Análisis espacial y fenológico de la vegetación en la cuenca del rio Chira por Teledeteccion

Resumen

El presente artículo forma parte del proyecto "MONITOREO DE LOS ECOSISTEMAS AGRICOLAS Y NATURALES EN LA REGION PIURA DESDE LAS TECNOLOGIAS: TELEDETECCION Y SISTEMAS DE INFORMACION GEOGRAFICA ". El objetivo de este trabajo es dar a conocer con la metodología utilizada desde (imágenes de satélite multitemporales LANDSAT y ASTER) y demostrar la importancia del análisis del índice de vegetación (NDVI). En este sentido, se ha logrado establecer patrones fenológicos de producción y crecimiento para los principales ecosistemas agrícolas y naturales en la cuenca del rio Chira: bosque seco de montaña, Bosque llanura, matorral, agricultura y suelo desnudo y/o desprotegido. Para ello se han analizado y procesado imágenes de satélite con el fin de seleccionar áreas de muestreo de valores de NDVI.

Una vez seleccionados y colectados los valores de NDVI para las imágenes en distintas fechas, se ha procedido a analizar el ecosistema (natural o artificial) seleccionado, utilizando un método de análisis temporal.

Los principales resultados obtenidos son: La variación fenológicos de los ecosistemas (naturales y artificiales) que se corresponden con la estacionalidad climática de las áreas estudiadas. En este sentido, la mayoría de los cambios y variaciones específicas para cada ecosistema son explicados en base a las características funcionales y estructurales de cada ecosistema. Los resultados obtenidos pueden servir como insumo para mejorar el proceso y clasificación de las imágenes de satélite con el objeto de elaborar mapas temáticos y contribuir a la mejor toma de decisiones en cuanto al uso adecuado de los calendarios agrícolas definidos para cultivos anuales y/o transitorios instalados en la cuenca. Palabras claves: Imágenes de satélite, bosque seco, índices de vegetación NDVI, series de tiempo.

Abstract

Presented study forms a part of the project "MONITORING OF THE AGRICULTURAL AND NATURAL ECOSYSTEMS IN THE PIURA REGION USING TECHNOLOGIES: REMOTE SENSING AND GEOGRAPHIC INFORMATION SYSTEMS". The objective of this paper is to present the methodology used in the study (multi-temporal satellite images LANDSAT and ASTER) and to demonstrate the relevance of the analysis of vegetation index (NDVI). Phenological patterns of production and growth were established for the main agricultural and natural ecosystems in the Chira River basin: dry mountain forest, forest plains, scrubland, agricultural land and bare and/or unprotected soils. For this purpose satellite images were analyzed and processed in order to select sampling areas for NDVI values.

Once the NDVI values were selected and collected for images of different dates, the selected ecosystem (natural or artificial) was analyzed, using a temporal analysis method. Main results obtained are: Phenological variations in ecosystems (natural and artificial) correspond to the climate seasonality in the studied areas. Most of the changes and specific variations in each ecosystem are explained on the basis of functional and structural characteristics of each one of them. The obtained results can serve as input for improvement of the processing and classification of satellite imagery in order to elaborate thematic maps and contribute to a better decision-making with respect to the appropriate use of agricultural calendars for annual and/or transitory crops in the basin.

Key words: Satellite images, dry forest, vegetation indices NDVI, time series.

ANALISIS ESPACIAL DE IMAGENES

INTRODUCCIÓN

La cuenca Catamayo-Chira es una de las más importantes cuencas binacionales del norte del Perú constituido por dos importantes ríos. En territorio peruano: el río Chira y en territorio ecuatoriano: el río Catamayo, ocupa una superficie de 19 095 km2 de los que 7162 km2 se encuentran en Ecuador y 11 933 km2 en Perú (ubicada entre las coordenadas 03º40"28" y 05º07"06" de Latitud Sur y 80º46"11" y 79º07"52" de Longitud Oeste). Dentro de la cuenca y desde un enfoque de desarrollo agrícola, destaca la ubicación de 2 importantes reservorios (Poechos y San Lorenzo) que sirven como regulador de las aguas procedentes de la cuenca alta, siendo los años de 1982, 1983, 1997 y 1998 los que representaron para la cuenca un serio problema al ser afectada por el Fenómeno El Niño, caracterizado por lluvias intensas y consecuentes inundaciones con gran arrastre de sedimentos generados por la erosión hídrica. Siendo, el principal usuario del sistema de la cuenca Chira, el sector agrícola utiliza el recurso hídrico para la producción de cultivos muchos de ellos con fines de exportación. De manera progresiva, la demanda de este recurso se hace cada vez mayor por la ampliación de las áreas agrícolas, en desmedro de los bosques secos por el desarrollo de actividades económicas como es el caso del uso de más de 20,000 ha, para la producción de etanol en base a cultivos de caña que genera nuevos conflictos por el destino del recurso hídrico (Ortiz, 2007).

Asimismo, el incremento en la demanda de producción de alimentos y la actividad forestal de carácter extractivo-selectivo (INRENA, 1995) produce su alteración, por la pérdida de especies de complicada regeneración natural (los bosques).

De lo expuesto, la teledetección al considerar los procesos productivos y ambientales, es una herramienta importante, al ofrecer una visión temporal y espacial de la cobertura y desarrollo de la vegetación (Hobbs 1989; Running 1989). Asimismo por su aplicación, permite su evaluación y seguimiento del estado de las cubiertas vegetales y su correlación con variables climáticas, por lo cual el ritmo de producción de biomasa verde para cada ecosistema dependerá de las condiciones ambientales principalmente del régimen climático (Monasterio y Sarmiento 1976; Sarmiento 1990). Bajo esta perspectiva, la teledetección, ha creado una gran expectativa en la caracterización biofísica de la vegetación, de ello los trabajos en esta área muestran relaciones empíricasentre la información captada por los sensores (radiancia), y diversas variables biofísicas [biomasa, índice de área foliar (IAF), cobertura, etc.]. De otro lado, los Sistemas de Información Geográfica SIG, representan una contribución al desarrollo de la agricultura a beneficio de quienes la trabajan y toman decisiones.

El objetivo del presente trabajo es determinar desde la interacción de imágenes de satélite ASTER y LANDSAT los estados fenológicos de los principales ecosistemas de un sector de estudio de la cuenca del rio Chira.

MÉTODOS

Tres imágenes de satélite fueron adquiridas para el desarrollo del estudio (1 imagen LANDSAT TM año 2000 con 30 metros de resolución en el infrarrojo y visible), imágenes Aster del sensor TERRA (Febrero del 2006 y 2007 con 15 metros de resolución en el visible e infrarrojo cercano y 30 metros en el infrarrojo medio), todas ellas imágenes de verano.

Definición de las estrategias de seguimiento

Para determinar la evolución normal de los ecosistemas que configuran el paisaje de la cuenca sería útil construir modelos que establezcan su relación con variables climáticas. De ello se considera la línea de trabajo abordada por autores que destacan la gran dependencia entre el NDVI y la climatología de la zona (Hielkema et al., 1986, Malo & Nicholson, 1990, Davenport & Nicholson, 1993), quienes encontraron correlaciones apreciables entre las

precipitaciones y los NDVI en zonas cálidas. Asimismo, niveles de clasificación entre las cubiertas vegetales fueron considerados para comprender los períodos del desarrollo fenológico de los cultivos instalados en las fechas adquiridas por el sensor y su estado mediante el uso del NDVI siendo necesario su análisis de la tendencia en el tiempo (Chuvieco, 1998).

Índices de Vegetación y Datos

Como magnitud física primaria, se ha utilizado tradicionalmente el análisis de reflectividad espectral que permite identificar rasgos de absorción atribuidos a la superficie bajo estudio. En el caso de la vegetación, estos rasgos son debidos principalmente a la presencia de clorofila, las cuales presentan una baja reflectividad, en el espectro electromagnético en la región espectral del rojo (0,62-0,70 µm) y una reflectividad alta en la región del infrarrojo cercano (0,7-1,1 µm). Es precisamente este contraste entre ambas regiones espectrales fundamental para ser considerado como método para identificar cubiertas de interés y su estado sobre la zona de investigación que obedece a impactos naturales tanto de déficit hídrico como por fenómeno del niño.

De esta manera, los datos de NDVI fueron obtenidos desde las imágenes LANDSAT (año 2000) y ASTER (años 2006 y 2007), todas ellas imágenes de verano en los canales 1, 2 del visible y 4 del infrarrojo. Luego de haber sido procesadas, corregidas geométrica y radiométricamente, resumidas en imágenes de composición (Chuvieco, 1998), se procedió al cálculo de los índices de vegetación normalizado y diferenciado (NDVI), definido según (Tarpley et al.,1984) donde ?nir y ?r son los valores de reflectancia correspondientes a las longitudes de onda del infrarrojo cercano y del rojo (canales 2 y 1), respectivamente. Por otro lado, las imágenes resultantes del procesamiento, que originalmente presentan un formato digital de 8 bits [0,255] (CD), se transformaron a la expresión real del NDVI [–1,1] usando el valor correspondiente de ganancia (0,008) y offset (128), de acuerdo a la siguiente expresión (Agbu y James, 1994): NDVI = (CD – 128) x 0,008 (2)

En la imagen de la Fig. 1, observamos colores desde diferentes tonalidades que configuran el paisaje del área de estudio. Desde el color amarillo que indica la presencia de elevados valores de NDVI (asociados habitualmente a una vegetación sana o con elevado contenido de humedad), que hace referencia a los sectores donde se desarrollan las actividades agrícolas como cultivos anuales y frutales principalmente. Tonalidades en verde que corresponden a cubiertas vegetales en estado de foliación, floración y fructificación como es el caso de los bosques secos y matorrales en los niveles ralo y muy ralo. Los colores azul (vegetación de colina y sombra), el color celeste que hace referencia a suelos desnudos o sectores con una vegetación arbustiva muy dispersa. Asimismo, el área ocupada por la represa Poechos, presenta valores negativos y casi nulos (cercanos a -1).

Análisis de la Precipitación

Para el análisis y comportamiento de la precipitación y dadas las condiciones climáticas de la época donde fueron adquiridas las imágenes (verano mes de febrero de los años 2000, 2006, 2007), fueron temporalidad de las estaciones meteorológicas que más aportan información ubicadas dentro del ámbito de estudio, siendo las estaciones del SENAMHI de Mallares,

ANALISIS ESPACIAL DE IMAGENES Partidor, Lancones, Miraflores. Para realizar el análisis espacial y cartográfico de las precipitaciones en el tiempo, se crearon bases de datos e integrados en un Sistema de Información Geográfica (SIG) para conjuntamente ser analizados con los valores de NDVI y analizar la influencia de esta variable sobre el estado de las cubiertas vegetales y a su vez de su correspondiente fase fenológica.

Métodos de análisis Espacial

Como herramienta de análisis el uso de modelos matemáticos permite determinar el comportamiento y el patrón temporal de la variabilidad del crecimiento, ciclos de crecimiento y asociación estacional de la vegetación (Menenti et al. 1991; Azzali y Menenti 1999). La metodología aplicada en el estudio, permite realizar un análisis sencillo de la variabilidad fenológica y temporal de la vegetación. Utilizando como base el hecho de que el NDVI es un estimador del vigor y productividad de la vegetación, en ellos serán considerados los cambios en la fenología y dinámica de la vegetación monitoreando la variabilidad temporal del NDVI en los principales ecosistemas de la cuenca. Para comprender la dinámica fenológica y su interacción con la identificación del NDVI son consideradas "categorías o áreas conocidas" y "densidades" todas ellas cubiertas representativas donde se localizan ecosistemas naturales y agrícolas. Para los ecosistemas naturales fueron identificados (bosque seco de llanura, bosque seco de colina y matorral), en el caso de los ecosistemas agrícolas se clasificaron en anuales (arroz y maíz) y frutales (limón, plátano y mango). Para este tipo de análisis las cubiertas sin vegetación (centros poblados, cuerpos de agua, suelos desnudos) no fueron excluidas dado que forman parte de una categoría única asimismo por ocupar una importante área dentro del ámbito de estudio (Tabla 1).

En relación a las "densidades" estas se consideraron como ralas, muy ralas, densas y semidensas. En relación a las imágenes, fueron procesadas y desplegadas utilizando ERDAS, 9.1 (Sistema de Información Geográfica especializado en el procesamiento de imágenes de satélite). Procesa y analizainformación espacial en formato Raster y Vectorial. Los valores de NDVI para cada grupo de pixeles fueron almacenados en una hoja de cálculo para su análisis. Los valores de NDVI para cada imagen y para cada área de muestreo fueron manipulados estadísticamente y calculados desde los siguientes parámetros: promedio, valores máximos, mínimos y desviación estándar. Los valores promedios, máximos y mínimos de NDVI para cada área de muestreo de las diferentes categorías de los ecosistemas, fueron desplegadas en una gráfica cuyo eje x muestra la secuencia temporal de las imágenes en orden cronológico y el eje y los valores de NDVI.

Cada una de las gráficas según el tipo de ecosistema fue analizada eliminando las imágenes desde los valores de NDVI muy bajos (problemas de la imagen sin un patrón definido de cambios (Groten 1993a, 1993b); o las imágenes con valores diferentes a 1 en áreas de control (agua) que deberían mostrar el valor 1 para NDVI. Asimismo, fueron chequeadas cada una de las imágenes de manera visual para descartar problemas radiométricos no detectados en la selección de pixeles. Se ajustaron los puntos de las gráficas a una curva de tendencia tipo media móvil con período 2, obteniendo los modelos de variación fenológica para cada ecosistema identificado.

Áreas de muestreo seleccionadas

En la Tabla 2 se presenta la descripción de las áreas seleccionadas para cada categoría identificada. El muestreo aleatorio fue empleado en la localización de aquellas áreas representativas y almacenada dentro de una base de datos en un SIG, asimismo el conocimiento personal del área de estudio sirvió de apoyo para el desarrollo de esta etapa.

El presente texto es solo una selección del trabajo original. Para consultar la monografìa completa seleccionar la opción Descargar del menú superior.