universidad nacional autÓnoma de...
TRANSCRIPT
UNIVERSIDAD NACIONAL AUTÓNOMA DE HONDURAS
FACULTAD DE CIENCIAS ESPACIALES OBSERVATORIO ASTRONÓMICO CENTROAMERICANO DE SUYAPA
Maestría en Ordenamiento y Gestión del Territorio
ANÁLISIS MULTITEMPORAL DE LA COBERTURA DE LA TIERRA EN LA CUENCA DEL VALLE DE JESÚS DE OTORO
ENTRE LOS AÑOS 2000-2006 APLICANDO TÉCNICAS DE TELEDETECCIÓN
ALEXIS ALEJANDRO SANCHEZ RAMOS Máster en Ordenamiento y Gestión del Territorio
Dr. JUAN GREGORIO REJAS AYUGA
Tutor
Ciudad Universitaria, Tegucigalpa M.D.C. Honduras, Septiembre, 30, 2009.
Universidad Nacional Autónoma de Honduras, UNAH
Facultad de Ciencias Espaciales Observatorio Astronómico Centro Americano de Suyapa
Maestría en Ordenamiento y Gestión del Territorio
ANÁLISIS MULTITEMPORAL DE LA COBERTURA DE LA TIERRA EN LA CUENCA DEL VALLE DE JESÚS DE OTORO
ENTRE LOS AÑOS 2000-2006 APLICANDO TÉCNICAS DE TELEDETECCIÓN
ALEXIS ALEJANDRO SANCHEZ RAMOS Máster en Ordenamiento y Gestión del Territorio
Dr. JUAN GREGORIO REJAS AYUGA
Tutor
Ciudad Universitaria, Tegucigalpa M.D.C. Honduras, Septiembre, 30, 2009.
2
Autoridades:
UNIVERSIDAD NACIONAL AUTÓNOMA DE HONDURAS
Julieta Castellanos Ruíz
Rectora
Rutilia Calderón Padilla
Vice-Rectora Académica
Ernesto Paz Aguilar
Vice-Rector de Relaciones Internacionales
América Alvarado Díaz
Vice-Rectora de Asuntos Estudiantiles
Emma Virginia Rivera Mejía Secretaria General
Rolando Aguilera Lagos
Director del Sistema de Estudios de Postgrado
María Cristina Pineda de Carías
Directora Observatorio Astronómico Centroamericano de Suyapa, Facultad de Ciencias Espaciales
TRIBUNAL EXAMINADOR:
María Cristina Pineda de Carías
Profesora Observatorio Astronómico Centroamericano de Suyapa
Vilma Lorena Ochoa López Profesora
Observatorio Astronómico Centroamericano de Suyapa Maestría en Ordenamiento y Gestión del Territorio
Mauricio González Mantilla
Profesor Observatorio Astronómico Centroamericano de Suyapa
Ciencia y Tecnología de la Información Geográfica
3
RESUMEN El objetivo que nos planteamos para este estudio, es realizar un análisis
multitemporal de la cobertura de la tierra, utilizando técnicas de teledetección,
aplicadas a imágenes satélites LANDSAT, con resolución espacial de 30 metros,
de los años 2000 y 2006, con miras a generar información temática primaria que
permita identificar y cuantificar las diferentes coberturas de la tierra,
representativas del área de estudio y estimar los cambios sucedidos en el
intervalo analizado.
Se propuso un sistema de clasificación de coberturas de la tierra con miras a
identificar las principales cubiertas vegetales presentes en el área de estudio,
para ello nos basamos en aspectos fisonómicos, las clases identificadas son:
Bosque latifoliado, Bosque de pino denso, Bosque Pino ralo), Guamiles y/o
cafetales, Matorrales y/o robledales, Arbustos-pastos y/o cultivos, Urbano y/o
suelo desnudo y Cuerpos de agua.
El procesamiento digital de las imágenes se realizó utilizando el paquete de
programa Erdas Imagine 9.1. A las imágenes se les realizó corrección
atmosférica según Raleigh, y georeferenciación para la corrección geométrica.
Para generar la clasificación, se utilizó el método de clasificación no supervisado
progresivo, mediante el algoritmo ISODATA.
Se realizaron dos giras de campo con el objetivo de tomar muestras de dichas
coberturas que permitieron evaluar la exactitud de la clasificación
correspondiente al año 2006, la evaluación se realizó mediante una Matriz de
confusión y utilizando otra medida de evaluación conocida como el Índice de
Kappa, obteniendo como resultado una exactitud de 0.85 y 0.81
respectivamente.
4
En términos generales se muestra en el 2006 que al menos una superficie de
aproximadamente 64,500 has, equivalente al 37% de la cuenca del Valle Jesús
de Otoro, presenta algún tipo de cobertura boscosa. En lo referente a la
dinámica de cambio de la cobertura boscosa se observó una recuperación de las
principales coberturas de la cuenca como sigue: 431 ha de bosque latifoliado, a
una tasa anual de +0.30%. 3,100 ha de pino ralo, a una tasa anual de +3.56%,
2,110 ha de guamiles a +0.94%, 2,301 ha de matorral a tasa de +1.63% anual.
Por otra parte, en el intervalo estudiado, se encontró que aproximadamente
1,000 has de bosque de conífera denso paso a conífera ralo a una tasa de -
0.75%.
Promovemos además la aplicación de técnicas de teledetección para futuras
investigaciones en el área de estudio. Estamos recomendando la realización de
un estudio para la delimitación de Materiales de Alteración Hidrotermal ya que
en algunas áreas de la cuenca han habido actividades mineras, además hay
evidencias de restos arqueológicos, por lo que ese estudio permitirá asociar o
correlacionar las actividades humanas actuales o pasadas, con la presencia de
materiales alterados, correlación de restos de explotaciones mineras, actual o
pasado, restos arqueológicos o cualquier otro indicio de actividad humana.
Palabras Clave: Teledetección, cobertura de la tierra, clasificación, análisis
multitemporal, cobertura de la tierra, tasa anual de cambio, Cuenca, Valle,
Otoro.
5
AGRADECIMIENTO
A mi Dios todopoderoso, por su protección y bendiciones. A mi familia, mi esposa Libertad Pinel, a mis hijas Sofía, Celeste y Alejandra, por su apoyo preciso. A mis hermanos Carmen, Jesús, María, y Esteban, por los años y recuerdos. A mis profesores: Dra. María Cristina Pineda de Carías, Licda. Msc. Vilma Lorena Ochoa y Dr. Juan Gregorio Rejas Ayuga, por sus enseñanzas y paciencia. A los Embajadores de la República Dominicana en Honduras, Dr. Héctor Pereira Ariza, y Dr. José del Carmen Acosta, por su solidaridad y consideración. A mis colegas y amigos, Ing. Miguel Mendieta, Ing. Pablo Amaya, Ing. Oscar Ferreira, Lic. Dario Flores, Ing. Ramón Hernández, Ing. Francisco López, Ing. Miguel Velásquez, Ing. Ernesto Flores por sus oportunos consejos y valioso apoyo en el desarrollo de esta tesis. A mis compañeros y amigos, José Martínez Manzueta y Marcos Paulino, por su apoyo y consideración. A mi compañera Dania Romero, por su oportuna colaboración. A mis compañeros de Maestría, Abner Jiménez, Eduardo Moreno, Abraham Alvarenga, José Luis Palma, Luis Alberto Cruz Canales, por su amistad. A mis compañeros de trabajo y a todas las personas que de una u otra forma colaboraron para alcanzar este logro.
6
INDICE
CAPITULO I: INTRODUCCIÓN .......................................................................... 13
1.1 Área de Estudio ............................................................................................... 14
C:\@Alexis Sánchez\@INFORME DE TESIS _Tabla de Contenido.docx -
_Toc242103746
1.2 Planteamiento del Problema y Justificación del Estudio .......................... 16
1.3 Hipótesis ........................................................................................................ 16
1.4 Objetivo General ........................................................................................... 16
1.5 Objetivos Específicos: .................................................................................. 16
1.6 Marco Teórico ............................................................................................... 17
1.6.1 Situación General del Municipio de Jesús de Otoro .......................... 17
1.6.2 Teledetección – Conceptos Basicos .................................................... 23
1.6.3 Cobertura de la Tierra ........................................................................... 42
1.6.4 Clasificación No Supervisada ................................................................... 48
1.6.5 Análisis Multitemporal ............................................................................... 52
CAPÍTULO II: METODOLOGÍA .......................................................................... 54
2.1. Fase I: Definición del Área de Estudio y del Periodo de Tiempo a Analizar .................................................................................................................................. 54
2.1.2 Delimitación del Área de Estudios .......................................................... 54
2.1.3 Definición del intervalo de tiempo entre imágenes ............................... 55
2.2 Fase II: Selección de las Imágenes y Correcciones Básicas ................... 55
2.2.1 Selección de las Imágenes ....................................................................... 55
2.2.2 Correcciones Radiométricas ................................................................... 55
2.2.3 Correcciones Geométricas. ...................................................................... 56
2.3 Fase III: Clasificación por Cobertura de la Tierra Representativa del Área de Estudio ................................................................................................................ 56
2.3.1 Definición de Sistema de Clasificación ................................................... 56
2.3.2 Gira de Campo ........................................................................................ 57
2.3.3 Procedimiento de Clasificación de las Imágenes .................................. 57
2.3.4 Validación de la Clasificación .................................................................. 58
2.4 Fase IV: Análisis Multitemporal .................................................................... 58
7
2.4.1 Definición .................................................................................................... 58
2.4.2 Análisis ....................................................................................................... 58
2.5 Fase V: Estimación de la Tasa Anual de Cambio ...................................... 59
2.5.1 Definición .................................................................................................... 59
2.5.2 Criterios de Aplicación de Fórmula ......................................................... 59
2.6 Fase VI: Análisis de Resultados ..................................................................... 59
2.7 Fase VII: Línea Futura de investigación……………………………………...60
CAPITULO III: DESCRIPCION DE RESULTADOS …………………………….62
3.1 Delimitación del Área de Estudio ................................................................ 62
3.1.1 Límite del Área de Estudio .................................................................... 63
3.2 Definición del Intervalo de Tiempo entre Imágenes ..................................... 64
3.3 Selección de las Imágenes ............................................................................. 64
3.4 Correcciones Radiométricas ......................................................................... 66
3.4.1 Metadatos de las Imágenes. .................................................................... 66
3.4.2 Cálculo de los Factores de Corrección Ganancia y Sesgo. ................. 65
3.4.3 Cálculo de las Imágenes de Radiancia e Imágenes de Reflectancia .. 70
3.4.4 Re-escalado o Degradación de las Imágenes de 32bit a 8bit ............ 75
3.5 Correcciones Geométricas ........................................................................... 76
3.5.1 Georeferenciación de la Segunda Imagen ............................................ 82
3.6 Sistema de Clasificación de la Cobertura de la Tierra................................. 84
3.7 Supervisión y Giras de Campo ...................................................................... 87
3.7.1 Puntos de control para evaluar clasificación del año 2006 ................... 89
3.8 Procedimiento para la Clasificación No Supervisada de Imágenes ........... 90
3.8.1 Cobertura de Nubes y sombras presentes en la Imagen del 2006 ...... 93
3.8.3 Clasificaciones Finales ............................................................................ 97
3.9 Validación de la Clasificación ....................................................................... 106
3.9.1 Matriz de Confusión ............................................................................ 106
3.10 Análisis Multitemporal ................................................................................. 110
3.10.1 Mapa de Cambios de cobertura en la Cuenca del Valle Jesús de Otoro ................................................................................................................... 113
3.11 Formula para la estimación de la Tasa Anual de Cambio ...................... 114
3.11.1 Tasa Anual de Cambio para la Cuenca del Valle Jesús de Otoro .. 115
8
CAPITULO IV: ANALISIS DE RESULTADOS .................................................. 119
4.1 Situación actual al 2006 ................................................................................. 119
4.2 Dinámica de cambio ...................................................................................... 120
4.2.1 Bosque Latifoliado ................................................................................... 120
4.2.2 Bosque de Pino denso ........................................................................... 120
4.2.3 Bosque de Pino ralo ............................................................................... 121
4.2.4 Guamiles y/o Cafetales .......................................................................... 121
4.2.5 Matorrales y/o robledales ...................................................................... 121
4.2.6 Arbustos-pastos y/o cultivos .................................................................. 121
4.2.7 Urbano y/o suelo desnudo ..................................................................... 122
4.3 Tasa Anual de Cambios en la cuenca……………………………………...122 4.3.1 Análisis por Departamentos ................................................................... 123
4.3.2 Municipio Jesús de Otoro ................................................................... 124
Capítulo V: CONCLUSIONES ........................................................................... 125
Capítulo VI: RECOMENDACIONES .................................................................. 127
Capítulo VII: Línea Futura de Investigación ....................................................... 128
7.1 Delimitación de Materiales de Alteración Hidrotermal ............................... 129
7.1.1 Definición: ................................................................................................. 129
7.2 Fundamentos de Teledetección para Delimitar Materiales Alterados ....... 129
7.3 Alcance de esta línea de investigación en la Cuenca del Valle de Jesús de Otoro ...................................................................................................................... 130
7.4 Aplicaciones exitosas para determinación de diferentes tipos de materiales ................................................................................................................................ 130
7.4.1 Métodos y técnicas comunes. ................................................................ 130
REFERENCIAS BIBLIOGRAFICAS .................................................................. 133
ANEXOS........................................................................................................... 139
9.1 Búsqueda de Información……………………………………………………… 139 9.2 Radiación Electromagnética……………………………………………………142 9.3 Estimación de parámetros a partir de una muestra…………………………..142 9.4 Fórmula para el cálculo de los límites de confianza………………………….143 9.5 Tabla de Coordenadas levantadas en campo………………………………...144 9.6 Mapas…………………………………………………………………………..…145
9
LISTA DE TABLAS
No. 1 Municipios que conforman la Cuenca del Valle de Jesús de Otoro...... 24
No. 2 Características del Sensor ETM + de LANDSAT………………………. 38
No. 3. Sistema de Clasificación modificada de la UNESCO……………….…… 47
No. 4 Valoración del Índice de Kappa………………………………………... 58
No. 5 Superficie de las coberturas de la Tierra en la Cuenca del Valle Jesús
de Otoro para las dos fechas analizadas…………………………..………… 96
No. 6 Departamento que tienen área de influencia en el área de estudio…….. 98
No. 7 Área de la Cuenca del Valle Jesús de Otoro en el Departamento de
Intibucá………………………………………………………………………. 99
No. 8 Cobertura de la tierra identificada en el Departamento de la Paz………..100
No. 9 Cobertura de la tierra identificada en el Departamento de Comayagua…101
No. 10 Cobertura de la tierra identificada en el Departamento de Santa Bárbara…102
No. 11 Cobertura de la tierra identificada en el Municipio de Jesús de Otoro….. 103
No. 12 Matriz de confusión estimada para el área de Estudio……………………. 104
No. 13 Límites de Confianza estimados para cada proporción………………….. 105
No. 14 Tasa Anual de Cambio para las Coberturas de la Cuenca del Valle
Jesús de Otoro…………………………………………………………. 112
10
No. 15 Tasa Anual de Cambio para el Departamento Intibucá…………………... 113
No. 16 Tasa Anual de Cambio para el Departamento de La Paz. ……………….113
No. 17 Tasa Anual de Cambio para el Departamento de Comayagua…………. 114
No. 18 Tasa Anual de Cambio para el Departamento de Santa Bárbara………. 114
No. 19 Tasa Anual de Cambio para el Municipio de Jesús de Otoro………. 115
LISTA DE FIGURAS
Figura No. 1. Ubicación Geográfica de la Cuenca
del Valle Jesús de Otoro……………………………… 17
Figura No. 2 Mapa de Geología de la Cuenca del
Valle Jesús de Otoro………………………………….. 20
Figura No. 3 Cuenca del Valle Jesús de Otoro en
Modelo en 3D…………………………………………… 22
Figura No. 4 Elementos Básicos de un Sistema
de Teledetección………………………………………. 28
Figura No. 5 Principales Bandas del Espectro
Electromagnético……………………………………… 29
Figura No. 6 Espectral para la Vegetación Sana………………… .. 33
Figura No. 7 Firma Espectral para distintas
Coberturas de la Tierra………………………………. 34
Figura No. 8 Dibujo Artístico de Landsat 7……………………….. 37
Figura No. 9 Vista Parcial de la Digitalización
del límite……………………………………………….. 62
Figura No. 10 Límite definido………………………………………… 63
Figura No. 11 Cobertura de Imágenes Landsat
para Honduras…………………………………………. 64
Figura No. 12 Imágenes adquiridas………………………………….. 65
11
Figura No. 13 Tabla de Metadatos donde esta contenida toda la información
necesaria para procesar las imágenes……………. 67
Figura No. 14 Cálculo de Gain y Bias……………………………… 67
Figura No. 15 Cálculo de Radiancia Rayleigh…………………… 68
Figura No. 16 Ingreso de números digitales mínimos………….. 69
Figura No. 17 Cálculo de Radiancia y Reflectancia……………… 70
Figura No. 18 Cálculo de Radiación……………………………….. 71
Figura No. 19 Cálculo de Reflectancia…………………………….. 72
Figura No. 20 Imagen 2000 antes y después de la
Corrección atmosférica…………………………………. 73.
Figura No. 21 Imagen 2006 antes y después de la
corrección atmosférica…………………………………. 73
Figura No. 22 Información de las estadísticas de la
imagen…………………………………………………….. 74
Figura No. 23 Modelo para re-escalado de una imagen……………. 75
Figura No. 24 Proceso de Georeferenciación 1……………………… 76
Figura No. 25-29 Procesos de Georeferenciación 2…………………….. 77
Figura No. 30 Introducción de Coordenadas para
Georeferenciar imágenes……………………………….. 78
Figura No. 31 Puntos de Control para la
Georeferenciación……………………………………….. 79
Figura No. 32-34 Resample…………………………………………………… 80
Figura No. 35-36 Modelo Geométrico………………………………………. 80
Figura No. 37-39 Proceso de Georeferenciación 3……………………….. 81
Figura No. 40-43 Proceso de Georeferenciación 4……………………….. 82
Figura No. 44 Imagen del Satélite Landsat-TM
mostrando la localización de los puntos
levantados en campo para validar la
clasificación ……………………………………………….. 87
Figura No. 45 Ejemplo de Clasificación Progresiva…………………... 89
Figura No. 46 Proceso de Clasificación ISODATA……………………. 90
12
Figura No. 47 Ejemplo de filtro con ventana de 3x3………………….. 90
Figura No. 48 Cobertura de Nubes sobre la Imagen…………………… 91
Figura No. 49-50 Proceso para Generar una imagen……………………… 91
Figura No. 51 Resultado de la Máscara de Nubes……………………… 92
Figura No. 52 Resultado del Mosaico……………………………………. 93
Figura No. 53 Ejemplo del resultado de un Clump…………………….. 93
Figura No. 54 Proceso eliminate………………………………………….. 94
Figura No. 55 Clasificaciones resultantes………………………………. 95
Figura No. 56 Departamentos que tienen áreas de influencia
en la Cuenca del Valle de Jesús de Otoro………… 97
Figura No. 57 Area de la Cuenca del Valle de Jesús de Otoro
en el Departamento de Intibucá……………………. 99
Figura No. 58 Area de la Cuenca del Valle de Jesús de Otoro
en el Departamento de La Paz…………………….. 100
Figura No. 59 Area de la Cuenca del Valle de Jesús de Otoro
en el Departamento de Comayagua……………… 101
Figura No. 60 Area de la Cuenca del Valle de Jesús de Otoro
en el Departamento de Santa Bárbara………….. 102
Figura No. 61 Coberturas de la Tierra estimada para el
Municipio de Jesús de Otoro……………………. 103
Figura No. 62-68 Proceso Análisis Multitemporal …………………. 107
Lista de Fórmulas
Fórmula No. 1 Cálculo del Número de Puntos
necesarios para validar el mapa………………. 85
Fórmula No. 2 Fórmula para el Cálculo de los
límites de Confianza……………………………. 105
Fórmula No. 3 Fórmula para el Cálculo de índice
de kappa………………………………………….. 106
Fórmula No. 4 Estimación de la Tasa Anual de Cambio…….. 111
13
CAPITULO I: INTRODUCCIÓN
Los recursos naturales de la cuenca del valle Jesús de Otoro han estado
sometidos por años a presiones de cambio de uso de la tierra (conversión de
tierras de bosque a otros usos), daños provocados por incendios forestales
anuales en la parte media y alta, procesos erosivos provocados por la
exposición de los suelos de ladera a las lluvia, que contribuyen a la
sedimentación y azolvamiento del lecho de los ríos durante la estación lluviosa,
daños y pérdidas de cultivos por sequías anuales recurrentes en la época de
estiaje.
En este contexto el trabajo que se presenta consiste en la realización de un
Análisis Multitemporal de la Cobertura de la Tierra en la Cuenca del Valle de
Jesús de Otoro, entre los años 2000-2006, mediante la aplicación de técnicas de
teledetección con el propósito de conocer la dinámica de esos cambios.
Esta investigación generó cartografía temática primaria, utilizando datos
multiespectrales del satélite Landsat, de la Cuenca del Valle Jesús de Otoro, que
proporcionará información base para la toma de decisión en el manejo de los
recursos naturales, el manejo de los remanentes de vegetación o de diversidad
biológica del área y el ordenamiento territorial y ambiental de la cuenca, e
incluso iniciar procesos futuros en el campo de la investigación.
Como antecedentes en el Valle de Jesús de Otoro, se implementa el Proyecto
“Desarrollo en Nuevas Tecnologías para la Protección y Preservación del
Patrimonio Cultural y Hábitats Humanos en Honduras” (PCI AECID 2008
A/019480/08) y este estudio se constituye en un caso de aplicación del Proyecto
de Gestión y Ordenamiento del Territorio, que tendrá incidencia en la
consecución de los objetivos de la Maestría de Ordenamiento y Gestión del
14
Territorio (MOGT), que brinda la Universidad Nacional Autónoma de Honduras
en coordinación con la Universidad de Alcalá de Henares de España.
1.1 Área de Estudio
La cuenca del Valle de Jesús de Otoro, está ubicada entre las coordenadas
geográficas, superior derecha Latitud Norte 14º 47’ 14’’N y Longitud Oeste 87 º
48’ 36’’ W e inferior izquierda Latitud Norte 14 º 03’ 30’’N y Longitud Oeste 88 º
12’ 39’’ W. La cuenca tiene área de influencia al Norte con el Departamento de
Santa Bárbara, al Este con el Departamento de Comayagua, al Sur con el
Departamento de la Paz y al Oeste con el Departamento de Intibucá.
La cuenca tiene una superficie aproximada de 1,751 km2, está ubicado al Oeste
de la meseta de Siguatepeque, en el Departamento de Intibucá, irrigado por el
Río Grande de Otoro y es uno de los principales afluentes del Río Ulúa.
Administrativamente el valle esta compartido por dos municipios Jesús de Otoro
y Masaguara.
El municipio de Masaguara, que está más al Sur, es la zona más seca con
menos posibilidades de riego, y el municipio de Jesús de Otoro que comprende
la mayor parte del valle, está ubicado en dirección norte.
15
Esta figura muestra la ubicación geográfica del área de estudio en el contexto
nacional, los municipios contenidos en la cuenca, la red hídrica de la cuenca y
las dimensiones del área de estudio.
Figura No 1: Ubicación Geográfica de la Cuenca del Valle Jesús de Otoro
16
1.2 Planteamiento del Problema y Justificación del Estudio
Existe un vacío de información cartografía temática, primaria actualizada, que
proporcione a las autoridades de las municipales que conforman la Cuenca del
Valle Jesús de Otoro, los elementos de juicio necesario para la toma de
decisiones que permitan promover medidas, y acciones a fin de desarrollar
actividades tendientes a hacer manejo sostenible de los recursos naturales
remanentes y recuperar los que estén degradados.
1.3 Hipótesis
1. ¿Puede la teledetección permitir generar cartografía temática para conocer las
coberturas representativas del área de estudio?
2. ¿Se puede a través de la cartografía temática conocer la dinámica de cambio
de las coberturas identificadas aplicando técnicas de teledetección?
1.4 Objetivo General
Realizar un Análisis Multitemporal de la cobertura de la tierra, utilizando técnicas
de teledetección, aplicadas a imágenes multiespectrales del satélite LANDSAT-
TM, con 30 metros de resolución espacial de los años 2000-2006, para producir
información cartográfica primaria, con la finalidad de identificar y cuantificar las
diferentes coberturas de la tierra representativas de la Cuenca del Valle de
Otoro, y estimar la Tasa Anual de Cambio de la para el período analizado de
5.92 años.
1.5 Objetivos Específicos:
Realizar un Análisis Multitemporal de la Cobertura de la Tierra en la
Cuenca del Valle Jesús de Otoro entre los años 2000 y 2006.
17
Generar estadísticas correspondientes a las capas temáticas producidas.
Determinar tasa anual de cambio de la cobertura boscosa en el período
analizado.
1.6 Marco Teórico
1.6.1 Situación General del Municipio de Jesús de Otoro
A continuación presentamos una descripción de la cuenca del Valle Jesús de
Otoro, con la finalidad de darle una idea generalizada al lector del área de
estudio.
1.6.1.1 Reseña Histórica1
En la época precolombina, siglo XIII el lugar se le conocía como Jurla (que en
lengua maya-lenca significa abundancia de atol de maíz). Con la llegada de la
colonia española, al sitio se le conoció como San Juan de Quelala,
perteneciendo al Departamento de la Paz, dándole categoría de Municipio en
1820. Posteriormente los nativos le llamarón Otot-Olom (que en lengua maya
significa (Otot = casa; Olom = sangre), derivándose el nombre de Otolom (la
casa de nuestro linaje ó el Pueblo de Nuestros Abuelos). En 1879 a la llegada
del Fraile Jesús Zepeda, hombre amistoso que se identificó con las necesidades
del pueblo, en 1980 los pobladores y parroquianos dispusieron llamarle Jesús de
Otoro.
1 Oscar Neill Cruz: Patrón de Asentamiento Prehispánico en el Valle de Jesús de Otoro. IHAH y su
Departamento de Investigaciones Antropológicas a través de la Sección de Arqueología para conocer mejor
el Valle de Jesús de Otoro.
18
1.6.1.2 Geología
La geología del Valle de Otoro está caracterizada por la existencia de aluviones
del cuaternario, conformados por sedimentos aluviales que forman terrazas y
zonas de inundación con altos contenidos de gravas y cantos rodados (estos
sedimentos cubren grandes extensiones del valle pero su espesor es
desconocido). La formación geológica predominante en los alrededores
corresponden al terciario, compuesto por tobas, ignimbritas, riolitas, andesitas y
basaltos del Grupo Padre Miguel (IGN, et al 1996)
Los aluviones presentan capas ínter estratificadas de arcilla, arena, grava,
bolones y parcialmente cenizas volcánicas (IGN, et al1996).
Según clasificación presentada por JICA (1994), se determina que la geología
del Valle de Otoro presenta la siguiente estratificación: Rocas volcánicas con
contenido de ígneo de rocas de riolita; andesita; rocas volcánicas y rocas
sedimentarias de objetos volcánicos; basalto; biotita; plagioclasa; sanidina; y
cuarzo.
Figura No. 2: Mapa de Geología de la Cuenca del Valle Jesús de Otoro
Leyenda
Fuente: Rogers, RD, 2003, Jurásico historia tectónica y estratigráfica recientes del bloque chortís de Honduras y Nicaragua (al norte de América Central), la Universidad de Texas en Austin,
Disertación de doctorado, 289 p.
Capas volcánicas del Cuaternario, Qv
Aluvión, Qal
Estratos del Cretácico superior
19
1.6.1.3 Suelos
Según Simmons (1978), los suelos de la Cuenca del Valle de Otoro, son
superficiales, de textura franco arenosos a franco arcillo-limosos, bien drenados,
denominados Salalica, Ojojona, Caray y Milile, propios para vegetación forestal
permanente. Los suelos del valle son profundos, fértiles, bien drenados propios
para la agricultura y la ganadería (tradicional y tecnificada).
1.6.1.4 Topografía
El Valle de Otoro es un típico valle inter-montano, ya que está rodeado de
montañas de las cuales bajan varios ríos. Tiene morfología plana, con dirección
longitudinal Sur-Norte, correspondiente al curso del Río Grande de Otoro, con
orientación hacia el Mar Caribe, (IGN, et al. 1996).
En su alrededor existen montañas con altitudes de hasta 2000 msnm., las cuales
están situadas principalmente al Este (Cordillera de Montecillos) y al Oeste
(Cordillera de Opalaca). Las formas topográficas del Valle pueden clasificarse
en: zonas montañosas, terrazas de los ríos, y una mezcla compleja de suaves
declives y tierras bajas. Existe una diversidad de lomas de más de 700 msnm.,
las cuales están generalmente extendiéndose hacia las zonas montañosas, con
pendientes cada vez mayores. En la zona del valle la altitud varía desde 520
hasta 800 msnm., con inclinación media de 1/130 (variando desde 1/15 a 1/400)
hacia la dirección Sur-Norte, (JICA, 1994).
20
Figura No. 3 Cuenca del Valle Jesús de Otoro en Modelo en 3D
1.7.1.5 Clima
Según los datos obtenidos en la estación meteorológica La Gloria y otras seis
más que hay en la zona, el Valle de Otoro tiene una precipitación media anual
de 1,323 mm (aplicándole el polígono Thiesen a las seis estaciones ubicadas en
el Valle), una evaporación anual de 1,951 mm (solo de La Gloria). Además, en
el valle se registra una temperatura promedio de 25.2 ºC y una humedad relativa
de 76%. La época lluviosa va de mayo a octubre y la época seca de noviembre a
abril.
1.6.1.5 Hidrología
La Cuenca del Valle Jesús de Otoro cuenta con una variedad de ríos que lo
recorren. El cauce principal es el del Río Grande de Otoro, el cual comienza
aguas arriba desde la confluencia entre los ríos Zasagua y Puringla hasta la
unión con el punto donde recibe el nombre de Río Ulúa aguas abajo, lo que
Esta imagen se generó con la
imagen landsat-TM path 18
Row 50 del 29- 03-2002 y el
modelo digital del terreno con
un tamaño de celda de 50
metros del Unite State
Geological Survey, USGS.
Imagen Landsat-TM, Path 18 Row-50, 29-03-2000
21
representa un área de cuenca de 733 Km2, atravesando el valle de Sur a Norte
a lo largo de 41 Km. Además, existen otros ríos que en algún punto se unen al
Río Grande de Otoro con una superficie de cuenca variante que al final refleja un
total de 1,484 Km2 como superficie en el valle. (IGN).
Según datos presentados por la Agencia Japonesa de Cooperación
Internacional (JICA) 1994, el volumen de los recursos hídricos disponibles en un
año típico en la cuenca se calculan en un 84% (785 MMC) del caudal
descargado. Es interesante destacar que el caudal anual de la época lluviosa es
el más importante porque corresponde al 70% del total y en la época seca el Río
Grande de Otoro descarga la mayor parte, aproximadamente 190 MMC.
1.6.1.6 Población
Según el Censo 2001, del Instituto Nacional de Estadística, la población que
habita la Cuenca del Valle Jesús de Otoro (área de estudio) se constituye de la
siguiente manera: total de población 99,484 personas, de los cuales 49,326
(49.6%) son mujeres, 50,158 hombres (50.4%), el 36.71% del total de la
población está entre el rango de 0-10 años, el 24.5% entre 11-20 años y el
38.8% mayores de 20 años. El área de estudio está constituida por 8 cabeceras
municipales, 65 aldeas, 505 caseríos.
El número de viviendas para el 2001 era de 21,730, de los cuales tienen energía
eléctrica pública 3,301 (15.2%) y energía eléctrica privada 111 (0.51%), tienen
servicios de agua y saneamiento 6,193 (28.50%) y servicios de letrina 4,774
(21.97%).
22
Cuadro No.1 Municipios que conforma la Cuenca del Valle Jesús de Otoro
N Departamento Municipios Cabeceras
Municipales Aldeas Caseríos Habitantes
1 Comayagua San Sebastián 0 0 1 112
2 Comayagua San José de Comayagua
0 1 1 91
3 Comayagua Siguatepeque 0 7 8 7608
4 Intibucá Intibucá 0 6 34 6673
5 Intibucá Jesús de Otoro 1 5 102 20442
6 Intibucá Masaguara 1 5 95 12051
7 Intibucá Opatoro 0 2 11 1826
8 Intibucá San Isidro 1 2 17 3053
9 La Paz Chinacla 1 7 33 5662
10 La Paz Guajiquiro 0 1 15 1722
11 La Paz La Paz 0 2 12 3460
12 La Paz Marcala 0 0 11 2172
13 La Paz San José 1 3 43 7237
14 La Paz San Pedro de Tutule 1 4 21 4756
15 La Paz Santa Ana 0 0 1 143
16 La Paz Santa María 1 8 33 7067
17 La Paz Santa María de Puringla
1 9 59 13034
18 Sta. Bárbara San Francisco de Ojuera
0 1 0 178
19 Sta. Bárbara San Pedro de Zacapa 0 2 8 2197
Total 8 65 505 99484
Fuente: Censo Poblacional 2001.
1.6.1.7 Uso de las Fuentes de Agua
En la Cuenca del Valle de Otoro son usadas casi todas las fuentes de agua
superficial. No obstante, su uso no es el más adecuado, lo que genera una
subutilidad del recurso. Además de ello se observa un marcado deterioro de las
cuencas altas y los cauces de los ríos. En esta zona muy pocos pozos han sido
perforados. Se conocen datos de dos que fueron perforados en 1984 por la
Agencia Japonesa de Cooperación Internacional (JICA) específicamente en
Comontan y La Gloria, trabajaron en los depósitos aluviales de arenas y gravas
hasta profundidades de 50 metros. Estos pozos presentan rendimientos bajos
23
entre 0.5 y 1 l/s, los niveles estáticos varían de 11.0 a 25.0 metros bajo la
superficie del terreno (IGN, et al 1996).
1.6.1.8 Agricultura
Los principales cultivos son el arroz, maíz y frijoles. Sin embrago, existen zonas
donde se cultivan; maicillo, tomates, chiles dulces, cebollas, sandías, uva entre
otros. Además, existen grandes extensiones de pastura y pastizal.
Según JICA, 1994, el cultivo de arroz y maíz se concentra en los meses de
mayo a octubre y el de frijoles de agosto a diciembre. Donde existen sistemas de
riego el arroz y el maíz se cultivan en los meses de septiembre a febrero,
mientras que los frijoles de enero a abril, y el tomate de octubre a marzo.
1.6.1.9 Arqueología
Hoy en día se conocen catorce sitios precolombinos en la Cuenca del Valle de
Jesús de Otoro: 8 Monumentos Arqueológicos y 6 Pequeños Monumentos. Dada
la extensión de la actividad agrícola en el valle, se cree que la mayoría de estos
sitios ya han sido descubiertos. En general, estos sitios son conservados muy
pobremente; el saqueo en las estructuras grandes es común y la mayoría de las
estructuras no monumentales fueron destruidas para crear campos de
agricultura, (Tockett & McFarlane, 2007).
1.6.2 Conceptos Básicos de Teledetección
Se define la teledetección como “aquella técnica que nos permite obtener
información a distancia de los objetos situados sobre la superficie terrestre”
(Chuvieco Salinero, 2006). Establece además que, para que esta observación
remota sea posible es preciso que entre los objetos y el sensor exista algún tipo
de interacción”. De manera que “las técnicas de teledetección permiten captar
información de la superficie terrestre sin entrar en contacto directo con los
24
materiales que la componen. El término teledetección se refiere no sólo al
registro de los datos, sino que se aplica a todo un proceso que consta de varias
etapas: adquisición de los datos, pre-proceso, tratamiento de las imágenes,
análisis de los resultados y entrega de productos al usuario”.
El término “teledetección” o “percepción remota” como también se le conoce, fue
originado por la existencia de sensores situados en plataformas espaciales. Es
empleada como complemento a estudios orientados al medio ambiente en las
distintas áreas de la ciencia: oceanografía, recursos pesqueros, estudios
costeros, contaminación, hidrogeología, estimación de cosechas, control de
plagas, producción agrícola, usos del suelo, planificación urbana, etc. (Bava y
Dogliotti, 2000).
“La Teledetección ofrece grandes posibilidades para la realización de progresos
en el conocimiento de la naturaleza, aunque todavía no se ha logrado todo lo
que de ella se esperaba debido a que se piensan realizar perfeccionamientos en
el nivel de resolución espacial, espectral y temporal de los datos. Además, es
necesario un mayor rigor científico en la interpretación de los resultados
obtenidos, tratando de no extraer conclusiones definitivas de los estudios
medioambientales realizados mediante técnicas de Teledetección. Los modelos
que se elaboran para interpretar los datos de teledetección deberán tener como
objetivo eliminar los efectos ocasionados por la variabilidad en las condiciones
de captación, la distorsión provocada por la atmósfera y la influencia de
parámetros tales como la posición del sol, pendiente, exposición y altitud”
(Sacristán Romero, F. 2005).
Otra de las definiciones sugerida al respecto es la que se destaca desde el
punto de vista más formal estableciéndola como “la técnica de adquisición y
posterior tratamiento de datos de la superficie terrestre desde sensores
instalados en plataformas espaciales, en virtud de la interacción
electromagnética existente entre la tierra y el sensor, siendo la fuente de
25
radiación bien proveniente del sol (teledetección pasiva) o del propio sensor
“teledetección activa” (Iturrate, 1998).
La información se recoge desde plataformas de observación que pueden ser
aéreas o espaciales, pues los datos adquiridos a partir de sistemas situados en
la Tierra constituyen un estadio preparatorio de la Teledetección propiamente
dicha y se consideran como campañas de verdad terreno. Las plataformas de
observación portan instrumentos que son susceptibles de recibir y medir la
intensidad de la radiación que procede del suelo en una cierta gama de
longitudes de onda y transformarla en una señal que permita localizar, registrar y
digitalizar la información en forma de fotografías o imágenes numéricas
grabadas en cinta magnética compatibles con un ordenador (CCT).
Los captores pueden ser cámaras fotográficas, radiómetros de barrido
multiespectral (MSS), radares y láseres. Estos aparatos generan imágenes
analizando la radiación emitida o reflejada por las formas y objetos de la
superficie terrestre en las longitudes de onda en las cuales son sensibles
(ultravioleta, visible, infrarrojo próximo, infrarrojo técnico e hiperfrecuencias) con
el fin de reconocer la variada gama de formas y objetos” (Sacristán Romero, F.
2005).
1.6.2.1 Fundamentos Físicos de la Teledetección
La teledetección es posible a la interacción del flujo energético con las
cubiertas terrestres. Este flujo se denomina radiación electromagnética
26
Ecuación de la Radiación
c = λ x f
Donde
c = Velocidad de propagación 3x10 m/s
λ = Longitud de onda
f = Frecuencia
1.6.2.1.1 Radiación Electromagnética
La radiación es un modo de propagación de la energía a través del vacío. En
sentido estricto refiere a la energía transportada por ondas electromagnéticas y
está compuesta por partículas energizadas llamadas cuantos. Cuando esos
cuantos se corresponden a la porción visible del espectro electromagnético se
denominan fotones. El grado de energía y frecuencia de los cuantos determina
la longitud de onda y el color de la radiación. La radiación electromagnética
percibida por los sensores que trataremos sería una corriente de paquetes de
energía que se mueven en el campo en forma ondulatoria por un lado y en forma
corpuscular por otro. La energía electromagnética se mueve a la velocidad de la
luz según un patrón ondulatorio sinusoidal y de esa manera transmite
información desde el objeto de estudio al sensor. (José M. Paruelo, 2007).
1.6.2.1.2 Interacciones de la Radiación con la Superficie
Al incidir sobre una superficie una onda electromagnética (o un flujo de fotones)
experimentará tres posibles reacciones: transmisión, absorción o reflección.
La suma de la radiación reflejada, transmitida y absorbida serán igual a la
incidente. Una vez absorbida la energía contribuirá a aumentar la temperatura
de esa superficie u objeto. La superficie emitirá a su vez radiación (a una
27
longitud de onda menor), de manera proporcional a su temperatura. Cuando las
cantidades de radiación reflejadas (radiancia expresada en W/m²), transmitidas o
absorbidas se refieren a la radiación incidente (irradiancia, W/m²), obtenemos
tres proporciones cuya suma es igual a 1 y que denominamos reflectancia,
transmitancia y absorbancia respectivamente.
En percepción remota estamos especialmente interesados en derivar
propiedades de la superficie o el objeto a partir de su reflectancia. Esta nos dará
elementos para evaluar como interactúa la radiación incidente con la superficie.
Reflectancia de distintas superficies. (José M. Paruelo, 2007).
La vegetación muestra un comportamiento reflectivo particular. Por un lado
muestra un pico de reflexión en la porción verde del espectro visible, por eso
vemos de este color a la vegetación. La absorción será alta, y por lo tanto la
reflectancia baja, en las longitudes de onda correspondientes al azul y el rojo.
Esto se debe a que a esas longitudes de onda tiene su pico de absorción la
clorofila. En la zona de transición entre el visible y el infrarrojo cercano se
produce un cambio muy marcado en la reflectancia de la vegetación. En un
rango pequeño de longitudes de onda (menos de 20 nm) la reflectancia puede
aumentar más de 10 veces. Si bien la magnitud puede variar, el pico de
reflectancia en el IR cercano es típico de la vegetación activa. Este
comportamiento está asociado a la estructura de las hojas. (José M. Paruelo,
2007).
1.6.2.1.3 Componentes Básicos de un Sistema de Teledetección
Un sistema de teledetección está compuesto básicamente de los siguientes
elementos: Chuvieco, 2002.
28
1. Fuente de energía, es el origen de la radiación electromagnética que
detecta el sensor, cuando proviene de una fuente externa a este se
denomina teledetección pasiva, si el haz de luz es emitido por el sensor,
se denomina teledetección activa. La fuente de energía más importante
es el sol.
2. Cubierta terrestre, está conformada por todas las distintas coberturas
vegetales, suelos, construcciones humanas y cuerpos de agua, que
reciben la energía y la reflejan según sus características físicas.
3. Sistema sensor, lo conforman el sensor propiamente dicho y la plataforma
que lo contiene. Tiene como misión capturar la energía que proviene de
las cubiertas terrestres, codificarlas y grabarlas o enviarlas directamente
al sistema de recepción.
4. Sistema de recepción-comercialización, es aquí donde se recibe la
información transmitida por la plataforma, se graba en el formato indicado,
se realizan las correcciones necesarias y se distribuye a los usuarios.
5. Interprete, es el responsable de transformar esos datos en información
temática en su área de interés, en forma visual o digitalmente con miras a
dar respuesta a un problema determinado.
6. Usuario final, es el encargado de analizar el resultado producto de la
interpretación, así como de las aplicaciones que de él se deriven.
29
Figura No. 4: Componentes Básicos de un Sistema de Teledetección
Fuente: Chuvieco, 2002.
30
1.6.2.2 Espectro Electromagnético
La organización de estas bandas de longitud de onda o frecuencia se denomina
espectro electromagnético (Chuvieco, 2006).
Podemos definir cualquier tipo de energía radiante en función de su longitud de
onda o frecuencia. Aunque la sucesión de valores de longitud de onda es
continua, suelen establecerse una serie de bandas en donde la radiación
electromagnética manifiesta un comportamiento similar.
Los sensores llevados a bordo de satélites registran, al igual que el ojo humano,
radiación electromagnética, que es la radiación transmitida a través del espacio
en forma de ondas eléctricas y magnéticas. El espectro electromagnético es el
rango de radiaciones que se extiende desde los rayos cósmicos hasta las ondas
de radio (Bava y Dogliotti, 2000).
Figura No 5. Principales Bandas del Espectro Electromagnético
Desde el punto de vista de la teledetección, conviene destacar una serie de
bandas espectrales que son las más frecuentemente empleadas con la
Fuente: http://www.innovanet.com.ar/gis/TELEDETE/TELEDETE/pant1.htm
31
tecnología actual. Su denominación y amplitud varían según distintos autores, si
bien la terminología más común según, (Chuvieco, 2006) son las siguientes:
1.6.2.2.1 Espectro Visible (0.4 - 0.7 μm)
Es la única radiación electromagnética que puede percibir el ojo humano (de ahí
su nombre). En ésta la longitud de onda es máxima la radiación solar. Dentro de
esta longitud de onda podemos distinguir tres bandas elementales:
Azul: 0.4 - 0.5 μm Verde: 0.5 - 0.6 μm Rojo: 0.6 - 0.7 μm,
1.6.2.2.2 Infrarrojo Cercano o Próximo (0.7 - 1.3 μm) Esta banda permite diferenciar masas vegetales y concentraciones de humedad.
1.6.2.2.3 Infrarrojo Medio (1.3 - 8 μm) Está constituida por dos bandas la primera se encuentra entre 1,3 y 2,5 μm y se
le denomina infrarrojo de onda corta (SWIR) y la segunda está comprendida en
su mayoría en torno a 3,7 μm y se le conoce propiamente como infrarrojo medio
(IRM), muy útil para la detección de focos de altas temperaturas como ser:
volcanes, incendios etc.
1.6.2.2.4 Infrarrojo Lejano o Térmico (8 - 14 μm) Es la región del espectro en la que emiten energía todos los cuerpos de la
superficie terrestre.
32
1.6.2.3 Interacción de la Atmósfera con la Radiación Electromagnética
La atmósfera es un factor importante al considerar los flujos de radiación entre el
Sol y la superficie terrestre y entre esta y los satélites. Los gases y aerosoles
que componen la atmósfera tienen un efecto triple sobre la radiación:
• Absorción de la energía en determinadas bandas del espectro
• Dispersión de la radiación en determinadas bandas del espectro
• Emisión que, por su temperatura, tendrá un máximo en el infrarrojo térmico.
1.6.2.3.1 Absorción
Cada uno de los gases atmosféricos tiene capacidad para absorber radiación en
diferentes longitudes de onda. Los principales responsables son:
• Ozono(O): Absorbe radiación ultravioleta
• Dióxido de carbono (CO): Absorbe radiación en 13 -17.5µ;
• Vapor de agua (H2O): Absorbe radiación en 5.5 - 7µ y por encima de 27µ;
Esto deja regiones del espectro en las que no se produce absorción, son las
denominadas ventanas atmosféricas. Por tanto la teledetección sólo va a ser en
principio viable en estas ventanas.
1.6.2.3.2 Tipos de Dispersión
La dispersión es el mecanismo por el cual la radiación electromagnética es
reflejada o refractada por gases o partículas situados en la atmósfera. De este
modo disminuye la radiancia directa y aumenta la difusa. Los principales
causantes de la dispersión atmosférica son los gases y aerosoles (partículas
sólidas o líquidas) que la componen. Debido a la elevada variabilidad espacio
33
temporal de algunos de los gases y de los aerosoles resulta difícil establecer
modelos generales para cuantificar su influencia final en una imagen. Existen
varios tipos de dispersión como se describe a continuación:
1.6.2.3.2.1. Dispersión de Rayleigh, ocurre cuando la longitud de onda es
mucho menor que el tamaño de los objetos responsables de la dispersión.
Afecta por tanto a las longitudes de onda más cortas y causa el color azul del
cielo.
1.6.2.3.2.2 Dispersión de Mie, cuando la longitud de onda es del mismo
orden de magnitud que los objetos dispersores (vapor de agua, polvo y
aerosoles). Afecta a todas las longitudes de onda del visible.
1.6.2.3.2.3 Dispersión No Selectiva, cuando la longitud de onda es mucho
menor que los objetos, la producen gotas de agua en la atmósfera (niebla o
nubes).
1.6.2.3.2.4 Emisión, se da dentro del infrarrojo térmico, sucede cuando un
objeto absorbe energía, esta es re-emitida, en diferentes longitudes de onda.
(Hidalgo, P. E. 2008).
1.6.2.4 Dominio Óptico
Denominamos dominio óptico del espectro aquel grupo de longitudes de onda
directamente dependientes de la energía solar, comprendida entre el visible y el
SWIR (0.4 a 2.5μm). (Chuvieco 2002).
1.6.2.4.1 Comportamiento Espectral de la Vegetación en el Espectro Óptico
La caracterización espectral de la masa vegetal constituye una de las tareas
más interesantes en teledetección. Según Chuvieco 2006, los factores que
afectan la radiancia final detectada por el sensor son:
34
La reflectividad de la hoja, que por lo general es el elemento más visible desde
una plataforma espacial, esto es debido a la presencia de pigmentos
fotosintéticos de las hojas, la clorofila absorbe en la zona del rojo, la estructura
celular que da la elevada reflectividad en el infrarrojo cercano, y al contenido de
humedad. Las características geométricas de la planta, su área foliar, la forma
de la hoja, su distribución en la planta, la geometría del dosel y el componente
leñoso. La situación geográfica de la planta: pendiente, orientación, asociación
con otras especies, reflectividad del sustrato, geometría de plantación y las
condiciones atmosféricas.
Figura No.6: Firma Espectral para la Vegetación Sana
Fuente: García, V. A. LANDSAT (sin año).
Podemos observar en la figura 6, el comportamiento de la vegetación sana en el
espectro visible + Infrarrojo cercano, donde hay absorción de energía por el
proceso de fotosíntesis y absorción por agua, así como los picos donde mejor
refleja energía la vegetación.
35
Figura No. 7: Firma Espectral para Distintas Coberturas de la Tierra
Fuente: García, V. A. LANDSAT (sin año).
En la fig. 7 podemos observar el comportamiento de varias coberturas de la tierra en el espectro electromagnético.
1.6.2.4.2 El Suelo en el Espectro Óptico En muchos casos es difícil observarlo debido a la cubierta vegetal. Los suelos
desnudos, su comportamiento espectral es mucho más uniforme que el de la
vegetación, mostrando curva espectral más plana (Lambrandero 1978), citado
por Chuvieco 2006. (fig. 7). La reflectividad espectral presenta mayores valores
en suelos de textura gruesa, apelmazados, secos y sin materia orgánica.
El factor más destacado es su contenido de humedad. A mayor humedad, más
frío estará durante el día y más cálido durante la noche, con respecto a los
suelos secos, (Chuvieco, 2006).
1.6.2.4.3 Agua en el Espectro Óptico
El agua posee la mayor inercia térmica debido a su alta conductividad. Es más
difícil que cambie su temperatura. Absorbe o transmite la mayor parte de la
radiación que recibe (fig. 7). Por ello presentará una curva espectral casi plana,
36
baja y de sentido descendente. En aguas poco profundas, la reflectividad
aumenta. Este comportamiento se debe a: la profundidad, contenido en materias
en suspensión (clorofila, arcillas y nutrientes) y rugosidad de la superficie (factor,
éste último extremadamente importante). (García, V. A. LANDSA, sin año).
1.6.2.5 Resolución de Un Sistema Sensor: Características de Los Sensores
Las características generales de los sistemas satelitales se refieren a los
distintos tipos de resolución de un sistema, la cual se define como la capacidad
de discriminar información de detalle en un objeto detectado. (Bava y Dogliotti,
2000). En sensores remotos existen cinco tipos de resolución que deben ser
consideradas:
1.6.2.5.1 Resolución Espacial
Este término designa al objeto más pequeño que puede ser distinguido sobre la
imagen. Define el tamaño del píxel, que es la distancia correspondiente al
tamaño de la mínima unidad de información en la imagen.
La resolución espacial de un sensor óptico-electrónico depende de varios
factores, como son la altura orbital, velocidad de exploración, y el número de
detectores. En cuanto a los sensores de antenas, su resolución depende del
radio de apertura, de la altura de la plataforma y de la longitud de la onda. A
mayor radio, menor altitud y menor longitud de onda, la resolución es más
detallada (Chuvieco, 2006).
Otra definición sobre la resolución espacial es que se refiere al tamaño del píxel
en cada imagen y representa la distancia mínima almacenada en cada uno de
ellos, (Acuña y San Gil, 2005).
37
1.6.2.5.2 Resolución Espectral Es el número y el ancho de las bandas espectrales que contiene el sensor.
Mientras más bandas proporcionen un sensor, es más idóneo, ya que permite
discriminar más diversidad de objetos. En cambio es preferible que las bandas
sean estrechas porque así recogen señales sobre regiones coherentes del
espectro, (Chuvieco, 2006).
La resolución espectral indica el número y anchura de las bandas espectrales
que puede discriminar el sensor. “Define la cantidad de bandas espectrales que
componen una imagen. Las imágenes LANDSAT 7, son imágenes
multiespectrales de 8 bandas, 3 en el espectro visible y 4 en el infrarrojo y una
pancromática como se detalla a continuación:
1.6.2.5.3 Resolución Radiométrica Se refiere a la sensibilidad del sensor, o sea a su capacidad para detectar
variaciones en la radiancia espectral que recibe. La resolución radiometría del
sensor se indica por el número de niveles de gris. Actualmente, la mayor parte
de los sistemas ofrecen 256 niveles por píxel, 8 bits (Chuvieco, 2006).
1.6.2.5.4 Resolución Temporal Resolución temporal indica cuál es la frecuencia de revisita del satélite, es decir,
cuánto tiempo debe pasar para que el satélite pueda obtener una nueva una
imagen sobre un área particular. El ciclo de cobertura es función de las
características orbitales de la plataforma (altura, velocidad, inclinación), así
como del diseño del sensor. La cadencia temporal de los sistemas espaciales
depende de los objetivos fijados para el sensor. Por ejemplo, el satélite
LANDSAT puede ver la misma área de la Tierra cada 16 días, (Chuvieco, 2006).
38
1.6.2.5.5 Resolución Angular
Según Diner et al., 1999, citado por Chuvieco, 2006. Esta resolución se refiere a
la capacidad de un sensor para observar la misma zona desde distintos ángulos.
La observación multiangular resulta de gran interés para estimar algunas
variables atmosféricas, ya que al variar el ángulo de mira se está observando la
superficie con distinto espesor atmosférico, variando en consecuencia los
procesos de absorción y dispersión.
1.6.2.6 Programa LANDSAT
LandSat 7 está en órbita a 705 kilómetros de distancia de la tierra. Su órbita lo
lleva muy cerca del Polo Norte y del Polo Sur, de modo que la Tierra gira bajo
LandSat, demora sólo 99 minutos en hacer una órbita alrededor de la Tierra y 16
días en tomar imágenes de toda la tierra del planeta.
Figura No.8 Dibujo artístico de LandSat 7
Fuente: NASA
39
El LandSat 5 lleva a bordo un sensor llamado cartógrafo temático (Thematic
Mapper). La rotación del planeta por debajo del satélite permite a este sensor
explorar una nueva zona de la superficie terrestre cada vez que pasa por ella. La
amplitud de la zona explorada, o faja de recorrido, es de aproximadamente
185 kilómetros, y una imagen completa se define como de 185 km x 185 km,
superficie aproximadamente de 34 mil kilómetros cuadrados. (FAO, 1999 ).
“LandSat 5 es una plataforma que contiene dos sensores LandSat TM y
LandSat-MSS, el primero de los cuales tiene 7 bandas (azul, verde, rojo, 3 en el
infrarrojo cercano y 1 en el infrarrojo térmico y el segundo 8 bandas (azul, verde,
rojo y 2 en el infrarrojo cercano, 1 en el térmico y una pancromática). La salida
de radiación (emitida o reflejada) de la superficie terrestre es un fenómeno
continuo en 4 dimensiones (espacio, tiempo, longitud de onda y radiancia)”
(Chuvieco, 2006). La plataforma LANDSAT es la que sirve de base para la
realización de este trabajo en el valle de Jesús de Otoro.
Al LandSat 7 se ha incorporado un nuevo sensor, el EMT+, que mejora las
características del TM, añadiéndole una banda pancromática de 15 m de
resolución espacial y aumentando la resolución de la banda térmica a 60 m, por
lo que se distribuyen dos bandas térmicas distintas. Con la incorporación del
canal pancromático está siendo de gran utilidad para obtener productos
cartográficos de mayor calidad, aplicando técnicas de fusión de imagen,
(Chuvieco, 2006).
40
Cuadro No. 2 Características del Sensor ETM+ de LANDSAT7
Fuente: NASA.
1.6.2.7 Imagen Satelital o Imagen de Satélite Se puede definir como una red o matriz conformada por una serie de parcelas
en las que se divide el territorio cuando es observado y que constituye la unidad
mínima o el área mínima que puede captar cada sensor, el cual se denominada
píxel. Cada píxel almacena un valor numérico, ND no visual que puede
traducirse a una intensidad visual o nivel de gris, mediante un convertidor digital-
analógico, Ej. Un monitor.
Los ND de la imagen se graban en códigos binarios. Como se sabe un bit indica
una posición binaria 0 o 1. La mayoría de los sensores emplean grupos de 8 bits
para almacenar el ND correspondiente a cada píxel. Por ello, cada píxel se
define como un byte, lo que equivale a un rango de 256 niveles = 28
Las imágenes digitales se organizan en una serie de archivos, normalmente
cada imagen incluye un archivo cabecera (header file) en donde se almacena el
formato con el que están grabados los ND que la conforman, así como también,
fecha, elevación, acimut solar, etc., (Chuvieco, 2006).
Banda Rango Espectral (µm)
Resolución Espacial (m)
Ancho de Barrido (Km)
1 450-515 30 183
2 525-605 30 183
3 630-690 30 183
4 750-900 30 183
5 1550-1750 30 183
6 10400-12500 60 183
7 2090-2350 30 183
8 Pancromática 520-900 15 183
41
1.6.2.7.1 Correcciones Radiométrica (Atmosferica)
Los valores de ND almacenados en una imagen original no corresponden a la
verdadera radiancia espectral, es decir a la intensidad de energía. Irradiada por
unidad de superficie. Por tal motivo, un paso previo para los diversos estudios de
tipo empírico es el de convertir los ND a valores de reflectividad, que es la
relación existente entre la energía reflejada y la incidente. Mediante este proceso
se obtiene información física relevante, ya que el conocimiento de la reflectividad
permite que los objetos puedan ser identificados y comparados por su firma
espectral en cualquier momento del año. Para ello, se realiza una serie de
cálculos conocidos como correcciones radiométricas, donde los datos de las
imágenes son convertidos a valores físicos de reflectividad. Si a su vez se
deseara comparar imágenes de distintas fechas, serán necesarios otro tipo de
procedimientos conocidos como correcciones atmosféricas. (Marini, F, 2006).
La conversión de los ND almacenados en una imagen original a variables físicas
es un paso previo que resulta de gran utilidad en múltiples fases de la
interpretación de imágenes, ya que permite trabajar con variables físicas de
significado estándar, comparables en un mismo sensor a lo largo del tiempo,
entre distintos sensores y entre la teledetección espacial y otros métodos de
detección de energía electromagnética. El primer aspecto resulta relevante
cuando pretendamos abordar tareas de detección de cambios; el segundo es
clave para integrar información espectral procedente de distintos sensores (por
ejemplo, en tareas de fusión de imágenes. Finalmente, el tercero es crítico si
queremos comparar nuestros datos con los obtenidos por teledetección aérea o
radiómetros de campo -por ejemplo, con una librería espectral. (Chuvieco,
2006).
42
1.6.3 Cobertura de la Tierra
Cobertura de la tierra, por lo general se refiere a la cobertura vegetal, a la falta
de esta. El término cobertura de la tierra se relaciona con uso del suelo. (Green
Facts 2001–2009).
Cobertura de la tierra: es el recubrimiento o cubierta biofísica que se observa
sobre la superficie terrestre. Incluye la vegetación y elementos entrópicos, así
como roca, suelo desnudos y cuerpos de agua. (Petraglia, C., Uruguay, A., Lara,
S., 2008).
La cobertura terrestre comprende los atributos de la tierra: cuerpos de agua,
vegetación, los diferentes tipos de construcciones, cuerpos rocosos, y
superficies húmedas, algunos de estos naturales otros afectados y/o productos
de las necesidades del hombre, (Forero, 1981).
El estudio de la cobertura y uso de la tierra contribuye al conocimiento de las
formas de apropiación y construcción territorial, la explicación de la interrelación
entre los sistemas natural y social, la indagación sobre las dinámicas de los
procesos de asentamientos, de los sistemas territoriales así como el análisis
sintético de la realidad territorial manifestada espacialmente (Instituto Geográfico
Agustín Codazzi, IGAC, 1997).
1.6.3.1 Sistemas de Clasificación para Levantamientos de Cobertura y Uso de la Tierra
Existen varios sistemas de clasificación de cobertura y uso de la tierra, los
cuales han sido planteados con el fin de facilitar el estudio de la cobertura de la
Tierra. En su elaboración se han utilizado criterios y parámetros diferentes,
dependiendo de la ubicación del área de estudio, si el estudio es local, regional o
43
Global, de la escala del estudio, etc. Aquí presentamos algunas de estas
clasificaciones con el propósito de ilustrar este tema, (CIAF, 2005).
Se ha tratado la vegetación potencial en lugar de la vegetación actual o real, es
decir, no se ha tomado en cuenta el cambio de cobertura y uso de la tierra que
se ha dado específicamente el último siglo, debido a la colonización y
deforestación de tierras anteriormente despobladas. Un ejemplo de ello son las
muy utilizadas zonas de vida del Sistema Holdridge (1967) basadas
específicamente en características climáticas, no fisonómica (CIAF, 2005).
1.6.3.2 Sistema de Clasificación de la Unión Geográfica Internacional (UGI)
Este sistema se ideó en 1930. Su propósito fue el de unificar, a escala mundial,
los criterios sobre los diversos usos de la Tierra. Esta clasificación ha servido de
base para la leyenda de diferentes estudios realizados a escala 1:1,000.000, con
subdivisiones que corresponden a aspectos más específicos del uso de la tierra
en zona por estudiar. Esta clasificación considera las siguientes clases: centros
poblados y tierras no agrícolas; tierras hortícolas, árboles frutales y otros
cultivos; pastos permanente mejorados; praderas no mejoradas; tierras de
bosques; pantanos y ciénagas; y, tierras improductivas (CIAF, 2005).
1.6.3.3 Sistema de Clasificación del Servicio Geológico de los Estados Unidos, 1976 (USGS).
Este sistema de clasificación se basó en los siguientes criterios:
El nivel mínimo de seguridad en la interpretación de los datos no debe ser
inferior al 85%.
La seguridad de interpretación para las diferentes categorías debe ser
casi igual.
Los resultados deben ser repetitivos de un intérprete a otro.
La categorización debe permitir agregar otras categorías
El sistema de clasificación puede ser aplicado en áreas extensas o en
áreas pequeñas.
44
El sistema propone tres niveles, los cuales dependen del tipo de imagen
utilizada como fuente de información. Los niveles 1 y 2 son de interés para
evaluar de manera general los recursos de una región extensa. Para información
más local se utiliza el nivel 3, el nivel1: considera Tierras Urbanas o Edificadas,
Tierras agrícolas, Tierras de pastizales, Tierras de bosques, Agua, Tierras
humedales, Tundras, Nieve o hielo. (CIAF, 2005).
1.6.3.4 Sistemas de Clasificación de Cobertura de la Tierra del Instituto Internacional para Información Geográfica, Ciencia y la Observación de la Tierra, ITC.
Este sistema establece una clara distinción entre los conceptos de cobertura y
uso y los clasifica en grupos diferentes de clases, No obstante, existe una
relación entre las clases del grupo de cobertura y las clases del grupo de uso del
suelo. Un tipo de cobertura puede ser sometido a dos o más tipos de uso,
asimismo un tipo de uso puede tener como fuente dos o más tipos de cobertura.
Coberturas propuestas: Construcciones, Plantaciones/parcelas, Vegetación
natural abierta, Bosques, Cuerpos de agua y Tierras eriales. (CIAF, 2005).
1.6.3.5 Sistema de Clasificación de la cobertura de la Tierra según el Centro de Investigación y Desarrollo de Información Geográfica, CIAF, Colombia.
Este sistema de clasificación es análogo al propuesto por el ITC. Pero sólo
presenta un nivel jerárquico el cual corresponde a estudios de un nivel muy
general. Este sistema ha sido diseñado como alguno de los anteriores para que
pueda ser ejecutado mediante la interpretación de imágenes de sensores
remotos de diversas fuentes y escalas. No hace diferenciación dentro del
sistema de los conceptos cobertura y uso. La clasificación consta de cuatros
niveles categóricos que van de lo general a lo detallado los cuales son
correspondientes con los cuatros niveles de detalle más usados en distintos
tipos de levantamiento. Estos son: exploratorio, reconocimiento, semi-detallado,
y detallado. El primer nivel es como sigue: construcciones, cultivos y parcelas,
45
vegetación herbácea descubierta, bosque y/o montes, cuerpos de agua y tierras
eriales. (CIAF, 2005).
1.6.3.6 Sistema de Clasificación de la Cobertura de la Tierra Usada por el Programa Fra2000 de la FAO.
Según Marzoli, 2000, el Programa de la Evaluación de los Recursos Forestales
2000 (FRA 20001), tenía como objetivo principal suministrar información sobre el
estado de los recursos forestales mundiales por el año 2000 y los cambios en
aquellos recursos entre los periodos 1980 a 2000 y 1990 a 2000. El conjunto de
información incluiría datos sobre la superficie boscosa para cada país, así como
datos sobre aspectos ecológicos de los bosques, uso sustentable de los
bosques e información sobre los productos no maderables de los bosques.
Las prioridades para el FRA 2000 fueron formulados por un grupo de expertos
internacionales durante la reunión "Kotka III" en junio 1996 en Kotka, Finlandia.
Los países de Latinoamérica que participaron en dicha reunión fueron Brasil,
Chile, Costa Rica, Ecuador y México. Después de la reunión de Kotka, FAO
elaboró un plan estratégico para el Programa, el cual se usa como guía para la
conceptualización del Programa 2000.
Para la clasificación de la cubierta de la tierra se utilizó un esquema jerárquico.
El esquema se concentra en los bosques y otras tierras boscosas y no distingue
subcategorías: por ejemplo, tierras agrícolas.
La clasificación general se define así: Bosque natural, Bosques naturales no
alterados por el hombre, Bosques naturales alterados por el hombre, Bosques
semi-naturales, Bosque cerrado, Bosque abierto, Bosque latifoliado, Bosque de
coníferas, Bosque mixto, Formaciones de bambúes y/o palmeras, Arbustos, y
Sistema de barbecho forestal.
46
1.6.3.7 Sistema de Clasificación de la Cobertura de la Tierra Modificada de la UNESCO
El Programa GLOBE, utiliza el Sistema de Clasificación Modificado de la
UNESCO (MUC) para clasificar la cobertura terrestre. El MUC tiene una base
ecológica y sigue estándares internacionales. El sistema MUC tiene cuatro
niveles de clasificación ordenados jerárquicamente. Cada nivel mayor se basa
en propiedades más detalladas de la cobertura terrestre. Los códigos MUC de
hasta cuatro dígitos se asocian con cada clase MUC con un dígito para cada
nivel en la clase, comenzando por el nivel más bajo. Al asignar una clase MUC a
un área homogénea de cobertura terrestre, siempre comienza por el nivel más
bajo (es decir el primer dígito del código MUC) y va por los niveles superiores,
uno a uno. Esta sinopsis contiene únicamente el nombre y código de
identificación para cada clase. La definición y descripción completa de cada
clase se detalla en el glosario de términos del sistema de clasificación
modificada por la UNESCO, ver cuadro No.3., (CIAF, 2005).
47
Cuadro No.3 Sistema de Clasificación Modificada de la UNESCO
C
O
B
E
R
T
U
R
A
N
A
T
U
R
A
L
Nivel1
Nivel 2
0 Bosque Cerrado 01 Principalmente Bosque Siempre Verde
02 Principalmente Bosque Deciduo
03 Bosque Extremadamente Xeromórfico (Seco)
1 Área Arbórea 11 Principalmente con Árboles Siempre Verdes
12 Principalmente con Árboles Deciduos
13 Árboles extremadamente Xeromórficos (Secos)
2 Arbustiva 21 Principalmente Arbustos Siempre Verdes
22 Principalmente Arbustos Deciduos
23 Arbustos extremadamente Xeromórficos (Secos)
3 Arbustos Enanos 31 Principalmente Arbustos Enanos Siempre Verdes
32 Principalmente Arbustos Deciduos Enanos
33 Arbustos Enanos extremadamente Xeromórficos
34 Tundra
4 Vegetación herbácea 41 Gramíneas altas
42 Mediana - alta
43 Gramíneas Cortas
44 Maleza (de hojas anchas)
5 Tierra Yerma 51 Planicies salinas secas
52 Áreas arenosas
53 Roca desnuda
54 Campos de nieve Perennes
55 Glaciares
56 Otros
6 Humedales 61 Ribereños
62 Palustres
63 Estuarios
64 Lacustres
7 Cuerpos superficiales de agua
71 Agua dulce
72 Marina
8 Tierra Cultivada
9 Urbanas 91 Residencial
92 Comercial/Industrial
93 Transportación
94 Otros
Fuentes: UNESCO, 1973 y GLOBE, 1996
48
1.6.4 Clasificación No Supervisada
La clasificación es una forma de aprendizaje, un proceso que acumula y
concentra experiencias dentro de modificaciones internas de un sistema; no
razona para deducir un resultado o tomar decisiones. Por lo tanto, la
clasificación se limita a agrupar conjuntos de objetos en clases a través del uso
de técnicas de inteligencia artificial o estadísticas, principalmente en aquella del
tipo digital. (Gutiérrez, M. A., Branch J. W., Fernández, V. B., 2005).
ERDAS IMAGINE, 9.1 utiliza el algoritmo de ISODATA para realizar una
clasificación no supervisada. ISODATA significa "Auto organizador interactivo
Técnica de Análisis de Datos". Estadísticas que se encuentran en constante
recalculo, ya que en varias ocasiones realiza una clasificación completa, para
dar salida una capa raster temática y vuelve a calcular. (Erdas Imagine. 9.1)
ISODATA repite la agrupación de la imagen hasta que:
• Un número máximo de iteraciones se ha realizado
• Un porcentaje máximo de los píxeles sin cambios se ha alcanzado entre dos
iteraciones.
El archivo de salida tiene un esquema de color o en escala de grises, si las
medias de grupo inicial son arbitrarias. Usted puede utilizar el Editor de atributo
de mapa de bits para cambiar el esquema de color.
El método de agrupación ISODATA utiliza la fórmula mínima distancia espectral
para formar agrupaciones. Se inicia con cualquiera de los estadísticos (media
aritmética de racimo (cluster), arbitrario o por medio de un conjunto de firmas
ya existentes, y cada vez que la agrupación se repite, se cambian las medias de
estos grupos. Los estadísticos (medias) de los nuevo clúster se utilizan para la
siguiente iteración.
49
1.6.4.1 Área Mínima Cartografiable
La escala es la relación entre las distancias medidas en el mapa y su
correspondiente medida en el terreno, por lo que la cantidad de información de
un mapa está en directa relación con su escala, (Priego, 2008.)
Según el criterio Norteamericano de área mínima cartografiable se ha definido
en (0.4cm²) a la escala del mapa1: 50,000 esto equivale a 4 hectáreas2. Pero
dada las características propias del país y de la zona de estudio en particular,
donde existe una alta fragmentación del bosque, optamos por elegir un área
mínima cartografiable de 4mm² equivalente a 1 ha3.
Las sugerencias de las áreas mínimas deben ser consideradas como una guía y
no como un valor absoluto, (Priego, 2008.)
1.6.4.2 Clasificación Supervisada
Procedimiento de clasificación digital mediante el cual se establecen una serie
de campos de entrenamiento seleccionadas por el operador en razón de su
homogeneidad temática, a partir de los cuales el sistema de tratamiento
establece los parámetros estadísticos de las clases, básicamente vector de
medias y matriz de covarianzas. En una fase posterior de asignación, el sistema
etiqueta cada celda de la imagen en función de la similaridad con cada clase.
Habitualmente se utilizan funciones de similaridad basadas en distancias
estadísticas o en medidas de probabilidad. (Glosario, 2007).
3 Área mínima que debe representarse en un mapa según su escala, (Norma oficial Mejicana, NOM-023-
RECNAT-2001, Gaceta Ecológica, Instituto Nacional de Ecología, No. 061, Distrito Federal, México).
50
1.6.4.3 Matriz de Confusión
La matriz de confusión, llamada también tabla de contingencia o matriz de error
es una herramienta, que en el caso de mapas temáticos, permite evaluar la
exactitud de dichos mapas para conocer su precisión, fundamentalmente
consiste en estimar el número de puntos correctamente cartografiados dentro de
un conjunto de datos. Esta matriz es construida de muestras de puntos de un
mapa. También se debe contar con datos de referencia, verificación o valores
verdaderos de campo, que son representados en columnas y que son
comparados con la interpretación representada en las filas dentro de la matriz. A
lo largo de la diagonal principal, se indican las muestras que fueron
correctamente interpretadas (ITC, 1999, citado por Flores, 2002).
Por lo mencionado anteriormente, un análisis más riguroso debe considerar las
celdas marginales de la matriz..... “En el caso de las filas, los marginales indican
el número de píxeles que, perteneciendo a una determinada categoría, no fueron
incluidos en ella. Estos se denominan errores de omisión. De igual forma, las
celdas no diagonales de las columnas expresan los errores de comisión, píxeles
que se incluyeron en una determinada categoría perteneciendo realmente a otra”
(Chuvieco, 1995, citado por Flores, 2002).
1.6.4.4 Coeficiente KAPPA
El coeficiente KAPPA es otra forma, altamente difundida, de medir la exactitud
de un mapa. Conocida también como “k” puede medir la exactitud de manera
más precisa que la matriz de confusión porque incluye dentro del cálculo todos
los valores de la matriz y no solamente sus extremos.
A continuación, de acuerdo con Congalton (1991) citado por Flores (2002), se
muestra como puede calcularse el coeficiente KAPPA:
51
Donde:
r : es el número de filas
xi; es el número de observaciones en una fila i y una columna i,
xi+ y x+i son los totales marginales de una fila i y una columna i
respectivamente.
N: es el total de número de observaciones
52
1.6.5 Análisis Multitemporal
Este análisis de tipo espacial se realiza mediante la comparación de las
coberturas de la tierra interpretadas en dos imágenes de satélite o mapas de un
mismo lugar pero de diferentes fechas, lo cual permite evaluar los cambios
sucedidos entre las coberturas discriminadas dentro del intervalo
correspondiente.( UNODC, s. a.).
Los estudios sobre cambio en la cobertura de la tierra, proporcionan la base
para conocer las tendencias de los procesos de deforestación, degradación,
desertificación y pérdida de biodiversidad de una región terminada (Lambin et al,
2001).
Aunque existen eventos naturales tales como huracanes que propician
variaciones en la cobertura natural, durante las últimas décadas, las actividades
humanas se han convertido en el principal desencadenador de la transformación
de los ecosistemas (Vitousek et al, 1997.
Según Durán et al 2008, los análisis de cambio de uso de la tierra, usan a la
cobertura (expresión conjunta de la vegetación que es visualizada desde el
espacio), como el atributo que permite reconocer cambios en determinado
período de tiempo en una región. El procedimiento para el análisis de cambio en
las coberturas y usos del suelo implica analizar y cruzar digitalmente mapas de
cobertura y usos del suelo de dos fechas distintas, T1 (tiempo inicial) y T2
(tiempo final).
Un requisito básico para realizar un Análisis Multitemporal, es que la información
cartográfica sea comparable (misma área, escala y proyección cartográfica) y
compatible (misma leyenda o equivalencia en las categorías que representan).
53
Este análisis se considera un procedimiento cartográfico confiable para
cuantificar y analizar la dinámica de un territorio y la transformación temporal de
la vegetación y los usos del suelo (Durán et la 2007).
Los estudios en el cambio de cobertura y en el uso de suelo proporcionan una
base para determinar las tendencias de deforestación desertificación y pérdida
de biodiversidad de una región determinada (Velásquez et al, 2002).
El análisis de cambios de coberturas de la tierra, frecuentemente vincula la
extracción de un dato de cambio dentro de una matriz que muestra la frecuencia
de cambio desde una categoría i en un tiempo t a una categoría j en un tiempo
t+1. Para el caso donde se asume que los cambios sólo dependen de la variable
tiempo, se pueden representar las probabilidades de cambio mediante una
cadena de Markov de primer orden, con lo que la matriz de cambios es una
matriz de transición de las probabilidades condicionales que refleja la
probabilidad de cambio de una categoría en tiempo un t a otra en tiempo un t+1
(Briceño, 2008).
El conocimiento sobre la dinámica del uso y cobertura del suelo es un factor de
vital importancia, porque sirve como base para generar propuestas de
planeación para el futuro. Se estima que la superficie original arbolada en el
mundo desde los orígenes de la humanidad, se ha reducido en la actualidad
hasta la mitad (Velásquez et al, 2002).
54
CAPÍTULO II: METODOLOGÍA
2.1. Fase I: Definición del Área de Estudio y del Periodo de Tiempo a Analizar
2.1.2 Delimitación del Área de Estudios
Para la delimitación del área de estudio, además de considerar la parte baja del
valle, delimitaremos las regiones adyacentes hasta la divisoria o parte agua de
los cerros y montañas que circundan el valle.
¿Qué es un Cuenca? Es un área en la cual el agua que cae por precipitación se une para formar un
curso de agua principal. Más técnicamente se puede definir como el área
drenada por un rio. Como es natural en esta área así definida, habitan hombres,
animales y plantas que generan diferentes ecosistemas (naturales y artificiales),
los cuales están caracterizados por un conjunto de relaciones que identifican a
cada uno de ellos; igualmente la interacción entre dichos ecosistemas generan
una serie de actividades productivas que buscan mejorar la calidad de vida del
hombre. (Sánchez A.; Vásquez J., 1990).
¿Qué es un Valle?
Depresión o área relativamente plana que necesariamente tiene como origen la
actividad de un río o un glaciar. Los ríos tienen mucha fuerza, son capaces de
modificar el relieve ya que arrancan y erosionan el suelo por el que pasan,
llevando entre sus aguas tierra, arena, limo y rocas. Los ríos ejercen mayor
transformación en las áreas de montaña, la pendiente y la fuerza de gravedad
55
hace que los ríos sean capaces de extraer gran cantidad de material. Cuando un
río socava tal cantidad de material como para crear un área plana, estamos
hablando de un valle. Usualmente utilizamos la palabra valle para referirnos a
cualquier área plana, sin embargo solo son valles las áreas planas producto de
la erosión de un río sobre la superficie. (Biblioteca Virtual, Luis Ángel Arango, 2005).
2.1.3 Definición del intervalo de tiempo entre imágenes
Según Chuvieco, 2002, un intervalo de uno a tres años, es suficiente para
realizar un Análisis Multitemporal de la cobertura de la tierra, se estimó que el
período de cinco años de las imágenes trabajadas en este estudio, es
representativo para evidenciar las variaciones de las coberturas predominantes
en el área de estudio, dado el rápido crecimiento de la vegetación. (Rejas et. al
2002; Fernández et, al, 2002).
2.2 Fase II: Selección de las Imágenes y Correcciones Básicas
2.2.1 Selección de las Imágenes
Las imágenes de satélites fueron seleccionadas, tomando en cuenta un criterio
de calidad en el sentido de que las coberturas de nubes de las mismas no fuera
mayor al 10% de la superficie a estudiar, que las imágenes fueran
aproximadamente de la misma fecha, un criterio importante fue el sensor a
utilizar, se eligió LandSat 7, que es un sensor multiespectra y posee bandas
ubicadas estratégicamente en el espectro electromagnético para el estudio de la
vegetación.
2.2.2 Correcciones Radiométricas (Atmosférica).
Se realizó la Corrección Atmosférica al Tope de la Atmosfera (TOA) a las
imágenes analizar, utilizando la metodología generada por la Facultad de
Ciencias Exactas y Naturales de la Universidad de Buenos Aires, Argentina,
56
proporcionada por la Dra. Hayde Karszenbaum (en la Asignatura
Procesamiento e Interpretación Digital de Imágenes, dictada a los Alumnos de la
Maestría en Ordenamiento y Gestión del Territorio, en el Observatorio
Astronómico Centro Americano de Suyapa de la UNAH). Esta metodología
consiste en la aplicación de Datos y Fórmulas contenidos en una hoja de cálculo
o plantilla del programa Excel y varios modelos generados con el módulo
“Modeler” de ERDAS IMAGINE, (Ver página No. 72)
2.2.3 Correcciones Geométricas.
Se realizó una georeferenciación, que es el procedimiento mediante el cual se
dota de validez cartográfica a una imagen digital corrigiendo geométricamente la
posición de las celdas y atribuyéndoles coordenadas en algún sistema de
referencia. (Pinilla, C., 1995).
Cabe destacar que, aunque las imágenes estaban referenciadas, tuvimos que
ajustar un poco la georeferenciación, ya que la imagen 2006 presentaba
desfases en la parte sur oeste del área de estudio. Para ello se realizó un
corregistro, adoptando la imagen del año 2000 como referencia.
Este ajuste se realizó con la herramienta de que dispone el paque de programa
Erdas Imagine, bajo la opción Raster de la ventana de ERDAS, en la opción
Geometric correction, (Ver página No.77).
2.3 Fase III: Clasificación por Cobertura de la Tierra Representativa del Área de Estudio
2.3.1 Definición de Sistema de Clasificación
Para la definición del Sistema de Clasificación utilizado y obtener la leyenda de
los mapas resultantes de este estudio, se identificaron y clasificación los tipos de
57
coberturas de la tierra existentes en un área de estudio en base al criterio más
común que es el fisonómico.
La adopción del sistema de clasificación, fue el primer paso para la generación
de los mapas temáticos. Con este sistema de clasificación, se buscó describir el
número de clases necesarias para representar lo mejor posible las diferentes
coberturas presente en la zona de estudio, en algunos casos se decidió la
agrupación de algunas coberturas, dado que la resolución espacial del sensor
LandSat de 30 metros dificulta su discriminación; las clases que se plantearon
en este sistema de clasificación fueron: Bosque latifoliado, Bosque de conífera
denso, Bosque de conífera ralo, Guamiles y/o Plantaciones de café, Matorrales
y/o robledales, Patos-Cultivos y/o arbustos, Urbano y/o suelos desnudos,
Cuerpos de agua.
2.3.2 Gira de Campo
Se realizó una gira de campo con la finalidad de hacer un reconocimiento del
área de estudio, tomar fotos de las diferentes coberturas que conforman el Valle
de Jesús de Otoro y de levantar coordenadas de las mismas, que nos servieron
para validar el mapa de cobertura de la tierra del año 2006. Para esta actividad
se dispuso de: brújula, imagen de Satélite Impresa, GPS Garmin, libreta de
apuntes.
2.3.3 Procedimiento de Clasificación de las Imágenes
Para la realización de la clasificación de las imágenes satelitales, se utilizó el
algoritmo ISODATA del modulo de clasificación, del paquete de programa Erdas
imagine 9.1, para lo cual se realizaron clasificaciones no supervisada
progresivas. La clasificación se realizó sobre las bandas originales, el criterio
empleado para definir los límites entre las clases fue el de máxima verosimilitud,
58
en donde los pixeles se asigna a aquella clase con la que posee mayor
probabilidad de pertenencia.
2.3.4 Validación de la Clasificación
Con los datos tomados en campo y la clasificación de la imagen del año 2006
finalizada, se procedió a evaluar dicha clasificación mediante la utilización de
una Matriz de Confusión y el Índice de Kappa, con la finalidad de determinar la
precisión obtenida en la clasificación.
A la hora de interpretar el valor de k es útil disponer de una escala como la
siguiente:
Cuadro No.4 Valoración del índice de Kappa
Valor de K Fuerza de la concordancia
< 0.21 Pobre
0.21 - 0.40 Débil
0.41 - 0.60 Moderada
0.61- 0.80 Buena
0.81 – 1.0 Muy buena
Fuente: López y Fernández, 1999
2.4 Fase IV: Análisis Multitemporal
2.4.1 Definición
Es un análisis de tipo espacial que se realiza mediante la comparación de las
coberturas interpretadas en dos imágenes de satélite o mapas de un mismo
lugar en diferentes fechas y permite evaluar los cambios en la situación de las
coberturas que han sido clasificadas. http://www.scanterra.com.ar/conozca_mas.html.
2.4.2 Análisis
El Análisis Multitemporal de la cobertura y uso de la tierra, se realizó mediante la
confrontación de los mapas de cobertura de la tierra de los años 2000 y 2006,
generados a partir de las imágenes del satélite Landsat7 -TM, path 18 row 50,
59
del 29 de marzo del 2000 y 26 de febrero del 2006 respectivamente. El
procesamiento digital se realizó con el paquete de Programa Erdas imagine
versión 9.1, operando bajo el sistema Window xp. Los procesos de edición y
diseño de los mapas se llevaron a cabo con el programa Arcview (versión 3.2).
2.5 Fase V: Estimación de la Tasa Anual de Cambio
2.5.1 Definición4
La Tasa Anual de Cambio, es el porcentaje de la variación en la cobertura
boscosa en un período determinado, expresado en términos porcentuales, la
cual puede ser positiva (cuando hay ganancia de cobertura boscosa) o negativa
(cuando hay pérdida de cobertura boscosa).
2.5.2 Criterios de Aplicación de Fórmula
Con el fin de generar la estadística de cambios de la cobertura de la tierra en el
Valle Jesús de Otoro, en el período que se analizará, 2000-2006, se calculara la
Tasa Anual de Cambio (TAC), según fórmula propuesta por FAO, (1996). Para
ello se necesita la cobertura boscosa de ambas fechas al inicio y al final del
período.
4 Comunicación Personal: José Martínez Manzueta
60
Modelo Conceptual
61
2.6 Fase VI: Análisis de Resultados
En esta fase se hará una descripción clara y precisa de los resultados obtenidos
durante la investigación, para facilitar al lector la interpretación de los resultados,
si es posible comparar con otras investigaciones este es el momento. En este
apartado se decide si se acepta o se refuta la hipótesis o las hipótesis
planteadas.
2.7 Fase VII: Línea Futura de Investigación
El enfoque principal de este trabajo de investigación fue el Análisis Multitemporal
de la Cobertura de la Tierra en la Cuenca del Valle Jesús de Otoro, sin embargo
se han podido detectar temas de gran relevancia para el desarrollo y el estudio
de la Cuenca; pero que no forman parte de la óptica de esta investigación. Es
por ello que estamos proponiendo como Línea Futura de Investigación principal
para la Cuenca del Valle Jesús de Otoro una Delimitación de Materiales de
Alteración Hidrotermal.
62
CAPITULO III: DESCRIPCION DE RESULTADOS
3.1 Delimitación del Área de Estudio
Para la delimitación del Área del Valle Jesús de Otoro, se consideró además del
valle, las vertientes que drenan sus aguas hacia este, arrastrando consigo los
sedimentos, y nutrientes de la parte alta afectando así la vegetación existente en
el área.
Para esta delimitación, utilizamos
una técnica muy común en
cuencas Hidrográficas, que
consiste en definir los parte-aguas
o líneas de divorcio (divortium
aquarium) de las montañas del
valle. Esto se realizó sobre las
hojas cartográficas formato
RASTER escala 1: 50,000 del
Instituto Geográfico Nacional
(IGN), adquiridas en el Sistema de
Información de la Escuela Nacional de Ciencias Forestales, SIG-ESNACIFOR.
Las hojas cartográficas tienen un formato denominado “.sid” y están agrupadas
en bloques de nueve hojas. Los bloques utilizados para este trabajo son:
1619.sid, 1627.sid., uniendo todos los puntos más altos que circundan el Valle
de Jesús de Otoro, sobre dichas hojas, el cual podemos definir como la cuenca
del Valle Jesús de Otoro, de esta forma se definió el polígono que constituye el
área de estudio. Este proceso se realizó utilizando las herramientas de
digitalización del programa ArcView 3.2.
Figura No. 9 Vista parcial de la digitalización del límite
63
3.1.1 Límite del Área de Estudio
Como resultado de este proceso se obtuvieron las siguientes dimensiones: una
superficie de 1,751 Km² aprox., 70 Km. de largo, y 30 Km. de ancho.
Dentro del área de estudio quedan comprendidas parcialmente los siguientes
Departamentos de: Comayagua, Intibucá y La Paz. Las ciudades más
importantes dentro del área de estudio son: Jesús de Otoro, Masaguara, San
Isidro, Chinacla, San José, San Pedro de Tutule, Santa María.
Los principales rasgos que se observan en la zona son: el Ríos Grande de
Otoro, el Río Puringla, el Río Ulúa, la carretera que va de Siguatepeque a la
Esperanza pasando por Jesús de Otoro y la planicie o Valle de Otoro.
Figura No.10 Límite definido
70 Km
30 Km
64
3.2 Definición del Intervalo de Tiempo entre Imágenes
Mediante las dos visitas de campo que realizamos el mes de julio se pudo
observar que las coberturas dominantes en la zona son: el Bosque de pino,
Bosque latifoliado, Matorrales, Robledales, y Fruto de la actividad humana
Agricultura, Pastos, café, entre otras. Basados en experiencia propia y en otros
estudios (Chuvieco, 2006), entre 1 y 5 años, es un intervalo suficiente para
analizar la dinámica de cambio entre esas coberturas.
A partir de esta supervisión de campo y siguiendo las directrices internacionales
adoptadas al respecto en la Tesis, se definió la leyenda de coberturas y clases a
ser detectadas en el área de estudio.
3.3 Selección de las Imágenes
Para este estudio se utilizaron Imágenes del satélite Landsat 7, por ser
imágenes que se adquieren sin costo alguno, además cubren los requisitos
mínimos planteados: de cobertura mínima de nubes, resolución espectral y
espacial.
Figura No. 11 Cobertura de Imágenes Landsat para Honduras
Como se observa en esta grafica, se necesitan 12 imágenes landsat para cubrir
el territorio nacional hondureño como se aprecia en esta figura.
65
Los criterios para la selección de las imágenes fueron: que no tuvieran una
cobertura de nube mayor al 10% del área de estudio, que las imágenes
correspondan a la misma fecha, para este estudio, las imágenes utilizadas
corresponden a las fechas 29-03-2000 y 26-02-2006, que tienen una diferencia
de un mes, y que fueran imágenes multiespectrales. Las coordenadas Landsat
corresponden a: Path18, Row 50, (fig. 11) de, y fueron adquiridas de la página
web del Global Land Cover Facility (GLCF).
http://glcfapp.umiacs.umd.edu:8080/esdi/index.jsp.
La descarga se hizo por medio de la herramienta denominada Earth Science
Data Interface (ESDI). (http:// edcsns17.cr.usgs.gov/EarthExplorer/).
Podemos observar la presencia de nubes en la imagen del año 2006, cubriendo
una superficie de 14,605 ha, equivalente al 8% del área de estudio.
Imagen Año 2000 Imagen Año 2006
Figura No.12: Imágenes Adquiridas
66
Estas imágenes no están en bruto como las que se suelen adquirirse por la vía a
través del USGS, sino que ya traen un nivel de tratamiento. En ellas se han
aplicado la corrección geométrica, y vienen proyectadas en UTM, Datum: WGS-
84, Zona 16.
3.4 Correcciones Radiométricas (Atmosférica).
Se aplicó la corrección atmosférica según Rayleigh. Tipo de dispersión
atmosférica, que se produce por partículas cuyo tamaño es pequeño en
comparación con la longitud de onda de la radiación. Se asocia normalmente al
tipo de radiación causada por las moléculas de los gases atmosféricos.
Para esta tarea se siguió el método basado en el modelo de transferencia
radiativa y funciones matemáticas que permiten expresar la transferencia de la
radiación electromagnética a través de la atmósfera, estimar el aporte
atmosférico y calcular la reflectancia del terreno en función de la radiancia
adquirida por el sensor de teledetección.
3.4.1 Metadatos de las Imágenes.
Se utilizaron los datos sobre los datos (metadatos) anexos a los ficheros imagen,
para abordar las tareas referidas a las correcciones radiométricas.
Figura No. 13: Tabla de metadatos donde está contenida toda la información necesaria para procesar las imágenes.
67
3.4.2 Cálculo de los Factores de Corrección Ganancia y Sesgo.
Se considera que los valores de radiación que llega al satélite guarda una
relación lineal con los valores de contaje y por esto ganancia (gain) y sesgo
(bias), son la pendiente y la ordenada al origen respectivamente de la recta de
regresión, que relaciona ambas magnitudes. El bias es el sesgo del sensor e
indica cuál es el registro del radiómetro cuando la radiación es mínima o no llega
radiación. Las ganancias indican cual es el incremento de radiancia registrado
entre diferentes cuentas del sensor. Estos datos suelen calcularse a partir de los
valores de radiancia mínima (Lmin) y (Lmax) registrados por el sensor así es:
(Bias = L Min) y (Gain = (Lmax-L Min) /254).
Llamar la pagina
Gain-Bias
Figura No. 14: Cálculo de Gain y Bias
68
Posteriormente se llama la hoja donde se requiere la información necesaria para
el cálculo de la Radiancia de Rayleigh y se introducen el Ángulo de Elevación
Solar, y el Angulo de Elevación Solar.
Este proceso generó como salida la radiancia de Rayleigh por bandas,
calculando también el día juliano y la distancia de la tierra al sol (figura 15).
Activar el cálculo radiancia de Rayleigh
Figura No.15: Cálculo de Radiancia Rayleigh
69
Se activa la hoja de Corrección Atmosférica, introduciendo a continuación la
información referente a filas, columnas y los DN o números digitales mínimos
para cada banda., como se observa en la figura 16.
Figura No.16: Ingreso de números digitales mínimos
Como resultado de estos procesos se obtuvieron los siguientes valores de salida
Metadatos
70
Figura No.10
3.4.3 Cálculo de las Imágenes de Radiancia e Imágenes de Reflectancia
Figura No.17: Calculo de Radiancia y Reflectancia
71
Con los resultados obtenidos en la hoja de cálculo, se introdujo al modelo los datos de gain, los bias, la imagen a corregir, la elevación Solar y el día juliano y
se le dio el nombre de salida. (fig.18 y 19)
Figura No.18: Cálculo de Radiación
72
Figura No.19: Calculo de Reflectancia
Imagen DN 2000 Imagen corregida 2000
Figura No. 20: Imagen 2000 antes y después de la corrección atmosférica
Imagen DN 2006
Imagen corregida 2006
Figura No. 21: Imagen 2006 antes y después de la corrección atmosférica
74
Las imágenes de reflectancia resultantes, son imágenes codificadas en 32bit.
Aquí los valores de los pixeles no son de 0 - 255 si no que comprenden valores
reales entre 0 -1, lo que hace que las imágenes aumenten en tamaño. Para
ejemplificar, la imagen original de del año 2000 es de 390 mb y la resultante
aumentó a 1.4 GB. Para regresar la imagen de 32 bit a 8bit cada valor de
reflectancia debe ser multiplicado por un escalar de forma que los valores que se
obtengan estén distribuidos en un rango entre 0 y 255.
Par ello se deben revisar los rangos de distribución de datos de todas las
bandas. Normalmente el rango de las bandas Infrarrojas suele ser el más amplio
y el escalar se elige de esas bandas, como se aprecia en la (figura 22).
El rango de distribución más amplio se encontró en la banda 4, (fig. 22). Por lo que se debió buscar un número x, que multiplicado por 0.83 sea igual o lo más próximo a 255, ese número fue 307. X = 307 x 0.83 = 254.8
Figura No.22 Información de las estadísticas de la imagen
75
3.4.4 Re-escalado o Degradación de las Imágenes de 32bit a 8bit
Se despliega el modelo correspondiente, introduciendo la imagen 32bit y el
factor de re-escalado. Luego se corrió el proceso, que permitió tener al final una
imagen corregida atmosféricamente en 8bit.
Figura No. 23: Modelo para re-escalado de una imagen
Factor de re-escalado.
76
3.5 Correcciones Geométricas
En esta parte se siguió primeramente un método paramétrico, que asume que la
población de la cual la muestra es extraída es NORMAL o aproximadamente
normal. Esta propiedad es necesaria para que la prueba de hipótesis sea válida),
basado en modelos orbitales del sensor TM de Landsat. A partir del cálculo de la
trayectoria del sensor instalado en la plataforma satelital, se calcula y transfieren
las coordenadas del terreno para las imágenes adquiridas por el mismo. Se trata
de una primera aproximación a la georreferenciación de las imágenes, que
contiene errores de precisión, ya que no corrige distorsiones debidas a la
plataforma y relieve del terreno pero ofrece un punto de partida importante en lo
referente a las correcciones geométricas de las imágenes.
Seguidamente se siguió un método no paramétrico, cuando no se puede
determinar la distribución original ni la distribución de los estadísticos por lo que
en realidad no tenemos parámetros a estimar. Tenemos BasadoS en la
estimación de los parámetros de transformación del sistema de referencia
imagen a un sistema de referencia terreno mediante el ajuste por mínimos
cuadrados de las ecuaciones polinómicas generadas a partir de pares de puntos
de control (Ground Control Points, GCP’s
En la ventana que permite elegir el modelo geométrico a utilizar, se seleccionó
la opción Polinomial ya que las ecuaciones que genera este proceso son
polinómicas.
77
Se definió la unidad de mapa en metros (fig. 25), luego se activa la opción
“Projection” de esa misma figura, seleccionando mediante la tabla para editar la
proyección de salida, como se puede ver en la figura.26, se eligió la Proyection:
UTM, Esferoide: Clarke 1866, Datum: NAD 27, Zona: 16.
Figuras No. 25, 26, 27, 28,29 Procesos de Georeferenciación 2
Posteriormente aparece la tabla que pregunta de dónde se tomarán los puntos
de referencia, (figura. 27). Se elige la opción “Existing Viewer”, ya que la
Figura No. 25 Figura No.26
Figura No. 24: Proceso de Georeferenciación 1
78
georeferenciación se realizó tomando las coordenadas de referencia de las
hojas cartográficas, Luego se cierra esa ventana de diálogo y aparece la figura
28, que indica que se debe seleccionar la ventana de donde se tomarán los
puntos de referencia o sea donde están desplegadas las hojas cartográficas.
Una vez seleccionada la ventana aparece la caja de diálogo presentando la
información de la proyección a utilizar. Se hace clic en OK para aceptar (fig. 29).
Figura No.29
Figura No.27
Figura No.28
79
Figura No.30: Introducción de Coordenadas para Georeferenciar Imágenes
Seguidamente se despliega la tabla de input y “reference”. Se identificaron
puntos comunes tanto de la imagen como de la hoja cartográfica, esto es: cruces
de carreteras, intersecciones de ríos etc. y con el botón que se señala en la
figura 30. Se deben colocar los puntos distribuidos uniformemente sobre la
imagen, la cantidad de punto dependerá del tamaño de la imagen. Para
referenciar la cuenca del valle Jesús de Otoro, utilizamos 65 puntos, (fig. 31)
Con este boto se introducen los puntos primero en la
imagen a referenciar y después en la de referencia
80
Una vez que, mediante el ajuste por mínimos cuadrados (MMCC) se obtiene
una estimación del error (error medio cuadrático, RMS) por debajo de tolerancia
(< 1pixel), se detiene el proceso. En la última columna de la tabla podes
observar la contribución del error para cada punto, el error mínimo cuadrado en
la columna anterior. En la parte superior en la ventana Control point error: vemos
el error en X y el error en Y, así como el error total que aceptamos que fue de 37
metros, (prácticamente un píxel).
Figura No. 31: Puntos de control para la georeferenciación
81
Para correr el proceso de georeferenciación activamos la banderita que aparece
en la figura 32 y nos aparece la tabla de diálogo (figura 33), donde se pone el
nombre de salida de la imagen y se especifica el método Resample, utilizamos
el Neighbor (vecino más cercano), ya que es el método que menos afecta los
valores de los pixeles, aceptando en el botón, OK para correr el proceso.
Figuras No. 32, 33, 34: Resample
Este proceso Resample permite asignar las coordenadas a la imagen
Al salir del proceso en la (figura 35), aparece otra ventana (figura 36), que
pregunta si se quiere salvar el modelo geométrico generado, y se elige la opción
sí, ya que ese modelo sólo se le aplica a la otra imagen, quedando
georeferenciada con los mismos puntos de control.
Figuras No. 35, 36: Modelo geométrico
Figura: No. 33
Figura No. 34
Figura: No. 32
Figura No. 35
Figura No. 36
82
3.5.1 Georeferenciación de la Segunda Imagen
Ya con el modelo generado en la georeferenciación de la imagen anterior,
procedimos a georeferenciar la segunda imagen, haciendo uso del mismo
modelo matemático obtenido anteriormente. El proceso es como sigue: se
despliega la imagen, seleccionamos la opción “Raster”, después “Geometric
Corrección”, aparece la caja de diálogo, “Set Geometric Model”, (fig. 38) y se
seleccionó la opción, “Open Existing Model”, buscando el modelo en la dirección
donde se había salvado (fig. 39).
Figura No.37 Figura No.38
Figura No.39
83
Una vez seleccionado el nombre y OK, aparece la caja de diálogo, presentando
los datos de la proyección de referencia (fig. 40), se cerró esa caja y activamos
la banderita de la (fig. 41), Aparece la caja de diálogo de “Resample”, se le da el
nombre de salida, se especifica el tamaño del píxel y el método de Resample
(vecino más cercano, fig. 42) y se corre el proceso.
Figura No. 41
Figura No. 42
Figura No. 40
Figura No. 43
84
3.6 Sistema de Clasificación de la Cobertura de la Tierra para definir la leyenda de los mapas.
En las giras de campo realizadas, pudimos apreciar que el área de estudio
presenta categorías de cobertura de la tierra específicas de un valle seco y en
los ecosistemas montañosos característicos del centro de Honduras, con la
presencia de coníferas.
El sistema de clasificación utilizado para la elaboración de la leyenda de los
mapas, se basó en la fisonomía de la vegetación, y trata de mostrar las
coberturas más representativas de la Cuenca del Valle Jesús de Otoro, en ese
sentido las coberturas identificadas son las siguientes:
Coberturas Características fisonómicas
Imagen
Bosque Latifoliado
Comunidad de árboles propio de los climas cálidos y húmedos, se caracterizan por la presencia de especies de las familias y géneros del tipo Angiospermas; es decir, árboles de hoja ancha como ser: liquidámbar, Liquidambar styraciflua roble (Quercus sp), Guanacaste (Enterolobium cyclocarpum), indio desnudo (Bursera simaruba) entre otros.
85
Bosque de Coníferas Denso o Pino denso
Esta clase representa el bosque pinar donde predominan el pino ocote (Pinus oocarpa), con alta densidad, aquí no se considera la edad del bosque, esta clase, se encuentra asociada con especies del género Quercus, pero siempre dominando el primero.
Bosque de coníferas ralo
o
Pino ralo
Esta clase representa el bosque pinar donde predomina el pino ocote (Pinus oocarpa) de baja densidad consecuencia de factores, como ser: la intervención humana, incendios forestales, fenómenos naturales, etc.
Guamiles y/o Plantaciones de Café
Los guamiles es una cobertura resultante de la sucesión vegetal, se genera cuando tierras que fueron utilizadas para actividades agrícolas, son abandonadas, su estructura depende de la edad, la altura de estos puede estar entre 1.75 a 3.0 metros aproximadamente.
Matorrales y/o Robledales
El matorral xerófilo existente en la zona de estudio, está conformado por plantas, en su mayoría espinosas de hojas compuestas, y algunas cactáceas, Se incluyó en esta clase el robledal (Quercus) porque en la fecha de la toma de las imágenes estaba sin hojas y se confunde con matorral.
86
Pastos-Cultivos y/o arbustos
Esta clase representa la superficie destinada a los diferentes cultivos agrícolas, áreas de pastos con o sin manejo, y vegetación arbustiva, producto de la sucesión vegetal al dejar abandonadas las aéreas de cultivos.
Urbano y/o Suelos Desnudos
Representa los centros poblados más importante de la zona y las aéreas desprovistas de vegetación
Cuerpos de Agua
Esta clase se refiere específicamente a lagunas, cursos permanentes de agua dulce (ríos, quebradas, manantiales, etc.) identificados en la zona de estudio.
87
3.7 Supervisión y Giras de Campo
Como preparación previa para la toma de los datos de campo, se procedió al
cálculo del número de muestra necesaria para obtener un error de muestreo
tolerable al momento de validar la clasificación del año 2006. La ecuación
utilizada para determinar el número de muestra fue la siguiente:
Fórmula No. 1 Cálculo del Numero de puntos necesarios para validar la
clasificación.
2
4
E
pqn
Donde:
n= número de puntos
P= Proporción de aciertos o éxitos en la clasificación
Q= proporción de desaciertos
E= Error de muestreo como fracción
Z= valor de la ordenada para una probabilidad de 95%
Como error de muestreo se adoptó como especificación un 10%.
Cuando se desconoce el valor de p, el medio más conservador para determinar
el tamaño de la muestra es usar un p de 0.5 que es el máximo valor posible, por
lo que en algún momento se podría sobreestimar el tamaño de la muestra y
elegir más muestras de las necesarias,( Ferreira, 2009).
2
4
E
pqn
2
2
10
)5.01)(5.0)(96.1(n
100
)5.0)(5.0)(842.3(
01.0
9604.0
puntosn 96
88
E l número de puntos de control necesarios para validar la clasificación fue de 96 puntos.
Para levantar las coordenadas de campo se realizaron dos giras a la zona. Se
trato de adquirir información, eligiendo puntos representativos de las principales
cobertura de la tierra presentes en la Cuenca del Valle Jesús de Otoro.
Debido a las características propias del área de estudio, donde abundan los
minifundios y una alta diversidad de uso del suelo, se definió el área mínima
cartografiable en 4mm² a la escala del mapa, considerando la escala final
1:50,000, esto significa 1ha. En consecuencia se eligieron muestras mucho
mayor a una hectárea, para poder evaluar el mapa final 2006.
89
3.7.1 Puntos levantados en campo para evaluar la clasificación del año 2006
La fig. 44, muestra la imagen del año 2006 con las coordenadas
correspondientes a las coberturas de la Tierra identificadas en campo
representada por los puntos en amarillo para validar la clasificación de ese año,
las coordenadas fueron tomadas con Sistema de Posicionamiento Global.
(Ver anexo No. 9.5)
Figura No. 44: Imagen del Satélite Landsat-TM mostrando la localización de los
puntos levantados en campo para validar la clasificación.
90
3.8 Procedimiento para la Clasificación de Imágenes
Como mencionamos anteriormente las clases de coberturas planteadas
representan a los principales tipos fisonómicos existentes en la zona de estudio:
Bosque latifoliado, pino denso, pino ralo, guamiles y/o cafetales, matorrales,
vegetación arbustiva-cultivos y/o pastos, áreas urbanas y/o suelos desnudos y
cuerpos de agua.
Para generar la clasificación de las imágenes, se utilizó el método de
clasificación no supervisado progresivo, mediante el algoritmo ISODATA (M.
Salvia, H. Karszenbaum, et al.2009, citando a Kandus, 1999).
En este proceso iterativo, se define un número máximo de clusters, grupos o
racimos, especificados por el usuario.
El proceso inicia con cualquiera de los promedios de los grupos arbitrariamente
y cada vez que la agrupación (iteración) se repite, se cambian los promedios de
estos grupos. Los promedios de los nuevos grupos se utilizan para la siguiente
iteración y así sucesivamente.
ISODATA repite la agrupación de los pixeles en la imagen hasta que: el número
máximo de iteraciones especificadas se ha realizado, o un porcentaje máximo
de los píxeles sin cambios se ha alcanzado.
En este estudio, aplicamos un número de 100 clases, y un máximo de 20
iteraciones, y seleccionemos un umbral de convergencia de 0.95 (fig. 46). Para
este trabajo, tan pronto como el 95% o más de los píxeles se asignaron al centro
de la clase más próximo el proceso se detuvo.
91
El archivo de salida tiene un esquema de color en escala de grises, pero se le
puede asignar el color de la combinación de bandas que se desee,
Posteriormente se utilizó el Editor de atributo de mapa para cambiar el color.
Como el método es progresivo, en el primer proceso se extrajeron de la
clasificación las clases espectrales correspondientes a alguna de las clases de
interés que fueron posibles de discriminar, generando un mapa provisional de
las clases que se pudieron separar. El mapa temático obtenido del proceso
anterior, se usó para enmascarar la imagen original, la cual se volvió a clasificar
y se separaron otra u otras clases, repitiendo este procedimiento, hasta obtener
todas las clases que conforman la clasificación final.
Ejemplo: En el primer paso, se extrajo la clase correspondiente a guamiles y/o
cafetales, generando con ella un mapa temático parcial, con ese mapa parcial se
enmascaró la imagen original, la cual se volvió a clasificar para obtener por
ejemplo las áreas de pino denso y pino ralo, una vez con todas las clases
discriminadas, se realizó un mosaico, obteniendo así el mapa final.
Máscara de pino 2000
Isodata pino 2000
Figura No. 45: Ejemplo de clasificación progresiva
92
Los pasos para generar las clasificaciones
de las dos fechas utilizando el programa
Erdas Imaginen fue como sigue:
Se corrió el “Isodata” como se mencionó
anteriormente (fig. 46).
Se realizó la Re-codificación de 100 clases
al número de clase final planteado en la
leyenda (ocho clases).
Se aplicó un filtro Neighborhood (vecino
más cercano), con una ventana de 3x3,
para eliminar el llamado efecto de sal y
pimienta, (figura 47).
Clasificación re-codificada Clasificación filtrada 3x3
Figura No. 46: Proceso de clasificación ISODATA
Figura No. 47: Ejemplo de filtro con ventana de 3x3
93
3.8.1 Cobertura de Nubes y sombras presentes en la Imagen del 2006
En el caso de la imagen del año 2006 encontramos una superficie cubierta por
nubes, de 14,605ha, equivalente al 8% del área de estudio (fig. 48.)
Para no presentar en el mapa 2006 esas áreas
vacías de información, se decidió enmascarar
con ellas la clasificación del año 2000 y tomar la
información de dicha clasificación, por lo que al
hacer el Análisis Multitemporal estas áreas no
presentarán cambio de coberturas. A
continuación se describe gráficamente este
proceso.
Utilizando el módulo Image Interpreter se activó
la opción “Utilities” y de esta el comando Mask
que presenta el siguiente dialogo:
Aquí se introdujo la clasificación de
donde se quería sacar la
información, el “Input Mask” es la
capa que sirvió de máscara (Nubes y
sombra), se activó la opción “Tematic
recode” para re-codificar, se
especificó el código 1 a la cobertura
con que se hará la máscara y 0 a las
restantes. (fig. 50.)
Figura No. 49: Proceso para generar una mascara
Figura No. 48 Cobertura de Nubes
94
El resultado de la máscara de áreas de nubes y sombras dio como resultado una
capa con la misma superficie que la superficie cubierta por nubes con la
información contenida en la clasificación del año 2000 (fig. 51).
Figura No. 50: Opción para re-codificar
Capa de Nubes Mascara año 2000
Figura No. 51: Resultado de la Máscara de Nubes
95
Con la clasificación del 2006 y la máscara resultante del año 2000, se realizó un
mosaico y se obtuvo el resultado que se aprecia en la fig. 52.
Seguidamente se realizó el “clump”, el cual es un
proceso que permite identificar grupos de píxeles
contiguos en una clase temática. Este proceso se
aplica a la clasificación filtrada y es intermedio y
necesario para aplicar el siguiente proceso “eliminate”.
Figura No. 53: Ejemplo del resultado de un “Clump”
Clasificación 2006 Máscara 2000 Clasificación 2006
Figura No. 52 Resultado del Mosaico
96
3.8.2 Determinación del Área Mínima Cartografiable
Para definir el área mínima Cartografiable optamos por utilizar un área mínima
de 2 x 2 mm, que equivale a 1 hectárea en la escala 1: 50,000.
Para lograr este propósito, utilizamos el comando “eliminate”, en este proceso se
introduce el “clump” que se había generado para cada clasificación y se le
especifica cuál será el área mínima. Durante este proceso el programa eliminó
todos los polígonos menores al área especificada (fig. 54).
Figura No. 54: Proceso “eliminate”
97
3.8.3 Clasificaciones Finales
A continuación se muestran las clasificaciones resultantes en este estudio para
la Cuenca del Valle Jesús de Otoro con sus respectivas leyendas para las dos
fechas estudiadas. En la leyenda podemos observar las superficies
correspondientes a cada cobertura o clase.
Figura No. 55: Clasificaciones resultantes
Clasificación año 2000 Clasificación año 2006
Leyenda
98
3.8.3.1 Superficie por Cobertura
En el cuadro 4 podemos observar las coberturas identificadas en este estudio.
La superficie que cubrían en cada fecha, el porcentaje que representan con
respecto al área total y la diferencia entre coberturas entre ambas fecha. Los
signos positivos y negativos indican las coberturas que se incrementaron o se
redujeron en un intervalo de 5.92 años. Se observa recuperación en las
coberturas de Bosque latifoliado, pino ralo Guamiles y/o café y en matorrales.
Estas áreas provinieron principalmente de la cobertura de Arbustos-pastos y/o
cultivos.
Cuadro 5. Superficie de las coberturas de la Tierra en la Cuenca del Valle
Jesús de Otoro para las dos fechas analizadas.
Coberturas Clasificación año
2000
Clasificación año
2006
Diferencia
Área (ha.) % Área (ha.) %
Bosque latifoliado 23,742 13.53 24,173 13.78 +431
Bosque coníferas denso 24,893 14.19 23,803 13.57 -1,090
Bosque coníferas ralo 13,460 7.67 16,560 9.44 +3,100
Guamiles y/o café 36,988 21.08 39,098 22.28 +2,110
Matorral 22,855 13.03 25,156 14.34 +2,301
Arbustos-pastos y/o cultivos 53,028 30.22 46,211 26.34 -6,817
Urbano y /o suelos desnudos 240 0.14 205 0.12 -35
Cuerpos de agua 224 0.13 224 0.13 0
Totales 175,430 100 175,430 100 00.00
99
3.8.3.2 Superficie de las Coberturas de la Tierra, Estimada para los Departamentos que conforman la Cuenca del Valle Jesús de Otoro
La Cuenca del Valle Jesús de Otoro posee una superficie equivalente al 1.6%
del territorio nacional, y tiene área de influencia en cuatro departamentos, son
estos: Intibucá, La Paz, Comayagua y Santa Bárbara, como podemos apreciar
en la fig. 56.
Figura No. 56 Departamentos que tienen áreas de influencia en la Cuenca del Valle Jesús de Otoro.
El cuadro 6. Este cuadro muestra la superficie o áreas de influencia de los
departamentos que conforman la Cuenca del Valle Jesús de Otoro, se observa
que aproximadamente el 90% de la cuenca está comprendida entre los
100
departamento de Intibucá y La Paz, el 10% lo comparten Comayagua y Santa
Bárbara.
Cuadro No. 6 Departamentos que tienen área de influencia en el área de estudio.
Numero Departamento Superficie ha. %
1 Intibucá 97,261 55.35
2 La Paz 60,140 34.22
3 Comayagua 12,987 7.40
4 Santa Bárbara 5,326 3.03
Total 175,714 100
Existe una diferencia en la superficie total entre el polígono del área de estudio y
la sumatoria de las áreas de los departamentos que conforman la cuenca,
debido a que los límites departamentales tienen áreas comunes y al hacer el
corte individual de los departamentos esas áreas coincidentes se duplican.
A continuación se presenta la cobertura de la tierra con su respectiva superficie
para las dos fechas analizadas, y para cada uno de los departamentos que
conforman el área de estudio.
101
3.8.3.2.1 Área de la Cuenca del Valle Jesús de Otoro en el Departamento de Intibucá
Cuadro No.7 Área de la Cuenca del Valle Jesús de Otoro en el Departamento de Intibucá.
Coberturas Superficie ha. 2000
% Superficie ha. 2006
% Diferencia
Bosque latifoliado 11,917 12.25 11,414 11.74 -503
Bosque conífera denso 15,109 15.53 14,539 14.95 -570
Bosque conífera ralo 7,960 8.18 9,636 9.91 +1,676
Guamiles y/o cafetales 17,814 18.31 19,018 19.55 +1,204
Matorral y/o robledal 14,626 15.04 16,433 16.89 +1,807
Arbustos – Pastos y/o cultivos
29,441 30.27 25,857 26.59 -3,584
Áreas urbanas y/o suelo desnudo
199 0.21 169 0.17 -30
Cuerpos de Agua 195 0.20 195 0.20 0
Totales 97261 100 97261 100 0000
Este cuadro muestra las superficies estimadas en el Departamento de Intibucá,
su representación en porcentaje y la diferencia entre ambas fechas. Se observa
un incremento en las áreas de las coberturas de pino ralo, matorral y/o roble y
guamiles y/o café. Por otra parte en el intervalo analizado se detectó pérdida en
bosque latifoliado, pino denso y suelos desnudos.
Figura No. 57
Coberturas 2000 Coberturas 2006
102
3.8.3.2.2 Área de la Cuenca del Valle Jesús de Otoro en el Departamento de La Paz
Cuadro No.8 Cobertura de la tierra identificada en el Departamento de La Paz.
Coberturas Superficie ha. 2000
% Superficie ha. 2006
% Diferencia
Bosque latifoliado 9,781 16.26 10,639 17.69 +858 Bosque conífera denso 5,063 8.42 4,182 6.95 -881 Bosque conífera ralo 3,480 5.79 4,898 8.14 +1,418 Guamiles y/o cafetales 15,905 26.44 16,002 26.61 +97 Matorral y/o robledal 6,834 11.36 7,450 12.39 +616 Arbustos – Pastos y/o cultivos
19,031 31.64 16,927 28.14 -2,104
Áreas urb. y/o suelos desnudos
40 0.07 36 0.06 -4
Cuerpos de Agua 6 0.01 6 0.01 0
Totales 60,140 100 60140 100 0000
Este cuadro muestra las coberturas correspondientes al área de influencia del
Departamento de La Paz. Contiene las superficies estimadas, su representación
en porcentaje y la diferencia entre ambas fechas. Podemos ver en el (cuadro 8),
que aprox. 2,100 ha de la clase de arbustos-pastos y/o cultivos aportaron a las
otras coberturas que incrementaron su superficie.
Figura No. 58
Coberturas 2000 Coberturas 2006
103
3.8.3.2.3 Área de la Cuenca del Valle Jesús de Otoro en el Departamento de Comayagua
Cuadro No.9 Cobertura de la tierra identificada en el Departamento de
Comayagua.
Coberturas Superficie ha. 2000
% Superficie ha. 2006
% Diferencia
Bosque latifoliado 2,030 15.63 2,104 16.20 +74 Bosque conífera denso 2,960 22.79 3,085 23.75 +125 Bosque conífera ralo 903 6.95 1,061 8.17 +158 Guamiles y/o cafetales 2,760 21.25 3,235 24.91 +475 Matorral y/o robledal 1,366 10.52 1,260 9.70 -106 Arbustos – Pastos y/o cultivos
2,966 22.84 2,240 17.24 -726
Cuerpos de Agua 2 0.02 2 0.02 0 Totales 12,987 100 12,987 100 0000
Este cuadro muestra las coberturas de la tierra en el Departamento de
Comayagua. Las superficies estimadas, su representación en porcentaje y la
diferencia entre ambas fechas. Podemos ver que casi todas las coberturas del
área de influencia del Departamento de Comayagua presentaron incremento,
estos incrementos provinieron de las clases de Matorrales, arbustos-pastos y/o
cultivos.
Figura No. 59
Coberturas 2000 Coberturas 2006
104
3.8.3.2.4 Área de la Cuenca del Valle Jesús de Otoro en el Departamento de Santa Bárbara
Cuadro No.10 Cobertura de la tierra identificada en el Departamento de Santa Bárbara.
Coberturas Superficie ha. 2000
% Superficie ha. 2006
% Diferencia
Bosque latifoliado 60 1.13 64 1.20 +4 Bosque conífera denso 1,801 33.82 2,041 38.32 +240 Bosque conífera ralo 1,145 21.50 990 18.59 -155 Guamiles y/o cafetales 554 10.40 890 16.71 +336 Matorral y/o robledal 76 1.42 68 1.28 -8 Arbustos – Pastos y/o cultivos
1,668 31.32 1,252 23.51 -416
Cuerpos de Agua 22 0.41 21 0.39 -1
Totales 5,326 100 5,326 100 0000
En este cuadro podemos observar que el área de influencia que cubre el
Departamento de Santa Bárbara, presentó incrementos de la superficie de las
coberturas de pino denso, guamiles y/o cafetales. La superficie de la cobertura
de Arbustos-pastos y/o cultivos se redujo en aprox. 400 ha, mientras que el pino
ralo contribuyó al incremento del pino denso con 155 has.
Figura No. 60
Coberturas 2000 Coberturas 2006
105
3.8.3.2.5 Superficie de las coberturas de la Tierra Estimada para el Municipio de Jesús de Otoro
Cuadro No.11 Cobertura de la tierra identificada en el Municipio de Jesús de Otoro.
Coberturas Superficie ha. 2000
% Superficie ha. 2006
% Diferencia
Bosque latifoliado 3,691 8.77 3,684 8.76 -7 Bosque conífera denso 7,500 17.83 7,629 18.14 +129 Bosque conífera ralo 3,549 8.44 3,806 9.05 +257 Guamiles y/o cafetales 6,863 16.31 7,355 17.48 +492 Matorral y/o robledal 6,838 16.26 7,724 18.36 +886 Arbustos - Pastos y/o cultivos
13,284 31.58 11,554 27.46 -1,730
Urbano y/o suelo desnudo
196 0.46 169 0.40 -27
Cuerpos de Agua 146 0.35 146 0.35 0
Totales 42,067 100 42,067 100 0000
Este cuadro muestra las coberturas en el Municipio de Jesús de Otoro. En el
municipio se identificó un incremento en la superficie de la mayoría de las
coberturas, las coberturas que cedieron superficie a esas coberturas
incrementadas fueron: Arbustos-pastos y/o cultivos.
Leyenda
Figura No. 61
Coberturas 2000 Coberturas 2006
106
3.9 Validación de la Clasificación
Una vez con las clasificaciones terminadas se procedió a evaluar la clasificación
del año más reciente (2006). Para ello nos valimos de la Matriz de Confusión
que es el método que permite evaluar la exactitud de una clasificación, también
se le denomina matriz de error o de contingencia (cuadro 12). Esta es una matriz
cuadrada de n x n, donde n es el número de clases. La matriz muestra la
relación entre dos series de medidas correspondientes al área de estudio. La
primera corresponde a datos de campo, la segunda a las categorías de píxeles
realizada por el clasificador (Ferreira. O, 2009).
3.9.1 Matriz de Confusión
Cuadro No.12 Matriz de Confusión Estimada para el Área de Estudio.
1. La diagonal amarilla expresa el número de puntos verificados en campo en
donde hubo coincidencia con la información del mapa.
2. Por otra parte, la relación entre el número de puntos asignados
correctamente y el total, expresa la exactitud global del mapa.
3. Los residuales de las columnas indican las coberturas que no se incluyeron
en el mapa (error de omisión).
Coberturas B.lat Pino-d Pino-r Gua /café Matorral-r Arab-p-cult
Total Exact mapa
Error comisión
1 Bosque latifoliado 6 1 1 8 75.0 25.0
2 Pino denso 30 1 1 32 93.8 6.3
3 Pino ralo 9 4 1 14 64.3 35.7
4 Café y/o Guamiles 1 28 3 32 87.5 12.5
5 Matorral y/o robledal 20 4 24 83.3 16.7
6 Arbustos- pastos y/o cultivos 1 1 17 19 89.5
10.5
Total 7 31 10 29 26 26 129 Exact itud de campo (%) 85.71 96.77 90.00 96.55 76.92 65.38 110
Error de Omisión 14.29 3.23 10.00 3.45 76.92 34.62 Índice Kappa = 0.817
107
4. Los residuales en filas implican cobertura del mapa que no coincidió con la
realidad.
3.9.1.1 Estimación de los Límites de Confianza
Se estimaron los límites de confianza superior e inferior para cada proporción
como se observa en el cuadro 13.
Fórmula No. 2 Fórmula para el Cálculo de los Límites de Confianza.
Cuadro No. 13 Límites de Confianza estimados para cada proporción.
P Sxp EM LCS LCI Coberturas
0.750 0.038 0.075 0.825 0.675 B. latifoliado
0.938 0.021 0.042 0.979 0.896 B. coníferas denso 0.643 0.042 0.083 0.726 0.560 B. coníferas ralo
0.875 0.029 0.057 0.932 0.818 Guamil y/o café 0.833 0.033 0.064 0.898 0.769 Matorral y/o roble
0.895 0.027 0.053 0.948 0.842 Arbustos-pastos y/o cultivos
En este cuadro podemos observar los límites de confianza superior e inferior entre los
cuales se encuentra la confiabilidad para cada cobertura. Podemos ver que los límites
más altos correspondieron al pino denso, Arbustos-pastos y/o cultivos y los guamiles y/o
café respectivamente.
3.9.2 El índice de Kappa
Exactitud total = ∑(6+30+9+28+20+17)/129 = (110/129)*100 = 85.27
IC = Proporción ± (Z) (Error Estándar)
Donde:
IC = Intervalo de Confianza.
P = Proporción de la clase
Sxp = Error Estándar
E M = Error de Muestreo = Sxp x 1.96
LCS = Límite de confianza superior
LCI = Límite de confianza inferior
108
Las medidas de exactitud, del usuario (exactitud del mapa) y del productor,
(Datos de campo) aunque simples de usar, no aprovechan la información
contenida en la matriz considerada en conjunto.
Buscando superar estos inconvenientes se ha propuesto un índice denominado
coeficiente kappa. Este estadístico es una medida de la diferencia entre la
exactitud lograda en la clasificación con un clasificador automático y la chance
de lograr una clasificación correcta con un clasificador aleatorio (Ferreira. O,
2009).
Fórmula No.3 Fórmula para el Cálculo de Índice de Kappa.
Cuando se desea evaluar la concordancia entre dos variables de tipo categórico,
es decir el grado de acuerdo que existe entre las dos, disponemos de diversas
pruebas específicamente diseñadas para ello.
Por simple azar, es previsible observar un cierto grado de concordancia entre los
dos métodos, para determinar si la concordancia observada es superior a la que
se esperaría encontrar por azar resulta conveniente utilizar el índice de
concordancia de kappa, que se define como:
Pe1
PePo
Donde Po representa a la proporción de concordancia observada y Pe la
proporción de concordancia esperada por azar. Por tanto, el índice kappa
presenta un valor de 1 cuando la concordancia observada es perfecta, un valor
de 0 cuando la concordancia observada es igual a la concordancia esperada por
azar y valores inferiores a 0 cuando la concordancia observada es inferior a la
concordancia esperada por azar.
109
La proporción de concordancia esperada por azar (Pe) se calcula como la suma
del producto de las probabilidades de clasificar los sucesos en cada una de las
categorías por cada uno de los métodos.
La concordancia se considera muy débil cuando los valores del índice Kappa
son inferiores a 0.20, débil si está entre 0.21 y 0.40, moderada entre 0.41 y 0.60,
buena entre 0.61 y 0.8, y muy buena si es superior a 0.80.
La fórmula permite obtener una estimación puntual del índice Kappa. Un método
sencillo de calcularlo es el siguiente:
)19*2624*2632*2914*1032*318*7(129*129
)19*2624*2632*2914*1032*318*7(110*129k
323416641
323414190k
817.0k
Este valor Kappa, significa que la matriz es 81.7% mejor que la que podría
resultar de aplicar un clasificador aleatorio que asignara los píxeles al azar.
i
r
i
i
i
r
i
ii
XXN
XXxN
k
1
2
1
1
(
110
3.10 Análisis Multitemporal
El Análisis Multitemporal de imágenes de satélite
es esencialmente la comparación de dos mapas
temáticos de un área determinada en dos o más
fechas, con la finalidad de conocer la dinámica de
la cobertura de la tierra en el intervalo a estudiar.
Para la realización del Análisis Multitemporal, una
vez con la clasificación del 2006 validada, se
confrontaron ambas clasificaciones para
determinar los cambios de cobertura sucedidos
en el intervalo de 5.92 años. El procedimiento fue
el siguiente:
Utilizando el módulo “Image Interpreter”, y la
opción “Gis Análisis”, de aquí seleccionamos el
programa matriz. (fig.62, 63 y 64)
Figura No. 62
Figura No. 64
Figura No. 63
111
Como se puede observar en la (fig.
64), en esta caja de diálogo en el
vector 1 se introdujo la clasificación de
la fecha más antigua (2000) y en el
vector 2 se introdujo la clasificación de
la fecha más reciente. En el “output
file” se le da el nombre de salida de la
matriz resultante.
En esta matriz cada clase de la
clasificación del año 2000 se
confronta con cada una de las clases
de la clasificación del año 2006. Como
el número de clases identificada para
la leyenda fue ocho, el total de
combinaciones resultante en la matriz
fue de 64 combinaciones.
Como observamos el fig.65, las clases
están representadas por un código,
siendo para el caso: 1. bosque
latifoliado, 2. Pino denso, 3. Pino ralo,
4. guamiles y/o cafetales, 5. Matorral,
6. Arbustos-pastos y/o cultivos, 7.
Urbano, 8. Cuerpos de agua.
Figura No. 65
112
En la fig.65, se puede ver el recuadro en la fila
No.1 de la 1 en el 2000 y 1 en 2006. Significa
bosque latifoliado que sigue siendo bosque
latifoliado, esto por lo tanto es área de no
cambio, en la fila No. 6, 1 que pasó a 6, es
(bosque latifoliado que pasó a arbustos-pastos
y/o cultivos). Esto se considera pérdida de
bosque latifoliado. y en la fila 25 se observa 4 a
1, significa (guamil y/o café que pasó a
bosque). Significa recuperación de la cobertura
boscosa o lo que es lo mismo ganancia de
bosque.
La matriz se revisa fila por fila y se identifican
los no cambios, las pérdidas de una cobertura
superior entiéndase (bosque latifoliado o
bosque de pino), a otras coberturas, y como
ganancias se entiende el paso de pastos,
cultivos, guamiles, matorrales a bosque.
Una vez identificadas esas categorías, (fig. 67)
se realizó la decodificación de la matriz para
agrupar los no cambios, las ganancias y las
pérdidas, este proceso se realizó utilizando de
“Gis Análisis” el módulo “recode”.
El resultado del Análisis Multitemporal fue un
mapa temático mostrando las áreas de
cambios de las diferentes coberturas
presentes en la zona (fig. 68)
Figura No. 66
Figura No. 67
113
3.10.1 Mapa de Cambios de cobertura en la Cuenca del Valle Jesús de Otoro
En este mapa se pueden
observar áreas importantes de
recuperación de bosque
latifoliado en la parte sur de la
cuenca y de cambio de pino
denso a pino ralo que circunda
la parte baja del valle.
Figura No. 68
114
3.11 Fórmula para la estimación de la Tasa Anual de Cambio
Para estimar la tasa anual de cambio de las coberturas más representativas de
la Cuenca del Valle Jesús de Otoro, se utilizó, la fórmula de interés compuesto
propuesta por la FAO (1996) para este tipo de estudios.
Fórmula No. 4 Estimación de la Tasa Anual de Cambio.
Donde:
TC = Tasa Anual de Cambio %.
T1 = Superficies de las coberturas del suelo al inicio del período.
T2 = Superficies de las coberturas del suelo al final del período.
n = Amplitud del período analizado o Intervalo de (5.92 años).
115
3.11.1 Tasa Anual de Cambio para la Cuenca del Valle Jesús de Otoro
La Tasa anual de Cambio, para las principales coberturas identificadas en la
zona de estudio en un intervalo 5.92 años, muestra que hay una tendencia a la
recuperación, la cobertura boscosa de conífera denso se redujo en una tasa de
-0.75% que pasó principalmente a pino ralo, después las demás coberturas
presentaron recuperación como, la tasa más alta correspondió a pino ralo con
+3.56 como se observa en el cuadro 14.
La cobertura que principalmente cedió superficie a los incrementos de las demás
coberturas fue la de Arbustos-pastos y/o cultivos que se redujo a una tasa anual
de -2.30%.
Cuadro No. 14 Tasa Anual de Cambio para las Coberturas de la Cuenca del
Valle Jesús De Otoro.
n=5.92 T1(Año 2000) T2(Año 2006) TC (%)
Coberturas Superficie en Has. Superficie en Has.
Tasa Anual de Cambio
Bosque latifoliado 23,742 24,173 +0.30
B. pino denso 24,893 23,803 -0.75
B. pino ralo 13,460 16,560 +3.56
Guamiles y/o café 36,988 39,098 +0.94
Matorral y/o robledal 22,855 25,156 +1.63
Arbustos-pastos y/o cultivos
53,028 46,211 -2.30
Tasa Anua de Cambio para la cobertura boscosa de la Cuenca
+0.65%
116
Este cuadro muestra las superficies que cubrían las cobertura identificadas al
inicio y al final del período estudiado (5.92 años), así como su respectiva tasa de
cambio.
3.11.1.1 Estimación de la Tasa Anual de Cambio para los Departamentos que conforman la Cuenca del Valle Jesús de Otoro
Cuadro No. 15 Tasa Anual de Cambio para el Departamento Intibucá.
Coberturas Superficie ha. 2000
Superficie ha. 2006
Tasa de Cambio (%)
Bosque latifoliado 11,917 11,414 -0.73 Bosque conífera denso 15,109 14,539 -0.65 Bosque conífera ralo 7,960 9,636 +3.28 Guamiles y/o cafetales 17,814 19,018 +1.11 Matorral y/o robledal 14,626 16,433 +1.99 Arbustos – Pastos y/o cultivos 29,441 25,857 -2.17 Áreas urbanas y/o suelo desnudo 199 169 -2.72 Cuerpos de Agua 195 195 0 Totales 96,543 96,543 000 Tasa Anua de Cambio para la cobertura boscosa +0.29
Este cuadro presenta las tasas anuales de cambio para el Departamento de
Intibucá tanto para la cobertura boscosa como para cada una de las coberturas
existentes en el área de influencia de este departamento.
Cuadro No. 16 Tasa Anual de Cambio para el Departamento de La Paz. Coberturas Superficie ha.
2000 Superficie ha.
2006 Tasa de
Cambio (%)
Bosque latifoliado 9,781 10,639 +1.43 Bosque conífera denso 5,063 4,182 -3.18 Bosque conífera ralo 3,480 4,898 +5.94 Guamiles y/o cafetales 15,905 16,002 +0.10 Matorral y/o robledal 6,834 7,450 +1.26 Arbustos – Pastos y/o cultivos 19,031 16,927 -1.96 Áreas urb. y/o suelos desnudos 40 36 -1.76 Cuerpos de Agua 6 6 0.00 Totales 60,397 60397 000 Tasa Anua de Cambio para la cobertura boscosa +1.24
117
Este cuadro muestra La tasa de cambio de la cobertura boscosa, en el
Departamento de La Paz. Como se observa, el bosque de pino denso presentó
una tasa negativa al igual que arbustos-pastos y/o cultivos y suelos desnudos,
mientras que el pino ralo tuvo una tasa positiva.
Cuadro No. 17 Tasa Anual de Cambio para el Departamento de Comayagua.
Coberturas Superficie ha.
2000 Superficie ha.
2006 Tasa de Cambio
(%)
Bosque latifoliado 2,030 2,104 +0.61 Bosque conífera denso 2,960 3,085 +0.70 Bosque Conífera ralo 903 1,061 +2.76 Guamiles y/o cafetales 2,760 3,235 +2.72 Matorral y/o robledal 1,366 1,260 -1.36 Arbustos – Pastos y/o cultivos 2,966 2,240 -4.63 Cuerpos de Agua 2 2 0 Totales 12,580 12,580 000 Tasa Anua de Cambio para la cobertura boscosa +1
Este cuadro muestra la tasa anual de cambio de la cobertura boscosa del
Departamento de Comayagua. En este departamento casi todas las cubiertas
vegetales presentaron tasas positivas exceptuando los matorrales y los
arbustos-pastos y/o cultivos.
Cuadro No. 18 Tasa Anual de Cambio para el Departamento de Santa Bárbara.
Coberturas Superficie ha.
2000 Superficie ha.
2006 Tasa de Cambio
(%)
Bosque latifoliado 60 64 +1.10 Bosque conífera denso 1,801 2,041 +2.14 Bosque Conífera ralo 1,145 990 -2.43 Guamiles y/o cafetales 554 890 8.34 Matorral y/o robledal 76 68 -1.86 Arbustos – Pastos y/o cultivos 1,668 1,252 -4.73 Cuerpos de Agua 22 21 -0.78 Totales 5,578 5,578 000 Tasa Anua de Cambio para la cobertura boscosa +0.49
118
Este cuadro muestra la tasa anual de cambio de la cobertura boscosa en el
Departamento de Santa Bárbara, al igual que las tasas de cambio para cada una
de las coberturas presentes.
Cuadro No. 19 Tasa Anual de Cambio para el Municipio de Jesús de Otoro.
Coberturas Superficie ha. 2000
Superficie ha 2006
Tasa de Cambio (%)
Bosque latifoliado 3,691 3,684 -0.03 Bosque conífera denso 7,500 7,629 +0.29 Bosque Conífera ralo 3,549 3,806 +1.19 Guamiles y/o cafetales 6,863 7,355 +1.18 Matorral y/o robledal 6,838 7,724 +2.08 Arbustos - Pastos y/o cultivos 13,284 11,554 -2.33 Urbano y/o suelo desnudo 196 169 -2.47 Cuerpos de Agua 146 146 Totales 41,910 41,910 000 Tasa Anua de Cambio para la cobertura boscosa +0.43
Este cuadro muestra las tasas anuales de cambio de las coberturas de la tierra
identificadas durante el estudio para el Municipio Jesús de Otoro, así como
también la tasa para la cobertura boscosa del municipio.
.
119
CAPÍTULO IV: ANÁLISIS DE RESULTADOS
4.1 Situación actual al 2006
La Cuenca del Valle Jesús de Otoro cuenta con una superficie aproximada de
175,400 ha, de esta, 64,500 has, equivalente al 37%, presenta algún tipo de
cobertura boscosa, es decir Bosque latifoliado, pino denso, pino ralo.
Se identificaron 24,173 has. (14%) de bosque latifoliado, 23,800 has (13.6%) de
pino denso, 16,560 has (9.4%) pino ralo, también una superficie de 39,100 ha
(22%) de guamiles y/o cafetales que en algunos países se considera como
bosque, 25,156 has (14%) de matorrales y/o robledales, de arbustos - pastos y/o
cultivos se identificaron 46,200 has. (26.3%), Urbano 205 has (0.12%) y cuerpos
de agua 224 has. (0.13%).
Para evaluar la confiabilidad de la clasificación del 2006 se utilizó la Matriz de
confusión y el índice de Kappa. Los resultados fueron satisfactorios obteniendo
0.85 y 0.817 respectivamente, según López y Fernández, 1999 una valoración
del índice de Kappa de 0.817 es clasificado como muy bueno (cuadro 4).
120
4.2 Dinámica de cambio
En este apartado se describe la evolución del cambio, la dinámica, entre las
diferentes coberturas. Se considera incremento de una cobertura si en la
segunda fecha (2006) presenta mayor cobertura que en la primera fecha (2000).
Se considera ganancia de una cobertura, cuando recibe superficie de otra de
estrato inferior, por ej. Pastos, matorral y/o Guamiles a Bosque latifoliado, o pino
ralo y/o a pino denso. Y se considera pérdida si por el contrario el bosque
latifoliado, pino denso y/o pino ralo pasa a arbustos, pastos y otros.
4.2.1 Bosque Latifoliado
La cobertura de bosque latifoliado pasó de 23,742 has (13.53%) a 24, 173 has
(13.78%), lo que representa un incremento de 431 has. Esto significa que el
bosque latifoliado tuvo un incremento anual de +0.30%. Las coberturas que
aportaron al incremento de esta cobertura fueron: Guamiles que aportó 3,206
ha, Pastos 1,026 has, Matorrales, 99 has. Por su parte, las pérdidas del bosque
latifoliado se presentan de la siguiente manera: 2,694 has, pasaron a Guamiles
y/o Cafetales, a Arbustos-pastos y/o cultivos 1,164 has y 42 ha a Matorrales.
4.2.2 Bosque de Pino denso
El bosque de Pino denso pasó de 24,893 has, (14.19%) paso a 23,803 has,
(13.57%), con una reducción de -1,090 has, siendo la Tasa Anual de Cambio
para esta cobertura de -0.75%. La dinámica que presentó esta cobertura fue la
siguiente: recibió 3,377 has de Pino ralo, 283 de matorral y 445 de la cobertura
de Arbustos-pastos y/o cultivos y cedió 3,647 has a Pino ralo, 463 has, a
Guamiles y/o Cafetales y 1,085 has pasaron a Pastos.
121
4.2.3 Bosque de Pino ralo
La cobertura de Pino ralo paso de 13,460 has. (7.67%) en el año 2000, a 16,560
has. (9.44%) en el año 2006, lo que representa un aumento de (3,100 has). Este
incremento dio a una tasa anual de +3.56%. Las coberturas que aportaron a esta
clase fueron: Pastos 1,993 has, Matorral 837 has, y recibió de Pino denso 3,647
has.
4.2.4 Guamiles y/o Cafetales
Esta cobertura se incrementó de 36,988 has (21.08%) a 39,098 ha (22.28%), lo
que significa un aumento de 2,110has. Este aumento se generó a una tasa
anual de +0.94%. Los Guamiles y/o Cafetales cedieron a Pastos 3,656 ha, a
Bosque latifoliado 3,206 has, y recibió de Bosque latifoliado 2,694 has, de Pino
denso 463 has, de Pastos 5,810 has.
4.2.5 Matorrales y/o robledales
La cobertura de Matorrales y/o roble pasó de 22,855 has, (13.03%) en el año
2000 a 25,156 has, (14.34%) en el año 2006. El incremento de esta cobertura
fue de 2,301 has a una tasa anual de cambio de +1.63%.
Los matorrales y/o robles cedieron superficie a Bosque latifoliado 99 has, a pino
denso 283 has, y a Pino ralo 837 has, y recibió del Bosque latifoliado 42 has, y
de la cobertura de Pastos 3,448 has y 30 has de Suelos desnudos.
4.2.6 Arbustos-pastos y/o cultivos
La cobertura que agrupa vegetación arbustiva, pastos y/o cultivos pasó de
una superficie en el año 2000 de 53,028 has (30.22%) a 46,211 has,
122
(26.34%), lo que significa que se redujo en 6,817 has. Esta reducción
sucedió a una tasa anual de -2.3%.
La reducción de esta cobertura se debió al aporte de esta a: Bosque latifoliado,
1,026 has, Guamiles y/o cafetal 5,810 has, a pino denso 445 has, a Pino ralo
1,994 has, a Matorral, 3,448 has. Por otra parte recibió del bosque latifoliado
1,164, de Guamil y/o Cafetales 3,655 has, y de Pino denso 1,085 has.
4.2.7 Urbano y/o Suelo desnudo
La superficie identificada en esta cobertura fue de 240 has (0.14%) en el año
2000 y en año 2006 fue de 205 has (0.12%), por lo que hubo una reducción de
35 hectáreas, cabiendo destacar que se debió exclusivamente a suelos
desnudos.
4.3 Tasa Anual de Cambio en la Cuenca
La cobertura boscosa de la Cuenca del Valle Jesús de Otoro, paso de 62,095 ha
(35.4%) a 64,536 has (36.8%). En un intervalo de 5.92 años. La tasa anual de
cambio de la cobertura boscosa de la cuenca presentó una tasa anual de
cambio positiva de +0.65%. La tasa anual de cambio de la cobertura boscosa
para Honduras en los años 1981-1990 fue de -2.1% y entre 1991-1995 fue de
-2.2%. Según. ttp://www.fao.org/FORESTRY/FAO. Los resultados de este
estudio nos indica que la Cuenca del Valle Jesús de Otoro, presentó una tasa
anual de cambio positiva, lo que nos muestra una clara tendencia a la reducción
de la deforestación del bosque y una recuperación de la cobertura boscosa de la
cuenca.
123
4.3.1 Análisis por Departamentos
4.3.1.1 Departamento de Intibucá
El Departamento de Intibucá que cubre el 97,000 has, (55%) del área total de la
cuenca presenta una tasa de de cambio de la cobertura boscosa positiva de
+0.29%, aun cuando la tasa de la cobertura de Bosque latifoliado presentó una
tasa negativa de -0.73%, y el bosque de pino denso también presentó tasa
negativa de -0.65%. La cobertura que aportó para que esto fuera posible fue el
Pino ralo se le estimándose un aumento de 1, 662 has, que equivale a una tasa
de cambio de +3.28% (ver cuadro 6 y 14).
4.3.1.2 Departamento de La Paz
El Departamento de La Paz que cubre 60,000 has. (34%) del área de estudio.
Presentó una tasa de cambio positiva de 1.24%, motivada por un incremento en
casi toda las coberturas excepto en Pino denso, donde 881 has pasaron a Pino
ralo y 2,102 has de Arbustos-pastos y/o cultivos que pasaron a las otras
coberturas ver (cuadro 7 y 15).
4.3.1.3 Departamento de Comayagua
El área de influencia del Departamento de Comayagua cubre una superficie de
aproximadamente 13,000 has, que representa el 7% de la cuenca. Presentó una
tasa de +1% de la cobertura boscosa. Se resalta la cobertura de Pino ralo con
una tasa positiva de +2.76% y la de Guamiles y/o Cafetales con +2.72%. Esta
recuperación proviene de Matorrales y de Arbustos-pastos y/o cultivos.
4.3.1.4 Departamento de Santa Barbará
El Departamento de Santa Bárbara tiene una superficie aproximada de 5,300
has, equivalente a un 3% de la superficie de la cuenca. En este departamento
encontramos recuperación de Bosque latifoliado (+1.1%), Bosque de pino denso
124
(+2.14%) y Guamiles y/o Cafetales con (+8%). La tasa anual de cambio de la
cobertura boscosa fue de +0.49%.
4.3.2 Municipio Jesús de Otoro
El municipio Jesús de Otoro cubre una superficie de aproximadamente 42,000
ha que equivale al 24% de la superficie de la cuenca. Las coberturas tuvieron en
su mayoría tasas positivas con excepción de la Vegetación arbustiva-pastos y/o
cultivos que cedió a las demás cobertura 1,730 has. Por su parte Suelos
desnudos aportó 27 has y Bosque latifoliado 7 has, siendo la tasa anual de
cambio del municipio para el bosque de +0.43%
125
CAPÍTULO V: CONCLUSIONES
Mediante el uso de la teledetección hemos podido identificar fisonómicamente
las diferentes coberturas de la tierra presentes en la cuenca del Valle Jesús de
Otoro. Se pudo estimar la superficie que cubre cada una de ellas, conocer la
dinámica de cambio sucedido entre estas y la tasa anual a la que se dieron
dichos cambios. La cuenca que cubre una superficie de aproximadamente
175,400 has, sustenta una población de aproximadamente 100,000 habitantes y
cualquier cambio que presenten los recursos naturales de la cuenca, tiene algún
impacto sobre esta población y sobre las tierras aguas abajo de esta cuenca.
Este estudio ha permitido generar una cartografía temática primaria básica,
escala 1:50,000 para la Cuenca del Valle Jesús de Otoro, que consiste en un
mapa de cobertura de la tierra del año 2000, un mapa de cobertura de la tierra
del año 2006, un mapa de cambio de la cobertura entre las dos fechas
mencionadas, con sus respectivas estadísticas. También se estimó la Tasa
Anual de Cambio de la Cobertura de la Tierra entre el 2000-2006, utilizando una
formula de interés compuesto propuesta por la FAO, toda esta información
proporcionará a los Departamentos y/o Municipios que tienen área de influencia
en la cuenca, herramientas básicas que les permita orientar la toma de decisión
en el manejo de sus Recursos Naturales y en el Ordenamiento y Gestión del
Territorio. Se considera que la disponibilidad de esta información por parte de los
municipios que conforman la cuenca, contribuirá a promover medidas, acciones
y actividades para mejorar el uso sostenible de los recursos naturales.
Consideramos que la matriz de confusión y el índice de Kappa, son
herramientas prácticas y de fácil aplicación, que permitieron estimar la exactitud
del mapa de la última fecha (2006). El costo de la estimación de la precisión de
un mapa radica principalmente en el trabajo de campo. El conocimiento de la
zona a estudiar contribuye mucho a mejorar esa precisión.
126
En el Análisis Multitemporal hemos encontrado que en la cuenca del Valle Jesús
de Otoro el 37% de la superficie está cubierta por algún tipo de cobertura
boscosa. Se estimó una Tasa Anual de Cambio positiva de +0.65%, lo que
significa que la cobertura boscosa se ha recuperado en 0.65 has por cada 100
has, en un intervalo de 5.92 años. En todos los departamentos que tienen área
de influencia en la cuenca, mostraron tasas de cambio positivas.
La cuenca del Valle Jesús de Otoro tiene grandes potenciales socioeconómicos,
arqueológicos, culturales, turísticos, que valen la pena ser estudiados, en la
medida que estos temas se desarrollen, la cuenca del Valle Jesús de Otoro
podrá convertirse en un polo de desarrollo de Honduras.
127
CAPÍTULO VI: RECOMENDACIONES
Este estudio se realizó considerando fundamentalmente aspectos biofísicos del
área de estudio, por lo que sería interesante complementarlo con un estudio
socio económico para conocer a fondo las razones que están motivando la
recuperación de la cobertura boscosa en la cuenca.
La Cuenca del Valle Jesús de Otoro posee una gran diversidad de recursos
Naturales (paisajes), arqueológicos, culturales, por lo que las autoridades de las
municipalidades que forman parte de la cuenca deben unirse y compartir la
responsabilidad de desarrollar un plan de Ordenamiento de la cuenca en común
con mira desarrollar el turismo y mejorar la productividad agrícola, ya que la
cuenca tiene mucho que ofrecer.
Hemos palpado la potencialidad de la teledetección en la realización de este
estudio. La Cuenca del Valle Jesús de Otoro es una zona que se puede
considerar un laboratorio natural, la cual por sus características propias abre
muchas posibilidades para desarrollar investigaciones tendiente a desarrollar la
cuenca, en ese sentido y como un complemento para este trabajo estamos
proponiendo una línea futura de investigación (Capítulo VII).
128
CAPÍTULO VII: LÍNEA FUTURA DE INVESTIGACION
Los procesos naturales y humanos suelen estar asociados e interrelacionados,
en muchas ocasiones de manera estrecha. Una forma de estudiar el posible
impacto en la actividad humana y en los riesgos que puedan correr éstas, es
analizar así mismo la evolución pasada de los procesos naturales, geológicos,
ecológicos, físicos etc, y generar modelos que nos permitan predecir situaciones
pasadas, presentes y futuras.
El núcleo central de la presente Tesis tiene por objeto el análisis de la dinámica
de cambios en uno de estos procesos naturales acaecidos en la Cuenca del
Valle de Jesús de Otoro entre los años 200 y 2006, el cambio de usos de suelo
asociado a un cambio de coberturas de la Tierra.
Otros parámetros de interés, relacionados habitualmente con ello, son la
geomorfología, características geológicas del terreno, suelos y recursos hídricos
y su explotación. Es importante analizar para su conocimiento, la composición
mineralógica presente en la Cuenca del Valle de Jesús de Otoro, que supondrá
una aproximación a la geología de la zona y aportará pistas e indicios sobre los
tipos y cambios de actividad humana asociada a ella.
Con este marco metodológico se propone una línea de investigación que permita
detectar, caracterizar y delimitar los principales compuestos mineralógicos
presentes en la Cuenca del Valle de Jesús de Otoro a partir de datos y técnicas
de Teledetección. Una de estas técnicas, validada y contrastada mediante
experiencias y comunicaciones en diferentes revistas y eventos de impacto, es
la denominada Técnica de Crosta (Delendatti, 2003; Bragado et al, 2008), que
permite mediante el análisis de componentes principales de imágenes de
teledetección, detectar materiales formados en condiciones hidrotermales.
129
7.1 Delimitación de Materiales de Alteración Hidrotermal
7.1.1 Definición
Es la acción de aguas (aguas termales, aguas hidrotermales) en las rocas, las
aguas levemente ácidas entran a la roca por fracturas y micro fracturas y
producen fuertes cambios mineralógicos, cristalográficos y en la textura.
Generalmente el proceso de la alteración produce minerales arcillosos y
silificaciones entre otros. W. Griem (2006). En el ambiente hidrotermal el agua
(H20) juega un papel muy importante. El agua puede disolver iones y
transportarse a otros lugares. El vapor no tiene esta Capacidad, W. Griem
(2006).
7.2 Fundamentos de Teledetección para Delimitar Materiales Alterados
Técnica de Crosta (cita, técnica validada y contrastada en artículos y eventos
científicos). Los minerales de alteración de grano fino tales como alunita,
caolinita, dickita, pirofilita, zunyita, montmorillonita, illita, sericita, sílice, clorita,
carbonatos, etc., tienen rasgos de absorción espectral diagnósticos en la región
de las ondas infrarrojas cortas (SWIR) del espectro electromagnético (entre 1300
nm y 2500 nm), en el rango de las bandas M 5 y 7. Los óxidos de hierro son
mejor detectados entro del espectro visible por las bandas TM 1, 2 y 3 (Oughlin
1991; Nielsen et al. 1995), citado por Delendatti, 2003. Estas características
espectrales pueden emplearse para detectar zonas de alteración a partir de una
imagen multiespectral.
130
7.3 Alcance de esta línea de investigación en la Cuenca del Valle de Jesús de Otoro
Esta técnica nos permite asociar o correlacionar actividad humana actual o
pasada con la presencia de materiales alterados. Correlación de restos de
explotaciones mineras, actual o del pasado, restos arqueológicos o cualquier
otro indicio de actividad humana. Podemos predecir posibles situaciones de
riesgo debido a actividad de origen volcánico, y por lo tanto, su previsible
impacto en la zona. (Ej. Actividad del volcán Turrialba, Costa Rica, mediante
Técnica de Crosta).
Además se pueden mejorar los procesos de clasificación de coberturas del
suelo, debido a que ampliaríamos el número de clases a discriminar,
incorporando dos nuevos productos, los materiales de alteración detectados,
(arcillas y óxidos de hierro).
7.4 Aplicaciones exitosas para determinación de diferentes tipos de materiales
7.4.1 Métodos y técnicas comunes.
La alteración hidrotermal superficial ha sido usada para localizar y determinar
Extensiones de campos geotérmicos, (Alfaro Valero, 2005).
Por otra parte, la composición de los minerales de alteración hidrotermal es
función de varios factores como temperatura, ocurrencia del proceso de
ebullición, tipo de roca y composición de los fluidos geotérmicos, principalmente,
lo cual hace de su estudio una herramienta muy importante para la exploración
geotérmica (Browne, 1997).
131
En el apartado del tratamiento de la información cabe destacar el procesado
realizado al vuelo aeromagnético / radiométrico de la Junta de Energía Nuclear y
el desarrollo de una metodología en el tratamiento de imágenes de satélite para
cartografiar zonas que han sufrido procesos de alteración hidrotermal, así como
la validación de las anomalías obtenidas con los distintos tratamientos de la
información. Utilizando el SIG como una herramienta de apoyo a las decisiones
y mediante el análisis y cruce de toda la información, seleccionamos los tres
prospectos mineros de la zona de estudio con mayor potencial para albergar
yacimientos de metales base y metales preciosos, (Hernández, 2001).
Los minerales arcillosos y los carbonatos tienen bandas de absorción intensa en
2.2-2.3 mm del espectro electromagnético. Los minerales con estructura de
filosilicatos, tales como clorita, muscovita y biotita, también tienen bandas de
absorción en esta región, al igual que yeso, jarosita y alunita. Todos estos
minerales se forman comúnmente durante los procesos de alteración hidrotermal
y como consecuencia de ello, constituyen una guía para la localización de rocas
potencialmente mineralizadas.
El cociente entre las bandas 5 (1.55-1.75 mm) y 7 (2.08-2.35 mm) del TM y del
ETM permite detectar la presencia de estos minerales como un grupo.
(Hernández, Moragues, 2002). Los minerales de óxidos de hierro, tales como
hematita, goethita y jarosita, se forman comúnmente durante los procesos de
alteración hidrotermal. El cociente entre las bandas 3 y 1 del LANDSAT permite
el reconocimiento de estos minerales de óxido de hierro debido a los valores
altos de reflectancia en la banda 3 (0.63-0.69 mm).
Los cocientes de bandas más comunes son: 7/5 (para realzar zonas con
minerales arcillosos), 3/4 (para separar rocas de vegetación), 5/1 (realza áreas
de hierro total), +3 5/4 (separa áreas ricas en arcillas de las ricas en Fe+²), 4/7
(diferencia arcillas vs. Fe+³) y 4/2 (realza áreas con Fe²). Estos cocientes deben
132
analizarse individualmente (en tonos de gris), pero luego todos los datos pueden
sintetizarse en una imagen color relacionando una o dos bandas TM con uno o
dos cocientes de bandas, o también relacionando tres cocientes de bandas, por
ejemplo R5/7, G4/3, B3/1, con el objetivo de contrastar los diferentes grupos de
minerales, (Hernández y Moragues, 2002).
Las imágenes AR, AR + FE y FE resultantes de la transformación de dos, tres y
cuatro bandas en sus componentes principales resultaron efectivas en la
delineación de zonas hidrotermalmente alteradas, ricas en asociaciones de
alteración arcillosa, fílica, silícea y óxidos de hierro. La superposición en la
respuesta espectral observada entre zonas arcillosas y fílicas con las de óxidos
de hierro en las respectivas imágenes de componentes principales, está
relacionada con la abundancia de jarosita, la cual posee fuertes contrastes de
reflectancia electromagnética en el espectro visible y en el infrarrojo de ondas
cortas y es un importante indicador de sistemas hidrotermales ricos en pirita,
(Delendatti, 2003).
133
CAPÍTULO VIII REFERENCIAS BIBLIOGRAFICAS Acuña, E.; San Gil, J. 2005. Clasificación No Supervisada de Bosque y Análisis Multitemporal sobre Imágenes de Satélite en el área de Influencia de la CAS a Escala 1:100.000. Informe Final. Aguiló A., Miguel et al. 1991. Guia para la Elaboración de Estudios del Medio Físico: Contenidos y Metodologías. 3ra. Ed., Ministerio de Obras Públicas y Transportes. Madrid, España: 572 p. Alfaro Valero, C. 2005. Alteración Hidrotermal en el Sistema Geotérmico de Paipa. Colombia. Ministerio de Minas y Energía. Instituto Colombiano de Geología y Minería.
Bava, J.; Dogliotti, A. 2000. Teledetección con Imágenes Satelitales: Generalidades.
Grupo de Teledetección IAFE. Argentina. Belart, P.; Pinilla, C.; Ariza, F.J., 2001. Control de Calidad de Clasificaciones de Imágenes por el Método de los Itinerarios. Escuela Politécnica Superior Universidad
de Jaén C/ Virgen de la Cabeza nº 2 23071 Jaén. Biblioteca Virtual Luis Angel Arango., 2005, Valle-Ayuda de tareas sobre geografía
Edición en la biblioteca virtual, Biblioteca Virtual del Banco de la República de Colombia Bragado Massa, E. 2008. Detección de Alteraciones Hidrotermales en la Cordillera Volcánica Central de Costa Rica mediante Imágenes LANDSAT TM. Escuela
Técnica Superior de Ingenieros de Minas Documento No. 1: Memoria.
Centro de Recursos Idrisi (México), 2009, ¿Qué es una cuenca hidrográfica?,
Facultad de Ingeniería, Cerro de Coatepec, Ciudad Universitaria,C.P.50110,Toluca,
Estado de México, http://idrisi.uaemex.mx/ o http://www.idrisi.uaemex.mx/. Chuvieco Salinero, E. 2006. Teledetección Ambiental: La Observación de la Tierra desde el Espacio. 2da. Ed. Edit. Ariel., Barcelona, España. 586. P.
CIAF, 2005., Instituto Geográfico Agustín Codazzi, Interpretación Visual de Imágenes de Sensores Remotos y su Aplicación en Levantamiento de Cobertura y Uso de la Tierra. Centro de investigación y Desarrollo de Información Geográfica. Colombia.
Cruz, O. N. Cruz. 2003. Patrón de Asentamiento Prehispánico en el Valle de Jesús de Otoro. Departamento de Investigaciones Antropológicas, Sección de Arqueología.
Instituto Hondureño de Turismo. Tegucigalpa, Honduras. Delendatti, G. 2003. Caracterización de Zonas de Alteración Hidrotermal en las Márgenes del Río Castaño, provincia de San Juan, mediante procesamiento digital de Imágenes TM, 2003. CONICET, INGEO, Universidad Nacional de San Juan.
Argentina. [email protected]
134
Di Gregorio, A; Jansen, L. J. 1998. Land Cover Classification System (LCCS): Classification Concepts and User Manual for Software. Versión Rome: FAO.179 p. Durán, E., Gopar, F., Velásquez, A.; López, F., Larrazabal, A., Medina, C. Análisis de Cambio en las Coberturas de Vegetación y Uso del Suelo en Oaxaca, Centro
Interdisciplinario de Investigación para el Desarrollo Integral Regional. Instituto Politécnico Nacional. Oaxaca, México. 19 p. Etter, A. 1994. Consideraciones Generales para el Análisis de la Cobertura Vegetal. In: I Taller de Cobertura Vegetal: Bogotá, Colombia. Memorias. Santa Fé de Bogotá, IGAC Proyecto SIG PAFC, Universidad Javeriana.
FAO, 1999 ¿Cómo funciona la Percepción por satélite?
Fernández Centeno G., Jiménez Michavila M. y Rejas Ayuga J.G., 2002. “Caracterización de hábitats por teledetección aerotransportada”. Actas
III Taller de SIG y Teledetección aplicados a la ecología, Universidad de Alcalá, Alcalá de Henares, octubre de 2002. Ferreira, O. 2009; Estadística aplicada en la medición de la exactitud de mapas. Flores Cartagena, D. 2002. Identificación y Análisis de Cambios en Bofedales de la Cordillera Occidental y del Altiplano de Bolivia. Tesis Maestría en Ciencias,
Conservación de Cuencas. García, V. A. LANDSAT, s. a. http://www.com.uvigo.es/asignaturas/scvs/trabajos/curso0001/biblio/LANDSAT/LANDSAT.pdf Gesellschaft für Technische Zusammenarbeit. 1999. Guía para Determinar Unidades de Cobertura y Uso de la Tierra. Cooperación Alemana, GTZ. Proyecto Río Guatiquía, Villavicencio, PGR. 192 p. Glosario, 2007, Departamento de Ingeniería Cartográfica, Teledetección Universidad de Jaén, España. Gutiérrez, M. A., Branch J. W., Fernández, V. B., 2005., CLASIFICACIÓN NO SUPERVISADA DE COBERTURAS VEGETALES SOBRE IMÁGENES DIGITALES DE SENSORES REMOTOS: “LANDSAT – ETM+” Universidad Nacional de Colombia,
Sede Medellín. Facultad de Minas. A. A. 1027. Medellín, Colombia. <[email protected]> Green Facts 2001–2009, Glosario, Green Facts ASBL/VZW.
http://www.greenfacts.org/es/dosieres/state-of-the-environment.htm Griem, W. 2006. Apuntes Depósitos Minerales.
http://ceagi.org/portal/files/recursos/tema02.pdf
135
Hernández, A.M. Moragues, J.A., 2002. Uso de la Información Espacial para Cartografía, Geología y Producción Minera. Comisión Nacional de Actividades
Espaciales. Argentina. Hernández Medina, C. 2001. Desarrollo de un Sistema de Información Geográfica Orientado a la Identificación de Prospectos de Yacimientos Metálicos y su Aplicación al Sureste de la Providencia de Badajoz. Facultad de Ciencias
Geológicas. Universidad Complutense de Madrid. Hidalgo, P. E. 2008, Percepción Remota Aplicada a Estudios Hidrogeológicos,
Centro de Levantamientos Integrados de Recursos Naturales por Sensores. [email protected]. Instituto Nacional de Ecología, Norma oficial Mejicana, NOM-203-RECNAT-2001, Gaceta Ecológica, No. 061, Distrito Federal, México. Iturrate, E. 1998. Curso Básico de Teledetección con Sistema ENVI.
Estudio Atlas, S. L.; Maquetón Web. Instituto Nacional de Estadística (INE). 2001. Censo de Población y Vivienda.
Tegucigalpa, Honduras. Jiménez Puertas, M. 20009. Los límites de la Fotografía Aérea y los Límites de la Arqueología del Paisaje. Universidad de Granada.
La Geografía en tiempos modernos, Blog del Departamento de Ciencias Sociales del, http://www.ceagi.org/portal/files/recursos/geoeuro2.pdf
Lambin, E.F. B.L. Turner; H.J. Geist; S.B. Agbola; 2001. The causes of Land-Use and Land Cover Change: Moving beyond the Myths. Global Environmental Change II:
261-269.
López de Ullibarri Galparsoro I, Pita Fernández, S., 1999, Medición de concordancia: Indice de Kappa, Unidad de Epidemiologia Clínica y Bioestadística. Complexo
Hospitalario-Universitario Juan Canalejo. A Coruña (España). M. Salvia, H. Karszenbaum, et al. 2009. Datos satelitales ópticos y de radar para el mapeo de ambientes en macrosistemas de humedal. Instituto de Astronomía y
Física del Espacio (IAFE), Pabellón IAFE, Ciudad Universitaria, (C1428EHA), Buenos Aires, Argentina. Marini, F, 2006. Imágenes Satelitales y su Interpretacion, Teledetección EEA INTA
Bordenave, DESAFIO21, Año 12 Nº 27 - setiembre 2006, ISSN Nº 0328-3844, [email protected] Mario F. et al. 2008. Aplicación de la Metodología de Fusión de Imágenes Multidirección-Multiresolución (MDMR) a la Estimación de la Turbidez en Lagos.
136
(1) Universidad de Concepción, Facultad de Ingeniería Agrícola, Departamento de Mecanización y Energía, Avda. Vicente Méndez 595, Casilla 537, Chillán-Chile (e-mail: [email protected]) (2) Universidad Politécnica de Madrid, Facultad de Informática, Campus Montegancedo, 28660 Boadilla del Monte, Madrid-España (e-mail: [email protected]) Organización de las Naciones Unidas para la Agricultura y la Alimentación, (FAO). 2000 Descripción General de la Evaluación Mundial de los Recursos Forestales 2000. In
Memoria del Taller Sobre el Programa Forestales. Roma, Italia. Organización de las Naciones Unidas para la Agricultura y la Alimentación, (FAO). 2003. Agricultural Land Use: Definition of Land Use. Disponible en Internet
http://www.fao.org/land and water/agll/agll/landuse/landusede f.stm. Paasch, A.; Garbers, F.; Hirsch, T. 2007. Impacto de la Apertura del Comercio en el Derecho a la Alimentación de las Comunidades Productoras de Arroz en Ghana, Honduras e Indonesia. Alianza Ecuménica de Acción Mundial. Las Políticas Comerciales y el Hombre. FIAN-Red de Acción e Información Alimentos Primero. 158 p. Pagot, M. 2003. Problemas del Conocimiento en Ingeniería y Geología. In Metodologías Inductivas y Deductivas en Técnicas de Teledetección. Universidad Nacional de Córdoba. Edit. Universitas. Argentina. pp. 114-129. Pajares, M., G.; De La Cruz G., J. M. 2002. Visión por Computador, Imágenes Digitales y Aplicaciones. Madrid: Ra-Ma. 764 p.
Paruelo J. M., 2007. Principios Básicos de Percepción Remota, Cartografía, Sistemas de Información Geográficos y Teledetección. Petraglia, C., Uruguay A., Lara, S., 2008, Sistema de Clasificación de la Cobertura de la Tierra – FAO, Ministerio de Ganadería, Agricultura y Pesca y Ministerio de
Transporte y Obras Públicas – Uruguay. Pinilla, C. 1995, Elementos de Teledetección, Rama, Madrid. http://personal.telefonica.terra.es/web/pinillaweb/glosario.htm?.
Priego A. et al. 2008, Propuesta para la Generación Semiautomática de Unidades de Paisajes, Fundamentos y Métodos, Secretaria de Medioambiente y Recursos
Naturales, Instituto Nacional de Ecología, Centro de Investigación en Geografía
Ambiental, Universidad Nacional Autónoma de Méjico. Rejas J.G. Martínez R. and Malpica J. A., 2007. “Hyperspectral remote sensing application for semi-urban areas monitoring”. URBAN 2007 4th IEEE
GRSS/ISPRS Joint Workshop on Remote Sensing and Data Fusion over Urban Areas, Paris (France) 11-13 April 2007. Esta comunicación ha dado lugar a una publicación en IEEE, ISBN-1-4244-0711-7 catalog number 07EX1577. Rejas J.G. Malpica J. A. y Martínez R., 2007. “Aplicación de teledetección hiperespectral en la identificación de cubiertas en áreas semi-urbanas”.
137
Congreso internacional, 7ª Semana de Geomática, Barcelona (España) 20-23 febrero 2007. Rejas, J.G., Domínguez, J.A., De Miguel, E., Gómez J.A., Ruiz-Verdú, A.. Fernández-Renau, A., Peña, R., 2002. ”Aplicación de imágenes multiespectrales aeroportadas al estudio de humedales del Sureste de Madrid”. Proceedings 3ª Asamblea Hispano-Portuguesa de Geodesia y
Geofísica. Valencia, febrero de 2002. República de Honduras. 2000. Primer Informe Nacional sobre la Implementación de la Convención de Desertificación en Honduras. Dirección General de Biodiversidad,
Secretaria de Recursos Naturales y Ambiente (SERNA).
RIGOL SÁNCHEZ J. P., 2000. Aplicación de Sistemas de Información Geográfica y Teledetección en Exploración Minera. Universidad: GRANADA. Centro de realización: Facultad de Ciencia. http://geologia.ujaen.es/usr/jprigol/teled.html
Rodríguez, P. 2008. Historia de los Satélites de Comunicación. México. [email protected].
Sacristán Romero, F. 2005. La Tecnología al Servicio del Medio Ambiente.
Universidad Complutense de Madrid. Ra Ximhai, Año 2005 (No. 34, Vol.1); Universidad Autónoma Indígena de México, Mochicahui, El Fuerte, Sinaloa. pp. 601-632. [email protected] Sánchez A.; Vásquez J., 1990. Caracterización Física de la Cuenca del Rio Cuero: Diagnostico y Priorizacion de Sub-Cuencas con fines Conservacionistas, Tesis de Grado para optar al título de Ingeniero Forestal, La Ceiba, Atlántida, Honduras. Simmons, C.S. 1969. Los Suelos de Honduras. Informe Presentado al Gobierno de la República de Honduras. FAO. Tegucigalpa, D.C. Honduras. 88 p. Teledetección Ambiental - Teledetección Ambiental con GEOSAT. www.geo-sat.com.ar - [email protected] Tockett, M.; McFarlane, W.; 2007. Proyecto Arqueológico de Jesús de Otoro.
Informe Técnico. http://scholarspace.jccc.edu/pado/1 UNODC, Oficina de las Naciones Unidas contra Droga y el Delito Banco de Información
Espacial Proyecto SIMCI, (http://www.biesimci.org/index.html. U.S. Department of the Interior | U.S. Geological Survey URL: http://earthexplorer.usgs.gov/ Page Contact Information: [email protected] Page Last Modified: 10/27/2007
138
Velázquez A., Mas J. F., Díaz-Gallegos J.R. 2002. Red de revistas científicas de América latina, Caribe, España y Portugal. http://redalyc.uaemex.mx/redalyc/src/inicio/ArtPdfRed.jsp?iCve=53906202, Vitousek, P.M., H.D. Mooney, J. Lubechenco y J.M. Melillo. 1997. Human Domination of Earth’s Ecosystems Sciencie 277: 494 -499.
139
Capítulo IX ANEXOS
9.1 Búsqueda de información
Se realizó una búsqueda de los datos e información disponibles sobre el área de
estudio como se describe a continuación:
9.1.1 Datos vectoriales
Los datos en formato SHAPE, para la zona a estudiar, fueron proporcionados
por el Observatorio Astronómico de la Universidad Nacional Autónoma de
Honduras, cuya fuente original fue el Instituto Geográfico Nacional, consisten en:
red vial, red hídrica, curvas a nivel, límites municipales, límite departamentales.
Red Hídrica Red Vial
Curvas a Nivel Caseríos
Límite Departamental
Cuerpos de agua
140
9.1.2 Estadística Poblacional
La información sobre estadística poblacional, fue obtenida del Censo Nacional
del 2001, del Instituto Nacional de Estadística (INE). Esta información fue
cortada contra el límite del área de estudio, y contiene toda la estadística de
población y vivienda y su distribución administrativa, Para realizar esta actividad
se tomo la cobertura de caseríos en formato Shape que contiene la base de
datos y se corto con el polígono de la cuenca del valle de Jesús de Otoro
utilizando para ello el modulo Geoprocessing del programa ArcView 3.2.
9.1.3 Revisión de literatura.
En lo referente a información sobre el Marco Teórico, para sustentar este estudio
nos apoyamos principalmente en la poderosa fuente tecnológica que es la
Internet, y en literatura existente en formato análogo. Los Trabajos del Dr. Emilio
Chuvieco fueron de vital importancia para este trabajo.
141
9.1.4 Cobertura Nacional de Hojas cartográficas en formato Raster
Para la delimitación del área de estudio nos basamos en las hojas cartográficas
en formato raster, aquí se muestran las hojas que cubren a honduras, las hojas
1619 y 1627, cubren nuestra área de estudio.
Estadística aplicada en la medición de la exactitud en mapas de coberturas
Mapa de Honduras, mostrando la distribución de las hojas
cartográficas en formato RASTER.
Figura No. 69
142
9.2 Radiación Electromagnética
9.3 Estimación de parámetros a partir de una muestra Aquí se presentan el procedimiento para estimar la proporción de éxitos
n
Xp
Desviación estándar de la proporción de éxitos
)1( ppSp
Varianza de la proporción de éxitos que es la desviación al cuadrado
2Sp Error estándar de la proporción de éxitos
n
ppS xp
)1)(( Población infinita
143
9.4 Fórmula para el cálculo de los Límite de confianza Media poblacional = (media muestral) + (valor de Z)(Error del muestreo) P = X ± (Z) (EM) Cuando se estudia la distribución de variables cualitativas o discretas como en este caso, la distribución que se usa es la binomial y no la normal que se usa para variables IC= media ±Z (error estándar)
)tan_)(( dareserrorZmediaIC
n
ppZpIC
)1)((
144
9.5. Tabla de Coordenadas levantadas en campo.
NUMERO X Y COBERTURA
1 401218 1611634 Pino al n, pino al w, al sur café co sombra
2 399785 1611544 Al w pino con matorral, al n comunidad
3 397959 1610467 Sur mixto predomi lat., a 100m pino
4 396903 1610056 norte pino, centro latifoliado, N E pino
5 395980 1609646 Norte café, w café, Sur café.
6 393599 1609253 norte café, sur café
7 394425 1608126 Centro pasto, norte pino, sur café, este pino.
8 395156 1606624 norte café, sur café, este pino, oeste café
9 394522 1604840 NE pino, oeste matorral
10 393292 1603018 pastos
11 401340 1611667 pino
12 398993 1611103 SE guamil al NE guamil
13 398264 1610662 E pasto, a 250mts café con sombra, O isote, N y S
14 395643 1609654 N guamil, a150mt café con sombra S,E,O café con s
15 393591 1609252 S, E y O café, N café sin sombra y antes guamil
16 393396 1609479 centro pastos, N, S, E, al W bosque pino a 600m,
17 394057 1608668 N pino, E café, O a 50m pino, latif, café con som
18 394806 1606931 N pino, S café con sombra, E pino/finca, Oeste pino
19 395380 1606438 E pino con parcho de café, SE pino, SW café
20 394516 1604836 A 200m B. lat en el valle, cont pastos y cultivos
21 395233 1604137 N a Sur Roble, W café con sombra, Este Roble/café
22 376068 1586327 N latifoliado, S pino, O lat. E pino
23 377713 1587443 pasto al centro, latifoliado alrededor
24 379974 1586504 pino
25 380510 1586930 pino
26 380984 1588788 pino
27 382032 1589651 pino
28 383092 1590220 pino ralo al NO
29 384818 1591751 W roble, N pino, E pino, S pino
30 385210 1592304 pino ralo
31 385955 1593815 Blatifoliado
32 387160 1595355 pino ralo
33 387442 1595835 matorral
34 388177 1596046 pasto/matorral
35 388177 1595975 matorral
36 388659 1596819 matorral
37 389014 1597171 arroz
38 390040 1598143 w arroz, E guamil
39 390021 1599553 N y E pastos, S y W B.seco/matorral
40 390033 1600088 N y E past y b. seco/matorral
41 390003 1600717 arroz
42 388769 1602276 matorral, b. seco
43 388085 1602263 pastos, N matorral, S b. seco
145
44 385890 1603059 matorral
45 385496 1603103 roble
46 384821 1603493 W pastos/matorral E roble
47 385161 1603001 S bs/roble, E,N,O matorral
48 408915 1576463 café
49 405433 1578390 café con pino
50 404506 1577461 pino
51 403951 1576440 café
52 402931 1574440 café
53 400970 1572903 liquidambar
54 399993 1571962 liquidambar
55 399198 1571219 liquidambar, cerro y quebrada
56 397542 1571095 café con guama
57 396469 1571048 café con guama
58 395609 1570740 café con guama
59 394741 1570645 café con guama
60 394499 1570543 S café con guama, bosque mixto y al N café
61 393211 1570453 pino ralo centro al N pino denso a 100m
62 392853 1569857 pino medio
63 392526 1569119 pino medio
64 392503 1567832 café con guama y alrededor aprox. 100m
65 391324 1566160 pino
66 389627 1565307 pino
67 394978 1598140 Pastos y cultivos, continúa al sur, matorral alrededor
68 395391 1596744 Matorral
69 395078 1596065 Matorral
70 395271 1592780 W y E Robledales, matorral
71 395033 1592353 Pastos y arbustos
72 395362 1591011 Pastos, E= Cont. Pino después del pasto, W= En el cerro pino
73 395765 1589104 Pastos, arbustos y matorral
74 396907 1588446 Guamil, Este 100 mt. Roble
75 396991 1588046 Roble
76 397754 1587195 Pino ralo
77 398406 1586484 Guamil, E= 150 mt. Pino, después roble
78 398241 1586180 Bosque mixto, roble con pino
79 398573 1585494 Roble con pino
80 399429 1585353 Pastos
81 400112 1585243 Pino ralo con roble, p manejo
82 400680 1585205 Pino con roble
83 401008 1585042 W= Guamil, balastrera, N= roble
84 401700 1585232 Café con sombra
85 401896 1585568 Roble
86 402100 1586073 Pino Ralo
87 399394 1582770 Pino Ralo
88 399528 1581694 Pino denso, dos al otro lado
89 400207 1574895 Café
90 400369 1574605 Café
146
91 400782 1574129 Café sombra
92 401617 1573283 Cruce, Café
93 388287 1567620 Pino
94 388860 1569319 Pino Ralo
95 387785 1570787 Pino ralo, cerro B. mix
96 387541 1574278 Roble con pino
97 383969 1575105 Pino con roble
98 386695 1575934 Pino con roble
99 386323 1576104 Pino con roble
100 386847 1577016 Pino con roble
101 386814 1578016 Pino
102 386331 1578513 Pino
103 384831 1579919 Pino con roble
104 383593 1580642 Pino con liquidambar
105 383048 1580676 Pino con liquidambar
106 380703 1580499 Pino con roble
107 380293 1580733 Pastos
18 379150 1581676 Pastos
109 393641 1602447 Entrada de Otoro Este matorral
110 392766 1604227 Bosque
111 392755 1604626 Pastos
112 392667 1605726 Bosque
113 392155 1606487 Pastos y/o cultivos
114 391132 1607432 Pastos y al este Lat. bosque a 200 m
115 390640 1608021 Bosque roble, Lat.
116 399975 1608467 Pastos a 500 mt. Al E= pino
117 389697 1608828 B L, después pino al Este
118 388888 1609204 Al Este pastos, Lat. pino al W=a 200 m. B L.
119 388671 1610320 Bosque Lat. Roble
120 388859 1610590 Guamil y pino
121 388850 1670721 Pino medio
122 389485 1611404 Pino , solo bosque
123 389575 1611926 Pino denso
124 388190 1613755 Guamiles y café con sombra
125 390249 1611655 Pino
126 390482 1611595 Guamil y pino alrededor
127 390582 1611436 Guamil
128 390938 1611640 Café con bosque
129 390993 1611427 Guamil al E al Sur B. roble, E= B pino
130 392168 1609773 Pino
147
9.6. MAPAS