Aporte de los sensores ópticos y de radar para la detección de cambios en áreas de monte nativo (Yungas), Argentina

María Cristina Serafini 1 Maurizio Fea 3

Miriam Esther Antes 1,2

Solange Noelia Villanueva 1

Alfredo Rafael Cuello 1,2

Leonardo Alfredo Di Franco 1

Walter Fabián Sione 1,4

Francisco Víctor Redondo 1,2 Francisca Celia González

1.Universidad Nacional de Luján - Dpto. de Ciencias Básicas – PRODITEL2.Fuerza Aérea Argentina - Centro de Sensores Remotos

3.Asociación Geofísica Italiana – AGI4.Universidad Autónoma de Entre Ríos – CEREGEO

proditel@unlu.edu.ar; maufea@gmail.com

Resumen: Las actividades antrópicas que inciden sobre el territorio sin tener en cuenta el nivel de resiliencia de los ecosistemas, genera serios problemas ambientales a escala local y regional, contribuyendo al deterioro global de los mismos. La disminución de los recursos forestales de nuestro país; en particular en la ecorregión Yungas, a partir del avance de la frontera agropecuaria, ha afectado en forma negativa la biodiversidad de dicho ecosistema. La aplicación de técnicas de teledetección y SIG permiten obtener, integrar y manipular datos y resultan una importante herramienta para el monitoreo y evaluación de los cambios producidos en estas regiones. Las áreas seleccionadas para llevar a cabo el presente estudio corresponden a los departamentos de Anta, provincia de Salta (-24º41´31´´ S y -64º44´35´´ O) y Ledesma, provincia de Jujuy (-23º42´64´´ S y -64º 51´33´´ O). Estas áreas fueron escogidas por ser representativas del ecosistema de Yungas, por hallarse en los límites de la frontera agropecuaria y por poseer áreas protegidas (Parque Nacional El Rey y Parque Nacional Calilegua dependientes de la Administración de Parques Nacionales). El objetivo de este trabajo fue detectar y evaluar los cambios producidos en el área bajo estudio mediante el análisis multitemporal de imágenes satelitales, combinando datos SAR e información de sensores ópticos. El período bajo análisis es de 18 años (1992 a 2010); este trabajo presenta los resultados preliminares . A partir de la aplicación de distintas técnicas de procesamiento de datos satelitales, utilizando software libre como el Nest y el PolSARpro de la ESA, se evaluó la dinámica de cambio de uso de la tierra, mediante métodos de procesamiento digital y de clasificación integrados. Toda la cartografía temática generada será integrada a un Sistema de Información Geográfica.Palabras clave: Teledetección, análisis multitemporal, recursos forestales

Abstract: Human activities that affect the territory without taking the resilience of ecosystems into account generate serious environmental problems at local and regional level. This is a contributing factor in bringing about the damage of these ecosystems. The decrease of forest resources in our country due to the advancement of the agricultural frontier, especially in the region of the Yungas, has negatively affected the biodiversity of this ecosystem. The application of remote sensing and GIS techniques allows us to obtain, integrate and manipulate data. Therefore, these are important tools for the monitoring and the evaluation of changes in these regions. The areas selected to perform this study were the departments of Anta, Salta (-24º41´31´´ S y -64º44´35´´ O) y Ledesma, provincia de Jujuy (-23º42´64´´ S y -64º 51´33´´ O). These zones were chosen because of the following reasons: they are representative of the Yungas ecosystem, they are in the limits of the agricultural frontier and they include protected areas (Parque Nacional El Rey and Parque Nacional Calilegua, both are subordinate to the Administración de Parques Nacionales). The aim of this study was to detect and evaluate changes in the area of interest by multitemporal analysis of satellite images. SAR data and information from optical sensors were combined. The period under study is 18 years, (1992 to 2010), this paper presents the preliminary results. Free software such as Nest

and PolSARpro from ESA and different processing techniques for satellite data were applied to evaluate the dynamics of change in land use. All thematic maps generated will be integrated into a Geographic Information System.Key words: Remote sensing, multitemporal análisis, forest resources

1. Introducción

A principios del siglo XX el sector continental argentino (2.791.810 Km2) se encontraba cubierto por, aproximadamente, unas 100 millones de hectáreas de bosques nativos, superficie que se redujo a 33 millones a principios de este siglo, incrementándose en forma notoria la tasa anual de deforestación. (SAyDS; 2004). Parte de esa superficie forestal se desarrolla en las provincias de Salta y Jujuy, alrededor de 5 millones de hectáreas, representan ecosistemas ambientalmente críticos para el mantenimiento de la biodiversidad regional.

Las acciones antrópicas generan la modificación del territorio produciendo una pérdida importante de hábitats naturales, la disminución e inclusive la desaparición de especies y la reducción de las cubiertas vegetales, dejando la vegetación original en áreas reducidas a pequeños fragmentos aislados unos de otros. La transformación de ecosistemas naturales en tierras agrícolas tiene como consecuencia la pérdida de la biodiversidad (Paruelo et al; 2005), además de modificar los ciclos hídricos, cambiar los regímenes de temperatura y precipitación y causar la pérdida o reducción de hábitat (Fiedler, P. L. y Kareiva, P. M.; 1998).

La información provista por sensores ópticos se presenta como una alternativa apropiada para la detección de cambios en ambientes naturales; no obstante en áreas forestales, donde cobra importancia la información sobre la estructura vertical de masas arbóreas, los datos ópticos presentan limitaciones para su estimación; dado el mayor grado de penetración de la radiación que presentan los datos radar, hace que estas imágenes sean muy adecuadas para estudiar propiedades relacionadas con la estructura vertical del bosque (Lobo Areu, A. y Saura M. de Toda, S.; 2005).

Por otra parte los datos del radar de apertura sintética (SAR), pueden garantizar sistemas operativos en presencia de circunstancias atmosféricas desfavorables y la falta de iluminación solar; a la vista de estas ventajas, las imágenes SAR resultan un valioso aporte en la detección de cambios. Sin embargo, debe tenerse en cuenta que en comparación con las imágenes ópticas, la detección de cambios en las imágenes SAR es más difícil debido al speckle, que es un fenómeno típico de las imágenes SAR. En este sentido la fusión de imágenes ópticas y de radar permiten obtener información de mayor calidad mediante el uso de varias imágenes de origen. (Ma, J.; 2012)

El presente trabajo se enmarca en el Proyecto: Evaluación de cambios en áreas de monte nativo y su relación con situaciones de vulnerabilidad ambiental en la ecorregión de Selvas Subtropicales Andinas (Yungas) mediante la fusión de datos radar-ópticos, cuyo objetivo es monitorear y evaluar los cambios en áreas boscosas mediante el análisis multitemporal de imágenes satelitales, combinando datos SAR e información de sensores ópticos.

2. Materiales y Métodos

2.1 Área de EstudioLas áreas seleccionadas para llevar a cabo el presente estudio se localizan en los

departamentos de Anta, provincia de Salta y Ledesma, provincia de Jujuy, cuyas coordenadas centrales son respectivamente -24º41´31´´ S y -64º44´35´´ O y -23º42´64´´ S y -64º 51´33´´ O. (Figura 1).

Estas áreas fueron escogidas por ser representativas del ecosistema de Yungas, por hallarse en los límites de la frontera agropecuaria y por poseer áreas protegidas (Parque Nacional El Rey y Parque Nacional Calilegua, dependientes de la Administración de Parques Nacionales), comprenden zonas del Parque Chaqueño y de las Selvas Subtropicales Andinas, Yungas (Cabrera, A.; 1976).

2.2 Materiales utilizados

En esta primera etapa y teniendo en cuenta la disponibilidad de datos, se seleccionaron imágenes del satélite ERS 2 (European Remote Sensing), SAR banda C 5,3 GHz polarización VV e imágenes del satélite Landsat 5/TM, de acuerdo al siguiente detalle (Tabla 1)

Tabla 1: Datos satelitarios utilizados

SENSOR ESCENA MODO FECHA SENSOR ESCENA MODO FECHAERS 2 425 / 09798 Desc. 05/03/97 ERS 2 425 / 09798 Desc. 05/03/97

ERS 2 425 / 24828 Desc. 19/01/00 ERS 2 425 / 25830 Desc. 29/03/00

Landsat TM 230 / 077

--------- 30/06/97 Landsat TM 231 / 076 ------- 21/06/97

Landsat TM 230 / 077

--------- 24/07/00 Landsat TM 231 / 076 -------- 10/03/00

Se dispuso también de la siguiente información complementaria:Cartografía del IGN, a escala 1:100.000Modelo Digital de Elevación – SRTM (Shuttle Radar Topography Mission) de la Universidad de Maryland, EEUU.El procesamiento de los datos se realizó mediante el Software: Nest 4 C (Next ESA SAR Toolbox) de la ESA, ENVI y Arc View GIS

Figura 1. Localización del área de estudio

3. Metodología

Las imágenes ERS 2 fueron calibradas geométrica y radiométricamente. Las imágenes radar presentan dos tipos de textura: la de la propia escena y la de la varianza de la imagen, conocida como speckle, fenómeno de dispersión debido al sistema de obtención de la propia imagen (Henderson y Lewis; 1998); la presencia del speckle es el mayor obstáculo para interpretar, clasificar y analizar imágenes SAR para las diferentes aplicaciones de teleobservación. Para reducir este ruido, las imágenes fueron filtradas mediante la aplicación de los filtros adaptativos Lee y Frost con ventanas de 3x3, dando resultados similares; estos filtros utilizan la intensidad local, calculada como la intensidad del píxel central y la intensidad promedio dentro de una ventana y, de esta manera, se adaptan a la radiometría local (del Valle, H.; 2012).

Por tratarse de un estudio multitemporal, las imágenes se coregistraron y ortorectificaron para todas las fechas analizadas, mediante el DEM SRTM 90m, el algoritmo utilizado para la ortorectificación fue el Range Doppler Terrain Correction (RD TC).

El ajuste geométrico entre las imágenes ópticas se realizó tomando como imagen base la imagen Landsat ETM +, ortorectificada, WRS-2, escena 230/77, del 14 de abril de 2001, el sistema de referencia corresponde a la proyección cartográfica UTM, zona 20 sur, con Datum WGS84 (Fuente USGS/ GLCF). Se comprobó la precisión del ajuste a través de puntos de control obtenidos con GPS durante el control de campo.

La corrección atmosférica se realizó en base al método de Chávez (Chávez, P.; 1996). El método consiste en considerar a las cubiertas con mayor absorción tales como agua y zonas de sombra las cuales deberían presentar una radiancia espectral muy cercana a cero; en la práctica ese número presenta un mínimo superior a ese valor debido al aporte de la dispersión atmosférica, siendo mayor en las longitudes de onda más cortas (Chuvieco, E.; 2002). Este método puede resultar siempre que en la imagen haya zonas con agua profunda o sombras, cubiertas presentes en las imágenes bajo estudio.

Las imágenes radar ERS 2 y Landsat 5/TM, para ambas áreas y para las dos fechas bajo estudio, fueron fusionadas para su posterior análisis y clasificación, generando a tal efecto productos TM4, TM5, ERS2 / RGB (Figuras 2 y 3).

Teniendo en consideración los datos obtenidos en el control de campo, fueron definidas doce categorías o clases a fin de ser integradas en una clasificación supervisada, mediante el método de máxima verosimilitud; esta se aplicó primeramente a las bandas originales de las imágenes Landsat y luego a los datos fusionados a partir de bandas ópticas y de radar, con el fin de analizar el aporte de las imágenes ERS 2 en la identificación de las cubiertas, esto se llevó a cabo para ambas áreas bajo análisis y para ambas fechas.

Con el objetivo de detectar los cambios producidos en el área bajo estudio, se realizó un análisis multitemporal. La detección de cambios apunta a identificar las modificaciones en el ambiente como consecuencia de un fenómeno natural o antrópico. Esta técnica se ha ido incrementando en los últimos años y aplicando en diferentes disciplinas (Mouat et al., 1993), mediante imágenes clasificadas e índices de vegetación. Para realizar una comparación multitemporal, en teledetección, es necesario asegurar que estemos situados en la misma zona para ambas fechas y que la variable que estamos comparando se refiera a la misma escala de medida (Chuvieco, E.; 2002). Varios investigadores se han esforzado para resolver los problemas de la detección de cambios usando métodos como los de comparación pos-clasificación (Más, J.; 1999). En este trabajo se analizaron los cambios temáticos producidos en el periodo bajo análisis, a partir de las clasificaciones realizadas en base a la fusión de datos ópticos y de radar, estableciendo una misma leyenda temática para ambas fechas.

4. Resultados

Una vez realizada la clasificación utilizando el algoritmo de máxima verosimilitud, en base a la definición de doce categorías, se procedió a reagrupar las categorías que presentaron mayor semejanza espectral, teniendo en cuenta las coberturas de interés; de este modo se obtuvieron seis categorías: bosque chaqueño, selva de yungas, suelo agrícola, cultivo, agua y sombras.

Uno de los inconvenientes en el proceso de clasificación digital, fue la confusión espectral que presentan las distintas categorías boscosas naturales, debido a la gran heterogeneidad de las cubiertas estudiadas, por ello las mismas fueron agrupadas en dos: bosque chaqueño y selva de yungas.

La clase bosque chaqueño comprende un bosque xerófilo, con uno o dos estratos arbóreos, un estrato arbustivo y otro herbáceo.

La clase selva de yungas comprende los bosques o selvas de montaña caracterizados por una alta diversidad biológica con un fuerte gradiente altitudinal que determina pisos o franjas de vegetación de características fisonómicas y florísticas bien diferenciables.

La clase cultivo incluye parcelas de uso agrícola con diferentes cultivos extensivos o pasturas implantadas.

La clase suelo comprende una mezcla de clases, en ella encontramos suelos desprovistos de cubierta vegetal (suelo desnudo) en distintas fases (barbechos, desmontes recientes, etc.), que dadas las características espectrales de estas cubiertas no es posible separarlas por lo cual se agrupan en una sola clase.

Existen otras clases temáticas, que para este estudio no suponen interés tales como: agua y sombras, las mismas fueron agrupadas en una sola clase.

Figura 2. Fusión TM4/TM5/ERS2/RGB.Año 2000. Departamento de Anta

Figura 3. Fusión TM4/TM5/ERS2/RGB.Año 2000. Departamento de Ledesma

Los resultados obtenidos en las clasificaciones digitales, a partir de imágenes ópticas fusionadas con las del radar permitieron separar áreas de nuevos desmontes y de suelo desnudo de viejos desmontes, dado que los restos de estructuras, ramas, y troncos que quedan como fragmentos dispersos luego del desmonte, presentan una superficie de alta rugosidad, que incrementa la señal retrodispersada del radar, no identificable en el óptico.

Las figuras 4 (a y b) y 6 (a y b) muestran las clasificaciones obtenidas a partir de fusión de datos para las áreas correspondientes a Anta y Ledesma respectivamente; se puede apreciar en la imagen del año 2000, para ambas zonas, la modificación de las categorías bosque chaqueño y selva de Yungas, debido al avance de la frontera agropecuaria. Las figuras 5 y 7 muestran el resultado de la detección de cambios temáticos en las dos áreas en estudio, (color rojo), observándose una mayor superficie de cambio en el uso de la tierra en Anta, con respecto a Ledesma, indicando para el periodo analizado incrementos de las áreas de uso agrícola, a expensas de ecosistemas forestales nativos.

(a) (b)

Figura 4. Resultado de las clasificaciones a partir de datos ópticos-radar fusionados, Área Anta.a) Año 1997 - b) Año 2000

Figura 5: Área Anta, Detección de cambios

5. Conclusiones

Pese al corto margen temporal entre las imágenes analizadas (1997 – 2000), la magnitud de los cambios resulta bastante evidente; el avance de la frontera agrícola está provocando una

Figura 6. Resultado de las clasificaciones a partir de datos ópticos-radar fusionados, Área Ledesma. (a) Año 1997 - b) Año 2000

Figura 7. Área Ledesma, Detección de cambios

(b)(a)

disminución del ecosistema de bosque chaqueño y de la zona de piedemonte de las yungas, provocando un aislamiento de los ambientes de montaña y su continuidad con los bosques chaqueños; esto seguramente tendrá consecuencias negativas en el equilibrio de los ecosistemas.

Uno de los inconvenientes en el proceso de clasificación digital, fue la confusión espectral que presentan las distintas clases boscosas naturales, debido a la gran heterogeneidad de las cubiertas estudiadas, se pretende en futuros estudios clasificar mediante otros métodos para categorizar con mejores resultados en este tipo de ambientes, de bosques mixtos y selvas subtropicales de tan alta biodiversidad y complejidad estructural.

El empleo de los datos provenientes de sensores ópticos y de radar complementan la información, permitiendo un análisis mucho más detallado de los cambios, tanto en lo que se refiere a la cubierta forestal, como a otros tipos de ocupación, predominando en nuestro caso la degradación de la cubierta forestal, con ritmos especialmente intensos en los sectores bajo un uso agrícola extensivo.

Bibliografía

Cabrera, A.; (1976). Regiones fitogeográficas argentinas. Enciclopedia Argentina de Agricultura y Jardinería Tomo II Edit. ACME. Fascículo 1.Chavez, P. S., (1996). Image-based atmospheric corrections. Revisited and improved. Photogrammetric Engineering and Remote Sensing. 62, 9, pp. 1025-1036. Chuvieco, E., (2002). Teledetección Ambiental. La observación de la tierra desde el espacio. Ediciones Ariel Ciencia, Madrid, España.del Valle, H., (2012). Fundamentos teóricos y prácticos de la teledetección ambiental. Radares de apertura sintética y su sinergia con datos ópticos. CEREGeo, Diamante, Entre Ríos.ENVI (2002). The Environment for Visualizing Images. Version 3.6Fielder, P.L. y Kareiva, P.M. (Eds.); (1998). Conservation Biology for the Coming Decade. Chapman & Hall, New York.GLCF. Fuente de datos perteneciente al Global Land Cover Facility, http://www.landcover.org.Henderson, F. M.; Lewis, A. J., (Edit.) (1998). Manual of remote sensing. Volume 2. Principles and applications of imaging radar. 3rd Edition. John Wiley and Sons Inc. Published in cooperation with the American Society for Photogrammmetry and Remote Sensing. USA. 866p.Lobo Areu, A. y Saura Martínez de Toda, S.; (2005). Apoyo de los sensores ópticos y de radar de apertura sintética a la información forestal; Cuad. Sociedad Española de Ciencias Forestales; 19: 135-140,Ma, J.; Gong, M. and Zhou, Z.; (2012). Wavelet Fusion on Ratio Images for Change; IEEE Geoscience and remote sensing letters, Vol. 9, No. 6Más, J. F.; (1999). Monitoring land-cover changes: a comparison of change detection techniques. International Journal of Remote Sensing, v.20, n.1, p.139-152.Mouat, D. A.; Mattin, G. G. y J. Lancaster, (1993). Remote Sensing Techniques in the analysis of change detection, Geocarto International, Vol. 8, pp. 39-50.Paruelo, J.M.; Guershman, J.P.; Pineiro, G.; Jobbagy, E.G.; Veron, S.R.; Baldi, G. y Baeza, S.; (2006); Cambios en el uso de la tierra en Argentina y Uruguay: marcos conceptuales para su análisis. Agrociencia 10: 47–61NEST 4.C (2012). Tutoriales de Next ESA SAR Toolbox NEST 4.C.SAyDS; (2004); Manual de Teledetección. Proyecto de Bosques Nativos y Áreas Protegidas BIRF 4085-AR “Inventario Nacional de Bosques Nativos y Sistema Nacional de Evaluación Forestal”. Ministerio de Salud y Ambiente de la Nación, Buenos Aires, Argentina.

AgradecimientosLos autores desean agradecer a la Comisión Nacional de Actividades Espaciales, a la Agencia

Nacional de Promoción Científica y Tecnológica y a la Agencia Espacial Europea por el aporte recibido.