SlideShare una empresa de Scribd logo
Protocolo de trabajo en el área de Teledetección y SIG 
con el objeto de determinar usos del suelo. 
Autores: Ing. Agr. MSc. Pablo Vazquez1, Ing. Agr. Florencio Moore1 e Ing. 
Claudio Fonda2. 
1. INTA 
2. SAGPyA 
INTRODUCCION 
Son conocidos los inconvenientes para identificar determinados usos o 
elementos específicos de un ambiente terrestre cuando la composición del 
paisaje es muy heterogénea tanto en relieve, suelos, como en el uso de los 
mismos. En el caso específico de los cultivos, estos aspectos muchas veces son 
descuidados. La fecha de siembra, el estado fenológico, el estado nutricional e 
hídrico, la sanidad y la tecnología con la que se implantó son factores 
determinantes de su respuesta radiométrica en el espacio y en el tiempo. 
Como es bien sabido, los objetos en la tierra emiten en longitudes de onda 
largas (térmico) y reflejan principalmente en el visible e IR. Este aspecto es 
vital para comprender el comportamiento radiométrico de los distintos objetos 
a estudiar y bajo que condiciones se los puede discriminar. 
Cuando se estudia un objeto, no siempre se lo puede comparar bajo las 
mismas condiciones, por lo cual es sumamente importante tener en cuenta su 
corrección para poder realizar la integracion de resultados en grandes áreas, 
comparar el comportamiento radiométrico en el tiempo y llegar a adecuadas 
interpretaciones. 
Dentro de estos aspectos podemos identificar: 
• Angulo de iluminación solar (fecha) 
• Relieve – rugosidad 
• Atmósfera y dispersión selectiva (CO2, agua, O2 y O3) 
• Fenología 
• Densidad y pureza de la cubierta (espacio-tiempo, áreas heterogéneas). 
El objetivo de este trabajo es delinear los pasos a seguir para lograr productos 
obtenidos a partir de la teledetección comparables en el tiempo y factibles de 
integrarse en la Pampa Húmeda para seguimiento de la evolución del área 
agrícola y caracterización de sus condiciones de desarrollo.
La extensión, la heterogeneidad ambiental y usos del suelo a monitorear 
obligan a imponer una serie de condiciones de trabajo que permitan integrar la 
información tanto regional como temporalmente. 
CORRECCION ESPACIAL (GEORREFERENCIACION) 
Se tomará la proyección Gauss-Kruger, datum WGS84, como referencia de 
todo el proyecto. Para integrar toda la información, se proyectará todo sobre la 
faja 5, siendo ésta la faja central del sector, minimizando de esta manera las 
deformaciones. Para lograr este resultado, se construyó un mosaico de 
referencia de toda la región con imágenes pancromáticas Landsat ETM7 
ortorrectificadas, disponibles en la página 
http://glcfapp.umiacs.umd.edu:8080/esdi/index.jsp, cuyas proyecciones 
originales estan en UTM. 
El error en x e y de estas imágenes es de 1 pixel (14 m), y su concordancia con 
transectas GPS es inmejorable en la proyección original, ya que tanto la señal 
GPS como estas imágenes fueron calibradas por la NASA (sistema de 
geoposicionamiento Galileo). Se corroboró que el error de un pixel se mantuvo 
inalterado al transformar la proyección UTM original de cada imagen a Gauss 
Kruger faja 5, en un área cruzada por las fajas 4, 5 y 6. 
La georreferenciación se realizará con el método de rotación - traslación - 
rescalado (RTS), con algoritmo de cálculo nearest neighbour (vecino más 
próximo), ya que no distorsiona el valor original de los píxeles cuando se 
realiza la reproyección. 
Para minimizar los errores, se recomienda seguir el siguiente patrón al 
momento de asignar los puntos de control. De esta manera se equilibra el peso 
relativo de cada punto nuevo de referencia que se agrega. 
1 3 
10 6 12 
8 5 9 
7 
13 11 
4 2 
Bajo estas condiciones, es posible lograr muy buenas correcciones geométricas 
con 13 – 17 puntos.
CONSOLIDACION DE IMAGENES 
Debido a que los valores de imágenes vecinas no tienen valores similares, ya 
sea por cuestiones del sensor o simplemente por desfasajes en las fechas de 
adquisición (entre path vecinos), es necesario consolidar los datos para que 
usos similares tengan valores similares de reflectancia en el área de estudio. 
Para corregir este factor de distorsión, se toman los valores de cuentas 
digitales punto a punto y banda por banda en la zona de superposición. Se 
obtienen una serie de puntos a los cuales se les aplica una función de 
regresión (en general las respuestas son lineales) y una vez obtenida la 
ecuación se aplica a la banda objetivo (Caselles y López, 1989). 
y = 0.6885x + 33.439 
R2 = 0.987 
120 
100 
80 
60 
40 
20 
0 
-60 -40 -20 0 20 40 60 80 100 120 
Función para consolidar datos de NDVI de las imágenes 224-85 y 225-85 para 
noviembre de 2003. 
CORRECCIONES ATMOSFERICAS 
Debido a la escala de trabajo planteada en este proyecto (alrededor de 1: 
250.000), no se considera indispensable la corrección atmosférica. El objetivo 
es lograr un producto que pretende monitorear la evolución anual de los 
grandes usos del suelo, como agricultura, pastizales naturales, montes y 
bosques, cuerpos de agua, médanos móviles, etc., dependiendo de la región. 
En aquellos casos que se considera indispensable por características locales 
que así lo ameriten, hay varios métodos indirectos para corregir este fenómeno 
(método sustractivo de cuerpo oscuro, Chávez, atmósfera relativa, etc). Por su 
simplicidad, se propone utilizar el método de relativización, el cual consiste en 
tomar el valor en cuentas digitales de cada banda y dividirlo por el máximo 
valor hallado en esa imagen. De esta manera se obtienen bandas con valores 
expresados como porcentaje del máximo observado en esa fecha en particular. 
Esta propiedad es válida para ser aplicada a cualquier banda. 
SELECCIÓN DE BANDAS PARA LA CLASIFICACIÓN DE USOS DEL SUELO. 
El criterio de selección apunta a reducir el número de bandas, y que éstas sean 
representativas del espectro radiométrico a estudiar. En el caso del área de 
influencia del RIAN, encontramos situaciones que van desde el extremo 
desértico a zonas anegables, con ambientes donde el uso del suelo es 
homogéneo (zona núcleo sojera) o con situaciones de gran fragmentación del 
ambiente, típico de las zonas mixtas agrícola-ganaderas. Debido a que la
mayor parte de los tipos de usos del suelo a identificar tienen una cobertura 
vegetal, las bandas más lógicas a seleccionar son las bandas roja, infrarroja 
cercana, infrarroja media e infrarroja lejana. Hay varios estudios que han 
demostrado la alta correlación existente entre el NDVI y el IAF (Indice de Area 
Foliar) (Carlson 1997, Matsushita 2002), por lo cual se propone remplazar las 
bandas roja e infrarroja cercana por este indicador de cobertura vegetal. 
Cabe aclarar que este índice es valido para zonas con buena cobertura vegetal, 
en aquellos casos donde la vegetación es muy rala (zonas semiáridas), se 
recomienda evaluar la relación existente entre la cobertura vegetal y otros 
indicadores que incluyan la curva de suelos en la estimación. Para estos casos, 
se propone al TSAVI (Gitelson 2002): 
(( ) ( )) 
R a IRC ab 
TSAVI a IRC − a R − 
b 
+ − 
= 
* 
* 
Donde: 
IRC= banda del infrarrojo cercano 
R=banda del rojo. 
a= pendiente de la curva de suelos 
b= intercepto de la curva de suelos 
Para calcular la curva de suelo, la banda roja debe ir en el eje y, mientras que 
la infrarroja cercana en el eje x. Este algoritmo solo funciona bien en áreas con 
escasa vegetación, no siendo recomendado en zonas con buena cobertura. 
De esta manera, las principales bandas a utilizarse serían: 
NDVI: evolución del IAF de las coberturas vegetales, donde cada especie 
presentaría una curva IAF característica. 
Infrarrojo medio: banda sensible al grado de estrés o senescencia de las 
coberturas vegetales. 
Infrarrojo lejano: banda muy sensible al contenido de humedad de la 
vegetación y estados de anegamiento. 
DEFINICIÓN DE CLASES DE USO DEL SUELO 
La escala de trabajo definida para los productos de Teledetección estará 
definida principalmente por el tipo de sensor utilizado (en este caso LANDSAT), 
por lo cual la resolución de trabajo será 1:100.000 o menor. 
Esto permitiría discriminar, en términos generales y salvando algunas 
diferencias regionales, aproximadamente ocho clases de uso del suelo, las 
cuales no serán necesariamente puras (Vazquez et al 2006). Estas són: 
1. Cultivos en activo crecimiento. 
2. Cuerpos de agua y zonas anegadas. 
3. Pastizales. 
4. Rastrojos, vegetación seca y barbechos químicos. 
5. Suelo desnudo y barbechos tradicionales.
6. Sierras. 
7. Miscelaneas. 
8. Montes. 
VERDADES DE CAMPO 
Estas deben realizarse de manera tal de capturar ejemplos de todas las clases 
a estudiar procurando que las mismas sean representativas de las coberturas 
presentes de la zona en estudio, como así también de su estado fenológico, 
agronómico, etc. Se confeccionará (en caso de que las instituciones no lo 
hayan hecho) un instructivo con las consideraciones a tener en cuenta para el 
levantamiento de datos de campo. Una vez tomadas las muestras a campo, 
trazar los polígonos para la definición espectral de cada uso. Estos no deben 
ser necesariamente regulares y no deben incluir los bordes, para maximizar la 
pureza de las muestras y disminuir al máximo el desvío estándar de cada clase. 
Hay que tener especial cuidado en no incluir las áreas marginales de las 
parcelas, ya que aumentan la variabilidad real de la clase por contaminación. 
En un lote pueden coexistir dos o tres subclases de una misma clase, por lo 
tanto, es fundamental la correcta identificación de las mismas a campo y 
clasificarlas por separado, uniéndolas cuando se presenta el producto final. 
La bibliografía menciona un mínimo de superficie a muestrear del orden del 
seis por ciento del área de estudio (LARS-Purdue University, proyecto 
Multispect 1998). 
Los segmentos muestrales serán utilizados para generar las verdades de 
campo y determinar aquella superficie destinada a agricultura y que proporción 
de esta es destinada a cada cultivo. En el caso de no disponer de imágenes en 
alguna región o período, deberá preveerse algún ajuste para poder estimar la 
superficie sembrada en cada subrregión. 
Debido a que el proyecto prevé realizar censos de segmentos, distribuídos al 
azar dentro de estratos (subzonas) homogéneas, previamente definidas por 
integración de información satelital, ambiental y censal, se tomarán a éstos 
como fuente de información para las verdades de campo que permitirán 
estimar tanto área con agricultura como el error de estimación de la misma. 
METODO DE CLASIFICACION 
Este es un punto árido de abordar, ya que no existe una metodología que se 
adapte a todas las zonas. La más difundida es la clasificación supervisada, 
utilizando el algoritmo de Mahalanobis o vecino más próximo, por presentar 
menor superpocisión entre clases, e incluyen además la covarianza como 
elemento discriminatorio. También podrá emplearse la máxima probabilidad 
(“maximum likelihood”). 
Las firmas resultantes deberán contar con los niveles máximos de separabilidad 
entre sí medida por JM o divergencia transformada. 
Funciona bien en zonas con estructuras ambientales homogéneas (caso zona 
núcleo sojera o áreas extensas con monocultivo). En aquellas zonas donde han 
puesto a punto esta metodología, se continuará con la misma. La condición sin 
equanon en todos los casos es detallar exhaustivamente el error en cada
clasificación (error de comisión y de omisión por cada clase). Normalmente se 
acepta como buen indicador un Kappa de 0.75 o bien una “overall accuracy” de 
85% o superior en la matriz de confusión. Si el resultado es de inferior calidad, 
se presentará igual, haciendo siempre la salvedad del error. Esto es muy 
común cuando la disponibilidad de imágenes es inadecuada o las fechas 
disponibles no son las optimas. 
Aquellas zonas que por motivos particulares no logren buenos resultados con 
esta metodología y tengan ajustado un método, éste podrá ser incluído a este 
protocolo, siempre detallando el error obtenido. Del mismo modo, en caso de 
no poder realizarse un trabajo de campo exhaustivo, o cuando se dude de la 
representatividad de las firmas, se podrá realizar una clasificación no 
supervisada (algoritmo ISODATA o similar) para posteriormente hacer el 
labeling de las clases resultantes. 
En aquellos casos donde predominen ambientes muy heterogeneos, se 
recomienda la determinación de patrones espectrales y aplicar el método del 
árbol (RSI 2001, Clark University 2006, Vázquez et al 2006). 
Los resultados se presentarán de manera tabulada, resumiendo superficie de 
cada uso del suelo por subzona. La superficie deberá ser corregida por los 
valores hallados en la matriz de confusión. 
Métodos alternativos de clasificación: patrones espectrales 
Para aquellas zonas donde estos métodos convencionales no funcionan, se 
propone desarrollar una línea de investigación para definir patrones espectrales 
de los usos del suelo para poder definir cual es el grado de discriminación 
factible de obtener con los sensores disponibles. 
De esta manera, se crearía una biblioteca espectral de los distintos usos del 
suelo a nivel de las regiones más heterogéneas, que permita alimentar a un 
sistema experto para la extracción de usos del suelo. 
El método del Arbol es uno de los métodos más potentes existentes. Depende 
de tener un gran conocimiento del comportamiento espectral de los cuerpos a 
evaluar en el espacio y en el tiempo, lo cual hace dificultosa su 
implementación. Su lógica es la de un sistema experto, tratando de separar 
primariamente aquellos cuerpos fácilmente identificables y eliminándolos en 
subsecuentes clasificaciones, lo que disminuye notoriamente los errores por 
comisión. Puede utilizar determinada banda en un momento y eludirla en otro, 
cuando ésta no sea un aporte significativo para la discriminación del elemento 
a clasificar. 
La EEA Cuenca del Salado ya ha realizado una prueba de éste procedimiento, 
logrando mejoras muy significativas en cuanto a la calidad de los resultados de 
las clasificaciones, por lo cual se impulsa este tipo de trabajo para realizarse en 
otras zonas.
ADQUISISION DE IMÁGENES - PROVEEDOR 
Las fechas de adquisición de las imágenes estarán ligadas a los momentos en 
que se realizan las labores en cada zona. Para cubrir toda el área de trabajo y 
determinar usos del suelo, se requerirán de xx imágenes Landsat 8 OLI 
http://glovis.usgs.gov/ , u otras fuentes por ejemplo del INPE http://www.inpe.br/ . 
Para la estimación de áreas afectadas por estrés hídrico se utilizarán imágenes 
MODIS Aqua o Terra, las cuales pueden detectar diferencias de temperatura de 
superficie con un error de décima de grado (imágenes de 16 bits). Para esta 
operación, las imágenes pueden adquirirse de manera gratuita en 
http://edcimswww.cr.usgs.gov. El algoritmo que se propone utilizar es el 
desarrollado por Rivas et al (2005), el cual fue validado en las provincias de 
Buenos Aires y La Pampa con un error inferior al 20 porciento. 
Bibliografía 
1. Carlson T. y Riziley D. (1997). On the Relation between NDVI, Fractional Vegetation 
Cover, and Leaf Area Index. Remote Sens. Environ. 62: 241-252. 
2. Caselles V. y López M. J. (1989). An alternative simple approach to estimate 
atmospheric correction in multitemporal studies. Int. J. Remote Sensing. 10: 1127- 
1134. 
3. Chuvieco E. (2000). Fundamentos de teledetección espacial. Capítulo 7. Tratamiento 
digital de imágenes: II. Generación de información temática Ediciones Rialp, S.A. 
Madrid. Tercera edición. 406-408. 
4. Gitelson A. A., Stark R., Grits U., Rundquist D., Kaufman Y. y Derry Y. (2002). 
Vegetation and soil lines in visible spectral space: a concept and technique for remote 
estimation of vegetation fraction. Int. J. Remote Sensing. 23 (13), 2537–2562. 
5. Matsushita B. y Tamura M. (2002). Integrating remotely sensed data with an 
ecosystem model to estimate net primary productivity in East Asia. Remote Sens. 
Environ. 81: 58–66. 
6. NASA. (2001). Landsat 7 Science Data Users Handbook: 
http://ltpwww.gsfc.nasa.gov/IAS/handbook/handbook_htmls/chapter12/chapter12.htm 
l 
7. Rivas, R., Weizetel, P. y Usunoff E. (2005). Resultados preliminares de la estimación 
del estrés hídrico a partir de temperatura de superficie y NDVI. Actas II Seminario 
Hispano-Latinoamericano sobre temas actuales en Hidrología Subterránea – Relación 
aguas suoperficiales – aguas subterráneas. Río Cuarto – Cordoba. 195-202. 
8. Skidmore A. K. (1989). An expert system classifies eucaliptus forest types using 
Thematic Mapper data and digital terrain model. Photogrammetric Eng. and Remote 
Sensing. 55: 1149-1464. 
9. USGS. (2000). MRLC 2000 Image Preprocessing Procedure. U.S. Department of 
Interior. 8 pp. 
10. Vázquez, P., Massuelli, S. y Platzeck G. (2006). Determinación de patrones espectrales 
para distintos usos del suelo en ambientes heterogéneos. Publicación técnica nº1. 
Ediciones INTA. ISSN 1850-6496. 34 pp.

Más contenido relacionado

La actualidad más candente

Estacion total y gps promark
Estacion total y gps promarkEstacion total y gps promark
Estacion total y gps promark
Francois Mello
 
Agricultura de presición
Agricultura de presiciónAgricultura de presición
Agricultura de presición
Felipe Cofré
 
Aplicación de un sistema de información geográfica para plan
Aplicación de un sistema de información geográfica para planAplicación de un sistema de información geográfica para plan
Aplicación de un sistema de información geográfica para plan
Juan Abanto
 
Nuevas tecnologías en el medio ambiente
Nuevas tecnologías en el medio ambienteNuevas tecnologías en el medio ambiente
Nuevas tecnologías en el medio ambiente
Matias ascanio
 
Determinación área foliar_allium cepa
Determinación área foliar_allium cepaDeterminación área foliar_allium cepa
Determinación área foliar_allium cepa
Colegio Sagrado Corazon - Esclavas Cordoba
 
Teoria gps tema 12
Teoria gps tema 12Teoria gps tema 12
Teoria gps tema 12
DANIEL AMAYA
 
Aplicaciones y herramientas de ecogeografía para la colecta, conservación y u...
Aplicaciones y herramientas de ecogeografía para la colecta, conservación y u...Aplicaciones y herramientas de ecogeografía para la colecta, conservación y u...
Aplicaciones y herramientas de ecogeografía para la colecta, conservación y u...
Mauricio Parra Quijano
 
Sistemas De Lev[1]. Inerciales Y Por Satelite
Sistemas De Lev[1]. Inerciales Y Por SateliteSistemas De Lev[1]. Inerciales Y Por Satelite
Sistemas De Lev[1]. Inerciales Y Por Satelite
javier espinosa
 
Submuestras -- steinbach
Submuestras  -- steinbachSubmuestras  -- steinbach
Submuestras -- steinbach
edafoIPA
 

La actualidad más candente (9)

Estacion total y gps promark
Estacion total y gps promarkEstacion total y gps promark
Estacion total y gps promark
 
Agricultura de presición
Agricultura de presiciónAgricultura de presición
Agricultura de presición
 
Aplicación de un sistema de información geográfica para plan
Aplicación de un sistema de información geográfica para planAplicación de un sistema de información geográfica para plan
Aplicación de un sistema de información geográfica para plan
 
Nuevas tecnologías en el medio ambiente
Nuevas tecnologías en el medio ambienteNuevas tecnologías en el medio ambiente
Nuevas tecnologías en el medio ambiente
 
Determinación área foliar_allium cepa
Determinación área foliar_allium cepaDeterminación área foliar_allium cepa
Determinación área foliar_allium cepa
 
Teoria gps tema 12
Teoria gps tema 12Teoria gps tema 12
Teoria gps tema 12
 
Aplicaciones y herramientas de ecogeografía para la colecta, conservación y u...
Aplicaciones y herramientas de ecogeografía para la colecta, conservación y u...Aplicaciones y herramientas de ecogeografía para la colecta, conservación y u...
Aplicaciones y herramientas de ecogeografía para la colecta, conservación y u...
 
Sistemas De Lev[1]. Inerciales Y Por Satelite
Sistemas De Lev[1]. Inerciales Y Por SateliteSistemas De Lev[1]. Inerciales Y Por Satelite
Sistemas De Lev[1]. Inerciales Y Por Satelite
 
Submuestras -- steinbach
Submuestras  -- steinbachSubmuestras  -- steinbach
Submuestras -- steinbach
 

Destacado

classification of Landsat 7 satellite imagery using ERDAS Image
classification of Landsat 7 satellite imagery using ERDAS Imageclassification of Landsat 7 satellite imagery using ERDAS Image
classification of Landsat 7 satellite imagery using ERDAS Image
Valley University from Cali-Colombia
 
Protocolo ortorectificacion-imagenes-landsat
Protocolo ortorectificacion-imagenes-landsatProtocolo ortorectificacion-imagenes-landsat
Protocolo ortorectificacion-imagenes-landsat
Renny Daniel Diaz Aguilar
 
03 fotografia aerea chile plan de vuelo
03 fotografia aerea chile plan de vuelo03 fotografia aerea chile plan de vuelo
03 fotografia aerea chile plan de vuelo
Juan Luis Chiri Quispe
 
escáneres fotogram
escáneres fotogramescáneres fotogram
escáneres fotogram
equiros
 
El scanner marlon mejia
El scanner marlon mejiaEl scanner marlon mejia
El scanner marlon mejia
Jey Mejia
 
El Escáner
El EscánerEl Escáner
El Escáner
yoleidy3
 
Teledeteccion
TeledeteccionTeledeteccion
Teledeteccion
jlherreraescorcia
 
Introducción a la Teledetección
Introducción a la TeledetecciónIntroducción a la Teledetección
Introducción a la Teledetección
Andrea Drozd
 
Windows 8 Guía Práctica
Windows 8 Guía PrácticaWindows 8 Guía Práctica
Windows 8 Guía Práctica
pedro martinez
 
Teledetección
TeledetecciónTeledetección
Teledetección
Eduardo Gómez
 

Destacado (10)

classification of Landsat 7 satellite imagery using ERDAS Image
classification of Landsat 7 satellite imagery using ERDAS Imageclassification of Landsat 7 satellite imagery using ERDAS Image
classification of Landsat 7 satellite imagery using ERDAS Image
 
Protocolo ortorectificacion-imagenes-landsat
Protocolo ortorectificacion-imagenes-landsatProtocolo ortorectificacion-imagenes-landsat
Protocolo ortorectificacion-imagenes-landsat
 
03 fotografia aerea chile plan de vuelo
03 fotografia aerea chile plan de vuelo03 fotografia aerea chile plan de vuelo
03 fotografia aerea chile plan de vuelo
 
escáneres fotogram
escáneres fotogramescáneres fotogram
escáneres fotogram
 
El scanner marlon mejia
El scanner marlon mejiaEl scanner marlon mejia
El scanner marlon mejia
 
El Escáner
El EscánerEl Escáner
El Escáner
 
Teledeteccion
TeledeteccionTeledeteccion
Teledeteccion
 
Introducción a la Teledetección
Introducción a la TeledetecciónIntroducción a la Teledetección
Introducción a la Teledetección
 
Windows 8 Guía Práctica
Windows 8 Guía PrácticaWindows 8 Guía Práctica
Windows 8 Guía Práctica
 
Teledetección
TeledetecciónTeledetección
Teledetección
 

Similar a Protocolo de trabajo teledetección y sig

Extracción de datos de imágenes de satellite_cor
Extracción de datos de imágenes de satellite_corExtracción de datos de imágenes de satellite_cor
Extracción de datos de imágenes de satellite_cor
J. David Urquiza Munoz
 
Kc
KcKc
Metodología inundaciones
Metodología inundacionesMetodología inundaciones
Metodología inundaciones
Oscar León
 
Insumos cartograficos de apoyo para el proyecto GSOC 2017 (Mx-CC)
Insumos cartograficos de apoyo para el proyecto GSOC 2017 (Mx-CC)Insumos cartograficos de apoyo para el proyecto GSOC 2017 (Mx-CC)
Insumos cartograficos de apoyo para el proyecto GSOC 2017 (Mx-CC)
ExternalEvents
 
Cálculo De Las Necesidades De Agua De Los Cultivos En Línea
Cálculo De Las Necesidades De Agua De Los Cultivos En LíneaCálculo De Las Necesidades De Agua De Los Cultivos En Línea
Cálculo De Las Necesidades De Agua De Los Cultivos En Línea
Maria Gloria Romero
 
Cartografia
CartografiaCartografia
Cartografia
fulvio cabrera
 
Metodologia suelo contaminado
Metodologia  suelo contaminadoMetodologia  suelo contaminado
Metodologia suelo contaminado
Henry Gonzales
 
Protocolo de muestreo ver 2
Protocolo de muestreo ver 2Protocolo de muestreo ver 2
Protocolo de muestreo ver 2
tito rene flores velasquez
 
Geoestadistica aplicada a la edafologia
Geoestadistica aplicada a la edafologiaGeoestadistica aplicada a la edafologia
Geoestadistica aplicada a la edafologia
Eduardo Mera
 
Proyecto desertificación
Proyecto desertificaciónProyecto desertificación
Proyecto desertificación
Pastor Mogollón
 
Presentacion de la precipitacion media en la cuenca de un rio
Presentacion de la precipitacion media en la cuenca de un rioPresentacion de la precipitacion media en la cuenca de un rio
Presentacion de la precipitacion media en la cuenca de un rio
katherinedubraska
 
Analisis espacio temporal de la precipitacion y temperatura mensual en las zo...
Analisis espacio temporal de la precipitacion y temperatura mensual en las zo...Analisis espacio temporal de la precipitacion y temperatura mensual en las zo...
Analisis espacio temporal de la precipitacion y temperatura mensual en las zo...
Hydronotes
 
La corrección atmosférica en las imágenes de satélite
La corrección atmosférica en las imágenes de satéliteLa corrección atmosférica en las imágenes de satélite
La corrección atmosférica en las imágenes de satélite
Golgi Alvarez
 
Proyecto Glocharid - Bloque 4 - Ecosistemas y Gestión
Proyecto Glocharid - Bloque 4 - Ecosistemas y GestiónProyecto Glocharid - Bloque 4 - Ecosistemas y Gestión
Proyecto Glocharid - Bloque 4 - Ecosistemas y Gestión
CAESCG.org
 
Idi 008 av
Idi 008 avIdi 008 av
Idi 008 av
Angel Valera
 
Andy J Deforestation in colombia terra-i model medellin acodal sept 2010
Andy J Deforestation in colombia terra-i model medellin acodal sept 2010Andy J Deforestation in colombia terra-i model medellin acodal sept 2010
Andy J Deforestation in colombia terra-i model medellin acodal sept 2010
Decision and Policy Analysis Program
 
Andy j Deforestation in colombia terra-i model medellin acodal sept 2010
Andy j Deforestation in colombia terra-i model medellin acodal sept 2010Andy j Deforestation in colombia terra-i model medellin acodal sept 2010
Andy j Deforestation in colombia terra-i model medellin acodal sept 2010
Decision and Policy Analysis Program
 
Notas Conceptuales del Manejo por ambientes y el manejo sitio específico: exp...
Notas Conceptuales del Manejo por ambientes y el manejo sitio específico: exp...Notas Conceptuales del Manejo por ambientes y el manejo sitio específico: exp...
Notas Conceptuales del Manejo por ambientes y el manejo sitio específico: exp...
Gabriel Vazquez Amabile
 
Filtros wenner
Filtros wennerFiltros wenner
Filtros wenner
Raul Marihuan Gonzalez
 
Avance Metodologia Usos Suelo 020409
Avance Metodologia Usos Suelo 020409Avance Metodologia Usos Suelo 020409
Avance Metodologia Usos Suelo 020409
Observatorio de Cambio Global Sierra Nevada
 

Similar a Protocolo de trabajo teledetección y sig (20)

Extracción de datos de imágenes de satellite_cor
Extracción de datos de imágenes de satellite_corExtracción de datos de imágenes de satellite_cor
Extracción de datos de imágenes de satellite_cor
 
Kc
KcKc
Kc
 
Metodología inundaciones
Metodología inundacionesMetodología inundaciones
Metodología inundaciones
 
Insumos cartograficos de apoyo para el proyecto GSOC 2017 (Mx-CC)
Insumos cartograficos de apoyo para el proyecto GSOC 2017 (Mx-CC)Insumos cartograficos de apoyo para el proyecto GSOC 2017 (Mx-CC)
Insumos cartograficos de apoyo para el proyecto GSOC 2017 (Mx-CC)
 
Cálculo De Las Necesidades De Agua De Los Cultivos En Línea
Cálculo De Las Necesidades De Agua De Los Cultivos En LíneaCálculo De Las Necesidades De Agua De Los Cultivos En Línea
Cálculo De Las Necesidades De Agua De Los Cultivos En Línea
 
Cartografia
CartografiaCartografia
Cartografia
 
Metodologia suelo contaminado
Metodologia  suelo contaminadoMetodologia  suelo contaminado
Metodologia suelo contaminado
 
Protocolo de muestreo ver 2
Protocolo de muestreo ver 2Protocolo de muestreo ver 2
Protocolo de muestreo ver 2
 
Geoestadistica aplicada a la edafologia
Geoestadistica aplicada a la edafologiaGeoestadistica aplicada a la edafologia
Geoestadistica aplicada a la edafologia
 
Proyecto desertificación
Proyecto desertificaciónProyecto desertificación
Proyecto desertificación
 
Presentacion de la precipitacion media en la cuenca de un rio
Presentacion de la precipitacion media en la cuenca de un rioPresentacion de la precipitacion media en la cuenca de un rio
Presentacion de la precipitacion media en la cuenca de un rio
 
Analisis espacio temporal de la precipitacion y temperatura mensual en las zo...
Analisis espacio temporal de la precipitacion y temperatura mensual en las zo...Analisis espacio temporal de la precipitacion y temperatura mensual en las zo...
Analisis espacio temporal de la precipitacion y temperatura mensual en las zo...
 
La corrección atmosférica en las imágenes de satélite
La corrección atmosférica en las imágenes de satéliteLa corrección atmosférica en las imágenes de satélite
La corrección atmosférica en las imágenes de satélite
 
Proyecto Glocharid - Bloque 4 - Ecosistemas y Gestión
Proyecto Glocharid - Bloque 4 - Ecosistemas y GestiónProyecto Glocharid - Bloque 4 - Ecosistemas y Gestión
Proyecto Glocharid - Bloque 4 - Ecosistemas y Gestión
 
Idi 008 av
Idi 008 avIdi 008 av
Idi 008 av
 
Andy J Deforestation in colombia terra-i model medellin acodal sept 2010
Andy J Deforestation in colombia terra-i model medellin acodal sept 2010Andy J Deforestation in colombia terra-i model medellin acodal sept 2010
Andy J Deforestation in colombia terra-i model medellin acodal sept 2010
 
Andy j Deforestation in colombia terra-i model medellin acodal sept 2010
Andy j Deforestation in colombia terra-i model medellin acodal sept 2010Andy j Deforestation in colombia terra-i model medellin acodal sept 2010
Andy j Deforestation in colombia terra-i model medellin acodal sept 2010
 
Notas Conceptuales del Manejo por ambientes y el manejo sitio específico: exp...
Notas Conceptuales del Manejo por ambientes y el manejo sitio específico: exp...Notas Conceptuales del Manejo por ambientes y el manejo sitio específico: exp...
Notas Conceptuales del Manejo por ambientes y el manejo sitio específico: exp...
 
Filtros wenner
Filtros wennerFiltros wenner
Filtros wenner
 
Avance Metodologia Usos Suelo 020409
Avance Metodologia Usos Suelo 020409Avance Metodologia Usos Suelo 020409
Avance Metodologia Usos Suelo 020409
 

Más de Eduardo Rollero

Mapeo de Cultivos de la República Argentina
Mapeo de Cultivos de la República ArgentinaMapeo de Cultivos de la República Argentina
Mapeo de Cultivos de la República Argentina
Eduardo Rollero
 
Heladas en trigo iii
Heladas en trigo iiiHeladas en trigo iii
Heladas en trigo iii
Eduardo Rollero
 
Imagen Landsat 4 MSS
Imagen Landsat 4 MSSImagen Landsat 4 MSS
Imagen Landsat 4 MSS
Eduardo Rollero
 
Superficie con Maíz en deptos. de Santiago del Estero
Superficie con Maíz en deptos. de Santiago del EsteroSuperficie con Maíz en deptos. de Santiago del Estero
Superficie con Maíz en deptos. de Santiago del Estero
Eduardo Rollero
 
Clasificación Supervizada ENVI - ArcGis
Clasificación Supervizada ENVI - ArcGisClasificación Supervizada ENVI - ArcGis
Clasificación Supervizada ENVI - ArcGis
Eduardo Rollero
 
Lluvias Anuales 2014
Lluvias Anuales 2014Lluvias Anuales 2014
Lluvias Anuales 2014
Eduardo Rollero
 
Present14
Present14Present14
Present14
Eduardo Rollero
 
Inundación en Hipólito Yrigoyen
Inundación en Hipólito YrigoyenInundación en Hipólito Yrigoyen
Inundación en Hipólito Yrigoyen
Eduardo Rollero
 
Imagen satelital Modis - Terra del 27 de Agosto de 2012
Imagen satelital Modis - Terra del 27 de Agosto de 2012Imagen satelital Modis - Terra del 27 de Agosto de 2012
Imagen satelital Modis - Terra del 27 de Agosto de 2012
Eduardo Rollero
 
Sccc2012 iv jornada_docente completa
Sccc2012 iv jornada_docente completaSccc2012 iv jornada_docente completa
Sccc2012 iv jornada_docente completa
Eduardo Rollero
 
Inundación bolivar12
Inundación bolivar12Inundación bolivar12
Inundación bolivar12
Eduardo Rollero
 
Inundación en Hipólito Yrigoyen
Inundación en Hipólito YrigoyenInundación en Hipólito Yrigoyen
Inundación en Hipólito Yrigoyen
Eduardo Rollero
 
Inundación
InundaciónInundación
Inundación
Eduardo Rollero
 
Coberturas en Hipólito Yrigoyen
Coberturas en Hipólito YrigoyenCoberturas en Hipólito Yrigoyen
Coberturas en Hipólito Yrigoyen
Eduardo Rollero
 
Monitoreoclimatico0312 2
Monitoreoclimatico0312 2Monitoreoclimatico0312 2
Monitoreoclimatico0312 2
Eduardo Rollero
 
Informe sequia se cyot fav unrc
Informe sequia se cyot fav unrcInforme sequia se cyot fav unrc
Informe sequia se cyot fav unrc
Eduardo Rollero
 
Metodo estimacionolivo
Metodo estimacionolivoMetodo estimacionolivo
Metodo estimacionolivo
Eduardo Rollero
 
Agricultura conosur
Agricultura conosurAgricultura conosur
Agricultura conosur
Eduardo Rollero
 
Laf inpe modis_evi2_series_temporais_portugues
Laf inpe modis_evi2_series_temporais_portuguesLaf inpe modis_evi2_series_temporais_portugues
Laf inpe modis_evi2_series_temporais_portugues
Eduardo Rollero
 
N 89
N 89N 89

Más de Eduardo Rollero (20)

Mapeo de Cultivos de la República Argentina
Mapeo de Cultivos de la República ArgentinaMapeo de Cultivos de la República Argentina
Mapeo de Cultivos de la República Argentina
 
Heladas en trigo iii
Heladas en trigo iiiHeladas en trigo iii
Heladas en trigo iii
 
Imagen Landsat 4 MSS
Imagen Landsat 4 MSSImagen Landsat 4 MSS
Imagen Landsat 4 MSS
 
Superficie con Maíz en deptos. de Santiago del Estero
Superficie con Maíz en deptos. de Santiago del EsteroSuperficie con Maíz en deptos. de Santiago del Estero
Superficie con Maíz en deptos. de Santiago del Estero
 
Clasificación Supervizada ENVI - ArcGis
Clasificación Supervizada ENVI - ArcGisClasificación Supervizada ENVI - ArcGis
Clasificación Supervizada ENVI - ArcGis
 
Lluvias Anuales 2014
Lluvias Anuales 2014Lluvias Anuales 2014
Lluvias Anuales 2014
 
Present14
Present14Present14
Present14
 
Inundación en Hipólito Yrigoyen
Inundación en Hipólito YrigoyenInundación en Hipólito Yrigoyen
Inundación en Hipólito Yrigoyen
 
Imagen satelital Modis - Terra del 27 de Agosto de 2012
Imagen satelital Modis - Terra del 27 de Agosto de 2012Imagen satelital Modis - Terra del 27 de Agosto de 2012
Imagen satelital Modis - Terra del 27 de Agosto de 2012
 
Sccc2012 iv jornada_docente completa
Sccc2012 iv jornada_docente completaSccc2012 iv jornada_docente completa
Sccc2012 iv jornada_docente completa
 
Inundación bolivar12
Inundación bolivar12Inundación bolivar12
Inundación bolivar12
 
Inundación en Hipólito Yrigoyen
Inundación en Hipólito YrigoyenInundación en Hipólito Yrigoyen
Inundación en Hipólito Yrigoyen
 
Inundación
InundaciónInundación
Inundación
 
Coberturas en Hipólito Yrigoyen
Coberturas en Hipólito YrigoyenCoberturas en Hipólito Yrigoyen
Coberturas en Hipólito Yrigoyen
 
Monitoreoclimatico0312 2
Monitoreoclimatico0312 2Monitoreoclimatico0312 2
Monitoreoclimatico0312 2
 
Informe sequia se cyot fav unrc
Informe sequia se cyot fav unrcInforme sequia se cyot fav unrc
Informe sequia se cyot fav unrc
 
Metodo estimacionolivo
Metodo estimacionolivoMetodo estimacionolivo
Metodo estimacionolivo
 
Agricultura conosur
Agricultura conosurAgricultura conosur
Agricultura conosur
 
Laf inpe modis_evi2_series_temporais_portugues
Laf inpe modis_evi2_series_temporais_portuguesLaf inpe modis_evi2_series_temporais_portugues
Laf inpe modis_evi2_series_temporais_portugues
 
N 89
N 89N 89
N 89
 

Último

Anestesia.Secretos 4 ed_booksmedicos.org.pdf
Anestesia.Secretos 4 ed_booksmedicos.org.pdfAnestesia.Secretos 4 ed_booksmedicos.org.pdf
Anestesia.Secretos 4 ed_booksmedicos.org.pdf
doctorito215
 
Clase 003- Agentes polinizadores (1).pptx
Clase 003- Agentes polinizadores (1).pptxClase 003- Agentes polinizadores (1).pptx
Clase 003- Agentes polinizadores (1).pptx
NayeliCabezas3
 
Biomoléculas: Lípidos y sus clasificaciones
Biomoléculas: Lípidos y sus clasificacionesBiomoléculas: Lípidos y sus clasificaciones
Biomoléculas: Lípidos y sus clasificaciones
MarianellaBrando
 
Practico de Histologia facultad de medicina
Practico de Histologia facultad de medicinaPractico de Histologia facultad de medicina
Practico de Histologia facultad de medicina
MessiRonaldo41
 
Presentación Tintes para el Cabello.pdf
Presentación  Tintes para el Cabello.pdfPresentación  Tintes para el Cabello.pdf
Presentación Tintes para el Cabello.pdf
ecillescas
 
Interpretación de Fenómenos Físicos de la materia.pptx
Interpretación de Fenómenos Físicos de la materia.pptxInterpretación de Fenómenos Físicos de la materia.pptx
Interpretación de Fenómenos Físicos de la materia.pptx
LorenaGutierrez600157
 
Tecnicas de fijacion en la criminalistica
Tecnicas de fijacion en la criminalisticaTecnicas de fijacion en la criminalistica
Tecnicas de fijacion en la criminalistica
KarinaJauregui10
 
Perforación de pozos. tipos de equipos de perforación.
Perforación de pozos. tipos de equipos de perforación.Perforación de pozos. tipos de equipos de perforación.
Perforación de pozos. tipos de equipos de perforación.
NikyLuna
 
Semiologia Reumatologica basica para medicina.pptx
Semiologia Reumatologica basica para medicina.pptxSemiologia Reumatologica basica para medicina.pptx
Semiologia Reumatologica basica para medicina.pptx
drdiegogarciab
 
Abraham ibn Ezinformacioncabalista rá al libro de Job.pdf
Abraham ibn Ezinformacioncabalista rá al libro de Job.pdfAbraham ibn Ezinformacioncabalista rá al libro de Job.pdf
Abraham ibn Ezinformacioncabalista rá al libro de Job.pdf
ramon839163
 
GUÍAS DOCENTES de matematicas para todos los niveles
GUÍAS DOCENTES de matematicas para todos los nivelesGUÍAS DOCENTES de matematicas para todos los niveles
GUÍAS DOCENTES de matematicas para todos los niveles
MarjorieCarvajal2
 
Presentacion de un caso de eminetomia la cual se realiza en pacientes con lux...
Presentacion de un caso de eminetomia la cual se realiza en pacientes con lux...Presentacion de un caso de eminetomia la cual se realiza en pacientes con lux...
Presentacion de un caso de eminetomia la cual se realiza en pacientes con lux...
RicardoAranda24
 
499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf
499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf
499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf
edwinrodiguezyaquett
 
ficha del SENTIDO DEL TACTO TERCERO.docx
ficha del SENTIDO DEL TACTO TERCERO.docxficha del SENTIDO DEL TACTO TERCERO.docx
ficha del SENTIDO DEL TACTO TERCERO.docx
RossMeryMunozTalledo
 
Exposición de Alcoholes, tipos y sus usos en la vida cotidiana
Exposición de Alcoholes, tipos y sus usos en la vida cotidianaExposición de Alcoholes, tipos y sus usos en la vida cotidiana
Exposición de Alcoholes, tipos y sus usos en la vida cotidiana
KleyderEspinozaSolis3
 
Tema: Velocidad en Física por Ing. Lorena Gutierrez Arenas
Tema: Velocidad en Física por Ing. Lorena Gutierrez ArenasTema: Velocidad en Física por Ing. Lorena Gutierrez Arenas
Tema: Velocidad en Física por Ing. Lorena Gutierrez Arenas
LorenaGutierrez600157
 
Teoria de la argumentacion juridica - Robert Alexy.pdf
Teoria de la argumentacion juridica - Robert Alexy.pdfTeoria de la argumentacion juridica - Robert Alexy.pdf
Teoria de la argumentacion juridica - Robert Alexy.pdf
GuzmanDagobertoRicar
 
examen de química tercero Secundaria .docx
examen de química tercero Secundaria .docxexamen de química tercero Secundaria .docx
examen de química tercero Secundaria .docx
anakarenviverosfranc
 
Ungüentos, pomadas, cremas, geles y pasta.docx
Ungüentos, pomadas, cremas, geles y pasta.docxUngüentos, pomadas, cremas, geles y pasta.docx
Ungüentos, pomadas, cremas, geles y pasta.docx
josegutierrezparvina
 
FICHA del PLAN PACHITO EL COCHINITO.docx
FICHA del PLAN PACHITO EL COCHINITO.docxFICHA del PLAN PACHITO EL COCHINITO.docx
FICHA del PLAN PACHITO EL COCHINITO.docx
RossMeryMunozTalledo
 

Último (20)

Anestesia.Secretos 4 ed_booksmedicos.org.pdf
Anestesia.Secretos 4 ed_booksmedicos.org.pdfAnestesia.Secretos 4 ed_booksmedicos.org.pdf
Anestesia.Secretos 4 ed_booksmedicos.org.pdf
 
Clase 003- Agentes polinizadores (1).pptx
Clase 003- Agentes polinizadores (1).pptxClase 003- Agentes polinizadores (1).pptx
Clase 003- Agentes polinizadores (1).pptx
 
Biomoléculas: Lípidos y sus clasificaciones
Biomoléculas: Lípidos y sus clasificacionesBiomoléculas: Lípidos y sus clasificaciones
Biomoléculas: Lípidos y sus clasificaciones
 
Practico de Histologia facultad de medicina
Practico de Histologia facultad de medicinaPractico de Histologia facultad de medicina
Practico de Histologia facultad de medicina
 
Presentación Tintes para el Cabello.pdf
Presentación  Tintes para el Cabello.pdfPresentación  Tintes para el Cabello.pdf
Presentación Tintes para el Cabello.pdf
 
Interpretación de Fenómenos Físicos de la materia.pptx
Interpretación de Fenómenos Físicos de la materia.pptxInterpretación de Fenómenos Físicos de la materia.pptx
Interpretación de Fenómenos Físicos de la materia.pptx
 
Tecnicas de fijacion en la criminalistica
Tecnicas de fijacion en la criminalisticaTecnicas de fijacion en la criminalistica
Tecnicas de fijacion en la criminalistica
 
Perforación de pozos. tipos de equipos de perforación.
Perforación de pozos. tipos de equipos de perforación.Perforación de pozos. tipos de equipos de perforación.
Perforación de pozos. tipos de equipos de perforación.
 
Semiologia Reumatologica basica para medicina.pptx
Semiologia Reumatologica basica para medicina.pptxSemiologia Reumatologica basica para medicina.pptx
Semiologia Reumatologica basica para medicina.pptx
 
Abraham ibn Ezinformacioncabalista rá al libro de Job.pdf
Abraham ibn Ezinformacioncabalista rá al libro de Job.pdfAbraham ibn Ezinformacioncabalista rá al libro de Job.pdf
Abraham ibn Ezinformacioncabalista rá al libro de Job.pdf
 
GUÍAS DOCENTES de matematicas para todos los niveles
GUÍAS DOCENTES de matematicas para todos los nivelesGUÍAS DOCENTES de matematicas para todos los niveles
GUÍAS DOCENTES de matematicas para todos los niveles
 
Presentacion de un caso de eminetomia la cual se realiza en pacientes con lux...
Presentacion de un caso de eminetomia la cual se realiza en pacientes con lux...Presentacion de un caso de eminetomia la cual se realiza en pacientes con lux...
Presentacion de un caso de eminetomia la cual se realiza en pacientes con lux...
 
499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf
499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf
499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf
 
ficha del SENTIDO DEL TACTO TERCERO.docx
ficha del SENTIDO DEL TACTO TERCERO.docxficha del SENTIDO DEL TACTO TERCERO.docx
ficha del SENTIDO DEL TACTO TERCERO.docx
 
Exposición de Alcoholes, tipos y sus usos en la vida cotidiana
Exposición de Alcoholes, tipos y sus usos en la vida cotidianaExposición de Alcoholes, tipos y sus usos en la vida cotidiana
Exposición de Alcoholes, tipos y sus usos en la vida cotidiana
 
Tema: Velocidad en Física por Ing. Lorena Gutierrez Arenas
Tema: Velocidad en Física por Ing. Lorena Gutierrez ArenasTema: Velocidad en Física por Ing. Lorena Gutierrez Arenas
Tema: Velocidad en Física por Ing. Lorena Gutierrez Arenas
 
Teoria de la argumentacion juridica - Robert Alexy.pdf
Teoria de la argumentacion juridica - Robert Alexy.pdfTeoria de la argumentacion juridica - Robert Alexy.pdf
Teoria de la argumentacion juridica - Robert Alexy.pdf
 
examen de química tercero Secundaria .docx
examen de química tercero Secundaria .docxexamen de química tercero Secundaria .docx
examen de química tercero Secundaria .docx
 
Ungüentos, pomadas, cremas, geles y pasta.docx
Ungüentos, pomadas, cremas, geles y pasta.docxUngüentos, pomadas, cremas, geles y pasta.docx
Ungüentos, pomadas, cremas, geles y pasta.docx
 
FICHA del PLAN PACHITO EL COCHINITO.docx
FICHA del PLAN PACHITO EL COCHINITO.docxFICHA del PLAN PACHITO EL COCHINITO.docx
FICHA del PLAN PACHITO EL COCHINITO.docx
 

Protocolo de trabajo teledetección y sig

  • 1. Protocolo de trabajo en el área de Teledetección y SIG con el objeto de determinar usos del suelo. Autores: Ing. Agr. MSc. Pablo Vazquez1, Ing. Agr. Florencio Moore1 e Ing. Claudio Fonda2. 1. INTA 2. SAGPyA INTRODUCCION Son conocidos los inconvenientes para identificar determinados usos o elementos específicos de un ambiente terrestre cuando la composición del paisaje es muy heterogénea tanto en relieve, suelos, como en el uso de los mismos. En el caso específico de los cultivos, estos aspectos muchas veces son descuidados. La fecha de siembra, el estado fenológico, el estado nutricional e hídrico, la sanidad y la tecnología con la que se implantó son factores determinantes de su respuesta radiométrica en el espacio y en el tiempo. Como es bien sabido, los objetos en la tierra emiten en longitudes de onda largas (térmico) y reflejan principalmente en el visible e IR. Este aspecto es vital para comprender el comportamiento radiométrico de los distintos objetos a estudiar y bajo que condiciones se los puede discriminar. Cuando se estudia un objeto, no siempre se lo puede comparar bajo las mismas condiciones, por lo cual es sumamente importante tener en cuenta su corrección para poder realizar la integracion de resultados en grandes áreas, comparar el comportamiento radiométrico en el tiempo y llegar a adecuadas interpretaciones. Dentro de estos aspectos podemos identificar: • Angulo de iluminación solar (fecha) • Relieve – rugosidad • Atmósfera y dispersión selectiva (CO2, agua, O2 y O3) • Fenología • Densidad y pureza de la cubierta (espacio-tiempo, áreas heterogéneas). El objetivo de este trabajo es delinear los pasos a seguir para lograr productos obtenidos a partir de la teledetección comparables en el tiempo y factibles de integrarse en la Pampa Húmeda para seguimiento de la evolución del área agrícola y caracterización de sus condiciones de desarrollo.
  • 2. La extensión, la heterogeneidad ambiental y usos del suelo a monitorear obligan a imponer una serie de condiciones de trabajo que permitan integrar la información tanto regional como temporalmente. CORRECCION ESPACIAL (GEORREFERENCIACION) Se tomará la proyección Gauss-Kruger, datum WGS84, como referencia de todo el proyecto. Para integrar toda la información, se proyectará todo sobre la faja 5, siendo ésta la faja central del sector, minimizando de esta manera las deformaciones. Para lograr este resultado, se construyó un mosaico de referencia de toda la región con imágenes pancromáticas Landsat ETM7 ortorrectificadas, disponibles en la página http://glcfapp.umiacs.umd.edu:8080/esdi/index.jsp, cuyas proyecciones originales estan en UTM. El error en x e y de estas imágenes es de 1 pixel (14 m), y su concordancia con transectas GPS es inmejorable en la proyección original, ya que tanto la señal GPS como estas imágenes fueron calibradas por la NASA (sistema de geoposicionamiento Galileo). Se corroboró que el error de un pixel se mantuvo inalterado al transformar la proyección UTM original de cada imagen a Gauss Kruger faja 5, en un área cruzada por las fajas 4, 5 y 6. La georreferenciación se realizará con el método de rotación - traslación - rescalado (RTS), con algoritmo de cálculo nearest neighbour (vecino más próximo), ya que no distorsiona el valor original de los píxeles cuando se realiza la reproyección. Para minimizar los errores, se recomienda seguir el siguiente patrón al momento de asignar los puntos de control. De esta manera se equilibra el peso relativo de cada punto nuevo de referencia que se agrega. 1 3 10 6 12 8 5 9 7 13 11 4 2 Bajo estas condiciones, es posible lograr muy buenas correcciones geométricas con 13 – 17 puntos.
  • 3. CONSOLIDACION DE IMAGENES Debido a que los valores de imágenes vecinas no tienen valores similares, ya sea por cuestiones del sensor o simplemente por desfasajes en las fechas de adquisición (entre path vecinos), es necesario consolidar los datos para que usos similares tengan valores similares de reflectancia en el área de estudio. Para corregir este factor de distorsión, se toman los valores de cuentas digitales punto a punto y banda por banda en la zona de superposición. Se obtienen una serie de puntos a los cuales se les aplica una función de regresión (en general las respuestas son lineales) y una vez obtenida la ecuación se aplica a la banda objetivo (Caselles y López, 1989). y = 0.6885x + 33.439 R2 = 0.987 120 100 80 60 40 20 0 -60 -40 -20 0 20 40 60 80 100 120 Función para consolidar datos de NDVI de las imágenes 224-85 y 225-85 para noviembre de 2003. CORRECCIONES ATMOSFERICAS Debido a la escala de trabajo planteada en este proyecto (alrededor de 1: 250.000), no se considera indispensable la corrección atmosférica. El objetivo es lograr un producto que pretende monitorear la evolución anual de los grandes usos del suelo, como agricultura, pastizales naturales, montes y bosques, cuerpos de agua, médanos móviles, etc., dependiendo de la región. En aquellos casos que se considera indispensable por características locales que así lo ameriten, hay varios métodos indirectos para corregir este fenómeno (método sustractivo de cuerpo oscuro, Chávez, atmósfera relativa, etc). Por su simplicidad, se propone utilizar el método de relativización, el cual consiste en tomar el valor en cuentas digitales de cada banda y dividirlo por el máximo valor hallado en esa imagen. De esta manera se obtienen bandas con valores expresados como porcentaje del máximo observado en esa fecha en particular. Esta propiedad es válida para ser aplicada a cualquier banda. SELECCIÓN DE BANDAS PARA LA CLASIFICACIÓN DE USOS DEL SUELO. El criterio de selección apunta a reducir el número de bandas, y que éstas sean representativas del espectro radiométrico a estudiar. En el caso del área de influencia del RIAN, encontramos situaciones que van desde el extremo desértico a zonas anegables, con ambientes donde el uso del suelo es homogéneo (zona núcleo sojera) o con situaciones de gran fragmentación del ambiente, típico de las zonas mixtas agrícola-ganaderas. Debido a que la
  • 4. mayor parte de los tipos de usos del suelo a identificar tienen una cobertura vegetal, las bandas más lógicas a seleccionar son las bandas roja, infrarroja cercana, infrarroja media e infrarroja lejana. Hay varios estudios que han demostrado la alta correlación existente entre el NDVI y el IAF (Indice de Area Foliar) (Carlson 1997, Matsushita 2002), por lo cual se propone remplazar las bandas roja e infrarroja cercana por este indicador de cobertura vegetal. Cabe aclarar que este índice es valido para zonas con buena cobertura vegetal, en aquellos casos donde la vegetación es muy rala (zonas semiáridas), se recomienda evaluar la relación existente entre la cobertura vegetal y otros indicadores que incluyan la curva de suelos en la estimación. Para estos casos, se propone al TSAVI (Gitelson 2002): (( ) ( )) R a IRC ab TSAVI a IRC − a R − b + − = * * Donde: IRC= banda del infrarrojo cercano R=banda del rojo. a= pendiente de la curva de suelos b= intercepto de la curva de suelos Para calcular la curva de suelo, la banda roja debe ir en el eje y, mientras que la infrarroja cercana en el eje x. Este algoritmo solo funciona bien en áreas con escasa vegetación, no siendo recomendado en zonas con buena cobertura. De esta manera, las principales bandas a utilizarse serían: NDVI: evolución del IAF de las coberturas vegetales, donde cada especie presentaría una curva IAF característica. Infrarrojo medio: banda sensible al grado de estrés o senescencia de las coberturas vegetales. Infrarrojo lejano: banda muy sensible al contenido de humedad de la vegetación y estados de anegamiento. DEFINICIÓN DE CLASES DE USO DEL SUELO La escala de trabajo definida para los productos de Teledetección estará definida principalmente por el tipo de sensor utilizado (en este caso LANDSAT), por lo cual la resolución de trabajo será 1:100.000 o menor. Esto permitiría discriminar, en términos generales y salvando algunas diferencias regionales, aproximadamente ocho clases de uso del suelo, las cuales no serán necesariamente puras (Vazquez et al 2006). Estas són: 1. Cultivos en activo crecimiento. 2. Cuerpos de agua y zonas anegadas. 3. Pastizales. 4. Rastrojos, vegetación seca y barbechos químicos. 5. Suelo desnudo y barbechos tradicionales.
  • 5. 6. Sierras. 7. Miscelaneas. 8. Montes. VERDADES DE CAMPO Estas deben realizarse de manera tal de capturar ejemplos de todas las clases a estudiar procurando que las mismas sean representativas de las coberturas presentes de la zona en estudio, como así también de su estado fenológico, agronómico, etc. Se confeccionará (en caso de que las instituciones no lo hayan hecho) un instructivo con las consideraciones a tener en cuenta para el levantamiento de datos de campo. Una vez tomadas las muestras a campo, trazar los polígonos para la definición espectral de cada uso. Estos no deben ser necesariamente regulares y no deben incluir los bordes, para maximizar la pureza de las muestras y disminuir al máximo el desvío estándar de cada clase. Hay que tener especial cuidado en no incluir las áreas marginales de las parcelas, ya que aumentan la variabilidad real de la clase por contaminación. En un lote pueden coexistir dos o tres subclases de una misma clase, por lo tanto, es fundamental la correcta identificación de las mismas a campo y clasificarlas por separado, uniéndolas cuando se presenta el producto final. La bibliografía menciona un mínimo de superficie a muestrear del orden del seis por ciento del área de estudio (LARS-Purdue University, proyecto Multispect 1998). Los segmentos muestrales serán utilizados para generar las verdades de campo y determinar aquella superficie destinada a agricultura y que proporción de esta es destinada a cada cultivo. En el caso de no disponer de imágenes en alguna región o período, deberá preveerse algún ajuste para poder estimar la superficie sembrada en cada subrregión. Debido a que el proyecto prevé realizar censos de segmentos, distribuídos al azar dentro de estratos (subzonas) homogéneas, previamente definidas por integración de información satelital, ambiental y censal, se tomarán a éstos como fuente de información para las verdades de campo que permitirán estimar tanto área con agricultura como el error de estimación de la misma. METODO DE CLASIFICACION Este es un punto árido de abordar, ya que no existe una metodología que se adapte a todas las zonas. La más difundida es la clasificación supervisada, utilizando el algoritmo de Mahalanobis o vecino más próximo, por presentar menor superpocisión entre clases, e incluyen además la covarianza como elemento discriminatorio. También podrá emplearse la máxima probabilidad (“maximum likelihood”). Las firmas resultantes deberán contar con los niveles máximos de separabilidad entre sí medida por JM o divergencia transformada. Funciona bien en zonas con estructuras ambientales homogéneas (caso zona núcleo sojera o áreas extensas con monocultivo). En aquellas zonas donde han puesto a punto esta metodología, se continuará con la misma. La condición sin equanon en todos los casos es detallar exhaustivamente el error en cada
  • 6. clasificación (error de comisión y de omisión por cada clase). Normalmente se acepta como buen indicador un Kappa de 0.75 o bien una “overall accuracy” de 85% o superior en la matriz de confusión. Si el resultado es de inferior calidad, se presentará igual, haciendo siempre la salvedad del error. Esto es muy común cuando la disponibilidad de imágenes es inadecuada o las fechas disponibles no son las optimas. Aquellas zonas que por motivos particulares no logren buenos resultados con esta metodología y tengan ajustado un método, éste podrá ser incluído a este protocolo, siempre detallando el error obtenido. Del mismo modo, en caso de no poder realizarse un trabajo de campo exhaustivo, o cuando se dude de la representatividad de las firmas, se podrá realizar una clasificación no supervisada (algoritmo ISODATA o similar) para posteriormente hacer el labeling de las clases resultantes. En aquellos casos donde predominen ambientes muy heterogeneos, se recomienda la determinación de patrones espectrales y aplicar el método del árbol (RSI 2001, Clark University 2006, Vázquez et al 2006). Los resultados se presentarán de manera tabulada, resumiendo superficie de cada uso del suelo por subzona. La superficie deberá ser corregida por los valores hallados en la matriz de confusión. Métodos alternativos de clasificación: patrones espectrales Para aquellas zonas donde estos métodos convencionales no funcionan, se propone desarrollar una línea de investigación para definir patrones espectrales de los usos del suelo para poder definir cual es el grado de discriminación factible de obtener con los sensores disponibles. De esta manera, se crearía una biblioteca espectral de los distintos usos del suelo a nivel de las regiones más heterogéneas, que permita alimentar a un sistema experto para la extracción de usos del suelo. El método del Arbol es uno de los métodos más potentes existentes. Depende de tener un gran conocimiento del comportamiento espectral de los cuerpos a evaluar en el espacio y en el tiempo, lo cual hace dificultosa su implementación. Su lógica es la de un sistema experto, tratando de separar primariamente aquellos cuerpos fácilmente identificables y eliminándolos en subsecuentes clasificaciones, lo que disminuye notoriamente los errores por comisión. Puede utilizar determinada banda en un momento y eludirla en otro, cuando ésta no sea un aporte significativo para la discriminación del elemento a clasificar. La EEA Cuenca del Salado ya ha realizado una prueba de éste procedimiento, logrando mejoras muy significativas en cuanto a la calidad de los resultados de las clasificaciones, por lo cual se impulsa este tipo de trabajo para realizarse en otras zonas.
  • 7. ADQUISISION DE IMÁGENES - PROVEEDOR Las fechas de adquisición de las imágenes estarán ligadas a los momentos en que se realizan las labores en cada zona. Para cubrir toda el área de trabajo y determinar usos del suelo, se requerirán de xx imágenes Landsat 8 OLI http://glovis.usgs.gov/ , u otras fuentes por ejemplo del INPE http://www.inpe.br/ . Para la estimación de áreas afectadas por estrés hídrico se utilizarán imágenes MODIS Aqua o Terra, las cuales pueden detectar diferencias de temperatura de superficie con un error de décima de grado (imágenes de 16 bits). Para esta operación, las imágenes pueden adquirirse de manera gratuita en http://edcimswww.cr.usgs.gov. El algoritmo que se propone utilizar es el desarrollado por Rivas et al (2005), el cual fue validado en las provincias de Buenos Aires y La Pampa con un error inferior al 20 porciento. Bibliografía 1. Carlson T. y Riziley D. (1997). On the Relation between NDVI, Fractional Vegetation Cover, and Leaf Area Index. Remote Sens. Environ. 62: 241-252. 2. Caselles V. y López M. J. (1989). An alternative simple approach to estimate atmospheric correction in multitemporal studies. Int. J. Remote Sensing. 10: 1127- 1134. 3. Chuvieco E. (2000). Fundamentos de teledetección espacial. Capítulo 7. Tratamiento digital de imágenes: II. Generación de información temática Ediciones Rialp, S.A. Madrid. Tercera edición. 406-408. 4. Gitelson A. A., Stark R., Grits U., Rundquist D., Kaufman Y. y Derry Y. (2002). Vegetation and soil lines in visible spectral space: a concept and technique for remote estimation of vegetation fraction. Int. J. Remote Sensing. 23 (13), 2537–2562. 5. Matsushita B. y Tamura M. (2002). Integrating remotely sensed data with an ecosystem model to estimate net primary productivity in East Asia. Remote Sens. Environ. 81: 58–66. 6. NASA. (2001). Landsat 7 Science Data Users Handbook: http://ltpwww.gsfc.nasa.gov/IAS/handbook/handbook_htmls/chapter12/chapter12.htm l 7. Rivas, R., Weizetel, P. y Usunoff E. (2005). Resultados preliminares de la estimación del estrés hídrico a partir de temperatura de superficie y NDVI. Actas II Seminario Hispano-Latinoamericano sobre temas actuales en Hidrología Subterránea – Relación aguas suoperficiales – aguas subterráneas. Río Cuarto – Cordoba. 195-202. 8. Skidmore A. K. (1989). An expert system classifies eucaliptus forest types using Thematic Mapper data and digital terrain model. Photogrammetric Eng. and Remote Sensing. 55: 1149-1464. 9. USGS. (2000). MRLC 2000 Image Preprocessing Procedure. U.S. Department of Interior. 8 pp. 10. Vázquez, P., Massuelli, S. y Platzeck G. (2006). Determinación de patrones espectrales para distintos usos del suelo en ambientes heterogéneos. Publicación técnica nº1. Ediciones INTA. ISSN 1850-6496. 34 pp.