Trabajo de Titulación final Cano 16 de mayo - umag.cl · 2.5 Como elegir la resolución espacial...
Transcript of Trabajo de Titulación final Cano 16 de mayo - umag.cl · 2.5 Como elegir la resolución espacial...
UNIVERSIDAD DE MAGALLANES Facultad de Ciencias
Escuela de Ciencia y Tecnología en Recursos Agrícolas y Acuícolas
“USO DE TECNOLOGÍA SATELITAL COMO HERRAMIENTA DE APOYO AL MANEJO SUSTENTABLE DE PREDIOS DE PRODUCCIÓN OVINA EN TIERRA DEL
FUEGO”.
Trabajo de Titulación presentado como requisito para optar al título de Ingeniero Agropecuario.
Profesor Guía: Dr. Sergio Opazo S. Autor: Ing. (E) Agr. Carlos Olave S.
Punta Arenas – Chile
2011
2
Agradecimientos
Agradezco al centro regional Fundación CEQUA por el apoyo y facilidades
brindadas y a la Universidad de Magallanes por el aporte otorgado.
Trabajo de titulación realizado bajo el contexto de los proyectos de investigación:
Proyecto Interno UMAG 2010 – “Utilización combinada de imágenes de satélite
Landsat y MODIS para el monitoreo de la condición del pastizal natural en sistemas
ganaderos extensivos”
Proyecto FONDEF D09I1036 “Sistema integrado de monitoreo continuo de la
condición del pastizal en Magallanes”
A mis padres y a ti…
3
Índice de Materias.
1. Introducción............................................................................................................ 4
2. Revisión Bibliográfica............................................................................................ 6
2.1. Teledetección Ambiental..................................................................................... 6
2.2 Criterios de adquisición de una imagen................................................................ 8
2.3 Aplicaciones de las imágenes según selección................................................... 13
2.4 Conceptos básicos en teledetección.................................................................... 14
2.5 Como elegir la resolución espacial adecuada (escala)........................................ 15
2.6 Aplicaciones desarrolladas (trabajos previos) .................................................... 16
3. Objetivos............................................................................................................... 18
4. Metodología.......................................................................................................... 19
5. Resultados............................................................................................................. 25
5.1 Cartografía de cobertura de suelo....................................................................... 25
5.2 Resultado de la integración de datos en cada potrero del predio........................ 27
6. Conclusiones......................................................................................................... 30
7. Resumen ............................................................................................................... 31
8. Bibliografía........................................................................................................... 32
Índice de Cuadros, Gráficos y Figuras
Fig. 1 Espectro electromagnético ............................................................................... 9
Fig. 2 Imagen pancromática ..................................................................................... 11
Fig. 3 Imagen multiespectral. ................................................................................... 12
Fig. 4 Area de estudio (Imagen Quickbird).............................................................. 20
Cuadro 1. Tipo de cobertura asociada al aporte nutricional. .................................... 22
Fig. 5 Imagen Modis (NDVI) ................................................................................... 22
Fig. 7 Imagen Quickbird Clasificada....................................................................... 25
Fig. 6 Algoritmo de multiplicación de imágenes ..................................................... 23
Fig. 8 Índice mensual por potrero............................................................................. 27
Gráfico 1. Variación de la Cobertura por potrero.................................................... 28
4
1. Introducción
Las imágenes obtenidas por los satélites de teledetección ofrecen una perspectiva
única de la Tierra, sus recursos y el impacto que sobre ella ejercen los seres
humanos. La teledetección por satélite ha demostrado ser una fuente rentable de
valiosa información para numerosas aplicaciones, entre las que cabe citar la
planificación urbana, vigilancia del medio ambiente, gestión de cultivos,
prospección petrolífera, exploración minera, desarrollo de mercados, localización de
bienes raíces y muchas otras. Además de estas ventajas evidentes, las imágenes de
satélite muestran, literalmente, mucho más de lo que el ojo humano puede observar,
al develar detalles ocultos que de otra forma estarían fuera de su alcance. Algunas
imágenes, por ejemplo, muestran las enfermedades de la vegetación, la existencia de
minerales en afloramientos rocosos o la contaminación de los ríos. Algunos satélites
“ven” a través de las nubes y la niebla que oculta parte de la superficie terrestre
(Sacristán, 2006).
La sustentabilidad ambiental y económica de los sistemas de manejo ganadero de la
región de Magallanes no depende solamente de la aplicación de un manejo de
pastoreo que proteja el suelo y las especies deseables o de la aplicación de
tecnologías que permitan la expresión máxima de la potencialidad productiva de los
animales, sino también de uso prudente y eficiente de la energía que requiere el
sistema desde un punto de vista global (Covacevich, 2006).
Desde décadas el manejo de los predios ovinos en Magallanes ha estado sujeto a un
sistema de manejo tradicional y estático con una cultura basada en el traspaso de
conocimiento generacional. En la región de Magallanes, particularmente se ha
utilizado un método convencional de traslado de animales a lugares de distinta
altitud (Veranada – Invernada) con el fin mejorar el manejo de los predios
ganaderos.
5
El poder de adaptación de este conocimiento no escrito, transmitido oralmente o por
la práctica compartida, estaría probado por su misma persistencia. Tanto por la
necesidad de producir más eficientemente en un mundo cada vez más competitivo,
como por el imperativo social de preservar un ambiente ecológicamente rico,
debemos aplicar el conocimiento científico a la producción ganadera.
En este contexto se ha aplicado el uso de nuevas tecnologías satelitales capaces de
ayudar a mejorar la eficiencia de distintos sectores de la producción agrícola entre
ellos, la producción vitivinícola, producción de cereales y monitoreo de pastizales
para el consumo de la ganadería. Esto basado fundamentalmente en la respuesta
espectral que tiene cada elemento en la superficie de la tierra dependiendo de su
textura, tamaño, color, estado fenológico, entre otras condiciones (Castro, 1999).
La principal actividad económica agropecuaria de la Patagonia es la ganadería
extensiva. La sustentabilidad de esta actividad esta condicionada principalmente por
un buen manejo en el pastoreo. En la Patagonia existen notables y generalizados
ejemplos en los cuales, al no cumplirse esta premisa, se desencadenaron serios
procesos de degradación (INTA-GTZ, 1995), lo cual aplica en su gran mayoría a la
región de Magallanes ya que posee similares condiciones.
El impacto ecológico que implica el reemplazo de la pradera natural es otro de los
puntos desfavorables que hay que considerar. El proceso de preparación del suelo
provoca su degradación física con efectos importantes en microorganismos,
cambios en la composición de especies, pérdida de suelo por efecto del viento, entre
otros. Por lo demás, el buen manejo y por consiguiente la conservación de la
pradera no es sólo un tema ético, pues la ventaja comparativa de nuestra región es
precisamente el prestigio patagónico de producción limpia, cuyo aseguramiento de
calidad esta estrechamente ligado a la inseguridad ambiental y la desertificación
(Covacevich, 2006).
6
2. Revisión Bibliográfica
2.1. Teledetección Ambiental.
La teledetección es aquella técnica que nos permite obtener información a distancia
de los objetos ubicados en la superficie terrestre desde sensores aéreos o espaciales.
Para que esta observación sea posible es preciso que entre el objeto y el sensor
exista algún tipo de interacción, nuestros sentidos percibe un objeto solo cuando
pueden descifrar la información que este envía. En un sencillo ejemplo nos sirve
para introducir los tres principales elemento de cualquier sistema de teledetección;
sensor (nuestro ojo), objeto observado (árbol) y flujo energético que los pone en
relación y permite, en última instancia, detectar el objeto, en este ejemplo el flujo
procede desde el árbol por la reflexión de la luz solar. Podría tratarse de energía
emitida por el propio objeto (en caso de que fuéramos capaces de captar el calor que
emite), o incluso por el sensor (por ejemplo si tuviésemos una cámara equipada con
flash), estas son las tres formas de adquirir información desde un sensor remoto;
emisión, reflexión y por emisión-reflexión (Chuvieco, 2008).
Cabe preguntarse qué ventajas tiene el utilizar imágenes de satélite cuando existen
muchas otras fuentes de datos geográficos, como fotografías aéreas, estudios sobre
el terreno y mapas sobre papel. Existen varias razones entre las que destacan;
Cobertura global y periódica de la superficie, información en regiones no visibles
del espectro, formato digital de la información que acelera los procedimientos de
tratamiento, combinación de bandas, contrastes, filtros, entre otras (Cotos, 2002)
Casi todas las imágenes procedentes de satélite se adquieren digitalmente. Esto
significa que no hay necesidad de efectuar conversiones de datos, escaneos o
digitalizaciones. Con una preparación mínima, las imágenes quedan listas para ser
cargadas y utilizadas directa e inmediatamente con el sistema determinado para el
tratamiento o sistema informático de cartografía. Dada su naturaleza digital, las
imágenes satelitales se procesan, manipulan y realzan para extraer de ellas sutiles
detalles e informaciones que otras fuentes no detectarían. En lo que tarda un equipo
7
topográfico en descargar su material o un piloto en realizar las comprobaciones
previas al vuelo, un satélite de teledetección levanta el mapa de un vasto bosque o el
de una ciudad entera. Dado que los satélites se encuentran en orbitas estables,
raramente tardan más de una semana en adquirir imágenes de la zona que le
interesa. Para zonas extensas, las imágenes de satélite resultan normalmente más
económicas que la fotografía aérea o las campañas de análisis en terreno
convencionales, como muestras de pastos para la obtención de materia seca, cuando
se realiza para grandes extensiones. Los satélites no están limitados por fronteras
políticas ni geográficas. Los satélites comerciales de teledetección se hallan en
órbitas polares que les permiten sobrevolar todas las zonas del planeta. Un satélite
obtendrá una imagen de la zona que le interesa, independientemente de que este en
la cima de una montaña o en medio del océano. En el mundo actual, en rápida
mutación, necesitamos información actualizada para tomar decisiones críticas para
nuestros proyectos. Cuando se imprimen los mapas, ya tienen meses o años. Sin
embargo, se puede disponer de una imagen de satélite un par de días después de su
toma. De hecho, el mapa más actualizado que se puede tener es una imagen. Dado
que una imagen de satélite en bruto, sin procesar, se crea sin intervención humana,
la información que contiene es una representación precisa, objetiva e imparcial de
los objetos y detalles de la superficie terrestre (Rey, 1993; Sá, 1996).
El tratamiento y la extracción de información de las imágenes de satélite pueden ser
tan complicados o sencillos como se desee. No hace falta ser un científico espacial
para observar imágenes de satélite e identificar una casa y un río crecido por la
lluvia en sus proximidades, comprendiendo la relación entre ambos. De igual modo,
se pueden sacar datos más complejos y aprender a combinar las imágenes con miles
de datos geográficos distintos con capacitación en el manejo de los programas
informáticos de aplicaciones geográficas y procesamiento de imágenes. También se
pueden ocupar combinaciones de bandas para diferentes propósitos. Una de estas
combinaciones son los índices de vegetación o cocientes, los cuales son operaciones
dirigidas para crear bandas artificiales a partir de combinaciones entre bandas
originales. Su empleo se ha justificado en dos situaciones; para mejorar la
8
discriminación entre el suelo y la vegetación, y para disminuir el efecto del relieve
(pendiente y orientación), en la caracterización espectral de distintas cubiertas
(Soria et al., 1998).
En la actualidad existen muchos satélites en órbita dedicados cada uno a captar
imágenes de tipo muy específico. Una variedad mayor de imágenes es benéfica para
el observador final porque aumenta la probabilidad de que pueda obtener la
información concreta que necesita para llevar a término un proyecto en particular.
Pero, al mismo tiempo, una gama más amplia de posibilidades complica lo elección
del tipo de imágenes que se han de adquirir.
2.2 Criterios de adquisición de una imagen
Los conceptos más importantes de teledetección que se deben comprender son; qué
es realmente una imagen de satélite y como se capta. Casi todos los satélites
comerciales de teledetección captan imágenes utilizando sensores digitales que
funcionan según los mismos principios que las cámaras digitales que han invadido
últimamente el mercado. Al igual que una cámara digital, un sensor de satélite no
posee película. En su lugar, cuenta con miles de detectores diminutos que miden la
cantidad de radiación electromagnética (energía) que refleja la superficie de la
Tierra y los objetos que hay en ella. Estas mediciones se denominan espectrales,
cada valor de reflectancia espectral se registra como un número digital. Estos
números se transmiten de nuevo a la Tierra donde un computador los convierte en
colores o matices de gris para crear una imagen que se parece a una fotografía
(Riaza et al., 1994)
Dependiendo de la sensibilidad para la que han sido concebidos, los sensores miden
la cobertura reflectando de la energía en las partes visible del espectro
electromagnético (figura 1), del infrarrojo cercano, medio y térmico, y de
microondas. La mayoría de los satélites de teledetección miden la energía en
longitudes de onda del espectro, muy específicas y bien definidas. Es en este punto
9
es donde la comprensión del concepto de imagen espectral es decisivo para poder
apreciar todo el valor de las imágenes digitales de satélite y entender cómo se
diferencian entre sí los diferentes tipos de imágenes. Las mediciones de reflectancia
y las imágenes que se obtienen a partir de ellas ofrecen una representación muy
exacta de como aparecerían a la observación directa los detalles y objetos del
terreno, en cuanto a la forma, tamaño, color y la apariencia visual de conjunto. Es lo
que se conoce como contenido espacial de la imagen. Estas informaciones que son
registradas por los sensores, y que miden la cantidad de energía reflejada o emitida
por los objetos naturales que componen el paisaje son de tipo numérico, y se prestan
al tratamiento matemático. Por otro lado, su extremada abundancia obliga al empleo
de grandes ordenadores y métodos de tratamiento de datos muy sofisticados y
potentes (Tricart, 1979).
Figura 1. Espectro electromagnético
Pero aún más importante quizás, es que las imágenes digitales muestran algo más
que simples informaciones espaciales. Las medidas de reflectancia revelan el
contenido mineral de las rocas, la humedad del suelo, la salud de la vegetación, la
composición física de los edificios y miles de otros detalles invisibles al ojo
10
humano. Es lo que se denomina contenido espectral de la imagen de satélite. Tal
información espectral es visible para el sensor digital debido a la reflectancia de
energía que éste mide. La densidad, el contenido de agua, la composición química y
otros factores y características no visibles de un objeto específico de la superficie,
influyen globalmente en como interactúa la energía con dicho objeto en diversas
longitudes de onda del espectro y en como se refleja en él. El sensor digital mide
esta interacción espectral, que a su vez proporciona la comprensión de tales estados
y características invisibles al ojo humano (Lira, 1987).
Entender la diferencia entre información espacial y espectral es muy importante
porque se trata del primer paso para elegir entre los dos tipos fundamentales de
imágenes de satélite: pancromáticas, multiespectrales o hiperespectrales. En la
mayoría de las ocasiones ésta será la primera decisión al evaluar los diversos tipos
de imágenes y productos.
Las imágenes pancromáticas se captan mediante un sensor digital que mide la
reflectancia de energía en una amplia parte del espectro electromagnético (con
frecuencia, tales porciones del espectro reciben el nombre de bandas). Para los
sensores pancromáticos más modernos, esta única banda suele abarcar una parte del
espectro visible y del infrarrojo cercano. Los datos pancromáticos se representan
por medio de imágenes en blanco y negro (figura 2).
11
Figura 2. Imagen pancromática
Las imágenes multiespectrales se captan mediante un sensor digital que mide la
reflectancia en muchas bandas. Por ejemplo, un conjunto de detectores puede medir
energía roja reflejada dentro de la parte visible del espectro mientras que otro
conjunto mide la energía del infrarrojo cercano. Es posible incluso que dos series de
detectores midan la energía en dos partes diferentes de la misma longitud de onda.
Estos distintos valores de reflectancia se combinan para crear imágenes en color
(figura 3). Los satélites de teledetección multiespectrales de hoy en día miden la
reflectancia simultáneamente en un número de bandas distintas que pueden ir de tres
a catorce.
12
Figura 3. Imagen multiespectral.
Las imágenes hiperespectrales se refieren a un sensor espectral que mide la
reflectancia en muchas bandas, con frecuencia cientos. La teoría en lo que se apoya
la detección hiperespectral es que la medida de la reflectancia en numerosas franjas
estrechas del espectro permite detectar características y diferencias muy sutiles entre
los rasgos de la superficie, especialmente en lo que se refiere a vegetación, suelo y
rocas.
13
2.3 Aplicaciones de las imágenes según selección
Multiespectrales (también hiperespectrales)
� Distinguen las rocas superficiales y el suelo por su composición y
consolidación.
� Delimitan los terrenos pantanosos o de vegas, según sea su contenido de
agua o clorofila.
� Catalogan la cubierta terrestre.
� Se puede estimar la profundidad de aguas en ciertos casos.
Pancromáticas
� Localizan, identifican y miden accidentes superficiales y objetos,
principalmente por su apariencia física, es decir, forma, tamaño, color y
orientación.
� Identifican y cartografían con precisión los objetos introducidos por el
hombre como; edificios, casas, carreteras, entre otros.
� Actualizan las características físicas de los mapas existentes.
� Trazan los límites entre tierra y agua.
� Permiten generar modelos digitales de gran exactitud.
Los términos ráster y vector se emplean con frecuencia para describir los datos
geoespaciales. Las imágenes digitales de satélite son conjuntos de datos
rasterizados, lo que significa sencillamente que la imagen está comprimida en
numerosos y diminutos elementos de imagen o píxeles que cubren la totalidad del
área de la escena. Los conjuntos de datos vectoriales, en otra forma, son mucho más
abstractos y están compuestos por puntos, líneas y polígonos.
Por la propio naturaleza del proceso digital, las imágenes de satélite son del tipo
ráster. Los sensores electro-ópticos exploran la tierra efectuando medidas de la
14
energía electromagnética reflejada por miles de áreas terrestres definidas con
exactitud. Tales áreas poseen una dimensión llamada distancia de muestreo de tierra
y se corresponden con la resolución espacial y el tamaño de los píxeles. Un píxel, o
elemento de imagen, es la unidad más pequeña de imagen creada a partir de estas
mediciones. A cada píxel se le asigna un valor, o número digital, basado en las
medidas de reflectancia. La interpretación de imágenes puede ir desde la simple
inspección visual hasta la utilización de sistemas de tratamiento de imágenes que
analizan y tipifican los rasgos del terreno basándose en el valor digital de las firmas
espectrales. Los programas informáticos de tratamiento de imágenes y algunos de
cartografía efectúan dicho análisis y tipificación con mucha mayor precisión que el
ojo humano. Todos los elementos de la naturaleza tienen una respuesta espectral
propia que se denomina signatura espectral. La teledetección estudia las variaciones
espectrales, espaciales y temporales de las ondas electromagnéticas, y pone de
manifiesto las correlaciones existentes entre éstas y las características de los
diferentes materiales terrestres. Su objetivo esencial se centra en la identificación de
los materiales de la superficie terrestre y los fenómenos que en ella se operan a
través de su signatura espectral (Sacristán, 2006).
2.4 Conceptos básicos en teledetección
El conjunto de los datos adquiridos mediante procedimientos de teledetección desde
aviones o naves espaciales comprenden siempre al menos tres tipos de información
(Goillot, 1976): Resolución espacial: La resolución espacial se refiere al tamaño del
objeto o característica del terreno de menor tamaño que se puede distinguir en una
imagen. Se trata de una de las características más importantes que hay que
considerar a la hora de elegir imágenes, porque determina de forma directa qué
rasgos del terreno pueden cartografiarse. Esto es muy importante para evaluar los
costos del proyecto dado que, generalmente, cuanto más detallada es una imagen
más cara resulta por unidad de superficie. Resolución espectral: Este término define
las longitudes de onda en las que el sensor es capaz de medir la energía reflejada.
Las longitudes de onda se expresan en micras (µm). El número de bandas se utiliza
15
así mismo para explicar como mide el sistema la reflectancia de varias longitudes de
onda distintas. Por ejemplo, un sensor rnultiespectral de cuatro bandas mide la
energía en cuatro longitudes de onda diferentes. Hay que tener en cuenta, no
obstante, que una imagen multiespectral se compone casi siempre de tres bandas
como mínimo porque una imagen a color sólo puede crearse adicionando los tres
colores fundamentales (rojo, verde y azul). Resolución Temporal: esta definida por
el tiempo en que un satélite vuelve a operar o adquirir datos en un mismo sector de
la superficie terrestre, existe una variada gama de satélites con diferentes tiempos de
re-visita, que van desde horas a mensuales.
Tamaño de la escena/cobertura: Cada sensor del satélite posee una anchura de
franja o campo de visión que determina el tamaño de una escena de imagen.
Resolución radiométrica: Se la llama a veces también resolución dinámica, y se
refiere a la cantidad de niveles de gris en que se divide la radiación recibida para ser
almacenada y procesada posteriormente. Esto depende del conversor analógico
digital usado y va a dar como resultado el color o valor de cada píxel en la imagen.
2.5 Como elegir la resolución espacial adecuada (escala)
Un factor de importancia que hay que tomar en consideración cuando se buscan
imágenes es la relación que existe entre el tamaño de la escena y la resolución
espacial. En las imágenes de satélite una gran resolución espacial digamos un metro,
se corresponde con un área de cobertura pequeña (y archivos digitales de gran
tamaño). Al escoger una imagen, se deben equilibrar estas dos características de
forma que la resolución espacial sea lo bastante alta como para distinguir los objetos
que se necesita identificar. El tamaño mínimo de los objetos que son detectables en
una imagen también está en función de las condiciones atmosféricas locales
(González & Cuevas, 1982), por lo tanto la elección de la imagen va estar definida
por el tamaño de la cobertura que se quiera identificar.
16
Hay diversas opciones para elegir la resolución espacial adecuada, entre ellas están
los siguientes sensores: QuickBird (0.61 metros), Ikonos (1 metro), Spot (10
metros), Aster (15 metros), Landsat TM (30 metros), MODIS (250 metros), entre
otros.
2.6 Aplicaciones desarrolladas
La información existente en la actualidad a nivel internacional con respecto al
monitoreo de vegetación y pastizales está centrada en los países con mayor
desarrollo tecnológico. A pesar de esto países como Argentina y Colombia muestran
avances importantes en técnicas de seguimiento, lo que muestra la posibilidad real
de países en desarrollo de utilizar estas tecnologías. A continuación se hace una
selección de algunos trabajos que han utilizado información proveniente de satélites
para abordar esta temática entre los cuales destacan:
Reeves et al. (2001) la utilización de imágenes de baja resolución espacial pero de
alta resolución temporal pueden estimar la productividad de la pradera y se pueden
usar regionalmente para medir la producción de biomasa y están disponibles para
cada ocho días, con el alcance global en la resolución 1 km2 (MODIS). Derivó
estimaciones de productividad de la pradera combinando información remota con
datos diarios de meteorología. La productividad de vegetación es una medida del
vigor de la pradera y su crecimiento, que son dos componentes importantes en la
administración predial y evaluación de la salud del forraje. Usando los datos de
MODIS, es posible caracterizar la vegetación en tiempo oportunos, estimación de la
calidad del pasto y controlar las tasas y las tendencias del cambio en la producción
primaria, además las mediciones de productividad estarán disponibles para los
lugares mas inaccesibles.
17
Zha et al. (2003) proporcionó un método para estimar la cobertura de pasto en la
pradera en áreas cercanas al Lago Qinghai en el oeste de China; El NVDI fue
calculado a partir del espectro superficial reflectante in situ y calibración
radiométrica de Landsat TM, bandas 3 y 4.
Chen et al. (1998) utilizando las aplicaciones de NOAA/AVHRR; logra construir
índices vegetacionales para poder monitorear el crecimiento de la pradera en China
y así poder aplicar políticas de pastoreo sustentable en el tiempo.
Verdú et al. (2001) utiliza imágenes de radar de los satélites (ERS y JERS) para
actualizar la cartografía de vegetación de áreas boreales de difícil acceso (Siberia);
la elección de satélites de radar se hizo para superar la amplia cobertura nubosa que
presenta esta región; que a su vez interviene en las señales ópticas y térmicas de
satélites convencionales.
18
3. Objetivos Objetivo general
• Utilizar la tecnología satelital para monitorear la condición del pastizal en un
predio de Tierra del Fuego. Objetivos específicos
• Aplicar una metodología de monitoreo continuo del pastizal mediante
imágenes de satélite.
• Generar cartografía de las coberturas de suelo presentes en el área de estudio con imágenes de alta resolución espacial.
• Descargar y procesar imágenes NDVI - MODIS para incorporar datos de
alta frecuencia temporal.
• Integrar la información de la cobertura de suelo con los datos NDVI para monitorear las variaciones temporales de la condición del pastizal.
19
4. Metodología La metodología utilizada en este trabajo de investigación está basada en un estudio
previo donde se combina información de alta resolución espacial con datos de alta
frecuencia temporal. Esto permite el monitoreo del pastizal (Opazo et al., 2009),
además de la utilización de un algoritmo que permita realizar la integración y
combinación de imágenes (Olave et al., 2008).
De acuerdo a esta metodología el trabajo cuenta con las siguientes etapas: 1. Generación cartografía
Se utilizó una imagen Quickbird de abril del año 2004 de alta resolución espacial
para generar la clasificación de coberturas de suelo presentes en el predio de Tierra
Del Fuego, para ello se realizó una visita a terreno tomando muestras o parcelas en
diferentes sectores de la zona de estudio, mediante un sistema de posicionamiento
global (GPS). Las parcelas se utilizarán para generar la cartografía de cobertura de
suelo con el método supervisado de clasificación, esto quiere decir, que será el
observador quien defina a partir de los datos georreferenciados obtenidos en terreno,
cuantas y que coberturas estarán representadas en la imagen (Chuvieco, 2008).
20
Figura 4. Área de estudio (Imagen Quickbird)
El área de estudio (figura 4) se encuentra ubicada en el sector nororiental de la Isla
de Tierra del Fuego, presenta una pluviometría cercana a los 350 mm. (Jerez &
Arancibia, 1972), y una temperatura media anual de 5.0ºC (Hoffmann, 1975), lo que
clasifica al sector agroclimático como estepa fría y que en comparación con
aquellos climas de otros sectores se caracteriza por una muy fuerte reducción en la
suma anual de las precipitaciones, la que se hace cada vez mas marcada a medida
que se avanza hacia el este y al norte. Esta aridez ha condicionado el carácter de la
vegetación y el desarrollo de los suelos, los que pueden considerarse como
semiáridos que en general presentan un horizonte de poca profundidad y de
medianamente a rico en materia orgánica. Su comunidad vegetal característica es la
asociación de Festuca gracillima y es esta especie con su participación en diversos
valores de dominancia ecológica en distintas comunidades de la provincia, la que
primordialmente la determina (Pisano, 1977).
21
2. Descarga y procesamiento de datos MODIS
Además para la siguiente aplicación se utilizarán imágenes MODIS, desde octubre
del 2004 a marzo de 2005, específicamente el producto NDVI, (Normalized
Difference Vegetation Index), índice utilizado para estimar la cantidad, calidad y
desarrollo de la vegetación, que resulta de dividir píxel a píxel los valores de
reflectancia de dos bandas; el infrarrojo cercano y el rojo (Rivera et al., 2001).
Jackson et al. (1983) define un índice de vegetación como “aquel particularmente
sensible a la cubierta vegetal, insensible al brillo y color del suelo, poco afectado
por la perturbación atmosférica, los factores medioambientales y las geometrías de
la iluminación y observación”, y para este caso en particular la fórmula es la
siguiente:
Esto se empleará con la finalidad de establecer un patrón de comportamiento de la
misma comunidad vegetal en distintas condiciones fenológicas producto de la
estacionalidad, el cual puede ser utilizado como herramienta de apoyo al manejo
que realice el ganadero, considerando que cada potrero se comportará de distinta
manera dependiendo de su composición botánica afectada por condiciones
ambientales naturales y artificiales de pastoreo.
3. Combinación de imágenes y determinación de la calidad de vegetación
Para establecer valores paramétricos conocidos se le asignó un índice de aporte a
cada comunidad clasificada. Estos valores (o ranking) están relacionados con la
calidad nutricional de la vegetación presente en las coberturas de suelo
discriminadas por medio de la clasificación supervisada y en base a un estudio de
pastizales en donde se consideró el aporte nutricional por especie, realizado por el
Servicio Agrícola y Ganadero en el año 2003.
22
Cuadro 1. Tipo de cobertura asociada al aporte nutricional.
Cobertura de suelo Indice de aporte
Vega 5
Pastos cortos 4
Coirón 3
Mata 2
Murtilla 1
Lagunas y caminos 0
4. Descarga de imágenes con índices de vegetación MODIS
Figura 5. Imagen Modis (NDVI)
Fueron descargadas seis imágenes Modis del sitio https://wist.echo.nasa.gov/api/ de
un tamaño de píxel de 250 metros (figura 5), las que contenían una serie de índices
de vegetación, como se mencionó anteriormente, para este caso en particular se
utilizará el índice de vegetación normalizado (NDVI).
23
Los valores de cada píxel de la imagen de NDVI descargada, fueron multiplicados
por los valores del índice de aporte (ver tabla 1) asociado a la clasificación de
suelos. Esto se realizó con cada una de las seis imágenes MODIS para conocer la
variación y el estado actualizado de cada comunidad clasificada, la fórmula
empleada para dicho cálculo fue la siguiente:
ICP = IA * NDVI
ICP= Indice de condición pastoral
IA= Indice de aporte
NDVI= Indice de vegetación normalizado (modis)
Figura 6. Algoritmo de multiplicación de imágenes
Mediante la utilización de software se generó un algoritmo de multiplicación de
imágenes (figura 6), para realizar el proceso automatizadamente, de los cuales se
24
obtuvo seis productos resultantes que indican la variación de la vegetación de
acuerdo a la época de captura realizada por el sensor.
25
5. Resultados
5.1 Cartografía de cobertura de suelo
Figura 7. Imagen Quickbird Clasificada
La clasificación de cobertura del suelo generada sobre el predio (figura 7) muestra
un evidente dominio de la comunidad de vegetación denominada “Coirón” (Festuca
Gracillima), cabe destacar que las coberturas no están formadas solo por una
especie de pasto o de material inerte, sin embargo, se le ha asignado el nombre de
aquella con mayor presencia.
26
Por otra parte la comunidad denominada “mata” Lepidophillum cupressiforme
muestra un claro dominio en el sector norte del predio, siendo esta una zona de
protección para los animales por la mayor altura de la vegetación, sin embargo con
un bajo aporte a la dieta alimenticia de la producción ovina en comparación a las
demás especies vegetales presentes (SAG, 2003).
Como se aprecia en la cobertura “vega”, según informe del SAG 2003 domina una
vegetación compuesta por Poa sp., Azorella spp., Samolus sp., Hordeum sp.,
Festuca pallescens, juncáceas y ciperáceas, están ciertamente parcializadas y
aisladas en pequeños sectores mas húmedos dependientes claramente de épocas de
mayor pluviometría, como también, de la condición del sustrato capaz de retener esa
humedad. Por otra parte, en una condición parecida se puede distinguir la cobertura
denominada “pastos cortos” diferenciándose principalmente de la anterior por el
contenido de humedad, menor que el antes observado.
Otra cobertura importante encontrada en el sector es la denominada “murtilla”
Empetrum rubrum y se encuentra distribuida en un terreno erosionado. Este tipo de
cobertura podría estar asociada a un aporte ganadero mas cercano a cero, sin
embargo, ese valor ha sido asignado a la cobertura denominada “lagunas y caminos”
la cual, ciertamente, tienen un casi nulo aporte nutricional en este sector, debido a
que en gran parte de su extensión no posee vegetación.
27
5.2 Resultado de la integración de datos en cada potrero del predio.
Figura 8. Indice mensual por potrero
En la figura 8 se puede observar la variación del estado de la cobertura durante los
seis meses, las cuales están asociadas a distintos estados de vigor calculados a partir
28
del NDVI, entre los cuales destacan los potreros que se encuentran en la parte
central del predio, con un índice mayor que los del extremo superior e inferior, esto
puede estar explicado por el tipo de vegetación presente de una mejor calidad
(vegas, coirón y pastos cortos) y también por respuesta a condiciones
medioambientales, ya sea pluviometría, temperatura, viento, entre otras, o
condiciones artificiales, tales como; una ocupación mas continua de animales
provocando un sistema de mayor variación por efecto de la ganadería.
Esta cartografía señala como el predio responde a distintos tipos de condiciones,
durante un periodo de tiempo, lo que ayuda a inducir la forma de manejo que se
debiera adoptar para mantener los índices en niveles que colaboren en hacer
sustentable el sistema.
Variación ICP
50,000
70,000
90,000
110,000
130,000
150,000
170,000
190,000
210,000
230,000
Oct Nov Dic Ene Feb Mar
Carneros Casas 22 Faja Grande Matas
Gráfico 1. Variación de la Cobertura por potrero.
El gráfico muestra la variación del índice, haciendo mas explícito el mes en que
ocurrieron los cambios en el estado de las coberturas, con una clara tendencia al
aumento de vigor de la vegetación en el mes de diciembre, una de las posibles
explicaciones es la estación del año en que se produjo este aumento en los potreros,
29
en el periodo de entrada al verano, ya que se produce un aumento en la
temperaturas, lo cual trae consigo un mejoramiento en el estado fenológico y en el
vigor de la vegetación.
Es necesario aumentar la cantidad de información, tanto climática como de manejo;
que complemente los datos extraídos de las imágenes satelitales, con lo cual se
podrá mejorar la comprensión de los efectos en la cobertura de la superficie
estudiada de una manera global.
30
6. Conclusiones
La combinación de las imágenes satelitales de alta resolución espacial y temporal
entregan resultados que permiten crear herramientas de utilidad para el manejo del
pastizal.
La alta frecuencia de las imágenes Modis permiten crear herramientas dinámicas de
monitoreo lo cual mejoran las oportunidades de decisión para la gestión predial.
El uso de la tecnología satelital como apoyo a los métodos de gestión predial ayuda
a reducir las posibilidades de sobre-explotación de las praderas, aumentando la
sustentabilidad de las mismas.
El índice de vegetación (NDVI), es una herramienta importante que ayuda a mejorar
la toma de decisiones en el manejo de producción ovina, ya que muestra el
comportamiento de la vegetación periódicamente.
31
7. Resumen
El presente trabajo muestra de manera general y práctica la utilización de las
herramientas satelitales como apoyo al manejo agrícola, en particular al rubro
ganadero ovino, además de mostrar algunas de las temáticas de la producción
agrícola en las que se puede intervenir para mejorar el desarrollo productivo
utilizando esta tecnología de precisión. El combinar imágenes de alta resolución
espacial con imágenes de alta resolución temporal o frecuencia para la mejora en la
periodicidad de datos, puede ser utilizada como herramienta de ayuda en el manejo
a nivel de potreros en una misma temporada, importante en términos de
sustentabilidad de los recursos pratenses, generando un impacto en la rotación de
animales para la sustentabilidad del predio.
32
8. Bibliografía
Castro R., 1999. “Sistema para seguimiento y análisis de la tierra mediante
teledetección”. Proyecto Fao GCP/RLA/126/JPN. Pontificia Universidad Católica
de Chile.
Cotos J., Varela P., & Hernández C., 2002. Bases físicas de la teledetección, En:
“Teledetección de pesquerías y predicción de mareas toxicas”, Coruña: Netbiblo,
España, 192 pp.
Chen Q., Liang T., Mao Y., & Wei Y., 1998. “Applications of NOAA/AVHRR data
on grassland monitoring”. Proc. SPIE 3504, 383 (1998).
Chuvieco E., 2008. “Teledetección ambiental: la observación de la tierra desde el
espacio”. Editorial Ariel, 3era Ed., Barcelona, España.
Covacevich N., 2006. En “Manejo sustentable de las praderas naturales de
Magallanes. La situación actual de los recursos forrajeros. Pta. Arenas: Instituto de
Investigaciones Agropecuarias”. Ed. Strauch O., Covacevich N., & Cárdenas A.
Serie actas INIA – nº 35, Punta Arenas.
González F., & Cuevas J., 1982. “Los satélites de recursos naturales y sus
aplicaciones en el campo forestal”. 15 pp. Instituto Nacional de Investigaciones
Agrarias. Madrid, España.
Hoffmann J., 1975. “Atlas climático de América del Sur: mapas de temperaturas y
precipitaciones medias”. World Meteorological Organization (OMM).
INTA-GTZ 1995. “Lucha contra la desertificación en Patagonia a través de un
sistema de monitoreo ecológico”. (LUDEPA-SME). Informe final de la fase I, 182
pp. Argentina.
33
Jackson R., Slater P., & Pinter P., 1983. “Discrimination of growth and water stress
in wheat by various vegetation indices trough clear and turbid atmospheres”.
Remote sensing of enviroment. 13: 187-208.
Jerez P., & M. Arancibia P., 1972. “Trazado de Isoyetas del sector centro oriental de
la provincia de Magallanes”. Publ. Inst. Pat. Punta Arenas (Chile). Serie
Monografías Nº4. 28 pp.
Lira J., 1987 “La percepción remota: nuestros ojos desde el espacio”, Primera Ed.
1987, México.
Olave C., Santana A., Butorovic N., & Acuña P., 2008. “Variabilidad térmica en la
región nororiental de la península de Brunswick, Magallanes, Chile, empleando
datos Landsat” Anales Instituto Patagonia (Chile), 2008. 36(2): 5-12.
Opazo S., Olave C., Salinas C, & Radic S., 2009. “Análisis de cambios sobre
imágenes de satélite Landsat y Modis para el monitoreo de la carga animal en Tierra
del Fuego”, Congreso de agronomía, Universidad de Talca, Chile.
Pisano E., 1977. “Fitogeografia de Fuego-Patagonia chilena. I.- Comunidades
vegetales entre las latitudes 52º y 56ºS”. Anales Instituto Patagonia (Chile), 1977. 8:
121-250.
Reeves C., Winslow J. & Running S., 2001. “Mapping Weekly Rangeland
Vegetation Productivity Using MODIS Algorithms”. Journal Range Manage. 54:
A9OA1O5 March 2001.
Rey J., 1993. “Perspectivas de la teledetección en investigaciones ecológicas”.
Revista de teledetección, Nº 2. España.
34
Riaza A., Escuder J., Villar P., & Martin S., 1994. “Reflectancia espectral en el
visible e infrarrojo cercano (400-2500 nm) de distintas litologías en un conjunto
ígneo y metamórfico (Salamanca- España): Aplicaciones en cartografía geológica”.
Revista Sociedad de Geología España 7 (1-2), 1994.
Rivera R., Vargas E., Terrazas S., & Gavi F., 2001. “Utilización de imágenes de
satélite para la determinar áreas con problemas de lixiviación de nitratos”. Revista
Chapingo, serie ciencias forestales y del ambiente 8 (1): 21-30,2001.
Sá R., Almorox J., & De Souza A., 1996. “Comparación de dos métodos de
clasificación y aplicación al cartografiado de vegetación en el nordeste brasileño”.
Revista de teledetección Nº 7, España.
Sacristán F., 2006. “La Teledetección satelital y los sistemas de protección
ambiental”. Revista AquaTIC, nº 24, pp. 13-41.
Servicio Agrícola Ganadero, 2003. “El pastizal de Tierra del Fuego guía de uso,
condición actual y propuesta de seguimiento para determinación de tendencia”.
Punta Arenas, Chile.
Soria R., Ortiz S., Islas G., & Volke H., 1998. “Sensores Remotos: Principios y
aplicaciones en la evaluación de recursos naturales, experiencias en México”.
CONACYT, publicación especial 7, sociedad mexicana de la ciencia del suelo,
colegio de posgraduados, Chapingo, México.
Tricart J., 1979. “Paisaje y ecología”. Revue de Géomorphologie Dynamique,
XXVIII(3).
Verdú J., & Martínez-Casasnovas J., 2001. “Aplicación de imágenes radar de
satélite a la cartografía de la vegetación en zonas boreales”. Teledetección, medio
ambiente y cambio global (2001) 191-193.
35
Zha Y., Gao J., Ni S., Liu Y., Jiang J., & Wei Y. 2003. “A spectral reflectance-
based approach to quantification of grassland cover from Landsat imagery”. Remote
Sensing Environment 87: 371–375.