Análisis de imágenes satelitales para la determinación de coberturas de suelo en la cuenca del río sauce grande (provincia de Buenos Aires, Argentina).

BRENDEL ANDREA SOLEDAD; PICCOLO MARIA CINTIA; PERILLO GERARDO MIGUEL EDUARDO

BAHIA BLANCA

Jornada; V Jornadas del Programa de Posgrado del Departamento de Geografía y Turismo.; 2017

Departamento de Geografía y Turismo-Universidad Nacional del Sur

La determinación de coberturas del suelo es fundamental para conocer y evaluar las potencialidades que presenta un territorio con el fin de lograr una gestión sustentable de los recursos naturales. La utilización de sensores remotos representa una herramienta útil para llevar a cabo estos estudios. El objetivo de esta investigación fue determinar coberturas del suelo en la cuenca del rio Sauce Grande (Argentina). La metodología incluyó el análisis imágenes satelitales LANDSAT 8 OLI. Las mismas, se corrigieron geométrica, radiométrica y atmosféricamente considerando el método de Resta de Superficies Oscuras. Para optimizar el estudio y como consecuencia de la heterogeneidad geomorfológica, reflectiva y climática, la cuenca del río Sauce Grande fue subdividida en 3 unidades: sierras, llanura y médanos.El trabajo se centró en 2 etapas: la primera consistió en el trabajo de campo. En ella, se realizó un reconocimiento de las coberturas del suelo y se generaron Regiones de Interés (ROI), es decir, muestras georeferenciada que se utilizaron para el posterior análisis digital. A continuación, se aplicaron métodos de clasificación supervisada (Máxima Probabilidad -MP-) y no supervisada (ISODATA). Para estimar la exactitud de estas clasificaciones se utilizaron métricas de precisión obtenidas a través de matrices de confusión y coeficiente Kappa. En la segunda etapa, se calcularon distintos índices: Índice Normalizado de Vegetación (NDVI), Índice de vegetación Mejorado (EVI), Índice de vegetación ajustado al suelo (SAVI), Índice de Vegetación ajustado modificado (MSAVI), Índice Diferencial de Agua Normalizado (NDWI), Índice Normalizado de la Diferencia de Humedad (NDMI) e Índice de Área Construida (BUI). A partir de la aplicación de condiciones lógicas sobre los resultados de estos índices, se amplió el área de influencia de cada ROI, mejorando también su exactitud y precisión. Los mismos se validaron con una nueva salida al campo. Posteriormente, se volvió a generar la clasificación supervisada y no supervisada con sus respectivos valores de exactitud y coeficiente Kappa. Además se realizó un cruce de matrices con los resultados obtenidos en ambas etapas. Como resultado se obtuvo que el método ISODATA presentó mejores valores cuando se aplicó la clasificación con los índices, mejorando la precisión y el coeficiente Kappa (38 % y 0.15, respectivamente). A pesar de ello, no se obtuvo una buena determinación de las coberturas debido a que las matrices de confusión no generaron una discriminación precisa de las mismas. Por otro lado, al aplicar el método de Máxima Probabilidad utilizando los ROI mejorados con los índices, las coberturas del suelo se estimaron con una mayor precisión (entre 66.8 y 85.5 %). A partir de este estudio, se determinó que la aplicación de los índices resultó ser una técnica muy útil para determinar coberturas del suelo en áreas productivas como la estudiada y a su vez aumentar el nivel de precisión y confiablidad de las muestras tomadas in-situ.