Detección de cambios en superficie producidos por inundación

CARLA GULIZIA; INÉS VELASCO

Hotel Savoy, Buenos Aires, Argentina

Congreso; XIII Congreso Latinoamericano e Ibérico de Meteorología (CLIMET XIII) y X Congreso Argentino de Meteorología (CONGREMET X); 2009

Centro Argentino de Meteorólogos

En este trabajo se explora la aplicación de distintos realces en imágenes multi-temporales con el fin de encontrar aquel que permita una mejor discriminación de las superficies inundadas. Con tal fin, se estudió el evento de la crecida del río Salado, provincia de Santa Fe, que alcanzó su mayor expresión en mayo de 2003, utilizando imágenes NOAA.17-AVHRR, obtenidas durante y después de la inundación. Las técnicas aplicadas incluyen el cálculo del índice verde normalizado (normalized difference vegetation index – NDVI), la aplicación del Análisis de Componentes Principales (Principal Component Analysis – PCA) y técnicas de clasificación no supervisada. El análisis visual de las imágenes de NDVI logró una estimación global del área afectada y el cálculo de la diferencia entre ellas logró obtener como resultado los cambios, pero que incluyen otras coberturas, además de la del agua, por ejemplo vegetación y nubosidad. Posteriormente, se aplicó el método de Componentes Principales a la banda 2 de cada imagen y para la imagen que contenía los índices verdes previamente calculados, correspondientes a las fechas consideradas. Los cambios en el terreno fueron capturados en las componentes principales de bajo contenido de información ya que existe una alta correlación para regiones que son relativamente constantes en el tiempo y, por otro lado, regiones que son significativamente diferentes en el tiempo tienen una baja correlación. Finalmente, se aplicó una clasificación no supervisada a las imágenes previamente realzadas, y se generó un mapa temático que permitió una evaluación cuantitativa del área inundada, obteniéndose resultados más satisfactorios cuando se utiliza como realce la técnica de PCA. Finalmente, se aplicó una clasificación no supervisada a las imágenes previamente realzadas, y se generó un mapa temático que permitió una evaluación cuantitativa del área inundada, obteniéndose resultados más satisfactorios cuando se utiliza como realce la técnica de PCA. Finalmente, se aplicó una clasificación no supervisada a las imágenes previamente realzadas, y se generó un mapa temático que permitió una evaluación cuantitativa del área inundada, obteniéndose resultados más satisfactorios cuando se utiliza como realce la técnica de PCA. Finalmente, se aplicó una clasificación no supervisada a las imágenes previamente realzadas, y se generó un mapa temático que permitió una evaluación cuantitativa del área inundada, obteniéndose resultados más satisfactorios cuando se utiliza como realce la técnica de PCA. logró obtener como resultado los cambios, pero que incluyen otras coberturas, además de la del agua, por ejemplo vegetación y nubosidad. Posteriormente, se aplicó el método de Componentes Principales a la banda 2 de cada imagen y para la imagen que contenía los índices verdes previamente calculados, correspondientes a las fechas consideradas. Los cambios en el terreno fueron capturados en las componentes principales de bajo contenido de información ya que existe una alta correlación para regiones que son relativamente constantes en el tiempo y, por otro lado, regiones que son significativamente diferentes en el tiempo tienen una baja correlación. Finalmente, se aplicó una clasificación no supervisada a las imágenes previamente realzadas, y se generó un mapa temático que permitió una evaluación cuantitativa del área inundada, obteniéndose resultados más satisfactorios cuando se utiliza como realce la técnica de PCA.