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

PICCOLO M. C.; BRENDEL, A.; PERILLO, G.M.E

Bahia Blanca

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

El estudio de las coberturas del suelo es fundamental para conocer y evaluar las potencialidades que presenta un territorio y de esta manera lograr una gestión sustentable de los recursos naturales. En este sentido, la utilización de los sensores remotos es una herramienta útil para llevar a cabo estos estudios. El objetivo de la presente investigación fue determinar las coberturas del suelo en la cuenca del rio Sauce Grande. La metodología incluyó el análisis de 4 imágenes satelitales LANDSAT 8 OLI correspondientes a invierno, primavera, verano y otoño de 2016. Inicialmente, se realizó la corrección geométrica de las imágenes satelitales mediante la técnica de puntos de control (Carmona et al. 2011). Para ello se utilizó el software ENVI 4.3 considerando puntos estratégicos entre sí. Posteriormente, se realizó la calibración radiométrica que consistió en convertir los valores digitales a valores de radiancia considerando también la técnica propuesta por Carmona et al. (2011). Finalmente, se aplicó la corrección atmosférica a partir del método de Resta de Superficies Oscuras (Song et al. 2001). Debido a la gran heterogeneidad geomorfológica, reflectiva y climática, la cuenca del río Sauce Grande fue dividía en 3 unidades: sierras, llanura y médanos.El trabajo se centró en 2 etapas: la primera consistió en el reconocimiento en el terreno de las coberturas del suelo y la generación de las regiones de interés (ROIs). A continuación, se aplicaron los métodos de clasificación supervisada por Paralepípedos (PL), Máxima Probabilidad (MLC), Mínima Distancia (MND), Distancia de Mahalanobis (MHD), Mapeador de Angulo Espectral (SAM), Codificación Binaria (BE), utilizando los ROIs generados a campo y las bandas 2 a 7 de las imágenes Landsat 8. La clasificación no supervisada incluyó los métodos Isodata y K-Medias. Para estimar la exactitud de estas clasificaciones se utilizaron métricas de precisión obtenidas a través de matrices de confusión. En cada caso, se extrajo el valor de precisión global y del coeficiente Kappa. En la segunda etapa y con el fin de mejorar la exactitud y precisión de los ROIs generados en el terreno, se calcularon los siguientes 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). Se realizaron los ROIs de cada cobertura y se volvió a generar la clasificación supervisada y no supervisada con sus respectivos valores de exactitud y coeficiente Kappa. Como resultado se obtuvo que el mejor método para determinar coberturas del suelo en el sector serrano y de médanos fue el MAH arrojando un valor de exactitud del 99.6 % y de Kappa de 0.99, para la primera unidad, mientras que de 93.4 % de exactitud y 0.88 de coeficiente Kappa, para la segunda. Por su parte, en el sector de llanura el más eficaz fue el MLC (exactitud del 98.9 % y coeficiente Kappa de 0.97). 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.