreo. Entre ello se tiene el inverso de la distancia (IDW), el cual de-

termina los valores de celda a través de una combina-ción ponderada linealmente de un conjunto de puntos de muestra (Watson y Philip, 1985). La ponderación es una función de la distancia inversa en este caso la superficie que se interpola debe ser la de una variable dependiente de la ubicación; el Kriging es un método similar al de IDW ya que pondera los valores medidos circundantes para calcular una predicción de una ubi-cación sin mediciones, diferenciándose de este método en que, las ponderaciones están basadas no solo en la distancia entre los puntos medidos y la ubicación de la predicción, sino también en la disposición espacial general de los puntos medidos (Oliver, 1990; Webster y Oliver, 2007). En el caso específico del kriging or-dinario, la ponderación, depende de un modelo ajus-tado a los puntos medidos, la distancia a la ubicación de la predicción y las relaciones espaciales entre los valores medidos alrededor de la ubicación de la pre-dicción (Royle et al., 1981). El método Spline estima valores usando una función matemática que minimiza la curvatura general de la superficie, dando como re-sultado una superficie suave que pasa exactamente por los puntos de entrada. Este método es recomendado para superficies que varían levemente. En este caso se usan dos modalidades la opción regularized que modi-fica el criterio de minimización para que los términos de la tercera derivada se incorporen a los criterios de minimización y la opción tension que incorpora los tér-minos de la primera derivada.

Finalmente el método Anudem (topo to raster) que utiliza una técnica de interpolación diseñado específicamente para crear modelos digitales de elevación (MDE) hidro-lógicamente correctos. Este método utiliza una técnica de interpolación de diferencia finita iterativa. Es esencial-mente, una técnica de Spline de lámina delgada discre-tizada (Wahba, 1990) a la cual se le modificó la penali-zación por rugosidad para permitir que el MDE ajustado siga los cambios abruptos en el terreno, como arroyos y crestas (Hutchinson, 1988, Hutchinson, 1989).

Generalmente, la evaluación de la calidad de los MDE se hace a través de la medición de error medio cuadrá-tico (EMC) entre la elevación estimada por el MDE y mediciones muy precisas pero es necesario incorporar otros métodos de evaluación. Este estudio pretende com-parar cuatro métodos de interpolación utilizados para generar un MDE, determinando cuál de ellos permite obtener una mayor precisión, además de establecer el más adecuado según la configuración del relieve en la zona en estudio.


Área de Estudio

La investigación se realizó en Marzo del 2015 en una área de 8 ha, localizada en el campo experimental de la Facultad de Agronomía de la Universidad Central de


Venezuela en el Municipio Girardot del Estado Aragua. La región se corresponde con un clima de Bosque seco tropical. La temperatura media anual es 25°C, la pre-cipitación media anual es 1.063 mm y la evaporación media anual es 1.080 mm (Servicio de Climatología Agrícola de la Facultad de Agronomía, UCV). Los suelos del área se desarrollaron bajo la influencia de la for-mación Las Brisas y se corresponden con una planicie aluvial de menos de 2% de pendiente, conformada por las formas de terreno, eje, napa, cubeta.

Materiales

• Tres (3) receptores GPS de una frecuencia (L1): dos (2) Magellan Promark 3 y uno (1) Sokkia Stratus.

• Dos (2) Receptores GPS Navegadores, Garmin Map-60.• Computadora portátil marca Toshiba Satellite.• GNSS Solution, V-3.7.50.• Arc-Gis V-10.0• Garmin MapSource V-6.16.3• Google Earth Pro V-7.1.2.• Instrumentos de medición topográficos como; trípo-

des, cintas métricas y jalones.• Cámara fotográfica digital.

Metodología

La actividad consistió en establecer una serie de puntos con coordenadas Este (E), Norte (N), Altura Ortométrica

(H); que luego fueron utilizadas para generar un MDE a través de diferentes algoritmos de interpolación. Un porcentaje (± 10%) de los puntos tomados en campo se utilizó para validar los MDE generados.

Planificación de la actividad

En la fase de planificación se contemplaron los siguien-tes aspectos:

• Selección de equipos y materiales, requeridos para el levantamiento.

• Diseño y localización preliminar de los puntos de control y validación terrestre; en base a la configu-ración del terreno, usando el diseño en cuadricula.

• Selección del vértice, que servirá como punto de refe-rencia, para la vinculación con la Red Geodésica de Venezuela.

• Definición de modos de cap-tura y procesamiento de in-formación satelital GPS.

• Recopilación de información técnica complementaria.

• Selección de algoritmos de interpolación para generar los MDE.

Diseño y localización preliminar de los puntos de control y validación

Se realizó el diseño teórico de una matriz (cuadricula) en la cual se ubicaron los puntos de medición, con una densidad de 20 puntos/ha (Figura 1). Posteriormente se realizó el ajuste de la matriz de muestreo, lo cual consis-tió en la representación cartográfica de los puntos usan-do el programa MapSource, una vez representados, se exportan sus respectivas coordenadas a receptores GPS Navegadores. Estos puntos preseleccionados fueron lo-calizados en campo, mediante la utilización de navega-dores GPS Garmin Map60 para su posterior medición (Figura 2). Siguiendo el mismo procedimiento se locali-zaron vértices de validación a razón de 3 puntos/ha.

Figura 1. Ubicación teórica de puntos de control terrestre. Figura 2. Localización prelimi-nar de puntos en campo.


Vinculación a la red geodésica nacional (REGVEN)

Se tomó como punto de vinculación al Sistema Geo-désico Nacional el Vértice de Nivelación Geodésica (BM) identificado como MT-1, ubicado en la redoma de la Fuente del Campus UCV-Maracay, parroquia Los Tacariguas, municipio Girardot, estado Aragua, (Tabla 1).

Tabla 1. Coordenadas del vértice geodésico (MT-1).

Datum SIRGAS-REGVEN, Huso 19, Elipsoide GRS80Cota Elipsoidal (h): 427,15 mCota Ortométrica (H): 444,39 m

LATITUD N

LONGITUD O

UTM NORTE (m)

UTM ESTE (m)

10º16’16,9569” 67º36’47,9211” 1135744,854 651861,024

Este punto fue trasladado a la parcela, perteneciente al Campo Experimental de la Facultad de Agronomía, para lo que se diseñó una red conformada por el vértice de vinculación antes referido (BM MT-1) y dos vértices identificados como “CENT” y “REMO”.

Luego, se procedió a ejecutar las mediciones con GPS usando el método diferencial (DGPS) en modo estáti-co; con una sesión de medición mayor de 60 minu-tos; a intervalos de captura de 5 segundos; máscara de elevación de 10 grados sobre el horizonte; línea

base menor a 2 Km; PDOP menor a 4, número de satélites observados mayor o igual de seis (6) y un error máximo permisible de 10 cm. Finalmente, para la obtención de la coordenada, de la estación base (CENT) se procedió a realizar el Post-procesamiento diferencial usando efemérides precisas, de los datos GPS tomados en campo.

Levantamiento GPS de puntos de medición y validación

Una vez realizada la vinculación se realizó el levanta-miento en cuadricula de puntos con GPS, usando el mé-todo diferencial en modo estático. Este método se utilizó para los puntos que forman parte de la cuadricula y los puntos de validación. Se utilizaron sesiones de medición mínima de 10 minutos; a intervalos de captura de 5 segundos; máscara de elevación de 10 grados sobre el horizonte; mínimo seis (6) satélites en observación; línea base menor a 500 m; PDOP menor a 4 y error máximo permisible de 10 cm.

Para la obtención de la coordenadas UTM (Norte, Este, Elevación) de cada punto; mediante el post-pro-cesamiento diferencial se utilizaron efemérides pre-cisas de los datos GPS obtenidos en campo (Figura 3). Se descargaron los datos capturados por los re-ceptores GPS (Base y Móviles) en las Computadoras Portátiles y usando el Programa GNSS Solutions, se procesaron en forma diferencial con respecto al pun-

to de control (Base) identificado como “CENT”; obte-niendo como resultado las coordenadas UTM, Datum Sirgas-Regven. Los datos preprocesados fueron ana-lizados minuciosamente para comprobar si el error medio cuadrático y la exactitud cumplían con los re-querimientos establecidos.

Figura 3. Captura de datos con GPS.


Estimación cota ortométrica

Para la obtención de la altura geoidal, se corrigieron los valores de elevación elipsoidal conseguida en el post-proce-samiento de cada punto a partir de la ondulación geoidal conocida en el vértice de nivelación BM MT-1, tanto para los puntos de la cuadricula como para los puntos de validación.

Generación de MDE

Partiendo de las coordenadas (E, N, H), de los puntos obtenidos de las mediciones de campo, se generaron Modelos Digitales de Elevación (MDE), aplicando dife-rentes algoritmos de interpolación.

Previo a la aplicación de los referidos algoritmos, fueron comprobados los supuestos de normalidad y homoce-dasticidad de los datos empleados en el análisis. En la plataforma Arc-Gis 10.0, se procesaron los datos, uti-lizando como técnicas de interpolación Anudem (Topo to Raster), Inverso de Peso de la Distancia (IDW), Spli-ne-Regularizado, Spline-Tensión y Kriging. Para generar el MDE por Kriging se realizó el ajuste (Figura 4) de los datos a un semivariograma teórico.

Validación de resultados

Los resultados de los MDE, obtenidos por los diferentes métodos de interpolación, fueron validados desde dos puntos de vista:

Figura 4. Semivariograma ajustado.

1. Exactitud de la Elevación

Para estimar la exactitud de la elevación, se calculó el error medio cuadrático obtenido, al comparar el valor estimado por cada método de interpolación con el valor medido en campo en los puntos de validación.

Adicionalmente se calculó la proporción de puntos con una diferencia menor a 25 cm de altura, entre el valor medido y el valor estimado. Este valor de tolerancia se estableció considerando la premisa de que las elevacio-nes del 90% de los puntos, cuyas cotas se obtengan por interpolación entre curvas de nivel, no diferirán de las verdaderas en más de ½ del intervalo de curva de nivel (Castro, 2014).

2. Configuración del Terreno

Para evaluar si la configuración del terreno obtenida en cada MDE, se asemeja a la realidad; se comparó el comportamiento de las variaciones de altura con la variación del porcentaje de arena en el suelo, debido a que este parámetro edáfico varía en función de la posi-ción geomorfológica del terreno.

Este mapa de arena se obtuvo a partir de un muestreo de suelos (86 puntos) en cuadricula que cubría toda la variabilidad observada. El muestreo se realizó a una distancia de 50m infiriendo que esta era la distancia que mejor resolvía el patrón de variación de los suelos (Ovalles y Rey, 1994). Los valores de arena se ajusta-ron a un semivariograma teórico y finalmente se aplicó kriging (Webster y Oliver, 2007). El comportamiento encontrado se corresponde localmente a la distribución esperada de acuerdo a la localización del río y de las formas de terreno eje, napa, cubeta.


En este sentido se realizaron análisis comparativo de per-files longitudinales y transversales del comportamiento de los contenidos de arena y de las variaciones altitudinales.


Sobre un lote de 8 ha de terreno plano, se midieron las coordenadas (E, N y H) de 190 puntos (Figura 5), con un error máximo de 10 cm. De éstos, 164 fueron utilizados como datos de entrada para generar los MDE utilizando IDW, Anudem, Spline-Tension, Spline-Regula-rizado y Kriging.

Figura 5. Distribución de Puntos de Medición.

Figura 6. Distribución de Puntos de Validación.

Los 26 puntos restantes se emplearon para validar los resultados (Figura 6).

Tabla 2. Error Medio Cuadrático (EMC) y Proporción de puntos con error mayor de la tolerancia.

MDE EMC (m) % Ptos Error > 25 cm

Anudem 0.021 15.38

Spline_R 0.035 19.23

Spline_T 0.019 11.54

IDW 0.024 15.38

Kriging 0.018 7.69

que IDW no funcionó bien debido a su incapacidad para modelar la estructura espacial de los datos. Aun-que autores como Geach et al., 2014, han encontrado un mejor desempeño en métodos tales como el IDW en comparación con métodos geoestadístico (kriging) debi-do a la configuración del paisaje principalmente si estos datos presentaron tendencias.

Al evaluar la exactitud de cada método de interpolación usando los valores del error medio cuadrático y la propor-ción de puntos con errores mayores a la tolerancia (Tabla 2), podemos observar que los MDE obtenidos por Kriging y Spline-Tensión presentan los mejores resultados.

La alta precisión del kriging confirma la amplia aplica-bilidad del mismo en áreas planas. Sin embargo, éste requiere el ajuste de un modelo o variograma, mientras

Tomar una decisión basada solamente en el método de interpolación podría igualmente ser imprudente debido a que algunos autores señalan que, cuando la densidad de puntos de muestreo es baja, la exactitud de la estima-ción (altura) es más dependiente del método de interpo-lación y cuando la densidad es alta el comportamiento es inverso (Chaplot et al., 2006).

Estos dos métodos fueron seleccionados para evaluar la configuración del terreno comparando el despliegue


del MDE generado con el mapa de contenido de arena visualmente. De esta comparación se concluye que la mejor representación de la configuración del terreno la presentaron los métodos de interpolación por kriging y Spline_T (Figura 7).

Figura 7. Modelos digitales de elevación realizados a través de los métodos de interpolación Spline T. Kriging, Spline R y Anudem.

Figura 8. Orientación d las transectas en el mapa de arena y en el MDE obtenido por interpolación kriging.

Figura 9. Perfiles longitudinales en sentido E-O y NO-SE del MDE obtenido por kriging y del contenido de arena.

arena en posiciones bajas, lo cual no se corresponde con la realidad, y en el caso del MDE generado por el método Anudem la impresión es que las diferencias en contenido de arena en el área de estudio no son tan perceptibles.

Con la finalidad de evaluar estos dos modelos (Kriging y Spline-Tensión) se trazaron dos transectas en sentido E-O y NO-SE (Figura 8) y se construyeron los perfiles longitudinales (Figura 9) relacionados con la altura y el contenido de arena donde se constató que existe corres-pondencia entre los contenidos de arena esperados y la configuración del terreno obtenida a través de interpo-lación por kriging.

El comportamiento esperado era obtener los valores más altos en contenido de arena en las posiciones más altas asociadas a la configuración de eje y meno-res contenidos de arena en las posiciones más bajas asociadas a la configuración de cubeta. A manera de comparación se incluyen los MDE de Spline_R y Anu-dem. Se puede observar que en el MDE obtenido por Spline_R se encuentran valores altos de contenidos de

Conclusiones

Los distintos métodos de interpolación muestran resul-tados muy satisfactorios cuando se pretende conseguir una aproximación de calidad, sin embargo, los métodos de interpolación Kriging y Spline-T presentaron un me-nor error medio cuadrático.

El análisis e interpretación visual de la comparación de los MDE con el mapa de contenido de arena del área de estudio, concluye que la zona de planicie fue mejor representada por el método de interpola-ción Kriging ya que el MDE, permitió precisar los lí-mites entre las principales unidades geomórficas (eje,


napa, cubeta) esperadas, con lo cual se infiere que el MDE puede resolver problemas vinculados a la plani-ficación del uso del suelo. Este trabajo representa un aporte importante al conocimiento de la topografía y de la geomorfología del campo experimental de la Facultad de Agronomía.

Agradecimiento

Esta investigación fue apoyada por fondos provenientes de la Ley Orgánica de Ciencia, Tecnología e Innovación (LOCTI) y del Consejo de Desarrollo Científico y Huma-nístico de la Universidad Central de Venezuela (CDCH-UCV). Al International Centre for Theoretical Physics (Trieste-Italia) por el apoyo financiero y becas.

De igual forma se expresa el agradecimiento a la em-presa SIGPER CONSULTORES, C.A. por facilitar el uso de receptores GPS y apoyar con personal para el esta-blecimiento de los puntos de control.

Referencias

ChAPlot, V., dARBoux, f., BouRennAne, h., leguedois, s., silVeRA, n., PhAChomPhon., k. (2006). Accuracy of interpolation techniques for the derivation of digital elevation models in relation to landform types and data density Geomorphology, 77:pp126–141.

CAstRo, o. l. (2014). La evaluación de la exactitud posi-cional de la información geográfica según los están-dares en uso. Instituto Panamericano de Geografía e Historia-OEA. Revista Cartográfica. 90: pp 81-96.

geACh, m. R., stokes, m., telfeR, m. w., mAtheR, A. e., fyfe, R. m., lewin, s. (2014). The application of geos-patial interpolation methods in the reconstruction of Quaternary landform records. Geomorphology. 216:pp234–24.

hutChinson, m. f. (1988). Calculation of hydrologi-cally sound digital elevation models. Documento presentado en el Tercer simposio internacional sobre manejo de datos espaciales en Sydney, Australia.

hutChinson, m. f. (1989). A new procedure for gridding elevation and stream line data with automatic re-moval of spurious pits. Journal of Hydrology, 106: pp211–232.

nABel P. e. y BeCeRRA R. (2007). Uso de técnicas geomá-ticas para el mapeo y caracterización de unidades geomórficas de la Ciudad de Buenos Aires (Argen-tina) mediante interpretación visual de parámetros morfométricos. Boletín de la Sociedad Geológica Mexicana 60(2):pp173-185.

oliVeR, m. A. (1990). Kriging: A Method of Interpolation for Geographical Information Systems. Internatio-nal Journal of Geographic Information Systems.4: pp313–332.

oVAlles, f. y Rey, J. (1994). Variabilidad interna de unida-des de fertilidad en suelos de la depresión del lago de Valencia. Revista Agronomía Tropical. 44(1): pp41-65.

PéRez, A. y fRAnçois m. J. (2009). Evaluación de los erro-res de modelos digitales de elevación obtenidos por cuatro métodos de interpolación. Invest. Geog [onli-ne]. 69:pp53-67. ISSN 0188-4611.

Royle, A. g., ClAusen f. l., fRedeRiksen, P. (1981). Practical Universal Kriging and Automatic Contouring.Geo-processing.1: pp377–394.

wAhBA, g. (1990). Spline models for Observational data. Documento presentado en la Serie de confe-rencias regionales de CBMS-NSF sobre matemáti-cas aplicadas. Philadelphia: Soc. Ind. Appl. Maths.

wAtson, d. f. y PhiliP, g. m. (1985). A Refinement of Inverse Distance Weighted Interpolation.Geoproces-sing.2:pp315–327.

weBsteR, R. y oliVeR, m. A. (2007). Geostatistics for En-vironmental Scientists. Second Edition. Wiley, Chi-chester.330p.


yAng xiongA li-, guo-An tAngA, fA-yuAn liA, BAo-yin yuAnB, zhong-Chen luC (2014). Modeling the evolu-tion of loess-covered landforms in the Loess Plateau of China using a DEM of underground bedrock sur-face. Geomorphology. 209: pp18–26.


Generación de unidades geomorfológicas por medio de técnicas de conjunto borroso,

cuenca del río Gabante, estado Aragua

José CAiCedo1, mARíA CoRinA PinedA2

SIGPER Consultores, C.A.1; Universidad Central de Venezuela, Facultad de

Agronomía, Instituto de Edafología2


RESUMEN

La identificación de unidades geomorfológicas en zona de montaña, con el uso de un sistema de clasificación borrosa (FKCN), permite trabajar fenómenos imprecisos, inciertos y con ruido, a través de estimadores numéricos, que ayudan a evaluar, analizar, planificar y ordenar cuencas hidrográficas; a partir de datos generados por modelos digitales de elevación (MDE). Para el estudio se utilizaron las hojas cartográficas y ortofotomapas: 6746 IV NE, 6747 III SE a escala 1:25.000, y mapa de uni-dades litomorfológicas, con las cuales se construyó un modelo digital de elevación (MDE), permitiendo espa-

cialmente integrar y representar clases geomorfométri-cas, validando estos datos a través de una clasificación fenética por agrupamiento de similitudes globales. Los resultados obtenidos determinan que la cuenca tiene una superficie de 2.524,35 ha, con rangos altitudinales de 740 a 2.380 m.s.n.m.; en cuanto a la fisiografía está conformada por 8 clases geomorfométricas con FKCN presentando una similitud de 3 superclases, en presen-cia de laderas escarpadas a muy escarpadas, confor-mada por las unidades geológicas: Las Mercedes, Las Brisas y San Julián. Constituyendo una base fundamen-tal para el levantamiento de información e identificación de unidades geomorfológicas.

Palabras clave: GEOMORFOLÓGICAS, UNIDADES, MDE, FENÉTICA.

GENERATION OF GEOMORPHOLOGIC UNITS USING FUZZY SET TECHNIQUES, GABANTE RIVER

BASIN, ESTADO ARAGUA

ABSTRACT

The identification of geomorphological units in mountain areas, using fuzzy classifier models (FKCN) for working vague phenomena, uncertain and noisy numerical esti-mators that allow, evaluate, analyze, plan and manage watersheds; from data generated by digital elevation mo-

dels (DEM). For this study, the following 1:25.000 carto-graphic sheets and orthophotomaps were used: 6746 IV NE, 6747 III SE as well as and the geological map, with which a digital elevation model (DEM) was constructed, enabling the spatial integration and representation of geomorphometric classes, validating the data through a phenetic classification by grouping of global similarities. The results determined that the watershed has an area of 2524.35 ha, altitudinal ranges of 740-2380 m; in terms of physiography it consists of 8 classes according to geomorphological FKCN presenting a similarity of 3 superclass presenting steep slopes to very steep, formed by the geological units: Las Mercedes, Las Brisas and San Julian. Forming an essential tool for gathering infor-mation and identifying geomorphological classes.

Keywords: GEOMORPHOLOGICAL, MDE, PHENETIC, WATERSHEDS, PHYSIOGRAPHY.

Introducción

Las cuencas hidrográficas enfrentan condiciones de con-flicto, por no encontrar un equilibrio entre el desarrollo (crecimiento) y la conservación del medio ambiente; si-tuación que se refleja en un creciente deterioro de los suelos, vegetación y aguas, así como del nivel de vida de los habitantes de las regiones montañosas (Macha-do, 2011). Este deterioro se asocia por una parte al des-conocimiento de la geografía y ecología de importan-


tes espacios, y por otro lado, al mal uso e inadecuado aprovechamiento al que han sido sometidos los diversos recursos que ofrece la naturaleza (Londoño, 2001).

La falta de conocimiento de estas zonas de montañas en parte es debido a la complejidad del suelo y el paisaje, por lo que es necesario emplear herramientas que per-mitan relacionar el relieve y las propiedades edáficas, como es el caso de los Modelos Digitales de Elevación (MDE). Los MDE, conforman una estructura numérica de datos que representan la distribución espacial de la alti-tud de la superficie del terreno y permite la generación de unidades geomorfológicas (Nuñez, 2007). Estas unidades son usadas como base para evaluar, analizar, planificar y ordenar cuencas y otros recursos naturales de forma expedita.

La identificación de unidades geomorfológicas en estas zonas es de extrema dificultad, por lo que su obtención de manera tradicional requiere de la inversión de mucho tiempo por parte de un experto. Por tal razón, los MDE pueden ser considerados como un recurso valioso para acelerar el mapeo de suelos y paisajes en áreas mon-tañosas con relaciones complejas (Viloria et al., 2009).

La clasificación borrosa (Fuzzy c-means) y las Redes Neu-ronales Artificiales (RNA), son estimadores numéricos apropiados para modelar el paisaje porque permiten trabajar fenómenos imprecisos, inciertos y con ruido, así

como modelar procesos complejos no lineales (Lin y lee, 1996). Uno de estos métodos son las redes neuronales borrosas de FKCN (Fuzzy kohonen clustering network), las cuales combina el algoritmo para construir las RNA (Redes Neuronales Artificiales), conocidos como “Ma-pas auto-organizados de kohonen”.

Bezdek et al., (1992) fusionaron los mapas auto-orga-nizados de kohonen con el algoritmo de clasificación borrosa fuzzy c-means para obtener el modelo de red FKCN. Este modelo combina la capacidad de aprendi-zaje de SOM con la optimización del agrupamiento de los datos Fuzzy c-means.

El sistema clasificador borroso es una herramienta usada en el análisis morfométrico a partir de datos derivados de un mapa (Guerra y González, 2002). Este análisis, se utiliza en estudios geomorfológicos para generar in-formación de un área, antes de la ejecución de trabajo detallado en campo, con la finalidad de determinar el significado geomorfológico de las clases geomorfomé-tricas obtenidas a través de la interpretación de su dis-tribución espacial y de la descripción de los centros de clases y matrices de membresías. La interpretación de las clases borrosa generadas ayuda a comprender el significado fisiográfico de cada clase digital de terreno.

El propósito de este trabajo fue generar unidades geo-morfológicas a partir de técnicas borrosas en área de

montaña de la cuenca del río Gabante, como alternati-va para la generación de unidades geomorfométricas.

Metodología

La cuenca del río Gabante, pertenece al sector Gaban-te del municipio Tovar del estado Aragua, ubicada entre los límites geográficos a 1140855 – 1150188 Norte y 679356 – 684372 Este, con una extensión de 25,32 km² (Figura 1), presenta en su conformación de relieve un rango de alturas que oscila entre 780 – 2360 m.s.n.m.

Figura 1. Ubicación del área de estudio. Fuente: Caicedo (2014).

En la cuenca existen unidades de formación geológi-cas tales como: Las Mercedes, Las Brisas y San Julián. Presentando dos zonas bioclimáticas: Bosque húmedo montano bajo en las zonas más altas, con temperatu-ra promedio de 17 ºC y precipitaciones de 1280 mm


y Bosque seco premontano en las zonas más bajas. Constituido principalmente por laderas de montañas escarpadas, con pendientes medias que oscilan en el orden de 55,6%.

Generar el MDE

Se realizó la transformación geométrica de las cartas topográficas 6747 III-SE y 6746 IV-NE procedente de cartografía nacional (Instituto Geográfico de Venezuela Simón Bolívar) al sistema de proyección UTM (Datum REGVEN Huso 19); vectorizando las curvas de nivel con equidistancia de 20 m, puntos de control, red hidrográfi-ca y la poligonal de la cuenca. Posteriormente, se reali-zó un control de calidad de las capas a través de visitas a campo y se revisó y ajustó las capas vectoriales, con el equipo CN3 Mobile Computer con Arcpad 7.2, en-contrando concordancia de las capas (figura 2).

Usando la extensión Topo to raster, método de interpo-lación diseñado para la creación del MDE corregidos hidrológicamente, basado en el programa ANUDEM desarrollado por Hutchinson (1988); se generó el MDE (Figura 3), mencionado por Núñez (2011), como un arreglo ordenado de números que representa la dis-tribución espacial de la superficie del terreno (Coor-denadas x, y, z), a partir de las curvas de nivel y de la hidrografía provenientes de los ortofotomapas, con resolución de 20 m.

Figura 2. Verificación en campo de las capas vectorizadas. Fuente: Caicedo (2014).

Figura 3. Modelo Digital de terreno (MDE). Fuente: Caicedo (2014).

Partiendo del MDE generado en ArcGis 10.1 (ESRI 2011), con una resolución de 20m/pixel, se obtuvieron los atributos geomorfométricos (gradiente, orientación de la pendiente, curvatura, área de captación, índice topo-gráfico de humedad) generado a través de Saga 2.1.4 (Conrad et al., 2015) constituido en formato *.ASC. Es-tos se usaron como base para la obtención de clases geomorfométricas. Para ello se usó un sistema clasifica-dor de paisaje Fuzzy Kohonen (Villota y Botero, 1992), el cual normaliza los atributos de entrada transformando estos al mismo rango de variación entre -1 a 1.

Para la obtención del número de clases o unidades paisaje-suelo, se determinó la combinación óptima de número de clases y grado de borrosidad; calculando el índice de rendimiento borroso (FPI, por fuzziness per-formance índex) para varios agrupamientos de los atri-butos geomorfométricos, con distintos números de clases (6 a 12) y valores del exponente borroso (Φ) (de 1,1 a 1,6 con incrementos sucesivos de 0,1). El FPI puede variar desde 1, cuando las clases son discretas (cada individuo pertenece a una sola clase) hasta 0 cuando no existe una clara afiliación de cada individuo a ningu-na clase, por lo tanto todos los centros de clase tienen valores similares (Odeh et al., 1994). Al seleccionar el número de clase y FPI adecuado el programa produce archivos *.ASC con mapas de clases geomorfométricas y un archivo *.txt con valores que describe cada unidad o clase generada (Viloria, 2007). Estos valores genera-


dos describen las clases, permitiendo identificar diferen-tes estructuras de variación espacial del terreno.

Con la finalidad de validar los resultados del agrupa-miento de clases geomorfométricas, a través de simili-tudes globales, se utilizó una clasificación fenética de tipo jerárquico, basada en un análisis de agrupamiento (Acero, 2007), con el objeto de mostrar por otra vía las afinidades existentes entre clases. Para tal fin, se generó un fenograma (Software Past Versión 1.38b) (Hammer et al, 2001), usando la técnica de ligamiento promedio no ponderado (UPGMA-Un weighted Pair Group Method with Arithmetic Mean), la cual está basada en la simi-litud de la relaciones de las variables (Clases geomor-fométricas). Esta relación determina en cierta medida la semejanza entre las clases y la variabilidad observada.


Generado el MDE se obtuvieron parámetros básicos relacionados con la cuenca, como la superficie la cual es de 2.524,35 ha, considerada según su área como una Microcuenca (<10.000 ha) (Aguirre, 2007), con una altitud media de 1642 m.s.n.m. y perímetro de 38,22 Km.

En cuanto a la relación entre el agrupamiento de los pixeles en las clases geomorfométricas se seleccionó el valor óptimo del exponente borroso y el número de cla-

ses, y se obtuvo la información que se presenta en forma gráfica en la figura 4, mostrando la variación del índice de borrosidad lograda (FPI) en función del número de clases (desde 6 hasta 12) y el exponente borroso (Φ) (con valores comprendidos entre 1,1 y 1,6). Se selec-cionó como valor óptimo para la clasificación la clase 8 con un coeficiente borroso igual a 1,2, con valores intermedios de FPI (cercanos a 0,4).

Figura 4. Variación del índice del rendimiento borroso (FPI) en función del número de clases y el exponente borroso (θ), en seis atributos geomorfométricos, en la cuenca del río Gabante. Fuente: Caicedo (2014).

Mapa de clases geomorfométricas

Como resultado del agrupamiento de las celdas de los atributos geomorfométricos, utilizando el sistema clasi-

ficador de paisaje Fuzzy Kohonen (Viloria, 2007), se obtuvo un mapa raster de 8 clases geomorfométricas en formato *.ASC.

El agrupamiento espacial de las clases obtenidas se mues-tra en la figura 5; apreciándose que cada clase tiende a ocupar una posición determinada en el terreno, por lo que, la variación de estas clases tiende a ser sistemática.

Figura 5. Mapa raster de clases geomorfométricas de la cuenca del río Gabante. Fuente: Caicedo (2014).


Interpretación de las clases de terreno obtenidas con la aproximación de FKCN

Los valores que describen el centro de cada clase geo-morfométrica (Tabla 1), por la red neuronal borrosa FKCN, proveen información útil sobre las características de cada unidad o clases, lo cual ayuda a entender la naturaleza fisiográfica de cada una de las 8 clases. Esta información viene contenida en un archivo *.txt.

Tabla 1. Valores de los centros de cada clase geomorfométrica, identificada en el área de la cuenca del río Gabante.

*plan: plano de curvatura; perfil: perfil de curvatura; ITH: índice topográfico de humedad. Fuente: Caicedo (2014).

La aplicación de la fenética como herramienta de agru-pamiento, generó un fenograma de 3 grupos de super-

clases (figura 6): el primer grupo (A) está conformado por las clases 4, 8, 6, 1; el segundo grupo (B) está conformado por las clases 3, 2, 7, ambos grupos consti-tuidos por su similitud entre clases; y finalmente el grupo (C) el cual fue creado por su disimilitud entre las clases geomorfométricas restantes.

12

34

56

78

9

-0.9

-0.8

-0.7

-0.6

-0.5

-0.4

-0.3

-0.2

-0.1 0

Similarity

5

4

8

6

1

3

2

7

Figura 6. Fenograma de las clases geomorfométricas. Fuente: Caicedo (2014).

Respecto al agrupamiento de las superclases (figura 7), se puede mencionar que el grupo A, corresponde en

su mayoría a un área cóncava en plano de curvatura, ya que posee valores negativos, en cambio el perfil de curvatura con valores positivos corresponden a un área convexa, conformada por altitudes media a alta abar-cando las zona bajas de la cuenca con pendiente muy escarpadas, orientadas al O-E-S, con índice topográfico de humedad bajo; indicando un riesgo medio de ero-sión por efecto de la forma y pendiente del terreno.

Figura 7. Mapa raster de Superclases geomorfométricas de la cuenca del río Gabante. Fuente: Caicedo (2014).

El grupo B, pertenece a la zona más alta de la cuenca, con pendiente escarpada y forma del terreno convexa


tomando en cuenta los valores del plano y perfil de cur-vatura. Esto nos indica un alto riesgo de erosión. Adicio-nalmente está conformada por un índice topográfico de humedad alto, el cual en un área sin protección vegetal puede originar desplazamiento de masa. Por el contra-rio el grupo C, por su parte, posee un plano y perfil de curvatura con valores negativos que corresponde a un área cóncava, de baja captación en relación con los otros grupos. El índice topográfico de humedad presen-ta los más altos valores y el porcentaje de pendiente los valores más bajos de la cuenca, estos nos corrobora que es la zona de descarga o drenaje de la cuenca (riachuelo, quebrada y río).

Conclusiones

El uso combinado de redes neuronales borrosas y atri-butos geomorfométrico obtenidos a partir de MDE a una escala de 1:25000, permite la identificación de clases morfométricas, y el análisis físico de cuencas, sirviendo como base para el levantamiento de información y ca-racterización de unidades geomorfológicas, mapas de suelos y zonas riesgos a erosión.

Referencias

ACeRo, s. (2007). Algoritmo para análisis filogenético: UPGMA. Trabajo de Pregrado. Barranquilla; Uni-versidad del Norte, (Colombia). 84 p.

AguiRRe, n. (2007). Manual para el manejo sustentable de cuencas hidrográficas. Universidad Nacional de Loja. Loja, (Ecuador). 116 p.

Bezdek, J. C. tsAo, e. C. k. And PAl, n. (1992). Fuzzy ko-honen clustering networks. In: Proc. IEEE int. Conf. On fuzzy systems, San Diego: 1035-1043.

CAiCedo, J. (2014). Diagnóstico físico-ambiental y so-cioeconómico de la cuenca del río Gabante (afluen-te del río Aragua), en el Municipio Tovar del estado Aragua. Trabajo de grado. Universidad Central de Venezuela. Maracay, (Venezuela). 78 p.

ConRAd, o., BeChtel, B., BoCk, m., dietRiCh, h., fisCheR, e., geRlitz, l., wehBeRg, J., wiChmAnn, V., And BöhneR, J. (2015): System for Automated Geoscientific Analy-ses (SAGA) v. 2.1.4, Geosci. Model Dev., 8, 1991-2007, doi: 10.5194/gmd-8-1991-2015.

ESRI (2011). ArcGIS Desktop: Release 10.1. Redlands, CA: Environmental Systems Research Institute.

gueRRA, f. y gonzález, J. (2002). Caracterización mor-fométrica de la cuenca de la quebrada La Ber-meja, San Cristóbal, estado Táchira – Venezuela. Universidad de los Andes. Geoenseñanza. 7(2): 88-108.

hAmmeR, o., hARPeR d. & RyAn P. (2001). PAST: Paleontolo-gical Statistics Software Package for Education and Data Analysis. Palaeontología Electronica 4: 1-9.

hutChinson, m. f. (1988). Calculation of hydrologically sound digital elevation models. Paper presented at third international symposium on spatial data hand-ling at Sydney, (Australia).

londoño, C. (2001). Cuencas hidrográficas: Bases con-ceptuales- Caracterización- Planificación-Adminis-tración. Trabajo de Ascenso. Universidad de Toli-ma. Ibagué, (Colombia). 359 p.

lin, C.; y lee, C. (1996). Neuronal fuzzy systems. Pren-tice hall, inc.New jersey, (Estados Unidos). 797 p.

mAChAdo, g. (2011). Relación entre la orientación de las laderas y atributos del suelo en la cuenca del río Caramacate, estado Aragua. Trabajo de Post-gra-do. Universidad Central de Venezuela. Maracay, (Venezuela). 116 p.

núñez, y. (2007). Relación Suelo-Paisaje en un sector de la cuenca alta del río Güey, correspondiente a la formación geológica las Brisas. Trabajo de Pregra-do. Universidad Central de Venezuela. Maracay, (Venezuela). 191 p.


núñez, y. (2011). Modelo automatizado de unidades de paisaje a escala 1:50000 con un enfoque neuronal borroso, en la cuenca del río Tucutunemo, estado Aragua. Trabajo de Post-grado. Universidad Central de Venezuela. Maracay, (Venezuela). 75 p.

odeh, i.; mCBRAtney, A.; ChittleBoRough, d. (1994). Spatial prediction of soil properties from landform attributes derived from a digital elevation model. Geoderma, 63: 197–214.

instituto geogRáfiCo de VenezuelA simón BolíVAR. (2014). La Victoria, hoja 6747 III-SE, 6746 IV-NE, cartas topográficas.

VillotA h. y BoteRo P. (1992) sistema CIAF de clasifica-ción fisiográfica del terreno. Instituto Geográfico Agustín Codazzi. Unidad de suelos – CIAF

ViloRiA, A. (2007). Estimación de modelos de clasifica-ción de paisaje y predicción de atributos de suelos a partir de imágenes satelitales y modelos digita-les de elevación. Trabajo de Pregrado. Universidad Central de Venezuela. Caracas, (Venezuela). 95 p.

ViloRiA, J.; ViloRiA, A.; núñez, h.; PinedA mA. (2009). Carto-grafía automatizada de unidades de paisaje en relie-ve montañoso por medio de redes neuronales artificia-les. III jornadas de geomática. Caracas (Venezuela).


Estudio comparativo de sensores multiespectrales para la

identificación de parámetros de calidad del agua del Lago de

Valencia - Venezuela

CARmen goitíA, wuiliAn toRRes

Fundación Instituto de Ingeniería para Investigación y Desarrollo Tecnológico. Centro de Procesamiento

Digital de Imá[email protected]; [email protected]

RESUMEN

El Lago de Valencia es un importante reservorio de agua natural localizado en la región centro norte de Venezuela, el cual ha sufrido un severo deterioro en la calidad de sus aguas por ser el receptor de los desechos domésticos, agrí-colas e industriales provenientes de las actividades de dos principales ciudades, Maracay y Valencia. Se propone la utilización de imágenes tomadas por los nuevos sensores a bordo de los satélites Landsat 8 y Miranda (Venezuelan Remote Sensing Satellite 1 VRSS-1) adquiridas en cinco (5) fechas diferentes y empleando técnicas de procesamiento digital de imágenes (correcciones atmosféricas, radiométri-

cas y geométricas), Se analizó la presencia de parámetros como la clorofila y sólidos en suspensión, los cuales son indicadores principales del estado trófico en un cuerpo de agua. La información analizada es presentada en mapas de distribución de los mismos los cuales permiten compa-rar la evolución de cada parámetro en el tiempo para toda el área de estudio El uso masivo de las imágenes de satéli-te ha sido en los últimos años de gran importancia para el estudio y monitoreo de parámetros de la calidad del agua, permitiendo la evaluación de grandes cuerpos de agua en tiempos relativamente cortos con bajos costos ya que estableciendo modelos con la información provenientes de las imágenes de satélite y la toma de muestras coincidentes con el paso del mismo proporciona información sobre la calidad de sus aguas sin necesidad de medidas in situ.

Palabras clave: CLOROFILA, EUTROFIZACIÓN, LAND-SAT 8, SÓLIDOS EN SUSPENSIÓN, VRSS-1.

MULTI-SENSOR COMPARATIVE STUDY OF MULTI-ESPECTRAL DATA FOR IDENTIFYING WATER

QUALITY PARAMETERS IN VALENCIA LAKE, VENEZUELA

ABSTRACT

The Valencia Lake is an important natural water reser-voir located in the north central region of the Republic

of Venezuela that has suffered severe quality water de-terioration because it receives the domestic, agricultural and industrial waste from two major cities, Maracay and Valencia. The current use of satellite imagery has been of high importance in the last years, to study the qua-lity parameters of the water allowing the evaluation of large bodies of water in a relatively short time and at low costs. The availability of images at no cost and with different dates of the two new sensors aboard satellites Landsat 8 y Miranda (Venezuelan Remote Sensing Sate-llite 1 VRSS-1), allowed to assess their contribution in the qualitative determination of chlorophyll and suspended solids; parameters that are commonly used in spatial dis-tribution of the level of eutrophication in a water body. The thematic maps generated for each of the sensors and dates, represent the information of the studied para-meters, with the possibility of pollution prediction, contri-buting with the decision-making process to improve the quality and maintain the ecological and environmental balance in the lake.

Keywords: CHLOROPHYLL, EUTROPHICATION, LANSAT 8, SUSPENDED SOLIDS, VRSS-1.

Introducción

La conservación de la calidad de las aguas superficiales en diferentes cuerpos de agua tales como lagos, lagunas o embalses es una de las principales preocupaciones


a nivel mundial, ya que son fuentes de abastecimiento para los distintos usos de este vital líquido; el costo por el daño en la calidad de las aguas es alto por el dete-rioro a veces irreversible del cuerpo de agua, además de las altas erogaciones de dinero en su tratamiento y recuperación.

En la actualidad el uso de la teledetección permite rea-lizar un adecuado estudio y seguimiento de la calidad de las aguas en lagos, embalses, etc., por medio de detección de sustancias disueltas o partículas en suspen-sión que modifican las propiedades ópticas del agua (Martínez y Serrano, 1994).

El estado trófico de lagos y embalses ha sido objeto de estudio durante muchos años. Esto es debido a que la calidad de aguas de lagos y embalses se puede ver dete-riorada por el fenómeno de la eutrofización. Definiendo eutrofización según la organización para la Coopera-ción y Desarrollo Económico (OCDE) “como un enrique-cimiento de las aguas en sustancias nutritivas que condu-ce generalmente a modificaciones como el aumento de la producción de algas y otras plantas acuáticas, dete-rioro de la calidad del agua y el ecosistema acuático”.

La clorofila a, la transparencia y los sólidos en suspen-sión son los parámetros más utilizados para determinar el estado trófico de un cuerpo de agua utilizando sen-sores remotos. La clorofila se correlaciona con la bio-

masa total del fitoplancton debido a que es el principal pigmento presente en las algas (Richie, 2003), y con la transparencia que viene determinada por la cantidad de partículas en suspensión, los pigmentos disueltos y las propias características del agua. (Verdín, 1976).

El Lago de Valencia ofrece suficientes razones para el estudio de monitoreo de su calidad a través de imágenes. Es un cuerpo de agua cerrado, el segundo más importan-te del país y de gran tamaño (356 Km2), está ubicado en la zona centro-norte de Venezuela, y por ser receptor de grandes cantidades de desechos provenientes de las dife-rentes actividades urbanas, agrícolas e industriales que se realizan en su cuenca, presenta un deterioro progresivo de su calidad y un acelerado proceso de mineralización y eutrofización. Esto se debe al gran aporte de nutrientes por las descargas urbanas e industriales que fluyen de los ríos al Lago de Valencia, que han contribuido con el tiempo a una eutrofización creciente.

Desde los años 1990 se han realizado estudios para evaluar el estado trófico del Lago de Valencia por corre-lación entre la información suministrada por las imáge-nes adquiridas por el satélite Landsat y mediciones en campo de parámetros asociados a la calidad de agua del lago: clorofila y transparencia.

En 2008 utilizando imágenes obtenidas por el sensor Modis del satélite Terra, con una frecuencia de toma

diaria, de baja resolución espacial, y complementada con información recopilada en estaciones de medición dentro del cuerpo de agua, se propusieron técnicas de análisis geoestadístico por medio de Kriging para cons-truir un modelo que permitía predecir la evolución en el tiempo de algunos parámetros asociados a la calidad del agua. (De la Hoz, C, 2008).

El sensor Thematic Mapper (TM) de Landsat ha sido usado en diferentes estudios dando muy buenos resulta-dos para el estudio de variables indicadoras del estado trófico en cuerpos de agua como la concentración de clorofila, la transparencia y las partículas en suspensión (Doña, 2009).

Desde el año 2013 se dispone de imágenes gratuitas que son obtenidas vía electrónica de nuevos sensores uno bordo de los satélites Landsat 8 (satélite america-no) y el Miranda (Venezuela Remote Sensing Satellite 1 VRSS-1) con resolución espacial y temporal que permi-ten realizar el monitoreo de las aguas de lago con una frecuencia al menos mensual.

La presente investigación tiene como objeto un estudio comparativo de la distribución espacial de los paráme-tros de calidad de agua clorofila y sólidos en suspensión utilizando los sensores multiespectrales del Landsat 8 y del Miranda a través del procesamiento e interpretación de las imágenes para evaluar sus potencialidades en


la representación mediante mapas temáticos su evolu-ción en el tiempo y suministrar esta información, a los organismos encargados en la toma de decisiones para el monitoreo de las posibles fuentes de polución a un menor costo y tiempo.

Metodología

Área de estudio

La cuenca del Lago de Valencia se localiza geográfica-mente entre 67º16’ y 68º05’de longitud oeste y 9º54’ y 10º26’ Latitud Norte. Se encuentra en la región cen-tro-norte del país, ocupando una superficie de 3.450 Km2 (0.3% del territorio nacional) en los estados Aragua y Carabobo, concentra el 13% de la población de la re-gión Central, es decir unos cuatro millones setecientos cin-cuenta mil habitantes según el último censo año 2011. El área superficial del lago es de 356 Km2, aproxima-damente el 12% de la cuenca, almacena un volumen de 700 millones de metros cúbicos de agua, su nivel es de 405 msnm, una longitud máxima de 30 km, un ancho máximo de 17 km, un ancho medio de 12,7 Km, y pro-fundidad máxima de 43 m y media de 21,5m. (Figura 1).

El clima es tropical lluvioso, con un período anual de lluvias (Abril-Octubre) y un período de sequía (Noviem-bre-Marzo). El viento sopla predominantemente en direc-ción noroeste-suroeste y las ráfagas más intensas se re-

gistran en los meses secos. La temperatura media anual en el área plana se encuentra entre 24,5ºC y 27ºC, mientras que en área de la montaña es de 14-15ºC.

Figura 1. Área de estudio, Lago de Valencia. Venezuela. Elaboración propia.

El Lago de Valencia es un cuerpo de agua cerrado, es decir no posee salida superficial de sus aguas y como todo lago endorreico, sus aguas solo pueden escaparse mediante evaporación y en consecuencia todo el mate-rial disuelto y suspendido permanece en el lago, salvo que se extraiga por medios artificiales.

Insumos

Para este estudio se seleccionaron la clorofila y los sóli-dos en suspensión como parámetros indicadores de la eutrofización, ya que estos presentan una respuesta es-pectral característica en el agua que pueden ser capta-das por el satélite, a través de los cambios de la radian-za y reflectancia en la superficie del agua.

El Satélite Landsat 8 incorpora dos instrumentos de barri-do: Operational Land Imager (OLI), y un sensor térmico infrarrojo llamado Thermal sensor (TIRS).

Las bandas del sensor OLI, similares a la del sensor Landsat 7 ETM+ incorpora dos nuevas bandas espec-trales: una banda 1 en el azul visible (0.43-0,45μm), diseñada específicamente para los recursos hídricos e investigación en zonas costeras, y un nuevo canal in-frarrojo la banda 9 para la detección de nubes cirrus. Adicionalmente se incluye una nueva banda de control de calidad que proporciona información sobre la pre-sencia de nubes, agua y nieve. La calidad de los datos (relación de la señal respecto al ruido) y la resolución radiométrica (12 bits) del OLI y TIRS es más alta que en los anteriores instrumentos Landsat (8 bits para TM y ETM+), lo que proporciona una mejora significativa en la capacidad de detectar cambios en la superficie de la tierra. (CIAF, 2013).

El satélite Miranda tiene una periodicidad de 57 días, dispone de dos instrumentos multiespectrales, el MS (Multispectral scanner) con 10 m de resolución espacial y cuatro bandas que van desde 0,45 a 0,89 μm, y una banda pancromática (0,45 a 0,89 μm) con una resolu-ción espacial de 2.5m; y la WMC (Wide Multispectral Camera), con las mismas 4 bandas del MS, pero con resolución espacial de 16 metros y periodicidad de 12 días (Tabla 1).


Tabla 1. Características de los satélites Miranda y Landsat 8.

Sensores

MS (Multispectral

Scanner)

WMC (Wide

Multispectral Camera)

OLI (Operational Land

Imager)

TIRS (Thermal Infrared

Sensor)Resolución

Espacial (m) 10 1630

PAN 15 m 100Resolución

Radiometrica 12 bits 8 bitsB1 azul

(0,45-0,52)B1 azul

(0,45-0,52)B1 costal aerosol

(0,43-0,45)B10 TIRS 1

(10,60-11,19)B2 verde

(0,52-0,59)B2 verde

(0,52-0,59)B2 azul

(0,45-0,51)B11 TIRS 2

(11,50-12,51)B3 roja

(0,63-0,69)B3 roja

(0,63-0,69)B3 verde

(0,53-0,59)B4 infrarroja (0,77 -0,89)

B4 infrarroja (0,77 -0,89)

B4 roja (0,64-0,67)

PAN (0,45-0,9)

B5 infrarroja (0,85-0,88)B6 SWIR 1 (1,57-1,65)B7 SWIR 2 (2.11-2,29)

B8 PAN (0,50-0,68)B9 Cirrus

(1,36-1,38)Resolución

Temporal (días) 57 12Ancho de Barrido

(km) 57 x 57 369 x 369 170 x183 170 x183

MIRANDA LANDSAT 8

10 bits = 1024 Niveles de gris

Resolución Espectral (μm)

16

Fuente: www.landsat.usgs.gob y www.abae.gob.ve.

Para realizar el estudio se utilizaron 10 imágenes, cin-co (5) del Satélite Landsat-8 y cinco (5) del Miranda descargadas de los archivos existentes, a través de las web: www.landsat.usgs.gov. y www.abae.gob.ve; tra-tando en lo posible en seleccionar fechas coincidentes

o cercanas en las tomas, y con la menor cobertura de nubes (Tabla 2).

Tabla 2. Fechas de tomas de las imágenes seleccionadas.

SATÉLITE LANDSAT 8 SATÉLITE MIRANDA

04/12/2013 30/11/2013

05/01/2014 04/01/2014

21/01/2014 30/01/2014

22/02/2014 21/02/2014

10/03/2014 02/03/2014

Una vez obtenidas las imágenes tanto del Landsat 8 como del Miranda y utilizando el software de proce-samiento de imágenes ENVI CLASSIC se corrigieron at-mosféricas, geométrica y radiométricamente para poder compararse en el caso de las Landsat. Por su parte las imágenes del Miranda, no fueron corregidas radiométri-camente por no tener los parámetros de calibración del satélite. Luego se les aplicó a ambas una máscara con la finalidad de eliminar la información de la proporción terrestre en la imagen y poder considerar solo la corres-pondiente al cuerpo del agua.

Una vez aplicada la máscara a cada imagen se hizo un análisis visual (distribución espacial) en cada banda y combinaciones basada en los histogramas, apoyadas por la matriz de correlación previamente obtenida, los

cocientes entre ellas y el índice de vegetación normali-zado identificando donde se observaba mayor informa-ción de ambos parámetros.

Para obtener los mapas temáticos, se elaboró a través de un árbol de decisiones que permitió definir los ran-gos de valores en que se pueden presentar los máximos y mínimos para los parámetros en estudio (Figura 2).

No Si

NDVI < - 170

NDVI < -1 Max. cloro

NDVI < 1 Min cloro

NDVI < 10 Tierra

NDVI < 19 Max. SS

NDVI > 25

NDVI > 101 Min SS

No si

No Si

No Si

No Si

No Si

Satélite Landsat 8

No Si

NDVI < - 45

NDVI < -23 Max. cloro

NDVI < 1 Min cloro

NDVI < 10 Tierra

NDVI < 19 Max. SS

NDVI > 47

NDVI > 101 Min SS

No si

No Si

No Si

No Si

No Si

Satélite Miranda

Figura 2. Árbol de decisiones de las imágenes Landsat 8 y Miran-da. Elaborado con software ENVI Classic.

Al observar los diferentes mapas obtenidos de las imá-genes del satélite Miranda y Landsat 8 podemos detec-tar como surge el afloramiento algal en la zona sur oeste del lago cercanas a la costa y asociada a los sólidos en suspensión, la cual presenta diferencias entre las distin-tas fechas a lo largo del año, en este caso en el último mes del año 2013 y los tres primeros meses del 2014. Los cambios que se observan pueden corresponder a


las corrientes existentes en el lago o las descargas que hacen posible la dispersión de los sedimentos.

En las composiciones coloreadas de las bandas 5, 4 y 3 del satélite Landsat 8 y las bandas 4, 3, 2 del Miran-da se observa bien definido el patrón de corrientes del lago, siendo la dirección de las corrientes superficiales noroeste, probablemente debido un afloramiento algal en mayor o menor cantidad en la zona sureste cercanas a la costa y asociada a sólidos en suspensión.

También se puede observar en la región oriental zonas inundables con erosión de moderada a baja, mientras que en la región occidental se presentan zonas de acu-mulación debido a la dirección de las corrientes y al oleaje que provoca remoción de sedimentos( Figura 3).

En los mapas temáticos obtenidos del índice de ve-getación para cada fecha en estudio y satélite se puede observar:

a. En la imagen del Miranda 30-11-2013 se observa poca presencia de algas en la zona sureste y mayor presencia de sólidos en la zona oriental, mientras que en la imagen Landsat del 04-12-2013 el aflora-miento algal es más notorio representado en un área de 48,93 Km2 calculados mediante la cantidad de pixeles y la resolución del satélite que es 30m, lo cual puede deberse al flujo de los principales efluentes de

Landsat 8 Bandas (5,4,3) MIRANDA Bandas (4,3,2)

04-12-2013

05-01-2014

21-01-2014

22-02-2014

10-03-2014

30-11-2013

04-01-2014

30-01-2014

21-02-2014

02-03-2014

Figura 3. Imágenes Landsat 8 y Miranda. Composiciones colorea-das: Landsat 8 bandas (5, 4, 3) y Miranda (4, 3, 2).

esa zona por la escorrentía que trae alta carga de nutrientes. En la imagen del satélite Miranda puede corresponder a dilución por acción de las lluvias o a que no haya ninguna escorrentía ni descarga en el momento de la toma de la imagen (Figura 4).

Landsat 8 04-12-2013

Miranda 30 -11-2013

Sólidos en suspensión

Máximo

Mínimo

Mínimo

Máximo

Clorofila Leyenda

Figura 4. Mapas de distribución espacial Clorofila y Sólidos en Suspensión.

b. En los mapas temáticos de fecha 04 y 05 de enero del 2014 de los satélites Miranda y Landsat 8 res-pectivamente, se puede observar un comportamiento muy similar, donde no se presenta sólidos en suspen-sión ni afloramientos algales relevantes (Figura 5).

c. El mes de enero pareciera de poco movimiento de corrientes y descargas en el lago ya que continua el patrón presentado en las imágenes anteriores presen-tadas en la figura 5, pero el último día del mes en la imagen del satélite Miranda empieza a observarse un afloramiento algal en la zona sur este, con un área de 34,8 km2 comparada con la del Landsat de 5 Km2 (Figura 6).



Landsat 8 05-01-2014

Miranda 04-01-2014


Máximo

Mínimo

Mínimo

Máximo

Clorofila Leyenda


Landsat 8 21-01-2014

Miranda 30-01-2014


Máximo

Mínimo

Mínimo

Máximo

Clorofila Leyenda

d. En las imágenes del mes de febrero se obser-va mayor cantidad de clorofila en el mapa del Landsat 8 comparada con la del Miranda, la diferencia es sustancial de 82,3%. contra el 13,7% respectivamente de ocupación en el área (Figura 7).

Landsat 8 22-02-2014

Miranda 21 -02-2014


Máximo

Mínimo

Mínimo

Máximo

Clorofila Leyenda


Landsat 8 10-03-2014

Miranda 02 -03-2014


Máximo

Mínimo

Mínimo

Máximo

Clorofila Leyenda


e. Las del mes de marzo tienen un comportamiento predecible con respecto a las fechas de toma, lo que pareciera influir son las corrientes, las posi-bles descargas de afluentes con gran cantidad de nutrientes asociados con sólidos en suspensión (Figura 8).

Discusión de los Resultados

Los resultados obtenidos constatan lo presentado en diferentes estudios consultados donde los sensores re-motos son una herramienta útil para determinar el nivel de eutrofización en un cuerpo de agua, así como la evolución de la contaminación en superficie en lagos, embalses, etc.

La distribución espacial de los parámetros en estudio se observa bien definida en cada una de las imágenes, lo que permite hacer un seguimiento de la evolución de la calidad de sus aguas. De acuerdo a la bibliografía con-sultada se puede establecer diferentes modelos utilizan-


do datos experimentales en campo que coincidan con el pase del satélite y obtener un diagnóstico que permi-ta evaluar el comportamiento de estos cuerpos de agua ubicando las principales fuentes de contaminación, de manera de establecer un programa de caracterización a un menor costo y tiempo.

Conclusiones

Algunas diferencias en la distribución espacial de los parámetros en estudio es debido a la calibración del Mi-randa, ya que no se hicieron las correcciones radiomé-tricas por no disponer de los coeficientes requeridos.

• Las imágenes de satélite Landsat 8 corroboran estos estudios y las del Miranda ofrecen resultados satis-factorios para observar la distribución espacial de parámetros como clorofila y sólidos en suspensión en el ámbito de la representatividad puntual.

• Permite realizar diagnósticos iníciales de masas de agua para iniciar los muestreos necesarios y localizados.

• Se debe realizar un muestreo detallado de los pa-rámetros de estudio y coordinado con la toma de las imágenes los días de muestreo, para poder es-tablecer un modelo adaptado a la realidad del lago incluyendo condiciones climáticas y monitoreo de descargas.

• En estudios anteriores realizados en el lago la dis-tribución espacial de estos parámetros en el lago

ha permanecido muy similar por lo que el estudio a través de la teledetección para este cuerpo de agua resulta beneficioso y puede hacerse una evaluación rápida de la evolución de la eutrofización en la su-perficie mediante la detección de la clorofila y otros parámetros.

• Debe incluirse a este estudio imágenes tomadas a lo largo de todo el año 2013, 2014 y 2015, para dise-ñar un plan de seguimiento real de la evolución super-ficial de la contaminación y la eutrofización presente.

Referencias Bibliográficas

AgenCiA BoliVARiAnA PARA ACtiVidAdes esPACiAles. Pagina web en línea. Disponible. www.abae.gob.ve. Con-sulta junio 2014.

CentRo de inVestigACión y desARRollo. CIAF (2013) Ins-tituto Geográfico Agustín Codazzi. Descripción y corrección de productos landsat 8 LDCM (Landsat data continuity misión) versión 1.0. Centro de in-vestigación y desarrollo. Bogotá. Colombia. www.landsat.usgs.gov. Consulta Enero 2014

de lA hoz, C. (2008). Predicción del nivel de contami-nación en la cuenca del lago de valencia mediante técnicas geoestadisticas y de teledetección. Trabajo de grado. UCV. FACULTAD DE CIENCIAS. CARA-CAS.

doñA, C., CAselles, V., sánChez, J. m., feRRil, A., & CA-mACho, A. (2009). Herramienta para el estudio del estado de Eutrofización de masas de agua continen-tales, Revista de Teledetección 36, pp. 40-50.

mARtínez, R., seRRAno, m. (1994). Seguimiento del estado trófico de los embalses del Alto Tajo por teledetec-ción. Limnetica, 10 (1), 69-81. Asociación Españo-la de Limnología, Madrid - España.

oRgAnizACión PARA lA CooPeRACión y desARRollo eConómiCo (OCDE) octubre 2003

RiChie, J., zimBA, P.& eVeRitt, J. (2003).Remote Sensing techniques to Assess water Quality. Photogramme-tric Engineering & Remote Sensing. Vol. 69. (6), pp.695-704.

VeRdin, J., wiliAms, l., & lAmBou, V. (1976). Components contributing to light extinction in natural waters: Method of isolation (National Eutrophication Survey Working Paper 369 ed.). Las Vegas, Nev.:U.S. Envi-ronmental Protection Agency.


Variaciones del Potencial de Energía Eólica Renovable en el

Siglo XXI, Producto de los Efectos del Cambio Climático

RAfAel ángel ReBolledo wueffeR1, lelys isAuRA BRAVo de guenni2

Fundación Instituto de Ingeniería para Investigación y Desarrollo Tecnológico, Centro de Procesamiento Digital

de Imágenes FII-CPDI1 , Universidad Simón Bolívar, Centro de Estadística y Matemática Aplicada USB-CEsMA2

[email protected], [email protected]

RESUMEN

Prácticas sustentables de desarrollo perfilan al apro-vechamiento de fuentes de energía renovable, un mecanismo de mitigación frente al cambio climáti-co, sin embargo muchas de las formas de energía renovable son ambientalmente dependientes y en consecuencia, susceptibles ante el cambio climático. Este trabajo es producto de años de investigación dedicados a la evaluación de las fuentes de energía eólica en Venezuela frente a los efectos previstos del cambio climático durante el siglo XXI; en él se reú-

nen los hallazgos más resaltantes sobre las proyec-ciones de cambio en la abundancia de los recursos energéticos asociados a esta forma de energía; por lo tanto representará situaciones futuribles sobre el potencial energético eólico basado en definiciones y condiciones de los Escenarios de Emisión y las sali-das de diversos Modelos de Circulación Global del IPCC. Los productos presentados aquí son parte de los resultados del proyecto: “Desarrollo de Escena-rios de Cambio Climático para Venezuela a escalas regionales y locales” financiado por FONACIT bajo el Numero 2011000476 y a su vez derivado de la tesis doctoral titulada: “Evaluación de las formas de energía eólica y solar en Venezuela frente a los efec-tos del cambio climático”.

Palabras clave: ENERGÍA EÓLICA, CAMBIO CLIMÁTICO, ESCENARIOS DE EMISIÓN, POTENCIAL ENERGÉTICO.

VARIATIONS OF RENEWABLE WIND ENERGY PO-TENTIAL IN VENEZUELA DURING THE 21TH CEN-TURY, DUE TO THE EFFECTS OF CLIMATE CHANGE

ABSTRACT

Sustainable development practices outlined the use of renewable energy sources, a mechanism for miti-gating climate change, but many forms of renewable

energy are environmentally dependent and therefore susceptible to climate change. This work is the result of years of dedication to the assessment and projec-tion of wind energy sources in Venezuela in face of the expected effects of climate change during the twenty-first century. Here, the most striking findings on projected change in the abundance of energy re-sources are exposed; therefore the results represent future scenarios about wind energy potential based on definitions and guidelines of IPCC Emission Sce-narios and Global Circulation Models.

The products presented here are part of the results of the project: “Development of Climate Change Scena-rios for Venezuela to regional and local scales” funded by FONACIT under contract number 2011000476. Also, this is a derivative of the doctoral thesis entitled “Evaluation of solar and wind energy forms and Vene-zuela against the Effects of Climate Change”.

Keywords: WIND ENERGY, CLIMATE CHANGE, EMIS-SIONS SCENARIOS, ENERGY POTENTIAL.

Introducción

El desarrollo e impulso de nuevas formas de energía como alternativa a la producción de energía conven-cional se ha planteado como una iniciativa bandera del Desarrollo Sustentable. Entre ellas está la energía


eólica; sin embargo esta forma de energía renovable está influenciada por condiciones ambientales; de este modo, el clima, y los cambios que experimenta al mediano y largo plazo, juegan y jugarán un pa-pel fundamental en el desempeño de su potencialidad energética. Ante esta situación, resulta temerario plan-tear un modelo de Desarrollo Sustentable, sujeto a for-mas de energía alternativas renovables, sin considerar su dependencia climática. En este trabajo de investi-gación se presentan los aspectos más resaltantes que en materia de variación del potencial energético eóli-co, se experimentarán en el futuro, considerando las condiciones de los escenarios de emisión y las salidas de los modelos de circulación global para distintas etapas del siglo XXI.

MATERIALES Y METODOS

DATOS

Modelos de Circulación Global

Los modelos de circulación global (MCG), también conocidos como modelos de circulación general son modelos espacio-temporales que representan los prin-cipales procesos físicos del clima en el planeta y sus interacciones con los demás componentes ambienta-les. En su último informe vigente (el AR4 publicado

en febrero del 2007) el Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC) solo repor-ta 13 modelos de circulación global avalados. Todos estos modelos son teórica y fundamentalmente válidos para el IPCC y la Convención Marco de las Nacio-nes Unidas sobre el Cambio Climático (CMNUCC). Se hace necesario entonces disponer de estrategias para escoger de entre ellos la opción más adecua-da. Acevedo et al (2008) proponen una metodología en este sentido para series de precipitación, basada en la comparación de los resultados de experimen-to siglo XX respecto a una referencia histórica. Para efectos de este estudio se utilizaron las salidas del modelo inglés UNKO-HAD-CM3 y del modelo alemán ECHAM5-MPI evaluados en el escenario A1b. En este caso fueron especialmente útiles las experiencias de Ward et al (2009), quienes trabajaron con ambos modelos la variable precipitación en Etiopia. Las sa-lidas de los modelos mencionados fueron obtenidas del Geo-portal del Programa de investigación sobre Cambio Climático, Agricultura y Seguridad Alimenta-ria, conocido por sus siglas en inglés como CCAFS (http://www.ccafs-climate.org). Los datos servidos en este Geo-portal fueron sub-escalados por Ramírez y Jarvis (2010), siguiendo en método delta. Los datos espaciales proporcionados por el CCAFS, son de su autoría y se ofrecen libremente con fines de investi-gación, están proyectados esferoidalmente en grados decimales con datum y referencia global WGS84. Se

han generado en periodos mensuales y en cuatro re-soluciones espaciales diferentes. La velocidad media de viento fue obtenida directamente del GCM Data Portal y corresponden a la expresión de magnitud en m/s sin hacer referencia alguna a la dirección domi-nante en cada caso.

Datos de Referencia Local

Con la finalidad de validar el MCG seleccionado para este estudio, se utilizaron datos de referencia local, registros oficiales del Instituto de Nacional de Meteorología e Hidrología (INAMEH), publicados en el año 2004 en el Sistema Nacional de Información Hidrológica y Meteorológica (SINAIHME). Estos da-tos fueron solicitados como apoyo institucional en el marco del Proyecto Bosques de la Fundación Instituto de Ingeniera para Investigación y Desarrollo Tecnoló-gico en el año 2008. Dichos datos reportan prome-dios mensuales para cada año de observación y pro-vienen de los registros de estaciones meteorológicas. Como información auxiliar se incluyen aspectos de identificación (ubicación geográfica de la estación, sus características y capacidades de medición, sus condiciones de operatividad y su ente de adscrip-ción) y una sección de estadísticos al final de cada grupo de registros, con el promedio, la desviación estándar y la proporción porcentual para cada varia-ble, para cada mes, independientemente del número


METODOLOGIA

Para estimar la variación del potencial energético eó-lico en Venezuela para el siglo XXI, se diseñó un pro-cedimiento metodológico que se ilustra en el esquema conceptual mostrado en la figura 1.

Tabla 1. Estadísticos velocidad m. viento.

MES Máx. Mín. Moda Pro. Med. SDv. 1er Crtíl 3er Crtil Curtósis

ENERO 26,80 1,10 11,10 10,14 9,80 5,34 6,63 12,10 4.23 FEBRERO 26,90 1,60 10,70 10,99 10,70 5,62 7,15 12,78 3.97 MARZO 28,20 2,30 8,10 11,45 11,00 5,91 7,65 13,45 4,07 ABRIL 29,70 2,20 7,90 10,68 9,50 5,96 7,10 12,75 4,81 MAYO 28,80 1,70 5,00 9,50 8,30 5,70 5,33 11,73 5,83 JUNIO 28,30 1,80 8,40 9,06 7,30 5,79 5,25 10,45 5,00 JULIO 28,30 0,00 6,40 8,57 6,60 5,74 5,00 9,18 5,32

AGOSTO 28,60 0,00 5,70 7,88 6,40 5,40 4,50 8,40 6,43 SEPTIEMBRE 29,00 1,20 5,00 7,86 6,50 4,98 5,00 8,60 8,20

OCTUBRE 29,00 0,90 8,40 7,72 6,60 4,60 5,30 8,80 10,44 NOVIEMBRE 28,40 0,90 8,30 8,25 7,20 4,79 5,57 9,90 7,72 DICIEMBRE 27,20 1,20 8,70 9,06 8,50 4,84 5,93 10,73 5,37

de registros obtenidos. A los efectos de este trabajo de investigación, se ha utilizado la variable veloci-dad media mensual del viento a 10 metros de altura como indicador alternativo del potencial de energía eólica; al respecto, se han recuperado datos de 57 estaciones que tienen registros; de ellas, 55 se ubi-can al norte del rio Orinoco. La tabla T1 muestra, de manera condensada, los principales indicadores estadísticos de cada grupo de los datos en cuestión.

Figura 1. Esquema conceptual metodológico

En dicho esquema se destacan cuatro procesos: Compa-ración retrospectiva, estimación de la densidad del aire, estimación del potencial energético y determinación de las variaciones del potencial energético.

Comparación Retrospectiva

La semejanza retrospectiva constituye el criterio analíti-co en la búsqueda del modelo que más se adapte a la realidad local de Venezuela. Este criterio se fundamenta en la misma premisa que se estableció en la 1era Co-municación Nacional Sobre Cambio Climático (2005) y que ha sido utilizada en otros países, según la cual, en la medida que un modelo de circulación global muestra un estudio línea base coherente con lo observado en el territorio para el siglo XX, en esa misma medida, se espera que dicha coherencia permanezca en el futuro, Martelo, 2003). La comparación retrospectiva se lleva a cabo mediante la implementación de cuatro criterios agrupados en dos enfoques (Tabla 2).

Tabla 2. Criterios de la evaluación retrospectiva.

Enfoque descriptivo de la data:

Diferencia relativa entre las series unitariasCorrelación entre las series unitariasRecta de regresión lineal vs recta y=x

Enfoque temporaldel fenómeno:

Comparación espacio temporal.

Línea Base referencia

Línea Base Generada

para el Modelo (i)

Línea Base Generada

para el Modelo (i)

Línea Base Modelo (i)

Modelo (i) Modelo

(i)

MCG (i)

Semejanza?

Modelo seleccionado

Datos de referencia Local

Densidad de aire Futura 2

Potencial futuro 2

Variaciones del Potencial Energético

1-2

Com

para

ción

re

tros

pect

iva

Estim

ació

n de

la

dens

idad

Estim

ació

n de

l Po

tenc

ial

Det

erm

inac

ión

de

varia

cion

es



Potencial futuro

1

Potencial futuro

3

Variaciones del Potencial Energético

2-3

VMV

Futuro 1

VMV

Futuro 2

VMV

Futuro 3


La validación de dicho análisis se hace mediante una comparación entre los valores de chequeo (modelo) y los datos de referencia local (control).

Estimación de la Densidad del Aire

La densidad del aire es un elemento determinante en la producción de energía eólica porque promueve el trabajo mecánico en los aerogeneradores. Siendo que la densidad del aire no es un valor constante, depende indirectamente de la temperatura, la presión y el contenido de humedad del aire. Tal como lo muestra la ecuación I el Comité Inter-nacional de Pesos y Medidas (CIPM), estableció como vali-da una ecuación empírica que permite estimar la densidad del aire a partir de tales parámetros (la fórmula conocida como CIPM-1981/91), Giacomo (1992) y Davis (1992).

Dónde:ρ: Densidad de aire en kg/m3p: Presión atmosférica en PaMa: Masa molar de aire secoZ: Factor de compresibilidadT: Temperatura termodinámica en Kxv: Facción molar de vapor de aguaMv: Masa molar de vapor de agua

Para estimar la densidad del aire en los escenarios definidos para el siglo XXI (2030, 2050 y 2080), se

Dónde: P : es potencia de viento A : es el área de envergadura de molino de viento v: es la velocidad del viento.ρ: es la densidad del aire en kg/m3

La ecuación II indica cómo se obtiene la densidad de po-tencia en función de la densidad del aire y la velocidad media del viento. En términos operacionales de un Sistema de Información Geográfica (SIG), la densidad de potencia de viento se calculó, siguiendo las estrategias recomenda-das por Ott et al (2007) para estudios espacio-temporales, a partir de los mapas raster de velocidad media de viento y los mapas de densidad del aire, mediante una rutina

raster de algebra de mapas que elevó al cubo el valor de cada pixel del mapa de velocidad de viento y lo multiplicó por ½ del valor del pixel del mapa de densidad de aire correspondiente a la misma ubicación geográfica.

Variación del Potencial Energético

El criterio para evaluar el cambio de potencial energéti-co durante el siglo XXI, se basa en la determinación de las diferencias entre la potencialidad de cada escenario futuro y las sucesivas potencialidades estimadas. Imple-mentar este criterio a través de un SIG, implica desarro-llar una rutina de diferenciación progresiva píxel a píxel en algebra de mapas (ecuación III).

Dónde: P/A (t1): Potencial energético en el escenario t1P/A (t0): Potencial energético en el escenario t0VPe(1-0): Variación del potencial energético entre el escenario futuro t0 y t1.

incorporaron las salidas del MCG escogido correspon-dientes a temperatura y la humedad relativa, se asumió condiciones normales de presión atmosférica y se im-plementó también la fórmula CIPM-1981/91.

Estimación del Potencial Energético

Según la guía de buenas prácticas para la estimación del potencial de energía eólica de SWERA, el mejor indica-dor de potencial energético eólico es la densidad de po-tencia de viento, que es la potencia mecánica producida en un aerogenerador por unidad de superficie de aspas.

RESULTADOS

Resultados del Análisis Retrospectivo

Dado que la estrategia de análisis retrospectivo se planteó con base a dos criterios descritos anteriormente (Tabla 2), su im-plementación produjo resultados en dos direcciones distintas:


Análisis descriptivo

Para ambos modelos en once de los doce meses del año, se observó coherencia entre los puntos de control y los de chequeo, lo cual confirma la pertinencia de los datos de referencia local para el análisis comparativo. El estudio de las tendencia respecto a la recta y=x mues-tra resultados muy coherentes aún cuando en la mayo-ría de los casos la dispersión es significativamente alta. Para ambos modelos el mes de Julio presenta resultados incoherentes entre el chequeo y el control; tal situación sugiere la influencia del cambio estacional de tempora-da seca a lluviosa.

Análisis temporal del fenómeno

Se confirmó la anomalía alrededor del mes de julio. Se demostró un efecto transicional que para algu-nas localidades comienza desde el mes de abril y se prolonga hasta septiembre. Ambos modelos fueron coherentes con respecto a la tendencia de la referen-cia de estudio. Se identificó un patrón espacial de resultados positivos en el centro de Guárico y el eje centro-norte–costero.

Estimación del Potencial de viento

Se generaron 36 mapas a partir de los mapas de velo-cidad media del viento y densidad del aire (Figura 2). Figura 2. Mapas de densidad de potencia de viento.

El potencial de viento viene expresado como densidad de potencia de viento, una medida más adecuada para interpretación energética.

Estudio de la Variación del Potencial Energético

Mapas de variación del potencial energético:

La figura 3 muestra el resultado del estudio de la varia-ción del potencial energético en los periodos de tiempo entre cada escenario futuro establecido en este estudio. La variación del potencial energético esta expresada en forma de mapas mensuales en (w/m2).

Figura 3. Mapas de variación de la densidad de potencia de viento.


DISCUSIÓN

Habiéndose seguido la estrategia metodológica planteada es pertinente analizar los resultados en función a la expectativa que sobre ellos se tenía y sobre la influencia de los mismos en el logro de los objetivos planteados.

Sobre el Rol de la Densidad del Aire

Se espera una reducción relativa generalizada de la densidad de aire a lo largo del siglo, dicha reduc-ción se puede estimar entre el 16 y el 20 % apro-ximadamente. A pesar de la poca influencia que la densidad del aire tiene en la estimación de la densi-dad de potencia, el pronosticado descenso en los va-lores de densidad del aire podría afectar levemente la capacidad de generar trabajo mecánico del vien-to a lo largo de este siglo, promoviendo pérdidas de energía, sobre todo en zonas donde el potencial energético es mayor, pues es justamente allí donde la disminución de la densidad de aire se experimen-tará en mayor medida.

Sobre el Potencial Energético y su Variación

En los resultados se observa un patrón espacial, don-de destaca el predominio de valores de alta densi-dad de potencia de viento, a lo largo del año en

la franja costera, especialmente la costa oriental del estado Falcón, la península de Paraguaná y la región de Sinamaica - La Guajira venezolana. Se observa un potencial relativamente alto en los llanos orienta-les, en función a ello, se puede entender que a pesar de la baja densidad del aire en esa región del país, los potenciales de producción eólica son favorables para buena parte del año. Este patrón persiste en el tiempo; de acuerdo a ello, se espera que para me-diados del siglo XXI (2030-2050) se experimente dis-minuciones localizadas del potencial energético, aún cuando, en general se esperan más incrementos que pérdidas de densidad de potencia de viento, la ma-yoría de esos incrementos esperados son inferiores a 25w/m2 que equivalen alrededor del 5% de la den-sidad de potencia promedio esperada para el año 2030. La máxima diferencia observada es cercana a los 125 w/m2, que equivalen a un incremento de aproximadamente el 25%. La pérdida de potencial estimada para este periodo es inferior al 4%. Para finales de siglo las tendencias observadas en el pe-riodo anterior se acentúan, tanto en magnitud como en cobertura espacial, se esperan más incrementos y de mayor intensidad que disminuciones; las cua-les a su vez, comienzan a ser más concentradas. La mayoría de esos incrementos son inferiores a 25w/m2, aun cuando los incrementos por encima de los 50w/m2 son superiores al 25% de la superficie de estudio. La máxima diferencia observada es cercana

a los 200w/m2, que equivalen a un incremento de aproximadamente el 40%. Para el caso de las pérdi-das, las disminuciones aun cuando son localizadas, se incrementan respecto al periodo anterior pero con-tinúan siendo menores al 4%.

Análisis Cuantitativo de la Variación del Potencial Eólico

Análisis en términos de magnitud

Se puede inferir que Venezuela experimentará un in-cremento generalizado con pocas disminuciones de potencial energético eólico a lo largo del siglo XXI, siendo mayores los incrementos en los meses de mar-zo, abril, septiembre y octubre. Para el último tercio del siglo XXI se espera que las tendencias de aumento del potencial energético se aceleren.

Análisis generalizado en términos espaciales

Se experimentará una expansión generalizada de sus recursos eólicos durante el siglo XXI, sobre todo en la región sur los llanos orientales que se perfilan como un nuevo polo de potencial energético (Figura 4).


Figura 4. Ubicación de los lugares de mayor potencial energético eólico durante el siglo XXI.

En función a esto se logran identificar dos regiones favorables, una al noroeste del área de estudio, com-prendiendo gran parte del estado Falcón y el norte del estado Zulia y la otra al sureste del área de estudio, al sur de los estados Anzoátegui y Monagas. Tal como se muestra en el mapa ilustrado en la figura 4.

Análisis generalizado en términos temporales:

En el análisis temporal, se centra la atención en el com-portamiento de la tasa de variación de cada mes a lo

largo del siglo. Los resultados de este enfoque muestran comportamientos coherentes en cuanto al incremento lineal progresivo de las tasas de variación todos los meses del año. Los coeficientes de determinación entre 0.90 y 1 indican que la regresión lineal es efectiva para describir este comportamiento y la variabilidad mensual de dicha tendencia resultó ser inferior al 35%, por lo que la extrapolación a un potencial generalizado puede ser una opción en estos términos. Esta generalización permitió construir una resultante representativa de las variaciones mensuales, pero a su vez distinta a ellas, tal procedimiento, además de simplificar los resultados, permite obtener una sola tendencia que caracterice el potencial energético eólico durante el siglo XXI, a los efectos de la prospección del recurso. La figura 5 mues-tra el resultado del proceso de generalización:

Figura 5. Tasa de variación del potencial eólico anualizada, esti-mada para el siglo XXI.

Considerando la representatividad de la tendencia, y asumiendo una progresividad lineal del incremento energético, este estudio ha planteado una tasa de incre-mento de potencial eólico anual alrededor de los 459 w/m2 por año ± 35% durante este siglo.

Conclusiones

Una vez finalizada esta investigación se pueden estable-cer las siguientes conclusiones:

Respecto a la Metodología

Este estudio implicó diversos planteamientos metodoló-gicos para procurar robustez procedimental a los argu-mentos que de ellos se desprendían. Sin embargo, como todo planteamiento, fue necesaria la formulación de su-puestos que condicionaron el alcance de los resultados; he aquí algunos de ellos:• Las condiciones de los escenarios de cambio climáti-

co, y sus salidas en diversos modelos de circulación global.

• La linealidad en la variación del potencial energéti-co para la determinación de las tasas de incremento del potencial.

Dentro de estas limitaciones, se implementaron diversas estrategias para la estimación de parámetros relevantes para este estudio, entre ellas se destacan:


• La propuesta de calibración y validación basada en comparación retrospectiva.

• La Estimación de la densidad de aire, y su influencia en el potencial energético.

• La estrategia de identificación de regiones geográfi-cas favorables para el desarrollo del potencial ener-gético en base a la abundancia del recurso natural asociado, la consistencia temporal y la concentra-ción espacial del recurso.

Respecto a los Cambios en el Potencial Energético

A pesar del efecto adverso que el cambio climático pa-reciera tener en la densidad del aire y en su capacidad para generar trabajo mecánico, el incremento del poten-cial energético eólico a lo largo del siglo XXI se plantea como una firme posibilidad, esto lo confirma la serie de curvas de variación mensual y la curva promedio.

Las regiones más favorables para el aprovechamiento de este recurso en términos de su abundancia y consis-tencia temporal, son la región norte de Falcón, el Golfo de Venezuela, y el sur de los llanos orientales. El hallaz-go de esta región la cual no corresponde con las que tradicionalmente se han estado explorando, genera muy buenas expectativas, si se considera al plan de desarro-llo socio-productivo que actualmente se está proyectan-do en la faja petrolífera del Orinoco.

La variación intermensual, indica que los meses donde este potencial experimentará más cambios a lo largo de este siglo son los meses de octubre, noviembre y diciem-bre. En términos espaciales esta variación es de poca amplitud y las tendencias de cambio parecen seguir un patrón espacial que es constante y concentran los mayo-res cambios siempre en las mismas localidades, por lo tanto la dinámica espacial de los cambios de potencial eólico parece ser bastante baja.

En necesario recalcar que estos resultados están obvia-mente influenciados por las características benignas del escenario de emisión utilizado para este estudio (escena-rio A1b), un escenario a medio camino entre un futuro op-timista y pesimista, donde se supone que ciertas medidas han sido tomadas para corregir la incidencia de factores condicionantes del cambio climático. En todo caso, indi-cadores sobre crecimiento poblacional y desigualdad, el estancamiento de las negociaciones y modos de desarro-llo que se están produciendo en el mundo, perfilan que el escenario planteado es irrealista y operacionalmente inviable. En consecuencia los resultados expresados acá referentes a las expectativas del potencial energético eó-lico deben ser interpretados cautelosamente.

Referencias

ACeVedo, l,A, & PoVedA g. (2008). Comparación de series de precipitación con los GCM CCSM3,

ECHAM5, HADGEM1 y MIRO –C3,2 HIRES; para el siglo XX en Colombia, Grupo red de Cooperación en Investigación sobre el agua (GRECIA), Escuela de Geociencias y Medioambiente de la universidad nacional de Colombia, Congreso latinoamericano de hidráulica.

dAVis, R.(1992). Equation for the determination of the density of moist air (1981/91).

giAComo, P. (1992): “Equation for the determination of the density of moist air (1981).

mARtelo, m. (2003). Metodología para la selección de modelos y escenarios a incluir en la primera comu-nicación nacional de Venezuela” MARN, Caracas.

ott, t. & swiACzny f. (2001). Time-Integrative Geogra-phic Information Systems,Springer-Verlag, Berlin Heildelberg.

RAmíRez J. & Andy J. (2010).Downscaling Global Circula-tion Model Outputs: The Delta Method Decision and Policy Analysis, Working Paper No,1. International Center for Tropical Agriculture, CIAT, Cali, Colom-bia; CGIAR Research Program on Climate Change, Agriculture and Food Security, CCAFS; School of Earth and Environment, University of Leeds, UK.


sistemA nACionAl de infoRmACión hidRológiCA y meteoRoló-giCA (sinAimeh) (2004). “Registros oficiales de da-tos de Velocidad media de viento a 10 m de altura”. Ministerio del Ambiente y los recursos Naturales, Caracas.

wARd P. & lAsAge R. (2009). HADCM3 and ECHAM5 models on precipitation and temperature for Ethio-pia and Kenya. Institute for Environmental Studies Vrije, Universiteit, Amsterdam, The Netherlands.


SIGaVenezuela.com.ve El Sistema de Información

Geográfica para la Promoción del Turismo en Venezuela

AdRiAnA Ruiz1, AdRiAno AlVes2

1Universidad Nueva Esparta. Administración de Empresas de Turismo1, Universidad Santa María. Ingeniería de

Sistemas2


RESUMEN

SIGaVenezuela.com.ve, “El Sistema de Información Geo-gráfica del Turismo en Venezuela”, es un portal web para promocionar el turismo nacional dentro y fuera del país. La motivación para la creación de esta página fue impul-sar el turismo como actividad altamente generadora de empleo y progreso en las comunidades y en las áreas económicas relacionadas como: Alojamiento, Gastrono-mía, Transporte, Construcción, Deportes, Cultura, Salud, Infraestructura, Mantenimiento, entre otras. SIGaVenezue-la.com.ve viene a llenar un vacío a nivel de Información Turística Nacional, ya que existen pocos SIG Turísticos en el país y en la mayoría de los casos son esfuerzos

aislados, académicos o de entes gubernamentales loca-les. Es un Centro de Información Geográfica, Turística y Cultural con datos del país (Generalidades, Símbolos Pa-trios, Calendarios de Fiestas, Gastronomía, Arte, Música, Arquitectura, Sitios de Interés Turístico, Mapas Temáticos, Ecología, Patrimonios de la Humanidad de Venezuela y Mapas Interactivos) e información detallada por estado (Descripción, Símbolos Patrios, Mapa de Atractivos Turísti-cos Interactivo, Recursos Naturales y Culturales, Gastrono-mía, Alojamiento, el Tiempo, Fotos y Servicios). Está sien-do desarrollado con una gran variedad de herramientas, servicios y recursos web, en su mayoría gratuitos, lo que facilitaría la utilización a nivel general en muchas otras aplicaciones de la Geomática. Algunos de los recursos utilizados son: APIs de Google Maps, JQuery, Galerías, RSS de Noticias del Turismo Nacional, Trazado de Rutas, Mapas de Referencia, Imágenes Satelitales, entre otros.

Palabras clave: SIG, TURISMO, GEOGRAFÍA, MAPAS, PÁGINA WEB.

SIGAVENEZUELA.COM.VE – THE GEOGRAPHIC INFORMATION SYSTEM FOR THE PROMOTION OF

TOURISM IN VENEZUELA

ABSTRACT

SIGaVenezuela.com.ve, the Geographic Information System of Tourism in Venezuela, is a web site to promo-

te domestic tourism within and outside the country. The motivation for creating this page was promoting tourism as a highly generating activity of employment and eco-nomic progress in related areas such as Accommoda-tion, Food, Transportation, Construction, Sports, Cultu-re, Health, Infrastructure, Maintenance, among others. SIGaVenezuela.com.ve fills a gap in terms of Touristic Information because there are few GIS in the country de-dicated to tourism that in most cases are isolated efforts sponsored by academic and local government agencies. This is a Geographic, Touristic and Cultural Information Centre, with data of the country (General Information, National Symbols, Events Calendars, Food, Art, Music, Architecture, Places of Tourist Interest, Thematic Maps, Ecology, World Heritage of Venezuela and Interactive Maps) as well as state level information (Description, Food, Lodging, Time, Natural and Cultural Resources, Tourist Activities, Photos and Services). It is being develo-ped with a variety of tools, services and web resources, mostly free, which would facilitate overall level use in many other applications of Geomatics. Some of the re-sources used are: Google Maps APIs, JQuery, Galleries, RSS News National Tourism Routes Plotting, Reference Maps, satellite imagery, among others.

Keywords: TOURISM IN VENEZUELA, TOURISTIC IN-FORMATION, GIS, GOOGLE MAPS APIS, WEB RE-SOURCES.


Introducción

El Turismo “Es un sistema socio económico basado en la recreación física y emocional de las personas, que partiendo de la sensibilización, capacitación y organi-zación de las comunidades para presentar buenos ser-vicios, aprovecha racionalmente los paisajes y el patri-monio histórico-cultural; para convertirlos en centros de atracción que capten visitantes, los cuales durante su estancia generan ingresos que benefician a la comuni-dad anfitriona” , (Camacaro, 2008).

“El turismo como actividad económica genera resulta-dos positivos para un país, región o localidad, tales como: generación de fuentes de empleos, incremento de ingresos económicos, mejoras en la calidad de vida de la población, intercambios culturales, sensibilización de turistas y población local hacia el medio ambiente, entre otras”. (Goitía et al. 2011).

Una manera de estudiar y analizar las interacciones generadas por el turismo es a través de los Sistemas de Información y más concretamente de los Sistemas de Información Geográfica.

“Se define como Sistema de Información Geográfica (SIG) a un sistema de información que es utilizado para ingresar, almacenar, recuperar, manipular, analizar y obtener datos referenciados geográficamente o datos

geoespaciales, a fin de brindar apoyo en la toma de decisiones sobre planificación y uso del suelo, recursos naturales, medio ambiente, transporte, instalaciones ur-banas, y otros registros administrativos.” (Murai, 1999).

Una de las características de los SIG es que manejan la información en estratos o capas de información, las cuales pueden ser relacionadas y sobre todo analizadas desde un punto de vista o de interés.

Los SIG requieren de grupos de trabajo de diver-sas profesiones (Geografía, Cartografía, Sensores Remotos, Fotogrametría, Geodesia, Estadística, Infor-mática o Computación, entre otros). Gracias a esa interdisciplinariedad, tienen una amplia gama de aplicaciones, muchas de ellas relacionadas con el turismo, entre las que se pueden mencionar: Manejo y conservación de recursos naturales, determinación de rutas, mantenimiento de infraestructura, localiza-ción y visualización en mapas de instalaciones, res-taurantes, hoteles, servicios, monumentos y en gene-ral, sitios de interés turístico; identificación de lugares potenciales para el eco-turismo y más recientemente en aplicaciones más complejas como la investigación comercial o geo-marketing.

La planificación turística requiere mucha recolección y procesamiento de datos espaciales, labor que se facilita mediante el uso de los SIG.

La tecnología de los SIG ha ampliado nuestra visión acerca de los mapas. En contraste a los mapas impre-sos, los mapas actuales son representaciones hechas a partir de bases de datos geográficas que se actualizan, generan y visualizan de acuerdo a las necesidades de los usuarios (Pühretmair et al. 2001).

Una de las aplicaciones de los SIG es el turismo (SIG-Tu-rísticos o SIG-Tur). que se caracterizan como multidisci-plinares, los cuales generan una gran variedad de apli-caciones que se adaptan para suplir la necesidad de los usuarios de esta tecnología Los SIG-Tur pueden ser utilizados con más perspectivas desde dos vértices: uno como herramienta para la pla-nificación y gestión del territorio turístico y otro como herramienta para la promoción, comercialización e in-formación turística”. (Marcia et al. 2011). Éste último enfoque fue el utilizado en el presente trabajo.

Antecedentes

En Venezuela existen pocos SIG Turísticos y en la mayo-ría de los casos son esfuerzos aislados, académicos o de entes gubernamentales locales:• SIG-Turísticos Académicos: En la Universidad del Zu-

lia, en el Instituto de Investigaciones de la Facultad de Arquitectura y Diseño (IFAD), Cuberos y otros han desarrollado diversos trabajos para dicho estado.


• En Falcón los investigadores de la Universidad Na-cional Experimental Francisco de Miranda y del Ins-tituto Universitario de Tecnología Alonso Gamero, han desarrollado algunos SIG para aplicaciones internas y del turismo.

• La Corporación de Turismo del estado Miranda, desde el año 2009 tiene un SIG donde se muestra información turística.

• Las Alcaldías de Chacao y Metropolitana también ma-nejan SIG de uso general con información turística.

En cuanto a los requerimientos, los que tienen mayor im-pacto en la calidad de sistemas de información turística, desde el punto de vista de la accesibilidad son:• Integración de datos geográficos con datos turísti-

cos.• Integración de fuentes de datos distribuidos.

El enfoque de este trabajo se basa en el primero de los requerimientos. En el caso de la integración de datos turísticos con un sistema de información geográfica, los mapas ofrecen una posibilidad única de combinar da-tos geográficos y turísticos a nivel de visualización. Los mapas son un medio idóneo para ayudar la percepción humana, en una forma conveniente y utilizando las habi-lidades cognitivas inherentes de las personas para iden-tificar patrones espaciales y proveer asistencia visual re-lacionada a los objetos geográficos y sus localizaciones (Pühretmair et al. 2001).

En cuanto a las cifras del turismo nacional, según el Instituto Nacional de Estadísticas (INE), entre los años 2001 – 2010, no hubo gran variabilidad en el turismo receptivo, tomando en cuenta el gasto total en millones de dólares; en el mismo período se incrementó de forma importante el turismo emisivo y al final de los años com-prendidos entre 2005 y 2009, se incrementó ligeramen-te el turismo receptivo (Ver Tabla 1).

Tabla 1. Estadísticas Sector Turismo 2.001-2.009.

Las cifras anteriores evidencian la necesidad de estimu-lar tanto el turismo receptivo, como el interno.

Objetivos

Dado el panorama anterior se plantearon los siguientes objetivos:

Objetivo General: Diseñar e Implementar en un portal web, un SIG para la promoción del Turismo de Venezuela.

Objetivos Específicos: • Determinar información más relevante.• Levantar información de diversas fuentes, por eta-

pas.• Diseñar estructura del SIG.• Diseñar estructura y formato de la página. • Implementar el SIG utilizando herramientas web de

última generación.

Metodología

Como metodología de Desarrollo de Sistemas se aplicó el Proceso Unificado Racional (RUP por sus siglas en inglés). El cual tiene como objetivo la producción de software de alta calidad, que satisfaga las necesidades de los usuarios finales, dentro de un determinado calen-dario y presupuesto (Kruchten, 2001). Esta metodología incrementa la productividad del equipo de trabajo al


proveer a cada uno de los miembros de una base de conocimientos común, para las actividades críticas del desarrollo. De esa forma, no importa si se trabaja en el levantamiento de los requerimientos, diseño, pruebas, configuración o en la gerencia del proyecto, se asegura que los integrantes del equipo comparten la visión de cómo desarrollar el software. La metodología RUP utiliza modelos que representan el sistema en desarrollo y “las Mejores Prácticas” del desarrollo moderno de software, que son las prácticas más comúnmente utilizadas por empresas exitosas: 1. Desarrollo iterativo del software.2. Manejo de requerimientos.3. Arquitectura basada en componentes.4. Modelado del software.5. Verificación de la calidad del software.6. Control de cambios del software.

La metodología RUP maneja el Ciclo de Vida del de-sarrollo de software (Modelado del Negocio, estableci-miento de Requisitos, Análisis y Diseño, Implementación, Pruebas, Despliegue, Gestión del Cambio, Configura-ciones, Gestión del Proyecto y Manejo del Entorno), en cuatro fases (Iniciación, Elaboración, Construcción y Transición), y ciclos en cada una de ellas.

Ésta metodología se caracteriza por ser iterativa e incre-mental, estar centrado en la arquitectura y guiado por los casos de uso del sistema.

Basados en los objetivos planteados y en la metodolo-gía, se definieron los siguientes pasos:1. Determinación de información más relevante desde

el punto de vista turístico (Tablas 2 y 3). Se cate-gorizó y estructuró la Información Turística a nivel Nacional y estadal.

Tabla 2. Estructura de la Información General de Venezuela

Inf. General de VenezuelaInformación Turística

Inf. GeneralSímbolos Patrios y NaturalesFiestasGastronomíaArteMúsica ArquitecturaSitios de Interés TurísticoPatrimonios de la Humanidad

Información GeográficaMapas

Capitales de estadoZITPoblación RegionesRelieve VegetaciónSuelosFísico SatelitalHidrocarburosRecursos MineralesRecursos No MineralesParques NacionalesMonumentos NaturalesParques de Recreación

Noticias TurísticasTrazado de RutasGalería de Fotos

Categorización de la Información Turística Nacional.

Tabla 3. Estructura de la Información de los estados.

Inf. de EstadosInf. GeneralGastronomíaAlojamientoRecursos NaturalesRecursos CulturalesFotos EstadoServiciosMapa del Estado

PlayasRecursos NaturalesRecursos CulturalesOtros SITServicios

Categorización de la Información Turística Nacional.

2. Levantamiento de información de diversas fuentes, por etapas• Búsqueda y síntesis de información turística nacio-

nal en diversas fuentes.* Trabajos de Investigación, Guías Turísticas, En-

ciclopedias, Libros, Gobernaciones, Internet, Trabajo de Campo.

* Información Nacional y por estados.

3. Diseño de la estructura del SIG• Definir Variables: Atractivos Turísticos Históricos,

Religiosos, Playeros, Culturales, Naturales, Aloja-miento, Gastronómicos, Servicios.

• Estructurar Archivos.


• Entrada de datos: Adaptar información al forma-to XML.

• Diseño de Mapas Interactivos.

4. Diseño de la estructura y formato de la página• Generación de Vistas: En la vista, se superponen

todas las capas temáticas del territorio que se quieren reflejar. Cada vista está orientada a un contenido diferente y contendrá diferentes elemen-tos, imágenes, etc.

• Contenido de la Página Principal.• Menú de páginas información general de Vene-

zuela.• Página de los estados.• Contenido de otras páginas.• Seleccionar servicios y recursos a utilizar en la pá-

gina.

5. Implementación del SIG utilizando herramientas web de última generación• Búsqueda de coordenadas de los elementos a re-

presentar en los mapas: Hay dos formas de deter-minar las coordenadas de los objetos: Posiciona-miento Manual y Automática. En la primera, las coordenadas se calculan marcando los objetos en el mapa y se almacenan en archivos KML. La se-gunda, se basa en un atributo del objeto turístico como por ejemplo el código postal, a partir del cual se calculan las coordenadas (O’Neill et al,

1997). En el presente trabajo se utilizó el posicio-namiento manual.

• Visualización: Después que se tienen las coorde-nadas, los sitios turísticos se pueden visualizar en los mapas turísticos. La información geográfica puede utilizarse con diversas funcionalidades de los SIG para búsquedas, categorización, determi-nación de cercanía, cálculo de distancias, entre otras, para determinar donde se encuentran los atractivos turísticos, cómo se puede llegar a ellos y ver qué hay alrededor.

• Implementación de herramientas y servicios: En-tre ellos se encuentran JQuery (Menús, Efectos, Galerías de Imágenes, Calendarios), RSS, Goo-gle Maps (Mapas Interactivos, Trazado de Rutas, Capas Temáticas, Capitales de Estados, Vialidad, Parques Nacionales, Imágenes de Satélite, Relie-ve, Playas, entre otras).

• Creación de Tablas de datos en formato XML: Mostrar información en mapas tomando informa-ción de archivos XML (eXtensible Markup Langua-ge). La integración de datos basada en archivos XML se lleva a cabo a nivel de visualización de la información.

• Carga de información General de Venezuela y de los estados.

• Uso de APIs de Google Maps (Application Pro-gramming Interface): Son funciones y procedimien-tos elaborados bajo la filosofía de programación

orientada a objetos, programados en javascript, con la finalidad de integrar funcionalidades de los SIG a los Mapas de Google, como por ejemplo, visualización de mapas e imágenes de satélites, superposición de capas de información a dichos mapas, funciones de búsqueda, localización de información, relación entre capas de información, despliegue de cuadros de información con imá-genes, enlaces a otros sitios web, coordenadas, entre otras.

• Enlaces a páginas oficiales y de organizaciones.• Incluir funcionalidad para diversos Dispositivos,

Sistemas Operativos y Navegadores (adaptabili-dad a cualquier tamaño de pantalla).

• Utilización de símbolos (íconos) personalizados en los mapas, representativos de un determinado tipo (capa) de objeto turístico.

• Iterar los procesos de generación de vistas de Mapas Interactivos hasta lograr la funcionalidad deseada e incrementar las funcionalidades de la página y los servicios, a medida que se agregue más información.

Resultados

Se obtuvo una página web con los siguientes tipos de Información:1. General de Venezuela: Información General, Sím-

bolos Patrios, Símbolos Naturales, Gastronomía,


Patrimonios de la Humanidad, Calendarios de Fies-tas de Venezuela (Figura 1).

2. Geográfica: Geología, Relieve, Clima, Hidro-grafía e Hidrología, Suelos, Vegetación y Flora, Curiosidades Geográficas de Venezuela, Mapas Temáticos, Mapas Interactivos, Imagen Satelital, Parques Nacionales y de Recreación, Monumen-tos y Enlaces a páginas web de Conservacionis-mo (Figura 2).

Figura 1. Pág. Principal SIGaVenezuela.

Figura 2. Mapa Hipsométrico.

3. Noticias del Turismo Nacional (Figura 3).

Figura 3. Noticias Turísticas.


4. Trazado de Rutas por nombres geográficos y me-diante la ubicación de puntos en el mapa, además de ciertas Rutas predefinidas hacia distintas zonas de nuestro país (Figura 4).

Figura 4. Trazado de Rutas.

5. Galería Fotográfica de Venezuela y de todos los es-tados, entidades y dependencias (Ver Figura 5).

Figura 5. Fotos de Venezuela.

6. Información detallada de los estados: Descripción, Símbolos Patrios, Mapa de Municipios, Gastrono-mía, Recursos Naturales y Culturales, Fotos, Servi-cios, Mapa de Categorías: Playas, Patrimonios (Cultural, Histórico, Natural), Monumentos (Edifica-ciones, Museos), Servicios (Salud), Otros (Universi-dades, Complejos Deportivos, entre otros) (Figura 6).

Figura 6. Mapa Interactivo.

SIGaVenezuela.com.ve es un portal web que reúne una gran cantidad de información actualizada acer-ca del patrimonio histórico, cultural, natural de Vene-zuela, representada a través de las herramientas de


la Geomática y los múltiples medios que brindan las Tecnologías de Información y Comunicación, de una manera única en el país.

Si bien la información se maneja por capas y está cla-sificada en categorías (almacenada en archivos XML) y se incorpora al momento de la visualización con los mapas, mediante los programas de aplicación (APIs) de Google Maps, en un futuro cercano se espera implemen-tar un SIG utilizando una Base de Datos Espacial donde se integre toda la información y se muestre mediante las herramientas disponibles en software libre.

Conclusiones

• En el presente trabajo se integró la información tu-rística y la geográfica utilizando el estándar de ar-chivos XML, para la posterior generación de mapas turísticos.

• Mediante la página se generan mapas turísticos inte-ractivos que proveen información de manera clara, rápida y eficiente.

• Se logró la elaboración de un portal que reúne una gran cantidad de información Geográfica, Cultural y Turística de referencia.

• La página brinda a los potenciales turistas y al pú-blico en general, valiosa información, en un formato adaptable a diferentes dispositivos: computadoras, tabletas electrónicas (tablets) y teléfonos inteligentes.

• Le da la oportunidad a los Operadores Turísticos de promover su producto o servicio en la página, con presencia 24 horas, 7 días a la semana.

• Es posible llevar a cabo una actualización continua que amplíe y detalle cada vez más la información de todas las entidades.

• Es una poderosa herramienta de promoción del Tu-rismo.

• Puede ser utilizado con fines educativos en los dis-tintos niveles.

Referencias

CAmACARo, A. (2008). Turismo Básico: Un Enfoque Inte-gral. Editorial Biósfera. Caracas.

goitíA, R., Reyes, g.(2011). Análisis de los Recursos Tu-rísticos de la Zona Colonial de Coro, Municipio Mi-randa del Estado Falcón. Redieluz. Vol. 1, No. 1.

kRuChten, P. (2001). THE RATIONAL UNIFIED PROCESS AN INTRODUCTION. PUBLICACIÓN: ADDISON WESLEY. P. 45.

mARCiA, l., AlVes, m., duARte, C., dA silVA, tAniAh (2011). sig-tuR: Una Herramienta para la Planificación, Gestión y Control de los Destinos Turísticos. Revista Geográfica de América Central.

Número Especial EGAL, 2011- Costa Rica II Semestre 2011. pp. 1-16

muRAi, s. (1999). SIG Manual Base. Vol. 1. Conceptos Fundamentales. Revista SELPER. Vol. 15. No. 1.

o’neill, w., hARPeR, e. (1997). Linear Location Transla-tion within GIS. Proceedings of the ESRI User Con-ference.

PühRetmAiR, f. And wöss, w. (2001). XML-Based Integra-tion of GIS and Heterogeneous Tourism Information. Proceedings of the 13th International Conference on Advanced Information Systems Engineering. Pages 346-358. London.


Evaluación Posicional de Imágenes Pancromáticas del Satélite Miranda, Caso de Estudio:

Aragua - Carabobo

JeAn PieRRe PlAzA1, gABRielA quintAnA2, AmARelys Román3, Jimmy PetRoCini4

Agencia Bolivariana para Actividades Espaciales. Dirección de Aplicaciones Espaciales. Unidad de

Sistemas de Navegación 1 4, Unidad de Observación de la Tierra 2 3

[email protected], [email protected], [email protected], [email protected]

RESUMEN

La Unidad de Sistemas de Navegación en conjunto con la Unidad de Observación de la Tierra, ambas adscritas a la Dirección de Aplicaciones Espaciales de la Agencia Bolivariana para Actividades Espacia-les - ABAE, ejecutaron un proyecto para evaluar la exactitud posicional de seis (06) imágenes del Saté-lite Miranda, mediante el uso de ortofotomapas, un Modelo Digital de Elevaciones (MDE) y mediciones GNSS. Las imágenes seleccionadas se procesaron

utilizando el modelo RPC de reemplazo Ikonos exis-tente en el software comercial Erdas 2013 y el mó-dulo IPS_SMC, para generar imágenes corregidas geométricamente y ortorectificadas. Las imágenes generadas con los programas antes mencionados fueron comparadas con los mapas base utilizados, con la finalidad de evaluar el ajuste posicional al-canzado en ambos casos. El desplazamiento prome-dio para las escenas corregidas geométricamente con el software Erdas fue de 2,76 m, mientras que para el caso de las escenas corregidas con la herra-mienta IPS_SMC se alcanzó un valor de 8,12 m. En el caso de las escenas ortocorregidas utilizando el software Erdas, se alcanzó un desplazamiento pro-medio de 3,17 metros, mientras que las generadas utilizando el módulo IPS_SMC alcanzaron un despla-zamiento promedio equivalente a 8,18 metros. Se demuestra con estos resultados, que ante la ausencia en el software Erdas 2013 de un modelo sensor es-pecífico para el satélite Miranda se puede utilizar un modelo geométrico de reemplazo para realizar la ortocorrección de imágenes. Estos modelos pueden ser refinados mediante el uso de puntos de control terrestre (GCP) y funciones polinómicas.

Palabras clave: SATÉLITE MIRANDA, PANCROMATICA, CORRECCIÓN GEOMÉTRICA, IMAGEN.

SOCIO-INTEGRATOR PROJECTS FOR LAND MANAGEMENT AT THE COMMUNITY LEVEL

ABSTRACT

The Navigation Systems Unit in conjunction with the Earth Observation Unit, both assigned to the Depart-ment of Space Applications of the Bolivarian Agency for Space Activities - ABAE, developed a project to as-sess the positional accuracy of six (06) panchromatic images of Miranda satellite, using orthophotomaps, Digital Elevation Models (DEM) and GNSS measure-ments. The selected images were processed using the Ikonos generic RPC model included in the commercial off-the-shelf software (COTS) Erdas 2013 and IPS_SMC module to generate geometrically corrected images and orthoimagery. The average displacement for sce-nes geometrically corrected with Erdas software was 2.76 m, while for the case of scenes corrected with the IPS_SMC module a value of 8.12 m was reached. For the Erdas ortho-rectified scenes, an average displace-ment of 3.17 meters was achieved; while those gene-rated using the module IPS_SMC obtained an average displacement of 8.18 meters. The results obtained show that in the absence, within the Erdas software 2013, of a rigorous sensor model for Miranda satellite, a geo-metric replacement model can be used for ortho-recti-fication processes. These models can be refined using ground control points (GCP) and polynomial functions.


Keywords: ORTOCORRECTION, MIRANDA SATELLITE, GEOMETRIC CORRECTION, PANCHROMATIC.

Introducción

La Unidad de Sistemas de Navegación, en conjunto con la Unidad de Observación de la Tierra, ambas adscritas a la Dirección de Aplicaciones Espaciales de la Agencia Bolivariana para Actividades Espa-ciales - ABAE, ejecutaron el procesamiento de datos inherentes para la evaluación posicional (corrección geométrica y ortocorrección) de seis (06) escenas del satélite Miranda pre procesadas en los niveles 3 y 4, tomando como referencia las ortoimágenes publicadas por el Instituto Geográfico de Venezuela Simón Bolívar (IGVSB), el modelo de elevaciones glo-bal SRTM y datos de mediciones DGNSS, realizadas por personal técnico de la ABAE. El procesamiento de las imágenes se realizó tanto con el software co-mercial Erdas 2013, como con el módulo IPS_SMC del Sistema de Procesamiento de Imágenes (SPI) de la plataforma Miranda.

La zona de estudio seleccionada para la verificación po-sicional de las seis (6) imágenes del Satélite Miranda, se encuentra ubicada entre los estados Carabobo y Aragua (Figura1), dentro de la siguiente ventana geográfica:• 10° 30’ 54,0”N ; 68° 14’ 24,0”O• 09° 58’ 22,8”N ; 67° 21’ 40,8”O

La selección dicha zona de estudio fue realizada consi-derando los siguientes factores:

1. Disponibilidad de imágenes: existencia en el catálo-go de imágenes pancromáticas (PAN) con fechas de adquisición lo más uniforme posible.

2. Relieve de la zona: con un gradiente de pendientes moderado a accidentado, a los fines de valorar los efectos del mismo en las escenas a ser procesadas. La zona de estudio seleccionada cubre en su mayor parte los estados Aragua y Carabobo, que poseen un relieve variado y forman parte de la Cordillera de la Costa. Se cubre también la depresión que

Figura 1. Ubicación geográfica de la zona de estudio.

rodea al lago de Valencia. En el oeste del estado Carabobo se encuentran los valles de Miranda, Be-juma, Chirgua y Montalbán. Toda la zona norte del área. Las alturas varían desde los 400 m hasta superar los 2.000 m en las montañas del Parque Nacional Henry Pitier.

3. Diversidad de paisajes: en la zona de estudio coe-xisten áreas rurales y urbanas, lo que permitirá va-lidar la disponibilidad de puntos de control terres-tre (GCP), sabiendo que los ortofotomapas usados como base referencial presentan un nivel de desac-tualización considerable. De igual forma, en la zona de estudio se encuentran importantes complejos in-dustriales, tales como el eje Valencia-Mariara donde hay importantes ensambladoras de vehículos, indus-trias alimenticias, metalmecánicas, entre otras.

Insumos utilizados

Para la elaboración de este trabajo, fue necesario con-tar con los datos que se listan a continuación:

1. Seis (6) imágenes pancromáticas del satélite Miran-da, cuyo criterio de selección estuvo basado en:• Cobertura nubosa: ≤ 20%.• Calidad radiométrica apropiada.• Ausencia de no idealidades del sensor, ni pér-

dida de líneas.


• Solape nominal apropiado.• Ángulo de toma (Roll): ≤10°.

En la tabla 1, se puede apreciar las principales caracte-rísticas de las escenas seleccionadas.

1. Fecha de captura: 2013/03/21Sensor: PMC - Imagen pancromáticaÁngulo de toma: -0.007054°Nivel de Procesamiento: 2ACanal: PAN-1

2. Fecha de captura: 2013/03/21Sensor: PMC -Imagen pancromáticaÁngulo de toma: -0.006894°Nivel de Procesamiento: 2ACanal: PAN-1


Tabla 1. Características de las imágenes seleccionadas.

4. Fecha de captura: 2015/02/08Sensor: PMC -Imagen pancromáticaÁngulo de toma:-0.009460°Nivel de Procesamiento: 2ACanal: PAN-1


6. Fecha de captura: 2015/02/08Sensor: PMC -Imagen pancromáticaÁngulo de toma: -0.010008Nivel de Procesamiento: 2ACanal: PAN-1

2. Ortofotomapas: para los datos de referencia geométrica se utilizaron imágenes pertenecien-tes a dos proyectos de cubrimiento cartográfi-co del territorio nacional denominados PITSA y CARTOCENTRO, elaborados por el IGVSB, pu-blicados a escala 1:25.000 y que poseen una resolución espacial de 2,5 m por pixel. Para cu-brir la zona de estudio, se requirieron un total de 56 ortoimágenes y, para facilitar el proceso de selección de los Puntos de Control Terrestre (GCP por sus siglas en ingles), se realizó un mosaico

Figura 2. Mosaico de las ortoimágenes utilizadas.

general de las mismas, cuyo resultado se presen-ta a continuación (Figura 2).

3. Modelo Digital de Elevaciones (MDE): se utili-zó un modelo de elevaciones homogéneo, para lo cual se procedió a la selección, descarga y recorte de los datos de elevación del catálogo STRM90 V4 (Figura 3). Las características más resaltantes de este conjunto de datos se presen-tan a continuación:


4. Mediciones DGNSS: en la zona de estudio se realizaron dos campañas de medición, con el uso de la técnica diferencial (DGNSS). El resultado consistió en un total de 57 puntos de verificación (GVP) distribuidos en las seis escenas PAN objeto de estudio (figura 4).

Cobertura de los bloques de datos:

1° x 1° (1201filas x 1201columnas)

Formato: GeoTiff , 16 Bits

Tamaño del pixel: 90 m

Sistema de referencia: Latitud, Longitud

Referencia Geodésica: WGS84 / EGM96

Cobertura: 60° Norte a 56° Sur

Tabla 2. Especificaciones de los datos STRM90 V4.

Fuente: http://srtm.csi.cgiar.org/SELECTION/inputCoord.asp.

Figura 3. Mosaico del Modelo Digital de Elevaciones (MDE).

Figura 4. Cobertura de puntos GNSS y estaciones Base.

Metodología utilizada

Para determinar la exactitud posicional de imágenes pancromáticas generadas con el módulo de software denominado IPS_SMC instalado en las facilidades del Sistema de Procesamiento de Imágenes (SPI), se utilizó

el programa comercial Erdas 2013, a los fines de repli-car el mismo tipo de producto, y establecer una compa-ración posicional entre los productos generados en am-bos programas de procesamiento digital de imágenes.

Se procedió a realizar la corrección geométrica y la ortocorrección de las imágenes seleccionadas, para ge-nerar escenas equivalentes a los productos niveles 3B y 4 generados por el módulo correspondiente del SPI, mediante el uso del programa Erdas 2013.

Es importante señalar que la selección del software se basó en las siguientes consideraciones:

1. Existencia de modelos geométricos de reemplazo para efectuar la ortocorrección, que puedan ser refinados mediante el uso de puntos de control te-rrestre (GCP).

2. Posibilidad de lectura integral de los archivos con Coeficientes Polinómicos Racionales (RPC) y de redu-cir errores residuales de la ortocorrección mediante el uso de polinomios de hasta tercer orden (shift de imagen y función afín).

3. Facilidad en la categorización de los puntos de control terrestre (GCP) y de verificación (GVP), así como del análisis de los residuales para cada con-junto de puntos.


Las comparaciones planteadas a priori fueron las que se mencionan a continuación:• Comparación de imágenes ortocorregidas en Erdas

2013, contra productos Nivel 4 del módulo IPS_SMC.• Comparación de imágenes corregidas geométrica-

mente en Erdas 2013, contra productos Nivel 3B del módulo IPS_SMC.

Ortocorrección mediante archivos rpc

Para efectuar este proceso, se seleccionó de la lista de modelos disponibles el correspondiente al satélite Ikonos (Figura 5).

cúbicas donde intervienen la latitud, longitud y altura que proporcionan las coordenadas de la imagen conjugada. El modelo afín es un subconjunto de los modelos RPC.

Debido a la creciente variedad de cámaras aéreas digi-tales y sensores satelitales de resolución media alta, sur-gió la necesidad de desarrollar modelos generalizados alternativos, es decir, un conjunto genérico de ecuaciones capaces de describir con precisión la relación “espacio objeto – espacio imagen” para una variedad de modelos físicos de cámara y sensores (Grodecki et al, 2005).

Destacan los modelos alternativos RPC de los satélites Ikonos y QuickBird, que se encuentran disponibles en la mayoría de los programas comerciales para procesar imágenes, debido su utilidad en operaciones de foto-grametría (rectificación, extracción y de ajuste por blo-ques). Dada su generalidad, estos dos modelos RPC son recomendados a la comunidad fotogramétrica como modelos de reemplazo (Zhang, et al 2006).

Para la ortocorrección de las imágenes PAN del satélite Miranda, se utilizó el modelo RPC del sensor Ikonos, com-binado con la información que es proporcionada por sus sistemas de control de actitud: sensores para medir la orien-tación exterior, rastreadores de estrellas y giróscopos que determinan la actitud del satélite, además de receptores GPS que determinan la posición del satélite en la órbita. Toda esta información puede ser integrada mediante el uso

Figura 5. Modelo sensor Ikonos para ortocorrección.

del programa Erdas 2013, en su módulo de ortocorrección.

Los parámetros RPC del satélite Miranda fueron usados con el modelo del sensor Ikonos y se aplicaron refina-mientos de hasta tercer orden.

Para cada imagen ortocorregida, se especificó la ruta de los siguientes archivos:• Archivo RPC (ASCII) de cada escena.• Mosaico de referencia para seleccionar los GCP.• Mosaico del MDE de la zona de estudio.

Seguidamente, se procedió a la selección de puntos de control terrestre GCP, conformados por elementos inva-riables en el tiempo y de fácil identificación sobre las escenas (Figuras 6 y 7).

Figura 6. Inclusión de Puntos de Control en Erdas 2013.Como es conocido, el modelo de Coeficientes Polinómicos Racionales (RPC), consiste en el cociente de dos funciones


Figura 7. Distribución de puntos de control.

Una vez culminado el proceso de inclusión de los GCP se fijó el orden del polinomio en un valor de 1. De esta manera se logró reducir errores residuales para mejorar el ajuste de la imagen durante el proceso de ortocorrec-ción, a través de la aplicación de una transformación afín. Se debe destacar que se efectuaron pruebas con diferentes órdenes del polinomio, siendo los mejores re-sultados los que se alcanzaron con un valor de 1.

Finalmente se debe realizar un análisis del valor del error medio cuadrático (RMS) resultante para cada es-cena, el cual es reportado en unidades de píxeles en el programa utilizado.

Para el ejemplo presentado en la figura 8, el RMS total resultó ser de ±1,786 píxeles, que al multiplicarse por el valor de la resolución espacial de la imagen (2,5 m) resulta en un RMS total de ±4,466 m.

Adicionalmente se obtuvo una medida de la bondad del ajuste alcanzado en el procesamiento de cada imagen, mediante la inclusión de puntos de verificación.

Figura 8. Listado de residuales por GCP y error medio cuadrático (RMS).

Este mismo procedimiento fue realizado para el resto de las imágenes, tanto para el caso de la corrección geométrica como para la ortocorrección y los resulta-dos alcanzados se muestran en las tablas de la sec-ción de resultados.

Resultados alcanzados

1. Análisis cuantitativo

El control de calidad de un conjunto de datos geográ-ficos o de una base de datos geoespaciales, se defi-ne como una serie de procesos orientados a decidir


si dichos datos cumplen con unos requisitos, especifi-caciones o expectativas. La calidad puede ser defini-da de muchas formas, una de ellas es la “adecuación al uso” (Juran y Gryna, 1970) y por ello desde la perspectiva de la evaluación de la calidad posicional caben diferentes definiciones de acuerdo al interés del usuario: exactitud absoluta o relativa, exactitud horizontal o vertical, entre otras.

En todo control o evaluación, es fundamental tener en cuenta el hecho de que el aspecto estadístico ha de estar siempre presente para poder generar con-clusiones válidas.

La validación de la exactitud posicional de una ima-gen satelital, busca proporcionar información de la posición de un objeto, en un tiempo y un marco de referencia geodésico determinado, siendo enmarca-do dentro de una categoría, la cual permite definir la calidad del dato y la escala recomendada a trabajar en aplicaciones cartográficas.

La Sociedad Americana de Fotogrametría y Telede-tección (ASPRS), publicó los Estándares de Exactitud para Datos Geoespaciales en la era Digital, compila-dos a cualquier escala, categorizándolos en las Cla-se I, II y III, permitiendo normalizar los productos a nivel global, Tabla 3.

El valor 0,0125 en la tabla 3 equivale a 1,25% del factor de escala del producto planimétrico, dicho de otra manera, un producto elaborado en una escala de 1:1200, el factor de escala es 1200, por tanto el RMS en X o Y (cm) = 0,0125 veces el factor de escala, es decir, 1200 x 0,0125 = 15 cm.

En función de los diferentes procesos aplicados a las imágenes, es importante determinar la clase a la que pertenece. Si se toma como ejemplo un produc-to imagen a escala 1:25.000, la misma represen-ta estándar en nuestro país, los valores mínimos de RMSE para cada clase quedarían establecidos de la siguiente manera, Tabla 4:

• Clase I: se refieren a datos geoespaciales en la gama de mayor exactitud horizontal, para satisfacer las aplicaciones más exigentes de ingeniería.

• Clase II: se refieren según la norma, a productos de alta exactitud horizontal adecuados para activida-des de cartografía, SIG y otras aplicaciones.

• Clase III: es la clase más amplia, se refiere a produc-tos de menor exactitud, recomendados para labores de visualización y adecuados para aplicaciones de usuarios menos exigentes.

Las tablas 5 y 6 presentan el resumen de los valores de RMS alcanzados en los procesos de ortocorrec-ción y ajuste geométrico de las seis escenas pancro-

CLASE DE PRECISIÓN HORIZONTAL DE DATOS

RMSEX Y RMSEY(CM)

I 1,25% del Factor de Escala(0,0125 x Factor de Escala de Mapa)

II 2,0 x Precisión de la Clase I(0,025 x Factor de Escala de Mapa)

III 3,0 x Precisión de la Clase I(0,0375 x Factor de Escala de Mapa)

Tabla 3. Especificaciones de los datos STRM90 V4.

CLASE DE PRECISIÓN HORIZONTAL DE

DATOSRMS ADMISIBLE

RMSEX Y RMSEY(CM)

RMSEX Y RMSEY

(M)

I 1,25% del Fac-tor de Escala

0,0125 x 25000 = 312,5

3,125

II 2,0 x Precisión de la Clase I

0,025 x 25000 = 625,0

6,250

III 3,0 x Precisión de la Clase I

0,0375 x 25000 = 937,5

9,375

Tabla 4. Valores admisibles de precisión horizontal para mapas 1:25000.


máticas objeto de estudio, así como su equivalente de exactitud posicional de acuerdo a lo establecido por el estándar de la ASPRS.

Los valores presentados en las tablas 5 y 6, deben ser comparados con lo establecido en la tabla 4, a los fines de determinar las recomendaciones de uso de los productos generados en los procesos de corrección geométrica y ortocorrección (Erdas 2013), en relación con los procesos de revisión de mapas.

Tabla 5. Valores de RMS alcanzados para productos con correc-ción geométrica, equivalente al nivel 3B.

IMAGEN NIVEL 3A – CORRECCIÓN GEOMÉTRICA ERDAS

RMS GCP(M)

RMS GVP(M)

VRSS-1_PAN-1_0164_0173_20150208_L3A_0150622390 7,043 6,870

VRSS-1_PAN-1_0165_0172_20130321_L3A_0150622340 6,670 8,986

VRSS-1_PAN-1_0165_0173_20130321_L3A_0150622350 7,784 6,870

VRSS-1_PAN-2_0164_0173_20130321_L3A_0150622370 8,355 12,732

VRSS-1_PAN-2_0164_0172_20130321_L3A_0150622360 7,220 18,853

VRSS-1_PAN-1_0164_0172_20150208_L3A_0150622380 7,671 18,289

Tabla 6. Valores de RMS alcanzados para productos ortocorregi-dos, equivalente al nivel 4.

IMAGEN NIVEL 2A – ORTOCORRECCIÓN ERDAS

RMS GCP(M)

RMS GVP(M)

VRSS-1_PAN-1_0164_0173_20150208_L2A_0015031080 4,466 6,292

VRSS-1_PAN-1_0165_0172_20130321_L2A_0150310180 4,990 7,003

VRSS-1_PAN-1_0165_0173_20130321_L2A_0150108100 3,855 8,026

VRSS-1_PAN-2_0164_0173_20130321_L2A_1501051130 4,123 6,997

VRSS-1_PAN-1_0164_0172_20150208_L2A_0015031060 4,906 7,362

VRSS-1_PAN-2_0164_0172_20130321_L2A_1501051090 4,334 6,722

Comparación de Imágenes contra la base cartográfica de referencia Pitsa – Cartocentro.

En esta etapa del estudio se realizó una valoración de la exactitud alcanzada por las imágenes procesadas con el software Erdas, así como con la herramienta IPS_SMC. Para ello, se utilizó un conjunto de puntos de referencia, con el fin de determinar los desplazamientos existentes entre las imágenes procesadas (Erdas e IPS_SMC) contra la base cartográfica de referencia. Los resultados alcan-zados se presentan a continuación en las tablas 7 y 8.

Tabla 7. Comparación de escenas con corregidas geométricamen-te (nivel 3).

COMPARACIÓN DE PRO-DUCTOS CON CORRECCIÓN GEOMÉTRICA VS IMAGEN

NIVEL 3B DE IPS

DESPLAZAMIENTO (M)

REF VS CG

REF VS IPS

CG VS IPS

L3A_0150622340 vs L3B_0015070980 3,07 7,38 7,75

L3A_0150622360 vs L3B_0150702870 2,70 12,03 11,40

L3A_0150622380 vs L3B_0150702850 3,28 9,04 10,04

L3A_0150622350 vs L3B_0150710380 2,09 6,91 6,41

L3A_0150622370 vs L3B_0150710360 2,58 6,30 4,96

L3A_0150622390 vs L3B_0150702770 2,82 7,03 6,73

Ref= Mosaico de ortoimágenes (IGVSB)CG= Imagen con corrección geométrica Erdas 2013.IPS= Imagen nivel 3

Del análisis de los desplazamientos determinados con los puntos empleados, se pudo establecer que las imágenes generadas por el programa IPS_SMC, son las que presentan un mayor desplazamiento cuando se comparan contra la base cartográfica de referen-cia. El desplazamiento promedio para las escenas


corregidas geométricamente con el software Erdas fue de 2,76 m, mientras que para el caso de las es-cenas corregidas con la herramienta IPS_SMC se al-canzó un valor de 8,12 m.

En lo relacionado con las escenas ortocorregidas con el programa Erdas, se obtuvo un desplazamiento pro-medio de 3,17 m, mientras que para el caso de las

Tabla 8. Comparación de escenas ortocorregidas (nivel 4).

COMPARACIÓN DE PRODUCTOS ORTOCORREGIDOS VS IMAGEN

NIVEL 4 DE IPS

DESPLAZAMIENTO (M)

REF VS ORTO

REF VS IPS

ORTO VS IPS

L2A_0150310180 vs L4_0015070990 3,53 8,03 7,49

L2A_1501051090 vs L4_0150702880 3,31 10,80 9,50

L2A_0015031060 vs L4_0150702860 3,28 9,88 9,90

L2A_0150108100 vs L4_0150710390 2,93 6,52 5,37

L2A_1501051130 vs L4_0150702840 3,17 6,59 5,01

L2A_0015031080 vs L4_0150702780 2,80 7,28 5,44

Ref= Mosaico de ortoimágenes (IGVSB)CG= Imagen ortocorregida Erdas 2013IPS= Imagen nivel 4

escenas ortocorregidas con la herramienta IPS_SMC se obtuvo un desplazamiento promedio de 8,18 m.

2. Análisis cualitativo

Se utilizó un receptor GPS Trimble JunoST para generar un levantamiento en modo cinemático a lo largo de las vías prin-

cipales recorridas en la zona de estudio, generándose una representación vectorial de la red vial. Los datos capturados por el receptor fueron post procesados con el software RTKLib, para realizar una validación visual del ajuste de la capa vec-torial de la red vial levantada en modo cinemático sobre las imágenes PAN ortocorregidas, como se aprecia en la figura 9, el ajuste entre ambos conjuntos de datos es apropiado.

Sector Valencia Oeste Sector Maracay-Mariara

Figura 9. Sobreposición del levantamiento cinemático sobre las escenas PAN ortocorregidas.

Sector San Diego Sector Maracay-Mariara


Conclusiones

Este estudio permitió generar resultados concretos sobre la calidad posicional de las escenas pancromáticas del satélite Miranda, lo cual es importante al momento de recomendar su uso para el desarrollo de aplicaciones y su integración con otros datos geoespaciales.

De igual forma se pudo verificar los parámetros de desempeño del satélite establecidos por el fabricante.

Se tomaron en consideración la mayor cantidad de pa-rámetros de procesamiento que permitieran alcanzar los mejores resultados. En el caso de la ortocorrección, se pudo refinar el ajuste usando coeficientes RPC, GCP y reducción de errores residuales propios del proceso, a partir de una transformación afín.

Se pudo verificar la factibilidad del uso de los modelos genéricos o de reemplazo, ante la ausencia en el sof-tware Erdas 2013 de un modelo sensor específico para el satélite Miranda. Sin embargo; al ser una alternativa “terreno dependiente”, requiere de información de apo-yo de buena calidad y precisión (cartografía y MDE) para obtener los mejores resultados.

Luego de comparar las seis ortoimágenes generadas tanto con el programa Erdas 2013 como con el módu-lo IPS_SMC contra la base cartográfica de apoyo, se

pudo determinar que las primeras presentan un des-plazamiento promedio equivalente a 3,17 m, mien-tras que las últimas llegan a un valor promedio de 8,18 m. Sabiendo que en ambos casos se utilizaron los mismos insumos de entrada (cartografía, RPC y MDE), se recomienda evaluar el procedimiento meto-dológico que se utiliza en el SPI.

Al momento de generar los productos nivel 3B y 4 con el módulo IPS_SMC, se pudo evidenciar que dicho pro-grama no genera ningún reporte de tipo estadístico que permita apoyar la valoración de calidad de los produc-tos (cantidad de GCP, RMS por cada GCP y por modelo de ajuste). Es importante mencionar que este tipo de re-portes serán incorporados en las facilidades del Sistema de Procesamiento de Imágenes del futuro satélite Sucre.

La calidad posicional de las seis imágenes analizadas fue contrastada contra el estándar de calidad desarro-llado por la Sociedad Americana de Fotogrametría y Teledetección (ASPRS, versión 2015). En este estándar, la recomendación sobre el número mínimo de puntos de verificación (GVP) a utilizar está vinculada con la superficie cubierta por la imagen, la cual no pudo ser cumplida para las seis escenas procesadas, debido a que muchos de los sitios seleccionados para medir los GVP se ubicaron en zonas de alto riesgo para las per-sonas que realizaron las mediciones GNSS diferencial o en sitios de alta montaña.

Recomendaciones

• Se recomienda continuar con este tipo de trabajos, para lograr una mejor verificación de los productos pancromáticos e incluir en nuevas etapas de proce-samiento los datos multiespectrales (10 y 16 m de resolución espacial).

• Iniciar la evaluación del modelo digital de eleva-ción, SRTM 30 m V1 (1 Arcseg), distribuido de for-ma oficial por el Servicio Geológico de los Estados Unidos (USGS), y explorar la factibilidad de su uso en el módulo IPS_SMC.

Referencias

gRodeCki, J. & lutes J. (2005). Ikonos geometric cali-brations, Proceedings of the ASPRS 2005 Annual Conference, Baltimore, Maryland, 07–11 March, ASPRS.

JuRAn, J.m., gRynA, f.m. (1970). Quality Planning and

Analysis: From Product Development Through Use. McGraw-Hill. USA.

PhotogRAmmetRiC engineeRing & Remote sensing (2013). ASPRS Accuracy Standards for Digital Geospatial Data. USA.


zhAng g. & yuAn x. (2006). On RPC Model of Satellite Imagery. Información Geo-Espacial. Ciencia (Tri-mestral), 9(4). Doi: 1009-5020(2006)04-285-08.


Detección de Anomalías Espectrales (Minerales) Asociadas

a Manifestaciones de Hidrocarburos en Superficie, Falcón Centro

Occidental, Venezuela

humBeRto mAlAsPinA1, henRy CodAllo1, zully goyo1, mAuReen Vázquez1, AlfRedo monseRAt1, steVen máRquez1, leonARdo sánChez2, sAntiAgo yéPez3, RAmiRo sAAVedRA3, ángel mARtín3, José de sá RodRíguez3, wuiliAn toRRes3,

fAnny ARAque3, mARiAnA AzuAJe3

Petróleos de Venezuela S.A. PDVSA. Gerencia General de Exploración1. Gerencia de Geodesia, 2PGO

Falcón Oriental2. Fundación Instituto de Ingeniería para Investigación y Desarrollo Tecnológico - Centro de

Procesamiento Digital de Imágenes3.

RESUMEN

La presencia de menes y emanaciones de hidrocarburos es una pista que presume un sistema petrolífero y su ocu-rrencia supone que estamos en presencia de alteracio-nes minerales y de vegetación con características que pueden ser detectables mediante el uso integral de téc-

nicas y métodos de las geociencias. Se hace necesario el diseño de una metodología de trabajo que abarque el uso de imágenes del sensor ASTER, HYPERION y méto-dos de análisis espectral, con el fin de detectar las ano-malías que pueden sucederse en presencia de la altera-ción física o química de minerales en suelo expuesto o con escasa cubierta vegetal, para reducir el riesgo en la exploración petrolera. En esta investigación particular-mente se aborda la detección de anomalías espectrales minerales asociadas a emanaciones de hidrocarburos, en zonas exploratorias prioritarias para PDVSA, tenien-do como área piloto el sector Tupure-Carora, ubicado en la región Centro Occidental del Estado Falcón.

Palabras clave: ANOMALÍA ESPECTRAL, ESPECTROS-COPIA, EXPLORACIÓN, HIDROCARBUROS.

SPECTRAL ANOMALY DETECTION (MINERALS) ASSOCIATED TO OIL SEEPS ON SURFACE. FALCON

STATE, WESTERN CENTRAL AREA

ABSTRACT

The presence of micro seepages and hydrocarbon emissions is a track that boasts an oil system and its occurrence means that we are dealing with minerals and vegetation changes with features that can be detected by the integral use of techniques and methods of geosciences. The design of a methodology that covers the use of ASTER and HYPERION

images and sensor spectral analysis methods, in order to detect anomalies that may follow in presence of chemical or physical mineral soil alteration, is necessary with little vegetation cover, to reduce the risk in oil exploration. In this research, particularly the detection of mineral spectral ano-malies associated with hydrocarbon emissions, in priority exploration areas for PDVSA, with the pilot Tupure-Carora area, located in the central western region of Falcon State.

Keywords: SPECTRAL ANOMALY, SPECTROSCOPY, EX-PLORATION, OIL.

Introducción

La asociación entre ciertos cambios mineralógicos y la ocurrencia de menes, micro-infiltraciones y emanaciones de hidrocarburos, ha sido documentada a nivel mun-dial, desde los inicios de la exploración petrolera. Las primeras observaciones estaban referidas a la aparente correlación existente entre áreas productivas y menes, suelos de parafina, aguas salinas y sulfurosas, minerali-zaciones superficiales y altos topográficos.

A partir de estas primeras observaciones se comenzó a prestar más atención al fenómeno de alteraciones su-perficiales asociadas a la ocurrencia de hidrocarburos, y se comenzó a describir de forma detallada el conjun-to de cambios en superficie vinculados a yacimientos de petróleo y gas en el subsuelo. Se puede mencionar


que este fenómeno se manifiesta de varias formas, in-cluyendo cambios mineralógicos como: la precipitación de ciertos minerales diagnósticos como calcita, pirita, uranio, sulfuros, ciertos óxidos magnéticos, alteración de arcillas y lavado de capas rojas.

Este trabajo se fundamenta en el hecho de que las al-teraciones superficiales generadas por la migración de hidrocarburos son espectralmente distintas a su entorno, y mediante la utilización de nuevas tecnologías de percep-ción remota satelital es posible detectarlas, convirtiéndo-se las técnicas Geomáticas en una herramienta novedosa y económica en las primeras etapas de la exploración petrolera. El mismo tiene la intención de desarrollar y va-lidar una metodología basada en la percepción remota satelital para identificar áreas de interés para la explo-ración petrolera, mediante la utilización de técnicas de análisis espectral aplicadas a imágenes multiespectrales ASTER (Advance Spaceborne Thermal Emission Reflection Radiometer) e hiperespectrales HYPERION (Hyperspectral Imager), con la finalidad de identificar potenciales zonas de alteración mineral en la Formación Cerro Pelado de la Cuenca Central de Falcón, que pudiesen estar asociadas a la ocurrencia generalizada de micro filtraciones de hi-drocarburos en la zona. Se pretende verificar si las poten-ciales zonas de alteración corresponden espacialmente con la ubicación de menes reportados hasta la fecha, además de sugerir nuevos lugares en los que potencial-mente este fenómeno pudiera ocurrir.

Marco referencial

Los minerales formadores de roca poseen firmas espec-trales únicas (Figura 1), en particular, la presencia de rasgos de absorción es diagnóstico de la presencia de ciertos tipos de minerales. Por ejemplo la reflectancia de las arcillas disminuye a partir de los 1600 nanómetros mientras que los carbonatos poseen rasgos de absorción entorno a los 2300 nanómetros (Mather et. al. 2011). Estas características pueden verse afectadas por la pre-sencia de ciertos materiales que puedan alterar su cons-titución y las reacciones químicas con otros minerales, a estos cambios se les conocen como alteraciones genera-les producidas por la migración de hidrocarburos.

Figura 1. Firma espectral de algunos minerales. Fuente: Informe Técnico Interno PDVSA DEXEIY. Detección de Anomalías Espectrales (Minerales, Vegetación, Temperatura e Hidrocarburos) Asociadas a Manifestaciones de Hidrocarburos en Superficie, Frente de Montaña Central, Estado Guárico, Venezuela.

El modelo de alteración asociado a la presencia de hi-drocarburos (Figura 2) fue resumido por Schumacher. D, (1999) de la siguiente forma:

Figura 2. Modelo de alteraciones asociadas a la presencia de hidrocarburos. Fuente: Schumacher, 1996.

• Concentraciones anómalas de hidrocarburos en se-dimentos, suelo, agua e incluso atmósfera.

• Anomalías microbiológicas y la formación de “para-ffindirt” o suelos de parafina.

• Gases como helio y radón.• Cambios mineralógicos como la formación de calcita,


pirita, uranio, sulfuros, óxidos de hierro magnéticos.• Alteración de minerales de arcilla.• Anomalías geotermales e hidrológicas.• Lavado de formaciones ferruginosas o “red bedblea-

ching”.• Anomalías geobotánicas.• Alteración de propiedades acústicas, eléctricas y

magnéticas de rocas, suelos y sedimentos.

Los espectrómetros de imágenes son capaces de adquirir información acerca de la energía reflejada por la superfi-cie de la tierra en una gran cantidad (decenas a cientos) de bandas espectrales, para poder reconstruir el espectro de reflectancia (o firma espectral) de cada píxel que cons-tituye la escena. Esto con la finalidad de ser comparado con espectros obtenidos en campo o laboratorio. A este campo de la teledetección se le conoce con el nombre de Espectroscopia de Imágenes (Van der Meer. et al 2002).

Dada la efectividad de la espectroscopia de imágenes en la detección de minerales como calcita, arcillas, óxidos e hi-dróxidos de hierro; resulta de particular interés enfocar esta in-vestigación en el estudio de los siguientes tipos de anomalías potencialmente asociadas a la ocurrencia de hidrocarburos:• Alteraciones de Arcillas.• Lavado de Formaciones Ferruginosas.• Presencia de Carbonatos.• Presencia de Sulfuros.• Presencia de Minerales Magnéticos.

Área de estudio

El Bloque Tupure-Carora comprende un área de 12.084 km2, cubriendo parte de los estados Falcón, Zulia y Lara. En toda el área se realizó un levantamiento de geología de superficie a escala 1:50.000, haciendo énfasis en tres (3) zonas de gran importancia: Lagarto, Tiguaje y Hombre Pintado. Estás 3 áreas con condiciones de “PLAYS” fueron seleccionadas para hacer el análisis espectral y recolección de muestras in situ, basado en la ocurrencia espacial de mi-cro-infiltraciones de hidrocarburos, así como gran cantidad de menes superficiales presentes en la zona (Figura 3).

Metodología de trabajo

El diseño metodológico para la detección de anomalías espectrales se basa en que es posible detectar estas altera-ciones mediante el uso de imágenes multi e hiper espectra-les, para ello se establece un diseño metodológico de aná-lisis que es generador de productos simultáneos (Figura 4).

Figura 3. Ubicación espacial del área de estudio “Bloque Tupu-re-Carora” y los tres sectores donde se realizó el análisis espectral. Fuente: Informe Técnico Interno PDVSA DEXEIY. Detección de Ano-malías Espectrales (Minerales, Vegetación, Temperatura e Hidrocar-buros) Asociadas a Manifestaciones de Hidrocarburos en Superficie, Frente de Montaña Central, Estado Guárico, Venezuela).

Figura 4. Diseño metodológico. Fuente: Informe Técnico Interno PD-VSA DEXEIY. Detección de Anomalías Espectrales (Minerales, Vege-tación, Temperatura e Hidrocarburos) Asociadas a Manifestaciones de Hidrocarburos en Superficie, Frente de Montaña Central, Estado Guárico, Venezuela).


Para el análisis del área piloto fue necesario la adquisición de imágenes satelitales del sensor ASTER (multiespectral) y EO-1 HYPERION (hiperespectral) además de contar con informa-ción base de geología estructural, cartografía, geofísica, base de datos de menes y pozos. Las técnicas de procesamiento digital de estas imágenes van orientadas a tres objetivos bási-cos: (i) La restauración de la imagen, (ii) el mejoramiento de la imagen y (iii) la extracción de información (Sabins, F. 1999).

De este último grupo de técnicas se produjeron el modelo digi-tal de elevaciones (MDE), la densificación de drenajes, la inter-pretación y correlación geológica, así como el análisis de ban-das necesarias para producir combinaciones idóneas para la interpretación geológica en el área piloto (Figuras 5 y 6).

Figura 5. Geología del área de estudio “Bloque Tupure-Caro-ra” y los tres subsectores.Fuente: Informe Técnico Interno PDVSA DEXEIY. Detección de Anomalías Espectrales (Minerales, Vegeta-ción, Temperatura e Hidrocarburos) Asociadas a Manifestaciones de Hidrocarburos en Superficie, Frente de Montaña Central, Esta-do Guárico, Venezuela.

Figura 6. Combinaciones de bandas del sensor ASTER área de estudio “Bloque Tupure-Carora”. Fuente: Informe Técnico Interno PD-VSA DEXEIY. Detección de Anomalías Espectrales (Minerales, Vege-tación, Temperatura e Hidrocarburos) Asociadas a Manifestaciones de Hidrocarburos en Superficie, Frente de Montaña Central, Estado Guárico, Venezuela.

Como parte de la primera fase del análisis espectral, se hizo uso de técnicas de extracción de información orien-tadas al análisis específico de las respuestas espectrales de minerales diagnósticos, estos métodos son:

Análisis de componentes principales: es una técnica de análisis estadístico multivariable que selecciona combi-naciones lineales no correlacionadas (autovectores) de modo que, en lo sucesivo, cada combinación extraída

o componente principal posee una varianza menor (Fi-gura 7). La intención de aplicar esta técnica a los datos es remover la redundancia espectral y revelar los rasgos espectrales asociados a la presencia de minerales de alteración (Poormirzaee et. al. 2000).

Figura 7. Análisis de componentes principales subsector Lagarto. Fuente: Informe Técnico Interno PDVSA DEXEIY. Detección de Ano-malías Espectrales (Minerales, Vegetación, Temperatura e Hidrocar-buros) Asociadas a Manifestaciones de Hidrocarburos en Superficie, Frente de Montaña Central, Estado Guárico, Venezuela.

Método Crosta: Este análisis permite identificar la com-ponente principal que contiene la información asociada a la respuesta característica del mineral de interés (Figu-ra 8), para ello se utiliza como insumo aquellas bandas que mejor describan el comportamiento espectral del mineral que se pretende detectar (Boloki et. al. 2009).


Cociente de Bandas: esta técnica resalta las diferencias espectrales características del mineral que se pretende detectar, es una transformación que permite suprimir los efectos no deseados y revelar en una sola banda, el contraste espectral asociado a un mineral particular (Bo-druddoza et. al. 2011) (Figura 9).

Los resultados de esta fase son la definición de las posi-bles áreas de alteración detectadas en cada uno de los sub sectores del área piloto. Estas zonas son observadas detalladamente mediante el análisis hiperespectral, que se utiliza para realizar un análisis del volumen de datos, disminuyendo la subjetividad y permitiendo identificar perfiles espectrales contenidos en la escena asociados a miembros puros (minerales) (Figura 10).Figura 8. Análisis Crosta aplicado a las imágenes Hiperespectra-

les del subsector Lagarto. Fuente: Informe Técnico Interno PDVSA DEXEIY. Detección de Anomalías Espectrales (Minerales, Vegeta-ción, Temperatura e Hidrocarburos) Asociadas a Manifestaciones de Hidrocarburos en Superficie, Frente de Montaña Central, Estado Guárico, Venezuela.

Figura 9. Cociente de bandas, subsector Lagarto.

Figura 10. Análisis hiperespectral aplicado en una zona del subsector Lagarto, con el uso de firmas espectrales tomadas en el halo de alteración en comparación con las de librerías espectrales y la imagen hiperespectral. Fuente: Informe Técnico Interno PDVSA DEXEIY. Detección de Anomalías Espectrales (Minerales, Vegetación, Temperatura e Hidrocarburos) Asociadas a Manifestaciones de Hi-drocarburos en Superficie, Frente de Montaña Central, Estado Guári-co, Venezuela).

Los productos de estos análisis sirvieron para planifi-car la campaña de campo que permitiría hacer la re-colección de las muestras minerales, para obtener la firma espectral del mineral localizado en el halo de alteración, mediante el uso del espectrorradiómetro FieldSpec3 (Field Spectroradiometer) (Figura 11, 12 y 13), las mismas permitieron observar que los picos de absorción de energía se hacen más profundos a medida que nos acercamos al mene, esto indica la abundancia del mineral de alteración en el sitio y el cambio del ión férrico en las muestras alteradas con respecto a las muestras no alteradas.

Para los análisis geoquímicas se utilizaron los datos de veinte (20) muestras de roca, recolectadas tanto dentro del halo de alteración (10 muestras), detec-tado a partir del procesamiento de imágenes multi e hiperespectrales, así como fuera del halo de alte-ración (10 muestras) para tener puntos de control y comparación, determinando si existe un contraste entre la concentración de arcillas en muestras re-colectadas tanto dentro del halo como fuera de él mediante la difracción de rayos x.


Figura 11. Validación de campo con la ubicación de las mues-tras, zonas alteradas y no alteradas en el primer halo del área de Lagarto. Fuente: Informe Técnico Interno PDVSA DEXEIY. Detección de Anomalías Espectrales (Minerales, Vegetación, Temperatura e Hidrocarburos) Asociadas a Manifestaciones de Hidrocarburos en Superficie, Frente de Montaña Central, Estado Guárico, Venezuela).

Figura 12. Captura de las firmas espectrales a las muestras mine-rales provenientes de los halos de alteración. Fuente: Informe Técnico Interno PDVSA DEXEIY. Detección de Anomalías Espectrales (Minera-les, Vegetación, Temperatura e Hidrocarburos) Asociadas a Manifes-taciones de Hidrocarburos en Superficie, Frente de Montaña Central, Estado Guárico, Venezuela.

Figura 13. Firmas espectrales a las muestras minerales provenien-tes de los halos de alteración. Fuente:(Informe Técnico Interno PDVSA DEXEIY. Detección de Anomalías Espectrales (Minerales, Vegetación, Temperatura e Hidrocarburos) Asociadas a Manifestaciones de Hi-drocarburos en Superficie, Frente de Montaña Central, Estado Guári-co, Venezuela).

Resultados

Luego de aplicar los diversos métodos para evaluar cada imagen (Componentes Principales, Cocientes, Índices, Interpretación Visual) y la posterior selección de las áreas pilotos dentro del Bloque Tupure-Caro-ra, se detectaron zonas con un comportamiento es-pectralmente anómalo. Diversos halos fueron carac-

terizados en las zonas de estudio, enfocándose el análisis en recolectar muestras de roca tanto dentro y fuera de cada halo, con la finalidad de evaluar los posibles cambios mineralógicos presentes, y validar los datos de espectrometría de imagen con estudios de geoquímica tradicional.

Durante el análisis espectral se determinó la presen-

cia de caolinita, cuya distribución espacial corres-ponde en gran medida con los halos de alteración observados en todos los sub sectores. Esto permitió producir los mapas de abundancia de caolinita y distribución espacial de este mineral sobre cada sub-sector, los cuales fueron comparados con los resulta-dos obtenidos en la interpretación de las imágenes, observando gran correspondencia entre ambos pro-ductos. (Figuras 14 y 15).

La distribución de la caolinita e illita (en el caso del sector Hombre Pintado) coincide con la presencia


de algunos menes, y se alinean con el corrimiento, lo que se estima que la presencia de este mineral puede estar relacionada a estas micro-infiltraciones, tal como lo propone Schumacher en su modelo de alteración. Cabe destacar que durante la campaña de campo en el sub sector de Tiguaje, se encontró un mene que no estaba reportado en la base de datos de PDVSA, y que se encuentra relativamente

Figura 14. Cociente de bandas aplicado en una zona del subsec-tor Lagarto. Fuente: Informe Técnico Interno PDVSA DEXEIY. Detec-ción de Anomalías Espectrales (Minerales, Vegetación, Temperatura e Hidrocarburos) Asociadas a Manifestaciones de Hidrocarburos en Superficie, Frente de Montaña Central, Estado Guárico, Venezuela).

Figura 15. Cociente de bandas aplicado en una zona del subsec-tor Lagarto. Fuente: Informe Técnico Interno PDVSA DEXEIY. Detec-ción de Anomalías Espectrales (Minerales, Vegetación, Temperatura e Hidrocarburos) Asociadas a Manifestaciones de Hidrocarburos en Superficie, Frente de Montaña Central, Estado Guárico, Venezuela).

cerca a los halos delimitados al centro de la ima-gen. Figura 16.

Estos resultados, al igual que las muestras colectadas en campo, permitieron avanzar a la siguiente fase que es realizar el análisis geoquímico, como parte de la comprobación de las técnicas utilizadas.

Figura 16. Mene descubierto en el subsector Tiguaje. Fuente: Infor-me Técnico Interno PDVSA DEXEIY. Detección de Anomalías Espec-trales (Minerales, Vegetación, Temperatura e Hidrocarburos) Asocia-das a Manifestaciones de Hidrocarburos en Superficie, Frente de Montaña Central, Estado Guárico, Venezuela).


Los resultados estadísticos de las pruebas geoquími-cas permitieron observar que las concentraciones de arcilla en muestras recolectadas dentro del halo tien-den a ser mayor respecto a aquellas recolectadas fue-ra del halo, esto se evidencia al comparar las medias aritméticas obtenidas para cada grupo (Figura 17).

Figura 17. Histograma de las muestras recolectadas dentro y fue-ra del halo de alteración. Fuente: Informe Técnico Interno PDVSA DEXEIY. Detección de Anomalías Espectrales (Minerales, Vegetación, Temperatura e Hidrocarburos) Asociadas a Manifestaciones de Hi-drocarburos en Superficie, Frente de Montaña Central, Estado Guári-co, Venezuela).

Figura 18. Proporción de caolinita con respecto a otras arcillas. Fuente: Informe Técnico Interno PDVSA DEXEIY. Detección de Anomalías Espectrales (Minerales, Vegetación, Temperatura e Hidrocarburos) Asociadas a Manifestaciones de Hidro-carburos en Superficie, Frente de Montaña Central, Estado Guárico, Venezuela).

Otro aspecto fundamental, fue la evalua-ción de la relación entre la proporción de caolinita respecto a las demás arcillas. Para ello se utilizaron los datos de separación de arcillas y se normalizaron los datos median-te el cociente de la semi suma. Esto permite establecer un índice indicativo del predomi-nio de caolinita a expensas de illita. Los re-sultados revelan la existencia de un contras-te marcado entre las muestras colectadas dentro del halo cuya correlación de arcillas fue mucho mayor que en las muestras colec-tadas fuera del halo de alteración (Figura 18). En este mismo gráfico es posible no-tar estas diferencias, específicamente en la muestra espectral del perfil M30 (dentro del halo) y el perfil M43, donde es notorio que la profundidad del pico de absorción en torno a 2300 nanómetros es mayor para la muestra alterada que para la no alterada. Es importante señalar que la profundidad de este pico es proporcional a la cantidad de arcilla presente en la muestra, y que esta diferencia es el punto de partida para la utilización de perfiles obtenidos en imáge-nes para diferenciar zonas de alteración. Los resultados obtenidos son coherentes con los resultados del análisis de difracción de rayos X y separación de arcillas.


Conclusiones

Las técnicas de procesamiento digital de imágenes para el levantamiento de la geología de superficie resulto de gran utilidad, ya que permitió caracterizar las distintas unidades litológicas basadas en su respuesta espectral y su directa correspondencia a los mapas bases interpre-tados en campo.

La implementación de los métodos de análisis espectral: Crosta, Componentes Principales orientados y técnicas hiperespectrales, resultaron de gran utilidad para detec-tar halos de alteración relacionados a ocurrencias de microfiltraciones de hidrocarburo.

En el análisis espectral realizado en el Bloque Tupu-re-Carora, se pudo apreciar la efectividad de las téc-nicas por espectrometría de imagen en la detección de minerales de alteración por la ocurrencia de infiltracio-nes de hidrocarburos. Es importante aclarar que este tipo de análisis son efectivos siempre que se cumplan ciertos criterios: baja contribución atmosférica, zonas expuestas con poca vegetación, buena radiometría de la imagen, y datos de localización de menes y fuentes termales, para hacer el amarre directo en el terreno con estos procesos de migración del hidrocarburo.

Para garantizar que estas detecciones de minerales es-tén asociadas al modelo de alteración de Schumacher,

1999, deben realizarse estudios de difracción de rayos X, Elementos mayoritarios y minoritarios, petrografía, así como estudios de Isótopos de Carbón y Oxigeno es-table, para establecer el origen de las mineralizaciones asociadas a estas alteraciones. Por ejemplo, en el caso de la precipitación de carbonatos producto de la alte-ración, los análisis permitirán establecer si su origen es por la presencia del hidrocarburo, o si por el contrario, es debido a otro proceso de alteración distinto (precipi-tación meteórica).

Si se quiere seguir desarrollando esta línea de investi-gación en el país y en la industria petrolera nacional, la adquisición de vuelos aerotransportados de imáge-nes hiperespectrales se hace necesario, ya que los da-tos tienden a ser menos afectados por la contribución atmosférica (buena relación señal-ruido), mayor resolu-ción espacial y mejor radiometría para hacer las detec-ciones de los minerales de alteración.

Referencias

BeitleR. B, mARtini. B, ChAn. m, PARRy. w, (2007). Reflec-tance spectroscopy mapping of diagenetic hetero-geneities and fluid – flow pathways in the Jurasic Navajo Sandstone. American Association of Petro-leum Geologists.

BodRuddozA, m., fuJimitsu, y. (2011). Mapping hydrother-

mal altered mineral deposits using Landsat 7 ETM+ image in and around Kuju Volcano, Kyushu, Japan. Journal of Earth Systems. v. 12, No 4. p. 1049-1057.

Boloki m., PooRmiRzAee, R. (2009). Using ASTER image processing for hydrothermal alteration and key al-teration minerals mapping in Siyahrud area, Iran.International Journal of Geology.

mAtheR, P., koCh m. (2011). Computer processing of re-motely sensed images. Wiley-BlackwellPublication.

PooRmiRzAee, R., mohAmAd, J., nAseRi, A., zekRi, h. (2000). Interpretation and processing of ETM+ data for alte-ration mapping: A case study: Behabad, Iran. Wa-ter and Geoscience Journal, ISBN: 978-960-474-160-1. p. 190-195.

sABins, f, (1999). Remote sensing for mineral explora-tion: Ore Geology Reviews, v.14, 117-120.

sChumACheR, d. (1996). Hydrocarbon – induced altera-tion of soils and sediments, in D. Schumacher and M.A. Abrams, eds. Hydrocarbon migration and its near – surface expression:

sChumACheR, d. (1999). Treatise of Petroleum Geology/Handbook of Petroleum Geology: Exploring for Oil


and Gas Traps. P. 18-1 18-27.

VAn deR meeR, f., de Jong, s. (2002). Imaging Spectro-metry , 8 p. 219-220, Kluwer Academic Publishers, United States of America.


Métodos Radiométricos no Convencionales para Disminuir el

Riesgo Exploratorio Regional, Frente de Montaña Guarico, Venezuela.

diCotot JhoARlis1, silVA mARíA1, ChACón RAfAel1, RoJAs gustAVo1, Vázquez mAuReen1, CodAllo henRy1, VARelA

dARVis1, mendozA RoCió1, BouJAnA mustAPhA2.PDVSA1, Consultor Independiente SIG y de Geociencias2

[email protected], [email protected], [email protected], [email protected], [email protected], [email protected],


[email protected]

RESUMEN

En áreas exploratorias con baja cobertura sísmica y de pozos, la aplicación de los métodos radiomé-tricos no convencionales, fue de utilidad para do-cumentar y disminuir el riesgo exploratorio en el Frente de Montaña de Guárico, Venezuela. Este estudio ha sido posible mediante al análisis de imágenes multiespectrales de los satélites ASTER y LANDSAT 8, combinado con firmas espectrales tomadas en el campo, efectuadas sobre muestras

de roca en condiciones de laboratorio y de una base de datos de huellas características de mine-rales. La integración con la información geológi-ca y de sistema petrolífero mediante el uso de los sistemas de información geográfica permitió la delineación de áreas con anomalías espectrales, llamadas áreas con “Anomalías Positivas”. En éste trabajo se presentan áreas geográficas con ano-malías espectrales asociadas a manifestaciones de hidrocarburos en superficie. Es de resaltar que la mayoría de estas anomalías positivas presentan orientaciones que se ajustan a estructuras geoló-gicas de pliegues, fallas y corrimientos con orien-tación noreste-suroeste y se encuentran solapando áreas delineadas como Oportunidades Explora-torias. La integración entre los datos geológicos, geofísicos y de sensores remotos permitió correla-cionar las áreas con anomalías positivas con las zonas de cocina, las vías de migración y las es-tructuras geológicas, permitiendo documentar uno de los elementos del Sistema Petrolífero.

Palabras clave: EXPLORACIÓN, RIESGO EXPLORATO-RIO, SENSORES REMOTOS, FIRMAS ESPECTRALES, ANOMALIAS POSITIVAS.

RADIOMETRIC UNCONVENTIONAL METHODS TO REDUCE THE RISK OF REGIONAL EXPLORATION IN

FRONT MOUNTAIN, GUARICO, VENEZUELA.

ABSTRACT

In exploratory areas with low seismic coverage and wells, the application of unconventional radiometric methods was useful towards documenting and reducing explora-tion risk in Front Mountain in Guárico, Venezuela. This study was possible by the analysis of multispectral images of the ASTER and LANDSAT 8 satellites, combined with field spectral signatures, carried out on rock samples in the laboratory and a database of fingerprint characteris-tics of minerals. Integration with geological and petroleum system information using geographic information systems allowed the delineation of areas with spectral anoma-lies, called “Positive Anomalies”. In this work geographic areas with spectral anomalies associated with hydrocar-bon surface manifestations are presented. It is noteworthy that most of these positive anomalies have guidelines that conform to geological structures of folds, faults and lands-lides in northeast-southwest orientation. At the same time, a good proportion of them are overlapping areas delinea-ted as exploratory opportunities. The integration of geo-logical, geophysical and remote sensing data allowed correlating the areas with positive anomalies with kitchen areas, migration paths and geological structures, allowing documenting one of the elements of the petroleum system.


Keywords: EXPLORATION, EXPLORATION RISK, REMOTE SENSING, SPECTRAL SIGNATURES, ANOMALY POSITIVE.

Introducción

Es reconocido y documentado a nivel mundial, que la mayoría de las acumulaciones de petróleo y gas presentan fugas de hidrocarburos, y que esta fuga (o “Microseepage”) es predominantemente vertical y puede ser detectada y representada utilizando una variedad de análisis de geoquímica directa e indirec-tamente y métodos geofísicos no sísmicos. También se ha documentado que la extensión del área de la anomalía geoquímica en superficie puede aproximar los límites productivos de depósitos en profundidad. La fiabilidad de esta metodología depende de la con-figuración geológica y la elección del método de de-tección de hidrocarburos. (Schumacher, 2010).

Los investigadores a favor de los estudios geoquími-cos de superficie sostienen que el uso apropiado de la geoquímica y la integración adecuada de estos resultados con datos geológicos y sísmicos conven-cionales, conduce a una mejor evaluación de áreas prospectivas y evaluación de riesgos. Schumacher (2010), comparó los resultados de más de 2700 pozos en Estados Unidos y otros países, llegando a la conclusión que el 82% de los pozos perforados en prospectos asociados con anomalías geoquími-

cas y espectrales positivas, fueron determinados como descubrimientos comerciales. En contraste, sólo el 11% de los pozos perforados en prospectos sin una anomalía geoquímica asociada resultaron en descubrimientos.

El objetivo fundamental de este estudio es detectar y analizar las anomalías espectrales regionales, que podrían estar asociadas a la presencia de manifes-taciones de hidrocarburos líquidos y/o gaseosos en superficie, en el área central del Frente de Montañas Central - Estado Guárico, Venezuela y de esta manera construir un conocimiento sobre el uso de los Métodos Indirectos basados en Sensores Remotos y desarrollar una Base de Datos de Firmas Espectrales de Venezuela que permita contribuir a futuros estudios de anomalías espectrales en las áreas exploratorias de PDVSA con el fin de minimizar el riesgo exploratorio.

Area de estudio

El área de estudio está ubicada en la parte Nor-Cen-tral de Venezuela (Figura, 1), precisamente en el flan-co sur de la Cordillera de la Costa, entre los pobla-dos de San Juan de Los Morros al oeste y Altagracia de Orituco al este.

Figura 1. Ubicación del área de estudio, Frente de Montaña Central - Estado Guárico, Venezuela. Fuente: Gerencia CEE – PDVSA, 2015.

Marco geológico general

La evolución tectónica del Frente de Montañas de Guári-co esta intrínsecamente ligada a la evolución de la co-lisión entre la placa Caribe y el continente América del Sur a partir del Cretácico tardío – Paleógeno. Su geolo-gía es sumamente compleja y en esta área confluyen tres elementos geotectónicos distintos, denominados como alóctono, paraautóctono y autóctono, derivados de un importante acortamiento cortical producto de la colisión continental. Las estructuras más notorias son fallas inver-


sas o corrimientos con una orientación noreste-suroeste (ej. Frente de cabalgamiento, Falla de Guárico), fallas transcurrentes dextrales con orientación noroeste-sureste y algunas fallas con orientación nor-noreste en menor medida (Figuras 2 y 3). Los pliegues anticlinales y sin-clinales son en su mayoría con una orientación noreste.

Por otro lado se observa una deformación extensional en el área de estudio correspondiente al Frente de Montaña, en un marco tectónico donde ocurre actualmente, a escalas de placas, una transgresión. Dos fases de deformación: una compresional NW-SE, responsable de los plegamientos ob-servados y asociada a la interacción entre las placas Caribe y Suramérica. La segunda, que es la más reciente en la re-gión, consiste en una extensión probablemente NNW-SSE.

Figura 2. Mapa Geológico mostrando una síntesis tectónica del área de estudio, reinterpretado a partir de sensores remotos. Fuente: Mapas Creole (1956), Hidrogeológico del MEM (1972) y Geológi-cos de Aguasuelos Ingeniería (1990).

A’

1

A’

2

A’

1

A’

2

Figura 3. Transectos sísmicos (1) y geológico (2) de orientación NW-SE mostrando la configuración estructural en superficie y sub-suelo del Frente de Montañas de Guárico, con los tres dominios: Alóctono, Paraautóctono y Autóctono. Fuente: PDVSA-MEM, (2000) y Aguasuelos Ingeniería, (1990).

La hipótesis del rebote isostático causado por un posible desprendimiento de la raíz crustal tiene sus bases en la última fase de deformación y argumentada en un eleva-do flujo de calor en la zona y una considerable erosión por levantamiento durante los últimos 10 a 15 Ma.

Existen numerosas evidencias a favor de la existencia de un sistema petrolífero en funcionamiento en el área y co-rroborado con la perforación de varios pozos y el desa-

rrollo de campos petroleros y gasíferos (Yucal-Placer, El Sombrero, Punzón, Valle 13 y Las Mercedes) (Figura, 4).

Varios estudios previos han caracterizado este sistema y han definido sus distintos elementos con los even-tos geológicos que lo han marcado. Las rocas madres son del cretácico superior y oligoceno superior, los re-servorios son de edad cretácico inferior y eoceno su-perior-oligoceno inferior y los sellos son del cretácico tardío y oligoceno inferior.

Figura 4. Distribución de la Madurez Termal (Reflectancia de la Vitrinita (Ro)) en el área de estudio, mostrando la extensión de la cocina con una producción mayoritariamente de gas. Se muestran los campos de Gas y de Petróleo en la zona y algunos pozos capturados a partir de los Mapas Geológicos de Creole, 1956. Fuente: Gerencia CEE – PDVSA, 2015.


Datos utilizados

Se utilizaron imágenes satelitales procedentes de los sensores ASTER y LANDSAT 8, mapas geológicos de Creole, MEM y Aguasuelos. Adicionalmente, se apli-caron firmas espectrales pertenecientes a la librería de firmas de la USGS, de la campaña de campo de Alto Resources Inc. y firmas adquiridas por este estu-dio usando el Espectrorradiómetro ASD (FieldSpec 3) sobre muestras tomadas en campo por el proyecto ESP Sub-Cuenca de Guárico.

Metodologia y resultados

La detección de anomalías espectrales usando la ener-gía electromagnética como medio de detección parte del fundamento de que si existen hidrocarburos en sub-suelo, este puede llegar a superficie a través de meca-nismos de escape como fallas y fracturas, alterando así los suelos y la vegetación circundante (Figura 5), produ-ciendo anomalías o alteraciones que bien pueden ser detectadas usando métodos de Sensores Remotos, a tra-vés de lo que se conoce como detección de Anomalías Minerales, en Vegetación y Térmicas.

Figura 5. Esquema generalizado de filtración de hidrocarburos y su expresión en la superficie. Fuente: Meer et. al. 2000.

Se emplearon correcciones geométricas y atmos-féricas las cuales fueron aplicadas a las imágenes ASTER y LANDSAT-8 utilizadas en este estudio. Una conversión de los valores de radiancia a valores de

reflectancia aparente, usando una corrección atmos-férica llamada Log Residual, la misma permite elimi-nar la radiación solar, la transmitancia atmosférica, los efectos topográficos y los efectos del albedo de los datos de radiancia, y crear una imagen en reflec-tancia para analizar las características de absorción de los elementos captados.

La imagen LANDSAT-8 también fue corregida geométri-ca y radiométricamente para luego convertir las bandas térmicas de radiancia espectral a temperatura de brillo

en grados Kelvin (k) usando para ello la constante térmica suministrada en el archivo de metadatos del LANDSAT.

Anomalías Espectrales – Minerales de Alteración

El análisis y la aplicación de la metodología para la detección de anomalías minerales, pasa por detectar y visualizar los pixeles determinados mediante el método PPI (Pixel Purity In-dex). Este método permite iden-tificar los pixeles conformados mayoritariamente por un solo

material, denominados Elementos Espectralmente Pu-ros "EndMembers”. Parte del procesamiento incluye la detección de un píxel clasificador, este último se com-para con elementos de la Librería Espectral de Minera-les desarrollada por la USGS, 2007; comparando sus características de absorción y reflectancia. En última instancia se procede con el método de clasificación SAM (Spectral Angle Mapper) para identificar el mi-neral de alteración de interés, generando un mapa te-mático con la distribución espacial de los pixeles que se corresponden y correlacionan con la firma espectral característica de dicho mineral (Figura, 6).


Figura 6. Resultados del análisis espectral para detección del mi-neral de alteración caolinita. A) Mapa temático con los pixeles (en amarillo) resultantes de la clasificación SAM. B) Gráfico N-Dimen-sional mostrando los “EndMembers”. C) Firma espectral del PPI con el pico de absorción en 2160 nm característico de la caolinita. D) Firmas Espectrales de varios minerales caolinita que conforman la Librería Espectral USGS. Fuente: Gerencia CEE – PDVSA, 2015.

Los principales minerales que ayudan a la determina-ción de las zonas o aureolas de alteración mineraló-gica, utilizados en este análisis fueron: Caolinita, Es-méctica, Ilita, Montmorillonita, Hematita y Pirita, cuyos espectros se pueden diferenciar por la resolución es-pectral con la que cuenta el sensor ASTER.

El resultado combinado de la detección de minerales de alteración como la Caolinita, Montmorillonita y Es-

méctica se muestra en la Figura 7, integrado con el mapa geológico de síntesis tectónica del área. Es de notar que la mayoría de las anomalías se encuentran localizadas alrededor o a lo largo de estructuras geo-lógicas anticlinales, sinclinales y fallas.

Figura 7. Resultado de la Clasificación Espectral SAM (puntos rojos) para la detección de minerales de alteración (Caolinita, Montmorillo-nita y Esméctica). Lo notable es la localización de dichas anomalías a lo largo de los flancos de pliegues (anticlinales y sinclinales) y a lo lar-go de fallas de corrimiento. Fuente: Gerencia CEE – PDVSA, 2015.

Anomalías Superficiales de Hidrocarburos – mues-tras y suelo impregnado

La metodología aplicada consistió en colectar firmas espectrales haciendo uso del espectroradiómetro ASD

Figura 8. Resultados del análisis espectral para detección de áreas impregnadas (o contaminadas) por hidrocarburos. A) Fotografía de la arenisca impregnada de hidrocarburos (Muestra MGA-025). B) Firmas espectrales realizadas sobre dos caras de la misma muestra mostrando un pico de absorción alrededor de 1900 nm (curva de color negro) resultado de la presencia de hidrocarburos; mientras que el espectro de la cara de la misma muestra que no presenta im-pregnación (curva de color rojo) carece de absorción en la longitud de onda de 1900 nm. C) Mapa temático con los pixeles (en azul cian) resultantes de la clasificación. Fuente. Gerencia CEE – Geode-sia – PDVSA, 2015.

Field Spec3, de muestras impregnadas de petróleo en el área de estudio (Figuras, 8), en conjunto con las imáge-nes ASTER para detectar zonas de anomalías relaciona-das con la impregnación por hidrocarburos empleando el método de clasificación SAM.


Para verificar estos resultados se procedió con el mismo análisis, esta vez utilizando las Firmas Espectrales adquiri-das en el año 2000 durante la campaña espectroradiomé-trica de campo realizada por PDVSA-Alto Resources Inc. Estas Firmas corresponden a “Suelo con Petróleo” (muy pro-bablemente como emanaciones de hidrocarburos en super-ficie) y de vegetación sana y seca con petróleo (Figura 9).

Figura 9. Firmas Espectrales adquiridas en el año 2000 durante la campaña espectrorradiométrica de campo realizada por PDVSA-Al-to Resources Inc. A) Muestra de Suelo intensamente impregnado de Petróleo, notemos que la firma espectral es casi nula y no deja ver ningún elemento constituyente del suelo. La absorción de la ener-gía por causa del petróleo es casi total. B) Muestra de Vegetación sana con petróleo. C) Muestra de Vegetación seca con petróleo. D) Muestra Suelo con hojas secas y petróleo. La figura muestra los resultados de la clasificación de estas firmas usando las imágenes ASTER. Fuente: Gerencia CEE – Geodesia – PDVSA 2015).

En ambos casos para las muestras de areniscas impregnadas, suelo y vegetación con petróleo, se aplicó el mismo método para la clasificación y detección de anomalías superficiales de hidrocarburos y se generaron ma-pas temáticos por separado. La inte-gración de ambos resultados mostró una excepcional coincidencia (píxel a píxel) en varios sectores del área de estudio (Figura 10). Estas áreas de coincidencia (señalados con círcu-los de color rojo) deben ser investiga-das con detalle.

Anomalías en la Vegetación

Los espectros de reflectancia corres-pondientes a coberturas vegetales evidencian el estado real de las mis-mas, ya que contienen información inherente a las bandas de absorción de la clorofila en la región del espec-tro visible, las altas reflectancias de la vegetación sana en el rango del infra-rrojo cercano y los efectos de absor-ción en la región del infrarrojo medio por causa del agua en la vegetación saturada, entre otros.

Figura 10. Resultados de la clasificación y detección de anomalías asociadas a presen-cia de hidrocarburos en forma de impregnación de rocas areniscas e impregnación y/o contaminación de suelos. A) Firmas Espectrales de “suelo y petróleo” con sus picos de absorción (PDVSA-Alto Resources Inc.; 2000). B) Firmas Espectrales de muestras areniscas impregnadas realizadas por PDVSA-Geodesia con el Espectrorradiómetro (FieldSpec 3) mostrando los picos de absorción característicos de la presencia de hidrocarburos. C) Mapa temático con la distribución espacial de las anomalías detectadas en el área. Fuente: Gerencia CEE – Geodesia – PDVSA, 2015.


Al igual que para los minerales, las macro y micro fu-gas de hidrocarburos, ascienden por la columna estra-tigráfica desde la roca reservorio hasta la superficie, perturbando la vegetación, obteniendo como resultado distintos síntomas en la comunidad vegetal como ra-leos de cobertura, distribuciones anómalas, o signos de stress nutricional en determinadas especies o cam-bios en la diversidad específica. (Larriestra, 2009).

La metodología aplicada para la detección de anoma-lías en la vegetación fue el método del Índice de Vegeta-ción (NDVI) y el “Spectral Angle Mapper” (SAM).

La utilización del parámetro Índice de Vegetación de Diferencia Normalizado “NDVI” como método para la detección de áreas con un estrés en la vegetación causado por las emanaciones de hidrocarburos líqui-dos y/o gaseosos (Figura 11) no ha sido concluyente en este caso. Probablemente se necesita de un estu-dio más detallado que integra un análisis geobotáni-co y de suelos y muy probablemente la adaptación de este Índice a las condiciones particulares de cada área. Factores como el clima influyen de manera im-portante y deben ser considerados.

Figura 11. Mapa temático mostrando la variación y distribución espacial del Índice de Vegetación (NDVI). Fuente: Gerencia CEE – Geodesia – PDVSA, 2015.

Anomalías Térmicas:

Todo material en la Tierra emite radiación térmica in-frarroja, termino comúnmente conocido como calor. La

como áreas anómalas que pueden interpretarse como correspondiente a un flujo de calor proveniente del sub-suelo y causado por los gases que emanan de posibles acumulaciones petrolíferas y/o gasíferas (Figura, 12).

Figura 12. Mapa temático mostrando el umbral de 40 a 70 grados centígrados extrayendo de esta forma las áreas anómalas desde el pun-to de vista térmico. Fuente: Gerencia CEE – Geodesia – PDVSA, 2015.

física nos dice que la cantidad de la radiación emitida es proporcional a la temperatura del objeto. Para esta investigación, se usó una imagen de satélite LANDSAT 8, la cual en sus bandas obtenidas por el sensor TIRS pueden ser convertidas de radiancia espectral a tempe-ratura de brillo en grados Kelvin (k) usando para ello la constante térmica suministrada en el archivo de metada-tos de la imagen Landsat. (Ariza, 2013).

El procesamiento de las Bandas Termales de la imagen LANDSAT-8 arrojó un mapa temático que muestra la variación y distribución de la temperatura en la super-ficie. Las áreas con temperaturas mayores a los 40 gra-dos centígrados han sido extraídas y son consideradas

Integración de resultados

En la figura 13, se señalan las ubicaciones de ema-naciones de Hidrocarburos o menes (en triangulo de color negro), de las aguas termales (triángulos de color azul) y las anomalías espectrales detectadas en este estudio (triángulos de color fucsia).


Figura 13. Corte Estructural esquematizado derivado de la in-tegración de la interpretación de subsuelo. Fuente: PDVSA-MEM, 2000 y Aguasuelos Ingeniería, 1990.

Al desplegar todas las anomalías (Mineral, de Hi-drocarburos y Térmica) en conjunto con el mapa geológico, mapa de los campos petroleros y gasí-feros, ubicación de pozos, menes, aguas termales, muestras areniscas impregnadas de petróleo, mapa de madurez termal (Ro.) y mapa de flujo de calor (Figuras, 14 y 15), se pueden señalar los siguientes puntos de importancia:

• Existen coincidencias entre varias de las anomalías detectadas y a veces entre todas ellas (cuatro ano-malías espectrales según método usado).

• La mayoría de las anomalías se alinean con es-tructuras geológicas.

• Muestras de areniscas recolectadas en afloramien-tos con impregnación de hidrocarburos.

• Presencia de pozos perforados que han probado el sistema petrolífero y de campos petroleros y gasí-feros en explotación en la cercanía de la zona de estudio.

• Mapa de madurez termal (Ro.) y de oportunidades exploratorias alineadas a las estructuras geológicas y coincidiendo con áreas espectralmente anómalas.

Figura 14. Mapa mostrando las coincidencias entre las áreas anó-malas, la alineación con respecto a las estructuras geológicas del área de estudio y la ubicación de los pozos y campos petroleros y gasíferos. Fuente: Gerencia CEE – Geodesia – PDVSA, 2015.

Figura 15. Integración de la información geológico-petrolera con los resultados del análisis de detección de anomalías espectrales causadas por manifestaciones en superficie de hidrocarburos líqui-dos y/o gaseosos. Se señalan con elipses de color negro, áreas potenciales a ser estudiadas con mayor detalle ya que pueden re-presentar oportunidades exploratorias no vistas (o “bypaseadas”). Fuente: Gerencia CEE – Geodesia – PDVSA, 2015.

Conclusiones

La aplicación e integración de los métodos indirectos a través de los sensores remotos y la información geoló-gico-petrolera mostró ser una herramienta de estudio a ser considerada con mayor énfasis en el flujo de traba-jo de exploración petrolera.


El análisis y clasificación de anomalías espectrales me-diante el uso de Firmas Espectrales tomadas en condicio-nes de laboratorio, de imágenes multiespectrales como LANDSAT y ASTER arrojan resultados muy prometedores en especial cuando se emplean distintos métodos tales como las anomalías minerales, de hidrocarburos, térmi-cas y de vegetación, para ser combinados entre sí. La integración con los modelos e información geológico-pe-trolera es de vital importancia para este tipo de estudios.

El hecho de que varias áreas anómalas detectadas es-pectralmente solapan poligonales de oportunidades ex-ploratorias abre el camino a pensar en incluir estos tipos de resultados como un parámetro que puede ayudar a minimizar el riesgo geológico-exploratorio. Al mismo tiempo que puede sugerir áreas a ser tomadas en con-sideración como posibles futuras oportunidades que no han sido vistas, en especial en áreas con poca (o ningu-na) densidad de información sísmica y de pozos.

Referencias

ARizA, A. (2013). Productos LDCM – LandSat 8. Instituto Geográfico Agustín Codazzi.

lARRiestRA, m., mARtin de los Reyes, l., CheBli, P. y mAttistA, J. (2009). Análisis de comunidades vegetales y su vinculación con Anomalías superficiales asociadas

a migraciones de hidrocarburos, Cuenca del Golfo San Jorge, Chabut, Argentina. Golden Oil Corpo-ration.

meeR, f.; diJk, P.; kRoonenBeRg, s.; hong, y. y lAng. h. (2000). Hyperspectral hydrocarbon microseepage detection and monitoring: potentials and limitations.

PdVsA-mem. (2000). Guárico – Cojedes. Venezuela 2000 Gas Licenses.

sChumACheR, d. (2010). Integrating Hydrocarbon micro-seepage data with seismic data doubles exploration success. Proceedings, Indonesian Petroleum Asso-ciation. Thirty-Fourth Annual Conference and Exhi-bition.


Medición del Efecto Vaneamiento y Consideraciones Sobre

Condiciones de Observación en Espectroradiometría del Arroz

gustAVo AgueRReVeRe, susuky lóPez

Fundación Instituto de Ingeniería para la Investigación y Desarrollo Tecnológico (FIIIDT)


RESUMEN

La Espectrorradiometría de campo es una poderosa he-rramienta para el diagnóstico de propiedades y condi-ciones de la vegetación y para el apoyo al procesamien-to de imágenes satelitales. Entre las potencialidades de ésta herramienta está el diagnóstico fitosanitario de cul-tivos. En Venezuela, desde el año 2010, se ha reporta-do un síndrome de causas desconocidas que afecta el cultivo de arroz y sus rendimientos, con disminuciones de hasta el 100% en algunas unidades de producción agrícola. Ante esta amenaza ha surgido el interés en conocer la distribución del síndrome para hacer estima-ciones y pronósticos sobre las pérdidas que éste pueda ocasionar. Para dar respuesta a esta problemática se

está evaluando la factibilidad de hacer determinaciones a través de la percepción remota. Como fase inicial se evalúan, en este trabajo, las influencias del síndrome sobre la respuesta espectral. Se ha encontrado una muy clara diferencia entre plantas sanas y enfermas. Adi-cionalmente se evaluaron los efectos de variedades de arroz y condiciones de medición sobre los espectros.

Palabras clave: VANEAMIENTO, ARROZ, ESPECTRO-RRADIOMETRÍA, DIFERENCIAS ESPECTRALES.

ASSESSEMENT OF GRAIN EMPTYNESS “VANEAMIENTO” EFFECTS AND CONSIDERATIONS

ON OBSERVATION CONDITIONS IN SPECTRAL RICE RESPONSE

ABSTRACT

The field spectro-radiometry is a powerful tool for the diagnosis of properties and vegetation conditions to support the processing of satellite images. One of the possibilities is the phytosanitary diagnosis of crops. In Venezuela, since 2010, it has been reported a syndro-me of unknown causes that affects rice cultivation and yields, with declines of up to 100% in some farms. To this threat has emerged the interest in knowing the sy-ndrome distribution, to make estimations and forecasts about the losses it may cause. To address this problem

it is been assessed the feasibility of making determina-tions through remote sensing. As an initial phase, the in-fluence of the syndrome over the spectral response was evaluated. It was found a very clear difference between healthy and diseased plants. Additionally, the effects of rice varieties were evaluated as well as conditions for measuring the spectral.

Keywords: GRAIN EMPTY, RICE, SPECTRORADIOME-TRY, SPECTRAL DISTANCE.

Introducción La Espectrorradiometría de campo es (por sí misma) una útil y eficaz herramienta para el diagnóstico, con ubica-ción local, de distintas variables de interés para el ma-nejo eficiente de cultivos. Al mismo tiempo puede consti-tuir un poderoso apoyo a técnicas como clasificaciones, segmentaciones y/o índices de verdor en el procesa-miento digital de imágenes satelitales para la obtención de información de grandes dimensiones espaciales.

En ambos casos resulta fundamental explorar, cono-cer y dominar los aspectos agronómicos que pueden afectar la respuesta espectral de la vegetación y las plantaciones. Este dominio es fundamental para otor-gar utilidad agronómica a la Espectrorradiometría y a la percepción remota en el fortalecimiento del sector agrícola, con incidencias favorables sobre la oferta,


los precios y la disponibilidad de productos de origen tanto animal como vegetal.

Las curvas espectrales de los organismos vegetales va-rían según distintos factores micro, macroscópicos y funcionales como su constitución bioquímica, condición nutricional, estructura física de los distintos tejidos, fac-tores fenológicos, factores fitosanitarios, anatomía, mor-fología, taxonomía y fisiología, además de la geometría y condiciones bajo las cuales se hagan las mediciones.

La reflectancia de las plantas en la región visible (azul, verde y rojo, de 400 a 700 nanómetros) depende fun-damentalmente de la cantidad y concentración de pig-mentos como clorofilas a y b, xantofilas, antocianinas y carotenos. En la región del infrarrojo, (de 800 a 1.200 nm) es la estructura interna de la hoja, conformada fun-damentalmente por el tamaño y distribución de espacios aéreos y la abundancia de interfaces acuosas dentro de las capas del mesófilo, la que gobierna la reflectancia.

Entre las principales virtudes de la teledetección está la gran resolución espacial, en contraposición a una limitada resolución espectral. Por el contrario la Espec-trorradiometría ofrece gran resolución espectral para muestras puntuales. La combinación de estas técnicas ofrece la posibilidad de asociar, de alguna manera, am-bos atributos. La Figura 1 compara curvas espectrales del sensor ASTER y de Espectrorradiometría de campo.

A partir de la radiometría (tanto satelital como de cam-po) es posible determinar tipologías ópticas y grupos fun-cionales según la estructura de la vegetación, la bioquí-mica, la fisiología y la fenología (Ustin et. al. 2010), a lo que podemos agregar (por su influencia sobre, al me-nos, calidad y cantidad de pigmentos) la fitopatología.

Figura 1. Curvas espectrales visible e infrarrojo, múltiples muestras combinadas. Izq.: Aster (Aguerrevere. 2009), Vs. Der.: Espectrorra-diómetro.

En Venezuela, aproximadamente desde el año 2010, dis-tintos productores de arroz han reportado un síndrome de causas desconocidas que está afectando sensiblemente los rendimientos y la calidad de los granos, con reportes de hasta el 100% de pérdidas. Los principales síntomas son la disminución del macollamiento, amarillamiento uniforme aparentemente independiente de la variedad que se manifiesta a partir de aproximadamente el día 60 después de la siembra, y presencia de granos vanos

o vacíos. Para identificar y controlar las causas se están manejando algunas hipótesis, entre ellas: agotamiento de los suelos por variedades de alto rendimiento sin actua-lización del manejo agronómico, patología microbiana, elementos climáticos, y combinaciones entre las anterio-res. Por sus características y violento de la aparición, el síndrome o enfermedad ha sido denominado Vaneamien-to Repentino del Arroz (VRA), (Pieters, A., 2012).

Con el fin de evaluar la situación, el Instituto Nacional de Investigaciones Agropecuarias (INIA) ha diseñado un proyecto con distintos ensayos de campo y la par-ticipación de varias instituciones y productores asocia-dos (Álvarez, R. 2015).

El objetivo general del proyecto, en desarrollo, es: “Es-tudiar el VRA en el Edo. Portuguesa, determinando su solución e implementación de los correctivos”, con los siguientes objetivos específicos:

1. Diseñar un protocolo para la identificación y evalua-ción del VRA.

2. Identificar las principales zonas donde se presenta el VRA.

3. Conocer las causas del VRA. 4. Establecer la asociación entre las prácticas agronó-

micas de los productores y la aparición del VRA.5. Proponer un manejo que disminuya los síntomas de

la enfermedad.


Las acciones del objetivo 2 son: 2.1. Identificación de lotes afectados por el VRA.2.2. Seguimiento en tiempo real de la aparición del VRA en campos comerciales de arroz. 2.3. Caracterización de las zonas afectadas por VRA.2.4. Evaluación de la tecnología satelital para la estima-ción de lotes afectados por VRA.

En el presente trabajo se desarrolla parte de la metodo-logía propuesta para la acción 2.4.

Técnicas experimentales

La Figura 2 presenta un resumen de la metodología.

Figura 2. Resumen metodológico para la acción 2.4.

El procesamiento digital de imágenes está contemplado para fases posteriores.

El trabajo de campo fue limitado a mediciones espec-trales en parcelas experimentales dispuestas, y parcelas comerciales, identificadas por la Asociación de Produc-tores Rurales del Estado Portuguesa (Asoportuguesa) so-bre las que el Centro de Ecología del Instituto Venezola-no de Investigaciones Científicas (IVIC) extrajo muestras de tejido y suelo para caracterizaciones físicas, quími-cas y biológicas de laboratorio.

En septiembre de 2013 se realizaron mediciones espec-trales sobre:• Dos lotes contiguos sembrados con la variedad Pa-

yara-1, uno con y otro sin manifestación del VRA, en una misma Unidad de Producción Agropecuaria (UPA), con idéntica fecha de siembra.

• Una parcela experimental (con fecha de siembra posterior) establecida por Asoportuguesa, sobre suelo homogéneo, sembrada en bloques con distin-tas variedades de arroz distribuidos según criterios profesionales del responsable. En éstas, contra lo esperado, no se manifestó el VRA aunque son anali-zadas para evaluar el efecto de las variedades.

La Figura 3 representa: (A) esquema general de me-diciones, (B) variables: manifestación o no del sín-

drome, (C) si la muestra es puntual o transecta y (D) ángulo de observación.

Figura 3. Esquema, variables y condiciones de medición.

En la Tabla 1 se presentan, resumidos, los datos obte-nidos en campo. La columna ESPECTRO hace referen-cia al archivo generado de cada muestra espectral, de cuyo procesamiento se generan las curvas. VA-RIEDAD hace referencia al material genético. SUELO describe el contenido de humedad, por observación visual, que en todos los casos resultó húmedo, sin saturación. Etapa de desarrollo hace referencia a la madurez de cada lote. FITOSANITARIO hace re-ferencia a la manifestación o no del VRA. TIPO DE MUESTRA se refiere a la metodología de captura de espectros: transectas son muestras espectrales obte-nidas a lo largo de un recorrido continuo con origen


y destino definidos, para las que el espectro es el promedio de diez mediciones de distintos puntos y puntual son muestras espectrales para las que el es-pectro se forma por el promedio de la observación

VARIEDADde arroz

SUELOetapa

desarrolloFITO

SANITARIOTIPO DE

MUESTRAANGULO

OBSERVACION

Esp_0001 Payara-1 Humedo ŽŽĚŽŽŽ VRA Transecta 0°Esp_0002 Payara-1 Humedo ŽŽĚŽŽŽ VRA Transecta 45° EEsp_0003 Payara-1 Humedo ŽŽĚŽŽŽ VRA Transecta 45° OEsp_0004 Payara-1 Humedo ŽŽĚŽŽŽ VRA Puntual 0°Esp_0005 Payara-1 Humedo ŽŽĚŽŽŽ ŽŽĚŽŽŽ Puntual 0°Esp_0006 Payara-1 Humedo ŽŽĚŽŽŽ SANO Transecta 0°Esp_0007 Payara-1 Humedo ŽŽĚŽŽŽ SANO Transecta 45° EEsp_0008 Payara-1 Humedo ŽŽĚŽŽŽ SANO Transecta 45° OEsp_0009 Payara-1 Humedo ŽŽĚŽŽŽ SANO Puntual 0°Esp_3009 SD20A Humedo ŽŽŽŽŽŽ SANO Transecta 0°Esp_3011 PN07V010 Humedo ŽŽŽŽŽŽ SANO Transecta 0°Esp_3013 AP08B044 Humedo ŽŽŽŽŽŽ SANO Transecta 0°Esp_3015 soberana Humedo ŽŽŽŽŽŽ SANO Transecta 0°Esp_3017 SAK25 Humedo 5% floracion SANO Transecta 0°Esp_3019 D-sativa Humedo Inicio floracion SANO Transecta 0°

ESPECTRO

Condiciones de campo Condiciones de medición

Tabla 1. Resumen de datos de campo, muestras seleccionadas

• De esta recolección de datos se decidió evaluar esta-dísticamente, con contraste de diferencia de medias, el efecto de las variables (VRA Vs. SANAS) sobre la reflectancia.

• La evaluación de las diferencias debidas a condi-ciones como ángulo de observación y transecta Vs. puntual se hizo por análisis visual de las curvas


Las siguientes figuras representan las curvas espectrales generadas. Los ejes de ABSCISAS (X) y de ORDENADAS (Y) representan longitud de onda de 400 a 1.350 en na-nómetros (nm) y reflectancia de 0 a 1, respectivamente.

La Figura 4 representa las curvas espectrales de 15 muestras. Se aprecia claramente la existencia de dos tendencias en el visible que para la región del infrarro-jo, aunque se mantienen, se tornan menos claras, se dispersan y se confunden. Los valores altos, sobre todo para el verde, corresponden a plantas de mayor edad y sanas mientras que los de menor valor son de plantas menores y/o afectadas por el síndrome.

Para facilitar el análisis, las curvas fueron divididas en grupos. En las Figuras 5, 6 y 7 se comparan las curvas seleccionadas en tres grupos distintos: espectros 0001 Vs 0006, 0002 Vs 0007 y 0003 Vs 0008 respectiva-

del mismo punto, y ANGULO DE OBSERVACIÓN se refiere a variaciones en el ángulo (de observación) con variaciones de 0°, 45°Este y 45°Oeste con res-pecto a la perpendicular de la superficie.


0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

400

450

500

550

600

650

700

750

800

850

900

950

1000

1050

1100

1150

1200

1250

1300

Esp_0001

Esp_0002

Esp_0003

Esp_0004

Esp_0005

Esp_0006

Esp_0007

Esp_0008

Esp_0009

Esp_3009

Esp_3011

Esp_3013

Esp_3015

Esp_3017

Esp_3019

Figura 4. Curvas espectrales. Todas las muestras.

Para dar robustez al análisis se hicieron contrastes esta-dísticos de diferencias de medias en muestras indepen-dientes. Se dice que éstas son independientes porque se seleccionaron individuos (plantas) distintos para hacer observaciones con VRA y SANAS.

Se evaluaron tres contrastes de hipótesis: plantas SANAS y con VRA con ángulo de observación de 0°, SANAS y con

VRA a 15°Este, y SANAS y con VRA a 45°Oeste, todas con observación tipo transecta sobre variedad Payara-1.

Para cumplir con la comprobación estadística se plantea el contraste de hipótesis según la ecuación 1:

(Ecuación 1)En donde:µ1 : reflectancia en nm de plantas SANASµ2 : reflectancia en nm de pantas con VRA

Así, se procedió a calcular el estadístico Z para los va-lores observados de ambas variables (con VRA y SA-NAS). La ecuación aplicada y la regla de decisión fue Z normal de una cola, según la ecuación 2.

RECHAZAR la H0 si: Z =

(Ecuación 2)

Según Azorin (1961), si los tamaños de muestra n1 y n2 son mayores que 30 (en este caso n1 = n2 = 946 observaciones), una buena aproximación para el con-traste de hipótesis con un nivel de significación α para la diferencia entre dos medias poblacionales se obtiene

mente. Las diferencias entre las dos curvas de cada fi-gura se deben a la manifestación o no del síndrome. En cada caso se mantienen fijas las condiciones de varie-dad, transecta y el ángulo de observación. El ángulo varía entre las tres figuras.

reemplazando las varianzas poblacionales por las va-rianzas muestrales. Para tamaños de muestra grandes, esta es una buena aproximación incluso cuando las dis-tribuciones poblacionales de X e Y no son normales.

Las comparaciones se hicieron para diferentes ángulos, por lo tanto se hicieron tres contrastes de hipótesis: 0°, 45°E y 45°O, respaldadas por las figuras 5, 6 y 7.

En la Figura 5 se presentan las curvas espectrales de arroz con VRA (0001) y sano (0006). Otras condiciones como la variedad, la etapa de desarrollo, muestra tipo y ángulo 0° de observación se mantienen constantes (ver Tabla 1). Como se esperaba, se aprecia una clara diferencia entre plantas sanas y plantas con manifestación del síndrome.

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

400

450

500

550

600

650

700

750

800

850

900

950

1000

1050

1100

1150

1200

1250

1300

Esp_0001Esp_0006

Figura 5. Espectros 0001 (con VRA) Vs. 0006 (SANAS). Transec-tas, ángulo 0°.


Al hacer el contraste de diferencia de medias sobre los datos que dan origen a la figura 5 se obtuvieron los siguientes resultados (donde X son las plantas sa-nas y Y las enfermas):

media 0,63310938 0,04687802Desv est 0,26595527 0,01863755n 946 946

Aplicando la ecuación 2 se obtiene que Z = 63,35 > ZX = 1,96 para α = 0,05. Se afirma que hay indicios suficientes como para descartar la hipótesis nula. Por lo tanto parece sensato pensar que en plantas de arroz pa-yara1, medidas en transectas, con ángulo de observa-ción de 0°, la reflectancia de plantas SANAS es mayor que la de plantas con VRA.

Este resultado es totalmente coherente con la inter-pretación visual de las curvas, en las que se observa una gran diferencia para todo el espectro, más mar-cada en el verde y región del infrarrojo que para azul y el rojo.

La Figura 6 representa los espectros de muestras con VRA (0002) y SANO (0007), variando con respecto a la figura anterior el ángulo, ahora de 45° Este.

Se mantiene la diferencia entre plantas con VRA y SANAS.

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

400

450

500

550

600

650

700

750

800

850

900

950

1000

1050

1100

1150

1200

1250

1300

Esp_0002

Esp_0007

Figura 6. Espectros 0002 (con VRA) Vs. 0007 (plantas SANAS). Transéctas, ángulo 45°E.

Para este caso los resultados son:

media 0,67696196 0,20411445Desv est 0,09760932 0,30851014n 946 946

Al aplicar la ecuación 2 se obtiene Z = 35,81 > ZX = 1,96 para un α = 0,05. Nuevamente se puede afirmar que hay indicios suficientes como para descartar la hi-pótesis nula y pensar que en plantas de arroz paya-

ra1, medidas en transectas con ángulo de observación de 45°E, la reflectancia de plantas SANAS es mayor que la de plantas con VRA. De nuevo el resultado es coherente con la figura, y se aplica la misma interpre-tación de la anterior.

La Figura 7 se presentan los espectros de muestras con VRA (0003) y SANAS (0008), ahora con vista 45° Oeste.

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

400

450

500

550

600

650

700

750

800

850

900

950

1000

1050

1100

1150

1200

1250

1300

Esp_0003

Esp_0008

Figura 7. Espectros 0003 (con VRA) Vs. 0008 (plantas SANAS). Transectas, ángulo 45°O.

Al igual que en las figuras 5 y 6, en la figura 7 se ex-presa una gran distancia espectral dependiente de la manifestación del síndrome.


media 0,65049975 0,12889474Desv est 0,28709267 0,06200269n 946 946

Finalmente, al aplicar la ecuación 2 se obtiene que Z=45,95 > ZX = 1,95 para α = 0,05 y se puede des-cartar la hipótesis nula. Se puede pensar que en plantas de arroz payara1, medidas en transectas con ángulo de observación de 45°O, la reflectancia de plantas SA-NAS es mayor que la de plantas con VRA. De nuevo hay coherencia con la figura y su interpretación.

En las figuras siguientes, de la 8 a la 13, se hacen com-paraciones adicionales, para las que no se desarrolla-ron cálculos de diferencias estadísticas.

La Figura 8 representa 3 curvas. Sus diferencias co-rresponden a variaciones en el ángulo de observación sobre plantas con VRA. Las distancias espectrales, re-lativamente pequeñas para el visible, se incrementan para el infrarrojo.

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

400

450

500

550

600

650

700

750

800

850

900

950

1000

1050

1100

1150

1200

1250

1300

Esp_0001

Esp_0002

Esp_0003

Figura 8. Espectros 0001 (0°), 0002 (45°E) y 0003 (45°O). Tran-sectas. Con VRA.

Claramente se pueden ordenar los niveles radiométricos obtenidos según sus valores que corresponden, de ma-yor a menor, a: 45°E > 45°O > 0°.

Los 3 espectros de la Figura 9 pertenecen a observa-ciones con variación en el ángulo, sobre plantas SA-NAS. Las diferencias son menores en la región del vi-sible y se incrementan ligeramente en el infrarrojo. Las curvas se cruzan y los menores valores en el visible, correspondientes al espectro 0007 alcanzan los mayo-res valores para el infrarrojo, lo contrario ocurre con el espectro 0006 que tiene los mayores valores para el visible y los menores para el infrarrojo.

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

400

450

500

550

600

650

700

750

800

850

900

950

1000

1050

1100

1150

1200

1250

1300

Esp_0006

Esp_0007

Esp_0008

Figura 9. Espectros 0006 (0°), 0007 (45°E) y 0008 (45°O). Tran-sectas, plantas SANAS.

Llama la atención que las diferencias espectrales debi-das al ángulo de observación son mayores entre plantas

con VRA (Fig. 8) que entre plantas SANAS (Figura 9). Esto podría estar relacionado con mayor variabilidad en la población afectada por el síndrome.

Las figuras anteriores (5, 6, 7, 8 y 9) son de muestras tomadas por transectas. Las siguientes (10, 11 y 12) fueron tomadas puntualmente.

La figura 10 representa los espectros 0004 pertenecien-te a plantas con VRA, 0005 de plantas con VRA más presencia de Cyperus (que es una maleza) y 0009 de plantas SANAS, todos muestreados puntualmente. Las

Al hacer el contraste de hipótesis se obtienen los si-guientes resultados:


plantas SANAS (espectro 0009) presentan mayores va-lores a lo largo de todo el espectro, seguida por las plantas con VRA (0004), y las plantas con VRA+ Cype-rus (0005) presenta los menores valores.

La razón de que el espectro 0005 (con VRA+Cyperus) sea menor que el 0004 (con VRA) puede deberse a un efecto combinado entre la mezcla de los espectros de am-bas especies y a la competencia por nutrientes entre la maleza y el cultivo, con efectos sobre productos de la foto-síntesis, menor cantidad de pigmentos y afectación de la estructura celular en el arroz. Esta maleza apenas emerge del dosel del cultivo y los espectros obtenidos seguramen-te corresponden a los doseles superiores. Se esperaba un resultado inverso, asumiendo mayor biomasa vegetal.

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

400

450

500

550

600

650

700

750

800

850

900

950

1000

1050

1100

1150

1200

1250

1300

Esp_0004Esp_0005Esp_0009

Figura 10. Curvas 0004 (con VRA), 0005 (con VRA + Cyperus) y 0009 (SANA). Puntuales, 0°.

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

400

450

500

550

600

650

700

750

800

850

900

950

1000

1050

1100

1150

1200

1250

1300

Esp_0001

Esp_0004

Figura 11. Curvas 0001 (transecta) y 0004 (puntual). Con VRA, 0°.

Aunque la información es insuficiente para una conclu-sión definitiva, se puede asumir que la diferencia se debe a que en la muestra puntual no hay control ab-soluto de la composición de ésta y la representación proporcional de todos los tejidos de la planta. La tran-secta puede resultar una muestra más representativa, al constituir o acercarse más a un promedio de la tota-lidad de tejidos del organismo. Es importante evaluar mejor y tener en cuenta este efecto cuando se deseen

usar datos de Espectrorradiometría de campo para el procesamiento digital de imágenes.

La Figura 12, a semejanza de la 11, representa las cur-vas espectrales de dos muestras con ángulo de observa-ción 0°, en este caso para plantas SANAS. El espectro 006 corresponde a una transecta y la 0009 a una mues-tra puntual. Las distancias espectrales para la región del visible son muy reducidas y para el infrarrojo se hacen notables. La diferencia entre las distancias espectrales para las figuras 11 y 12 pueden ser explicadas por el poco control sobre la representatividad de la planta, al correrse el riesgo de que se mida en forma sesgada una proporción mayor de un órgano y/o tejido o variacio-nes sobre alguno de ellos.

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

400

450

500

550

600

650

700

750

800

850

900

950

1000

1050

1100

1150

1200

1250

1300

Esp_0006

Esp_0009

En la Figura 11 se presentan las curvas espectrales de dos muestras, ambas con manifestación del síndrome y un ángulo de observación de 0°. La muestra del es-pectro 0001 fue tomado a lo largo de una transecta. El espectro 0004 corresponde a una muestra puntual.

Figura 12. Curvas 0006 (transecta) y 0009 (putual). SANAS, 0°.


En la Figura 13 se pueden observar pequeñas diferen-cias relativas con incrementos graduales y relativamente proporcionales entre las curvas para la región del visi-ble. En el infrarrojo, para las variedades PN07V010 (3011) y soberana (3015), se mantienen diferencias inicialmente mínimas que se incrementan con la longitud de onda. A su vez éstas presentan mayores diferencias con el resto de las variedades, que están diferenciadas entre todas ellas en distintas magnitudes.

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

400

450

500

550

600

650

700

750

800

850

900

950

1000

1050

1100

1150

1200

1250

1300

Esp_3009Esp_3011Esp_3013Esp_3015Esp_3017Esp_3019

Figura 13. Curvas espectrales de seis variedades.

Es arriesgado atribuir estas similitudes y diferencias a efectos introducidos por variedades sobre la reflec-

tancia. Estas pueden estar altamente influenciadas por otros factores como la floración.

Hay que tomar en cuenta que el inicio de la floración contado a partir de la siembra está enormemente deter-minado por el material genético.

En este sentido, cada comportamiento en este grupo de cur-vas puede ser explicado apoyándose en el porcentaje de floración, que se ordena de menor a mayor en la Tabla 2.

Tabla 2. Espectros ordenados por % de floración.

Espectro Variedad % de Floración

Esp_3019 D-sativa < 5 (inicio)

Esp_3017 SAK25 5

Esp_3013 AP08B044 50

Esp_3009 SD20A 50

Esp_3015 Soberana 60

Esp_3011 PN07V010 70

Los espectros más cercanos, 3011 y 3015 (de PN07V010 y soberana) varían en 10 puntos de porcen-taje de floración. Los espectros 3009 y 3013 (de SD20A y AP08B044), ambos con 50% de floración, tienen dis-tancias espectrales marcadas en infrarrojo. Esto sugiere que si bien hay un efecto de la variedad sobre la res-puesta espectral, éste está combinado con la floración y

ésta a su vez con la fenología y la etapa de crecimiento de cada planta. Ambas causas ejercen mayor influencia sobre la porción del infrarrojo que sobre la del visible, por lo que las diferencias en la estructura celular y los espacios aéreos parecen ser más determinantes que la presencia de pigmentos en la diferenciación espectral. La morfología puede ejercer un gran efecto aunque no está evaluada en este trabajo.

Los espectros presentados corresponden a transectas, con las que a su vez se construye un promedio. Así, en este caso cada espectro es un promedio que incluye distintos tejidos como hojas de distintas edades y panículas. Con la aparición y desarrollo de las panículas se produce un efecto fuente sumidero, con movilización de nutrientes entre tejidos. Todo esto puede afectar a la reflectancia.

Conclusiones

Existe y se evidencia, tanto visualmente en campo, como en las curvas espectrales y en la prueba de diferencia de medias, una clara distancia espectral entre plantas sanas y plantas con manifestación del Vaneamiento Re-pentino del Arroz.

La tangible expresión de la diferencia a lo largo de todo el espectro ante la manifestación del síndrome estudia-do hace pensar que el fenómeno puede ser evaluado a partir de imágenes satelitales.


La Espectrorradiometría de Campo constituye un apoyo para el reconocimiento tardío de individuos afectados, cuando los daños se manifiestan visual-mente. Será interesante evaluar la posibilidad de diagnósticos tempranos.

Para diagnósticos en campo, a partir de Espectrorra-diometría, se debe considerar el tejido al cual está enfocado el sensor. Puede ser de gran utilidad el uso de probetas especiales para observación espectral en campo. Con ellas se obtiene un control absoluto del tejido observado.

Las diferencias espectrales encontradas entre plan-tas con y sin síndrome constituyen una condición necesaria, pero no suficiente, para la identificación de éste a través de imágenes satelitales. La gran diversidad que se puede encontrar en campo para un mismo rubro de producción agrícola debida a: siembra de diversas variedades, diversidad en el manejo de paquetes agronómicos, variaciones fe-nológicas y afectación por otras patologías, puede ser fuente de variabilidad en la respuesta espectral. A lo anterior hay que agregar que en una escena de cualquier imagen se presentan muchos elementos naturales y antrópicos. La conjunción de lo anterior puede introducir diferencias y similitudes espectra-les INTRARRUBROS e INTERRUBROS, con gran inte-racción entre distintas causas.

Las diferencias espectrales encontradas para la región del visible, especialmente del verde y del infrarrojo cer-cano, están altamente relacionadas con los reportes de cambio de color y descripción del daño en campo, y con las pérdidas de rendimiento del cultivo.

La mayor diferencia entre las curvas de plantas sanas y enfermas en el infrarrojo cercano con respecto al verde hacen pensar que, aunque la afectación de los tejidos vegetales es generalizada, es más grave para la estruc-tura celular que para los pigmentos.

Sólo los fotones de longitudes de onda de la región del visible, de 400 a 700 nm, (especialmente 680 y 700 nm) participan en la fotosíntesis. Por otro lado, la región del infrarrojo se comporta de acuerdo a la estructura celular vegetal. Para su normal desempeño y obtención de buenos resultados en la agricultura, los organismos vegetales deben cumplir con funciones fisiológicas y contar con estructuras que se lo permitan. La Espectro-rradiometría y la teledetección ofrecen útiles recursos para la obtención de información para el diagnóstico y el apoyo a la toma de decisiones, para la obtención de los mejores resultados agrícolas.

Objetivos como el establecimiento de relaciones y aso-ciaciones entre valores de Espectrorradiometría de cam-po con imágenes satelitales deben considerar el ángulo de medición. Éste debe ser próximo o igual al ángulo de

elevación del satélite a la hora de captura de las imáge-nes. Este efecto será evaluado con mayor detenimiento en una fase posterior, con la adquisición y procesamien-to de imágenes.

Para relaciones entre valores de Espectrorradiometría de campo con sensores remotos se debe tener en cuenta que estos últimos registran en cada píxel promedios pon-derados de muchos individuos y de tejidos vegetales, y en muchos casos de muchas especies. En estos casos se debe buscar que la Espectrorradiometría de campo lo-gre la misma representatividad. La medición en transec-tas puede ser una buena estrategia, pero estas deben ser planificadas detalladamente.

Referencias

AGUERREVERE, G. (2009). Sistema de Información para el Monitoreo y Estimación de Cosechas, Infor-me Final. Centro de Procesamiento Digital de Imá-genes, FIIDT.

ÁLVAREZ, R. (2015). Proyecto Estudio del Vaneamiento Repentino del Arroz en el Estado Portuguesa. Formu-lario de Proyecto. INIA.

AZORIN POCH, F. (1961). Curso de muestreo y aplica-ciones. Ediciones Universidad Central de Venezuela.


PIETERS, A. (2012). Centro de Ecología, IVIC. Comuni-cación oral.

USTIN, S.L. & GAMON, J.A. (2010). Remote sensing of plant functional types. New Phytologist. 186: 795-816


Detección de Bordes en los Modelos de Generación de la MTF

Usando Imágenes del Miranda

fRAnCisCo VARelA1, 2

Agencia Bolivariana para Actividades Espaciales. Dirección de Aplicaciones1. Universidad Central de

Venezuela. Escuela de Ingeniería Eléctrica. Departamento de Comunicaciones2.

[email protected]

RESUMEN

Este trabajo parte de la definición del concepto de la Función de Transferencia de Modulación (MTF), a fin de generar un diagnóstico de los modelos que pudieran utilizarse para cuantificar el valor de esta función con el objetivo de vincularlo con patrones que pueden obte-nerse de una forma natural en una imagen del satélite Miranda tomando en consideración que es un disposi-tivo que se encuentra en órbita. El concepto de la MTF vincula características de contrastes de la imagen por lo que el primer paso que se desarrolla en el trabajo es la validación de la respuesta de los detectores dentro del proceso de corrección radiométrica, basándose en la

interacción con una zona homogénea (intencionalmen-te capturada), a fin de corroborar el comportamiento lineal de los detectores y descartar influencia sobre los resultados. Bajo una inspección de los métodos más co-munes utilizados en órbita se realiza una selección de imágenes que permita asociar elementos presentes en éstas con los métodos que se utilizan para su estima-ción. Haciendo uso de la herramienta Matlab, el trabajo se orienta a obtener una función de filo que represente el borde entre dos áreas como uno de los pasos preli-minares para asociar un método de cálculo de la MTF con lo observado en las imágenes del Miranda. Cum-pliendo condiciones como la inclinación de la línea de borde con relación a la dirección de obtención de esta función se genera la ecuación de la recta que represen-ta la separación entre dos zonas con gran variación de intensidad en la imagen.

Palabras clave: MTF, ESF, SATÉLITE MIRANDA, PROCE-SAMIENTO DE IMÁGENES.

EDGE DETECCION AS A STEP FOR DETERMINING THE MTF USING MIRANDA SATELLITE IMAGES

ABSTRACT

This work is based on the definition of the Modulation Transfer Function (MTF), in order to generate a diagnosis

of models that could be used to quantify the value of this function to link it with patterns that can be found in a na-tural way using the Miranda satellites images currently in orbit. The MTF concept establishes a direct relationship with the characteristics in the contrast of the image so the first step developed in the work is the validation of the response of the Cameras detectors within the process of radiometric correction, based on interaction with a homogeneous area (intentionally captured), in order to corroborate the linear behavior of the detectors and dis-card possible influence over the results. The Inspection of the most common methods used in orbit allows link it with elements present in the images with the methods used for their estimation. Using the Matlab tool the work focuses on the preliminary steps to detect the Edge function as item associated to the calculation method for determining the MTF with what was observed in the images of Miran-da. Taking into account the main considerations about the border line inclination, this paper shows the equation which represents the Edge between two main areas.

Keywords: MTF, ESF, MIRANDA SATELLITE, IMAGE PROCESSING.

Introducción

La función de transferencia de modulación (conocida como MTF por sus siglas en inglés, Modulation Trans-fer Function) de un sistema de imagen, describe la


relación entre la señal de salida originada por una entrada específica en el dominio de la frecuencia es-pacial (Dorronsoro, 1997). En el caso de un sistema de observación satelital, para un objeto transformarse en una imagen, pasa por distintos componentes de captura y transmisión, y cada uno de estos componen-tes altera la información original produciendo pérdi-das. Las llamadas funciones de transferencia de con-traste, de rendición tonal o de frecuencia de respuesta espacial (MTF) reflejan las alteraciones que sufren las variables por el paso de la información de luz por cada componente del sistema. Todos estos componen-tes tienen su propia función de transferencia de con-traste. El contraste es la diferencia de tonalidad con la que se registra, percibe o reproduce un par de líneas, negro y blanco (García & Osuna. 1980).

En la siguiente figura se representa el concepto de fun-ción de transferencia de modulación, equivalente a una función de respuesta en frecuencia del sistema el cual, ante un objeto de entrada, origina una imagen de sali-da dependiendo de las características del sistema y de la frecuencia espacial de la entrada.

Figura 1. Respuesta de un sistema a la variación de frecuencia espacial en la entrada.

El concepto de función de transferencia óptica (OTF) surge al estudiar cómo se transmiten a través de un sistema óptico las frecuencias espaciales del plano ob-jeto al plano imagen.

Considerando que la respuesta del sistema es lineal te-nemos entonces que la función imagen es el producto de la convolución de la función objeto y de la respuesta del sistema a una fuente puntual. En aplicaciones asociadas a imágenes a la función de respuesta puntual, se le suele llamar PSF (Point Spread function).

Así aplicando propiedades de la transformada de Fou-rier tenemos que la relación entre la función imagen y la función objeto viene expresada por:

( ) ),().,(,' fyfxkfyfxG=fyfxG (1)

La ecuación indica que es la función de transferencia. Normalmente se utiliza la función de transferencia normalizada a la unidad y expresada en magnitud y fase de la siguiente forma:

( ) ),(),(,),( fyfxjefyfxMTF=fyfxOTFfyfxk ϕ= (2)

Se observa que el valor de la MTF es el módulo de la función de transferencia óptica normalizada.

El valor MTF en el caso de una carga útil de un satélite de percepción remota está principalmente influenciado por la contribución que hacen sobre este parámetro: el subsis-tema electrónico [MTF(elect)], el subsistema de detección [MTF(det)] y conversión óptico – eléctrico y en especial por los componentes ópticos [MTF(opt)] que forman parte de la cámara (este último es el más representativo e influyente).

Aunque este parámetro es medido previo al lanzamiento del satélite, es recomendable realizarlo una vez el satéli-te está puesto en órbita a fin de corroborar si los compo-nentes del sensor han sido afectados y alterado su valor durante esta fase de transferencia orbital. Este parámetro constituye un indicador donde su magnitud y variación sobre la imagen; refleja el comportamiento que tienen dentro del proceso de captura, los elementos ópticos y electrónicos que forman parte de la cámara y en con-secuencia afecta la calidad de la imagen. En los siste-mas de aseguramiento internacional, este parámetro es además un factor determinante en el momento de definir riesgos y desempeño de la plataforma satelital posterior a su lanzamiento y durante su operación en vuelo.

El grupo de sensores de la Cámara Pancromática y Multiespectral (conocida por sus siglas en ingles PMC, Pancromatic Multiespectral Camera) del satélite Miranda


está conformado por dos cámaras cada una con un arre-glo de alrededor de 6000 detectores en el caso de la pancromática, con tecnología de carga acoplada para cada CCD (Dispositivo de carga acoplada, Charge Cou-pled Device) y 1500 detectores para la multiespectral.

Esto origina para cada cámara (conformadas por una línea de dos (2) CCD):• Una imagen con un total aproximado de 12000

pixeles en el caso de la pancromática, y • Una imagen con un total aproximado de 3000

pixeles en el caso de cada banda de la multiespec-tral (2 CCD) proyectados en ambos casos, en un área de captura alrededor de 29 Km durante el vue-lo a la altura de operación del satélite en la zona donde se programe la misión de la toma de la ima-gen, tal como se muestra en la figura 2.

Figura 2. Conformación del ancho de barrido de cada cámara PMC del Miranda.

Para el caso de la Cámara de Amplio Barrido (conoci-da por sus siglas en ingles WMC, Wide Multiespectral Camera) su rango espectral es equivalente a la multi-espectral de la PMC mostrada en la figura anterior, la diferencia está que no incluye respuesta en escala de grises (pancromática) y su nivel de resolución geomé-trica es de 16 m con un ancho de barrido de 180 Km para cada cámara.

Verificación radiométrica de las cámaras del Miranda

Para descartar la posible influencia sobre la imagen y contribución en errores provenientes de los detectores de las cámaras se seleccionaron imágenes de una toma programada en el salar de Uyuni en el Estado Plurina-cional de Bolivia, tomando en consideración que esta región se propone como una de las zonas que interna-cionalmente se puede utilizar para pruebas de calibra-ción radiométrica por la homogeneidad en su respuesta espectral (Ponzoni et. al. 2015).

La toma fue programada para la captura el día 01 de Junio de 2015, y como criterio de selección en el pro-ceso de búsqueda de la imagen dentro de las escenas obtenidas en el pase del satélite sobre esa región, se tomó en consideración como parámetro: la coincidencia de un área de captura entre las cámaras de alta resolu-ción (PMC) y la de ancho barrido (WMC) a fin de hacer

comparaciones en las distintas bandas de ambos senso-res sobre la misma zona de apuntamiento. En este caso las escenas a evaluar se muestran en la siguiente figura donde se ha colocado un rectángulo sobre la WMC a fin de observar el área común de análisis.

Figura 3. Imágenes WMC y PMC del satélite Miranda selecciona-das para su evaluación radiométrica.

Para el proceso de evaluación de las imágenes se con-sideraron tomas con el primer nivel de procesamiento, que en este caso fueron compensados y ponderados previamente cada detector según su respuesta espec-tral durante el momento de la fase de pruebas orbitales dentro del proceso de calibración relativa (valores que actualmente se mantienen).

Haciendo uso de la herramienta Matlab versión R2012a, se realizaron cortes de la imagen a fines de obtener las matrices espaciales con el valor que arroja el detector y


analizar el comportamiento en las zonas con presencia del salar exclusivamente y en áreas con suelos desnu-dos, como se muestra en la siguientes figuras (Figuras 4 y 5) correspondientes en cada caso, a la respuesta banda B1 de la cámara multiespectral que opera en el rango desde 0.44 µm hasta 0.52 µm tanto para la PMC como para la WMC.

Figura 4. Corte de la imagen en banda B1 del satélite Miranda diferenciando dos tipos de terrenos en la PMC.

Figura 5. Corte de la imagen en banda B1 del satélite Miranda diferenciando dos tipos de terrenos en la WMC.

En este primer paso el análisis es enfocado a la deter-minación de la homogeneidad en la respuesta espectral de las zonas seleccionadas bajo el estudio de las varia-ciones de los valores de radianza en las zonas captura-das. En las siguientes figuras se muestra el valor digital de las imágenes los cuales son proporcionales a la ra-dianza detectada en cada píxel, de una línea completa

correspondiente a la respuesta que muestran los detec-tores de la cámara en la zona de interés. En la figura 6 se observa una respuesta constante lo que implica que nos encontramos en un área homogénea (línea 16 de la matriz correspondiente a la imagen mostrada en la figura 6), mientras que en la figura 7 nos indica que se ha enfocado hacia áreas de suelos descubiertos por lo que se muestra un comportamiento no homogéneo (línea 1600 de la matriz correspondiente a la imagen mostrada en la figura 7).

Figura 6. Respuesta del sensor en la fila 16 de la matriz correspon-diente a la imagen PMC B1 en análisis.


Seleccionando solo el área diferenciada por la respues-ta homogénea del salar con respuesta equivalente a la mostrada en la figura 6, se procedió a verificar su com-portamiento constante con desviación estándar nula tal como lo refleja las muestras concentradas en un único valor en el histograma de la figura 8 dentro de la zona de radianza constante.

Figura 7. Respuesta del sensor en la fila 16 de la matriz correspon-diente a la imagen PMC B1 en análisis.

Figura 8. Histograma zona homogénea del salar de Uyuni Banda 1 (B1) PMC.

El mismo procedimiento fue aplicado para cada banda de ambas cámaras. Sin embargo, se puede apreciar que para el caso de la WMC, en la banda B1 en el área considerada homogénea existen mínimas varia-ciones alrededor de un valor digital en algunos detecto-res tal como se muestra en la figura 9.

Figura 9. Respuesta del sensor en la fila 16 de la matriz correspon-diente a la imagen WMC B1 en análisis.

Estas variaciones están alrededor del mismo valor digi-tal por lo que efectivamente, puede considerarse que se trata de un medio homogéneo como se ha obser-vado para la PMC el cual es corroborado en la Figu-ra 10, cuyo histograma presenta la concentración de las muestras en los dos valores digitales muy cercanos sobre un grupo de filas y columnas de la imagen que corresponden a muestras del área con una respuesta de radianza espectral equivalente. De igual forma se dife-rencia el comportamiento donde se nota la presencia de suelos descubiertos en la Figura 11 como se hizo con la PMC. De este primer análisis podemos indicar que los detectores radiométricamente presentan una respuesta uniforme en zonas con el mismo valor de radianza de forma estable por lo que se puede considerar que en ambas cámaras se demuestra la homogeneidad de la zona y en consecuencia los detectores no representan elementos influyentes o perturbadores sobre los métodos que se adopten para diferenciación de contrastes con la función de transferencia de modulación (MTF). Sin embargo es importante acotar que se consideraron en total nueve imágenes donde coincidían en área geográ-ficas las cámaras PMC y WMC, efectuándose el mismo análisis mostrado para cada una de las bandas en las zonas de coincidencia.

Aunque el resultado es equivalente para todas las bandas al mostrado para la B1, es conveniente seguir progra-mando capturas sobre estas u otras áreas que radiométri-


camente son consideradas ideales para validar este com-portamiento de respuesta ante una zona homogénea.

Figura 10. Histograma zona homogénea del salar de Uyuni Banda 1 (B1) WMC.

Figura 11. Respuesta del sensor en la fila 1600 de la matriz corres-pondiente a la imagen WMC B1 en análisis.

Métodos de cálculo de la función de transferencia modulación (MTF)

Una vez puesto el satélite en órbita la forma de cálculo de la función de modulación de transferencia es realiza-da a través de métodos indirectos tomando en conside-ración que tenemos acceso a la respuesta de la carga útil a través de las imágenes, lo cual a nivel de sistema representaría la función de salida ante una determina-da área capturada. A nivel de modelaje matemático se demuestra que la MTF no es más que el módulo de la función de transferencia del sistema óptico que se está considerando. En este sentido y bajo este concepto matemático, se tiene que a nivel de satélites en órbita existen varios métodos que han sido adoptados y vali-dados con el uso de algoritmos computacionales como métodos de medición indirectos, dentro de los cuales los más utilizados son (Helder et al. 2004):

• Detección de bordes teniendo como objetivo un pul-so en la imagen.

• Detección de bordes teniendo como objetivo un filo en la imagen.

Ambos métodos se refieren a la respuesta de un sistema en el dominio de la frecuencia dentro del análisis de Fourier cuando la entrada es una señal tipo pulso o una línea representada por un borde bien diferenciado.

En el proceso de búsqueda de objetivos naturales existentes en las bases de almacenamiento desde el momento de lanzamiento del satélite Miranda se ob-serva, como sugieren varios autores y metodologías estandarizadas para estos casos de estudios, elemen-tos como aeropuertos, puentes, autopistas, techos de viviendas, etc., son útiles al momento de definir el esquema de cálculo y el objetivo si se trata de la bús-queda de un elemento natural capturado en cualquier zona (Leger et. al. 2004).

El objetivo se orienta a aplicar el segundo método en-focado en la detección de bordes teniendo como cri-terio la búsqueda de un filo dentro de la imagen que garantice la existencia de bordes en los techos de los galpones industriales en algunas zonas de presencia de fábricas en el país.

En el siguiente grupo de figuras (12a,b; 13a,b; 14a, b; 15a,b), se puede observar las imágenes que fue-ron inicialmente consideradas para ese primer análi-sis. Los bordes representados por techos de grandes galpones industriales muestran una equivalencia a una señal de una línea recta diferenciada en gran parte por los valores digitales del borde del techo en relación al entorno tal como lo sugiere el método de detección de borde.


Figura 12. a) b) Techo de un galpón industrial en los alrededores de Valera, Estado Trujillo (Imagen Pancromática roll: 1.17°).

Figura 13. a) b) Techo de un galpón industrial en los alrededores de Valera, Estado Trujillo (Imagen Pancromática roll: 1.17°).

Figura 14. a) Techo de un galpón industrial en Guarenas DC b) Techo de un galpón industrial en los alrededores Caracas DC.

Figura 15. a) Techo de un galpón industrial en Maracay Estado Ara-gua b) Techo de un galpón industrial en Puerto Ordaz Estado Bolívar.

Análisis de bordes en la construcción de la función de la línea

De las imágenes obtenidas, se realizó el estudio de las condiciones de bordes a fin de detectar cuál de ellas proporciona la condición de filo de borde con la menor contaminación del contorno. Lo ideal para la construcción de la función de línea sería obte-ner una imagen con diferencias de radianza bien pronunciadas equivalente a la que se muestra en la siguiente figura:

Figura 16. Condiciones de borde en la extracción de la función de línea de frontera en una imagen satelital.

Esta figura concentra lo establecido en el standard aso-ciado con la caracterización y selección de sitios de calibración – WP210 el cual establece (Blanc, 2009):• LH mayor que 20 GSD (por sus siglas en inglés,

Ground Sample Distance) que permita sobre mues-trear al filo y con la finalidad de mejorar la relación señal ruido.

• LT un valor entre 3 GSD y 5 GSD para evitar que sea afectado por la influencia de los elementos de alrededor.

• LW entre 6 GSD y 10 GSD sin los lugares que se vean posiblemente afectados por la influencia de los elementos del entorno.


• El ángulo α no mayor a 8 ° con relación al eje vertical.

Para evaluar estas condiciones se hicieron cortes de las imágenes a fin de chequear las distancias de separa-ción de elementos que pudieran ser contaminantes en el borde como contribuyentes de valores no deseados. En la figura 17 podemos observar el corte de un techo industrial en Valera y el de Maracay mostrados previa-mente donde se detecta que el segundo permite una mejor diferenciación entre los bordes para construir la función de línea.

Figura 17. Corte y ampliación de las imágenes contentivas del techo galpón industrial de Valera Estado Trujillo y Maracay Estado Aragua.

Partiendo de las imágenes en principio seleccionadas se concluye que la correspondiente a la imagen del te-cho del galpón industrial de Maracay Estado Aragua,

constituye la escena que más se adapta a lo establecido en las condiciones establecidas en el standard asociado con la caracterización y selección de sitios de calibra-ción, tomando en consideración las líneas de cortes a lo largo del borde a fines de detectar la interfaz de sepa-ración que permita visualizar el segundo modelo como aplicable para la obtención de la función de modulación de transferencia. En este sentido se efectuaron cortes en cada línea donde se observa la existencia de tales cam-bios a fin de obtener la línea de borde entre los dos planos. En la figura 18 se puede observar algunos de los cortes realizados a la imagen donde se visualiza a lo largo de la interfaz de separación la pendiente de varia-ción de radianza en toda la línea del techo del galpón.

Figura 18. a) b) Máxima pendiente en los Niveles digitales a lo largo de la línea de separación del techo del galpón en dos filas de la imagen.

A partir de estos valores se puede obtener la función de señal lineal de filo (ESF, por sus siglas en inglés Edge Signal Function) a través de la pendiente del techo del

galpón a lo largo de la imagen, demostrando finalmente la factibilidad de aplicar el segundo método de los ci-tados previamente, para la obtención del MTF tomando en cuenta la existencia de elementos naturales dentro de las capturas programadas.

Para ello se calculó la pendiente a fin de obtener en cada línea de la imagen seleccionada el pixel donde ocurre la máxima pendiente del valor digital, toman-do en consideración en este caso 39 filas, las cuales permiten cumplir con el requerimiento de al menos 20 GSD. En la figura 19 se puede observar el punto de mayor pendiente que corresponde a la primera línea de la imagen seleccionada.

Figura 19. Píxel donde ocurre la máxima pendiente en la fila nú-mero uno de la imagen.


Una vez obtenido este punto, a fin de conseguir una ecuación lineal, se procede a aplicar el método de los mínimos cuadrados sobre los datos, resultando para este conjunto de puntos la ecuación de la recta: γ = 19 x - 55.67 ; habiéndose previamente establecido como ejes referenciales en la imagen lo mostrado en la figura 20, donde a su vez se observa la línea que define la separación entre el borde del techo y la superficie obtenida a través de la ocurrencia de máxima variación en el valor digital detectado.

Figura 20. Función de Filo ESF.

La Figura 20 indica que efectivamente la función de bor-de es factible por lo que el método para obtener la MTF basado en la detección de esta función de interfaz es viable, partiendo del análisis de imágenes del Miranda con características que permitan tal objetivo como se ha demostrado. Para mayor precisión en la determinación de la función de filo, se detecta a nivel de subpíxel la ocurrencia de las máximas variaciones de valor digital donde ocurre el máximo usando el interpolante cubico y seguidamente (Crespi et. al. 2009) se vuelve aplicar el método del mínimo cuadrado para obtener la ecua-ción de interfaz representativa de las muestras conside-radas a nivel de subpixel. En la figura 21 se observan las muestras para un total de 39 filas de la imagen y el punto de ocurrencia del valor máximo.

Figura 21. Función de Filo ESF método mínimos cuadrados en com-paración con la ocurrencia del valor máximo a nivel de subpíxel.

Conclusiones

Con este trabajo se ha demostrado la existencia de una buena respuesta relativa a nivel radiométrico de las dos cámaras así como la equivalencia en respuesta homogé-nea ante un área que muestra esas características para demostrar que efectivamente no existe perturbación ra-diométrica para cálculos de funciones asociadas con el contraste como lo es la MTF. En el análisis de las imáge-nes seleccionadas se ha constatado tal y como sugieren los estándares la existencia de elementos naturales que permiten construir la función de borde como elemento inicial para el cálculo de la MTF basado en la búsque-da de un filo de interfaz bien definido bajo la exigencia de especificaciones de las condiciones que establece el standard como lo son, el ángulo del filo y la dirección de vuelo del satélite, ancho y largo de las interfaces con valores digitales equivalentes en las zonas homogéneas, entre otros, para obtener la imagen a la cual pudiera obtenerse la función.

El objetivo siguiente a esta investigación es aplicar mé-todos numéricos que permitan obtener el resultado de la MTF a comparar con el tiempo.

Referencias

BlAnC P, (2009). A calibration test sites selection. http://calvalportal.ceos.org/c/document_library/get_fi-


le?uuid=03407bb4-89e4-4271-be26-898298780ee7&groupId=10136

CResPi m., & de VendiCtis l., (2009). A procedure for high resolution satellite imagery quality assesment. (Sen-sors 2009). pp. 3296 - 3297.

doRRonsoRo, C. (1997). Estudio de una unidad de me-dida de MTF por métodos directos. Puesta a punto, ajuste, calibración y aplicaciones. Tesis de grado Universidad de Zaragoza.

gARCíA, e y osunA, R. (1980). Fundamentos de foto-grafía digital. http://ocw.innova.uned.es/ocwuni-versia/tecnologia-electronica/fundamentos-de-fo-tografia-digital/pdf/contenidos_pdf/fundamentos.imagen.digital3.pdf

heldeR d., Choi t. & RAngAswAmy m. (2004). In-flight cha-racterization of spatial quality using point spread functions. (Taylor & Francis Group, London). ISPRS Book Series. Vol 2 pp. 151-170.

legeR, d., ViAllefont, f., VAloRge, C. & delio, P. (2004). On-orbit MTF assessment of satellite cameras. (Taylor & Francis Group, London). ISPRS Book Series. Vol 2 pp. 67-76.

Ponzoni, f., Pinto, C., Pinto, CAmARgo, R., zullo, J., homem, m. (2015). Calibracao de Sensores Orbitais. (Ofici-na de Textos, Sao Paulo). Cap. II pp. 38-42.


Uso de Drones para la Actualización Cartográfica

Julián gARCíA

Universidad Central de Venezuela. Escuela de Ingeniería Civil. Departamento de Ingeniería Geodésica.

[email protected]

RESUMEN

Con la actual posibilidad de realizar vuelos a baja altura para la adquisición de tomas aéreas que sir-van para la generación de productos cartográficos utilizando aeronaves no tripuladas de bajos costo y excelentes características de programación de vuelo estabilidad y economía, se presenta un análisis senci-llo de las alternativas tecnológicas que se encuentran disponibles hoy para realizar actualizaciones carto-gráficas. Se consideran las variables costos, tiempos de ejecución, logística y productos. Como caso prác-tico se presenta una experiencia de aplicación como apoyo a obras civiles en la generación de cartografía planimétrica y altimétrica como apoyo en las obras de la construcción de un distribuidor vial en el sector de Kempis, Estado Miranda, Venezuela.

Palabras clave: DRON, CARTOGRAFÍA, FOTOGRAME-TRÍA, VIALIDAD, INGENIERÍA.

USE OF DRONES FOR MAPPING UPDATES

ABSTRACT

With the addition of the ability to perform low-level fli-ghts for aerial photos adqusicisión for use in the gene-ration of cartographic products using unmanned air-craft for low cost and flight programmin features and excellent flight stability and economy, a simple analysis is presented of alternative technologies that are availa-ble today for cartographic updates. The variable costs, execution times, logistic and products are considered. As a practical case application experience is presen-ted as support of civil engineering works generating planimetric and altimetry mapping for the works of the construction of a traffic junction of a higway in the area of Kempis, Miranda State, Venezuela.

Keywords: DRON, CARTOGRAPHY, PHOTOGRAMME-TRY, VIAL, ENGINEER.

Introducción

Cuando resulta necesario actualizar la cartografía a es-calas de gran detalle para la planificación urbana ó

para el seguimiento de obras, siempre es posible contar con vuelos aéreos o imágenes de satélite de alta reso-lución. Surgirá entonces la pregunta de cuál alternativa escoger. En este punto se deben analizar las caracte-rísticas que más pueden influir en los costos de adqui-sición y procesamiento para obtener los productos que necesitamos. Sin embargo, son sólo algunas variables que deberán ser analizadas y que pueden determinar la selección de la tecnología a utilizar.

Análisis del problema

En el contexto entonces de buscar las soluciones tecno-lógicas más adecuadas se debe definir con atención las variables a revisar de nuestro requerimiento como por ejemplo; escala de los productos finales, periodicidad de tomas en casos de seguimiento, dimensiones del área, etc.

Una vez definidas estas variables se puede indagar en cuanto a la inversión que se necesitará realizar, eva-luando si la relación costo-beneficio de los productos esperados sea adecuada a nuestras finanzas.

Tecnologías disponibles

Hasta ahora las alternativas disponibles se centraban en imágenes de satélite de alta resolución y vuelos foto-gramétricos. Sin embargo con el desarrollo de tecnolo-


gías que mejoraron significativamente las características de navegación de drones (Figura 1), su versatilidad en cuanto a instalar dispositivos de captura de imágenes y su precio relativamente económico, contamos con otra alternativa que nos permite realizar cartografía con unas excelentes prestaciones en cuanto a escala y periodici-dad de adquisición y viene a complementar un rango de escalas no habituales para el área de la fotogrametría aunque colindantes ya con las utilizadas en el área de la topografía clásica, (Tabla 1).

Figura 1. Simulación en perspectiva de un modelo obtenido me-diante el uso de drones.

Tabla 1. Gráfico de escalas acostumbradas por tecnologías dispo-nibles.

Uso de drones

En cuanto a la utilización de los drones (Aeronave no tripulada) de manera general existen dos alter-nativas para el uso de dispositivos de captura; en primer lugar drones con cámaras incorporadas y en segundo lugar, aquellos que ofrecen la posibilidad de instalar cámaras de gran formato. En el primer caso las cámaras disponen de una resolución me-dia y un sistema óptico orientado a usos deporti-vos de focal pequeña como las cámaras deportivas GoProTM y formato pequeño, mientras que en el segundo caso podemos utilizar cámaras de gran formato de hasta 36 megapíxeles y una óptica pro-fesional de lentes intercambiables que nos permiten la selección de una focal adecuada. En ambos ca-sos tendremos que considerar una calibración rigu-rosa de la cámara antes de cada vuelo.

Parámetros de vuelo

Al momento de seleccionar altura de vuelo, focal, tama-ño de píxel y escala de toma, tenemos que considerar, como se ilustra en la figura 3 y tabla 2, sus relaciones entre ellos para luego poder definir área a cubrir por cada toma, solape, intervalo de toma, rendimientos, etc.

Figura 2. Resolución en el terreno según la altura de vuelo y dife-rentes características de cámaras comunes y fotogramétricas.

Tabla 2. Relación entre cámaras estándar / resolución espacial / altura de vuelo.


Caso práctico como herramienta de apoyo en los levantamientos topográficos en obras de ingeniería

Como caso de estudio se presenta la experiencia en la generación de planos topográficos de un área de 75 Ha. a partir de las fotografías tomadas desde un dron, de un distribuidor que forma parte de un siste-ma vial que será modificado.

La topografía aplicada a obras civiles tradicionalmen-te ha representado la solución cuando por exigencias de precisión y detalle se requieren planos con escalas mayores a 1:1.000.

Los diferentes tipos de mapas topográficos a ser pro-ducidos pueden ser de replanteo, de diseño ó modi-ficación de obra, cálculos de movimientos de tierra ó de volumen, de uso legal como adquisición, venta de terreno, entre otros.

Específicamente, para la creación de los mapas de di-seño y modificación de obras, cálculo de movimientos de tierra así como de replanteo de obras, el uso de drones representa un extraordinario apoyo ya que en poco tiempo y con un costo relativamente inferior a un levantamiento topográfico, es posible obtener produc-tos geoespaciales de gran precisión y contenido.

Sin embargo, como en todo escenario que se quiera utilizar una tecnología nueva es conveniente revisar la base teórica en que se fundamenta los procesos tales como levantamientos fotogramétricos, control terrestre, aerotriangulacion fotogramétrica, autocorrelación digi-tal de imágenes, restitución fotogramétrica, ortocorrec-ción geométrica, y las especificaciones técnicas de los instrumentos y software a utilizar.

Procedimiento

En la fase inicial de realizó la medición con GPS diferen-cial y señalización de 12 puntos de control. Se estable-cieron con marcas de 50 cm de diámetro para su fácil identificación en las fotografías.

Posteriormente se realizaron 4 vuelos de 25 Ha cubier-tos con 140 fotografías cada uno.

En la fase de procesamiento se realizó la aerotrian-gulacón para determinar la posición y orientación de cada toma. Luego por análisis de autocorrela-ción automática de imágenes se generó la Nube de Puntos y posteriormente el Modelo Digital de Super-ficie (MDS). Una vez depurado y suavizado el MDS se obtuvo el MDT (Modelo Digital de Terreno). El MDT permitió ge-nerar las ortofotografías y las curvas de nivel, Figura 3.

Figura 3. Plan de vuelo en rojo, en azul área de estudio y en ama-rillo control terrestre.


Precisiones obtenidas

Las características técnicas obtenidas al realizar el tra-bajo son las siguientes:

CONTROL TERRESTRE:

12 puntos medidos con GPS Diferencial con residuales menores a ± 2 cm

AEROTRIANGULACIÓN:

Se procesaron 1/3 de las fotografías• Error X (cm): 2.9• Error Y (cm): 0.4• Error Z (cm): 10.2• Error general (cm): 11.0

ORTOFOTO:

Resolución: 7.5 cm/pixel

MODELO DIGITAL DE SUPERFICIE:

Resolución: 25 cm/pixelNube de puntos: 15.39 ptos/m2

Tabla 3. Especificaciones obtenidas.

Y los productos obtenidos se muestran en la figura 4.

Figura 4. Ortofoto y Modelo Digital de Terreno con la cartografía interpretada y curvas de nivel.

Validación en campo

Dada la importancia que representa la información altimétrica en obras civiles, se seleccionó un área de evaluación de 3 Ha. en donde se realizaron medicio-nes de 117 puntos con una estación total, como se muestran en la figura 5.

La comparación de realizó cruzando los datos medi-dos en campo con los obtenidos del Modelo Digital de Superficie generado a partir de la Nube de Puntos.

Figura 5. Ubicación de los puntos de control para la validación.

Se obtuvieron los siguientes resultados en comparacio-nes en altura, figura 6:

Figura 6. Histograma de diferencias de cota entre el MDE genera-do con el Dron y las medidas topográficas.


Los resultados de la validación en campo de los datos altimétricos fueron:• Promedio: -0.057 m • Desviación estándar: 0.354 m

Conclusiones

Aunque se puede señalar las ventajas que ofrecen los drones para la actualización de cartografía a escalas grandes y con una frecuencia alta de toma, cuando las extensiones de las áreas a cubrir sean grandes los vuelos aéreos convencionales ó imágenes de satélite de alta resolución vuelven a presentarse entre las op-ciones con grandes ventajas.

La precisión altimétrica obtenida, aunque resulta muy buena 5.7 cm, viene acompañada de una gran desviación stándard (35.4 cm), lo que indica que en primer lugar los datos obtenidos presentan ruido y que al intentar capturar a este detalle Modelo REAL de Superficie, éste contiene excesivos detalles que si los revisamos a fondo no representan información relevante para el proyectista o ingeniero (huellas de tractor, rocas etc,). Es por ello que se recomienda utilizar este método para generar curvas de nivel con un intervalo de curvas de por lo menos 50 cm.

Referencias

PAul R. wolf. (1.974) Elements of Photogrammetry, Mc-graw- Hill Book Company.

ARthuR h. RoBinson. (1.995). .Elements of Cartography, Sihth Edition. John Wiley & Sons, INC.

213Memorias de las VI Jornadas Nacionales de Geomática y 1er Congreso Nacional de Geomática Planificación Territorial

Planificación Territorial


Mapa Digital de Clases Texturales de Suelo en un Área del Campo

Experimental de Agronomía - UCV

mARíA CoRinA PinedA1, ángel VAleRA2, Jesús ViloRiA1, Ronelly CABAlleRo1, zenAidA lozAno, deyAniRA loBo, luis

CARlos timm3

1 Universidad Central de Venezuela, Facultad de Agronomía, Instituto de Edafología, Maracay, Venezuela.

2Universidad Rómulo Gallegos, Centro de Investigación y Extensión en suelos y Aguas, San Juan de Los Morros, Venezuela. 3Universidade Federal de Pelotas, Faculdade de Agronomia Eliseu Maciel. Campus Universitário s/n.

Jardim Amé[email protected], [email protected], ronellycaballero@

gmail.com, [email protected], [email protected]. [email protected]. [email protected]

RESUMEN

Las propiedades físicas del suelo están fuertemente in-fluenciadas por la textura del suelo. La variación espa-cial de la textura del suelo en un estudio detallado de suelos es modelada convencionalmente (manualmen-te) por interpolación visual entre puntos de muestreo.

Consecuentemente, se necesita una densidad muy alta de puntos de muestreo, para obtener un mapa de suelos con una precisión aceptable. El siguiente trabajo presenta una alternativa para la obtención de un mapa de clases texturales de suelo acorde con la relación esperada suelo-paisaje. Para ello se realizó el muestreo de 86 perfiles de suelo en el campo de la Facultad de Agronomía, de la Universidad Cen-tral de Venezuela. Se aplicó kriging ordinario para interpolar entre los puntos de muestreo los valores de porcentaje de arena y arcilla. Posteriormente se elaboró un mapa de clases texturales a partir de los valores interpolados, con apoyo del software System for Automated Geoscientific Analyses (SAGA). Los re-sultados muestran que la distribución espacial de las clases texturales obtenidas coincide con la estructura de variación espacial de formas de terreno en el área de estudio. En el área de estudio predominan suelos de textura franca; en algunos sectores existen suelos franco arenosos y, en otros, suelos franco arcillosos. La variación es mayor en sentido NE-SE. Estos resulta-dos pueden ser usados para planificar el manejo agrí-cola del área tomando en cuenta las características particulares de los suelos con miras a la aplicación de métodos de agricultura de precisión.

Palabras clave: ARENA, ARCILLA, INTERPOLACIÓN, KRIGING.

DIGITAL MAP OF SOIL TEXTURAL CLASSES IN AN AREA UNDER INTENSIVE AGRICULTURE

ABSTRACT

The physical soil properties are strongly influenced by soil tex-ture. The spatial variation of soil texture is conventionally mode-led by visual interpolation between sampling points in detailed soil surveys. Consequently, a very high density of such points is needed for a soil map with acceptable accuracy. This work pre-sents an alternative procedure for obtaining a soil texture map according to the expected soil-landscape relationship. For this purpose, 86 soil profiles were sampled in the experimental field of the Agronomy Department of the Central University of Ve-nezuela. Ordinary kriging was applied to interpolate between sampling points the values of percentage of sand and clay. La-ter, a map of textural classes was drawn from the interpolated values, supported by the Automated System for Geoscientific Analyses (SAGA) software. The results show that the spatial dis-tribution of the textural classes obtained matches the structure of spatial variation of landforms in the study area. In that area, loamy soils predominate; in some sectors there are sandy loam soils and in others, clay loam soils. Variation is greater than in northwest-southeast direction. These results can be used to plan the agricultural management of the area taking into account the particular characteristics of soil with a view to the application of precision agriculture methods.

Keywords: SAND, CLAY, INTERPOLATION, KRIGING.


Introducción

En Venezuela se han utilizado distintos sistemas conven-cionales de clasificación jerárquica del paisaje (Elizalde et al., 2007, Zinck, 2013,) como base para el levanta-miento de suelo. Estos sistemas de clasificación, tenían como finalidad la subdivisión del paisaje en unidades más homogéneas (suelos-paisaje) que permitirían el or-denamiento, planificación y el manejo de las tierras.

Con el tiempo se han implementado otras técnicas de levanta-miento, que permiten obtener información básica y confiable.

El área plana de la Cuenca del Río Güey ha sido estu-diada por diversos autores (Viloria et al., 2009), debido a que la misma constituye un escenario de interés agrí-cola, educativo, de investigación y de extensión. Sin em-bargo, esta carece del nivel de detalle requerido para lograr este nivel de información.

La metodología propuesta, constituye una alternativa para la obtención de una visión amplia e integral de la estructura de los suelos y su relación con el paisaje.

El propósito de esta investigación fue realizar la carto-grafía digital de un atributo físico del suelo, relaciona-do con la composición de las unidades suelo-paisaje en áreas con escasa información detallada, usando como escenario el área plana de la cuenca del Río Güey.


Área de estudio

La investigación se realizó en marzo del 2014 en una área de aproximadamente 16 ha. localizada en el campo experimental de la Facultad de Agronomía de la Universidad Central de Venezuela en el Municipio Girardot del estado Aragua, entre las coordenadas Este 652352 y 652746 y las coordenadas Norte 1136414 y 1136852. La región se corresponde con un clima de Bosque seco tropical. La temperatura me-dia anual es 25°C, la precipitación media anual es 1.063 mm y la evaporación media anual es 1.080 mm (Servicio de Climatología Agrícola de la Facultad de Agronomía, UCV). Los suelos del área se desarro-llaron bajo la influencia de la formación Las Brisas. En general el área está cubierta por pastos, cultivos anuales, cultivos hortícolas y frutales y a lo largo de las quebradas se observan bosques ribereños.

Diseño de muestreo

Se realizó un reconocimiento inicial de campo. Pos-teriormente se efectuó un muestreo de suelos en cua-driculas para cubrir toda la variabilidad observada. Para el diseño de cuadricula se seleccionó una dis-tancia de 50 m, basados en distancias de muestreo realizados con anterioridad en áreas aledañas, don-

de se indicó que la distancia que mejor resuelve el patrón de variación de los suelos está entre 61.5 y 100 m (Ovalles y Rey, 1994). Para un total de 86 puntos de muestreo. Adicionalmente se realizó un muestreo en transectas (Figura 1) para tomar mues-tras para la validación.

Figura 1. Distribución de los puntos de muestreo en el campo. Los puntos rojos corresponden a puntos en la cuadricula y los puntos azules corresponden a puntos del muestreo en transecta (validación).


Cada punto de muestreo fue localizado en campo con apoyo de un receptor GPS con precisión de 3 m. En cada punto de muestreo se tomó una muestra de suelo de 0 a 20 cm y de 20 a 40 cm de los horizontes su-perficiales para determinar el contenido de arena (%) y arcilla (%) por el método Bouyoucos (UCV, 1993). Las determinaciones analíticas fueron realizadas en el Laboratorio General de Suelos de la Facultad de Agro-nomía de la Universidad Central de Venezuela. Para la clasificación textural se usó el sistema de United States Department of Agriculture USDA (SSS, 1999).

Análisis estadístico

Se realizó un análisis estadístico descriptivo para examinar el comportamiento de las variables e iden-tificar valores atípicos. Se consideraron como atípi-cos los valores mayores o menores que las cercas externas de la distribución de los datos, de acuerdo al procedimiento propuesto por Tukey (1977). Adi-cionalmente se realizó la prueba de normalidad de Kolmogorov-Smirnov.

Generación de mapa clases texturales

Finalmente se desplegaron los datos y se les realizó el ajuste de la distribución de los mismos a un semivario-grama teórico, determinándose posteriormente la de-pendencia espacial o rango (A1).

A partir del semivariograma se pudieron obtener estimados óptimos de ambas variables (arena y arcilla) regionalizadas en sitios no muestreados, a través del kriging que no es más que un método de interpolación (Webster y Oliver, 2007).

Los mapas de interpolación de las diferentes variables consideradas, producidos por kriging fueron exportados al software System for Automated Geoscientific Analyses (SAGA), con el cual se generó un mapa de predicción de clases texturales. El mapa de clases texturales se obtuvo por medio del algoritmo grid creado por Massei, (2007) basado en el esquema USDA de clases texturales de suelo.


Análisis estadístico

La tabla 1 muestra que las variables arena y arcilla presentan distribución normal, ya que los valores de Z son mayores a 0,05. Una vez realizada la prueba

Tabla 1. Prueba de Normalidad.

PARÁMETRO ARCILLA (%) ARENA (%)

Media 14,58 43,41

Desviación típica 3,97 11,20

Z de Kolmogorov-Smirnov 0,84 0,91

Sig. asintót. (bilateral) 0,48 0,38

Figura 2. Semivariograma de la variable arcilla.

de normalidad se realizó el ajuste a un semivariograma teórico, en este caso, lineal sin umbral y exponencial (Figuras 2 y 3).

Figura 3. Semivariograma de la variable arena.


Figura 5. Distribución de valores de Arena.Figura 4. Distribución de valores de Arcilla. Figura 6. Mapa de distribución de clases texturales.

Las figuras 4 y 5 muestran la distribución espacial de las variables arcilla y arena, respectivamente, en los sitios no muestreados por medio de la interpolación kriging ordinario, una vez obtenido el modelo de variación espacial.

Finalmente se generó el mapa de predicción de cla-ses texturales (Figura 6), el cual muestra el predomi-

Conclusiones

La dependencia espacial de ambas variable se alcan-za entre 35 y 63 m.

La textura de suelo predominante es la franca, presen-tándose en algunos sectores texturas franco arenoso o franco arcilloso. Esta variación se presenta en sentido

nio de la textura franca (23-52 % de arena, 7-27 de arcilla) y sectores de texturas franco arcilloso (20-45% de arena, 27-40 de arcilla) y franco arenosa (70-86 de arena; 0-15 de arcilla) que se correspon-de con lo esperado en la planicie aluvial. Los suelos franco arcillosos abarcan una superficie de 1,92 ha, los suelos franco arenosos 1,79 ha y los suelos fran-cos 12,11 ha.


Noreste Sudeste, lo cual se corresponde localmente a la distribución esperada, de acuerdo a la localización del rio y de las formas de terreno eje, napa, cubeta.

Agradecimientos


Referencias

elizAlde, g., ViloRiA, J., y RosAles, A. (2007). Geografía de suelos de Venezuela. Geo Venezuela 2. Medio Físi-co y Recursos Ambientales, Capitulo 15. Fundación Empresas Polar. Caracas, Venezuela. 2: 402-535.

mAssei, g. (2007). System for an Automated Geo-Scien-tific Analysis/Module Library/grid_analysis/Soil_Texture.cpp/Copyright (C).

oVAlles, f. y Rey, J. (1994). Variabilidad interna de uni-dades de fertilidad en suelos de la depresión del lago de Valencia. Revista Agronomía Tropical. 44(1): 41-65.

tukey, J. (1977). Exploratory Data Analysis. Addi-son-Wesley Pub. Reading, EUA.

uniVeRsidAd CnetRAl de VenezuelA. (1993). Métodos de análisis de suelos y plantas utilizadas en el Labo-ratorio General del Instituto de Edafología. Cuader-nos de Agronomía: Publicación sobre la difusión del conocimiento sobre suelo. Facultad de Agronomía. Instituto de Edafología. Maracay. 89 p.

soil suRVey stAff. (1999). Soil Taxonomy: a basic sys-tem of soil classification for making and interpreting soil surveys. 2nd. Edition. USDA Soil Conservation Service, Agricultural Handbook N° 436, US Gover-nment Print Office, Washington.

ViloRiA, J., núñez, y., mAChAdo, g. , elizAlde, g., PinedA, m. (2009). Variación espacial del suelo y el paisaje en la cuenca alta del río Güey, estado Aragua, Venezuela. Revista de la Facultad de Agronomía. Vol 35, No 2.

weBsteR, R. & oliVeR, m. A. (2007). Geostatistics for En-vironmental Scientists. Second Edition. Wiley, Chi-chester. 330p.

zinCk, J.A. (2013). Geopedology. Elements of geomor-phology for soil and geohazard studies. ITC Special Lecture Notes Series, Enschede, The Netherlands.


Estudio de la Expansión Urbana de las Principales Ciudades de

Venezuela Utilizando Técnicas de Geomática

JofmAR l. sánChez B., AimARA Reyes

Ministerio del Poder Popular para Ciencia, Tecnología e Innovación. Fundación Instituto de Ingeniería para Investigación y Desarrollo Tecnológico. Centro de

Procesamiento Digital de Imá[email protected] ; [email protected] ; [email protected]

RESUMEN

La detección de cambios se ha convertido en una apli-cación importante de los datos multiespectrales y mul-titemporales en las imágenes satelitales para estudios de recursos naturales, culturales y la planificación terri-torial. Debido a la constante adquisición de imágenes en el tiempo, es posible determinar la extensión de los cambios que se dan en el medio ambiente. Para llevar a cabo éste proceso se han utilizado algunas técnicas digitales para detección de cambios, tales como: so-breposición de imágenes, diferencia entre imágenes y análisis de componentes principales, etc. La serie Land-

sat y Spot cuenta con una disponibilidad de datos de más de 25 años de trayectoria lo que ha permitido realizar trabajos de detección de cambios urbanos con rangos de tiempo mayores a los 20 años. En este tra-bajo de investigación se propone el uso de tecnologías asociadas a la teledetección para realizar un estudio multitemporal de la expansión urbana en 3 ciudades principales de Venezuela y con la finalidad de realizar mapeos de precisión sobre el crecimiento urbano de las ciudades y mostrar cuales áreas tuvieron mayor im-pacto de crecimiento y cambio.

Palabras clave: DETECCIÓN DE CAMBIOS, SENSOR LANDSAT 4 Y 5, SPOT 5, TELEDETECCIÓN, MULTITEM-PORALIDAD, EXPANSIÓN URBANA.

STUDY OF URBAN EXPANSION OF THE MAIN CITYS FROM VENEZUELA USING TECHNIQUES

GEOMATICS

ABSTRACT

Change detection has become an important applica-tion of multispectral and multi-temporal data on satellite imagery for studies of natural, cultural resources and te-rritorial planning. Due to the constant image acquisition time, you can determine the extent types of changes that occur in the environment. To carry out this process has been used by some digital techniques to detect

changes, such as overlaying images, the difference be-tween images and principal component analysis, etc. The Spot and Landsat series has a data availability of more than 25 years of experience which has enabled detection work urban changes with time ranges greater than 20 years. In this research using remote sensing technologies associated for a multitemporal study of ur-ban sprawl into 3 main cities of Venezuela and aims to make precision mapping on urban growth of cities and show which áreas are proposed they had greater impact of growth and change.

Keywords: CHANGE DETECTION, SENSOR LANDSAT 4 AND 5, SPOT 5, REMOTE SENSING, MULTITEMPO-RALITY, URBAN EXPANSION.

Introducción

Venezuela es un país donde la mayor parte de su población vive en zonas definidas como urbanas esencialmente en ciudades, pueblos y otras áreas densamente pobladas. Históricamente, el proceso de ocupación territorial ha sido con una alta concentra-ción de la población y de actividades económicas al norte del río Orinoco en áreas urbanas, siendo hacia el sur un proceso más disperso y con escasas activida-des económicas. De acuerdo a los datos de proyección de población del Instituto Nacional de Estadística (INE) sólo 5 ciudades venezolanas concentran el 21,7% de


la población, estas ciudades son: Caracas 2.091.452 hab., Maracaibo 1.473.453 hab., Barquisimeto 1.051.337 hab., Valencia 849.819 hab., y Ciudad Guayana 781.940 hab.; el 39,7% de la población vive en ciudades con menos de 500.00 habitantes y el 38,6% con menos de 100.000 hab. (INE, 2010). Este desequilibrio en el patrón de poblamiento le ha resta-do dinamismo al territorio y a su vez ha creado graves problemas sociales en sus principales ciudades, tales como estancamiento-migraciones-marginalidad.

La detección de cambios consiste en identificar diferen-cias en el estado de una característica o fenómeno por observaciones que se hacen en diferentes épocas. Las imágenes de sensores remotos ofrecen una fuente in-valuable de datos para detectar y seguir cambios de un determinado fenómeno o variable ambiental en el tiempo y en el espacio.

En Venezuela no se han reportado estudios sobre la aplica-ción de técnicas de geomática que muestre a las ciudades y sus aéreas de expansión a través de imágenes de satélites, de todo esto se deriva la importancia de la investigación.

El trabajo de investigación se apoyó en metodologías usadas frecuentemente en el desarrollo de investiga-ciones asociadas a la Geomática, estableciendo al-goritmos muy específicos en temas de detección de cambios en las áreas urbanas.

El área de estudio corresponde a tres ciudades de Venezuela. (Barquisimeto, Ciudad Bolívar y Puerto La Cruz-Barcelona).

Fundamento teórico

Uno de los aportes más destacados de la Percepción Remota al estudio del medio ambiente es su capacidad para seguir procesos dinámicos. La información adquiri-da por un sensor situado en una órbita estable y repeti-tiva, como son las imágenes de satélite, constituyen una fuente muy valiosa para estudiar los cambios que se pro-ducen en la superficie terrestre, Chuvieco (1.996), ya sean debidos al ciclo estacional de las cubiertas, a ca-tástrofes naturales o a alteraciones de origen humano. El ritmo máximo de observación depende de la resolución temporal del sensor aunque en términos prácticos ese período se amplía, si consideramos la cobertura nubosa o posibles problemas generados por el sensor, variando con los sistemas disponibles entre 30 minutos, para los satélites geo-estacionarios y varias semanas para los de estudios de recursos naturales con órbita polar.

Así, la frecuencia de observación puede adaptarse al estudio de diversos problemas, desde la dinámica at-mosférica, que requiere una observación continua, has-ta los cambios urbanos o agrícolas, que sólo precisan actualización en el orden de varios meses o años. En los comienzos de la percepción remota la resolución espa-cial del sensor se consideraba el elemento más crítico

para valorar su potencialidad, actualmente la resolución temporal se califica como un criterio más protagonista, al acentuarse la necesidad de contar con información suficientemente actualizada.

Etapas para llevar a cabo un estudio de detección de cambios usando datos de imágenes de satélite

Presentación del problema:

• Definir el área de estudio.• Definir la frecuencia de la detección de cambios

(ejemplo: multi-estacional, multi-anual).• Datos de percepción remota año base (tiempo n)

Años(s) subsecuentes (tiempo n-1 ó n + 1).• Identificar las clases a partir de un sistema de clasi-

ficación de uso y cobertura de la tierra apropiado.

Del sistema de percepción remota:

• Resolución temporal, espacial, espectral y radiométrica.

Pre-procesamiento de datos multi-temporales:

• Corrección geométrica y coherencia espacial de los elementos.

• Homogenización radiométrica.• Selección del algoritmo para detectar cambios.• Clasificación digital de la imagen (si es necesario).


Presentación de resultados:

• Productos digitales de detección de cambios.

Objetivo general

Estudiar la expansión urbana en las ciudades de Bar-quisimeto, Puerto La Cruz y Ciudad Bolívar aplicando herramientas de Geomática específicamente en la de-tección de cambios temporales.

Objetivos específicos

• Calibrar radiométrica y espacial de las imágenes sa-telitales de Landsat 4, Landsat 5 y Spot 5.

• Aplicar métodos de detección de cambios espaciales y temporales de la expansión urbana en las ciudades de Barquisimeto, Puerto La Cruz y Ciudad Bolívar.

• Analizar los resultados en los cambios espaciales de las áreas urbanas en las ciudades de Barquisimeto, Puerto La Cruz y Ciudad Bolívar.

Área de estudio

El estudio se realizó en tres ciudades principales de Venezuela las cuales integran distintas regiones dentro del territorio nacional, dichas ciudades fueron: Barqui-simeto, Ciudad Bolívar y Puerto La Cruz-Barcelona. (Figura 1).

Figura 1. Situación relativa de las áreas de estudios en el territorio nacional.

La temporalidad para la investigación entre la fecha inicial y la fecha final de las imágenes de satélite que-do establecido en un rango aproximadamente de 20 años de tiempo por lo que se considera un trabajo de detección de cambios multi-anual, este rango de tiempo permitió observar los cambios sustanciales de crecimiento de las ciudades.

Las características que serán evaluadas en las imá-genes de satélite serán las concernientes a las que presentan mayor repuestas espectral en las áreas ur-

banas, dichas áreas urbanas la contemplarán todos aquellos elementos que están asociados a actividades antrópicas tales como: áreas residenciales, comercia-les, industriales, vialidad en sus diferentes tipos (pavi-mentada, asfaltadas, de tierra, engranzonada, etc.), terrenos sin uso aparente muy próximos a las grandes urbes y movimiento de tierras importante producto de obras de ingenierías.


A continuación se presenta los sensores utilizados y sus características de resoluciones:

Satélites Landsat 4 y 5

Para este estudio de cambios en las zonas de expansión urbana de las 3 ciudades escogidas se usaron datos provenientes de la serie Landsat 4 y 5 para tener las fechas previas entre el rango de 1985-1990.

Landsat-4 y 5 fueron lanzados respectivamente en 1982 y 1984. Tienen un ángulo de inclinación de 98.3° y un período de 98.5 minutos. Los satélites realizan de 14 a 15 revoluciones por día con distancias entre rutas de 2,752 km. Se sobreponen la misma ruta cada 16 días. La principal diferencia entre Landsat-4 y 5 respecto a los Landsat previos, es que los RBV han sido removi-dos y reemplazados con una nueva generación de MSS


los llamados satélites generadores de mapas temáticos (TM). Este sensor proporciona más bandas espectrales y ofrece una resolución terrestre mejorada.

El TM tiene tres bandas visibles, una infrarroja cercana y dos medianas con una resolución terrestre de 30 metros de tamaño de celda y una banda IR térmica con un tamaño de celda de 120 metros de resolución terrestre (Tabla 1).

Tabla 1. Las características de los sensores TM del Landsat 4 y 5.

CARACTERÍSTICAS SENSOR MULTIESPECTRAL

Resolución espacial 30 metros

Resolución espectral

B1 = 0.45 – 0.52 μm (violeta-azul)

B2 = 0.52 – 0.60 μm (verde)

B3 = 0.63 – 0.69 μm (rojo)

B4 = 0.76 – 0.90 μm (IR cercano

B5 = 1.55 – 1.75 μm (IR mediano)

B6 = 10.40 – 12.50 μm (IR lejano ó térmico)

B7 = 2.08 – 2.35 μm (IR mediano)

Capacidad de adquisición estereoscópica No

Cobertura 185 x 185 kilómetros

Revisita 57 días

Ángulos de toma IFOV 0.043 mrad (excepto Banda 6 : 0.170 mrad)

Para el estudio en los cambios que ocurrieron en las ciudades escogidas se usaron datos provenientes del satélite SPOT 5 para tener las fechas previas entre el rango de 2007-2009.

Satélite Spot 5

Los satélites Spot (Sistema Probatorio de Observación de la Tierra o Satélite Para la Observación de la Tierra) son una serie de satélites de teledetección civiles de ob-servación del suelo terrestre. Spot-5 fue lanzado el 3 de mayo de 2002, con la innovación del Súper-Modo, que permite la creación de una imagen con 2,5 metros de

Tabla 2. Las características del sensor VHR Spot 5.

CARACTERÍSTICAS PANCROMÁTICA MULTIESPECTRAL

Resolución espacial 2,5 metros 10 metros

Resolución espectral 0,48 - 0,71 µm

Banda 1: Verde (0,50 - 0,59 µm)

Banda 2: Rojo (0,61 - 0,68 µm)

Banda 3: Infrarrojo cercano (0,78 - 0,89 µm)

Banda 4: Infrarrojo medio (IRM) (1,58 - 1,75 µm) a 20 m

Capacidad de adquisición estereoscópica Si

Cobertura 60 x 60 kilómetros

Revisita 26 días

Ángulos de tomaToma Cross-track: +-27º

Forward/Backward: 20º

resolución a partir de dos imágenes de 5 metros adqui-ridas simultáneamente con un semi-píxel de desfase. Su combinación se realiza mediante técnicas avanzadas de tratamiento y restauración de imágenes. (Tabla 2).

Características de las imágenes usadas

Para la escogencia de las imágenes se estableció los si-guientes requisitos y estas fueron basadas en el siguien-te orden de jerarquía en la búsqueda:

• Nivel de procesamiento de las imágenes en L1 y 1A (corrección radiométrica sin corrección geométrica)


metadatos para realizar calibraciones radiométricas y ortorectificaciones.

• Cobertura de nubes sobre las ciudades menor ó igual al 5 %.

• Bandas espectrales homogéneas entre ambos satélites.Las imágenes fueron adquiridas en el caso de las Land-sat por el servidor de datos gratuitos de Earth Explorer proveniente del Departamento geológico de los Estados Unidos. Las imágenes del satélite SPOT 5 fueron adqui-ridas por el servidor de Datos del proyecto LPAIS del Instituto de Ingeniera. (Tabla 3).

SATÉLITE SENSOR ÍNDICE FECHA CIUDAD TIEMPO (AÑOS)

Landsat 4 TM 005/053 03/11/1988Barquisimeto 20

Spot 5 VHR 654/330 28/01/2008

Landsat 5 TM 001/054 13/12/1989 Ciudad Bolívar 21

Spot 5 VHR 667/334 01/01/2010

Landsat 4 TM 002/053 03/04/1990 Puerto La Cruz 18

Spot 5 VHR 664/330 16/04/2008

Tabla 3. Imágenes usadas de los satélites Landsat y Spot 5.

Figura 2. Pasos a seguir para la detección de cambios en áreas urbanas.

des manejándose en promedio diferencias de fechas de 19,66 años.

Metodología

Los métodos a emplear para la detección de cambios de las áreas de expansión urbanas se categorizaron en tres fases (Figura 2).

Normalización radiométrica

Un importante problema en la detección de cambios es el producido por las variables: condiciones de ob-servación, situaciones atmosféricas o condiciones de calibración del sensor. Estos efectos modifican la firma espectral de un píxel, aunque se mantenga constante la cubierta. En consecuencia, es preciso homogenizar ó normalizar los niveles digitales (ND) de las imágenes que intervienen en el análisis.

Para ello, puede optarse por un doble enfoque:

1. Calibrar los ND de modo absoluto, convirtiéndolos a medidas de reflectividad.

2. Equiparar los ND entre imágenes con métodos de normalización relativa.

Para la investigación se recurrió a una normalización re-lativa basada en la información radiométrica intrínseca en las imágenes como un método alternativo donde no es necesario conocer la radiancia absoluta de las imá-genes (Canty, 2010). Para realizar una normalización radiométrica relativa, se asume que la relación entre las radiancias recogidas por los sensores en dos tiempos diferentes de regiones con una radiancia constante se puede aproximar a una función lineal. Para estas tareas se utilizó el IAR reflectance de ENVI 5.1.

Es importante destacar que por la poca disponibi-lidad en catálogo de ambos servicios de imágenes consultados y según los criterios de elegibilidad que anteriormente se describieron, no se pudo establecer fechas de temporalidad exactas para todas las ciuda-

Fase I

En esta primera fase se preparan las imágenes para poderles aplicar los métodos de detección de cam-bios. Comprende tres pasos, normalización radiomé-trica, corrección geométrica, remuestreo del píxel y subset espacial.


Corrección geométrica y co-registro espacial entre imágenes

Para abordar digitalmente la detección de cambios es preciso que las imágenes se ajusten con gran nivel de detalle, ya que de otro modo se estaría detectando como transformaciones lo que sería sólo fruto de una falta de ajuste entre imágenes (Hord, 1982). El efecto puede lle-gar a ser muy grave, especialmente cuando se trata de detectar categorías con una gran variabilidad espacial, como es el caso de las urbanas (Gordon, 1980).

En investigaciones relacionadas con detección de cam-bios temporales y espaciales, un elemento crucial es el ajuste espacial entre las imágenes que deberían tener valores de desplazamiento +- 0,5 del píxel.

Se realizaron ortorectificaciones con parámetros orbi-tales usando los RPC contenidos en las imágenes SPOT 5 y usando el SRTM de 30 metros proveniente de la NASA. La calidad planimétrica de este método de orto-rectificación es de aproximadamente 30 metros en error circular, siendo imágenes para elaborar cartografía a escalas 1:100.000 a menores.

Luego estas imágenes sirvieron para co-registrar las imá-genes del satélite Landsat, esto es un punto crucial en dicha para obtener comparaciones espaciales-tempora-les congruentes ya que las imágenes que no han sido

Figura 3. Imágenes con buen registro espacial (A) y con un errado registro espacial (B).

Figura 4. Metodología para el co-registro entre imágenes de dife-rentes fechas.

Para realizar el co-registro preciso de las imágenes usadas para todas las ciudades se utilizó el softwa-re especializado ERDAS con su módulo AutoSync. (Figura 4).

precisamente co-registradas exhibirán ciertos comporta-mientos predecibles en la imagen de cambio resultante arrojando resultados erróneos al comportamiento propio del fenómeno que se esté estudiando. A lo largo de las carreteras y los bordes de los edificios puede haber de-tecciones de cambio relacionado con el ligero desajuste de los píxeles que se están comparando. (Figura 3).

Resultará un registro erróneo de un píxel a través de un par de imágenes, por ejemplo, en un píxel que representa el bor-de de una carretera que se comparan a un píxel correspon-diente al campo de vegetación en un lado de la carretera.

Re-muestreo y subset espacial

Esta tarea corresponde a homogenizar el tamaño de píxel de ambas imágenes de entradas para que el re-sultado de la comparación tenga una coherencia de es-cala espacial, así pues se establece un tamaño de pixel para las imágenes de entradas y salidas que fueran de


30x30 metros. Se re muestrearon las imágenes del sen-sor Spot 5 a 30 metros ya que su tamaño original son de 10 metros. Se realizó subset espacial de las imágenes que no es más que el corte de una escena a una porción reducida en el terreno que permita obtener una compa-ración espacial en cobertura del terreno idéntica y así también tener resultados coherentes.

Fase II

En esta segunda fase se escogió el método de detección de cambio a utilizar y se aplican a las imágenes previa-mente procesadas en la fase I.

La detección de cambios

Es la identificación y localización de cambios en el esta-do de un objeto o fenómeno a través del examen en los cambios de valores de reflectividad entre conjuntos de imágenes multi-temporales. Las premisas básicas en la detección de cambios son que los cambios en el terreno generan cambios en los valores de reflectividad y estos son más grandes si se comparan con los cambios en valores de reflectividad producidos por otros factores, como las diferentes condiciones atmosféricas, de ilumi-nación y ángulo de toma de la imagen. Existe una diver-sidad de métodos de detección de cambios y se pueden clasificar de la siguiente manera:

1. Detección de cambios a nivel pixel (PLCD, Pixel Level Change Detection).

Las técnicas a nivel pixel son aquellas que buscan la diferencia en valores de reflectividad entre los pixeles de las dos imágenes a comparar. Entre ellas se encuentran:

• Diferencia de imágenes.• Cocientes multi-temporales.• Análisis del vector de cambio.• Comparación post-clasificación.

2. Detección de cambios a nivel de características (FLCD, Feature level Change Detection).

La detección de cambios a nivel de características es un nivel más avanzado de procesamiento que el basa-do en pixel.

Se basa en las transformaciones en las propiedades espectrales o espaciales de una imagen multiespectral. Como las siguientes:

• Análisis de Componentes Principales.• Transformación Tasseled Cap.• Magnitud de cambios y pendiente.• Diferencia de índices de vegetación.• Multivariate Alteration Detection (MAD).

Figura 5. Metodología para la detección de cambios en las áreas de expansión urbanas. INAU: índices normalizados de áreas urba-nas. NDVI: Índice normalizado de vegetación

3. Detección de cambios a nivel de objeto (OLCD, Object level Change Detection).

Se basa en la segmentación multiescala y la tecnología de modelado relacional. El método escogido para la investi-gación de cambios de la expansión urbana fueron los pri-meros basados a nivel de pixel y algunos métodos del se-gundo basados en las características de transformaciones espectrales y espaciales, también se ejecutaron algoritmos y tareas con un combinado de estos métodos para obtener resultados más precisos en los cambios. (Figura 5).


Diferencia entre imágenes

Una simple resta entre las imágenes de dos fechas, pre-viamente homogenizadas radiométrica y geométricamen-te, permite discriminar aquellas zonas que han experi-mentado cambios entre esas fechas. Las zonas estables presentarán un valor cercano a cero, mientras que las que han experimentado cambios tendrán valores signifi-cativamente distintos a cero (positivos o negativos). Si el equipo de procesamiento digital no permite visualizar va-lores negativos, conviene añadir al cálculo una constante para evitarlos. Resumiendo: NDc= NDt2- NDt1+K.

Donde NDc indica el ND correspondiente a la imagen de cambios, NDtl y NDt2 los correspondientes niveles digitales a las imágenes de la primera y segunda fe-cha, respectivamente y K es una constante para evitar valores negativos.

Como resultado de este cálculo se obtiene una imagen de cambios, que presentará tonos oscuros para las zo-nas que hayan reducido sus ND, los más claros para aquellos que han ganado espacios y los intermedios para las zonas estables (Figura 6).

Diferencia Magnitud

El algoritmo de diferencia de magnitud calcula la mag-nitud (fórmula 1) de brillo para cada píxel a través

Figura 6. Metodología para la detección de magnitud de cambios en las áreas de expansión urbanas.

(1)

Esto proporciona una medida de cambio a través de todas las bandas en una imagen. Este enfoque de de-tección funciona bien para muchos tipos de fenómenos que cambian de valor de luminosidad de un píxel en todas las bandas espectrales. Esto incluye eventos de presencia/ausencia cuando el fondo es muy diferente a la de destino, por ejemplo, cuando un vehículo brillante se mueve a buscar un estacionamiento de asfalto. Así mismo, los cambios de agua a la arena seca brillante, como los niveles del río retroceden sería otro fenómeno que se presta bien a la detección por el proceso de diferenciación de magnitud.

La diferencia relativa de estas cantidades se calcula en-tonces usando la fórmula de diferencia relativa DeltaCue y el resultado será un mapa coloreado que representará clases de magnitudes de cambios que será incluido en una capa de SIG para la integración de un modelo y generación de estadísticas.


Los resultados corresponden a la Fase III de una in-vestigación basada en detección de cambios y que se describen a continuación.

Antes de comenzar con la descripción sobre los pro-cedimientos para la construcion de mapas de cambios en la áreas urbanizadas hay que aclarar que dado

de todas las bandas en la imagen basándose en la siguiente fórmula:

Valor de magnitud de un píxel en el tiempo 1 se resta de su valor en el tiempo 2 y la diferencia relativa se calcula utilizando la fórmula anterior.


que dichas áreas estan compuestas por una diversidad de materiales tales como concreto, asfaltos, materia-les metálicos, techos de arcillas y hasta suelo desnu-do como potenciales áreas de expansión urbanas, se ha decidido tomar este grupo de informacion como un todo, quedando asi que las áreas de categorias urbani-zadas serán un compendio de todos los elementos que fueron registrados por el sensor y que fueron nombra-dos anteriormente.

A continuación de explica los pasos desde el punto de vista computacional que sirvieron para la construción de mapas de cambios de las áreas urbanizadas para cada una de las ciudades, se utilizaron los software ENVI 5.1 y Erdas 2014 especiaficacmente los módulos Matemática de bandas, Post clasificacion; deteccion de cambios y DeltaCue.

Como primer paso, se hizo necesario la escogencia de las bandas basado con Análisis de las bandas espec-trales que reflejan mayor porción de la energía en ele-mentos asociados con las áreas urbanizadas y las que menos reflejan, esto con el fin de construir los Índices Normalizados de Áreas Urbanas (INAU).

Fórmula:(Bar – Bbr) / (Bar + Bbr)Bar: banda con alta reflectividad en áreas urbanasBbr: banda con baja reflectividad en áreas urbanas

Figura 7. Perfiles espectrales para la ciudad de Barquisimeto, so-bre imagen Landsat 4 y Spot 5.

Se escogieron para el satélite Spot 5 las bandas espec-trales: 2 (infrarojo rojo) y la banda 3 (infrarojo cercano). (B2 – B3) / (B2 + B3). Obteniéndose los siguiente re-sultados de imágenes de INAU. (Figura 8).

Figura 8. Indices de áreas urbanas en las imágenes de Landsat 4 1988 y Spót 5 2008.

Luego se generaron los NDVI de cada una de las escenas para ser usado como mascaras espaciales e ir extrayen-do toda aquella vegetacion que esta dentro de las gran-des áreas urbanizadas y asi obtener una superficie mas precisa. (Figura 9).

Figura 9. Mapas de áreas urbanas para las fechas de 1988 y 2008.

Barquisimeto

Se realizaron varios perfiles espectrales a las bandas de las imágenes en distintas zonas, sobre elementos aso-ciados con áreas urbanas para determinar las bandas a ser usadas para cada uno de los sensores. (Figura 7).

Se escogieron para el satélite Landsat 4 del sensor MSS las bandas espectrales: 5 (infrarojo medio) y la banda 3 (rojo). (B5 – B3) / (B5 + B3).


A su vez se aplicó un filtrado de post clasificación a los re-sultados (sieve class) que busca en desechar aquellos ele-mentos aislados que no representan importancia dentro de los índices ya contruidos, se utilizó el criterio de la uni-dad mínima mapeble para escoger el umbral de píxeles mínimos que deben ser grupos a escala 1:100.000 que sera la escala de los productos de salida.

El principio del área mínima cartografiable permite lo-grar coherencia en la representación espacial y eficien-cia en la lectura y utilidad del mapa en formato impreso. Este principio indica que a partir de determinada área espacial, los polígonos y sus correspondientes conteni-dos deben ser generalizados; de lo contrario, dificulta-rían la distinción por parte del usuario cuando se lea en formato analógico (Salitchev 1979). (Tabla 4).

Según la tabla de la relación entre la resolución es-pacial del píxel de algunos satélites ópticos con la unidad mínima cartografiable hecho por Lensinas y Siebert, establecen que para el sensor landsat de 30 metros la produción de cartografía queda establecida para escalas 1:100.000 con unidad mínima de mapeo (5mm2)/1mm=5 ha/100m estableciendo entonces que la generalización de los datos sera de 10.89 píxeles.

Luego se enmascaró las áreas que representan nubosidad para ser eliminadas de los productos finales quedando de los resultados de la siguiente manera (Figura 10 y 11 y tabla 5).

Tabla 4. Área mínima cartografiable para diferentes escalas.

Fuente: Salitchev (1979).

Figura 10. Mapa de cambios de las áreas urbanas de la ciudad de barquisimeto entre el periodo 1988 - 2008.

Figura 11. Porcentaje de superficie de áreas urbanas para cada año de estudio en la ciudad de Barquisimeto.

Tabla 5. Cálculo de superficies de áreas urbanas para cada año de estudio en la ciudad de Barquisimeto.

Sensor Píxelescalculados

Áreacalculada (M²)

Áreacalculada

(ha)

Porcentaje (%)

Landsat 1988 56,268 50.641.200 5.064,12 13.371

Spot 2008 42,684 38.415.600 3.841,56 10.143

Resto 321,873 289.685.700 28.968,57 76.486

TOTAL 420825 378.742.500 37.874,25 100


La fórmula para calcular el área total de superficie urbanizada es:

Porcentaje (%) total de expansión = Porcentaje (%) de la fecha Final - Porcentaje (%) de la fecha inicial

Donde un resultado de valor positivo (+) expresa que hubo expansión urbana y si el resultado es un valor ne-gativo (-) expresa que hubo una contracción de las áreas urbanizadas.

PEUCB = 13,371 – 10,143 = 3,228 %PEUCB: Porcentaje de expansión urbana para la ciudad de Barquisimeto.

El resultado de expansión urbana para la ciudad de Bar-quisimeto fue del 3,228 % en un periodo de 20 años.

A continuación se repiten los mismos procedimientos an-teriores para el resto de las ciudades estudiadas.

Puerto la Cruz

Perfiles espectrales hechos a la ciudad de Puerto La Cruz y Barcelona (conurbación). (Figura 12).

Se escogieron para el satélite Landsat 4 del sensor MSS las bandas espectrales 5 (infrarojo medio) y la banda 3 (rojo). (B5 – B3) / (B5 + B3).

Se escogieron para el satélite spot 5 las bandas espec-trales 2 (infrarojo rojo ) y la banda 3 (infrarojo cercano). (B2 – B3) / (B2 + B3)

Obteniéndose los siguiente resultados de imágenes de INAU. (Figura 13, 14 y tabla 6).

Figura 12. Perfiles espectrales sobre imagen Landsat 4 1990 y Spot 5 2008.

Figura 13. Índices de áreas urbanas en las imágenes de Landsat 4 1988 y Spót 5 2008.

Figura 14. Mapa de cambios de las áreas urbanas de la ciudad de Puerto La Cruz – Barcelona entre el periodo 1988 - 2008


Tabla 6. Cálculo de superficies de áreas urbanas para cada año de estudio en la ciudad de Puerto La cruz – Barcelona.

SENSOR PÍXELESCALCULADOS

ÁREACALCULADA

(M²)

ÁREACALCULADA

(HA)

PORCENTAJE (%)

Landsat 1988 19.775 17.797,500 1.779,75 6.894

Spot 2008 25.890 23.301,000 2.330,10 9.025

Resto 241.193 217.073,700 21.707,37 84.081

TOTAL 286.858 258.172,200 25.845,9058 100

PEUCPB = 9,025 – 6,894 = 2,131 %PEUCPB: Porcentaje de expansión urbana para la ciu-dad de Puerto La Cruz - Barcelona.

Figura 15. Porcentaje de superficie de áreas urbanas para cada año de estudio en la ciudad de Puerto La cruz-Barcelona.

Figura 16. Perfiles espectrales sobre imagen Landsat 5 1989 y Spot 5 2010.

Obteniendose los siguientes resultados de imágenes de INAU (Figura 17, 18 y tabla 7).

El resultado de expansión urbana para la ciudad de Puerto La Cruz - Barcelona fue del 2,131 % en un período de 20 años.

Ciudad Bolívar

Se escogieron para el satélite landsat 5 del sensor MSS las bandas espectrales 5 (infrarojo medio ) y la banda 3 (rojo). (B5 – B3) / (B5 + B3).

Se escogieron para el satélite spot 5 las bandas espec-trales 2 (infrarojo rojo) y la banda 3 (infrarojo cercano). (B2 – B3) / (B2 + B3) (Figura 16).

Figura 17. Mapa de cambios de las áreas urbanas de Ciudad Bolívar entre el periodo 1989 – 2010.

PEUCCB =14,4 – 4,735 = 9.665 %PEUCCB: Porcentaje de expansión urbana para la ciudad de Ciudad Bolívar.

El resultado de expansión urbana para ciudad de Ciu-dad Bolívar fue del 9.665 % en un periodo de 21 años.


Tabla 7. Cálculo de superficies de áreas urbanas para cada año de estudio en la ciudad de Ciudad Bolívar.

SENSOR PÍXELESCALCULADOS

ÁREACALCULADA

(M²)

ÁREACALCULADA

(HA)

PORCENTAJE (%)

Landsat 1989 8,948 8075459,221 807,545922 4,735

Spot 5 2010 27,21 24556688,13 2455,66881 14,4

Resto 152,806 13790523,21 1379,05232 80,865

TOTAL 189326 170393400 17039,34 100

Figura 18. Porcentaje de superficie de áreas urbanas para cada año de estudio en la ciudad de Ciudad Bolívar.

Magnitud de cambios en la expansión urbana de las ciudades estudiadas.

A continuación se presentan los resultados de mapas de magnitudes de cambios para obtener un análisis más profundo de estas áreas en crecimiento urbano que sufrieron mayor impacto de cambios.

La herramienta de diferencia de magnitud detecta el cambio basado en las diferencias de magnitudes es-pectrales que son filtrados sobre la base de su natura-leza espectral. La magnitud de un píxel en el tiempo 1 se resta de su valor en el tiempo 2, y la diferencia relativa se calcula. Por ejemplo, el agua estancada al cambiar a arena seca brillante, así como los niveles de agua, serían detectadas.

El software DeltaCue utiliza una forma de segmenta-ción espectral que clasifica cambio píxeles en tiempo 1 y tiempo 2 utilizando clasificación no supervisada lo que genera una información más eficiente al mo-mento de tratar los datos finales. Estas clases repre-sentan el Antes y Después de las clases de cubierta mapeada (Figuras 19, 20 y 21).

Figura 19. Magnitud de cambios en la ciudad de Barquisimeto entre el 1988 y 2008.


Figura 20. Magnitud de cambios en la ciudad de Puerto La Cruz- Barcelona entre el 1988 y 2008.

En el caso de la Conurbación Puerto La Cruz - Barcelona la magnitud de cambio es evidente en toda la poligonal

Figura 21. Magnitud de cambios en la ciudad de Ciudad Bolívar entre el 1989 y 2010.

Para el caso del mapa de magnitudes de cambio de Ciudad Bolívar, los cambios fueron muy puntuales, y a diferencia de las ciudades anteriores no existe una intensidad en los cambios dentro del centro de la ciudad, existe mayor intensidad hacia el área sur de la imagen correspondiente con la autopista Simón Bolívar y sector la democracia.

Conclusiones

Se pudo comprobar que las técnicas en geomática específicamente las usadas para detección de cam-bio son herramientas de altísimo valor para el estu-dio de áreas urbanas en lo que respecta a su creci-miento ya que sirven para diagnosticar la expansión urbana que servirán para respectivos análisis en la planificación y ordenamiento territorial, la metodolo-gía que se empleo debe ser considerada como una alternativa más sencilla y rápida de los métodos de mapeo de áreas urbanas existente tales como catego-rización espectral u orientación basada en objetos, siendo estos últimos de mayor trabajo de laboratorio para tener resultados consistentes.

Mundialmente existe un crecimiento exponencial direc-tamente proporcional entre la población y las ciudades que habitan, siendo el mismo caso para las ciudades que se estudiaron. Una vez que el proceso de urbaniza-ción se acelera, es difícil predecir su finalización, siem-

urbana siendo más intensa hacia los sectores de la ciu-dad de Barcelona y Lecherías, notándose un crecimiento radial de la ciudad con mayor dirección hacia el área sur–este de la imagen que corresponden a los sectores de San Diego, Pica de Neverí y Naricual, etc.


pre continúa en franco o modesto crecimiento. Esto se observa aún en épocas en las que el crecimiento indus-trial se estanca o se desacelera.

Para estudios de expansión urbana de grandes áreas y de mapeo de resultados a escalas pequeñas tales como 1:100.000 a menores, se recomiendan los al-goritmos planteados en esta investigación. Para es-tudios más específicos de un sector de la ciudad se recomienda métodos de detección de cambios más especializados tales como Detección de cambios a nivel de objeto (OLCD, Object level Change Detec-tion) que se basa en la segmentación multiescala y la tecnología de modelado Relacional., Burnett et al (2003).

El método de magnitud de crecimiento es una herra-mienta poderosísima para los estudios de seguimien-to de actividades y obras de ingenierías, siendo esta independiente de la temporalidad de los datos y la resolución espacial, pero altamente dependiente de las características espectrales y radiométricas entre las imágenes que van ser comparadas.

El método de diferencia entre imágenes resultó más ajustado para el análisis de la expansión urbana y el de diferencia de magnitudes resulto ser muy eficiente para mostrar aquellas áreas que cambiaron específica-mente dentro de la ciudad.

Los métodos usados no se pueden tomar como exac-tos ó definitivos ya que las características de las áreas urbanas no son sencillas de estudiar desde el punto de vista espectral, su composición de múltiples ma-teriales y la asociación dentro de las zonas urbanas con suelo desnudo y vegetación seca o estresada son elementos que generan mucha confusión al momento de tratar de caracterizarlas como un grupo de ele-mentos, se recomienda el uso de información externa que permita a través de métodos estadísticos conocer cual es la fiabilidad de los resultados, la cual puede ser desarrollado en otro apartado o continuación de esta investigación.

Las áreas con zonas nubosas, sombras, y suelo desnudo tales como afloramientos rocosos representan limitantes muy grandes al momento de aplicar los algoritmos de detección de cambios planteados, dado que estos fenó-menos representan alta similitud espectral con las áreas urbanizadas, por lo que se recomienda en el momento de realizar la calibración de los datos enmascarar estas áreas o suprimirlas en su totalidad.

Referencias

BuRntt, C.; BlAsChke, t. (2003), A Multiscale Segmenta-tion/Object Relationship. Modelling Methodology for Landscape Analysis Ecological Modelling, 168., 233-249.

CAnty, m. (2010). Image Analysis,Classification, and Change Detection in RemoteSensing.

ChuVieCo, e. (1996). Fundamentos de Teledetección Es-pacial, (3’ edición revisada), Ediciones Rialp S.A., Madrid.

goRdon, s.i. (1980). Utilizing Landsat Imagery to moni-tor ‘and use change study in Ohio. Remote Sensing of Environment, Vol. 9, pp. 189-196.

hoRd, R.m. (1982). Digital Image Processing of Remotely Sensed Data, Academic Press, New York.

sAliChtCheV, k.A. (1979). Cartografía, Editorial Pueblo y Educación, La Habana. 182 p.


Delimitación del Uso de la Tierra y Cobertura Natural, Mediante la

Técnica de Geobia, al Sur del Río Portuguesa, Venezuela

fReddy floRes, montseRRAt BAutis, José de sá RodRíguez, elio suáRez

Fundación Instituto de Ingeniería, Centro de Procesamiento Digital de Imágenes


RESUMEN

Existen varios métodos y técnicas para generar infor-mación del Uso de la Tierra y Cobertura Natural (UT/CN) a partir de imágenes de sensores remotos. En éste trabajo, se hace uso de la técnica denominada GeOBIA (Geographic Object-Based Image Analysis), en la cual se considera la forma, la textura y la propiedad espec-tral de los objetos, así como las relaciones existentes con los objetos vecinos situados en un contexto espacial más o menos cercano. La ventaja principal de utilizar esta técnica de segmentación, es que permite generar una delimitación automática, reduciendo el trabajo de

vectorización por parte del intérprete. Se usó este mé-todo a fin de generar el mapa de Uso de la Tierra y Cobertura Natural (UT/CN), en una zona al sur del Río Portuguesa, utilizando una imagen orto-rectificada del satélite Miranda. Se identificaron, tanto unidades de in-formación básica, como de las variables de interés, de acuerdo a una leyenda establecida. Se obtuvo un mapa para la UT/CN del área de interés, cuyos resultados indican que, el 68% de la superficie corresponde a co-bertura natural (26.064 Ha), y el restante 32% (12.104 Ha), corresponde a usos agrícolas claramente identifica-dos. De este trabajo, se puede concluir que la técnica utilizada, permitió levantar la información de UT/CN; y se obtuvo el mapa correspondiente del área de estudio.

Palabras clave: GEOBIA, USO DE LA TIERRA Y COBER-TURA NATURAL, SEGMENTACIÓN.

LAND USE/LAND COVER DELIMITATION USING OBJECT ORIENTED SEGMENTATION TECHNIQUES, IN SOUTH OF PORTUGUESA RIVER, VENEZUELA

ABSTRACT

There are several methods and techniques to generate Land Use/Land Cover (LU/LC)information from remote sensing data. In this paper, the GEOBIA technique (Geo-graphic Object-Based Image Analysis) is used, in which the shape, texture and spectral property of objects and

their relationships with neighboring objects placed on a more or less close spatial context, is considered. The main advantage of using this segmentation technique is that it allows the generation of an automatic delimita-tion, reducing labor vectorization by the interpreter. This method was used to generate a map of LU/LC, in an area to the south of the Portuguesa River, using a Miran-da satellite ortho-rectified image. Basic information units as well as of those variables of interest were identified according to a pre-established legend. A map of LU/LC was obtained, the results indicate that 68% of the surface corresponds to natural cover (26 064 ha), and the remaining 32% (12,104 ha), corresponds to agricul-tural use. From this work, it can be concluded that this technique allowed the generation of LU/LC information and itsits corresponding map of the study area.

Key words: GEOBIA, LAND USE AND NATURAL AREA, SEGMENTATION.

Introducción

El uso de la Tierra y la Cobertura Natural, son variables indispensables para cualquier estudio Ambiental, así como para la elaboración de diagnósticos físico-naturales, diseño y ejecución de planes de ordenación del territorio, estudios de impacto ambiental, entre otros. La “Cobertura de la Tie-rra” como expresión física que se observa sobre la superfi-cie de la tierra, puede entenderse, como aquella que descri-


be la vegetación y los elementos antrópicos existentes sobre la tierra, al igual que otras superficies terrestres como aflo-ramientos rocosos y cuerpos de agua (Di Gregorio, 2005).

Para esto se requiere hacer uso de técnicas para man-tener la información espacial actualizada cartográfica-mente, esto es, pasar de métodos tradicionales como la interpretación visual de forma analógica, y posterior-mente de forma digital a métodos automatizados, tales como las clasificaciones supervisadas y no supervisa-das; que implican una gran inversión de tiempo y traba-jo, con ediciones manuales posteriores (Figura 1).

Según Blaschke et al. (2004), la implementación de métodos de clasificación automatizados tradicionales como lo son las supervisadas y las no supervisadas, da buenos resultados en las clases espectralmente ho-mogéneas, pero proporciona resultados menos satis-factorios en las clases heterogéneas.

En la actualidad, con el uso de imágenes de satélite de alta resolución, ha permitido que nuevas técnicas de extracción de información surjan.

Tal es el caso, de la metodología de segmentación orientada a objetos o conocida como GeOBIA, técnica que rompe con el paradigma de las clasi-ficaciones automatizadas tradicionales, que se ba-san en el píxel como unidad de clasificación (Hay & Castilla, 2008).

En la GeOBIA (Recio, 2009) se considera la forma, la textura y las propiedades espectrales de los objetos que forman la imagen, las relaciones existentes con los objetos vecinos más o menos cercano.

Por lo tanto el objetivo de la segmentación, básica-mente es simplificar la representación de una imagen, a una forma con más significados y más sencilla de analizar e interpretar.

Figura 1. Métodos de levantamiento de información usando Tele-detección.

Figura 2. Esquema metodológico “Segmentación Orientada a Ob-jeto” o GeOBIA.

Programas empleados

Entre los programas (software) utilizados tanto en el me-joramiento de las imágenes, contraste, combinación de bandas, entre otras, como durante el proceso de inter-pretación de las variables cobertura natural y uso de la

Metodología

Metodológicamente se cumplieron las siguientes eta-pas (Figura 2):


tierra, al sur del río Portuguesa (Guadarrama y Cama-guán), fueron los siguientes:

• ENVI Zoom (ENVI+IDL y ENVI EX) 4.8: en la apli-cación de la técnica de Segmentación orientada a objeto o GeOBIA.

• ERDAS Imagine 2011: en el mejoramiento de las imágenes: ortocorrección, filtrado, brillo y contraste, combinación de bandas, fusión entre la multiespec-tral y pancromática, interpretación para el levanta-miento de las variables de interés.

• ArcView GIS 3.2: para el manejo de Base de Datos de las variables del estudio, además de la visualiza-ción de los respectivos “shapefile”.

• ArcGIS 9 (ArcMap 9.3): para el manejo de Base de Datos de las variables del estudio, además de la vi-sualización de los respectivos “shapefile”. Además se empleó para crear el respectivo SIG con todas las variables levantadas.

Leyendas de trabajo

Para el levantamiento de las variables de interés a esca-la 1:25.000, se siguió la siguiente leyenda de trabajo:

1. Cobertura Natural. Tipo de cobertura y Sub-tipo de cobertura:

• Arbóreas: bosques y bosques de galería.

• Arbustivas: matorrales.• Herbáceas: herbazales (arbolados o no), saba-

nas (abierta, arbolada, con chaparro, con matas, inundables y palmas).

• Otras: suelo desnudo y los cuerpos de agua.

2. Uso de la Tierra. Categorias y sub tipos de categorías:

• Áreas Urbanas: centros poblados (poligonal urba-na) y zonas industriales.

• Agrícola: agricultura de subsistencia y cultivos anua-les mecanizados (arroz, maíz, frijol, entre otros).

• Pastizales: Pastos y Fruticultura (cítricos, mangos, entre otros).

• Pecuario: Ganadería Extensiva, semi-intensiva e intensiva.

Preparación de la imagen

Consiste en aplicar un filtro de suavizado a la imagen de satélite para reducir el ruido y la variabilidad de los pixeles. Esto va a depender de las características de la imagen, en cuanto a su resolución espacial, espectral y radiométrica, así como de la naturaleza de la informa-ción que se requiera levantar.

Estas imágenes, con resolución espacial de 2,5 y 10 me-tros, fueron previamente corregidas geométricamente usan-do como referencia la cartografía oficial PITSA 1:25.000.

En este contexto, en este caso Camaguán, corresponden a las imágenes: VRSS-1conocido como satélite Miranda (de fecha 21/02/2014) y LandSAT 8 (de fechas 05/01/2014 y 12/01/2014, respectivamente), Figura 3.

Figura 3. Imagen VRSS-1 con filtro de mediana.

Segmentación espacial o GeOBIA

Se define como el proceso por el cual se extrae infor-mación significativa de una imagen, a partir de su di-visión en diferentes regiones homogéneas que resultan ser las zonas de interés (Ardila et. Al., 2005).

El resultado es un conjunto de regiones que cubren el área a caracterizar. Donde los píxeles dentro de una región son


similares con respecto a alguna característica, y son diferen-tes de los situados en regiones adyacentes (Recio, 2009).

En esta etapa, se genera una imagen, donde la firma espectral de cada segmento está representada por el promedio de las firmas de los píxeles dentro de cada objeto, Figura 4 (Rodríguez, 2011).

variación máxima permitida en la heterogeneidad de un objeto al adicionarse nuevos píxeles u objetos se evalúan de dos formas: la variabilidad permitida en el color o variabilidad espectral y en la forma (Ardila et. al., 2005).

La reducción de segmentos permite unificar estos, para disminuir la sobre segmentación, Figura 5.

Figura 4. Imagen segmentada.

ediciones y correcciones que se requieran, mediante las herramientas que ofrece cualquier SIG.

Validación de campo y Mapa final

Una vez, cumplida la etapa anterior, es necesario realizar una validación de los atributos identifica-dos y/o definidos.

Resultados

De la aplicación del método de GeOBIA (con su res-pectiva validación en campo de las variables de inte-rés), se obtuvieron los siguientes datos:

Así como, se obtuvieron los siguientes mapas, represen-tados en las siguientes figuras:

Conclusiones

Con los resultados de esta sección del proyecto, se pue-de concluir que:

1. El uso de la Geomática como herramienta tecnológi-ca en la adquisición, almacenamiento y análisis de información geoespacial, permitió cumplir con los objetivos iniciales propuestos en el marco para el de-sarrollo del Proyecto Río Portuguesa.

Figura 5. Imagen con segmentos reducidos.

Reducción de segmentos

Se relaciona generalmente con el tamaño de los objetos obtenidos, ya que una menor tolerancia de heterogenei-dad redunda en objetos con una mínima variabilidad. La

Vectorización y edición

Una vez clasificados los polígonos correspondientes a los objetos previamente segmentados, se transforman a un formato vectorial, para realizar cualquier tipo de


Tabla 1. Resultados obtenidos de la base de datos.

COBERTURA NATURAL SIN USO ÁREA (%) ÁREA (HA)

Bosque 9,28 % 3.542,68

Bosque de galería 1,26 % 481,44

Matorral 8,87 % 3.385,63

Sabana abierta 8,91 % 3.401,03

Sabana arbolada 23,27 % 8.804,96

Sabana inundada 7,25 % 2.767,77

Sabana con palma 0,70 % 265,69

Otros_cuerpos de agua 7,20 % 2.747,70

Otros_suelos desnudos 1,75 % 667,28

Total 68,29 % 26.064,18

USO ACTUAL SIN COBERTURA NATURAL ÁREA (%) ÁREA (HA)

Agrícola (Arroz) 0,06 % 22,62

Agrícola (Maíz) 0,03 % 10,26

Centros poblados 2,98 % 1.165,65

Pecuario 28,65 % 10.935,68

Total 31,71 % 12.104,21

CATEGORÍA ÁREA TOTAL (HA) ÁREA (%) ÁREA (HA)

Cobertura Natural sin uso

38.168,4068,29 % 26.064,19

Uso actual sin cobertura natural 31,71 % 12.104,21

Figura 6. Mapa Base del área de estudio. Figura 7. Mapa de Cobertura natural y uso de la Tierra. Figura 8. Mapa imagen de la Cuenca baja del río Portuguesa.


2. Las imágenes del satélite utilizadas (en particular, las del F. de Miranda) representa una fuente confiable y actualizada de la información geoespacial de los sectores seleccionados al Sur del Río Portuguesa.

3. Todas estas variables geográficas fueron fundamen-tales, para estructurar el mapa base requerido en el levantamiento de información, así como en la inter-pretación de las imágenes de satélite empleadas en las variables cobertura natural y uso de la tierra.

4. La aplicación del método GeOBIA contribuye de forma expedita a la obtención preliminar de segmentos o de objetos de una imagen de satélite, lo que en gran me-dida, conlleva a la reducción de los tiempos de dedica-ción y trabajo por parte del intérprete, en la obtención (en menor tiempo) de las capas o “shapefile” de trabajo de las variables geoespaciales de interés a levantar.

5. Se obtuvo un mapa resultante de la Cobertura natu-ral y uso de la tierra, en el marco del desarrollo del proyecto “Cambios Paleo Ecológicos y paleo Hidro-lógicos en la cuenca baja del río Portuguesa”, a es-cala 1:25.000 actualizada, y para ello se emplearon las imágenes del satélite del F. de Miranda de fecha 21/02/2014.

6. En la versión final del mapa de “Cobertura Natural y Uso de la Tierra” en el marco del desarrollo del

proyecto, se determinó que las superficies ocupadas por categorías en porcentaje (%), son las siguientes:

• Arbóreas (10,54).• Arbustivas (8,87).• Herbáceas (39,93).• Otras (8,95).• Sin cobertura natural con uso (31,71).• Urbano (28,65).• Agrícola (0,09).• Pecuario (2,98).• Con cobertura natural sin uso (68,29).

Recomendaciones

Establecer una metodología estadística espacial que arroje niveles de significancia de los resultados obteni-dos, y con ello validar con base estadística, cada uno de los resultados para poder establecer un índice de co-rrelación con grados de significancia y dar una solidez científica a la metodología empleada de forma inicial para el levantamiento de los segmentos o polígonos del mapa de Cobertura natural y Uso de la Tierra.

Referencias

ABAe (2013, Agosto). Percepción remota y procesamien-to de imágenes digitales del satélite Miranda. Curso Presencial material en formato electrónico.

ARdilA, J., esPeJo, o. y heRReRA, J. (2005). Validación de una metodología de clasificación de imágenes satelitales en un entorno orientado a objetos. Francisco José de Caldas. Revista Ingeniería. Volumen 10 (1): 61-69.

BlAsChke, t. And PekkARinen, A. (2004). New contextual approaches using image segmentation for object-ba-sed classification. In: De Meer, F., de Jong, S. (Eds.), Remote Sensing Image Analysis: Including the spa-tial domain. Kluver Academic Publishers, Dordrecht, Pp: 211-236.

di gRegoRiA, A. (2004). Sistema de Clasificación de la Cobertura de la Tierra. FAO. Roma – Italia.

eAstmAn, J.R. (1999). IDRISI 32, Guide to GIS and Image Processing. Volumen 1. Clark Labs Clark University. Worcester, Massachusetts, USA. Pp: 193.

hAy, g. And CAstillA, g. (2008). Geographic Object-Ba-sed Image Analysis (GEOBIA): A new name for a new discipline. Chapter 1.4: 75-89.

ReCio, J. (2009). Técnicas de extracción de característi-cas y clasificación de imágenes orientada a objetos aplicadas a la actualización de bases de datos de ocupación del suelo. Tesis Doctoral. Dpto. De inge-niería Cartográfica, Geodesia y Fotogrametría. Uni-versidad Politécnica de Valencia, España.


RodRíguez, A. (2011). Metodología para detectar cam-bios en el uso de la tierra utilizando los principios de la clasificación orientada a objetos, estudio de caso piedemonte de Villavicencio, Meta. Universidad Na-cional de Colombia. Bogotá. Tesis de Maestría.

241Memorias de las VI Jornadas Nacionales de Geomática y 1er Congreso Nacional de Geomática Poder Popular

Poder Popular


Proyectos Sociointegradores para el Ordenamiento Territorial en el

Ámbito Comunitario

lyneth CAmeJo lóPez

Universidad Politécnica Territorial de Falcón Alonso Gamero. Programa Nacional de Formación en

Construcción [email protected]

RESUMEN

Este artículo tiene como propósito mostrar las experien-cias vividas en la guiatura de un grupo de estudiantes del trayecto I del Programa Nacional de Formación en Construcción Civil (PNFCC) en la Universidad Politécni-ca Territorial de Falcón Alonso Gamero (UPTFAG), que elaboraron sus Proyectos Sociointegradores (PSI) en la comunidad de Tacuato del Municipio Carirubana del Es-tado Falcón. A través de la metodología de Investigación Acción Crítica, se involucraron los agentes sociales (es-tudiantes, profesores y comunitarios) que hicieron vida en la comunidad durante el tiempo que se desarrollaron las investigaciones (2012-2013). Se unieron esfuerzos para apoyar el ordenamiento territorial de la comuni-dad en cuanto al diseño de un Sistema de Información

Geográfica (SIG) cuyas acciones técnicas generadas a través de los conocimientos adquiridos en las unidades curriculares de Tutorial de Proyectos I, Topografía y Ex-presión Gráfica, se explican brevemente para concluir que existe la naturaleza comprometida con el bienestar social, el pensamiento crítico, creativo, analítico e inte-grador de saberes y una evaluación compartida entre todos los actores.

Palabras clave: PROYECTOS SOCIOINTEGRADORES, ORDENAMIENTO TERRITORIAL, ÁMBITO COMUNITA-RIO, SISTEMA DE INFORMACIÓN GEOGRÁFICA.

SOCIO-INTEGRATOR PROJECTS FOR LAND MANAGEMENT AT THE COMMUNITY LEVEL

ABSTRACT

This paper aims to show the experiences as teacher gui-de of a group of students from the path I of the National Training Program in Civil Construction (PNFCC) in the Territorial Technical University of Falcón Alonso Gamero (UPTFAG) who developed their Socio-integrator Projects (PSI) in the community of Tacuato, Municipality of Cariru-bana, State of Falcon. Through Critical Action Research methodology, social partners (students, teachers and community) that made life in the community for as long as the investigations (2012-2013) were developed were

involved. Efforts were joined to support land use plan-ning of the community for the design of a Geographic Information System (GIS) whose technical actions gene-rated through the knowledge acquired in the curricular units of Tutorial Project I, Surveying and Graphic Expres-sion, are explained briefly to conclude that there is a commitment to social welfare, critical creative, analytical and integrator thinking, of knowledge and a shared as-sessment between all actors.

Keywords: SOCIOINTEGRADORES PROJECTS, TERRI-TORIAL PLANNING, COMMUNITY LEVEL, GEOGRA-PHIC INFORMATION SYSTEM.

Introducción

Como parte del cuerpo profesoral de la Universidad Politécnica Territorial de Falcón Alonso Gamero (UPT-FAG), se dio la oportunidad de vivir el proceso de trans-formación de los Institutos Universitarios de Tecnología (IUT) y Colegios Universitarios (CU) en Universidades Politécnicas Territoriales (UPT), iniciado desde el año 2008. Estas transformaciones no sólo se han manifes-tado con la idea de cambio de una identidad, sino que también en los procesos internos como el referido al aspecto curricular.

Antiguamente se tenía como norte contribuir con la for-mación de Técnicos Superiores Universitarios (TSU) te-


niendo como requisito de egreso la realización de Tra-bajos Especiales de Grado (TEG). En la actualidad, no sólo se sigue formando TSU sino que también se amplió el espectro a carreras largas de Ingeniería y Licencia-tura, en donde los TEG fueron sustituidos por Proyectos Sociointegradores (PSI) que han de tener como caracte-rística común, la naturaleza comprometida con el bien-estar social, el pensamiento crítico, creativo, analítico e integrador de saberes y una evaluación compartida entre todos los actores.

Esta transformación trajo consigo la necesidad de adop-tar estrategias de enseñanza-aprendizaje acordes con el Plan de Desarrollo Económico y Social de la Nación, empleando nuevas técnicas que permitieran que la uni-versidad se insertara en las comunidades como instru-mento mediador en la preparación de profesionales que hacen trabajos de campo que diagnostican la situación social y procesan la búsqueda de alternativas de solu-ción a los problemas presentes.

Es allí donde se inserta la metodología de investigación acción crítica como modelo que mejor se adapta al trabajo social, a la interacción con la comunidad, per-mitiendo y facilitando la detección de las necesidades, organizar las propuestas de investigación contando con la participación activa de los miembros de la comuni-dad conjuntamente con los interventores (universidad), haciendo posible el abordaje del problema a partir

de la necesidad autentica del colectivo, diseñando el plan de acción en conjunto, de forma consensuada y no como se hace en la investigación tradicional, para el ganar-ganar de todos los involucrados.

Entonces, el propósito del presente artículo consiste en mostrar la integración de la formación de los estudiantes del primer trayecto del Programa Nacional de Forma-ción en Construcción Civil (PNFCC), con las necesida-des de los sectores Benito Sánchez, Hernández, Pablo Neruda, Palmasola y Sub Estación de la comunidad de Tacuato del Municipio Carirubana del Estado Falcón, uniendo esfuerzos para apoyar el ordenamiento terri-torial a través del diseño de un Sistema de Información Geográfica (SIG) construido gracias a los conocimientos adquiridos en las unidades curriculares de Tutorial de Proyectos I, Topografía y Expresión Gráfica.

Explicado lo anterior, solo resta declarar que para al-canzar tal fin, se desarrolló una estructura en donde pri-meramente se muestra la historicidad del nuevo Proyecto Nacional de Universidad que conllevó a la creación de los PSI como eje central de formación de los Programas Nacionales de Formación (PNF), seguidamente se ex-plica la metodología de trabajo para la inserción de la universidad al ámbito comunitario que permite asegurar acciones con impacto general positivo en la sociedad, y finalmente se muestra la integración de saberes para el ordenamiento territorial en el ámbito comunitario, don-

de existe una guiatura de unos procesos dialécticos y participativos que traen consigo el ganar-ganar de to-dos los involucrados.

La Historicidad del Nuevo Proyecto Nacional de Universidad que dio origen a los Proyectos Sociointegradores

El “desfase entre el pensamiento y la acción” (Proyec-to Nacional de Universidad Politécnica, 2007, p.12), fue la situación fragmentada que se observó en las re-laciones sociales venezolanas, que conllevó a tomar la decisión de realizar cambios profundos en el Sistema Educativo Universitario. Cambios, que debían orientar-se al desarrollo de una educación más adecuada a las condiciones sociales, educativas y culturales de toda la población, y con calidad dentro de una concepción hu-manista e integral que le permitiera estar a la par con las exigencias relativas a las competencias de ciudada-nos y ciudadanas para transformar la sociedad.

En la búsqueda de la transformación universitaria, entró en juego el problema de:

“…un currículo con mucha teoría y poca práctica condu-ciendo a un docente y estudiante pasivo, promoviendo la formación teórica, abstracta y desligada de la realidad socio-productiva, con poca posibilidad de aplicar de for-ma directa y personal el conocimiento que no fomenta la


iniciativa, la creatividad y mucho menos el compromiso y la responsabilidad social” (Proyecto Nacional de Univer-sidad Politécnica, 2007, pp.14-15).

Con la visualización de esta problemática se entendió que vivimos en un mundo interrelacionado y complejo, en donde las sociedades, “independientemente de su ubicación geográfica, del número de sus habitantes, de las propias riquezas espirituales o materiales y del tipo de gobierno político vigente, se han visto afectadas por los cambios en la ciencia, la tecnología, las telecomuni-caciones” (Proyecto Nacional de Universidad Politécni-ca, 2007, p.14).

En este sentido, el ejercicio ético político de la acción educativa universitaria venezolana se inicia con la crea-ción de la Misión Alma Mater el 27 de marzo del 2009, Decreto Nº 6.650 publicado en Gaceta Oficial de la Re-pública Bolivariana de Venezuela 39.148. A partir de esa fecha se considera que “cambian las necesidades, los criterios de evaluación de proyectos y de eficiencia de métodos, la tecnología física y social, los conoci-mientos más deseables, el papel social del universitario y hasta los métodos de la investigación” (Lineamientos Curriculares para Programas Nacionales de Formación, 2009, p.6).

Uno de los ejes de gestión de la Misión Alma Mater fue la creación de los PNF, por considerar resaltante

dos elementos que expresa el documento del Ministe-rio del Poder Popular para la Educación Universitaria (2009), a saber: por un lado, la “formación integral” y por el otro, la “integración teoría y práctica” (p.27); ya que con estos elementos, es que se ha de desarrollar el pensamiento crítico y la conciencia de las implicacio-nes éticas, políticas, sociales, económicas, ambientales y culturales de las prácticas profesionales, científicas y técnicas, que los estudiantes realizan en comunidades y/o empresas desde el inicio del programa, a través de la ejecución de los PSI.

Entonces, a través de la formación basada en proyectos, se buscó cambiar el sistema de educación universitaria tradicional donde el aprendizaje se caracterizaba por una excesiva carga académica, con muchas unidades curriculares que traían como consecuencia la sobrecar-ga de contenidos, bajo rendimiento estudiantil, deser-ción universitaria y poco tiempo del estudiante para la reflexión y la vinculación con actividades en las comu-nidades; por un nuevo sistema en donde se toman en cuenta las necesidades cambiantes de los actores del sistema y se promueve la participación activa con el fo-mento de la iniciativa, la creatividad, el compromiso y la responsabilidad social.

En los Lineamientos Curriculares para Programas Nacionales de Formación (2009), los Proyectos So-ciointegradores eran considerados como unidades

curriculares de integración de saberes y contraste entre teoría y práctica; pero, posteriormente en los Lineamientos para el Desarrollo Curricular de los Pro-gramas Nacionales de Formación (2012), ésta con-cepción da un giro social, reflejando que ahora se conciben como:

“…el direccionamiento de la manifestación y voluntad colectiva a partir de los problemas territoriales emergen-tes diagnosticados, con la finalidad de que se haga his-tórico en su concreción territorial a través de las acciones sistemáticas y concatenadas de quienes están compro-metidos con su realización: instituciones universitarias, comunidad y el Estado” (Lineamientos para el Desarro-llo Curricular de los Programas Nacionales de Forma-ción, 2012, p.24).

En este sentido, los “Proyectos Sociointegradores” son una forma de vincular el conocimiento adquirido en la academia con la realidad problemática que viven las comunidades; siendo el “eje central de los PNF” (Li-neamientos Curriculares para Programas Nacionales de Formación, 2009, p.18), el que busca compren-der la integración multidimensional de los saberes y conocimientos, su aplicación en la resolución de pro-blemas, el desarrollo de potencialidades y el mejora-miento de la calidad de vida de las comunidades, las regiones y el país.


Detección de problemas en el ámbito comunitario y emergencia de posibles soluciones

La elaboración de los Proyectos Sociointegradores (PSI) como parte de las unidades curriculares de formación, “implica la realización de actividades de diagnóstico, prestación de servicio, arqueo y crítica de fuentes, crí-tica teórica o producción de bienes, vinculadas a las necesidades de las localidades y el Plan Nacional de Desarrollo” (Lineamientos Curriculares para Programas Nacionales de Formación, 2009, p.19); que no son más que espacios de formación, creación intelectual y vinculación social, asociados al desarrollo de capaci-dades, la generación de conocimientos, investigación, innovación, creación artística, desarrollo tecnológico y fortalecimiento del poder popular.

Gracias a la metodología de investigación acción críti-ca que se desarrolla en los PSI, los actores universitarios (estudiantes y profesores) abordan las comunidades para solicitar información acerca de sus principales necesida-des y constatarlos in situ; es así como fue abordada la población de Tacuato, una comunidad asentada en la Pe-nínsula de Paraguaná del Estado Falcón, a una distancia de 42 kilómetros de las ciudades de Coro y Punto Fijo.

El diagnóstico realizado a dicha comunidad, permi-tió observar que existe una diversidad de problemas de índole social, económico, político y cultural, entre

ellos, la mejora o construcción de carreteras, el diseño y construcción de edificaciones para múltiples fines o la creación de proyectos socio productivos, que necesaria-mente requieren de los consejos comunales que la con-forman, el registro del ámbito territorial con que cuentan para planificar las acciones de mejora.

Es así como, desde la Tutoría de Proyecto I dentro del Programa Nacional de Formación en Construcción Ci-vil (PNFCC), siguiendo el alcance técnico reglamenta-do para el trayecto de estudio, se dirigió el desarro-llo de cinco (5) PSI cuyo contexto geográfico fueron sectores de la comunidad de Tacuato (Acosta, et. al., 2013a), (Acosta, et. al., 2013b), (Aguerrío, et. al., 2013), (Arias, et. al., 2013) y (Ramos, et. al., 2013), a la solución de sus problemas a través del diseño de un Sistema de Información Geográfica (SIG) que per-mitió la organización y compilación de la información geográfica digital recabada en las unidades curricula-res cursadas.

Metodología dialéctica y participativa para el ordenamiento territorial. Integración de saberes para el diseño del SIG

Basado en la integración de conocimientos adquiridos en las unidades curriculares Tutorial de Proyectos I, To-pografía y Expresión Gráfica, los estudiantes del primer

trayecto del PNFCC, sobre la base de las necesidades de los sectores Benito Sánchez, Hernández, Pablo Neru-da, Palmasola y Sub Estación, se unieron esfuerzos para apoyar el ordenamiento territorial de la comunidad de Tacuato del Municipio Carirubana del Estado Falcón, a través del diseño de un SIG, cuya metodología dialécti-ca y participativa se explica a continuación:

Georreferenciación de la Imagen de satélite del área de estudio

Para cumplir con esta tarea se bajaron las imágenes sa-telitales desde el programa Google Earth directamente desde una conexión de internet (Figura 1).

Figura 1. Imagen Google Earth de la comunidad de Tacuato. Fuen-te: Google Earth (2015)


Las imágenes vistas desde este programa se encuentran georreferenciadas, pero una vez que se guardan las vis-tas pierden la georreferenciación; de tal manera que es necesaria la ubicación de puntos de control para co-rregirlas desde el gvSIG (software libre de Sistemas de Información Geográfica).

Los puntos de control se caracterizan por brindar infor-mación de coordenadas Este y Norte (UTM con datum Regven), los cuales han de estar estratégicamente distri-buidos en la imagen para garantizar la precisión de la georreferenciación, además de que han de ser geográfi-camente identificables, tal como una intersección de ca-lles, esquinas de parcelas o terrenos, entre otros detalles.

Cada equipo de proyecto tomó cinco (5) puntos de con-trol para georreferenciar las imágenes de los sectores de estudio, de los cuales, cuatro (4) se correspondían con las esquinas de la imagen y uno (1) en el centro de la misma, tal como se aprecia en la figura 2 y tabla 1, correspondiente al sector Hernández.

La georreferenciación desde el gvSIG se realizó con la op-ción de “georreferenciar sin cartografía”, colocando en el fichero de entrada la imagen original y en el fichero de sa-lida el nombre que se desee en base a la acción a ejecutar.

Para el modelo matemático de transformación se utili-zó el “polinomial de orden 1” con tipo de análisis de

píxeles de la forma “vecino más próximo” asumiendo un tamaño del pixel de 1x1m.; y a partir de allí se ini-ció el proceso colocación de las coordenadas según los puntos de control tomados de la imagen, buscan-do que el RMS o error de ubicación de puntos de la georreferenciación fuera igual o menor a la mitad del tamaño del píxel asumido, para finalmente “testear” la imagen que hiciera posible correr el proceso de georreferencición.

Superposición de capas topográficas (poligonales y parcelas)

Toda información obtenida a través de los conocimien-tos adquiridos en la unidad curricular topografía, para poderla incorporar al SIG ha de adecuarse a los for-matos que el sistema reconozca, que en la mayoría de los casos puede organizarse en forma de “tablas” de información alfanumérica.

Las tablas se conforman de “filas o registros” que re-presentan cada uno de los elementos de la base de da-tos y de “columnas o campos” que definen los distintos atributos de cada elemento; es así como los levanta-mientos planialtimétricos realizados en campo, pudie-ron ingresarse al SIG a partir de sus coordenadas de origen, gracias a la opción “añadir capa de eventos” (Figura 3) y de esta manera vincularles la información atributiva que los caracterizaba.

Figura 2. Imagen Google Earth del sector Hernández con los pun-tos de control para la georreferenciación. Fuente: Aguerrío et. al (2013).

Tabla 1. Características de los puntos de control para la georrefe-renciación de la Imagen Google Earth del sector Hernández.

PUNTO ESTE NORTE OBSERVACIÓN

1 405971,37 1294162,85 Intersección de camino

2 407151,87 1294141,81 Esquina del medanal

3 407164,07 1293562,54 Parcela más verde en la esquina

4 405958,50 1293503,63 Esquina del medanal

Fuente: Aguerrío et. al (2013)


Creación de capas shape (parcelas y calles) y edición de la base de datos atributal

Las capas shape son el formato estandarizado de los SIG, para el caso específico de estos proyectos, se crea-ron las siguientes:

• Polígono: las parcelas de los sectores de la comuni-dad de estudio.

• Líneas: las calles de los sectores de la comunidad de estudio.

• Puntos: las secciones transversales a cada 20 metros y/o donde ocurrían cambios de dirección, de las calles levantadas en los sectores de la comunidad de estudio.

Cada una de las capas shape fue posible gracias a las capas de eventos agregadas en la tarea anterior, así

Figura 3. Opción “añadir capa de eventos” en el gvSIG. Fuente: Aguerrío et. al (2013)

Figura 4. Capas Shape del sector Hernández. Fuente: Aguerrío et. al (2013).

como también gracias a la visualización en pantalla de los elementos geográficos objeto de estudio.

A cada shape se le añadieron la cantidad de campos se-gún la información atributiva característica que tenía, así como también se le asignó un nombre del campo, tipo de información (numérica o alfanumérica) y tamaño depen-diente de los caracteres a ingresar en la siguiente tarea, tal como se aprecia en la figura 5 sobre la capa de parcelas.

Edición de la visualización del hiperenlace

Los hiperenlace permitieron visualizar las fotos y demás archivos en formato imagen característicos de cada sha-

Figura 5. Información atributiva de las parcelas del sector Hernán-dez. Fuente: Aguerrío et. al (2013).

pe contemplado en el SIG. Es así como se vincularon fotos de parcelas tomadas directamente con cámaras fotográficas, planos planialtimétricos (perfiles y seccio-nes transversales) elaborados en la unidad curricular topografía; y planos arquitectónicos, de instalaciones y de estructura, elaborados en la unidad curricular de expresión gráfica y dibujo de proyectos.

La forma de vincular los hiperenlaces por cada tipo de shape, fue la siguiente:

• Polígono: se vincularon las fotos y los planos arqui-tectónicos, de instalaciones y de estructura de cada una de las parcelas levantadas (Figuras 6 y 7).

• Líneas: se vincularon los perfiles longitudinales de las calles (Figura 8).

• Puntos: se vincularon las secciones transversales a cada 20 metros de las calles de estudio (Figura 9).


Figura 6. Foto de una parcela. Fuente: Arias et. al (2013).

Figura 7. Plano arquitectónico de la vivienda tipo. Fuente: Arias et. al (2013).

Figura 8. Perfil Longitudinal de una calle. Fuente: Arias et. al (2013)

Figura 9. Sección transversal en la progresiva 0+000 de una calle. Fuente: Arias et. al (2013).

Creación de mapas

Finalmente se crearon mapas alusivos a la base de da-tos atributiva contenida en el SIG, teniendo como apoyo las propiedades sobre simbologías que tiene el software utilizado. Desplegando la opción de “valores únicos” con una paleta de colores preestablecida, se le asignó un color a cada elemento que se quería identificar.

Posterior a ello se insertó el nombre del mapa, la escala gráfica o numérica de trabajo, la leyenda y el norte

magnético, como elementos característicos de cualquier cartografía, tal como se aprecia en la figura 10.

Figura 10. Mapa de Estado de conservación de parcelas del sector Sub Estación. Fuente: Arias et. al (2013)

La descripción de cada una de las partes del PSI que tie-ne que ver con el diseño del SIG, permitieron establecer las características para el ordenamiento territorial de los sectores de la comunidad de Tacuato, logrando así los siguientes resultados:

1. Incentivar la participación de los miembros de la co-munidad, haciendo uso de estrategias comunicativas y de interacción social entre los estudiantes, profeso-res y comunitarios.


2. Conocer los antecedentes de la comunidad, tal como su ubicación, marco legal, historia, misión, valores, entre otros aspectos característicos del tipo de inves-tigación empleado.

3. Identificar los principales problemas y necesidades existentes en la comunidad, para lo cual fue necesa-rio aplicar las técnicas de abordajes comunitarios, entrevistas y observación de área de estudio.

4. Consensuar, mediante el diálogo y la argumentación, las posibles alternativas de acción para solucionar los problemas de la comunidad.

5. Ejecutar las actividades técnicas del área de conoci-miento de la construcción civil, tal como:• Caracterizar topográfica y catastralmente el terre-

no de estudio mediante un levantamiento planialti-métrico y parcelario.

• Elaborar el diseño arquitectónico de las edificaciones.• Elaborar los planos arquitectónicos, de estructuras

e instalaciones.• Diseñar el SIG con la información topográfica, ca-

tastral y arquitectónica obtenida.

Conclusiones

Los resultados declarados muestran que la comunidad objeto de estudio, gracias al diseño del SIG en los sec-

tores antes mencionados, cuenta con un instrumento que le permite identificar de forma clara y precisa los recur-sos que posee y las situaciones problemáticas que al menos desde el punto de vista de ordenamiento territo-rial puede tener, tal como condición física de sus calles y edificaciones existentes.

Por otra parte, también es importante resaltar que todo esto fue posible gracias al empleo de la investigación acción crítica como metodología de investigación, una decisión asertiva, que hizo posible la interacción, el diá-logo y el consenso con la comunidad para definir las problemáticas que afrontan y haber tomado las decisio-nes pertinentes relacionadas con el diseño del SIG.

En este sentido los PSI como eje transversal de los Pro-gramas Nacionales de Formación, son el instrumento ideal para impulsar nuevas alternativas de estudio y de formación tecnológica, además de generar opciones a todas aquellas personas que desean formarse en esta área apoyando de tal manera el mejoramiento profesio-nal de todos los involucrados.

Referencias

deCReto N° 3.390 (2004): Publicado en la Gaceta ofi-cial Nº 38.095 de fecha 28/12/2004. http://sen-camer.gob.ve/files/webfm/Documentos/Softwa-re%20Libre/decreto3390.pdf.

ACostA, A., BARBeRA, R., quesAdA, l., silVA, m. y VelAzCo, R. (2013a). Características topográficas de un terreno para un proyecto de construcción de vías internas y dibujo de los planos de una vivienda social en el sector Sub Estación de la población de Tacuato, parroquia Santa Ana, municipio Carirubana del es-tado Falcón. Proyecto Sociointegrador del Trayecto I del Programa Nacional de Formación en Construc-ción Civil en el Instituto Universitario de Tecnología Alonso Gamero. Coro. Venezuela.

ACostA, s., CoRonAdo, e., nogueRA, d., RodRíguez, R. y Ruíz, e. (2013b). Características topográficas de un terreno para un proyecto de construcción de vías in-ternas y dibujo de los planos de una vivienda social en el sector Palmasola de la población de Tacuato, parroquia Santa Ana, municipio Carirubana del es-tado Falcón. Proyecto Sociointegrador del Trayecto I del Programa Nacional de Formación en Construc-ción Civil en el Instituto Universitario de Tecnología Alonso Gamero. Coro. Venezuela.

AgueRRio, o., ARRietA, l., CumARe, m., gómez, J. y PolAnCo, e. (2013). Características topográficas de un terre-no para un proyecto de construcción de vías inter-nas y dibujo de los planos de una vivienda social en el sector Hernández de la población de Tacuato, parroquia Santa Ana, municipio Carirubana del es-tado Falcón. Proyecto Sociointegrador del Trayecto


I del Programa Nacional de Formación en Construc-ción Civil en el Instituto Universitario de Tecnología Alonso Gamero. Coro. Venezuela.

ARiAs, R., figueRoA, J., lóPez, J., méndez, l. y ViñAs, m. (2013). Características topográficas de un terreno para un proyecto de construcción de vías internas y dibujo de los planos de una vivienda social en el sector Benito Sánchez de la población de Tacuato, parroquia Santa Ana, municipio Carirubana del es-tado Falcón. Proyecto Sociointegrador del Trayecto I del Programa Nacional de Formación en Construc-ción Civil en el Instituto Universitario de Tecnología Alonso Gamero. Coro. Venezuela.

Comisión nACionAl de CuRRíCulo (2009). Orientaciones para la transformación curricular universitaria del siglo XXI. VIII Reunión Nacional de Currículo y II Congreso Internacional de Calidad e Innovación en la Educación Superior. Documento Nacional.

deCReto no. 6.650 (Creación de la Misión Alma Mater). (2009, Marzo 27). Gaceta Oficial de la Repúbli-ca Bolivariana de Venezuela 39.148. Marzo 27, 2009.

doCumento ReCtoR del PRogRAmA nACionAl de foRmACión en ConstRuCCión CiVil (Ministerio del Poder Popular para la Educación Universitaria). Febrero, 2014.

lineAmientos CuRRiCulARes PARA PRogRAmAs nACionAles de foRmACión. Ministerio para el Poder Popular de la Educación Universitaria (2009). Versión 2.O. Cara-cas. Material Mimeografiado MPPEU/VDA/DGDPI-IT/DGCPNF.

lineAmientos PARA el desARRollo CuRRiCulAR de los PRogRAmAs nACionAles de foRmACión. Ministerio para el Poder Popular de la Educación Universitaria (2012). Ca-racas. Material Mimeografiado MPPEU/VDA/DG-DPIIT/DGCPNF.

ministeRio del PodeR PoPulAR PARA lA eduCACión uniVeRsitARiA (2009). Misión Alma Mater. Educación Universi-taria Bolivariana y Socialista. Imprenta Nacional y Gaceta Oficial. Caracas. Venezuela

PRoyeCto nACionAl de uniVeRsidAd PolitéCniCA (2007). Co-lectivo Nacional de Los Institutos y Colegios Univer-sitarios de Venezuela. Noviembre, 2007.

RAmos, h. y meneCes, m. (2013). Características topo-gráficas de un terreno y dibujo de los planos para la ejecución del proyecto de construcción de un Mercal en el sector Pablo Neruda de la pobla-ción de Tacuato, parroquia Santa Ana, municipio Carirubana del estado Falcón. Proyecto Socioin-tegrador del Trayecto I del Programa Nacional de Formación en Construcción Civil en el Institu-

to Universitario de Tecnología Alonso Gamero. Coro. Venezuela.

ResoluCión no. 2.963 (Creación de los Programas Na-cionales de Formación). (2008, Mayo 13). Gaceta Oficial de la República Bolivariana de Venezuela 38.930, Mayo 14, 2008.

ResoluCión no. 3.141 (Creación del Programa Nacio-nal de Formación en Construcción Civil (PNFCC)). (2008, Octubre 7). Gaceta Oficial de la Repúbli-ca Bolivariana de Venezuela 39.032, Octubre 7, 2008.

PRoyeCto nACionAl de uniVeRsidAd PolitéCniCA (2007). Co-lectivo Nacional de Los Institutos y Colegios Univer-sitarios de Venezuela. Noviembre, 2007.

ResoluCión no. 2.963 (Creación de los Programas Na-cionales de Formación). (2008, Mayo 13). Gaceta Oficial de la República Bolivariana de Venezuela 38.930, Mayo 14, 2008.

ResoluCión no. 3.141 (Creación del Programa Na-cional de Formación en Construcción Civil (PN-FCC)). (2008, Octubre 7). Gaceta Oficial de la República Bolivariana de Venezuela 39.032, Oc-tubre 7, 2008.

251Memorias de las VI Jornadas Nacionales de Geomática y 1er Congreso Nacional de Geomática Técnicos e Institucionales

Técnicos e Institucionales


Atlas Oficial de la República Bolivariana de Venezuela,

edición 2015

fRAnCisCo gueRRA, RosA AguilAR, ClARA moReno, fRAnCisCo RodRíguez lAndAetA, RosA de fARíAs, AmilCAR soleR

Instituto Geográfico de Venezuela Simón Bolí[email protected], [email protected],


RESUMEN

Los atlas oficiales son documentos con mapas, estadís-ticas y textos en los cuales los países expresan sus rea-lidades naturales, políticas y territoriales, económicas y socioculturales. En respuesta a la necesaria continuidad histórica de tan importante documento se presenta la edición 2015 del Atlas Oficial de la República Boliva-riana de Venezuela. Su elaboración ha sido producto de los valiosos aportes de instituciones del estado, re-conocidos especialistas de las distintas áreas técnicas y el laborioso esfuerzo de trabajadores y trabajadoras del Instituto Geográfico de Venezuela Simón Bolívar (IGVSB). El documento está constituido por cerca de 400 páginas a color que incluyen numerosos mapas,

gráficos, tablas, fotografías y textos, muchos de los cua-les tienen como fuente de información y representación la Geomática. Su publicación se hará a través de ver-sión impresa y digital. Los trascendentes cambios expe-rimentados en nuestro país, durante los últimos años en los ámbitos político, social, económico y cultural hacen impostergable la publicación de esta obra. La versión fi-nal está concluida y ha sido sometida a la consideración de las autoridades nacionales.

Palabras clave: INFORMACIÓN GEOGRÁFICA, ATLAS OFICIAL, REPÚBLICA BOLIVARIANA DE VENEZUELA.

OFFICIAL ATLAS OF THE BOLIVARIAN REPUBLIC OF VENEZUELA, 2015 EDITION

ABSTRACT

Atlas are official documents with maps, statistics and texts in which countries express their natural, political, territorial, economic, social and cultural realities. In res-ponse to the need of historical continuity of such impor-tant document, the 2015 edition of the Official Atlas of the Bolivarian Republic of Venezuela is presented. Its development has been the result of valuable contribu-tions of state institutions, renowned specialists of diffe-rent technical areas and the efforts of our workers. The document consists of nearly 400 colored pages which

include numerous maps, graphs, tables, photographs and texts, many of which have geomatics as their sour-ce of information and representation. Its publication will have a printed and digital version. The important chan-ges experienced in our country in recent years in the political, social, economic and cultural fields make the publication of this work urgent. The final version is com-plete and has been submitted to the consideration of the national authorities.

Keywords: GEOGRAPHICAL INFORMATION, OFFICIAL ATLAS, BOLIVARIAN REPUBLIC OF VENEZUELA.

Introducción

De la misma manera que divulgan sus metas, estadísticas y logros, los países del mundo periódicamente publican sus atlas oficiales. Desde el punto de vista estrictamente lingüístico un atlas es una “colección de mapas geográ-ficos, históricos, etc., en un volumen” (RAE 2015) no obstante, basta internarse en las páginas de un atlas para describir, entender y sentir un país sin necesidad de transitar por las taquillas de inmigración.

A lo largo de su historia, la República Bolivariana de Venezuela ha publicado tres atlas oficiales. El primero, fechado en 1841 y dirigido por Agustín Codazzi por instrucción del General José Antonio Páez, primer presi-


dente de Venezuela, una vez traicionado el proyecto de la “Gran” Colombia. Tan valiosa y hermosa obra, la pri-mera en su género en América del Sur, contiene mapas continentales y regionales de gran valor histórico, una serie de mapas de provincias y cantones que reforzaron la territorialidad de la joven república y cuadros con datos geográficos básicos y de población.

El segundo atlas fue publicado en 1969 por la Dirección de Cartografía Nacional del Ministerio de Obras Públi-cas bajo la presidencia de Rafael Caldera, es esencial-mente gráfico con escasos textos y dedica la mayor par-te de sus páginas a las entidades federales incluyendo imágenes aéreas de sus capitales, abunda en fotogra-fías que muestran la modernización industrial, urbana y agrícola orgullo de aquellos años y contiene un conjunto de mapas históricos y temáticos.

El tercero y último atlas data de 1979 editado por la Di-rección de Cartografía Nacional del Ministerio del Am-biente y de los Recursos Naturales Renovables durante la presidencia de Luis Herrera Campins. Dicho atlas presenta un mejor balance en los temas, aunque sigue dando pre-eminencia a las entidades federales, introduce la regiona-lización como instrumento para el desarrollo, enriquece su contenido de mapas temáticos, incorpora un índice geográfico y publica las primeras imágenes de satélites ópticos. Hace uso intensivo del color y explícita la dificul-tad que significó el acceso a información estadística.

Diversas empresas nacionales y privadas han venido publicando atlas geográficos del país destacando entre ellos: el “Atlas Imagen de Venezuela, una visión espa-cial” (PDVSA 1992) abundante en imágenes de satélite y con textos que abordan cada tema, el Atlas práctico de Venezuela (El Nacional, et al. 1997) publicado bajo la modalidad de fascículos y el “Nuevo Atlas Práctico de Venezuela” (El Nacional 2003) que resulta una revisión y actualización de la anterior edición, incorporando nuevas formas de representación del contenido. De igual forma, se han publicado atlas dirigidos a la educación básica (SAGECAN 1990, SAGECAN 1998) algunos editados por iniciativa privada (Cuéllar 2012) (Espitia 2014).

Transcurridos 36 años desde su última aparición, se hace imprescindible una nueva edición del Atlas Oficial de la República Bolivariana de Venezuela no solo por el largo tiempo transcurrido sino por los trascendentes cambios que ha experimentado nuestra república, parti-cularmente en los últimos 16 años cuyo impacto político, social, económico y cultural bien merece ser expuesto, aún de manera sucinta, para su divulgación y análisis en el ámbito nacional y mas allá de nuestro territorio.

Desarrollo

Cerca de treinta autores provenientes del quehacer aca-démico y científico del país, aunado a la valiosa infor-mación estadística, documental, histórica y gráfica apor-

tada por alrededor de veinte instituciones, además de la entusiasta participación de numerosos colaboradores y la consecuente participación de los trabajadores y tra-bajadores del IGVSB en el ejercicio de organización, sistematización, análisis, representación y diseño hacen hoy posible, luego de varios años de tenaz esfuerzo, presentar al país este importante documento de la Patria.

Resultados

El Atlas oficial de la República de Venezuela, edición 2015 comprende cinco capítulos distribuidos en cerca de 400 páginas integradas por textos, mapas, imáge-nes, cuadros, gráficos y fotografías (Figura 1). El primer capítulo denominado “El espacio geográfico venezola-no: Imagen y Perspectivas” resume los aspectos funda-mentales de la república con una visión prospectiva. El capítulo dos bajo el título “El territorio a través de cin-co siglos de historia” expone la conformación histórica de nuestro territorio y los modelos de desarrollo urbano asociados. El capítulo tres presenta los “Aspectos físi-co-geográficos y recursos naturales” del país; mientras que el capítulo cuatro se dedica con especial interés a los “Aspectos socioculturales” (Figura 2). El quinto capí-tulo está dedicado a los “Aspectos económicos y servi-cios” (Figura 3); por último el capítulo sexto versa sobre las “Entidades federales y la Guayana Esequiba”. El Atlas concluye con más de 200 referencias bibliográfi-cas y un nomenclador de términos y unidades.


Se propone que el atlas sea publicado a través de dos versiones impresas, una de lujo y otra de tiraje masi-vo; y tres versiones digitales, una accesible desde la WEB, otra en CD y la tercera instalada en el contenido pedagógico de las tabletas y equipos de computación portátil que el Gobierno Bolivariano distribuye de ma-nera gratuita a los estudiantes y profesores de educa-ción básica y diversificada así como a estudiantes de nivel universitario.

Debido al carácter público de este documento se permi-tirá su distribución, copiado y exhibición por parte de terceros, siempre y cuando se den los créditos al Instituto Geográfico de Venezuela Simón Bolívar.

El segundo semestre 2014 el Atlas vio culminada la versión preliminar, fecha desde la cual ha sido some-tida a diversas revisiones externas; actualmente se en-cuentra a la consideración de las máximas autoridades de la República.

Conclusiones

Desde su última edición ocurrida en 1971, el Atlas de la República Bolivariana de Venezuela, edición 2015 constituye un modesto pero significativo aporte al co-nocimiento, diagnóstico y valoración del país que de manera inédita y acelerada estamos construyendo en el tránsito del siglo XXI.

Figura 1. Portada del Atlas de la República Bolivariana de Vene-zuela, edición 2015-10-23.

Figura 2. Capítulo IV, Aspectos socioculturales.


Figura 3. Capítulo V, Aspectos económicos y servicios.

esPetiA, P. (2014). Atlas República Bolivariana de Vene-zuela, Bogotá, p. 16.

sAgeCAn. (1990). Atlas escolar de Venezuela. segunda edición, p. 89.

sAgeCAn. (1998). Atlas básico de Venezuela, Gráficas La Bodoniana, Caracas, p. 222.

ReAl ACAdemiA esPAñolA. (2015). Recuperado de http://lema.rae.es/drae/

La publicación de esta obra, el más importante docu-mento geográfico de la Patria, constituye un instrumento de información, concientización y divulgación de nues-tra realidad natural, social, política y cultural que tras-ciende desde los primeros niveles en nuestras escuelas hasta la diplomacia internacional.

Agradecimientos

Un documento de esta naturaleza solo puede ser alcanza-do desde la construcción colectiva y consecuente. Mencio-nar a todos los que desde distintos ángulos han permitido esta concreción resulta pues casi imposible. Habiendo trabajado con ellos estamos seguros que mas allá de as-pirar ser mencionados de manera individual, su mayor recompensa se expresa en el agradecimiento a Dios por habernos sembrado en esta hermosa Tierra de Gracia.

Referencias

CuéllAR, h. (2012). Atlas artístico de la República Boliva-riana de Venezuela, grupo Editorial Thema, Bogotá, p. 120.

el nACionAl, CARtogRAfíA nACionAl (1997). Atlas práctico de Venezuela, Editorial El Nacional.

el nACionAl (2003). Nuevo atlas práctico de Venezuela, Editorial El Nacional, p. 240.


Aplicaciones de la Geomática para el ordenamiento territorial

AmAlys RodRíguez, seymouR BoRno

Geomatik Consultores [email protected], [email protected]

RESUMEN

El Ordenamiento Territorial tiene como objetivo zonificar y sectorizar el espacio geográfico en función de las ne-cesidades de la población para mejorar la calidad de vida de sus habitantes aprovechando los recursos dis-ponibles en armonía con el ambiente y a su vez promo-viendo un desarrollo económico sostenible en el tiempo, acorde con un plan que regula los usos del suelo y las actividades urbanísticas.

Es un hecho que las ciudades en América Latina y el Caribe han crecido y siguen creciendo a un ritmo suma-mente acelerado, y en su mayoría, sin un ordenamiento territorial. A nivel mundial las ciudades ocupan única-mente el 2 % de la superficie de la tierra. En América Latina de cada 100 habitantes, 80 viven en ciudades, es decir, 450 millones de habitantes viven en áreas ur-banas hoy en día. Los pronósticos al 2050 indican que para este año la población urbana habrá incrementado

en 178 millones alcanzando el 86% total de la pobla-ción. Es evidente la sobrecarga demográfica en esta área tan reducida y en la región, se acentúa aún más debido a la rapidez con la que se ha expandido. Ac-tualmente el 30% de hogares urbanos en estas latitudes se encuentran en barrios informales. En los próximos 20 años este porcentaje puede aumentar significativamente poniendo en peligro a una gran cantidad de personas debido a inundaciones, deslaves, soterramientos y otros riesgos naturales y no naturales a los que están expues-tas estas áreas.

El cambio climático y la disminución de los recursos eco-nómicos y naturales, obliga a que los instrumentos de planeamiento y urbanización deban ser utilizados de forma efectiva y eficiente para enfrentar estos cambios poblacionales que se estiman para los próximos años. Los temas de vivienda, infraestructura, servicios públicos y salud, son solo algunos aspectos de la vida cotidiana de una persona que se ven impactados por un rápido crecimiento urbano como el que está experimentando la región en la actualidad.

Es por ello que con la geomática, a través del conoci-miento y dominio de las técnicas tales como sensores remotos, fotogrametría, topografía, sistemas de informa-ción geográficas, geodesia, cartografía básica y temá-tica, catastro urbano, catastro rural y otros asociados, junto con las bases de geografía, geología, agricultura,

arquitectura y minería, se puede obtener información sis-tematizada y georreferenciada de la representación del espacio geográfico, localización y distribución espacial de centros poblados, asentamientos humanos, áreas na-turales protegidas, bosques nativos y secundarios, ríos, cuerpos de aguas, entre otros elementos, y definir por medio de los instrumentos de regulación para el orde-namiento territorial, superficies destinadas a la industria, minería, agricultura, turismo, ganadería y expansión ur-bana, con la finalidad de formular, planificar, ejecutar y evaluar acciones para la elaboración de planes, estrate-gias y diseños de ingeniería conceptual y gestión, en la utilización del espacio geográfico con fines de contribuir a la planificación y desarrollo sostenible del país.

En resumen, la geomática aplicada puede ser usada para el ordenamiento territorial de diversas formas:

•Evaluación de los recursos naturales, mediante la in-terpretación de las aerofotografías y técnicas de per-cepción remota (imágenes de radar, satélite y vehícu-los aéreos no tripulados).

•Desarrollo de investigaciones sobre aprovechamiento y uso del territorio.

• Levantamientos geodésicos, geológicos, mineros, agronó-micos, topográficos, catastrales de distintas magnitudes.

•Estudios de planificación, organización y ejecución de trabajos, así como diseño y ejecución de vías de comunicación, obras hidráulicas, entre otras, acordes


con las regulaciones del desarrollo sectorial, regional y nacional.

Referencias

edx CouRses, idBx/idB7x (2015). Desarrollo urbano y vivienda. Banco Interamericano de Desarrollo. Re-cuperado de: https://courses.edx.org/courses/ coursev1:IDBx+IDB7x+2015_T1/courseware/7154cc-52fca84933a03a999dfc8df050/756f4003807048c-8bf9e80e3fd790bb1/


Vulnerabilidad de las Costas Venezolanas al incremento del nivel

del mar, tsunamis e inundación Proyecto Costas e Islas de

Venezuela

José Alexis ARismendi VAleRo

Centro de Procesamiento Digital de Imágenes (CPDI) Fundación Instituto de Ingeniería para la Investigación y

Desarrollo Tecnológico (FIIIDT)[email protected]

RESUMEN

Existe la solicitud e interés de entes oficiales por obtener información de línea base reciente y rápida del mar y de las costas e islas venezolanas a través del uso de la teledetección oceanográfica, así como de otras herra-mientas que brinda la Geomática. Dentro del Proyecto Costas e Islas de Venezuela, que adelanta el CPDI, se pretende levantar y cartografiar variables temáticas re-lacionadas con el uso de la tierra, la geomorfología y la geología costera, con miras a realizar la valoración catastral de unos 3.800 Km de costas y de islas como aporte al ordenamiento marino-costero utilizando las

bondades del Sistema de Información Geográfica. La información a recabar también servirá para conocer los escenarios litorales ante el incremento del nivel del mar por efectos del cambio climático y de riesgos costeros por tsunamis e inundaciones locales, fundamentalmente en las costas bajas con una alta ocupación por bienes y servicios y sistemas ecológicos significativos. Se mostra-rán varios casos de algunas secciones costeras con posi-bilidades de ser impactadas por dichos riesgos costeros.


El Esequibo es nuestro. Un acercamiento histórico geográfico

José AlBeRto ViVAs

Instituto Geográfico de Venezuela Simón Bolí[email protected]

RESUMEN

El presente trabajo, busca abarcar en detalle y con toda rigidez histórica, el proceso a través de una línea de tiempo, afianzada en mapas y documentos algunos inéditos, del despojo del que los venezolanos han sido objeto por parte de Inglaterra, al firmarse el tristemente célebre Laudo Arbitral de París del 3 de octubre de 1899, que no fue más que un simple y vul-gar despojo. Donde arrebataron un territorio que se-gún los mapas de la Marina de Guerra Francesa de 1770, el de la Capitanía General de Venezuela de 1777, de la República de Venezuela en momentos de su independencia y otros, que inclusive fueron acep-tados por la corona inglesa, demuestran sin lugar a dudas, que el territorio al oeste del río Esequibo es de la República Bolivariana de Venezuela. Desde la Nueva Andalucia, pasando por la creación de la Ca-pitanía General de Venezuela, y hasta la actualidad.

También se abordarán los hechos donde la Patria logró momentos de reivindicación territorial, y otros donde es-tuvo a punto de hacerlo. Incluyendo las acciones del “Terror de los Ingleses” General Domingo Antonio Si-fontes (Incidente del Cuyuní); Anacoco y La Rebelión del Rupununi. Se concluye con las acciones tomadas por el gobierno y pueblo venezolano, desde el inicio del ac-tual proceso bolivariano y revolucionario.

Palabras clave: ESEQUIBO, CUYUNI, ANACOCO, RUPUNUNI, LAUDO DE PARÍS.

THE ESSEQUIBO IS OURS. AN HISTORICAL AND GEOGRAPHIC APPROACH

ABSTRACT

This paper seeks to cover the details with the whole his-torical rigidity, the process through a timeline, supported by maps and some unpublished documents, the dispos-session of which Venezuela was submitted by England, the signing of the infamous Paris Arbitration Decision in October 3, 1899, which was nothing more than a sim-ple dispossession. They seized a territory that, according to maps of the French Navy in 1770, as well as that of the Captaincy General of Venezuela in 1777, that of the Republic of Venezuela at the time of independence and others, that even were accepted by the British crown,

demonstrated beyond any doubt that the territory to the west of the Essequibo River is part of the Bolivarian Re-public of Venezuela. Since Nueva Andalucía, through the creation of the Captaincy General of Venezuela, up to this day.

The facts where the country achieved moments of terri-torial claim, and others where nearly so, will also be addressed. Including the actions of the “Terror of the Englishmen” General Domingo Antonio Sifontes (Cuyuní Incident); the Anacoco and Rupununi Rebellion. It will conclude with the actions taken by the Venezuelan peo-ple and government, since the beginning of the current Bolivarian government.

Keywords: ESSEQUIBO, CUYUNI, ANACOCO, RU-PUNUNI, PARIS DECISION.

Introducción

El año 2015 inicia con un asunto muy importante y deli-cado para el país, en lo que a relaciones internacionales se refiere: la reactivación del reclamo territorial, que el país mantiene sobre los territorios al oeste de la vaguada del río Esequibo, que considera le fueron despojados en 1899, luego de las declaraciones poco amistosas de la canciller guyanesa Carolyn Rodrígues-Birkett, ofrecidas en rueda de prensa el 22 de diciembre de 2014: “Han


pasado más de 20 años desde el proceso de buenos oficios. Si en dos décadas no se tiene el progreso que quieres ver y ha habido (temas) que lo han complicado, hay que revisar otras opciones“, manifestó, para luego agregar..”Guyana analiza si planteará un arbitraje o tomará acciones legales para resolver la disputa de más de un siglo con Venezuela por la región Esequibo, rica en recursos naturales”. (Rodrígues-Birkett, 2014). La di-plomática estimó que el encargado de buenos oficios de las Naciones Unidas de 1989 no ha logrado avances significativos para resolver la controversia por más de 159.500 km2 ricos en bosques y minerales. Además la región del Esequibo delimita con una zona marítima abundante en recursos energéticos.

Basado en el Acuerdo de Ginebra de 1966, la resolu-ción de la controversia fue delegada al secretario gene-ral de la Organización de las Naciones Unidas (ONU) a través de su representante de buenos oficios, pero el último, Norman Girvan, falleció en Cuba el 9 de abril de 2014, por lo que vuelven a congelarse las mediacio-nes en el reclamo territorial. La ONU no se ha pronun-ciado sobre quién sustituirá a Girvan como mediador.

La disputa entre ambos países se centra en un viejo re-clamo sobre el territorio del Esequibo que se originó en un laudo arbitral en París a finales del siglo XIX, que con-cedió la soberanía a Guyana y que Venezuela siempre ha cuestionado.

Para Venezuela, esa zona en reclamación aún aparece en el mapa como territorio venezolano, pues así ha sido. Siendo la posición del actual gobierno venezolano, de llevar la disputa hasta un final satisfactorio desde un escenario de paz. En cambio, desde su independencia, los guyaneses han crecido viendo en sus escuelas, el mapa del territorio guyanés, donde se incluye el Esequi-bo como parte del mismo. No rayado como debería ser de acuerdo a la norma internacional.

Esto es un problema político nacional, con mucho de geográfico-histórico. Han ocurrido varios sucesos que en el escenario internacional han dejado los rastros de una intromisión poco justa de parte de los imperios con intenciones malsanas y cuyos hechos hablan por sí so-los. Es menester profundizar con información histórica de los aspectos socio-políticos venezolanos, así como guyaneses, que permitan comprender a fondo el asunto y así construir estrategias que permitan lograr los objeti-vos reivindicativos planteados.

A lo largo del presente artículo se pueden identificar una serie de acciones que revelan que la historia olvidada no es historia ni es nada.

El Esequibo Venezolano

¿En qué consiste el Acuerdo de Ginebra?. El Acuerdo para resolver la controversia entre Venezuela y el Reino

Unido de Gran Bretaña e Irlanda del Norte sobre la fron-tera entre Venezuela y la Guayana Británica, firmado en Ginebra (Suiza) el 17 de febrero de 1966, mejor cono-cido como Acuerdo de Ginebra, es un tratado vigente firmado por Venezuela por una parte, y el Reino Unido junto con su colonia de Guayana Británica (que estaba próxima a recibir la independencia) por la otra, por el cual se detallan los pasos a seguir para la resolución de la controversia limítrofe-territorial sobre la Guayana Esequiba surgida de la contención venezolana ante la ONU, en 1962, de considerar nulo e írrito (inexistente) el Laudo Arbitral de París de 1899 que emitió el Tribunal Arbitral de París y que definió la frontera común entre Venezuela y Guayana Británica, sin presencia de vene-zolanos, los cuales fueron representados por estadouni-denses, rusos y británicos. La decisión del tribunal quedó en tela de juicio luego de hacerse público el testamento, donde se incluía, el Memorándum de Severo Mallet Pre-vost y otros documentos que demostraban las maniobras y manipulaciones que comprometían la validez del lau-do. Después de muerto Mallet-Prevost, en Nueva York el 11 de diciembre de 1948, se descubrió por sus testimo-nios escritos (testamento), que Venezuela fue despojada de todo lo que le pertenecía. El Memorándum de Ma-llet-Prevost conmovió al mundo “para quedar tranquilo con su conciencia” (se recomienda leerlo).

El Acuerdo de Ginebra fue firmado el 17 de febrero de 1966. Publicado en la Gaceta Oficial de Venezuela Nº


28.008 del 15 de abril de 1966 y posteriormente regis-trado por este mismo país el 5 de mayo de 1966 en la Secretaría General de la Organización de las Naciones Unidas bajo el Nº I-8192.

Tres meses después de la firma del acuerdo, el 26 de mayo de 1966, la colonia de Guayana Británica reci-be la independencia llamándose a partir de entonces “República de Guyana” (y desde 1970: República Coo-perativa de Guyana), fecha a partir de la cual el nuevo Estado pasa a formar parte del acuerdo como país so-berano e independiente sustituyendo totalmente a Reino Unido en las conversaciones con Venezuela respecto al diferendo limítrofe.

El Acuerdo de Ginebra es un acuerdo transitorio para llegar a una solución definitiva, y aunque invalida el laudo de 1899, se mantiene el statu quo que este de-rivó. Por lo tanto, el área en reclamación se encuentra bajo la autoridad del gobierno de Guyana hasta que no se resuelva algo diferente conforme al tratado. El artículo primero del documento, reconoce la contención de Venezuela de considerar nulo e írrito (inexistente) la decisión del tribunal que definió su frontera con Guaya-na Británica. Reino Unido y Guyana (entonces Guaya-na Británica) al firmar el documento reconocen el recla-mo y la inconformidad de Venezuela acordándose así encontrar una solución práctica, pacífica y satisfactoria para las partes. Figura 1. Los derechos venezolanos de soberanía en el Esequibo.

En el Acuerdo de Ginebra se establece la creación de una Comisión Mixta integrada por representantes de Ve-nezuela y de Guyana (Reino Unido, a pesar de ser parte firmante del tratado, no tiene participación en la comi-sión) la cual en un plazo de 4 años tendría que decidir cuál podía ser la solución al problema limítrofe, una vez vencido este plazo, se suscribe en 1970 el Protocolo de Puerto España entre Guyana, Reino Unido y Venezuela por el cual se “congelaba”, por un término de 12 años, parte del Acuerdo de Ginebra. En 1982 Venezuela de-cide no ratificar el Protocolo de Puerto España y se vuel-ve a lo establecido en el acuerdo.

En 1983 Venezuela propone la negociación directa con Guyana pero ésta no acepta y propone tres alternativas (Asamblea General de la ONU, Consejo de Seguridad o Corte Internacional de Justicia) que Venezuela rechaza.

Ese mismo año de 1983, por iniciativa de Venezuela, el conflicto limítrofe se lleva bajo los auspicios del Secreta-rio General de las Naciones Unidas, en concordancia a lo previsto en el artículo IV, numeral 2 del acuerdo y apegados al artículo 33º de la Carta de las Naciones Unidas referente a los medios de soluciones pacíficas de controversias.

En 1987 Guyana y Venezuela deciden aceptar el mé-todo de los Buenos Oficios que comienza a funcionar desde 1989 en la persona de un Buen oficiante elegi-


do y aceptado por las partes. Esta figura tiene como función acercar a ambos gobiernos con el fin de que estos lleguen a una solución satisfactoria como lo dic-ta el tratado. El buen oficiante era el jamaicano Nor-man Girvan quien fue elegido y aceptado por ambos países con la anuencia del Secretario General de la ONU. Pero como mencionamos antes, murió a inicios del 2014.

El viernes 11 de octubre de 2013 la marina vene-zolana interceptó en aguas del océano Atlántico un buque científico malayo, de nombre Teknik Perdana. El barco había sido alquilado por la compañía de exploración petrolera Anadarko, con sede en Texas, sur de Estados Unidos, para llevar a cabo estudios de viabilidad en una concesión otorgada por Guya-na, contraviniendo lo estipulado en los acuerdos an-teriormente firmados. Este incidente no perturbó las buenas relaciones entre ambos países, pero avivó la controversia. Debemos recordar que Guyana recibe el 43 % de sus necesidades energéticas, a través de Petrocaribe, organización surgida desde Venezuela, con grandes intenciones integracionistas.

En los hechos que conforman la historia del Esequibo Venezolano, hay un aparte muy importante para enten-der el desarrollo de los acontecimientos, y la responsa-bilidad de cada uno de los actores. Con este escrito, se pretende colaborar en tal entendimiento.

Incidente del Cuyuní

En 1895, Venezuela sabía de los planes de los ingle-ses de adentrarse en suelo nacional y tomar diferentes lugares para la corona, siguiendo los abusos originados tras la tristemente célebre, línea Schomburgk. Entre esos espacios estaba El Callao, que por ser una población productora de oro, era codiciada por Inglaterra. Por esa razón, los ingleses habían cruzado el río Cuyuní para invadir y reclamar territorio... Allí fue cuando Sifontes les salió al paso.

Ese año (1895), el general Domingo Antonio Sifontes, encabezó un enfrentamiento entre venezolanos e ingle-ses, que habían invadido el territorio nacional desde la Guayana Inglesa, buscando apoderarse de las tierras ricas en oro. Este episodio armado fue conocido como “El incidente del Cuyuní”, que tuvo lugar en El Dorado, estado Bolívar, y por el cual tras la victoria, Sifontes es considerado un héroe patrio.

Anterior a este hecho, ya había un historial de tensiones entre las dos naciones, cuyo punto inicial se ubica en 1821, cuando Simón Bolívar da instrucciones para pro-testar contra la Corona Inglesa por incursiones realiza-das desde la Guayana Inglesa. Situación que alcanza un punto crítico con la determinación de Antonio Guzmán Blanco de romper relaciones con Inglaterra (1887) por la adjudicación, mediante decreto, de El Callao, Guasipati

y El Dorado al territorio colonial inglés. Pero la acción victoriosa de Sifontes y sus hombres (civiles y militares), logra que cesen las pretensiones británicas de tomar par-te del suelo venezolano por las armas, para dar paso a discusiones que se mantienen hasta la actualidad.

Con el fin de cortar el avance inglés, que amenazaba desde 1884, se crea la “Comisaría Nacional del Cuyuní y sus Afluentes”, ubicada en la margen izquierda del río del mismo nombre, aguas abajo de la desembocadura del río Yuruán, en el estado Bolívar. Con este mismo fin, se asigna una guarnición militar para esta zona y una compañía de la Fuerza Armada Nacional, a cargo del general Domingo Antonio Sifontes, nombrado comisario general de la entidad.

A Sifontes, nacido en Cantaura, estado Anzoátegui, en 1834, se le conocía como el llanero intelectual. Esto, como puede leerse en el trabajo titulado: General Do-mingo Antonio Sifontes: “El terror de los ingleses”, de-bido a que intercalaba un gran número de lecturas y estudios con sus labores en el campo, a las que se dedi-có desde muy temprano, cuando su familia se trasladó a Tumeremo.

Durante su desempeño como comisario durante la pre-sidencia de Joaquín Crespo, se le encargó, entre otras tareas, la exploración de la zona, la civilización de los indígenas que allí habitaban y, sobre todo, el cuidado


de la compañía, manteniéndola completa, equipada y distribuida por el territorio que le fue asignado, así como la creación de sub-comisarías, proceso que llevó a cabo con rapidez.

Su gesta comienza el 2 de marzo de 1884, fecha en la cual funda la población de El Dorado, en la que estable-ció un puesto militar para expulsar a los invasores del área. Este hecho le ha ganado el reconocimiento como héroe local y defensor de la soberanía nacional.

Según relata el general Oscar Márquez, ex representan-te ante el Consejo Nacional de Fronteras y autor del tex-to “Como la nación venezolana detuvo la usurpación, invasión o avance británico hacia el Orinoco”, a pesar de que las órdenes de Sifontes eran no tolerar asen-tamientos de británicos ni permitir maniobras militares de personas de esta nacionalidad, el general Sifontes procedió con diplomacia, interesado en evitar confron-taciones bélicas, de tal forma que sopesaba las accio-nes a tomar en favor de la nación a la que servía. No obstante sus precauciones, el 2 de enero de 1895 se produce el llamado “Incidente del Cuyuní”, bautizado así por el propio Sifontes, un enfrentamiento armado entre venezolanos y británicos, en el que los primeros resultaron vencedores.

A tempranas horas de ese día, los soldados del inspector inglés Barnes, tomaron un puesto militar

venezolano desocupado, mas no abandonado, ubi-cado en la margen izquierda de río. Esa mañana, los hombres de Barnes izaron la bandera inglesa en tierras venezolanas.

Ante este hecho, el capitán Andrés Avelino Domín-guez, segundo al mando de Sifontes, procedió a re-cuperar militarmente el asentamiento, desalojar a los ingleses e izar el tricolor nacional. Cabe destacar, que en el grupo iban civiles voluntarios, algunos de ellos armados de palos y cuchillos. El resultado del combate encarnizado y desigual escenificado en el lugar cono-cido como Piedra Escrita, fue la retirada desordenada de los ingleses y el apresamiento de Barnes, algunos de sus hombres, y parte de su armamento que dejaron abandonado. Todos fueron llevados a la Comisaría General del Cuyuni y sus Afluentes, lo que marcó un punto determinante en las relaciones de ambos países. Desde entonces hasta la actualidad, las disputas territo-riales se han mantenido en el plano diplomático. Salvo otro “incidente”: ANOCOCO.

Aquella victoria y contención de las tropas inglesas se le atribuye al general Sifontes y a su habilidad estratégica y decisión de comando. Por esta condición resaltante en la historia nacional, un municipio del estado Bolívar fue bautizado con su apellido: Sifontes, donde hoy descan-san los restos del héroe.

La toma de la isla Anacoco

Cuando Inglaterra impuso el Laudo Arbitral en 1899 vio-lando todas las normas del derecho internacional, nuestro país perdió 139.500 km2. Porque en la parte definitoria se fueron “ultra petita”, es decir, le reconocieron a Ingla-terra mucho más de lo que formalmente ésta pretendía.

En 1953, Marcos Pérez Jiménez, reactivó la queja y se la planteó al Secretario de Estado Norteamericano, úni-ca vía posible de gestión, en medio de la Guerra Fría. Estaba reciente el escándalo Mallet-Prevost, la confesión póstuma de uno de los asistentes de los jueces de 1899, donde se expuso la corrupta y vulgar gestación del fallo a favor de Inglaterra.

En 1966, ocupando la totalidad de esa “zona en recla-mación”, nació la República Cooperativista de Guyana, con sólo 215.000 kilómetros de territorio, es decir, que el área históricamente venezolana configura las dos ter-ceras partes de su territorio. Se creaba un nuevo país de tendencia izquierdista a nivel de gobierno, heterogéneo en lo étnico, lingüístico, religioso y también en lo político.

Cuando el litigio dejó de ser contra Esequibana - Inglate-rra y en su lugar quedó el país Guyana, Venezuela perdió parte de sus argumentos de reivindicación. La acción de fuerza del gobierno de Raúl Leoni, de tomar posesión la isla de Anacoco, tiene un gran impacto en los habitantes


de la Guayana Esequiba, que creen posible la anexión de Venezuela. La isla de Anacoco tiene una superficie de 28 Km2, hecho ocurrido el 12 de Octubre de 1966, día en que se colocó una compañía del Ejército; se construyó un cuartel para la compañía y una pista de aterrizaje, y se incorpora la isla a la influencia de venezolana (Figura 2).

Ahora la inmensa y rica Venezuela aparecía como el es-tado agresor de su pequeño vecino. Entonces surge una

Figura 2. La recuperación de Anacoco.

oportunidad de reivindicación, el año de 1969, con la Rebelión pro-venezolana del Rupununi guyanés, lidera-da entre otros por Valerie Hart.

La Rebelión del Rupununi

El 2 de enero de 1969, hubo un alzamiento masivo en esa provincia guyanesa (Rupununi), provocado por la falta de atención, los abusos y el sectarismo religioso

del gobierno de Forbes Burnham. Se proclamaron in-dependientes de Guyana y planteaban la posibilidad de crear un nuevo país o sumarse a Venezuela. Valerie Hart participó en el movimiento, junto con un numero-so grupo de ganaderos y hacendados pertenecientes a las familias Melville, Sing, Browney y Daron, de la región Lethen y Annai, poblaciones situadas a unos 600 Kilómetros de Georgetown. Apoyados por un innume-rable grupo de Amerindios principalmente Wapishana, Arawak, Akawaio, Macuchi entre otros.

Nombrada líder del estado libre del Rupununi dio la voz de alerta al mundo a través de una pequeña emisora de radio solicitando ayuda para su región especialmente a los EE UU, Venezuela o de cualquier otro país que la escuchara. Identificándose Valerie Hart como Presidenta de la asociación de Ganaderos del Rupununi y represen-tante de los pueblos libres y del Estado libre del Esequi-bo en rebelión contra el Gobierno del PNC y Burnham (Afrodescendientes), señalando que los ganaderos y los amerindios de la región luchaban contra su dictadura.

Señaló igualmente que las poblaciones de Annai, Pira-ra, Arapohom, Karasabai y Manarin se encontraban bajo su control. Pero que había una fuerte lucha en la población de Manari contra las Fuerzas de Defensa de Guyana (GDF). A través de esa pequeña emisora es que el mundo conoce de los acontecimientos en las saba-nas del Rupununi. Al día siguinte Hart, pasa a territorio


venezolano volando su propia avioneta, llega a Santa Elena de Uairén y de allí a Ciudad Bolívar y de ésta, con la ayuda de un piloto venezolano, se trasladó a Caracas donde se entrevistó con el Canciller Ignacio Iribarren Borges y con el Dr. Leandro Mora, Ministro de Relaciones Interiores. Ante los cuales hace una dramáti-ca relación de los hechos que habían conducido a que fuera designada presidenta de un Comité Provisional de Gobierno. Burnham negaba derechos a los 40 mil nati-vos y pobladores de la zona. Su ministro de Agricultura Robert Jordan, les había explicado, como parte de una política racista, que no le serían validados los títulos de propiedad de sus tierras y les había advertido que la zona sería repoblada con población negra, sobre la cual Burnham sustentaba su fuerza política en hostilidad contra indostanos y amerindios.

Valerie Hart le dijo al canciller que la intención de los insurrectos era convertir a Rupununi en un territorio in-dependiente bajo protección venezolana en un prin-cipio. Valerie Hart relató la operación en marcha. Los aeropuertos de Lettem y Annai, fueron bloqueados con tambores de gasolina, mientras los insurrectos leían la proclama de un movimiento denominado “Guyveno” (Guyanés-venezolano), que tenía como símbolo un arco y una flecha. Jim Hart (esposo de Valerie), Harold Mel-ville, y Maurice Mitchell encabezaron la acción con el apoyo de 100 personas en su mayoría mujeres arma-das de escopetas.

A todo esto, el canciller Iribarren Borges contestó:”...con arreglo a las convenciones diplomáticas, explicó que Venezuela estaba comprometida con el acuerdo firmado en Ginebra con Inglaterra y Guyana en fe-brero de 1966, y que no podía intervenir de ninguna manera a favor de los rebeldes”. El 4 de enero desde Ciudad Bolívar llegó a Santa Elena de Uairén el capi-tán Edgar Gavidia Valero con un mensaje preciso: “los componentes militares venezolanos debían desbloquear las pistas y comenzar la evacuación de la población amerindia y de los cabecillas de la revuelta”. No obs-tante, el despeje de la pista suponía la llegada en ho-ras de los contingentes de Georgetown. Un piloto de la línea Guaica que logró permanecer mayor tiempo en Lettem contó a su regreso las escenas de terror que se desencadenaron cuando dos C-47 aterrizaron en la zona con los mercenarios ingleses (Diablos Rojos) y fuer-zas regulares guyanesas. Burnham (cuyo partido sólo había obtenido dos votos en el territorio de Rupununi en recientes comicios), ordenó una implacable opera-ción de limpieza étnica. Los rebeldes fueron derrotados, algunos ejecutados, otros huyeron a Venezuela donde les dieron cédula de identidad venezolana. Sus casas las incendiaron, condenando a varios participantes de la acción armada, a prisión, los pobladores sometidos a despiadadas torturas y las mujeres fueron víctimas de todo tipo de violaciones. Por varios días pareció posible que Venezuela ocupase esa zona o por lo menos presta-se ayuda logística y militar a la masa popular declarada

en rebeldía. Pero aunque el episodio causó conmoción en Venezuela y preocupación en toda el área, la revuel-ta fue reprimida y Rupununi “pacificado”.

Asediado por los periodistas aquella tarde, Borges se limitó a decir: “Venezuela no considera prestar ayuda militar a los rebeldes de Guyana”. El presidente Raúl Leoni desde Miraflores aseguró: “no habrá declaracio-nes”; mientras que el ministro Leandro Mora fue tajante: “el movimiento no hubiera fracasado de haber interve-nido Venezuela”. Horas después, desde el hotel “El Con-de”, Valerie Hart declaraba indignada:“quiero que se entienda muy claro que si el gobierno de Venezuela, por presión de los Estados Unidos, no presta ningún tipo de ayuda a la gente de Rupununi esto equivaldría a darle su respaldo al gobierno de Burnham”. Al preguntarle los periodistas por qué decía eso, la Sra. Valerie Hart afirmó: “...Porque ese territorio es venezolano y noso-tros nos sentimos venezolanos, pero según el criterio de los Ministros, el Gobierno de Venezuela teme la reper-cusión que podría tener en la esfera de sus relaciones internacionales...”.“...lo que nosotros queremos es crear un Estado independiente, o anexarnos a Venezuela, por-que a este territorio pertenecemos...”.

En alocución radial a la Nación guyanesa, el día 4 de enero el Primer Ministro Forbes L. Burnham, acusó al go-bierno de Venezuela de entrenar a los insurrectos y de armarlos. No obstante esta declaración del Gobierno gu-


yanés, Valerie Hart negó tales acusaciones, exonerando a nuestro país de los señalamientos, al indicar: “...de Ve-nezuela no hemos recibido nada, ahora es cuando esta-mos solicitando ayuda. Es falso que nuestros combatientes hayan sido adiestrados en territorio venezolano. Nuestro movimiento está inspirado por un sentimiento venezolano, porque nos consideramos hijos de esta tierra. También es falso que pretendamos anexar nuestro territorio a Brasil; esto debe quedar bien claro: nos sentimos venezolanos y queremos formar parte física y espiritual de Venezuela...”.

Años después (según Manuel Felipa Sierra) el periodista Américo Fernández de El Nacional entrevistó en Ciudad Bolívar a Maurice Mitchell, uno de los jefes de la revuel-ta, quien recordaba que funcionarios de los ministerios de Relaciones Exteriores e Interiores le habían prometi-do en aquella oportunidad: “armas, entrenamiento, una avioneta y protección en caso de fracasar la revuelta”. Por esos días, en un poblado de Texas, Valerie Hart re-cordaba la amarga sensación que sintió una tarde de enero frente a la plaza Bolívar de Caracas.

¿Por qué Venezuela no aprovechó la coyuntura para revertir el despojo territorial?

Primero, porque los dos presidentes venezolanos del mo-mento, Raúl Leoni saliente pero todavía a cargo y Rafael Caldera, electo pero sin tomar posesión, no quisieron

arriesgarse, temieron a la reacción del imperio del nor-te. Leoni estaba viejo, enfermo, ya su partido había per-dido las elecciones. Caldera, consultó a la Embajada Norteamericana y ésta le dio la línea a seguir, en todo caso, su moderación aquel 1969 contrasta infinitamente con el discurso nacionalista de 1941, cuando era Dipu-tado y protestaba contra la pérdida de la Guajira en el gobierno de López Contreras. Cosas veredes Sancho.

Hubo individualidades que a motu propio aportaron di-nero, armas y participaron. Unidades militares se apres-taron a intervenir, y se hicieron planes de ataques aé-reos. Todo fue detenido y los esequibanos venezolanos, que al grito de “We are venezuelans”, se rebelaron, fueron abandonados a su suerte.

Valerie Hart, la líder del movimiento secesionista, vino a Venezuela, habló con ministros, presidentes y declaró a los medios, se hizo responsable de la acción y con eso se condenó a la pena eterna (traición a la patria guyanesa) y al ostracismo. Se declaró venezolana pero Venezuela no la asumió. Terminó exiliada en Texas.

Valerie (Figura 3), una mujer morena, tenía treinta y cin-co años, su familia era ganadera y ya fungía como dipu-tada guyanesa por el Rupununi, fue postulada para las elecciones de 1968, por el Partido Fuerza Unida (UF) de Peter D´Aguiar por el distrito electoral del Rupununi. Resultando electa en la contienda desconociéndose su

triunfo posteriormente. Tuvo cinco hijos. Arriesgó todo por el ideal de ser venezolana y de que se reintegrará a Venezuela, parte de su territorio perdido. Es tiempo de enaltecerla. “...Corazón de la revuela del Rupunu-ni...” como lo titulara su artículo la Lic. McAlmont en “la Historia de la Semana” publicada en el diario Stabroek News el primero de enero de 2009.

Figura 3. Valerie Hart, promotora de la consigna “We are venezuelan”.


Figura 4. Bandera.

Observacion: Al referirse a Guyana (República Coope-rativa de Guyana) Venezuela solo reconoce su territorio al este del río Esequibo (Nota de Reconocimiento de la Cancillería al nuevo estado de Guyana del 26 de mayo de 1966: “En consecuencia, el territorio de la Guaya-na Esequiba sobre el cual Venezuela se reserva expre-samente sus derechos soberanos, limita al Este con el nuevo Estado de Guyana, a través de la línea media del río Esequibo, tomado éste desde su nacimiento hasta su desembocadura en el Océano Atlántico”.

Conclusiones El Esequibo, ¿qué hacer?

El trabajo que se está haciendo, sobre mapas y docu-mentos que demuestran que el territorio al oeste del rio Esequibo es parte de la República Bolivariana de Vene-zuela, es muy bueno, es exitoso.

Desde ésta visión, el punto más débil del gobierno de Mr. David Granger, es su política con los amerindios e indostanos esequibanos. Desde la rebelión de Cuffy (fe-brero de 1763) acaecida en las plantaciones aledañas al rio Berbice, la población de origen africano mantiene su hegemonía sobre las otras etnias que hacen vida en lo que ahora es la República Cooperativa de Guyana.

A pesar que algunos afrodescendientes se unieron con amerindios surgiendo de este mestizaje etnico-cultural, los cimarrones, y que los ingleses trajeron a dicho te-rritorio chinos, javaneses e indios como mano de obra barata, la política de los gobiernos de mayoría afrogu-yanés, ha sido discriminatoria. Esa situación y las ex-propiaciones que realizó Forbes Burnham una vez en la presidencia (1966), perjudicando a ganaderos esequi-banos, fueron motivo de la rebelión del 2 de enero de 1969 (Valerie Hart).

En estos momentos, la situación no ha mejorado para los esequibanos no afroguyaneses. La población en el territorio del Esequibo venezolano, disminuye, siendo la emigración, el problema social más grave. Siendo Ve-nezuela el país que recibe gran parte de esta población que emigra. Quizás esa sea la razón, por la que no han llamado a referéndum para que la población del territo-rio Esequibo manifieste su deseo de quedarse guyanés o como dijo Valerie Hart y todavía se lee en algunas paredes de Lethem: “We are venazuelans”.

Referencias

ARtíCulo elABoRAdo PoR el dR. seeloChAn BehARRy en el gu-yana journal en enero de 2006 “el 02 de enero: el día del recuerdo amerindio un día de luto nacional. “...Los principales líderes de la rebelión huyeron al exilio. A brasil y venezuela. Al igual que muchos de los amerindios que participaron con ellos junto a cientos de personas que no participaron, pero que sufrían como consecuencia de ello la causa amerin-dia había tenido un gran revés...”.

“...Las denuncias de atrocidades cometidas contra civi-les por la policía de origen africano, fueron publica-das en el periódico o globo de brasil y destacadas en londres en el observador el 8 de junio de 1969: “en lethen (según un periodista brasileño, desde boa vista, a través de la frontera de lethen) vi casas destruidas por el fuego de ametralladoras sin que los ocupantes tengan la mas mínima oportunidad de escapar. Vi a la policía de guyana reducir a ocho personas, tres adultos y cinco niños de siete años. En otro momento en que se capturo a dos niñas, una de 14 y otra de 15. Las dos permanecieron atadas desnudas durante tres días sin comer nada. Después de que fueron violadas por la policía para después ser arrojadas al suelo y ser aplastadas por un camión”.


BuReAu of stAdistiCs guyAnA (2012) Guyana Population & Housing Census. Preliminary Report.

CiudAd BolíVAR (1969). Caracas, 8 de enero de 1969. Año LIX. N° 21.398. Pág 1. Cuerpo A.

gisPeRt, CARlos (1982). Geografia de América. Barcelo-na: Océano.

gonzález, PedRo (1991) .La Reclamación de la Guayana Esequiba. Caracas: Miguel A. García e Hijo S.R.L.

suRedA, RAfAel (1984). Betancourt y Leoni en la Guayana Esequiba. Caracas: FACES-UCV.

Consultas en: http://www.militar.org.ua/foro/

silVA, mARio (2015). Programa televisivo: La Hojilla fe-cha: sábado 11 de julio de 2015.

mARquez, osCAR J. “La Ocupación De Anacoco”. Pág 12 a 45.

el uniVeRsAl.(S/A). “Mil muertos en frontera con Guya-na”. Agencia de noticias: Innac.

keldeR toti (2014). La Rebelión de Rupununi. 24 de fe-brero de 2014.


La Geomática y nuestra Fuerza Armanda Bolivariana

ContRAlmiRAnte CésAR enRique sAlAzAR mARtínez

Director de Geografía y Cartografía Militar - DIGECAFA

RESUMEN

La Fuerza Armada Bolivariana para garantizar la inde-pendencia, soberanía y ejercer la defensa militar debe emplear no solo la fuerza militar sino también hacer máximo uso de los recursos tecnológicos disponibles, que le permitan aplicar todos los preceptos estudiados y practicados en el arte de la guerra. El mismo arte de la guerra que nos indica que el terreno constituye la parte más esencial en la conducción de una operación militar, ahora bien, debemos entender al terreno como ese espacio geográfico donde interactúan un conjunto de variables en un determinado lugar y que están en constante interrelación produciendo un efecto sobre las actividades del hombre, que en este caso particular no es más que planificar y conducir la estrategia militar.

Hoy en día, el espacio geográfico es percibido con un conjunto de sensores que, no estando en contacto direc-tamente con la tierra, son capaces de detectar mucha más información que estando en ella misma, ejemplo de

ello son los diferentes satélites que orbitan nuestro pla-neta y que en combinación de otras tecnológicas como la que proporciona la informática, dan origen a una ciencia geoespacial llamada Geomática.

Es así como, una fuerza armada profesional vinculada a la Geomática logra la adquisición, modelado, trata-miento, almacenamiento, recuperación, análisis, explo-tación, representación y difusión de la Geodesia, la Geografía, la Fotogrametría y la Teledetección, con pro-ductos de alta fiabilidad como los Sistemas de Informa-ción Geográfica e Infraestructura de Datos Espaciales y cualquier ciencia que suponga el procesamiento de información geográfica.

A partir del lanzamiento del Satélite Francisco de Miran-da, el trabajo combinado con la Agencia Bolivariana para Actividades Espaciales (ABAE) y los lazos interins-titucionales con el Instituto Geográfico Simón Bolívar y el Instituto de ingeniería con su Centro de Procesamiento Digital de Imágenes (CPDI), nuestras experiencias son ricas en logros importantes, que podemos resumir en:

•Detección de pistas de aterrizaje clandestinas utiliza-das por el narcotráfico en todo el eje fronterizo.

• Identificación de cultivos ilícitos (marihuana y cocaína).•Ubicación de zonas con explotación de minería ilegal.• Independización de los procesos y técnicas para ela-

borar productos cartográficos.

•Generación de escenarios 3D, Modelos de Elevación y Superficie para la conducción de operaciones mili-tares, entre otros.


Mapa Caracas y su aporte a la gestión del Municipio Libertador

RiCARdo sAntAnA s., luisegleé montezumA s.Dirección de Catastro Municipio Libertador

[email protected]

RESUMEN

Definición y Estructura del Sistema de Información Geo-gráfica “Mapa Caracas”-Alcances y Objetivos- Capaci-dades Técnicas-Tipo de Software aplicado.

La Necesidad de un Sistema de Información Geográfica para el Mejoramiento y la Optimización de las Políticas Pú-blicas, Inventario de Obras Públicas, Seguimiento y Control de las Inversiones realizadas y seguimiento de proyectos.

El Mapa Caracas como herramienta tecnológica para el análisis espacial de los Indicadores Sociales, Económi-cos y Políticos del Municipio Libertador con el objetivo de evaluar áreas en conflictos, o zonas en decrecimiento, para lograr un enfoque equitativo de la Gestión Pública.

Mapa Caracas como Herramienta Cartográfica al Servicio Público. Información detallada, con la ubi-cación de los principales sitios de interés turísticos y

recreacional-Rutas de Transporte Terrestre-Inventario de Espacios Públicos.

El Catastro Inmobiliario y su aplicación en el Mapa Ca-racas. Registro de inmuebles a través de la cartografía catastral-Inventario Actualizado de los inmuebles del mu-nicipio libertador.


Pi desde las Entrañas Una visión interna del App.

Patrullaje Inteligente

gioVAnny quAgliAno

SIGIS Soluciones Integrales GIS [email protected]

RESUMEN

El 24 de Septiembre del 2014, fue lanzada la aplica-ción Patrullaje Inteligente para dispositivos móviles, un sistema tecnológico sin precedentes para el país, en el que se busca apalancar un dispositivo de seguridad na-cional con ayuda de herramientas tecnológicas de últi-ma generación.

Una simbiosis perfecta entre el estado venezolano y la empresa privada dio como frutos esta iniciativa, donde queda demostrado que en Venezuela también se cons-truyen sistemas informáticos de alta calidad.

Pi desde las entrañas busca explorar los componentes tecnológicos con los que se construyó esta aplicación, de la que hoy sólo se conoce como una herramienta para dispositivos móviles, develando que esa es sólo la punta

del iceberg, y que detrás de esa sencilla herramienta, hay una conjunción de tecnologías de la más alta gama.


WorldDEM - El nuevo Standard en Modelos de Elevación a escala

Mundial

Alfonso CAsAdo

Airbus Defence&[email protected]

RESUMEN

WorldDEM™ es el nuevo Modelo Digital de Elevación ofrecido por Airbus Defence&Space que cubre una su-perficie de 150 millones de kilómetros cuadrados de te-rreno emergido, que es la superficie entera de la Tierra.

Es el modelo de elevaciones más homogéneo y preciso producido hasta ahora a escala Mundial.

Los productosWorldDEM™ se basan en los datos captu-rados durante la misión específica para este propósito, ejecutada por los satélites radar Terrasar X y Tandem X.

La misión ha sido financiada por una sociedad Público-Pri-vada entre el estado alemán, representado por el centro aeroespacial alemán (DLR) y Airbus Defence&Space.

El portfolio de productos WorldDEM incluye 3 produc-tos, cada uno basado en el anterior y que se diferencian por su nivel de edición:

El conjunto de datos WorldDEM (Figuras 1 y 2), es único en su género, y ofrece ventajas para un amplio número de aplicaciones, como ortorrectificación de imágenes de satélite, aviación militar y civil, gestión de explotacio-nes de petróleo y gas, además de misiones de defensa y seguridad. Su cobertura global facilita asimismo la cooperación internacional y la planificación de misiones transfronterizas; disponer de un DEM estandarizado, de elevada precisión, es un factor de crucial importancia; en especial en aquellos casos en que disponer de in-formación de precisión sea de máxima prioridad (ante catástrofes naturales o medioambientales, por ejemplo).

WorldDEM, características

•Cobertura mundial, de polo a polo: DEM homogéneo y estandarizado en cualquier punto de la Tierra.

•Calidad única en su género: Extraordinaria informa-ción de la superficie en cualquier punto de la Tierra.

• Precisión sin rival: 2 m (relativa) / 4 m (absoluta) de precisión vertical en una malla de 12 m x 12 m.

• Modelos Digitales de Superficie y de Terreno disponibles.

•Disponible de forma inmediata.

Figura 1. WorldDEMTM (DSM) Figura 2. WorldDEMTM (DTM)

100% de Venezuela ya disponible!


Tu mundo a escala en los ojos de un drone

BethAniA PeñA godoy

SIGIS Soluciones Integrales GIS [email protected]

RESUMEN

Nunca la geodesia estuvo tan al alcance de nuestras manos. Comparte nuestra experiencia con la utilización de una herramienta tecnológica que ha revolucionado los estándares tradicionales de plataformas satelitales. Ahora desde tus manos podrás escalar tu entorno de manera precisa, rápida y fácil. Con el apoyo de la tec-nología Drone, obtienes precisiones centimétricas en cortos periodos de tiempo nunca antes imaginados en la utilización de misiones satelitales. Al abordarte en esta emocionante experiencia como piloto, al mismo tiempo generas productos valiosos necesarios para la planifica-ción geoespacial de cualquier obra de ingeniería.

Las bondades de la utilización de estas aeronaves van desde imágenes estereoscópicas con una alta resolución espacial, hasta modelos digitales del terreno y modelos de superficie de alta precisión, con un costo considera-blemente mucho más bajos que los comparados con los

métodos convencionales utilizados en la geodesia. La tecnología geoespacial cada día avanza y nos genera productos de mejor calidad en menor tiempo de ejecu-ción con mucha versatilidad, para muestra de ello la utilización de estos aviones piloteados remotamente los cuales te trasladan a cualquier área que desees.

Modela tu ambiente e imagina todos los elementos rea-les que pueden representar visto desde una perspectiva en tres dimensiones, ahora tu apreciación será vista des-de un Drone.


Empleo de drones para apoyar el seguimiento y ejecución de

proyectos para redes de servicios públicos

ViCtoR VilAChA

CARTOGEO [email protected]

RESUMEN

La disponibilidad de imágenes de muy alta resolución capturadas a partir de aeronaves no tripuladas, mejor conocidos como drones o UAV, ha permitido su incor-poración en aquellas actividades y aplicaciones que requieren información con gran detalle visual, sumado a una periodicidad de captura cada vez más frecuen-te. Algunas de estas actividades, son las relacionadas al manejo de redes de servicio público en particular, las que se hallan en grandes áreas urbanas, cubriendo extensas áreas geográficas con altas densidad pobla-cional, administrando y monitoreando un inventario de equipos e infraestructura de gran envergadura y com-plejidad, con una dinámica de cambio muy alta.

El objetivo del trabajo es evaluar, la aplicación de imá-

genes tomadas desde drones para la identificación, va-lidación, seguimiento y control de las obras necesarias en la instalación de redes de Servicios Públicos, presen-tamos a continuación un ejemplo práctico de una red de servicio eléctrico de media y baja tensión, en un urba-nismo del litoral mirandino.

Es necesario el uso de herramientas de tipo SIG, para garantizar la correcta ubicación de los diferentes ele-mentos y la visualización de la infraestructura de los equipos de la red, así como su interconectividad, estos programas incluyen opciones para desplegar imágenes georeferenciadas, prestando un gran apoyo a las tareas de mantenimiento y monitoreo de la red eléctrica. Pos-teriormente las cuadrillas de campo, podrán periódica-mente hacer revisiones, chequeos o inspecciones de las redes pudiendo determinar cuales han sido golpeados, como se encuentra el cableado que se une a ellos, que tan cerca se encuentra la vegetación, así como otros peligros relacionados.

Palabras clave: DRONES, REDES DE SERVICIO PÚBLI-CO, REDES ELÉCTRICAS, LEVANTAMIENTO DE CAM-PO, SISTEMAS DE INFORMACIÓN GEOGRÁFICA, AC-TUALIZACIÓN DE INFORMACIÓN.


Perfil de base de metadatos geográficos del Instituto Geográfico

de Venezuela Simón Bolívar

RosA AguilAR1,2, CARlos BlAnCo1

1Instituto Geográfico de Venezuela Simón Bolívar, 2Fundación Instituto de Ingeniería para la Investigación y

Desarrollo Tecnoló[email protected], [email protected], [email protected]

RESUMEN

El perfil base de metadatos geográficos del Instituto Geográfico de Venezuela Simón Bolívar (IGVSB) consti-tuye un avance en la gestión de metadatos geográficos en el marco de la construcción de la Infraestructura de Datos Espaciales del IGVSB. Esta iniciativa pretende sol-ventar la problemática relacionada con la dispersión, completitud y cumplimiento de estándares en el ámbito de la documentación de datos geográficos.

El instrumento presentado define una estructura para la do-cumentación de datos vectoriales, datos Ráster y Geoser-vicios producidos en el IGVSB y en su elaboración fueron consideradas las especificaciones técnicas emanadas por el comité técnico de la ISO TC-211 concernientes al tema.

La correcta gestión de metadatos permitirá la búsqueda, recuperación e intercambio de información espacial de manera sencilla, así como el resguardo organizado de la memoria histórica territorial del IGVSB, haciendo uso de las tecnologías de información y las comunicaciones. La disponibilidad de metadatos al servicio de las insti-tuciones coadyuvará en una reducción de esfuerzo en la producción de datos geográficos necesarios en los procesos de gestión territorial y por ende al desarrollo de la nación.

Adicionalmente al documento que establece el perfil base de metadatos geográficos del IGVSB, se ha desarrollado una aplicación sencilla para la gestión del proceso de llenado y publicación, la cual está basada en software libre y apegado a las especificaciones definidas en el Perfil Base de Metadatos Geográficos del IGVSB.

Palabras clave: METADATOS, PERFIL BASE, SERVICIOS, VECTOR, RASTER.

METADATA BASE PROFILE OF THE GEOGRAPHIC INSTITUTE OF VENEZUELA SIMON BOLIVAR

ABSTRACT

The base profile IGVSB geographic metadata is an im-provement in the management of geographic metadata

in the context of building the Spatial Data Infrastructure of the Institute Geographic of Venezuela Simon Bolivar (IGVSB). This initiative aims to solve the problems related with the dispersion, completeness and compliance with standards in the field of geographic data documentation.

The instrument presented defines a structure for docu-menting vector data, raster data and Geoservices pro-duced by IGVSB and workmanship were considered the technical specifications issued by the technical commit-tee ISO TC-211 concerning the topic.

The correct metadata management enable the search, retrieval and exchange of spatial information easily and organized safeguarding the territorial historical memory of IGVSB, using information technologies and commu-nications. The availability of metadata to service insti-tutions will contribute to a reduction in effort in the pro-duction of geographic data needed in the processes of territorial management and therefore the development of the nation.

Additionally the document that establishes the basis pro-file of IGVSB geographical metadata, has developed a simple application to manage the filling process and pu-blication which is based on free software and attached to the specifications defined in the Base Profile IGVSB Geographic Metadata.


Keywords: METADATA, BASE PROFILE, SERVICES, VEC-TOR, RASTER.

Introducción

En este sentido, la ciencia y más tarde la tecnología avanzan en la cartografía y la geografía, facilitando su interrelación entre seres vivientes y su hábitat. Para ello, la documentación geográfica permite conocer el contex-to, contenido y estructura territorial para la comprensión de futuras generaciones.

De esta manera los países orientan estrategias sobre va-riables geográficas, lo cual significa que una gestión basada en metadatos aportaría a las políticas públicas del Estado.

En este contexto, la International Standart Organization (ISO-15489:2001), “los metadatos son información es-tructurada o semi-estructurada que posibilita la creación, registro, clasificación, acceso, conservación y disposi-ción de los documentos a lo largo del tiempo y dentro de un mismo dominio o entre dominios diferentes”. (p.276). Por ende, el metadato es concebido como un nivel supe-rior del dato en sí mismo, dado que su documentación profundiza el entendimiento y la preservación del mismo para usuarios y aplicaciones.

La normativa internacional emanada del comité técnico 211 de la ISO (TC-211) sobre Referencias de Información Geográfica y Geomática bajo la norma ISO19115:2003, sobre Metadatos Geográficos, establece lineamientos que permiten especificar perfiles nacionales de metada-tos adaptados al contexto propio de cada país.

En este sentido, el Perfil Base de Metadatos del IGVSB define una estructura para la documentación de datos vectoriales, datos Ráster y servicios fundamentado en dichas especificaciones contemplando un conjunto mí-nimo de elementos para documentar la información geo-gráfica producida o en custodia por el IGVSB (Figura 1).

Metodología

Los criterios generales para la definición de los ele-mentos que conforman el perfil base de metadatos del IGVSB son los siguientes:

•Aprobación y autorización del presidente del IGVSB para la elaboración del Perfil Base de meta-datos geográficos.

•Conformación del equipo de trabajo con miembros técnicos de otras Instituciones del Estado.

• Inclusión de los elementos del Núcleo de la Norma ISO 19115:2003 Geographic Information Metadata, y tomando como referencia las normas del Estándar de metadatos de Cataluña, el Núcleo Español de Me-

tadatos (NEM), el Perfil de Metadatos Latinoamerica-no (LAMP) y el Perfil Ecuatoriano de Metadatos (PEM).

• Inclusión de elementos adicionales, consensuados, de la norma que contribuyen a una documentación más completa. Se adoptan los dominios de valores especi-ficados en la Norma ISO 19115:2003.

•Aprobación del Perfil Base de Metadatos por parte de la junta directiva del IGVSB.

Figura 1. Secciones del Perfil base para datos vectoriales, Raster y servicios. Fuente: Perfil Base Metadatos IGVSB.

Dicho perfil, no es de carácter limitativo y puede ex-pandirse con la incorporación de elementos opcionales incluidos en las Normas ISO.


De este modo cada productor de información puede crear un per-fil propio que responda a sus necesidades particulares (Figura 2).

Figura 2. Estructura de metadatos para el núcleo, perfiles y exten-siones ISO. Fuente: Normas ISO 19115.

El objetivo principal de este perfil es consolidar la gestión de metadatos geográficos en el marco de la construcción de la Infraestructura de Datos Espaciales Institucional.

Su concepción, obedece al alto volumen de información espacial disponible en la institución proveniente de múl-tiples fuentes y que impone retos importantes y acciones dirigidas a su estandarización, puesto que pudiera ver-se amenazada de dispersión y pérdida de oficialidad.

Es por ello que resulta perentorio la implementación del perfil de metadatos, de forma tal de documentar, con-

servar y distribuir la memoria histórica del conocimiento territorial del país haciendo uso de las tecnologías de información y las comunicaciones, al servicio de las ins-tituciones y del desarrollo de la nación.

En este sentido, el IGVSB ha publicado en su página web con un Catálogo de Metadatos con fines de publi-cación llamado “Geonetwork”.

Al mismo tiempo, ha unificado esfuerzos en el desarrollo de una aplicación interna para la gestión de metadatos basada en software libre y apegado a las especificacio-nes definidas en el Perfil Base de Metadatos Geográfi-cos del IGVSB (Figura 3).

Dicha aplicación está concebida bajo una estructura de plantillas precargadas que facilitan la incorporación de los metadatos por parte de los usuarios e incrementa su productividad y fue desarrollada con PHP5, HTML, JavaScript, XML metodología Modelo Vista Controlador orientada a objetos y la base de datos PostgreSQL.

Adicionalmente al instrumento diseñado, en el IGVSB se están tomando acciones a fin de fortalecer capacidades profesionales en la gestión de documentos, estándares de metadatos; todo ello con el fin último de facilitar el intercambio de datos geográficos con usuarios de otras gerencias y organismos.

Resultados

Perfil Base de Metadatos Geográficos del IGVSB y la herramienta de carga de metadata.

Discusión

La documentación no estandarizada del dato geográfico es una práctica natural e individual de cada institución o ente del estado, sin embargo se han identificado iniciati-vas que apuntan al empleo de estándares de metadatos.

En este orden de ideas, regionalmente han surgido de la misma norma ISO-19115 distintos perfiles de metada-tos, variantes básicamente en la cantidad de elementos Figura 3. Sistema de Gestión de Metadatos. Fuente: IGVSB.


seleccionados y adecuados a la realidad espacial de uno o varios países.

En tal sentido el IGVSB genera su perfil base de meta-datos compuesto por el núcleo y otros elementos de la norma ISO que permiten describir de forma precisa los datos generados en esta institución. Y que sirven como punto de referencia para otras instituciones productoras de datos espaciales.

Conclusión

A nivel institucional, los metadatos son elementos crí-ticos, altamente importantes para el manejo de la in-formación puesto que además de identificar y descri-bir los objetos de información, permiten documentar cómo se comportan, su función, usos, sus relaciones con otros objetos y cómo deben procesarse, lo cual representa la operatividad de los datos en su nivel más detallado.

El IGVSB posee importantes oportunidades de mejo-ras en la gestión de información cartográfica a partir de los metadatos las cuales ameritan acciones es-tratégicas que favorezcan el aprovechamiento de la tecnología orientada a la adopción permanente de estándares en las políticas públicas y la integración de Venezuela a nivel nacional e internacional en te-mas geográficos.

En el desarrollo del perfil se han considerado los apor-tes de profesionales de múltiples disciplinas provenientes de diversas instituciones ligadas al uso y producción de información geográfica, incluyendo a la Dirección de Geografía y Cartografía de la Fuerza Armada Nacio-nal (DIGECAFA), la Secretaría del Consejo de Defensa Nacional (SECODENA), la Fundación Instituto de Inge-niería (FII), Petróleos de Venezuela (PDVSA-Exploración), Ministerio del Poder Popular para la Agricultura y Tierras (MAT), el Instituto Nacional de Estadísticas (INE), Minis-terio del Poder Popular para el Ambiente (MINAMB), Instituto Nacional para el Desarrollo Rural (INDER), Mi-nisterio del Poder Popular para la Ciencia, Tecnología e Innovación, Ministerio del Poder Popular de Petróleo y Minería, Ministerio del Poder Popular de Planificación.

En la actualidad, las sociedades requieren conocer la existencia de los datos, confiar en su calidad, determi-nar su nivel de aplicación y acceder fácilmente a ellos, con el fin de que se pueda compartir e integrar informa-ción de diferentes fuentes.

Referencias

ConstituCión de lA RePúBliCA BoliVARiAnA de VenezuelA (2000). Gaceta Oficial Extraordinario N° 5453 (de fecha 24/03/2000).

noRmA iso tC/211 19115 (2003). Metadata.

noRmA iso tC/211 19115-2 (2005). Metadata- Part 2: Extensions for Imagery and Gridded Data.

noRmA iso tC/211 19139 (2007). Metadata- Imple-mentation Specification.

noRmA ISO TC/211 19119 (2007). Service Metadata.


Avances de la Red de Referencia Gravimétrica de Venezuela

RuBeR álVARez1, nuRis oRihuelA1,2, denizAR Blitzkow3,4

1Coordinación de Geodesia, IGVSB; 2Departamento de Geofísica, Facultad de Ingeniería,

Universidad Central de Venezuela; 3Escuela Politécnica Universidad de Sao Paulo;

4Instituto Brasilero de Geografía y Estadí[email protected], [email protected], [email protected]

RESUMEN

En Venezuela se han levantado, previamente, tres redes de referencia gravimétrica, entre los años 1958-60, en dos proyectos de alcance Sur Americano se levanta la pri-mera, con participación de personal de la Dirección de Cartografía Nacional (DCN), ejecutadas por organismos regionales. La segunda en 1970 y la tercera en 1982, en estos dos últimos casos la ejecución se encuentra a cargo de la DCN, en 1982 se contó con una activa participa-ción del Ministerio de Energía y Minas. La necesidad de amarrar estas redes de referencia a los sistemas mundia-les de referencia y la modificación de dichos sistemas en el tiempo, han traído como consecuencia que la gravime-tría venezolana agrupe levantamientos generados bajo sistemas de referencia disimiles, esto conlleva a errores

de difícil contabilización tanto en aplicaciones gravimé-tricas geodésicas como geofísicas. Esta condición y la tutela que tienen los institutos geográficos de las redes de referencia gravimétrica, impulsan la decisión de empren-der un proyecto destinado a la medición de estaciones de gravedad asociadas a la red de monumentos geodé-sicos en Venezuela, homologando para ello los criterios de medición y el instrumental utilizado. Este proyecto se encuentra en curso a la fecha se cuenta con 171 estacio-nes levantadas, de las 200 proyectadas.

Palabras clave: GRAVIMETROS DIGITALES, REDES DE REFERENCIA GRAVIMETRICA, REGVEN.

GRAVIMETRIC REFERENCE NETWORK OF VENEZUELA

ABSTRACT

Three gravimetric reference networks have been sur-veyed in Venezuela. The first one was done between 1958-60 within the scope of two South American pro-jects, where personnel of the Dirección de Cartografía Nacional (DCN) participated and its execution by ins-titutions at the regional level. The second and third sur-veys where done in 1970 and 1982 respectively, exe-cuted by DCN. The 1982 survey had the participation of the Ministry of Energy and mines as well. The need

to link these reference networks with the world reference systems and their modification over time, have had as a consequence that the Venezuelan gravimetry group surveys were generated under dissimilar reference sys-tems. These entails errors of difficult accounting both, in geodetic gravimetric and geophysical applications. This condition and the guardianship that the Geographic ins-titutions have over the gravimetric reference networks, drive the decision to undertake a project to measure gravity stations associated with the network of geodetic monuments in Venezuela, standardizing the criteria for surveying and the instruments used. This project is in progress and currently 171 stations, of the 200 planned have been measured.

Keywords: DIGITAL GRAVIMETERS, GRAVIMETRIC REFE-RENCE NETWORK, REGVEN.

Introducción

En los últimos 10 años se han incorporado 10 graví-metros digitales en diversos organismos públicos nacio-nales, esto permite contar con una base instrumental amplia que permite abordar la tarea de medición de una red de referencia nacional homologada. El año 2012 se inicia el proyecto Geodinámica Integral de los Andes de Mérida (GIAME), el cual agrupa 5 gravíme-tros digitales entorno al levantamiento gravimétrico de


la región occidental de Venezuela, conocidas las dis-crepancias de las diversas redes de referencia existen-tes en nuestro país, para esta fecha, se parte de esta primera iniciativa interinstitucional (FUNVISIS, PDVSA, UCV) del proyecto GIAME para impulsar la medición de una nueva red de referencia de alcance nacional, incorporando para su ejecución a INGEOMIN, y bajo la coordinación general al Instituto Geográfico de Venezuela Simón Bolívar.

En el marco de esta iniciativa se incorpora la red de medición de estaciones gravimétricas absolutas en Vene-zuela con el apoyo del Instituto de Geografía y Estadís-tica de Brasil (IBGE), utilizando un gravímetro absoluto A-10. De las 6 estaciones absolutas medidas en 1988 (Drewes et.al., 1991) se midieron 2 en el año 2015, las cuales serán utilizadas en el amarre definitivo de la Red de Referencia Gravimétrica de Venezuela (RRGV).

Metodología

Los circuitos gravimétricos levantados desde el año 2012 con fines de establecimiento de una RRGV fueron amarrados a las estaciones absolutas levantadas el año 1988 (Drewes et al., 1991). Las estaciones fueron selec-cionadas bajo tres criterios:

Localidades medidas en redes de referencia previas, monumentos de la Red Geocéntrica de Venezuela (REG-

VEN), otros monumentos geodésicos existentes según la necesidad de cobertura geográfica.

En todos los casos fueron utilizados al menos dos gra-vímetros en forma simultánea para el levantamiento de las estaciones, el tiempo máximo de recorrido fue de 14 horas y en la totalidad de los casos el levantamiento se ejecutó por vías terrestres o fluviales, a diferencia de re-des de referencia previas ejecutadas preferencialmente por vía aérea.

El trabajo de adquisición de datos reposa sobre un gru-po de tesistas de la Universidad Central de Venezuela, se han utilizado 5 gravímetros Scintrex CG-5 (159, 411, 412, 658 y 1109) y un gravímetro Lacoste & Romberg, tipo G (401), el ajuste instrumental común se ejecuta en noviembre 2012, el occidente del país se levanta entre los años 2012 y 2013 (71 estaciones), el estado Bolívar el año 2014 (6 estaciones) y en lo que ha transcurrido del 2015 se ha levantado el Estado Amazonas (16 esta-ciones) y el oriente del País (78 estaciones).

Resultados

El total de estaciones bases gravimétricas levantadas por GIAME, a nivel nacional (Figura 1) se asocian a monumentos geodésicos con lo cual pasan a formar par-te de la Red de Referencia Gravimétrica de Venezuela, 171 estaciones a la fecha. El levantamiento en el Esta-

do Amazonas se ha realizado con personal del IGVSB y el IBGE, sin la participación de tesistas por la compleji-dad logística en la captura del dato, 10 estaciones a la fecha y 6 en fase de levantamiento.

Figura 1. Distribución de estaciones de la Red de Referencia Gravimétrica levantadas a la presente fecha.

Conclusiones

El trabajo interinstitucional promovido por el Proyecto GIAME y ejecutado bajo la coordinación del IGVSB, permite optimizar el uso de los diversos gravímetros di-gitales existentes en nuestro país para contar con una


moderna red de referencia gravimétrica. A la presen-te fecha se cuenta con el 90% de los datos adquiridos y con el 50% de los datos procesados, a finales del 2015 contaremos con el 90% de los datos adquiridos y procesados con lo cual será presentada la RRGV a uso público. Restan un pequeño número de estaciones a ser levantadas al sur del Río Orinoco el primer semestre del año 2016.

Referencias

BRAVo, d., Benítez, R. fonseCA, A., y heRReRo, e. 1989. Es-tablecimiento de la nueva red gravimétrica de es-taciones bases de Venezuela. Boletín Cartografía y Geodesia, Volumen 2, N° 1, Pp: 12-20.

dRewes, h., toRge, w., RödeR R., BAdell C., BRAVo d., And oswAldo, ChouRio. 1991. Absolute and Relative gravimetric surveys of national and geodynamic networks in Venezuela, Journal of South American Earth Sciences. Vol. 4, No. 4, pp. 273-286.

gRAteRol, V. & fonseCA, A. 1978 Gravimetría en Vene-zuela. Boletín de Geología, Volumen XIII, N° 24, Pp: 235-243.

oRihuelA, n. 2014. Historia de la gravimetría en Vene-zuela, Revista Venezolana de Ciencias de la Tierra, GEOS 46, pp. 44-57.


Campaña de medición GNSS 2015 de la Red Geocéntrica Venezolana

REGVEN

José nAPoleón heRnández, fReddy BAlCázAR, RuBeR álVARez, luis monCAdA

Instituto Geográfico de Venezuela Simón Bolí[email protected], [email protected],


RESUMEN

El Instituto Geográfico de Venezuela Simón Bolívar (IGVSB), es el organismo rector para el establecimiento del control geodésico nacional. En este sentido, se han realizado dos campañas de medición GPS en el terri-torio nacional, en 1995 y 2000, ambas simultáneas a la etapa de medición de la red continental SIRGAS. El objetivo de este trabajo es presentar la tercera campaña de medición satelital GNSS REGVEN 2015, sobre los mismos vértices existentes y establecidos en las dos cam-pañas anteriores, así también como en vértices nuevos e incorporados a ésta. Como fase de ejecución se realizó el análisis sobre el estado de los vértices, reconstrucción de los destruidos, colocación de nuevos; diseño final de la red, elaboración de especificaciones, mediciones de

campo, ordenación y transmisión de datos. En la cam-paña de medición GNSS participaron diversos organis-mos oficiales e instituciones privadas, y se llevó a cabo durante los meses de junio y julio de 2015. Se utiliza-ron sólo instrumentos GPS/GNSS de doble frecuencia. Cada vértice fue medido en dos sesiones de ocho horas, con intervalo de captura a 5 segundos y con una másca-ra de elevación de 0º. Asimismo durante la campaña se encontraban en operación al menos, 8 estaciones per-manentes de la Red de Estaciones de Monitoreo Satelital GNSS (REMOS), con el fin de vincular los vértices REG-VEN medidos. Se lograron medir 134 vértices REGVEN Orden B en todo el territorio nacional.

Palabras clave: REGVEN, GNSS, REMOS, SIRGAS.

CAMPAIGN 2015 GNSS MEASUREMENT OF VENEZUELAN GEOCENTRIC NETWORK

ABSTRACT

The Geographic Institute of Venezuela Simon Bolivar is the governing body for the establishment of national geo-detic control. In this regard, there have been two GPS me-asurement campaigns in the country, in 1995 and 2000, both simultaneous to SIRGAS network measuring. The aim of this paper is to present the third measurement cam-paign GNSS satellite REGVEN 2015, on existing and

established points in the previous two campaigns, as well as new points incorporated into this network. First, as implementation phase analysis on the state of the points, reconstructed of destroyed ones, as well as placing new ones, then, the final network design, development of their specifications, field measurements, data management, data transmission and delivery. The GNSS measurement campaign involved various government agencies and pri-vate institutions. It was conducted from June to July 2015. Only dual-frequency GNSS instruments were used. Each point was measured at two sessions of eight hours each, with a capture interval of 5 seconds and a 0° elevation mask. During the campaign, 8 permanent stations of the Satellite Monitoring Stations GNSS Network (REMOS) were in operation in order to link the REGVEN points. It was possible to establish 134 points, B Order REGVEN throughout the national territory.

Keywords: REGVEN, GNSS, REMOS, SIRGAS.

Introducción

El Instituto Geográfico de Venezuela Simón Bolívar (IG-VSB), como organismo rector en materia de geodesia de acuerdo al artículo 46 de la Ley de Geografía, Carto-grafía y Catastro Nacional (LGCCN), tiene dentro de sus atribuciones, planificar, establecer, mantener y actualizar el Sistema Geodésico Nacional (Gaceta Oficial 2000).


Como antecedente importante, se debe mencionar que a partir del año 1993, se acuerda en el directorio del pro-yecto SIRGAS (Sistema de Referencia Geocéntrico para Las Américas), la definición y materialización de una red de referencia en toda Suramérica, planificándose luego que la Campaña de medición GPS se realice desde el 26 de mayo al 4 de junio de 1995 (SIRGAS 1996).

En esta oportunidad, la red SIRGAS, vino a establecer un datum moderno, geocéntrico y único para Suramérica, lo que trajo como consecuencia la unificación de todas las redes geodésicas nacionales establecidas por modernas tecnologías como GPS, permitiendo que los proyectos geoespaciales que se ejecuten entre diferentes países se realicen en un datum único (Hernández et. al. 2001).

A su vez el IGVSB, cumpliendo con la misión rectora en materia de geodesia, en los años 1995 y 2000, ejecu-ta las campañas de medición GPS para establecer el Sistema Geodésico Nacional. En ambas ocasiones, se logró que las fases de medición GPS coincidieran con las campañas SIRGAS.

Es importante señalar que se midieron los vértices REGVEN Orden A y B, representando la mejor densi-ficación de la red SIRGAS en Venezuela, hasta que se avance y se logre la consolidación de las estaciones de operación continua REMOS (Red de Estaciones de Mo-nitoreo Satelital GNSS).

De esta manera y con el fin de actualizar y optimizar la calidad de los vértices de la Red Geocéntrica Venezo-lana (REGVEN), se realizó una campaña de medición GNSS en todo el territorio nacional, en la cual se mi-dieron 134 vértices orden A y B. Se utilizaron equipos GPS/GNSS de doble frecuencia, en sesiones dobles de 8 horas de medición con intervalo de captura de 5 se-gundos y máscara de elevación de 0°.

Campaña REGVEN 95

En el año 1995 se realizó la fase de medición de la primera campaña REGVEN. Esta etapa se realizó simul-táneamente a la fase de medición satelital de la red SIRGAS, realizada desde el 26 de mayo al 4 de junio de 1995, con mediciones GPS continuas las 24 horas durante 10 días. Mientras que REGVEN 95 se ejecutó desde el 20 de mayo al 16 de junio de 1995, con se-siones dobles de 8 horas de medición GPS. Se midieron 67 vértices ubicados al norte del paralelo 5° (Hernán-dez et. al. 1996).

Los datos obtenidos se calcularon en el ITRF 94, época 1995.4, con el apoyo científico del Instituto Alemán de Investigaciones Geodésicas (DGFI-Deutsches Geoda-tisches Forschungsinstitut, actualmente integrado en la Universidad Técnica de Munich), utilizando el software Bernese versión 3.4, desarrollado por el Instituto Astro-nómico de la Universidad de Berna, Suiza. Esta red vino

entonces a conformar el marco geodésico de referencia del nuevo datum SIRGAS – REGVEN adoptado en el año 1999, en sustitución del PSAD 56 (Provitional South American Datum 1956) ó La Canoa, siendo Venezuela el primer país en adoptar a SIRGAS como datum ofi-cial, de gran importancia para los estudios, proyectos e investigaciones que requieran de una vinculación al sistema geodésico nacional, según el artículo número 11 de la LGCCN.

Campaña REGVEN 2000

Posteriormente, 5 años después de la campaña REG-VEN 1995 y con el fin de actualizar el posicionamiento geodésico de los vértices, se planificó una segunda cam-paña nacional GPS.

Como objetivo adicional, se consideró que se desarrolla-ra simultánea a la segunda campaña continental del pro-yecto SIRGAS, realizada del 10 al 19 de junio del 2000. De esta manera, se ejecutó la fase de medición REGVEN desde el 1 al 30 de mayo del 2000. Entre los criterios técnicos se consideró igualmente un intervalo de captura de 30 segundos y una máscara de elevación de 0°.

Finalmente se establecieron 89 vértices en todo el terri-torio nacional, entre los que se encontraban los mismos que fueron medidos en la campaña del 95, adicional-mente a la extensión de la red en el estado Amazonas


(sur del paralelo 5°) y otros nuevos colocados en impor-tantes áreas de desarrollo (Hernández et. al. 2003).

El procesamiento y cálculo de datos se realizó con el software Bernese versión 4.0, en el ITRF 2000, época 2000.4 siendo calculada por personal del IGVSB en la sede del DGFI en Alemania.

En resumen, para las soluciones del ITRF (International Terrestrial Reference Frame) adoptados para el cálculo final de las coordenadas, se estableció el ITRF 94 en la época 1995.4 para la campaña 1995; mientras que para la campaña del 2000, las coordenadas se calcula-ron en el ITRF 2000 en la época 2000.4. Posteriormente a la ejecución de estas campañas, se realizaron dife-rentes estudios con el fin de evaluar la deformación de redes por efectos de Neotectónica y por cambios en la definición de los posteriores y diferentes ITRFs (Mccarthy et. al. 2004).

Campaña REGVEN 2015

Luego de transcurrir 15 años desde la última campaña GPS, se analizó la deformación de los vértices REGVEN por efectos de neotectónica (Drewes et. al. 1995), to-mando en consideración que Venezuela se encuentra ubicada entre las placas tectónicas del Caribe y Suramé-rica, así también, debido a la cantidad de vértices que han sido destruidos, el IGVSB decidió realizar la tercera

campaña REGVEN, remidiendo los mismos vértices de las campañas de 1995 y 2000 y otros adicionales que se agregaron con el fin de cubrir al país con una ma-yor cantidad de vértices, considerando la necesidad del control geodésico para los grandes proyectos naciona-les que se desarrollarán en materia de catastro, límites y cartografía, entre otros.

Metodología y diseño de la fase de medición GNSS de la Campana REGVEN 2015

En cuanto al diseño de la red, se consideró un conjunto de criterios técnicos y metodológicos, entre los que se tienen principalmente los siguientes:

•Distribución de los vértices REGVEN establecidos en las campañas de 1995 y 2000. En este caso, se tiene la medición de 67 vértices en REGVEN 95 y 89 vértices establecidos en la campaña REGVEN 2000, incluyendo los ubicados en la región del es-tado Amazonas.

•Cantidad de vértices destruidos. Previamente se realizó una importante actividad que contempló la visita en campo de cada uno de los vértices, en la que se observó el estado físico, reconstruyen-do aquellos que se encontraban destruidos y que se encontraran ubicados en sitios adecuados para observaciones GNSS.

•Distribución de las estaciones REMOS. Para la vin-culación al sistema geodésico nacional, se utilizaron como estaciones fijas, las estaciones REMOS en ope-ración para la campaña. Durante la misma se ase-guró que al menos 8 estaciones REMOS estuvieran operando normalmente (Figura 1).

•Ubicación de vértices en áreas remotas. Como en el caso de los vértices del estado Amazonas, donde el

Figura 1. Mapa de distribución de las estaciones REMOS utiliza-das durante la campaña de medición GNSS.


acceso debe realizarse por medios aéreos, se requi-rió realizar una planificación especial para la ocupa-ción de los vértices ubicados en Atabapo, Río Negro, La Esmeralda, Parima B y Manapiare.

•Análisis de los efectos Geo-dinámicos sobre el posi-cionamiento de los vértices REGVEN, estimando que han transcurrido 15 años desde la última campaña de medición, lo cual genera importantes cambios en la exactitud o calidad de los mismos. En este sentido se analizó el comportamiento dinámico de los vérti-ces, evaluados por medio del modelo de velocidades VEMOS (Velocity Field Model for South America) re-sultando cambios posicionales superiores a 30 centí-metros (Drewes 2008).

•Tipo y cantidad de receptores a utilizar. En función de la necesidad de requerir una cantidad considerable de receptores GPS/GNSS, de la calidad a obtener y del tiempo de duración de las sesiones de medición, se estableció la utilización exclusiva de receptores GPS de doble frecuencia, y/o receptores GNSS con captura dual de señal GPS y adicionalmente de la constelación GLONASS.

•Requerimientos logísticos. Entre los principales facto-res evaluados y considerados se tuvieron, entre otros, la necesidad de vehículos, computadores portátiles para la descarga diaria de los datos GNSS. También se evaluaron otros aspectos logísticos como el estado de las vías de acceso a cada uno de los vértices, per-nocta para los diferentes grupos de trabajo y tiempos

de traslado desde las bases de operaciones o centros poblados hasta cada uno de los vértices.

•Definición de criterios técnicos. Entre los principales criterios técnicos se consideró la duración de cada sesión de medición, siendo establecidas en 8 horas, con mediciones dobles (2 sesiones) para cada vértice. El intervalo de captura se definió en 5 segundos con una máscara de elevación (cut off elevation) de 0°. En esta oportunidad se cambió el intervalo de captura a 5 segundos, sólo con el fin de que los datos puedan ser utilizados en otras aplicaciones que requieran de un intervalo más corto, por ejemplo estudios sobre la influencia y corrección de efectos ionosféricos, eva-luación sobre los resultados con la portadora L1 y evaluación de resultados con la constelación GLO-NASS, entre otros.

Mediciones GNSS REGVEN 2015

Luego del diseño de la red, se inició la fase de medición GNSS con la participación de un grupo de instituciones públicas y privadas que brindaron un apoyo similar a las campañas anteriores.

Entre las instituciones que participaron en esta oportu-nidad se encuentran, PDVSA, la Dirección de Sobera-nía, Límites y Asuntos Fronterizos del Ministerio del Po-der Popular para las Relaciones Exteriores, Dirección de Geografía y Cartografía de la Fuerza Armada (DI-

GECAFA), INTEVEP, Universidad del Zulia y la Univer-sidad de Oriente. También participaron las empresas OFICINA Técnica del Monte C.A., CONSTOPCA y N. Maldonado C.A.

Para las mediciones GNSS se organizaron 25 grupos o cuadrillas de mediciones. Cada cuadrilla estuvo confor-mada por dos técnicos operadores de GNSS, un vehícu-lo, un computador portátil, un receptor GNSS con su res-pectivo equipo complementario (trípode, bases, batería, entre otros). Adicionalmente se organizaron dos grupos de supervisión y apoyo a los grupos de medición.

Los receptores GPS/GNSS utilizados fueron todos GPS de frecuencia dual, y otros adicionalmente con capa-cidad para captura de datos de la constelación GLO-NASS. Las marcas de los receptores utilizados se pre-sentan en la tabla 1.

En cuanto a las estaciones REMOS, se utilizaron las estaciones operativas para la fecha de la campaña (Figura 1).

Las ventanas de observación se diseñaron de 9 am a 5 pm y posteriormente a cada medición, se pro-cedía a descargar los datos, realizar la conversión a formato RINEX (Receiver Independent Exchange Format), almacenaje y envío electrónico al coordi-nador del proyecto.


Figura 2. Mapa de distribución de los vértices medidos en la campaña 2015.

Referencias

dRewes, h., kAniuth, k., stuBeR, k., tRemel, h., khAle, h., stRAuB, C., heRnández, J. n., hoyeR, m., wildeRmAnn, e.(1995).TheCASA•93GPSCampaignforcrus-tal deformation research along the Caribbean Plate Boundary. J. Geodinamics vol 20, Nº 2, Great Bri-tain.

dRewes, h. (2008). Update of the Velocity Field Model for South America. Asamblea General de SIRGAS. Uruguay.

gACetA ofiCiAl de lA RePúBliCA BoliVARiAnA de VenezuelA, Nº 37.002 (2000). Ley de Geografía, Cartografía y Catastro Nacional. Caracas.

heRnández, J. n., dRewes, h., tRemel, h. (1996). La Red Geodésica Venezolana REGVEN. Servicio Autóno-mo de Geografía y Cartografía Nacional, Ministe-rio del Ambiente y de los Recursos Naturales Reno-vables, Caracas.

heRnández, J. n., Blitzkow, d., luz, R., sánChez, l., sAndo-VAl, P., dRewes, h. (2001). Conection of the Vertical Control Networks of Venezuela, Brazil and Colom-bia. International Association of Geodesy, Vol. 124, Springer – Verlag, Berlín.

heRnández, J. n. (2003). La materialización del sistema geocéntrico de referencia en Venezuela. Revista Cartográfica, Instituto panamericano de Geografía e Historia, Nº 76-77, México.

mCCARthy, d., Petit, g. (EDS) (2004). IERS Conventions (2003) IERS Technical Note Nº 32, International Earth Rotation and Reference Systems Service IERS, Frankfurt.

siRgAs Comité del PRoyeCto (1996). SIRGAS Relatorio Final Grupos de Trabajo I e II. Instituto Brasileiro de Geo-grafía e Estadística IBGE, Río de Janeiro.

Tabla 1. Tipos y modelos de receptores y antenas utilizadas.

ANTENA RECEPTOR GPS/GNSS

AS10 Leica GS 10

STXS9SA7224V3.0 Stonex S9

MAG990596 Ashtech Promark500

Ash802147 ProMark800

Zephyr geodetic Trimble 5700

Trimble Trm60158 Trimble R8 Model 2

Trimble Trm33429 Trimble 5700

Trimble Trm41249 Trimble 5700

Topcon tpsgr5 Topcon

Topcon Sokgrx1 Topcon

Compacta/incorporada Ashtech Z-Max

Resultados y Conclusiones

Se midió una red geodésica conformada por 134 vér-tices REGVEN Orden B (Figura 2), que permitirá deter-minar las variaciones posicionales de los vértices ob-servados en las campañas del 95 y 2000, como una contribución muy importante para la generación de modelos de velocidades dentro del marco del proyecto SIRGAS, cumpliendo así el IGVSB, con la función de proveer al país de un sistema geodésico de referencia exacto, actualizado y de cobertura nacional.


Levantamiento Gravimétrico en el Estado Amazonas

RuBeR álVARez1, nilBeny CAno1, BRAnyelA nuñez1, ARiele BAtistti3, nuRis oRihuelA1,2, denizAR Blitzkow3,4

1Coordinación Técnica de Geodesia, IGVSB; 2Departamento de Geofísica, Facultad de Ingeniería,

Universidad Central de Venezuela; 3Escuela Politécnica Universidad de Sao Paulo;

4Instituto Brasilero de Geografía y Estadí[email protected], [email protected], bnuñ[email protected], [email protected], [email protected], [email protected]

RESUMEN

La base de datos gravimétrica de Venezuela se ha es-tado actualizando en los últimos 10 años gracias a la incorporación de un importante número de gravímetros digitales en los diversos organismos públicos venezola-nos, esta labor cuenta con la incorporación de 10.000 estaciones adquiridas con esta tecnología al norte del río Orinoco, información de gran importancia en materia de geofísica prospectiva pero con escasa incorporación de información en los estados Bolívar y Amazonas, limitan-do así la estabilidad espacial necesaria para la utiliza-ción en el campo de la geodesia. Esto motiva el acerca-miento al Instituto Brasileño de Geografía y Estadística

(IBGE) con el cual se han venido desarrollando diversos levantamientos destinados a incorporar datos gravimé-tricos al sur del río Orinoco, en el transcurso del año 2015 se ejecutan dos campañas fluviales en el Estado Amazonas, con acompañamiento del hermano país que han permitido el levantamiento de 10 estaciones bases monumentadas y 96 estaciones ordinarias, sobre el río Orinoco, en los actuales momentos se ejecuta la cam-paña sobre el río Ventuari. Cada estación cuenta con medidas geodésicas asociadas. Se reporta, el avance en procesamiento a la fecha, representado por 106 esta-ciones de las cuales se presenta la gravedad observada absoluta y la anomalía de aire libre correspondiente.

Palabras clave: GRAVÍMETROS DIGITALES, GEOFÍSICA PROSPECTIVA, ANOMALÍA DE AIRE LIBRE, GEODESIA, MODELOS GEOIDALES.

GRAVIMETRIC REFERENCE NETWORK OF VENEZUELA

ABSTRACT

The gravimetric database of Venezuela has been upgra-ded in the last 10 years thanks to the incorporation of a large number of digital gravimeters in various Vene-zuelan government agencies, this work has incorporated 10,000 high tech stations to the north of Orinoco River,

vital information on prospective geophysical but with litt-le incorporation of information in Bolivar and Amazonas states, limiting the necessary spatial stability for using in the field of geodesy. This motivates the approach to the Brazilian Institute of Geography and Statistics (IBGE) with which we have been developed various surveys for incorporating gravity data south of the Rio Orinoco, in the course of 2015 two river campaigns in the Amazon state are in progress, with the accompaniment of the bro-ther country which has allowed the measurement of 10 stations established on the field and 96 stations on the Orinoco river. At present time the campaign of the Ven-tuari river is being carried out. Each station has the asso-ciated geodetic measurements. It has reported progress in processing data, represented by 106 stations with the observed absolute gravity and the corresponding ano-maly occuring outdoors.

Keywords: DIGITAL GRAVIMETERS, PROSPECTIVE GEOPHYSICS, FREE AIR ANOMALY, GEODESY, GEOID MODELS.

Introducción

Los gravímetros son instrumentos altamente sensibles que requieren condiciones de operación con bajo ruido cultural, esta condición puede ser compleja en levanta-mientos terrestres pero pasa a ser crítica en levantamien-


tos fluviales, es por ello que en este caso se acudió a los expertos del IBGE, personal con amplia experiencia en levantamientos gravimétricos en la amazonia brasileña.

El destino final de la base de datos gravimétricos en el campo de la geodesia es soportar la construcción de los modelos geoidales de nuestro país y del norte de Suramérica, es por ello que la cooperación con Brasil en esta materia tiene el sentido de aportar datos a los estu-dios geoidales regionales, transferencia de conocimien-to y formación del personal de la Coordinación Técnica de Geodesia del IGVSB, así como la consolidación de una línea de investigación en la materia.

Estos levantamientos, bajo la coordinación del IGVSB, han contado con la activa participación de otros orga-nismos públicos interesados en la materia (INGEOMIN, PDVSA, FUNVISIS), la incorporación de ellos ha permiti-do contar con sus gravímetros digitales lo que facilita la compleja logística del estudio fluvial del Estado Amazo-nas.

Metodología

La logística de adquisición contempla un barco madre que opera como centro de pernota y alimentación del personal, suministro de combustible y carga eléctrica para los equipos. La lentitud de movilización, por su ta-maño, determina que invierte el día en trasladarse de

una base de operaciones a la siguiente. El trabajo de adquisición de datos se ejecuta con tres embarcaciones ligeras que permiten el rápido traslado de equipos y personal de medida a lo largo del Rio Orinoco (Campa-ña 1) o el Rio Ventuari (Campaña 2).

Se asigna un gravímetro al levantamiento de estaciones bases gravimétricas, este se desplaza en la embarca-ción ligera de avanzada y las dos restantes se dedican a la instalación de las estaciones gravimétrica ordina-rias, a la instalación de la base geodésica y al estable-cimiento de coordenadas y alturas en la totalidad de las estaciones medidas.

Las estaciones ordinarias son medidas en escalera, con un espaciamiento de 5 a 10 km, sobre circuitos cerra-dos contra las bases levantadas por la avanzada, se establece un error máximo de 0,03 mgal por estación gravimétrica con una incertidumbre máxima de altura de 10 cm. La base de partida está localizada en la población de Samariapo, esta fue amarrada de Puerto Ayacucho, de la estación absoluta levantada en campa-ña internacional de 1988 (Drewes et.al., 1991).

Resultados

Se levantan 10 estaciones bases (Tabla 1) y 96 estacio-nes ordinarias sobre el Río Orinoco entre las poblaciones de Samariapo y San Rafael de Ocamo. Las estaciones

bases se encuentran monumentadas y pasan a formar parte de la Red de Referencia Gravimétrica de Venezue-la (RRGV). Las gravedades observadas absolutas varían entre 977971,046 mgal y 978050,009 mgal, con un gradiente de 0,24 mgal / km (Figura. 1). La anomalía de aire libre varía entre -52,12mgal y -4,27mgal con tendencia de crecimiento en dirección Sureste a Noroes-te (Figura 2).

Tabla 1. Gravedad observada de estaciones bases.

Conclusiones

Se dispone de importante número de estaciones gravi-métricas en el estado Amazonas, levantadas con graví-metros digitales y riguroso control geodésico, estas es-


taciones se encuentran amarradas al valor de gravedad absoluta de Puerto Ayacucho. La gravedad observada en la zona estudiada varía entre 977971,046 mgal y 978050,009 mgal y la anomalía de aire libre entre -52,12 mgal y -4,27mgal.

Figura 1. Distribución de gravedad observada.

Figura 2. Distribución de Anomalía de Aire Libre.

Referencias

dRewes, h., toRge w., RödeR R., BAdell C., BRAVo d.,& ChouRio o. (1991). Absolute and Relative gravime-tric surveys of national and geodynamic networks in Venezuela, Journal of South American Earth Scien-ces.Vol. 4, No. 4, pp. 273-286.


Uso y Aplicaciones de las Tecnologías de Información en el

Sector Agrícola

osCAR ABARCA, yoselin loAizA, Jimmy heeRnández, ARéVAlo ARAque, luis díAz, JeAn mendozA

Centro Nacional de Teledetección con Fines Agrícolas (CENATEL)

[email protected], [email protected], [email protected], [email protected], [email protected], [email protected],

[email protected]

RESUMEN

El Centro Nacional de Teledetección con fines agrícolas (CENATEL) de la Fundación Instituto de Ingeniería para Investigación y Desarrollo Tecnológico (FIIIDT), es un ente asesor y colaborador con la planificación, seguimiento y control del sector agrícola de la nación. Para tal fin se de-sarrolló una serie de herramientas informáticas que per-miten prestar diversos tipos de servicios de gestión agrí-cola a usuarios institucionales, académicos, productivos y comunitarios vía internet. Los servicios son implementa-dos a través de una Infraestructura de Datos Espaciales (IDE), que como estructura virtual en red, es un sistema informático integrado por un conjunto de datos y servi-

cios gestionados a través de la web por medio de un na-vegador o un Sistema de Información Geográfica (SIG). El objetivo principal es generar soluciones tecnológicas y herramientas accesibles, dinámicas y de alto impacto in-formativo, de bajos costos de producción, y que represen-ten una alternativa rentable e innovadora para fortalecer el tratamiento y la transmisión de las informaciones, prin-cipalmente de informática, internet y telecomunicaciones, además en este trabajo se promueve el desarrollo de las nuevas tecnologías de información abriendo paso al de-sarrollo de aplicaciones móviles y desarrollo web adap-tado a las necesidades particulares del sector agrícola nacional, por ejemplo se han desarrollado aplicaciones móviles enlazadas con su respectivo desarrollo web para hacer seguimiento y control de obras de infraestructura agrícola, minimizando así el error del levantamiento de la información en campo ya que el dispositivo se encuentra enlazado al sistema web que recibe los datos en línea con la ubicación geográfica respectiva del inspector de la obra y la fecha del día de la toma, también la aplicación toma fotografías para el seguimiento y control de la obra en ejecución y se envían directamente a un servidor de datos donde esta información puede ser consultada por los responsables del proyecto.

Palabras clave: PLANIFICACIÓN, INFRAESTRUCTURA DE DATOS ESPACIALES, ESTRUCTURA VIRTUAL, SIS-TEMA DE INFORMACIÓN GEOGRÁFICA, TECNOLO-GÍAS DE LA INFORMACIÓN.

USE AND APPLICATIONS OF INFORMATION TECHNOLOGIES IN THE AGRICULTURAL SECTOR

ABSTRACT

The National Remote Sensing Center for Agricultural pur-poses (CENATEL), a center of the Institute of Engineering (FIIIDT) Foundation, is both, an advisor and a collaborator to the planning, monitoring and control of the nation’s agricultural sector. For this purpose, a series of tools that allow to provide various types of farm management servi-ces to institutional users, academics, productive and com-munity via the Internet, have been developed. These Servi-ces are implemented through a Spatial Data Infrastructure (SDI), that as a virtual network structure is composed of a data set management services through the web via a browser or a Geographic Information System (GIS). The main objective is to generate technological solutions and accessible, dynamic tools as well as high impact informa-tion, low cost production tools, that represent a cost-effecti-ve and innovative alternative to strengthen the processing and transmission of information, especially information technology, internet and telecommunications also in this work the development of new information technologies is promoted, opening the way to the development of mobile and web applications adapted to the particular needs of the national agricultural sector. As an example, mobile applications linked with its own development for monito-ring and control of agricultural infrastructure, have been


developed minimizing the error of gathering information in the field as the device is linked to the web system that receives data on line, with the respective geographical location of the inspector of the work and the date of co-llection, the application also takes pictures of the work in progress for its monitoring and control. Finally, it is sent directly to a data server where the information can be consulted by the project managers.

Keywords: PLANNING, SPATIAL DATA INFRAESTRUC-TUCTURA, VIRTUAL STRUCTURE, GEOGRAPHIC INFOR-MATION SYSTEMS, INFORMATION TECHNOLOGY.

Introducción

El desarrollo de nuevas tecnologías de la información permite asociar la representación gráfica de cualquier lugar del planeta en todos aquellos datos que se con-sideran interesantes, de forma que se puedan analizar diferentes parámetros o estudiar distintos aspectos sobre los objetos y acontecimientos que tienen lugar en cual-quier territorio, así como las relaciones entre ellos, que giran en torno a tres medios básicos: la informática, la electrónica y las telecomunicaciones; pero giran, no sólo de forma aislada, sino lo que es más significativo de ma-nera interactiva e interconectadas, lo que permite conse-guir nuevas realidades comunicativas de la información.Efectivamente, como mencionan numerosos autores en-

tre ellos, D’Adamo et. al. (2007) en su obra “Medios de Comunicación y Opinión Pública”, los medios son el cuarto poder. Las nuevas tecnologías, más allá de de-mocratizar su uso, la divulgación de la cultura, y ofrecer información para que los habitantes del planeta estén informados, tienen la capacidad de movilizar grupos sociales en las que se concretan las diferentes corrientes de opinión a través de personajes bien visibles.

Pero, ¿cuáles serían concretamente las ventajas de esta implementación en un entorno de seguimiento y control agrícola? Se puede extender mucho en este punto, pero para concretar se mencionan algunas ventajas:

•Generación de datos sobre el estado de los cultivos en línea para ser procesados y evaluados por los ex-pertos y generar soluciones a corto y mediano plazo.

•Mejor conocimiento del entorno, mejora de la efica-cia de la toma de decisiones.

•Organización, repartición sistemática y práctica de la información.

•Mejor gestión de los recursos humanos y económicos.• Extensión del mercado potencial (comercio electrónico).•Disminución de los costos logísticos.•Desarrollo de las innovaciones en servicios y respues-

tas a las necesidades de los agricultores.•Desarrollo de aplicaciones para el control y segui-

miento de cultivos y para la evaluación bioenergética de granjas porcinas.

•Desarrollo para la gestión de servicios municipales.

Con todo ello, el cambio de tecnologías para fortale-cer bases de datos en cualquier lugar siempre concibe un gran desafío, puesto que se genera en el recurso humano algo muy conocido llamado resistencia al cam-bio; este es un temor causado hacia lo que se considera como desconocido o nuevo dentro del proceso habitual manejado. Se debe entender pues estos no son cam-bios como tales, sino son un progreso que va a permitir afrontar y enfrentar los nuevos y diferentes retos en este globalizado entorno.

El desarrollo de nuevas Apps, sistemas web, aplica-ciones varias, en entornos java script, python, My SQL, Postgre, nodejs, ide android studio, SDK android, PHP, más que una realidad, es el futuro que ya ha llegado. Es la nueva forma de entender los sistemas, que en nuestra cotidianidad se hace palpable y que, como integrado-res de sistemas, se debe tratar de llevar a al entorno de trabajo profesional.

Metodología

Es este punto donde la tecnología de información e in-vestigación del sector productivo, ha entrado para im-pulsar a la ingeniería de investigación, convirtiéndose en el mejor aliado de ésta. En la actualidad la instrumen-tación tecnológica es una prioridad en la comunicación


de hoy en día, ya que el uso de las nuevas tecnologías de la información en el sector agrícola son la diferen-cia entre una civilización desarrollada y otra en vías de desarrollo; puesto que éstas poseen la característica de ayudar a comunicarnos ya que desaparecen las distan-cias geográficas y el tiempo (Figura 1).

Figura 1. Diagrama de metodologías utilizadas para el desarrollo de aplicaciones móviles y sistemas web. Fuente: CENATEL.

Los sistemas de desarrollo web y android por consi-guiente, también han sufrido cambios, para convertirse en sistemas modulares de expansión, listos para ser re-configurados e iniciar la producción de nuevos produc-tos en poco tiempo. A su vez, también ha cambiado la manera en que las instituciones se coordinan con sus

proveedores y clientes (cadena de suministro) y la ma-nera en que la información entre ellos fluye (Kofi Annan, Secretario general de la Organización de las Nacio-nes Unidas, discurso inaugural de la primera fase de la WSIS, Ginebra 2003).

Resultados

Desarrollo de Aplicaciones Móvil Android

Figura 2. Aplicación Android para encuestas realizadas en el Tercer Encuentro Regional de Ciencia y Tecnología realizado en Higuerote Estado Miranda. Fuente: CENATEL.

Esta aplicación permitió realizar una encuesta sobre el desarrollo de las actividades durante el Tercer encuentro

Figura 3. Aplicación Android para control y seguimiento de culti-vos, pronóstico de cosechas para el Instituto Nacional de Desarrollo Rural (INDER). Además se encuentra en fase de desarrollo una aplicación para el seguimiento de obras de infraestructura agrícola. Fuente: CENATEL.

de Ciencia y Tecnología desarrollado en la ciudad de Higuerote estado Miranda; la información fue recogida a través de un teléfono con tecnología android, don-de la información captada se envió a un servidor de datos que mediante un sistema web muestra las cifras estadísticas de las encuestas, tanto la participación del público, así como las fallas del encuentro, brindando la oportunidad de atender la dificultad y permitió mejorar los procesos de las actividades.


Esta aplicación pertenece al conjunto de aplicaciones móviles basadas en la IDE móvil (infraestructura de da-tos espaciales para dispositivos móviles) y geoinforma-ción voluntaria, que permite recolectar información en campo en un corto lapso de tiempo para ser enviada en tiempo real vía internet a un servidor de datos que aloja un sistema web que sistematiza la información y

la convierte en lectura para el procesador, que realiza un análisis del comportamiento del cultivo, es decir, con los datos recibidos que consisten en las coordenadas geográficas (latitud y longitud), fotografías panorámica y de detalle, y una serie de datos sobre la parcela y el tipo de cultivos que maneja; todo esto es debidamente revisado por el experto el cual determina.

Desarrollo de sistemas bajo ambiente Web

Figura 4. Aplicación Android para el seguimiento y control parti-cipativo (SIGSEG). Este sistema permite recolectar información en campo en un corto plazo de tiempo para ser enviada al instante vía internet. Se implementa en teléfonos celulares y tabletas con sistema operativo Android. Fuente: CENATEL.

Figura 5. Desarrollo del sistema de tareas de CENATEL para la asignación de actividades y el seguimiento de las mismas mediante una estructura que notifica cada cuatro horas el avance y estatus de cada actividad. Este sistema también fue implementado en el Instituto Nacional de Desarrollo Rural (INDER). Fuente: CENATEL.

Figura 6. Desarrollo del sistema de gestión de proyectos, permi-sos laborales y vacaciones de la Fundación Instituto de Ingeniería (FIIIDT). Fuente: CENATEL.


Conclusiones

En las sociedades actuales las tecnologías de la infor-mación e investigación y la comunicación en el sector agrícola impregnan todos los quehaceres de la vida de las personas, de ahí la importancia que cobran los pro-cesos de alfabetización tanto informacional como digi-tales que provea de las herramientas necesarias tanto para el procesamiento de la información como para el manejo técnico de las mismas, lo que lleva a plantear un modelo educativo que contemple las diferentes di-mensiones: la tecnológica, la pedagógica y la adminis-trativa en los procesos de formación. El Centro Nacio-nal de Teledetección con fines agrícolas (CENATEL) se encuentra desarrollando herramientas que permitan la simplificación de procesos que en la actualidad pueden ser sustituidos y amigables con todos los interesados, son los instrumentos del futuro que hoy por hoy deben emplearse para promover el bien común y compenetrar todos los sistemas.

Referencias Bibliográficas

Adell, J. (1997, Noviembre). Tendencias en educación en la sociedad de las tecnologías de la información. EDUTEC Revista Electrónica de Tecnología Educati-va, 7. Extraído el 26 de abril 2008 de http://www.nti.uji.es/docs/ nti/Jordi_Adell_EDUTEC.html

ARizA, g., e. y Rouquette, A. J. (s.f.). Uso de un sistema tu-torial inteligente en el ámbito educativo. Extraído el 2 de febrero del 2007 desde www.somece.org.mx/simposio2004/ memorias/grupos/archivos/080.doc

BAleARes. BRuCe, C. s. (2003). Las siete caras de la alfabe-tización en información en la enseñanza superior. Anales de Documentación, 6, 289-294. Extraído el 10 de abril, 2008 de http://www.um.es/ojs/index.php/

BAwden, d. (2002). Revisión de conceptos de alfabetiza-ción informacional y alfabetización digital. Anales de Documentación, 5, 361-408. Extraído el 20 de julio de 2007 de http://www. um.es/fccd/ad05/ad0521.pdf

Bello, R. e. (s.f.). Educación virtual: aulas sin paredes. Extraído el 30 de junio 2007 desde http://www.educar.org/ articulos/educacionvirtual.asp

BolAños, i. (2007). Herramientas telemáticas para la En-señanza. En Plan de capacitación: Técnicas de cola-boración en red para docentes. San José: Convenio UNED-MURCIA Universidad de las Islas

CounCil of AustRAliAn uniVeRsity liBRARiAns. (2002). Nor-mas sobre alfabetización en información. Boletín de

la Asociación Andaluza de Bibliotecarios, 68, pp. 67-90. Extraído el 20, julio de, 2007 de http://www. aab.es/pdfs/baab68/68a4.pdf.

d´AdAmo, o., gARCíA, V., fReidenBeRg, f. (2007). Medios de comunicación y opinión pública. Quórum. Re-vista de pensamiento iberoamericano, núm. 18, pp. 165-176 Universidad de Alcalá Madrid, España.


Registro Fotográfico del Evento


er Congreso

Ge máticaNacional de1CARACAS201526AL30OCTUBRE

VI Jornadas Nacionales de Geomática

Ministerio del Poder Popularpara Educación Universitaria, Ciencia y Tecnología

Fundación Instituto de Ingenieríapara Investigación y Desarrollo Tecnológico

Gobierno Bolivarianode Venezuela Ministerio del Poder Popular

para Educación Universitaria, Ciencia y TecnologíaFundación Instituto de Ingenieríapara Investigación y Desarrollo Tecnológico

Gobierno Bolivarianode Venezuela

BienvenidosBienvenidos


FundaciónInst i tuto de Ingenier íapara Investigacióny Desarrollo Tecnológico