1. EDICIÓN ESPECIAL: Seminario Internacional “La tecnología satelital de observación de la tierra en la evaluación, monitoreo y manejo de desastres naturales
en la agricultura. Retos y perspectivas”
Edición Especial Vol.1 Diciembre 2010
ISSN 0717-2915
SOCIEDAD LATINOAMERICANA DE PERCEPCIÓN REMOTA Y SISTEMAS DE INFORMACIÓN ESPACIAL
SOCIEDADE LATINO-AMERICANA EM SENSORIAMENTO REMOTO E SISTEMAS DE INFORMACAO ESPACIAI
LATINAMERICAN SOCIETY FOR REMOTE SENSING AND SPACE INFORMATION SYSTEMS
Cuenca del Arroyo Feliciano - Entre Ríos - Argentina
Imágen de satélite Landsat 5 TM
2. SOCIEDAD LATINOAMERICANA DE PERCEPCION REMOTA Y SISTEMAS DE
INFORMACION ESPACIAL SOCIEDADE LATINO-AMERICANA EM SENSORIAMENTO
REMOTO E SISTEMAS DE INFORMACAO ESPACIAI LATINAMERICAN SOCIETY ON
REMOTE SENSING AND SPACE INFORMATION SYSTEM
SELPER
Edición Especial Vol.1 Diciembre 2010 ISSN 0717-2915
FOTO PORTADA
Entre Ríos - Argentina
Imagen de satélite Landsat 5 TM, resolución
espacial 30 metros, en composición Falso
Color (7,4,3 / RGB) de la Cuenca del Arroyo
Feliciano, Provincia de Entre Ríos, tomada el
24 de Abril de 2006. El Arroyo Feliciano es
uno de los principales afluentes del Río
Paraná; su cuenca esta ubicada totalmente
en la provincia de Entre Ríos, Argentina, zona
N-NO. La superficie de la misma, tomando
como punto de cierre Paso Medina, es de
5.541 km2 y ocupa territorio de los
departamentos de La Paz, Federal y
Feliciano.
EJEMPLAR DE DISTRIBUCION GRATUITA. PROHIBIDA SU VENTA
3. Edición Especial Vol. 1 DIRECCIONES DE CONTACTO
02 DICIEMBRE 2010 SELPER
REVISTA
DIRECTORIO SELPER, SEDE MEXICO 2010 - 2012
Universidad Autónoma de Tamaulipas
Cd. Victoria, Tam. México
Tel. (834)3181721 - (834) 3189361
Selper.internacional@gmail.com
PRESIDENTE
Silvia Casas Gonzalez
Mexico
VICE-PRESIDENTE VICE-PRESIDENTE VICE-PRESIDENTE
Isabel Cruz Eloy Perez Aurelie Sand
Mexico Cuba Francia
SECRETARIO GENERAL RESPONSABLE DE DIVULGACIÓN ELECTRÓNICA TESORERO
Fabián Lozano Victor Flores Brenda Portes
Mexico Mexico Mexico
COMITÉ DE RELACIONES INTERNACIONALES COMITÉ EDITORIAL COMITÉ DE EDUCACIÓN
Myriam Ardila Torres (Colombia) María Cristina Serafini (Argentina) Maria Antonia García Cisnero (Cuba)
Presidente Presidente Presidente
Laurent Durieux – Francia Miriam Esther Antes – Argentina Luz Angela Rocha Salamanca- Colombia
Pedro Luis García Pérez - Cuba Fabián Lozano – México Dra. Laura Delgado - Venezuela
Pedro Martínez Fernández - Cuba Leila María Fonseca – Brasil Ethel Rubín de Celís Llanos - Perú
Olga Piedad Rudas - Colombia Jorge Martín Chiroles - Cuba Josselisa Ma. Chávez - Brasil
Anyul del Pilar Mora - Colombia Francisca Celia González - Argentina
Luis Geraldo Ferreira - Brasil Freddy Flores – Venezuela
Washintong Franca Rocha - Brasil
Victor Barrena - Perú
Ramiro Salcedo - Venezuela
CAPÍTULOS EN FORMACIÓN
CAPÍTULOS CONSTITUIDOS GUATEMALA PARAGUAY
Carlos Alberto Duarte Sergio M. Burgos Sosa
ARGENTINA Ingeniería Virtual IPPA
Francisca Celia González Ruta 4, 6-49 Zona 4, Oficina 14 Dr. César Sánchez 431
Universidad Nacional del Sur Ciudad de Guatemala (01004), Guatemala San Lorenzo, Paraguay
Departamento de Geología Tel: 502 - 334-1039/4038 Tel/Fax: 595- 21-574909
San Juan 670 (8000) Fax: 502 - 331-9390 Email: smburgos@highway.com.py
Bahía Blanca, Argentina E-mail: chduarte@hotmail.com
Tel: 54 - 291 - 459 5102 - int. 4360
CAPÍTULOS ESPECIALES
Fax: 54 - 291 - 459 5127 GUYANA FRANCESA
E-mail: ghgonzal@criba.edu.ar Laurent PolidoriI ALEMANIA
Directeur de Recherche IRD / US ESPACE 140 Klaus Reiniger
BOLIVIA Institut de Recherche pour le Développement DLR
José Luis Liseca (ex-ORSTOM) D-8031 Oberpfaffenohfen
Carrera de Topografía y Geodesia Route de Montabo - BP 165 - 97323 Cayenne Alemania
Facultad Técnica cedex Tel: 49- 8153- 281.189
Universidad Mayor de San Andrés Tel. (+594) 594 29 92 81 Fax: 49- 8153- 281.443
Av. Arce 2299 1º Piso Fax (+594) 594 31 98 55
La Paz, Bolivia E-mail:polidori@cayenne.ird.fr CANADÁ
Tel.: 591-2-2441401
Fritz P. Dubois
E-mail: jlisec@hotmail.com MÉXICO 25 Nidland
Silvia Lucero Casas Crs Nepean Ontario Kh2-8n2
BRASIL UAM Agronomía y Ciencias Ontario, Canadá
Leila María García Fonseca Universidad Autónoma de Tamaulipas Tel: 613- 596-4164
INPE Centro Universitario Victoria Fax: 613- 723-9626
Av. Dos Astronautas 1758, Sao José dos Campos Cd. Victoria Tamaulipas, México
San Pablo, Brasil E-mail: scasas@uat.edu.mx ESPAÑA
Tel: 55 - 12-39456000
José L. Labrandero
E-mail: leila@dpi.inpe.br FRANCIA Consejo Superior de Investigaciones Científicas (CSIC)
Aurélie SAND Pinar 25- Madrid 28006, España
CHILE CNES Tel: 34- 411.10.98
Gina Ghio 18 avenue Edouard Belin, 31401 Toulouse Fax: 34- 562.55.67
Data Research servicios de Ingeniería Cedex 9
Manuel Antonio Prieto 0152 tél : 05 61 27 43 89 HOLANDA
Santiago, Chile. sec : 05 61 28 14 54, Christine Faure Carlos Valenzuela
Tel: 562 - 6651730 E-mail: aurelie.sand@cnes.fr ITC
Fax: 562 - 6659201
350 Boulevard 1945, P.O.X. 6. 7500 AA
E-mail: ginaghio@dataresearch.cl URUGUAY Enschede, Holanda
Antonio Alarcón Tel.: 31 53 874-444
COLOMBIA Servicio de Sensores Remotos Aeroespaciales Fax: 31 53 874-400
Olga Piedad Rudas Fuerza Aérea Uruguaya
Carrera 30 No. 48-51 Edificio IGAC-CIAF Of. 212 Ruta 101 s/n Km. 19500 ITALIA
Bogotá D.C., Colombia Carrasco, Canelones, Uruguay Francesco Sarti
Tel: 57-1-369-4096 Tel.: 598 -2 601 4083 ESA/ESRIN
Fax: 57-1-369-4096 Fax: 598 -2 601 4090 Via Galileo Galilei, s/n
E-mail: orudas@prosis.com E-mail: aalarconv@hiotmail.com I-00044 Frascati, Italia
Tel: 39 - 694180409
CUBA VENEZUELA Fax: 39 - 694180602
Pedro Luis García Pérez Ramiro Salcedo E-mail: Francesco.Sarti@esa.int
Sede UNAICC, Humboldt No. 104, Centro de Procesamiento Digital del Instituto de
Esquina a Infanta, Vedado, La Habana, Cuba Ingenieria en Caracas Maurizio Fea
Telf.: (5 37) 8363447 Apdo. Postal 40200 / Caracas, Venezuela via Alessandro Poerio, 49
E-mail: lgarcia@ch.unaicc.cu Tel/fax: 58 - 212 - 903 -4682 00152 Roma
E-mail: ramiros@fii.org tel/fax: +39065880581
ECUADOR
móvil: +393281771383
Cor. Ricardo Urbina PERÚ E-mail: maufea@gmail.com
CLIRSEN Victor Barrena Arroyo
Edif. Instituto Geográfico Militar, Piso 4 Universidad Nacional Agraria La Molina USA
Seniergues s/n y Paz y Miño Av. La Universidad s/n Patricia M. Ravelo
Apartado Postal 17-08-8216 La Molina, Lima, Perú SPOT
Quito, Ecuador Tel / Fax: 51-1-349-5647 anexo 232/349-2041 Estados Unidos
Tel.: 593- 2- 254-3193 E-mail: vbarrena@lamolina.edu.pe Tel: 1-800-ask-spot ext. 137
Fax: 593- 2- 255-5454
Fax: 703-648.1813
E-mail: ricardo.urbina@clirsen.com
E-mail: ravelo@spot.com
4. REVISTA
SELPER INDICE TEMÁTICO Y COMITÉ EDITORIAL Edición Especial Vol. 1
DICIEMBRE 2010 03
COMITÉ EDITORIAL
ÍNDICE TEMÁTICO
María Cristina Serafini (Argentina) Análisis multitemporal del cambio de la cobertura del
PRODITEL suelo en la cuenca del Arroyo Feliciano utilizando
Universidad Nacional de Luján
Cruce rutas 5 y ex 7 imágenes satelitales
(6700) Luján, Buenos Aires, Argentina
Tel: 54-2323-423171 int 248 Alejandra Arbuet
Fax: 54-2323-425795
E-mail: proditel@mail.unlu.edu.ar Graciela Pusineri. ....................................................................................5
Miriam Esther Antes (Argentina)
PRODITEL Evaluación y monitoreo de la salinización de los
Universidad Nacional de Luján
Cruce rutas 5 y ex 7 suelos en la agricultura de regadío del noroeste de
Luján, Buenos Aires, Argentina
Tel: 54-2323-423171 int 248 Patagonia (Argentina)
Fax: 54-2323-425795
E-mail: proditel@mail.unlu.edu.arx Hector del Valle
Paula D. Blanco
Leila María Fonseca (Brasil)
INPE Walter F. Sione...................................................................................... 22
Av. Dos Astronautas 1758, Sao José dos
Campos, Sao Paulo, Brasil
Tel: 55 - 12-39456000
E-mail: leila@dpi.inpe.br Diagnóstico de áreas vulnerables a la desertificación
Fabián Lozano (Mexico) empleando información satelital y SIG en un territorio
Instituto Tecnológico y de Estudios de la República de Cuba
Superiores de Monterrey
Av. Euganio Garza Sada # 2501 sur, Gustavo Martín Morales
Col. Tecnológico, Monterrey, Nuevo
León, México Reino Orlay Cruz Díaz
Tel: 52 - 81 - 8358 - 1400 ext 5275
Fax: 52 - 81 - 8358 - 6280 Antonio Vantour Causse
E-mail: dflozano@itesm.mx
Maribel Páez Moro
Jorge Martín Chiroles (Cuba) Dámaso R. Ponvert-Delisles Batista..................................................... 32
E-mail: ciencia@geocuba.com.cu
Francisca Celia González (Argentina)
Universidad Nacional del Sur Análisis de la influencia de la resolución espacial de
Departamento de Geología
San Juan 670 (8000) las imágenes de NDVI Y TS en el cálculo del estrés
Bahía Blanca, Argentina
Tel: 54 - 291 - 459 5102 - int. 4360
hídrico.
Fax: 54 - 291 - 459 5127 Virginia Venturini
E-mail: ghgonzal@criba.edu.ar
Daniela Girolimetto............................................................... 42
Freddy Flores (Venezuela)
Fundación Instituto de Ingeniería
Carretera Vieja de Baruta, Sector
Sartenejas, Urb. Monte Elena II Aplicación de geotecnologías para determinar la
Caracas, Venezuela
Tel: 58 2-903 4661-4610
erosión hídrica departamento Pocito San
Fax: 58 2- 903 4780 Juan, Argentina
E-mail: freddyf@fii.org
Venancia Norma Aguilar
María Valentina Soria
Silvia Varela
COMITÉ DE EVALUADORES María Cándida Puertas
Alfredo Cuello María Angélica Matar ........................................................... 54
(CSR, UNLu - Argentina)
Mirta Aída Raed Uso de la teledetección para la identificación de áreas
(CSR, UNLu - Argentina)
Francisca González de erosión en una región de los Yungas de Bolivia
(UNS - Argentina)
Graciela Marín José Luis Lizeca B.
(SEGEMAR- Argentina) Alina Ariñez ....................................................................... 65
Editado por: SELPER Internacional
Universidad Nacional de Luján
Rutas 5 y ex 7, (6700) Luján - Bs. As. - ARGENTINA
EJEMPLAR DE DISTRIBUCIÓN GRATUITA PROHIBIDA SU VENTA
5. REVISTA
Edición Especial Vol. 1 PRESENTACIÓN DEL PRESIDENTE DE SELPER SELPER
04 DICIEMBRE 2010
PLAN EDITORIAL SELPER 2010 - 2012
PLAN EDITORIAL SELPER
A partir de las decisiones adoptadas en el marco del XIII Simpo-
sio Latinoamericano de Percepción Remota y Sistemas de Infor-
mación Espacial, llevado a cabo en La Habana, Cuba, en setiem-
bre de 2008, la edición de la Revista SELPER está disponible en
la página de nuestra Sociedad: http://www.selper.org.
En esta oportunidad hacemos llegar una publicación Especial,
donde se incluyen los trabajos que han sido presentados en el
Seminario Internacional: “La tecnología satelital de observación
de la tierra en la evaluación, monitoreo y manejo de desastres
naturales en la agricultura. Retos y perspectivas”, desarrollado
en el Instituto Nacional de Tecnología Agropecuaria (INTA) en el
mes de Octubre de 2009.
Estos trabajos han sido remitidos a expertos evaluadores para
su revisión y aprobación. En este sentido es necesario destacar
el invalorable apoyo brindado por el grupo de evaluadores, a quie-
nes agradecemos muy especialmente por su labor.
NORMAS PARA LOS AUTORES
Los artículos recibidos serán enviados a tres (3) f) Resultados obtenidos
expertos en la temática para su revisión. Los g) Conclusiones
trabajos aprobados serán publicados en estricto h) Bibliografía: sólo se incluirá la citada en el
orden, de acuerdo a las fechas de llegada de las texto. Se indicarán los autores, por orden
contribuciones. alfabético, año, título, revista o medio donde fue
Los idiomas oficiales SELPER son: Español, publicado, incluyendo volumen y páginas, cuando
Portugués e Inglés. corresponda.
Los trabajos deberán estructurarse
contemplando las siguientes secciones: Los títulos y subtítulos de cada sección deberán
e s ta r c l a r a m e n t e i n d i c a d o s ( y a s e a c o n
a) Título del trabajo. Nombre de los autores y numeración o tamaño de letras). Las tablas, fotos
direcciones completas y figuras deberán ser suficientemente nítidas,
b) Resumen (no más de 150 palabras) llevar un título y estar numeradas en forma
indicando al final las palabras claves. Deberá consecutiva.
incluirse en Español o Portugués, además de Se deberá enviar una copia del trabajo en
Inglés formato Word y una copia papel. La extensión
c) Introducción total del trabajo no deberá superar las 12 páginas,
d) Objetivos (DIN-A4).
e) Metodología empleada y materiales Los trabajos se enviarán a: editorial@selper.org
6. REVISTA
05 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
Análisis multitemporal del cambio de la cobertura del suelo en la cuenca
del Arroyo Feliciano utilizando imágenes satelitales
Arbuet, Alejandra y Pusineri, Graciela
Departamento de Hidrología- Facultad de Ingeniería y Ciencias Hídricas- Universidad Nacional del Litoral
Santa Fe - Argentina
RESUMEN native forest, which has been altered mainly as
consequence of the expansion of the agricultural
La cuenca del Arroyo Feliciano ubicada al norte de frontier, situation that has been intensified in the
la provincia de Entre Ríos (Argentina), pertenece al last decades (1986-2006).
Distrito del Ñandubay, con una importante To investigate the space – time change of the soils
superficie de bosques nativos, los que han sido coverage and with it the distribution of the
alterados principalmente como consecuencia de la superficial runoff, was carried out a work where it
expansión de la frontera agrícola, situación que se was applied in this basin a hydrological model of
ha intensificado en las últimas décadas (1986- rain-flow transformation called KINEROS2.
2006). A los efectos de investigar el cambio Were applied technical of remote sensing using
espacio-temporal de las coberturas de los suelos y three satellite images (Landsat 5) of different dates
con ello la distribución del escurrimiento superficial, (1986, 1997 and 2006) that were treated previously
se realizó un trabajo donde se aplicó en dicha with a process of radiometric, atmospheric and
cuenca un modelo hidrológico de transformación geometric correction.
lluvia-caudal llamado KINEROS2. The obtaining of the maps of coverage was carried
Para lograr dichos mapas se aplicaron técnicas de out through a process of supervised classification
Teledetección, utilizando tres imágenes satelitales type "fuzzy" of these previously treated images,
(Landsat 5) de diferentes fechas (1986, 1997 y those that were verified through a contingency
2006), las cuales fueron tratadas previamente con matrix.
un proceso de corrección radiométrica, In the results shows 3 coverage maps
atmosférica y geométrica para trabajar en un corresponding to the dates studied for the basin of
mismo sistema de referencia. the Aº Feliciano, and of the runoff obtained from
La obtención de los mapas de coberturas se application of hydrologic model.
realizó a través de un proceso de clasificación
supervisada tipo “fuzzy” de estas imágenes Keywords: Hydrological models, GIS, Remote
previamente tratadas, las que fueron verificadas a sensing, Land cover, Runoff, Arroyo Feliciano.
través de una matriz de contingencia.
En los resultados se muestran los 3 mapas de INTRODUCCION
clases de coberturas para la cuenca del Aº
Feliciano, con las superficies calculadas y los El norte de la provincia de Entre Ríos (República
valores de los escurrimientos obtenidos de la Argentina), pertenece a la región fitogeográfica del
aplicación del modelo hidrológico. Espinal y dentro de este al Distrito del Ñandubay,
cuyos bosques nativos han sido alterados
Palabras clave: Modelos Hidrológicos, SIG, principalmente como consecuencia de la
Teledetección, Cobertura de suelo, Escurrimiento expansión de la frontera agrícola, con una
directo, Arroyo Feliciano. reducción de su superficie.
En los últimos 20 años (período 1986-2006) la
ABSTRACT superficie sembrada en la provincia se ha
incrementado notablemente, es especial la
The basin of the Aº Feliciano is located north of the destinada al cultivo de la soja que pasó de 272.000
province of Entre Ríos – Argentina. It belongs to the has a 1.285.000 has, lo que significa un aumento
Ñandubay District. It has an important area of del 372%.
7. REVISTA
06 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
El cambio especial y temporal en la cobertura y uso funcionando bajo el entorno AGWA_ArcView en la
del suelo ha sido un tema de especial interés para cuenca del arroyo Feliciano, para investigar los
los hidrólogos a la hora de calcular las escorrentías efectos del cambio de cobertura y uso del suelo
directas para un determinado evento de lluvia en sobre la distribución espacio-temporal de la
una cuenca. escorrentía directa en un área representativa del
“La hidrología de una región está determinada por Litoral Argentino, para el caso de eventos aislados
sus patrones de clima tales como la topografía, la de lluvia.
geología y la vegetación. También a medida que la Dicho estudio fue desarrollado en la tesis de
civilización progresa, las actividades humanas Maestría titulada “Efectos hidrológicos del cambio
invaden gradualmente el medio ambiente natural de uso del suelo en el Litoral Argentino, Estudio de
del agua, alterando el equilibrio dinámico del ciclo caso: cuenca del Aº Feliciano (Prov. De Entre
hidrológico e iniciando nuevos procesos y Ríos)”, de la Ing. Alejandra Arbuet.
eventos.” (Ven Te Chow 1993) Así, fenómenos
naturales, como la erosión eólica, afectan a las OBJETIVO
aguas superficiales, sin embargo, no es menos
cierto que cualquier acción del hombre en una Desarrollo de la metodología para la obtención de
parte del ciclo, alterará el ciclo entero para una los mapas de cobertura del suelo en la cuenca del
determinada región. Acciones como la tala de Arroyo Feliciano, mediante técnicas de
bosques, el avance de la frontera agrícola, la teledetección, para ser utilizados como
construcción de embalses, el secado de zonas información requerida por el modelo KINEROS2
pantanosas, la sobre-explotación de acuíferos, la funcionando bajo la plataforma AGWA_ArcView.
contaminación del agua y la polución atmosférica,
de origen claramente antropogénico, influyen de AREA DE ESTUDIO
manera considerable en los cambios del ciclo
hidrológico. El área elegida para realizar el estudio es la cuenca
El avenimiento de los nuevos modelos hidro- del arroyo Feliciano, uno de los principales
lógicos distribuidos o semi-distribuidos permiten afluentes del Río Paraná, ubicada totalmente en la
cuantificar de manera más precisa dichos cambios, provincia de Entre Ríos, Argentina, zona N-NO,
contando con los Sistema de Información como puede observarse en la figura 1.La superficie
Geográfica como la herramienta fundamental para de la cuenca tomando como punto de cierre Paso
el pre y pos-procesamiento de la información, tal Medina es de 5.541 km2 y ocupa territorio de los
es el caso del modelo Kineros2 que se ejecuta en departamentos de La Paz, Federal y Feliciano,
segundo plano a través de la aplicación AGWA, como muestra la figura 2.
que funciona bajo el soporte del SIG ArcView. La longitud del cauce principal es de 209 km.,
Este trabajo muestra el proceso de obtención de la característicamente meandroso
información requerida por el Modelo KINEROS2,
Figura 1: Ubicación general de la cuenca del Arroyo Feliciano en la Provincia de Entre Ríos
8. REVISTA
07 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
Figura 2: Ubicación en detalle de la cuenca del Arroyo Feliciano
Tiene un relieve de llanura suavemente ondulado con pastoreo, lo que provocó una importante reducción de
cotas que varían entre los 78.5 m y 18 m respecto del la superficie ocupada por la misma.
cero del IGM, con una pendiente media de 0.48%. El En el informe de la SAyDS (2006) se expresa “El
valor medio de la Precipitación Anual Media Areal avance de la frontera agrícola de las últimas décadas
calculado en la cuenca es de 1250 mm. Y el valor se ve favorecida por la mayor rentabilidad de los
máximo de la serie de caudales diarios medidos en la productos agrarios, el aparente aumento de las
estación de aforos de Paso Medina (SSHR) es de precipitaciones y la utilización de modernas técnicas
2179.88 m3/seg. correspondiente a la creciente de agropecuarias (sistemas de riego, siembra directa,
1998, registrado el 09/03/1998. Posee un caudal uso de agroquímicos, etc.) que permiten el uso de
modulo de 53 m3/seg. áreas que en el pasado no eran deseables para
Esta cuenca se ubica dentro de la región forestal del cultivos, provocando el desplazamiento de la
Distrito Ñandubay que pertenece a la Región del ganadería hacia zonas marginales, especialmente
Espinal, según el Primer Inventario Nacional de los bosques nativos remanentes”.
Bosques Nativos (SAyDS, 2006,2007). Las dos En los últimos 20 años la superficie sembrada total en
especies arbóreas que predominan son el ñandubay la Provincia de Entre Ríos se incrementó
y el algarrobo (negro y blanco), a estos los notablemente, crecimiento que se acentuó a partir de
acompañan árboles de mediano porte de origen mediados de los noventa, (cuando comienza a
chaqueño como espinillos, molles, talas, etc. aumentar el cultivo de la soja) en el período 1991/92
La Región del Espinal es una de las provincias al 2006/07 la superficie se triplicó, pues pasó de
fitogeográficas en estado de conservación más crítico 630.000 has a 1.966.050 has, como se puede ver en
de la Argentina, dado que ha sido transformada en las figuras 3 y 4.
gran medida en tierras agrícolas y campos de
9. REVISTA
08 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
Figura 3: Evolución de la superficie sembrada en Entre Ríos por cultivo Período 1986/2006 (Fuente: Bolsa de
Cereales de Entre Ríos. Proyecto Siber)
Figura 4: a) Evolución de la superficie total sembrada en Entre Ríos en el período 1997/2006
b) Evolución de la superficie de soja en Entre Ríos en el período 1986/2006 (Fuente: SAGPyA)
10. REVISTA
09 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
IMPLEMENTACIÓN DEL MODELO AGWA parámetros geométricos, de suelo y de cobertura de
cada uno de los segmentos. Existen dos clase de
AGWA, Automated Geospatial Watershed información necesarias para aplicar el AGWA, la
Assessment (Burns I.S. et al., 2004), es un conjunto “requerida” que debe estar disponible al momento de
de herramientas que trabajan en el entorno del SIG iniciar la aplicación del modelo y la información
ArcView 3.2 de ESRI como una extensión, que “opcional” que la crea el AGWA durante su aplicación
además requiere de la extensión Spatial Analyst para o es generada previamente por otro modelo y se le
el manejo de estructuras de datos raster. ingresa como dato.
Permite la generación automática de los archivos de Para el caso de la Cobertura requiere del mapa tipo
entrada al modelo hidrológico KINEROS2, la raster, conteniendo números enteros que se
ejecución de éste en segundo plano y la recuperación corresponden con una clasificación y la tabla donde
y visualización de los resultados en el ambiente SIG. se definen los parámetros que utiliza el modelo
El AGWA realiza la delimitación de la cuenca y Kineros para cada clase de cobertura, ver en la tabla 1.
subcuencas y luego la determinación de los
Tabla 1: Tipo de información de cobertura necesaria para el modelo AGWA- KINEROS
Para la referenciación cartográfica de todo el trabajo según un parámetro denominado “CSA”, cuyo valor
se usó el sistema POSGAR 94, definido con: es ingresado por el usuario, a menor valor del CSA
Datum: WGS84 (World Geodetic System 1984), mayor numero de subcuencas se crearan.
Sistema de Proyección: Transversa Mercator, En este trabajo se adoptó el valor de CSA=12000 has,
Sistema de Coordenadas: Gauss-Krüger - faja 5 lo que originó 63 segmentos de cuencas y 25
AGWA genera automáticamente a partir del Modelo segmentos de canal, totalizando 88 segmentos,
digital de elevación distintos niveles de como se observa en la figura 5.
desagregación espacial de la cuenca en subcuencas,
Figura 5: Cuenca y subcuencas generadas por el AGWA-KINEROS para el Aº Feliciano
11. REVISTA
10 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
El modelo AGWA, trabaja internamente calculando de cubrir los 20 años de estudio (1986-2006), las que
los parámetros físicos a nivel de píxel, luego como fueron procesadas para obtener una clasificación
salida genera dos capas vectoriales (shapefile) de acorde a los objetivos del trabajo.
distintos formato, polígono para las subcuencas Los Software que se utilizaron para el procesamiento
(wfa12) y línea para la red de ríos (sfa12) de las imágenes fueron el Idrisi Kilimanjaro para
respectivamente. Cada uno de estos archivos tiene realizar las correcciones atmosféricas y
asociada una tabla de atributos con parámetros radiométricas y el ERDAS IMAGINE 8.2 para la
geométricos, hidrológicos, de suelo y cobertura, que corrección geométrica y la clasificación.
se van calculando en cada paso, dichos parámetros
son los que utiliza luego el modelo KINEROS en su IMÁGENES SELECCIONADAS
aplicación.
Se adoptó trabajar con imágenes del satélite
OBTENCIÓN DE LOS DATOS DE COBERTURAS LANDSAT 5 TM, por su alta resolución espacial
(tamaño del píxel 30m x 30m), muy buena resolución
Los valores de los parámetros hidrológicos de las espectral y temporal adecuada. Este satélite registra
subcuencas asociados al tipo de cobertura se en las 3 bandas del espectro visible (B1, B2 y B3), 1
obtienen a partir de las imágenes satelitales en banda en el infrarrojo cercano (B4), 2 bandas en el
formato raster. Para identificar el cambio de la infrarrojo medio (B5 y B7) y 1 banda en el infrarrojo
cobertura de suelo en la zona de estudio, tanto térmico (B6), esta última no se utiliza en este trabajo,
espacial como temporalmente, se utilizaron las longitudes de onda correspondientes se muestran
imágenes satelitales de diferentes fechas, tratando en la tabla 2.
Tabla 2: Longitudes de onda de las bandas utilizadas en el trabajo.
La escena que cubre toda la cuenca de trabajo es la Los valores de los píxeles en las imágenes digitales
PATH 226 ROW 81 y las fechas elegidas de los expresan la cantidad de energía radiante recibida por
últimos 20 años son: 11/01/1986, 30/03/1997 y el sensor en la forma de valores relativos no
24/04/2006. Para la selección de las imágenes se calibrados llamados Números Digitales (ND), en el
consideró que fueran de los primeros 4 meses del año, caso de las imágenes Landsat 5 TM varían en 256
pues en esa época los cultivos son del mismo tipo valores, en función de la radiancia recibida en una de
(cosecha gruesa: sorgo, maíz, arroz), luego se las bandas espectrales.
produce la cosecha y preparado para la siembra del La información expresada en ND es relativa, a mayor
grano fino y además es la época de mayor lluvia en la ND mayor reflectividad, pero no es adecuada para
cuenca de estudio. comparar imágenes de distintas fechas, En cambio,
Las dos primeras fueron suministradas por el Instituto la reflectividad (relación entre energía reflejada y
Nacional de Pesquisas Espaciais (INPE) de Brasil, energía incidente), sí lo es, pues es una variable física.
que ya vienen con una georeferenciación, aunque es La reflectividad de una cubierta depende de sus
distinta a la utilizada en este trabajo. características físicas y químicas, así como de las
La imagen del 2006 son las originales que suministra condiciones de observación y varía en cada banda
la Comisión Nacional de actividades Espaciales del espectro, por eso se le añade el calificativo de
(CONAE) de Argentina. espectral, acotando su medida a un determinado
Los procesos aplicados para lograr el mapa en rango de longitudes de onda (Chuvieco, 2000).
formato raster de la cobertura del suelo, para cada Cuando se quiere hacer una comparación entre
imagen satelital se detallan a continuación. imágenes de distintas fechas, de la misma zona, es
necesario calcular la reflectividad espectral, realizar
PRE-PROCESAMIENTO correcciones radiométricas que buscan mejorar las
medidas de reflectancia medida en los sensores
CORRECCIÓN RADIOMÉTRICA Y ATMOSFÉRICA (energía reflejada), apuntando a eliminar los ruidos y
las correcciones atmosféricas, en función de distintos
12. REVISTA
11 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
parámetros propios de cada imagen como la
elevación del sol, hora, fecha, etc., para obtener la Para el máximo valor de ND (generalmente 255) la
reflectancia en superficie. radiancia es la máxima medida por un sensor en el
La influencia de la atmósfera no afecta igual a los dos ancho de banda espectral del canal, L = Lmax y el
términos del cálculo de la reflectividad, energía valor mínimo Lmin es la radiación espectral
incidente (flujo descendente) y energía reflejada (flujo correspondiente al mínimo valor de ND (usualmente
ascendente), ya que el espesor de la atmósfera es 0). Los valores de Gain y Bias varían para cada
distinto Además hay que considerar que la radiancia sensor y cada banda, estando dichos valores
que llega al sensor al atravesar la atmósfera es generalmente en los metadatos de la imagen
modificada por efecto de la dispersión (moléculas de (header) o hay tablas según la fecha de la imagen,
los gases y partículas de aerosol) y la absorción, por con esos valores se calculan Lmax y Lmin.
lo tanto no es la misma que sale del suelo. Entonces la Para la corrección atmosférica existen distintos
conversión de los ND a reflectividades tiene dos modelos, uno de ellos es el modelo de Costo (COST),
fases: 1) conversión del valor ND a valores de propuesto por Chávez (1996). “En este caso se
radiancia espectral L, a partir de los coeficientes de considera que la radiancia espectral descendente es
calibración el sensor, por eso a este procedimiento se nula pero la transmitancia atmosférica se estima en
lo llama “calibración” y 2) estimación de los valores de función del coseno del ángulo cenital solar (90º -
reflectividad aparente, conociendo la irradiancia solar elevación solar) y el camino de radiancia debido a la
y la fecha de adquisición de la imagen, así se bruma es estimado especificando el ND0 de un objeto
remueve el efecto producido por el ángulo solar y se oscuro que tendría reflectancia nula (p.e. lagos
compensan las diferencias en los valores de profundos claros) y la radiancia difusa del cielo es
radiancia solar extra–atmósfera (Chuvieco , 2000) La considerada nula” (Brizuela et al 2007).
relación entre los ND y la radiancia espectral es del Para obtener el ND0 (Dn haze) de objetos oscuros se
tipo lineal, siendo la ecuación de la radiancia la utiliza el histograma de frecuencias de cada banda, el
expresada en la formula (1), para cada banda valor es el que iguala o supera por primera vez el
espectral de las imágenes Landsat. 0.01% de frecuencias relativas acumuladas de cada
banda. Este valor es restado en cada banda.
El proceso de corrección radiométrica y atmosférica
se realizó en Idrisi Kilimanjaro aplicando el módulo
ATMOSC y en él se seleccionó el modelo COST, con
donde: L: radiancia (watts/(m2* estereoradian * ìm), los valores de las tablas 3,4 y 5.
Gain: ganancia (pendiente), Bias: compensación o
sesgo (ordenada al origen) .
Tabla 3: Parámetros utilizados en la corrección de la imagen del 11/01/1986
13. REVISTA
12 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
Tabla 4: Parámetros utilizados en la corrección de la imagen del 30/03/1997
Tabla 5: Parámetros utilizados en la corrección de la imagen del 24/04/2006
El modelo realiza primero el procedimiento llamado suministrada por la Ing. Garñel (Facultad de Ciencias
“calibración” y luego realiza la corrección atmosférica, Agropecuarias – UNER) y se realizó la geore-
el resultando es una imagen con valores reales (32 ferenciación o remuestreo de las imágenes
bits) de reflectancia, varían entre 0 y 1. corregidas. Para ubicar los puntos de control se
Para llevar la imagen de 32 bits a 8 bits (ocupa menos recurrió a las rutas y vías del ferrocarril en formato
memoria) hay que reescalar cada valor de Shapefile, superponiéndola en la imagen
reflectancia multiplicando por 255 con la ayuda de la georeferenciada como ayuda.
calculadora, los valores varían entre 0 y 255 y Para la imagen del año 2006 se identificaron 70
finalmente transformarla en byte-binary (8bits). puntos de control distribuidos en toda la imagen,
verificando que el error de la georeferenciación
CORRECCIÓN GEOMÉTRICA (RMS) sea menor a 0.5 píxel.
En el caso de las imágenes de 1986 y 1997 como ya
A la imagen obtenida en el paso anterior hay que darle tienen una georeferenciación (SAD69 WGS84 UTM),
la proyección cartográfica definida para este trabajo, pero distinta a la del trabajo (Posgar 94- GKfaja5) se
esto se realiza mediante el proceso de realizo el remuestreo utilizando solo 10 puntos de
georeferenciación o remuestreo, el cual transforma la control, verificando también el error menor a 0.5 píxel.
matriz original de la imagen estirándola o La interpolación espacial se realizó aplicando una
comprimiéndola para adecuarla a un nuevo sistema función lineal y la interpolación radiométrica por el
de referencia. método del vecino más próximo (Nearest neighbor).
El procedimiento consiste en asignar, con el menor
error posible, coordenadas de puntos de control a Ventana de trabajo
coordenadas en otro sistema para los mismos puntos
de la misma imagen, creándose dos archivos, el de Para no realizar la clasificación en toda la imagen se
los puntos de referencia identificados en la imagen definió una zona de trabajo menor, que cubre la
georeferenciada y los a proyectar (input). cuenca del arroyo Feliciano en su totalidad, los limites
Para esto se parte de una imagen georeferenciada, son los que se ven en la tabla 6.
para este trabajo se utilizó la imagen del 2/abril/2001
14. REVISTA
13 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
Tabla 6: Coordenadas de los vértices de la ventana de trabajo
REALCE presencia de firmas espectrales distintivas para las
clases de cobertura del suelo que se desea identificar,
Se trabajó fundamentalmente sobre una composición en el grupo de bandas en uso y la posibilidad de
color RBG 453 llamada Falso Color Mejorado y a distinguir con precisión estas distintas firmas.
veces RBG 754, además se realizaron realces a las
imágenes aplicando la función de transformación de DEFINICIÓN DE LAS CATEGORÍAS O CLASES
desvíos estándar (Standard Deviations).
Tomando como antecedentes el “Primer Inventario
CLASIFICACIÓN SUPERVISADA Nacional de Bosques Nativos” (SAyDS) y el trabajo
“Bosques Nativos y Selvas Ribereñas en la Provincia
La clasificación es un proceso que convierte los de Entre Ríos” (Muñoz et al 2003), se definieron
valores radiométricos, en este caso obtenidos luego nueve (9) clases de coberturas.
de la corrección radiométrica y geométrica, de las 6 Atento a que solo se dispone de la información que
bandas de trabajo que componen una imagen, a una suministran las imágenes satelitales con resolución
nueva imagen temática, donde el valor del píxel será de 30m, donde se pueden distinguir dos tipos de
un número que representa a la clase o cobertura cultivos, las clases de coberturas que se definieron
resultante de la clasificación. para el trabajo, desde un punto de vista hidrológico,
Una buena clasificación depende de 2 factores, la se listan en la tabla 7.
Tabla 7: Cuadro comparativo de las clases de coberturas
De ambos trabajos antecedentes solo se dispone del que son muestras representativas de cada clase
informe técnico y mapa en formato jpg, pero no los identificadas en la imagen a clasificar.
mapas raster, que, aún con una clasificación diferente ERDAS posee dos métodos para identificar los sitios
a la definida para el trabajo hubiera sido de gran de entrenamiento utilizando la herramienta áreas de
ayuda para realizar una comparación, especialmente interés (AOI), una creando polígonos manualmente y
en el primer caso donde se trabajó con imágenes de otra busca los píxeles contiguos que tienen valores
varios satélites. similares a un píxel semilla indicada (Region Grow),
verificando homogeneidad en cada sitio.
CREACIÓN DE LOS SITIOS DE ENTRENAMIENTO Para cada tipo de clase se seleccionaron entre 20 y
Y FIRMAS ESPECTRALES 30 áreas de interés, luego se creó la firma espectral
promedio para cada una de las imágenes, con su
Definidas las 9 clases de coberturas, hay que crear la correspondiente información estadística.
firma espectral para cada una de ellas, para eso se Se genera así un archivo de sitios de entrenamiento
definen los denominados “sitios de entrenamiento” “*.aoi” y uno de firma espectral “*.sig”, para cada
15. REVISTA
14 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
fecha e imagen. El trabajo de creación de los sitios de manera que los sitios de entrenamiento definan en
entrenamiento es una tarea ardua cuando se trabaja cada imagen una única clase (que podía ser la misma
con imágenes de distinta fecha y de distinta época del o distinta).
año, aunque cuando se seleccionaron las imágenes Luego ese mismo archivo de sitios de entrenamiento
se trató que fueran de los primeros meses del año. se utilizó en la imagen de 1997, descartando los que
La metodología utilizada fue trabajar en forma caían en lugares con más de una clase o eran
simultanea con las imágenes de1986 y 2006, de dudosos.
Figura 6: Firmas espectrales de las clases identificadas para la imagen del 2006
Se puede observar en la figura 6 la firma espectral Las nuevas técnicas de clasificación difusa (fuzzy), a
para la imagen del 2006, que la mayor separabilidad diferencia de los otros métodos (duros) donde solo
se da en las bandas 4,5 y 7 (en la figura aparece como consideran una categoría potencial para cada píxel,
6), pero de igual modo se seleccionaron todas las se considera una pertenencia borrosa a una
bandas para calcular los estadísticos de las distintas categoría cuando se admite un grado de pertenencia.
clases. O sea que cada píxel se etiqueta en varias categorías,
Las clases Cultivo 1, Cultivo 2 y Monte tienen un valor con un valor más o menos alto en función de su
máximo en la banda 4 y las clases barbecho, pastura, similitud espectral. Esto es muy útil cuando se trabaja
suelo desnudo y suelo quemado en la banda 5. Las 9 con píxeles de 30x 30m, pues es muy probable que un
clases no se identificaron en las 3 imágenes píxel contenga más de una cobertura.
estudiadas, por ejemplo en la imagen de Enero/1986 En el caso del ERDAS tiene la opción cuando se
no se detectó “Barbecho”, por eso se agrupo la clase realiza la clasificación supervisada, de aplicar
“pastura+barbecho” y en Marzo/1997 y Abril/2006 no también la lógica Fuzzy para las 2 mejores clases de
se detectó “suelo quemado”. pertenencia, para lo cual se crea una imagen de
distancia.
FASE DE ASIGNACIÓN Para hacer la asignación de la primera clasificación
se utilizo un clasificador duro, en este caso el
Existen dos tipos de clasificadores, los llamados algoritmo de Máxima Verosimilitud (Maximum
duros y los blandos o difusos, estos últimos no hacen Likelihood). Luego a la imagen clasificada se le aplica
una toma de decisión definitiva sobre a que clase de el algoritmo de convolución Fuzzy, un clasificador
cobertura pertenece un píxel, sino que indica la difuso. Con esta operación de lógica difusa, a partir de
probabilidad que tiene de pertenecer a una o más la imagen clasificada y de la imagen de distancia, se
clases. crea una sola imagen temática.
16. REVISTA
15 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
Las clases con un valor muy pequeño de distancia con valores de la clase.
siguen apareciendo sin cambios y las que tiene En las figuras 7 a) y b), se pueden comparar la imagen
valores altos de la distancia puede cambiar a un valor original y la clasificada respectivamente.
vecino si hay un suficiente numero de píxeles vecinos
Figura 7: a) Imagen Falso Color Mejorado RGB 453 b) Imagen clasificada con 8 clases de Abr/2006
FASE DE VERIFICACIÓN mayores confusiones se dan entre las clases Bosque
y Monte, situación que también se planteo en la
Para verificar que tan buena fue la clasificación se identificación del Primer Inventario Nacional de
calculó la Matriz de Contingencia para cada imagen, bosques (SAyDS 2006), de igual manera que entre
siendo aceptables los resultados obtenidos, ver las clases Pastura y Monte, cuando la cobertura
tablas 8, 9 y 10. arbórea es pobre.
En las matrices de contingencia se puede ver que las
Tabla 8: Matriz de Contingencia por porcentaje de píxeles – Clasificación imagen 1986
17. REVISTA
16 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
Tabla 9: Matriz de Contingencia por porcentaje de píxeles – Clasificación imagen 1997
Tabla 10: Matriz de Contingencia por porcentaje de píxeles – Clasificación imagen 2006
RESULTADOS asocian con el campo “class” de la tabla nacl_lut.dbf.
Los mapas resultados de la clasificación en la cuenca
Lo que se obtuvo como resultado final de este de estudio se pueden ver en la figura 8, donde ya se
procedimiento son 3 mapas raster con las coberturas, recortó en la ventana de trabajo el límite de la cuenca
que contienen los campos value y count donde los del Arroyo Feliciano.
valores de la columna “value” son enteros y se
Figura 8: Mapa raster de las 3 coberturas estudiadas en la cuenca del Aº Feliciano
18. REVISTA
17 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
Los parámetros hidrológicos asociados a la cobertura la intersección entre el mapa raster de cobertura de
de suelo que utiliza el modelo Kineros en una cuenca suelo, la tabla “nalc_lut”, que contiene las
rural como la estudiada son tres: INT (profundidad de características de coberturas y el mapa raster de la
intercepción en mm), COVER (porcentaje de cuenca, realizando una ponderación areal.
cobertura), N (coeficiente de rugosidad de Manning). La tabla “nalc_lut” para el tipo de cobertura de suelo
Para calcular los valores promedios de estos según la clasificación definida aquí se puede ver en la
parámetros para cada subcuenca, el modelo realiza tabla 11.
Tabla 11: Valores de la tabla nalc_lut para el Arroyo Feliciano
ANÁLISIS DE LA VARIACIÓN DE LA COBERTURA Agua sin agrupar, los valores obtenidos de las
superficies se presentan en la tabla 12.
EN LA ESCALA DE CUENCA Se puede ver como casi se ha duplicado la superficie
correspondiente a la Actividad Agrícola en los últimos
Con el fin de realizar una comparación de las 20 años, pasando de 30.000 has a casi 60.000 has,
superficies obtenidas en la cuenca para las distintas pero esto solo representa el 10.5% la superficie total
clases de coberturas en las 3 imágenes estudiadas, de la cuenca (554.124 has) y el aumento es del 5%.
se agruparon las 9 clases en 4. En cuanto a la superficie de Bosque y Monte se
Por un lado las coberturas de Bosque y Monte, por obtuvo una disminución de casi 40.000 has entre los
otro lado Cultivo1, Cultivo2, Barbecho, Suelo años 1986 y 2006, que representa el 6.5 % de la
desnudo y Suelo quemado, en una única cobertura superficie total.
llamada Actividad agrícola y se dejaron Pasturas y
Tabla 12: Cuadro comparativo de las superficies de las clases agrupadas de coberturas en la cuenca
El aumento de la superficie correspondiente a Agua cantidad como su ubicación espacial.
se debe a la construcción de embalses en la cuenca Como no solo interesa conocer el valor de la
alta, fundamentalmente con destino al riego de arroz. superficie sino también la distribución espacial de los
ERDAS IMEGINE permite realizar la comparación de cambios de cobertura, a la nueva imagen creada se
2 imágenes clasificadas, construyendo una nueva cambiaron los colores en la tabla de atributos,
imagen con su correspondiente tabla de atributos asignando un color claro (verde) para los píxeles que
(matriz de comparación), donde se identifican los han permanecido en la clase de bosques, monte
píxeles de un cada una de las clases en la 1er imagen nativo y pastura y otro color (negro) para identificar
y si han permanecido en esa misma o han cambiado a fácilmente los que han cambiado, resultando las
alguna de las otras 8 clases posibles en la 2da imagen, imágenes que se ven en la figura 9.
permitiendo así identificar los cambios tanto en
19. REVISTA
18 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
Figura 9: Mapas de los píxeles de cobertura Bosque+monte+pastura que cambiaron
Se puede observar que en toda la cuenca se ha cambio tuvo en el coeficiente de escorrentía (surge de
producido el cambio de cobertura, aunque es más la aplicación del modelo Kineros, que no se presenta
importante en la cuenca alta (donde se ha en este trabajo).
desarrollado la siembra del arroz en los últimos Ella fue la identificada con el número 253, ubicada en
10años), en la subcuenca del Arroyo Estacas la margen izquierda del último tramo del Arroyo
(principal afluente de la margen derecha) y en la Feliciano, aportando lateralmente directamente al
subcuenca de la ubicada en la desembocadura mismo, con una superficie de 13.840 has.
margen izquierda (subcuenca 253). Para analizar los cambios se realizó el mismo
agrupamiento de clases que para la cuenca total, los
EN LA ESCALA DE SUBCUENCA resultados obtenidos puede observarse en la tabla 13.
Se puede ver como la superficie de Bosque y Monte
Se consideró importante analizar especialmente la disminuyo más de 2.000 has entre los años 1986 y
variación de la cobertura en una determinada 2006, lo que representa el 15% del total de la
subcuenca. Para ello se estudió la cuenca que mayor subcuenca.
Tabla 13: Cuadro comparativo de las clases agrupadas de coberturas en la subcuenca 253
En cuanto a la superficie correspondiente a la en los 20 años es del 15%. En la figura 10 se puede
Actividad Agrícola en los primeros 10 años se produjo ver la distribución espacial en las distintas fechas de
un importante aumento, llegando casi a triplicarse (la todas las clases de coberturas. Si se analiza en
mayor superficie aparece como Suelo desnudo), detalle las imágenes, se puede ver claramente cuales
dicho aumento continuó computándose más de 3.000 son los sectores que en el año 1986 aparecen como
has en el año 2006 (la mayor superficie aparece como monte y bosque, que en los otros años cambian a
Barbecho). tener alguna actividad agrícola, ya sea Cultivo o
En resumen el aumento total de la actividad agrícola Barbecho o Suelo desnudo.
20. REVISTA
19 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
Figura 10: Mapa raster de las 3 coberturas estudiadas en la cuenca 253
APLICACIÓN DEL MODELO KINEROS con los valores de caudales medidos en Paso Medina.
Para este caso se seleccionaron 3 eventos históricos
Los modelos hidrológicos se deben calibrar o sea que cubren el período 1986-2006 y con similares
calcular los valores de determinados parámetros de características, con lluvias totales que superan los
manera tal que reflejen lo mejor posible la realidad. 100 mm, de no más de 3 días de duración y con
Por ello se prueba con eventos de lluvias históricos y hidrogramas observados aislados, en la tabla 14 se
se comparan los caudales calculados por el modelo resumen los parámetros.
Tabla 14: Parámetros de los eventos históricos estudiados
Se puede ver como aumenta el coeficiente de más próxima como indica la tabla 15.
escorrentía, llegando hasta el 53%, pero esto se Lo ideal sería tener la imagen satelital
puede deber a varios factores como la distribución correspondiente a la fecha del evento, pero lo que
espacial y temporal de la lluvia, así como al cambio de sucede es que cuando hay lluvias la nubosidad
cobertura. existente hace que la imagen satelital no se pueda
Para cada evento de lluvia se utilizó el mapa de utilizar para la determinación de la cobertura.
cobertura calculado anteriormente, según la fecha
Tabla 15: Mapa de cobertura utilizado en cada evento histórico
Durante el proceso de calibración del modelo para el sedimentación de los cursos de agua.
caso de los eventos de 1996 y 2005, se observó que a Que esto se traduce en la formación de costras en la
pesar de cambiar las coberturas no se obtenía el superficie del suelo que impiden la infiltración de las
volumen de escorrentía esperado, por lo que se debió lluvias por impermeabilización, concluyendo “la
ajustar otro parámetro. capacidad de almacenamiento de agua tiende a
En el trabajo realizado por Zimmermman disminuir como consecuencia del proceso de
Implicaciones antrópicas en los procesos de impermeabilización mencionado anteriormente y
inundaciones en áreas llanas, hace mención a la como lo que no se retiene escurre, se está
degradación que sufre el suelo como consecuencia comprobando un aumento del porcentaje de
de la agricultura intensiva, lo que se traduce en escorrentía.”
erosión de suelos y como consecuente proceso de
21. REVISTA
20 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
El Kineros-AGWA tiene la posibilidad de modificar los para cada escenario considerando una tormenta
valores de los parámetros de los segmentos de canal sintética, de distribución espacial uniforme.
y cuenca, por medio de multiplicadores, permitiendo La tormenta sintética se calculó con una altura de
así una calibración rápida y sencilla. lluvia correspondiente a una recurrencia de 5 años,
Por esto se adoptó el criterio de modificar los valores una duración de 6 hs y suponiendo una distribución
del parámetro conductividad hidráulica Ks para las espacial uniforme en toda la cuenca.
cuencas, disminuyéndolo en los casos de los eventos Los resultados obtenidos de la aplicación del Kineros
de 1996 y 2005. para toda la cuenca se pueden ver en la tabla 16,
Para evaluar los efectos de los cambios de cobertura donde se observa que los valores de los coeficientes
sobre los hidrogramas de crecida y aislar de este de escorrentía aumentan de 0.27 para el año 1986 a
análisis los efectos de las distintas distribuciones 0.32 para los años 1997 y 2006, siendo similares en
estos últimos años, lo que representa un aumento del
espacio-temporales de la lluvia y la condición de
19%.
humedad antecedente, se aplicó el modelo calibrado
Tabla 16: Resumen de los resultados obtenidos a la salida de la cuenca para la lluvia sintética.
Para el caso de la cuenca 253, identificada como la Los valores del coeficiente de escorrentía son bajos,
que mayor cambio de escorrentía tuvo, los resultados menores a 0.2, pues la superficie de bosque+ monte+
obtenidos se pueden ver en la tabla 17. pastura es muy importante.
Tabla 17: Resumen de los resultados obtenidos en la cuenca 253 para la lluvia teórica.
A partir de los resultados obtenidos para el período escurrido y del 27% en el caudal pico.
1986/2006, puede concluirse que los efectos sobre el b) A la escala de la subcuenca #253 (de mayor
hidrograma de escurrimiento originado por la lluvia aumento de escorrentía): las superficies de “Bosque y
sintética de 5 años de recurrencia, fueron los Monte” y de “Pasturas” disminuyeron en valores
siguientes: iguales al 14.7% y 0.6 % de la superficie total de la
a) A la escala de la cuenca total: disminuyó la subcuenca, respectivamente. La superficie “Agrícola”
superficie de “Bosque y Monte” en un valor igual al 6.5 aumentó en el 15.3 % de la superficie total. Estos
% de la superficie total y aumentó la superficie cambios de cobertura originaron un aumento del 30%
“Agrícola” en un valor similar. Estos cambios del volumen escurrido y del 20% en el caudal pico.
originaron un aumento del 19% en el volumen
22. REVISTA
21 Edición Especial Vol. 1
DICIEMBRE 2010 ANÁLISIS MULTITEMPORAL DEL CAMBIO DE LA COBERTURA DEL ... SELPER
CONCLUSIONES cambios de coberturas que se hayan producido en la
misma, a mayor actividad agrícola mayor es el
• Disponer de imágenes satelitales es una gran coeficiente de escorrentía.
herramienta al momento de aplicar los modelos
hidrológicos, especialmente en cuencas de gran RECOMENDACIONES
tamaño como la del arroyo Feliciano.
• Los parámetros de cobertura de suelo que hasta Integrar y aplicar nuevas tecnología en la modelación
hace pocos años se calculaban de manera hidrológica, como son la teledetección y los SIG,
aproximada con un valor concentrado por subcuenca, ayudan notablemente a la adquisición, tratamiento de
ahora se puede obtener un valor en cada celda de la información y fundamentalmente a la presentación
30m x 30m, o sea de manera distribuida y luego de los datos georeferenciados, haciendo que los
promediar por subcuenca, de manera fácil y sencilla resultados de la modelación sean comprendidos por
con los nuevos modelos hidrológicos personas no expertas en hidrología.
semidistribuidos. Cuando se aplica un modelo hidrológico de
• Si bien no se ha detectado un avance importante transformación lluvia_caudal, ya no solo es suficiente
sobre los montes nativos en los 3 años analizados, si hacer análisis estadísticos de las variables
se obtuvo un aumento de la superficie identificada hidrológicas, como las precipitaciones, sino además
con algún tipo de actividad agrícola, especialmente hay que tener
en la cuenca del arroyo estacas, en las cuencas bajas muy en cuenta las variaciones espaciales y
y altas temporales de las características físicas de la cuenca,
• Con respecto a los resultados obtenidos en la como es el caso de la cobertura y los parámetros del
aplicación del modelo Kineros se observa un suelo, que afectan notablemente los escurrimientos.
aumento de los coeficientes de escorrentía en los Esto adquiere importancia cuando se estudian
últimos 20 años en la cuenca del arroyo Feliciano cuencas donde los cambios de cobertura son
para eventos aislados. importantes y fundamentalmente cuando no se tienen
• Para el caso de una lluvia teórica que se distribuye registros de caudales que son los que permiten la
uniformemente en toda la cuenca, el aumento de los calibración de los modelos, siendo esta la situación
valores de coeficiente de escorrentía varían si se más común a la hora de proyectar obras hidráulicas.
analiza al nivel de subcuenca, dependiendo de los
BIBLIOGRAFÍA
BRIZUELA A. AGUIRRE C., VELASCO I., “Aplicación de métodos de corrección atmosférica de datos Landsat para
análisis multitemporal”, En Teledetección – Hacia un mejor entrenamiento de la dinámica global y regional. Memorias
del Congreso de la Asociación Española de Teledetección (XII:2007: Mar del Plata ) Editorial :Martin, Argentina, 2007.
BURNS I. S., SCOTT S., LEVICK L., HERNANDEZ M., GOODRICH D.C., SEMMENS D. J., KEPNER W.G., MILLER
S.N. Automated Geospatial Watershed Assessment (AGWA), Tucson, Arizona, USA: A GIS based Hydrologic
Modeling Tool. Documentation and User Manual. Versión 1.2.4, 2004, http://www.tucson.ars.ag.gov
/agwa/manual/AGWA [citado en Noviembre del 2007]
CHOW V. T., MAIDMENT R. D., MAYS L. W. Hidrología Aplicada, Editorial McGraw Hill, Bogotá, Colombia, 1994.
ISBN 958-600-171-7.
CHUVIECO E., Fundamentos de Teledetección Espacial, 3º edición revisada Editorial RIALP, Marid, España, 2000.
ISBN 84-321-3127-X.
MUÑOZ J de D., MILERA S., ROMERO C., BRIZUELA A., Bosques Nativos y Selvas Ribereñas en la Provincia de
Entre Ríos, Paraná, Argentina: Facultad de Ciencias Agropecuarias de la UNER, 2003.
PBNyAP, SAyDS, DB, Primer Inventario Nacional De Bosques Nativos - Segunda Etapa -Inventario de Campo de la
Región Espinal, Distritos Caldén y Ñandubay, Informe Regional Espinal-Segunda Etapa, ANEXO II “Estado de
Conservación del Distrito Ñandubay”: Coordinación de Bosques Nativos, Edición Diciembre 2006
PBNyAP, SAyDS, DB, Primer Inventario Nacional De Bosques Nativos - Segunda Etapa -Inventario de Campo de la
Región Espinal, Distritos Caldén y Ñandubay, Informe Regional Espinal-Segunda Etapa, Edición Febrero 2007
PBNyAP, SAyDS, DB, Primer Inventario Nacional De Bosques Nativos, Cartografía de Región Espinal
http://www.ambiente.gov.ar/?idarticulo=3028 (Dic/2008)
ZIMMERMANN E.D., Adaptación del modelo de Onda cinemática a los sistemas hidrológicos de llanura En:
Congreso Nacional Del Agua. 2000: Termas de Río Hondo. Volúmenes de Congreso. Santiago del Estero, Argentina,
2000.
23. 22 Edición Especial Vol. 1
DICIEMBRE 2010 EVALUACIÓN Y MONITOREO DE LA SALINIZACIÓN DE LOS SUELOS SELPER
Evaluación y monitoreo de la salinización de los suelos en la agricultura
de regadío del noroeste de Patagonia (Argentina)
del Valle, Héctor F. a1; Blanco, Paula D. a y Sione, Walter b, c
a
Ecología Terrestre, Centro Nacional Patagónico (CENPAT), Consejo Nacional de Investigaciones Científicas y
Técnicas (CONICET), Argentina.
b
Centro Regional de Geomática (CEREGEO), Facultad de Ciencia y Tecnología (FCyT), Universidad Autónoma de
Entre Ríos (UADER), Argentina.
c
Programa de Desarrollo e Investigación en Teledetección (PRODITEL), Universidad Nacional de Luján (UNLu),
Luján (Bs. As.), Argentina.
RESUMEN damente 12 millones de hectáreas de tierras
Dado el contexto de evaluación y manejo del irrigadas y 1,7 millones de éstas pertenecen a la
riesgo de la degradación en los suelos del Valle Argentina, encontrándose a su vez en el país
Inferior del Río Chubut (salinización natural y 600.000 hectáreas afectadas por problemas de
antrópica), los objetivos del presente estudio salinidad y sodicidad (Siebert et al., 2006).
consistieron en: 1) evaluar la utilidad del satélite En el noreste de la provincia de Chubut, en el
ALOS en los dos subsistemas (visible-infrarrojo denominado Valle Inferior del río homónimo
y/o radar) para detectar y cartografiar clases de (VIRCH), se encuentran 20.717 hectáreas
acumulación de sales en un área modelo, y 2) afectadas por salinización primaria y secundaria,
comparar las técnicas de clasificación tradicional representando el 55 % de la superficie del valle
versus orientado al objeto. El uso de la banda L irrigado (Laya, 1981). La historia del VIRCH se
puede ser considerada como un test para el futuro remonta desde la colonización de parte de los
uso de la misión SAOCOM (Satélites para la galeses británicos en 1865. Este valle es el oasis
Observación y Comunicación) de la Argentina. de riego más importante del extremo austral del
continente sudamericano.
Palabras clave: Salinidad Natural; Salinidad por Los suelos del VIRCH se han desarrollado sobre
irrigación; Segmentación; ALOS Satélite. sedimentos aluviales, con amplio predominio de
materiales limo arcilloso, mostrando un patrón de
ABSTRACT distribución complejo. Una limitación importante se
refiere a las deficiencias de drenaje, ya sea por la
Dryland and irrigation salinity are widespread in the presencia cercana de la napa freática,
lower Chubut valley, northeastern Patagonia. The particularmente en los sectores ribereños, o bien
latter is the southernmost valley of Argentina, debida a las características intrínsecas de los
where forage, vegetables, fruits and flowers are suelos con textura fina. El contenido de sales del
cultivated under intensive land management. The suelo no es una magnitud constante en el tiempo.
overall aims of this study were: (1) to evaluate the De acuerdo al balance de agua y de la forma de
riego, la provisión de sales puede aumentar o
usefulness of ALOS subsystems (AVNIR-2 and
disminuir produciéndose un balance de
PALSAR) for detecting and mapping salt-affected salinización y/o alcalinización irreversible o
soils within the irrigated portion of the valley, and reversible.
(2) to explored and compare two methods-per El estímulo a encontrar soluciones a los
inconvenientes que la mayor concentración de
pixel and object-based classification. The use of sales ocasiona a la producción agropecuaria ha
L-band can be considered as a test for the future influido desde épocas tempranas en el desarrollo
use of the SAOCOM (Satellites for Observation mismo de la Ciencia del Suelo. En el rol que le cabe
and Communications) data from Argentina. a la Percepción Remota en la evaluación y
monitoreo de las causas y factores que
Keywords: Dryland Salinity; Irrigated Salinity; contribuyen a la acumulación de sales en los
Segmentation; ALOS Satellite. suelos, seguramente ayudarán a planificar en
forma eficiente medidas que tiendan tanto a la
INTRODUCCIÓN conservación de los recursos existentes como a la
rehabilitación de aquellos comprometidos. Un
La región de Latinoamérica tiene aproxima- desafío mayor de la Teledetección es poder
24. 23 Edición Especial Vol. 1
DICIEMBRE 2010 EVALUACIÓN Y MONITOREO DE LA SALINIZACIÓN DE LOS SUELOS SELPER
detectar y evaluar diferentes niveles de salinidad y relevamiento está esquematizada en la Figura 1a-
sodicidad (Taylor et al., 1994; Bannari et al., 2007). c. Se localiza en el tramo Oeste del VIRCH, cerca
El uso de datos de radares activos para la de la localidad de Dolavon. Es un área donde
detección de sales en el suelo es un campo muy resulta muy dificultoso separar los diferentes
promisorio de los Sensores Remotos (Taylor et al., estados de severidad de acumulación de sales. La
1996; Metternicht, 1998; Aly et al., 2004). El superficie total es de 6.440 hectáreas.
principio básico radica en las relaciones entre la El VIRCH tiene un clima árido con precipitación
cantidad de sal, el contenido de humedad y las escasa (200 mm) y luminosidad alta (heliofanía
propiedades dieléctricas tanto del suelo como de la
relativa entre el 51-55 %), al igual que la
vegetación. Los avances desarrollados a través
del uso de la banda L en el rango de las evaporación (722 mm anuales) y las amplitudes
microondas estimulan el desarrollo de nuevas térmicas diarias y anuales (la temperatura máxima
técnicas aumentando la versatilidad de su uso absoluta puede sobrepasar los 40ºC, y la mínima
(Sreenivas et al., 1995). del Valle et al. (2009) absoluta bajar hasta los -12ºC, siendo la media
encontraron que la banda L (ë = 23,5 cm) del SIR- anual de 13ºC) [Coronato, 1994]. Los días libres de
C permitía detectar y evaluar el exceso de sales en heladas oscilan entre 100 a 140 y presentan una
los suelos del VIRCH, más significativamente que dispersión amplia, pudiendo ocurrir los descensos
la banda C (ë = 5,6 cm). Las nuevas y futuras del 0ºC, durante cualquier época del año desde
plataformas están pensadas para que la banda L marzo hasta noviembre. El promedio de las
incremente más su potencial de uso, ejemplos son heladas es de -1.5ºC. La vegetación pertenece a
el sistema PALSAR (“Phased Array Type L-band la cuña austral del Monte (León et al., 1998). Las
Synthetic Aperture Radar”) a bordo del satélite especies más conspicuas pertenecen a una
ALOS (“Advanced Land Observing Satellite”), el estepa arbustiva de Suaeda divaricata, Atriplex
TERRALSAR de la Agencia Espacial Alemana lampa y Salicornia ambigua. Otras especies
(DLR) y la misión SAOCOM (“Satellites frecuentes son los arbustos de Chuquiraga
forObservation and Communications”) a ser avellanedae, Prosopis alpataco y Larrea divaricata,
implementados por nuestro país en cooperación y herbáceas como el Distichlis spicata y Cassia
con Bélgica e Italia (CONAE, 2007). aphilla. En el valle existen especies arbóreas
Dado el contexto de evaluación y manejo del introducidas como: Populus, Salix, Eucalyptus y
riesgo de degradación en los suelos del VIRCH, los Tamarix usadas como cortinas forestales. Los
objetivos del presente estudio consistieron en: 1) cultivos corresponden a pasturas
evaluar la utilidad del satélite ALOS en los dos anualesperennes para forrajes, y producciones
subsistemas (visible-infrarrojo y/o radar) para fruti-hortícolas, además de la floricultura. Las
detectar y cartografiar clases de acumulación de principales taxas de suelos (adaptado de Laya,
sales en un área modelo, y 2) comparar las 1981) son: fluventic Aquicambids, typic
técnicas de clasificación tradicional versus Haplosalids, typic Aquisalids, typic Natrargids,
orientado al objeto. vertic y typic Torrifluvents, vertic y typic
Torriorthents, y typic Salitorrerts (USDA, 2003).
MATERIALES Y MÉTODOS
ÁREA DE ESTUDIO
El área de estudio o área “test” que abarca el
25. 24 Edición Especial Vol. 1
DICIEMBRE 2010 EVALUACIÓN Y MONITOREO DE LA SALINIZACIÓN DE LOS SUELOS SELPER
Figura 1a-c. Ubicación del área de estudio. a. Mosaico Landsat ETM+ (2002) orto rectificado, bandas 7-4-2
(RGB) del Valle Inferior del río Chubut. Fuente: Global Land Cover Facility. b. Recorte de una imagen del satélite
ALOS, subsistema óptico AVNIR-2, bandas 4-3-2 (RGB), mostrando el área de estudio, píxel 10 m. c. Detalle del
área de estudio con problemas de exceso de sales naturales y antrópicas. Imagen del satélite ALOS, subsistema
estereoscópico-pancromático PRISM, píxel 2,5 m
La Figura 2a-f muestra distintas características sales en los suelos en el área de estudio.
derivadas de la problemática de la acumulación de
26. 25 Edición Especial Vol. 1
DICIEMBRE 2010 EVALUACIÓN Y MONITOREO DE LA SALINIZACIÓN DE LOS SUELOS SELPER
Figura 2a-f. a. Cultivos hortícolas en suelos sin problemas de acumulación de sales. b. Vegetación natural
halófita, salinización natural. c-f. Salinización antrópica, producto del mal drenaje y problemas de manejo de
suelos vertisoles.
MATERIALES dónde:
Se seleccionaron dos imágenes del satélite ALOS, DN: Número digital (“Digital number”)
subsistema visible-infrarrojo (AVNIR-2) del 11 de
Febrero de 2007, y otra del subsistema radar Kdb: Constante absoluta de calibración (“Absolute
(PALSAR) del 22 de Febrero de 2008, coincidentes constant of calibration”)
con relevamientos realizados en dichas fechas.
Para la reducción del “speckle” se utilizó el filtro Lee
mejorado (López et al., 1990) que minimiza la pérdida
PRE-PROCESAMIENTOS
de información radiométrica y textural.
La imagen óptica (AVNIR-2) fue corregida TRANSFORMACIÓN LINEAL DE LA IMAGEN
geométrica y radiométricamente de acuerdo a lo ÓPTICA
establecido por la JAXA (2008). La imagen radar
(PALSAR) se corrigió geométricamente utilizando la Existe una gran variedad de índices que usan
base de datos de techos metálicos de las chacras diferentes bandas del espectro para realzar ciertos
recopilados por del Valle et al. (2009) y se calibró la aspectos presentes en una imagen de satélite,
imagen calculando el coeficiente de energía además existen diferentes transformaciones lineales
retrodispersada (“backscattering”) en decibeles: que han sido desarrolladas para el monitoreo de la
vegetación y/o de los cultivos, con diferentes
sensores y para diferentes tipos de vegetación. Es en
este sentido que adaptamos lo establecido por Kauth
y Thomas (1976) para la imagen óptica AVNIR-2