BECAS
PIANI Virginia
congresos y reuniones científicas
Título:
Desarrollo de un algoritmo de Google Earth Engine para el estudio del comportamiento de la vegetación en un sector del Complejo Fluvio Litoral del Río Paraná, Entre Ríos, Argentina
Autor/es:
VIRGINIA A. PIANI; FRANCISCO M. VIVA MAYER; WALTER SIONE; LISANDRA PAMELA ZAMBONI
Lugar:
Temuco
Reunión:
Jornada; XI Jornada de Educación en Percepción Remota en el Ámbito del Mercosur; 2017
Institución organizadora:
SELPER
Resumen:
La vegetación del Complejo Fluvio Litoral del Río Paraná (CFLRP) presenta una dinámica estrechamente relacionada a las características fluviales de la región. Debido a los cambios en el uso de la tierra que han tenido lugar dentro del CFLRP en los últimos 30 años, el seguimiento del comportamiento vegetal es de gran interés. El patrón fenológico de la vegetación puede conocerse a través de técnicas de geomática, como es el caso de los Índices de Vegetación. Uno de los índices espectrales más usados para evaluar las respuestas ecológicas frente a cambios ambientales mediante técnicas de teledetección es el Índice de Vegetación Diferencial Normalizado (NDVI), que se utiliza en diferentes ambientes para el estudio del comportamiento de las coberturas de vegetación. Por otro lado, la plataforma Google Earth Engine (GEE) posibilita el procesamiento sobre grandes volúmenes de datos de series temporales y la sistematización de las variables en tablas, para su análisis. En este contexto, se propuso caracterizar el comportamiento de la vegetación a partir de series temporales de índices de vegetación sobre imágenes Landsat 8OLI en un entorno GEE. Se seleccionó la escena 227/82 y la ventana temporal comprendida entre los años 2013-2016. Los resultados obtenidos fueron comparados con los valores de altura hidrométrica regionales, un parámetro fundamental para los procesos desarrollados en la región. Ambas variables presentaron una correlación negativa, a partir de lo cual se generaron modelos de predicción sobre el comportamiento de la vegetación. Se generó información valiosa para futuras investigaciones, con aplicaciones en productividad vegetal y su impacto en la producción ganadera.
