Edición 3: 2009 - cpdi - Fundación Instituto de Ingeniería

Comentarios

Transcripción

Edición 3: 2009 - cpdi - Fundación Instituto de Ingeniería
 Ministerio del Poder Popular para Ciencia, Tecnología e Innovación
Fundación Instituto de Ingeniería para Investigación y Desarrollo Tecnológico
Centro de Procesamiento Digital de Imágenes
Memorias de las I, II, III y IV
Jornadas Nacionales de
Geomática
III Jornadas 2009
Memorias de las I, II, III y IV Jornadas Nacionales de Geomática Ministerio del Poder Popular para Ciencia, Tecnología e Innovación
Fundación Instituto de Ingeniería para Investigación y Desarrollo Tecnológico
Presidente Ejecutivo
Arturo Gil Pinto
Jefe Centro de Procesamiento Digital de Imágenes
José Arismendi Valero
Coordinadora
III Jornadas 2009: María Teresa López Martín
Comité Organizador
Carmen Goitía Blanco
Egle Valera González
Elio Suárez Arroyo
Fani Araque Rojas
María Teresa López Martín
Rosa María Aguilar Bolívar
Ingrid Chávez Hernández
Ivonne Izarra Barrios
Luz Marina Santana Machado
Maribel Vieira Nunez
Olga Matos Marmol
Comité de Publicaciones 2013
Anderson Albarrán Torres
Fani Araque Rojas
Freddy Flores Araque
José De Sá Rodríguez Márquez
Liser Verdugo Rodríguez
María Antonieta Febres Ollarves
María Milagro Primera Canelón
Mariana Azuaje Casique
Maritza Silva Cordero
Maribel Vieira Nunez
Ramiro Saavedra Rondón
Comité Técnico
Freddy Flores Araque
Gustavo Aguerrevere Winckelmann
José Arismendi Valero
María Antonieta Febres Ollarves
María Milagro Primera Canelón
Rafael Rebolledo Wueffer
Ramiro Salcedo Gálviz
Wuilian Torres Cárdenas
Diseño de portada
Jesús Rodríguez Castillo
Freddy Flores Araque
Rafael Rebolledo Wueffer
Depósito Legal: lfx78320133002814
Caracas - Venezuela , 2013
Fundación Instituto de Ingeniería
Carretera Baruta – Hoyo de La Puerta, entrada al IDEA
Urb. Monte Elena II – Altos de Sartenejas.
Caracas, Venezuela
Apartado postal 40200. Teléfonos (58212) 9034610. www.fii.gob.ve
Memorias de las I, II, III y IV Jornadas Nacionales de Geomática
Memorias de las I, II, III y IV Jornadas Nacionales de Geomática Memorias de las I, II, III y IV
Jornadas Nacionales de Geomática
Trabajos revisados y evaluados por el Comité Técnico de cada edición de las
Jornadas, conformado por profesionales del
Centro de Procesamiento Digital de Imágenes
La Fundación Instituto de Ingeniería y el Centro de Procesamiento Digital de
Imágenes no se responsabilizan por los conceptos y opiniones emitidos por los
autores.
La producción y publicación de este documento es responsabilidad del Centro de
Procesamiento Digital de Imágenes
Memorias de las I, II, III y IV Jornadas Nacionales de Geomática Autores
María Teresa LÓPEZ M.
(Coordinadora)
A. BRICEÑO
Adriana MORENO
Alexis IZQUIERDO
Álvaro VILORIA
Antonio Márquez
Bartolomé OROPEZA V.
C. BOTTO
Carlina ROSILLO S.
Carlos Javier CAMACHO
Carmen Cecilia ARAUJO
Carmen GOITÍA BLANCO
Cecilio MORALES
Claudia DE LA HOZ
Daniel RODRÍGUEZ
Diego MACHADO P.
E. WILDERMANN
Eder CONDE
Edixson VILLALOBOS
Eduar DÍAZ
Fani ARAQUE
Francisco GUERRA
G. ACUÑA
Giancarlo SANTILLI
Gilberto FERRER
Giovanni LANEVE
Giovanni MEJÍAS
Giovanni ROYERO
Giovanny DAZA
Gustavo AGUERREVERE
Haydemar NÚÑEZ
Henry CODALLO
Henry PACHECO
Ilyan Carolina CURIEL G.
Ivon F. ALMONACID V.
J. ARISMENDI
J. CORTÉS
Javier OROPEZA
Jesús Alejandro RUIZ C.
Jesús RODRÍGUEZ
Jesús SANDOVAL
Jesús VILORIA R.
Jofmar L. SÁNCHEZ B.
Jorge VELAZCO
José Antonio INDRIAGO
José ARISMENDi
José DÁVILA
José Napoleón
HERNÁNDEZ
José ROA
Juan RODRÍGUEZ
Juan ZAMBRANO
Karla CALDERÓN
L. BACAICOA
L. SUAREZ
Luis Andrés LAPORTA
Lyneth H. CAMEJO L.
M. BARRIOS
M. ESCALONA
M. GRILLET
María C. PINEDA
María Milagro PRIMERA
María VANGA
María Virginia MÉNDEZ
Marina KAUFFMAN
Marisol ALTUVE
Martha MEDINA
Martin KAPPAS
Mauricio TAGLIAFERRO
Maxlimer VALLEÉ
Melvin HOYER
Michael SCHMITZ
N. VILLAMIZAR
Nixon MOLINA
Onelia ANDRADE
P. CORONEL
R. ESPINOSA
Rafael REBOLLEDO W.
Reinaldo MAURIELLO
Ricardo CUBEROS
Rosa AGUILAR
Rubí MASS
Santiago YÉPEZ
Scarlet CARTAYA
Selma GARCÍA
Sergio ALCALÁ
Stefan ERASMI
Stefano PIGNATTI
T. MÉNDEZ
Víctor CIOCE
Víctor H. CANO
Walmore VERGARA
Winston SANTAELLA
Wuilian TORRES
Yasmín GUDIÑO
Z. JOKIC
Zaida PINTO
Zuleima MOLINA
Zully GOYO
Memorias de las I, II, III y IV Jornadas Nacionales de Geomática INTRODUCCIÓN
Continuando con la serie de eventos técnicos que organiza el Instituto de Ingeniería a
través del Centro de Procesamiento Digital de Imágenes, se realizaron las Terceras
Jornadas Nacionales de Geomática los días 21 y 22 de octubre del año 2009 en las
instalaciones del Instituto de Estudios Avanzados (IDEA) ubicado en el sector de
Sartenejas–Baruta.
El objetivo de estas jornadas fue intercambiar conocimientos entre los diferentes
entes y actores que de una u otra forma trabajan con Sensores Remotos , Sistemas de
Información Geográfica, Geodesia y Cartografía Digital.
Previo al evento se realizaron dos seminarios y tres talleres que tuvieron como fin
reforzar el conocimiento público; fueron dictados los días 19 y 20 de octubre 2009.
1. - SEMINARIOS:
 LIDAR (Laser Imaging Detection and Ranging) duración 16 horas.
 IDE (Infraestructura de Datos espaciales) duración 8 horas.
Aunado a estos seminarios se llevaron a cabo tres talleres, con una duración de 8
horas cada uno.
2.-TALLERES:
 Generación de Mapas Imagen.
 Levantamiento con GPS.
 Software ENVI 4.6
Las Jornadas se realizaron los días 21 y 22 de octubre; 50 ponencias presentadas en
forma oral, 5 trabajos presentados en forma de afiches y 12 empresas ubicadas en el
hall del edificio que disponían de stand representativos de sus productos lo cual
favorecía el intercambio con los asistentes. Los temas seleccionados para la
realización de los trabajos fueron:
1.
Cambios climáticos.
2.
Gestión Ambiental
3.
Ordenamiento Territorial
4.
Riesgos Naturales
5.
Recursos Naturales
Es importante resaltar que durante estas ponencias se contó con la participación de 4
conferencistas magistrales:
Memorias de las I, II, III y IV Jornadas Nacionales de Geomática  “Desarrollo de Superficies Climáticas para Venezuela. Métodos y
Aplicaciones”. Dra. Lelis Bravo
 “Experiencias en la Caracterización Geoespacial y el Tratamiento Integral del
Riesgo Tecnológico Urbano”. Dr. Alejandro Linayo
 “Aplicaciones TERRA SAR-X. Una nueva visión desde el Espacio”. Ing.
Alejandra Gutiérrez.
 “SPOT-IMAGE”. Ing. Michel Cances.
Adicionalmente, se presentaron cuatro (04) conferencistas invitados, quienes gozan
de reconocimiento nacional;




Michel Chaplet (PDVSA- Oriente)
Maritza Rivas (UCV)
Luis Salazar (TSI- Consultores )
Ramiro Salcedo (FII/CPDI)
En estas jornadas participaron alrededor de 250 personas provenientes tanto del sector
público como privado, así como estudiantes de diversas universidades a nivel
nacional, quienes se mostraron muy satisfechos con las ponencias y expresaron su
deseo por la continuidad de este evento en los próximos años.
Se contó con organismos e instituciones públicas y privadas, cuyo aporte facilitó la
realización de este evento, entre estos: DIGECAFA, SPOT IMAGE, PDVSA, ESRI,
ABAE, ASD, IGVSB y SELPER.
María Teresa López
Memorias de las I, II, III y IV Jornadas Nacionales de Geomática III Jornadas Nacionales de Geomática
PONENCIAS
RIESGOS NATURALES
ORDENAMIENTO TERRITORIAL
PROCESAMIENTO DIGITAL DE IMÁGENES - PDI
GEODESIA
EDUCACION
AGRICULTURA
RIESGOS NATURALES
Vulnerabilidad de los Bosques en Venezuela ante el Cambio Climático.
-Rafael Rebolledo Wueffer - Fundación Instituto de Ingeniería para
Investigación y Desarrollo Tecnológico, Centro de Procesamiento digital de
Imágenes, Caracas, Venezuela.
Monitoreo de Derrames de Petróleo en el Lago de Maracaibo mediante
Satélites de Observación de la Tierra (EOS).
-Giovanni Laneve, Giancarlo Santilli - SAPIENZA-Università di Roma, Roma,
Italia
-Francisco Guerra - PDVSA-INTEVEP, Gerencia de Ambiente e Higiene
Ocupacional (AHO), Los Teques, Edo. Miranda, Venezuela.
-Stefano Pignatti - IMAA-CNR, Istituto di Metodologie per l’Analisi Ambientale,
Roma, Italia.
Utilización de Imágenes SRTM para el Cálculo de Vs30 en el Área
Metropolitana de Caracas.
-Víctor H. Cano, Mauricio Tagliaferro - Fundación Venezolana de
Investigaciones Sismológicas, Departamento de Ciencias de la Tierra.
-Cecilio Morales, Michael Schmitz - Fundación Venezolana
Investigaciones Sismológicas, Departamento de Geofísica.
de
Datos e Imágenes Satelitales para una Rápida Evaluación de la Amenaza
por Deslizamientos.
José Roa - Universidad de Los Andes-Trujillo, Grupo GEOCIENCIA. Trujillo.
Venezuela.
El Método de Jerarquías Analíticas para la Ponderación de Variables que
Determinan la Ocurrencia de Deslizamientos en el Macizo El Ávila.
-Scarlet Cartaya - Instituto Pedagógico de Caracas, Departamento de
Geografía e Historia, Caracas. Venezuela.
Henry Pacheco- Instituto Pedagógico de Caracas, Departamento de Ciencias
de la Tierra, Caracas, Venezuela.
La Geomática como Instrumento para la Evaluación y Geoespacialización de
los Riesgos de Contaminación Hídrica en Cuencas. Caso: El Jengibre,
Estado Carabobo.
-Diego Machado - SIGPER Consultores.
-Yasmín Gudiño - Facultad de Agronomía, UCV.
Sistema de Información Geográfica de Líneas Sísmicas de Venezuela y El
Caribe.
-Adriana Moreno - Fundación Instituto de Ingeniería – Centro de
Procesamiento Digital de Imágenes, Caracas, Edo. Miranda, Venezuela.
Uso de imágenes satelitales y herramientas SIG para el estudio de peligro a
deslizamientos en el Área Metropolitana de Caracas.
-Víctor H. Cano, Maxlimer Valleé, Javier Oropeza, Mauricio Tagliaferro Fundación Venezolana de Investigaciones Sismológicas, Departamento de
Ciencias de la Tierra. Caracas, Venezuela.
-Michael Schmitz - Fundación Venezolana de Investigaciones Sismológicas,
Departamento de Geofísica, Caracas, Venezuela.
Potencial del uso de la Interferometría Radar –SAR– para el estudio de la
subsidencia debido a la extracción petrolera en la Costa Oriental del Lago de
Maracaibo, Venezuela.
-Víctor H. Cano - Fundación Venezolana de Investigaciones Sismológicas,
Departamento de Ciencias de la Tierra. Caracas, Venezuela.
Evaluación del Riesgo de Erosión Hídrica en el Municipio Torres del Estado
Lara.
-Onelia Andrade - Universidad Yacambú, Estudios Ambientales, Lara.
Venezuela.
INIA-Yaracuy, Yaritagua, Yaracuy. Venezuela.
-Martin Kappas, Stefan Erasmi - Universidad de Göttingen, Inst. Geografía,
SIG y Sensores Remotos. Goldschmidtstr. 5. 37077 Göttingen, Alemania.
Modelos de Elevación del Terreno y Datos Hidrológicos para la Visualización
Virtual de Inundaciones y Tsunamis.
-Giovanni Daza, Santiago Yépez, José Arismendi - Fundación Instituto de
Ingeniería – Centro de Procesamiento Digital de Imágenes, Caracas,
Venezuela.
ORDENAMIENTO TERRITORIAL
Experiencias en Geomática 3D para la Planificación Urbana Local.
-Ricardo Cuberos, Nixon Molina, José Antonio Indriago - Instituto de
Investigaciones de la Facultad de Arquitectura y Diseño - IFAD. Universidad
del Zulia, Estado Zulia, Venezuela.
Identificación Mediante el Uso de Sensores Remotos y Sistemas de
Información Geográfica de Paisajes con Diferentes Niveles de Endemicidad
para Oncocercosis en el Foco Sur de Venezuela.
-Botto C. - Instituto de Medicina Tropical “Dr. Felix Pifano C.”, Escuela Luis
Razetti, Facultad de Medicina, Universidad Central de Venezuela, Caracas,
Venezuela.
-Botto C., Escalona M., Villamizar N., Cortés J., Coronel P., Jokic Z.2 Servicio Autónomo Centro Amazónico para Investigación y Control de
Enfermedades Tropicales “Simón Bolívar” (CAICET), Puerto Ayacucho,
Amazonas, Venezuela.
-Suarez L. - Laboratorio de Ecología de Plantas Acuáticas, Instituto de
Zoología Tropical, Facultad de Ciencias, Universidad Central de Venezuela,
Caracas, Venezuela.
-Grillet M.E. - Laboratorio de Biología de Vectores, Instituto de Zoología
Tropical, Facultad de Ciencias, Universidad Central de Venezuela, Caracas,
Venezuela.
Modelo de Sensibilidad Ambiental basado en la Valoración de Relaciones
Espaciales.
R. Rebolledo Wueffer - Fundación Instituto de Ingeniería para Investigación y
Desarrollo Tecnológico, Centro de Procesamiento digital de Imágenes.
Caracas, Estado Miranda, Venezuela.
Sistema de Información Geoespacial para la Optimización de la Gestión
Municipal. Prioridades de Pavimentación Urbana.
-Ing. Bartolomé Oropeza Villafañe - Universidad Nacional Experimental
Francisco de Miranda, Laboratorio de Sistemas de Información Geográfica de
Agro y Mar, Coro, Estado Falcón, Venezuela.
Sistema de Información Geográfica para la Gestión Turística de la Vela,
Municipio Colina del Estado Falcón.
-Carlina del Valle Rosillo Selen, Ilyan Carolina Curiel Gutiérrez - Instituto
Universitario de Tecnología Alonso Gamero (IUTAG), Departamento
Académico de Construcción Civil. Coro, Estado Falcón, Venezuela.
Lineamientos Metodológicos para la Inserción de Restricciones Ambientales
en el Ordenamiento Territorial de la Periferia de la Ciudad de Maracaibo.
-Carlos Javier Camacho, Ricardo Cuberos - Instituto de Investigaciones de la
Facultad de Arquitectura y Diseño - IFAD. Universidad del Zulia, Maracaibo,
Estado Zulia, Venezuela.
Normalización del Sistema de Información Geográfica con fines de Maximizar
los Beneficios en la Conservación y Manejo Ambiental de la Cuenca del Rio
Caroni.
-Rodríguez Daniel L., Garcia Selma, Zambrano Juan.
Indicadores del estado de conservación de las Áreas de la Faja Petrolífera
del Orinoco (FPO).
-Mylene Gutiérrez, Duran Roderick - Centro de Estudios Integrales del
Ambiente, Universidad Central de Venezuela. Caracas, Venezuela.
-José Berroterán - Petróleos de Venezuela S.A., Venezuela.
-José Berroterán, - Instituto de Zoología Tropical. Facultad de Ciencias,
Universidad Central de Venezuela, Caracas, Venezuela.
- Miguel Pietrangeli, Jesús Paredes - La Universidad del Zulia.
-Jorge Rodríguez
Escuela de Geografía, Universidad Central de
Venezuela, Caracas, Venezuela.
-Madi Yamil - Ministerio del Poder Popular para el Ambiente. Caracas,
Venezuela.
-Giovanna De Martino, Mercedes Rengifo - Universidad Experimental de los
Llanos Centrales Rómulo Gallegos.
Potencial Ecoturístico de la Reserva de Biósfera del Delta del Orinoco a partir
de Variables Ambientales.
-Freddy Flores, Walmore Vergara, José Arismendi - Fundación Instituto de
Ingeniería para Investigación y Desarrollo Tecnológico, Centro de
Procesamiento digital de Imágenes. Caracas, Estado Miranda, Venezuela.
Cambio del Paisaje en la Línea Transicional Paramo-Selva Nublada, Sector
La Aguada de la Vertiente Norte de la Sierra Nevada de Mérida-Venezuela.
-Winston Santaella D. - Instituto del Ambiente del Estado Lara, Venezuela,
Manejo de Cuencas Hidrográficas, Ecología del Paisaje, SIG.
PROCESAMIENTO DIGITAL DE IMÁGENES - PDI
Obtención de MDE a partir de Imágenes ASTER para Apoyar los Proyectos
Exploratorios de PDVSA. Caso Comparación ASTER y SRTM.
-Henry Codallo, Zully Goyo - PDVSA. Dirección Ejecutiva de Exploración.
Gerencia de Geodesia. Superintendencia de Sensores Remotos.
Visualización y Validación de Modelos de Elevación Digital y Ortoimágenes
usando los Satélites Cartosat-1 y IRS 1D.
-Jofmar L. Sánchez B - Especialidad en Fotogrametría Digital y Sensores
Remotos con aplicación a Recursos Naturales en el IIRS
Fundación Instituto de Ingeniería para Investigación y Desarrollo
Tecnológico, Centro de Procesamiento digital de Imágenes. Caracas, Estado
Miranda, Venezuela.
Cartografía Automatizada de Unidades de Paisaje en relieves montañosos
por medio de redes neuronales artificiales.
-Jesús Viloria R., María C. Pineda - Universidad Central de Venezuela,
Facultad de Agronomía, Instituto de Edafología, Maracay.
-Álvaro Viloria B., Haydemar Núñez - Universidad Central de Venezuela,
Facultad de Ciencias, Escuela de Computación, Caracas.
Modelo Para la Predicción de Parámetros de Calidad del Agua del Lago de
Valencia utilizando Imágenes de Satélite.
-Msc. Claudia De La Hoz Granadillo - Universidad Central de Venezuela.
-Ing. Msc. Carmen Goitía Blanco - Fundación Instituto de Ingeniería para
Investigación y Desarrollo Tecnológico, Centro de Procesamiento digital de
Imágenes. Caracas, Estado Miranda, Venezuela.
Detección de indicadores físicos de la línea de costa, en un enfoque de
clasificación orientada a objetos. Caso de estudio: Isla de Schiermonnikoog,
Países Bajos.
-María Virginia Méndez - Institución de Investigaciones Metalúrgicas y de
Materiales de SIDOR.
Análisis Multi-Temporal Y Estimación De Flujo En El Glaciar “Buenos Aires”,
Bahía Esperanza - Península Antártica.
-Santiago Yépez, Wuilian Torres, Rafael Rebolledo - Fundación Instituto de
Ingeniería para Investigación y Desarrollo Tecnológico, Centro de
Procesamiento Digital de Imágenes. Caracas, Estado Miranda, Venezuela.
GEODESIA
Instalación y Funcionamiento del Centro Experimental de Procesamiento y
Análisis GNSS Sirgas del LGFS-LUZ.
-Cioce V., Hoyer M., Acuña G., Wildermann E., Royero G., Méndez T.,
Espinosa R. - Laboratorio de Geodesia Física y Satelital –LGFS–, Escuela de
Ingeniería Geodésica de la Universidad del Zulia. Maracaibo, Venezuela.
Validación De Mediciones GPS-NTRIP en Venezuela y sus Aplicaciones en
el Ambito de la Geomática.
Mass I Rubí L., Briceño A., Royero G., Cioce V., Wildermann E., Hoyer M.,
Bacaicoa L., Barrios M. - Laboratorio de Geodesia Física y Satelital –LGFS–,
Escuela de Ingeniería Geodésica de la Universidad del Zulia. Maracaibo,
Venezuela.
Aspectos Prácticos en la Implementación del ISO 17123-8 para la Prueba y
Calibración de Receptores GNSS.
Ing. Antonio Márquez, Gerente General de Mediciones Científicas e
Industriales C. A. MECINCA. MSEE Columbia University. N.Y.
Representantes para Venezuela de SOKKIA-TOPCON y MAGELLAN
Professional.
Levantamiento Geodésico de Puntos de Control Terrestre, para la Corrección
Geométrica de Imágenes de Satélite de Alta Resolución Espacial.
-Ing. For. Jorge Velazco, Ing. Geol. Giovanni Mejías Corporación
Venezolana de Guayana, Gerencia de Minería, Calle Aro, CC Neverí Plaza
Nivel Oficina Puerto Ordaz.
-Ing Agr. Sergio Alcalá, Sr. Jesús Sandoval - Crystallex International
Corporation, Gerencia de Ambiente, Campamento Las Cristinas Carretera
Nacional Troncal 10, Km 85 Las Claritas.
-Ing.Agr.MSc. Diego Machado P., Ing Agr. Reinaldo Mauriello - SIGPER
Consultores, Urb. El Bosque Trebol N° 13 Las Delicias, Maracay.
Avances en la Determinación de las Altitudes de los Picos más Elevados de
Venezuela Utilizando GPS.
-José Napoleón Hernández - Instituto Geográfico de Venezuela Simón
Bolívar, Caracas, Venezuela.
EDUCACION
Los SIG y la Educación. Diplomado Básico en Tecnologías de Información
Geográfica.
-Indriago A, José A, Arq. MSc; Cuberos, Ricardo, Arq. MSc; Molina, Nixón,
Geog. Vanga, María, Ing., MSc; Araujo, Carmen Cecilia, Lic. MSc- Instituto
de Investigaciones de la Facultad de Arquitectura y Diseño (IFAD)
Universidad del Zulia, Maracaibo, Estado Zulia.
Geoportal Simón Bolívar.
-Zaida Pinto, Luis Andrés Laporta - CNTI, Gerencia Atención al Estado,
Oficina Desarrollo del Estado, IGVSB, Coordinación General de la Oficina de
Tecnología y Sistemas.
Sistema de Información Geográfica del Instituto Universitario de Tecnología
Alonso Gamero (IUTAG).
-Camejo López, Lyneth Haymara - Instituto Universitario de Tecnología
Alonso Gamero (IUTAG), Venezuela.
Sistema de Solicitud de Imágenes de LPAIS.
-Rosa Aguilar, Juan Rodríguez, y Jesús Rodríguez - Fundación Instituto de
Ingeniería para Investigación y Desarrollo Tecnológico, Centro de
Procesamiento digital de Imágenes. Caracas, Estado Miranda, Venezuela.
AGRICULTURA
Segmentación Espacial - Espectral de Espacios Agrícolas.
-Wuilian Torres - Fundación Instituto de Ingeniería para Investigación y
Desarrollo Tecnológico, Centro de Procesamiento digital de Imágenes.
Caracas, Estado Miranda, Venezuela.
Implantación de un Sistema de Información Geográfica (SIG) para el manejo
de una Unidad de Producción Agrícola (SIGUPAGRI). Resultados
Preliminares”
-Nixon Molina - 2 Universidad del Zulia, Facultad de Arquitectura, Instituto de
Investigaciones, Maracaibo Estado Zulia
-Martha Medina, Gilberto Ferrer, José Dávila, Eduar Díaz y Eder Conde Universidad del Zulia, Facultad de Agronomía, Departamento de Ingeniería,
Suelos y Aguas, Av. 16 Guajira Ciudad Universitaria “Antonio Borjas Romero”
Núcleo Agropecuario, Maracaibo Estado Zulia.
Aplicación de Técnicas de Interpolación Geoestadística y de Regresión
Lineal en un SIG para Determinar Variables Climáticas en Valles Cacaoteros
del Estado Aragua
-Alexis Izquierdo - INIA CENIAP
-Diego Machado - SIGPER Consultores
Aplicación de Técnicas Hiper-Espectrales a Imágenes Multi-Espectrales
(Aster), para Identificar Superficies Cultivadas con Maíz, en la Localidad de
Sabaneta, Estado Barinas
-Jesús Alejandro Ruiz C. - Fundación Instituto de Ingeniería para
Investigación y Desarrollo Tecnológico, Centro de Procesamiento digital de
Imágenes. Caracas, Estado Miranda, Venezuela.
Evaluación del Índice de vegetación de Diferencia Normalizado (NDVI) en la
Clasificación de las Coberturas Vegetales Dominantes de un Area en el
Complejo Guerrero en Imágenes SPOT de los años 1988, 2004 y 2007.
-Ivon Fernanda Almonacid Velosa - Universidad Distrital Francisco José de
Caldas, Ingeniería Forestal, Bogotá, Colombia.
RIESGOS NATURALES
VULNERABILIDAD DE LOS BOSQUES EN
VENEZUELA ANTE EL CAMBIO CLIMÁTICO
R. Rebolledo Wueffer (*)
(*) Fundación Instituto de Ingeniería Para Investigación y Desarrollo Tecnológico, Centro de
Procesamiento digital de Imágenes. Carretera Nacional Hoyo de la Puerta-Baruta, Urb. Monte Elena
II-Sartenejas Baruta, Estado Miranda, VENEZUELA. Master: (+58 212) 903 4610 / 90.
[email protected]
RESUMEN
Uno de los más importantes proyectos de investigación de la FII-CPDI es Proyecto Bosques.
Como parte de los objetivos de este proyecto esta el realizar y analizar las relaciones entre los
cambios en la cobertura boscosa de Venezuela y los cambios en el clima. Los resultados de estas
investigaciones nos permiten estimar la vulnerabilidad de cada tipo de los bosques contra el
cambio climático. Con el fin de estimar esta vulnerabilidad estamos analizando los datos de
teledetección, y de terreno sobre la base de datos climáticos de 30 años de observaciones, a saber:
250 imágenes LANDSAT de los bosques de Venezuela, más de 40.000 registros procedentes de
82 estaciones meteorológicas, e imágenes MODIS. Por último, sobre la base de estos estudios,
que están determinando las condiciones de vulnerabilidad de los bosques de Venezuela. Los
resultados se utilizarán para desarrollar las políticas de conservación y gestión sostenible de los
bosques, como por ejemplo: jerarquización de prioridades de conservación, diseño de planes de
adaptación, etc.
PALABRAS CLAVE: Cambio Climático, Medidas de Adaptación, Vulnerabilidad,
Detección de Cambios.
INTRODUCCION
Los bosques se cuenta entre los ecosistemas mas sensibles ante el Cambio Climático (CC),
Muchas investigaciones ven en los bosques una causa importante al Calentamiento Global,
mientras otras investigaciones buscan demuestran que la reducción de los bosques es producto del
los efectos del Calentamiento Global entre otros cambios climáticos. En cualquier caso es
evidente la relación entre ambos aspectos. El territorio venezolano esta cubierto casi 50% por
bosques, como cualquier bosque tropical son ecosistemas altamente complejos, pluriestratificados y mega-diversos. En este contexto es clara la importancia del desarrollo de trabajos
científicos que estudien este tipo de relaciones como indicador de las condiciones de
vulnerabilidad de los bosques ante CC. Este tipo de iniciativa es la base para la formulación de
políticas para el manejo sustentable de los bosques y la generación de medidas de adaptación ante
el CC en Venezuela.
OBJETIVO
Estimar la vulnerabilidad de los bosques en Venezuela ante el cambio climático a partir del
Análisis comparativo de cambios en la cobertura boscosa experimentados en los últimos 25 años
y cambios en los patrones climáticos, para el mismo periodo. Este objetivo se logrará mediante el
uso y análisis de datos provenientes de sensores remotos y la implementación efectiva técnicas de
Procesamiento digital de imágenes y procedimientos geo-estadísticos.
1
METODOLOGIA
Para el caso del cambio en la cobertura boscosa, se pre-procesaron las imágenes de acuerdo a las
características originales, se seccionaron y se construyeron imágenes de NDVI para cada imagen
de la serie. Para el caso del clima se pre-procesaron las imágenes se estratificaron y se validaron
contra los registros de las estaciones de tierra. Tanto la información de bosques como de clima
fueron sometidas a un análisis interno con la finalidad de evaluar la confiabilidad de las series.
Posteriormente para cada caso se hace el análisis multitemporal y en base a un análisis
comparativo se estudia la naturaleza de los cambios tanto en modo (uniforme o disgregado) como
en dinámica (crecimiento, decrecimiento o desplazamiento). En base a estas cualidades del
cambio y a la secuencia del mismo se definen las condiciones de vulnerabilidad de cada tipo de
bosque (ver figura 1).
Figura 1.- Modelo conceptual para la determinación de vulnerabilidad de los bosques ante el cambio climático.
RESULTADOS PRELIMINARES
Aun cuando para el momento de la elaboración de este documento el trabajo aun no ha concluido,
se han adelantado algunas etapas.
PRE-PROCESAMIENTO
Este procedimiento consistió en la adquisición, georeferenciación de las imágenes disponibles,
además incluye la conformación de las series temporales según trimestres meteorológicos en el
trópico y la extracción y seccionamiento de los lotes boscosos. Dada la insuficiencia de imágenes
para estudiar toda Venezuela a la vez, se optó por separar el área de estudio por 5 regiones con el
criterio de regiones bioclimáticas. Esto permite analizar independientemente cada región y sus
tendencias.
Para en caso de las imágenes de temperatura de MODIS el pre-procesamiento es similar. Las
actividades de estratificación y sintetización permiten el análisis estadístico de los datos para cada
caso; además en el caso la parte climática, permite la calibración con información de información
de tierra. Los resultados de estos procesos están orientados a afinar el proceso de detección de
cambios para cada caso, garantizando que solo las mejores series son consideradas.
1
ANÁLISIS COMPARATIVO
La parte central de la propuesta es el análisis comparativo de las diferentes escenas que
componen las series, tanto para el caso cambios en el clima como para el caso de los cambios en
cobertura boscosa. Ambos casos (bosques y clima) se estudian detalladamente por separado, y
mediante la utilización de técnicas de Análisis y Procesamiento digital de Imágenes se
determinan cualidades atributivas para cada serie: Modo y Dinámica.
Modo: Se refiere a la manera en la cual cambian los elementos de la unidad estudiada:
Reunión de elementos de la misma clase
Agregado:
Ruptura y dispersión de elemento de la misma
Disgregado:
clase
Cuando los cambios no afectan la conformación
Homogéneo:
de los elementos.
Dinámica: Se refiere a la ganancia o pérdida de espacio por la unidad estudiada con el
pasar del tiempo.
La unidad estudiada aumenta su tamaño.
Creciente:
La unidad estudiada disminuye su tamaño.
Decreciente:
La unidad
disminuye y aumenta su tamaño
Alternante:
alternativamente
La unidad cede espacios y gana otros.
Desplazante:
La unidad se mantiene casi inalterable.
Estacionario:
En las figuras 2 y 3 se muestran algunos ejemplos de lo que en la práctica representan tanto el
modo de cambio como la dinámica de cambio. La idea es analizar el comportamiento de las
unidades asociadas a cada tipo de bosque y definir para ellas estos atributos (Modo y Dinámica).
1994
2001
1.- Agregación
1994
2001
2.- Disgregación
1994
2001
3.- Homogéneo
Figura 2.- Ejemplo de Modo de Cambio
Figura 3.- Ejemplo de Dinámica de Cambio
Finalmente, la información atributiva se complementa con el análisis de la Secuencia. Este análisis
relaciona el comportamiento de la serie de cambio en bosque y la serie de alteraciones climáticas
de forma conjunta (ver figura 4). Así, la Secuencia: Se refiere al retardo (+/-) que se experimenta
2
al comparar series de cambio en bosque y series de cambio en clima. La Secuencia puede ser:
Precedente:
Simultaneo:
Consecuente:
Cambios en la serie de bosques ocurren antes que alteraciones
en la serie de clima correspondiente.
Cambios en la serie de bosques ocurren al mismo tiempo que
alteraciones en la serie de clima correspondiente.
Cambios en la serie de bosques ocurren después que
alteraciones en la serie de clima.
Figura 5.- Ejemplo de cambio Consecuente
VULNERABILIDAD
Mas allá de la direccionalidad entre causa efecto de la relación Bosques – Clima, entendiendo que
la vulnerabilidad es la estimación de la forma como un evento afecta un Bien determinado y
considerando además que en este caso el evento es el Cambio Climático y el Bien son los
bosques; la vulnerabilidad de éstos ante el Cambio Climático puede ser determinada por los
resultados de este estudio, toda vez que, efectivamente alteraciones en la temperatura y el
régimen de precipitación son un indicador válido para Cambios Climáticos. En este orden de
ideas, si se tienen escenarios futuros de Cambio Climático donde se conoce como serán la
temperatura y las precipitaciones, se podría en consecuencia predecir la situación en que se
encontrarán los bosques para ese escenario.
Con estas consideraciones, para esta propuesta la vulnerabilidad al Cambio Climático se estima
como una función equipotencial de las tres cualidades atributivas determinadas (Modo, Dinámica
y Secuencia). Esta estimación se hace en base a tres componentes: La susceptibilidad, la
adaptabilidad y la resiliencia.
La susceptibilidad se evalúa en función de modo y la dinámica, en base a las posibles
combinaciones de estas variables está expresada en la tabla 1
La Resiliencia se evalúa como la posibilidad de las unidades de recuperar en cierto tiempo su
funcionalidad original, a los efectos de esta propuesta, la resiliencia es posible cuando la unidad
experimenta una dinámica alternativa y permanece homogénea.
Finalmente la Vulnerabilidad se evalúa en base a estos tres aspectos. Según el siguiente criterio:
3
Altamente
vulnerable:
Medianamente
Vulnerable:
Vulnerable
No Vulnerable
Susceptibilidad desfavorable de 3er y 4to orden, no adaptable,
baja resiliencia
Susceptibilidad desfavorable de 2do orden, no adaptable, baja
resiliencia
Susceptibilidad desfavorable de 1er orden, no adaptable, baja
resiliencia
No susceptible o susceptibilidad favorable, adaptable y resiliente
La evaluación de estos aspectos en el contexto geo-espacial determina la configuración de las
unidades de bosque en función al criterio de vulnerabilidad al Cambio Climático aquí definido.
Tabla 1.- Valoración de la susceptibilidad
MODO
DIMANICA
SUCEPTIBILIDAD
Agregado
Creciente
susceptibilidad favorable de 2do orden
Agregado
Decreciente
susceptibilidad desfavorable de 2do orden
Agregado
Alternativo
susceptibilidad desfavorable de 1er orden
Agregado
Desplazante
no susceptible
Agregado
Estacionario
susceptibilidad favorable de 1er orden
Disgregado
Creciente
no susceptible
Disgregado
Decreciente
susceptibilidad desfavorable de 4to orden
Disgregado
Alternativo
susceptibilidad desfavorable de 3er orden
Disgregado
Desplazante
susceptibilidad desfavorable de 2do orden
Disgregado
Estacionario
susceptibilidad desfavorable de 1er orden
Homogéneo
Creciente
susceptibilidad favorable de 1er orden
Homogéneo
Decreciente
susceptibilidad desfavorable de 3er orden
Homogéneo
Alternativo
susceptibilidad desfavorable de 2do orden
Homogéneo
Desplazante
susceptibilidad desfavorable de 1er orden
Homogéneo
Estacionario
no susceptible
La Adaptabilidad es posible en aquellas unidades que experimentan cambios positivos (ver tabla
2).
Tabla 2.- Valoración de la adaptabilidad
MODO
Agregado
DIMANICA
Creciente
ADAPTABILIDAD
adaptabilidad de 2do orden
Agregado
Decreciente
no adaptable
Agregado
Alternativo
no adaptable
Agregado
Desplazante
adaptabilidad de 1er orden
Agregado
Estacionario
no adaptable
Disgregado
Creciente
adaptabilidad de 2do orden
Disgregado
Decreciente
no adaptable
Disgregado
Alternativo
no adaptable
Disgregado
Desplazante
adaptabilidad de 1er orden
Disgregado
Estacionario
no adaptable
Homogéneo
Creciente
adaptabilidad de 2do orden
Homogéneo
Decreciente
no adaptable
Homogéneo
Alternativo
no adaptable
Homogéneo
Desplazante
adaptabilidad de 1er orden
Homogéneo
Estacionario
no adaptable
4
CONCLUSIONES
Para el momento de la redacción de este extenso se esta trabajando en la caracterización de los
cambios en función a dinámica, modo y secuencia; se esperan resultados en Agosto ‘09. Algunas
conclusiones:
Aun cuando disponibilidad de imágenes no fue suficiente para armar series continuas en todo el
país, la separación en eco-regiones optimizó los recursos.
El análisis interno de los datos ha demostrado ser un procedimiento importante, pocas veces
considerado al momento de evaluar la significancia de series temporales dentro de un análisis de
detección de cambios.
La caracterización del cambio permite un mejor conocimiento de la vulnerabilidad de los bosques
de cara a los cambios climáticos.
BIBLIOGRAFIA
Aline Sayuri Ishikawa: Aplicação De Operadores Morfológicos Na Extração De Rodovias
Utilizando Imagens Digitais. Universidade Estadual Paulista Júlio de Mesquita Filho, Faculdade
de Ciências e Tecnologia. Brasil
Badii, M. H. y J. Landeros: Cuantificación de la fragmentación del paisaje y su relación con
Sustentabilidad. International Journal of Good Conscience.
Méndez Jocik, Alberto A.: Estimación De La Temperatura Ambiental A Escala Regional
Mediante Procesamiento De Imágenes De Satélites Departa
mento de Geomática y Estudios Regionales. Ministerio de la Agricultura de Cuba.
Locatelli Bruno: Vulnerabilidad de los bosques y sus servicios ambientales al Cambio Climático.
CATIE. Costa Rica.
AGRADECIMIENTOS:
Por proveer las imágenes de Satélite de los Sensores Landsat y MODIS, a Earth Science Data
Interface (ESDI) at the Global Land Cover Facility y a la NASA.
Por Conformar el grupo humano que sistematizó y ejecuto las directrices metodológicas: Grupo
Bosque: Anderson Albarrán, Montserrat Bautis, Fani Araque, Eglé Valera, Jose De Sá Rodríguez,
Maritza Silva y Gustavo Aguerrevere.
Por aportar experiencia al diseño y elaboración de la metodología de trabajo: Comité Asesor:
Ramiro Salcedo, Freddy Flores, José Arismendi y Wuilian Torres.
5
Monitoreo de derrames de petróleo en el Lago de Maracaibo mediante
satélites de observación de la Tierra (EOS)
Giovanni Laneve1, Giancarlo Santilli1, Francisco Guerra2, Stefano Pignatti3
1
SAPIENZA-Università di Roma, Centro di Ricerca Progetto San Marco (CRPSM), Via Salaria, 851,
Roma, Italia
2
PDVSA-INTEVEP, Gerencia de Ambiente e Higiene Ocupacional (AHO), Urb. Santa Rosa, sector El
Tambor, Los Teques, edo. Miranda, Venezuela
3
IMAA-CNR, Istituto di Metodologie per l’Analisi Ambientale, Via del Cavaliere 1, 00100, Roma, Italia
1
[email protected], [email protected], [email protected]
1. Resumen
El Lago de Maracaibo, ubicado en el occidente de Venezuela es el lago mas grande de América
Latina y es prodigioso en riqueza mineral, fauna y flora acuática. La importancia económica de
su cuenca hidrográfica radica en su prosperidad agrícola y ganadera; además, del Lago de
Maracaibo y zonas adyacentes se extraen grandes volúmenes de petróleo que se envía a
refinerías y mercados del mundo a través de barcos.
El Lago de Maracaibo es un ecosistema muy complejo y delicado que puede ver comprometido
su equilibrio a causa de los derrames que pudiesen ocurrir por las actividades de extracción y
transporte de crudo. Es por ello que resulta indispensable estudiar sistemas de monitoreo de
derrames de petróleo en tiempo real (real-time) y tiempo casi real (near real-time) basados en
sensores remotos, que permitan detectar y cuantificar, en el menor tiempo posible, los derrames
de crudo que pueden ocurrir en el Lago, posibilitando actuar con medidas adecuadas para
reducir o eliminar impactos al ambiente.
Los progresos en el campo de la teledetección y de la tecnología satelital para la observación de
la Tierra (Satellite Earth Observation Systems) en los últimos años, ofrecen hoy la posibilidad
de adquirir datos e imágenes de cualquier punto del planeta, con una resolución espacial y
temporal jamás alcanzada.
El presente trabajo tiene como objeto evaluar de manera crítica los más importantes sensores
remotos ópticos y radares satelitales (MODIS/Terra-Aqua, MERIS/Envisat, ASTER/Terra,
CHRIS/Proba, ERS 2, ASAR/Envisat, Cosmo Sky-Med, RADARSAT 2, SPOT, Terra-SAR)
disponibles actualmente, focalizando la atención en su capacidad, en términos de longitud de
onda, resolución espacial y propiedades orbitales. Ello con miras a detectar derrames de
petróleo en el Lago de Maracaibo y ser utilizados en un futuro sistema para el monitoreo
tecnológicamente avanzado de este importante ecosistema.
2. Introducción
El Lago de Maracaibo constituye una de las principales áreas operacionales de Petróleos de
Venezuela S.A. (PDVSA). Este es un cuerpo de agua semicerrado con una superficie de 12.013
km2 [6] y que tiene una conexión directa y natural con el mar, es asiento de actividades
petroleras desde la segunda década del siglo XX y buena parte de sus yacimientos son
explotados desde el espejo de agua [7]. La exploración, producción y transporte de crudo a lo
largo de los años ha llevado a la implantación en el lago de numerosas instalaciones tales como:
gabarras, plataformas, pozos, estaciones de flujo y mas de 40.000 km de tuberías [7].
La larga data de algunas de estas instalaciones y el abandono de algunas de ellas, así como
procesos de corrosión y eventuales fallas operacionales se traduce en frecuentes filtraciones y
derrames de crudo en el cuerpo del lago [7].
La importancia ecológica, económica y cultural del Lago de Maracaibo, así como el
cumplimiento de la legislación ambiental venezolana hace que la Nueva PDVSA desarrolle un
programa de detección y control de derrames de crudo en el Lago de Maracaibo. Dicho
programa consiste actualmente en patrones aéreos, en los cuales observadores a bordo de
helicóptero sobrevuelan diariamente las áreas petroleras. En caso de derrames los observadores
detectan, localizan, caracterizan y reportan los eventos a una central de operaciones quien
canaliza las acciones de recolección y reparación.
PDVSA está interesada en incrementar la eficiencia del sistema de detección de derrames en el
lago en términos de cubrimiento geográfico, registro, trazabilidad de eventos, seguridad
operacional, análisis de series estadísticas y reducción de impactos ambientales.
Aunque existen experiencias operacionales internacionales en el uso de percepción remota para
la detección de derrames de crudo en agua, PDVSA requiere evaluar la factibilidad de uso de
estas tecnologías en el Lago de Maracaibo, debido a las particularidades ambientales y
operacionales de este cuerpo de agua: vientos, sedimentos, salinidad, patrones de circulación
[1], bajos volúmenes y alta frecuencia de derrames y amplia dispersión geográfica.
3. Materiales y métodos
La explotación de petróleo en el Lago de Maracaibo así como el acelerado crecimiento de
asentamientos humanos y de las actividades agrícolas e industriales, compromete su equilibrio
ecológico debido a los procesos de transformación de sus características físicas, químicas y
biológicas. La conservación integral de este ecosistema requiere, entre otras cosas, la
implementación de un sistema de monitoreo y detección de los derrames de crudo (real-time o
near real-time) que cotidianamente se presentan.
Este estudio tiene por objeto establecer, a través de un análisis crítico de los mas importantes
sensores satelitales disponibles (de acuerdo a sus propiedades orbitales, longitud de onda y
resolución espacial), si estos sensores pueden ser la base de un futuro sistema de monitoreo y
detección de los derrames de hidrocarburos en este importante ecosistema. Este aspecto
preliminar es fundamental, ya que la detección de derrames de hidrocarburos derivados de
actividades petroleras para un sitio determinado, presenta problemas inherentes a las
características del área, a la respuesta espectral de los diversos componentes del paisaje y de los
contaminantes que se desean localizar y cuantificar.
3.1 Propiedades orbitales y resolución temporal
Los sensores remotos utilizados para el monitoreo y detección de derrames de crudo pueden ser
comparados en base a varios criterios. En particular, la resolución espacial es un factor muy
importante ya que determina la capacidad de detección de los objetos según su tamaño. Otro
factor no menos importante es el intervalo de tiempo de adquisición y tratamiento de datos, los
cuales deben estar disponibles en tiempo real o casi-real, para su expedita interpretación y uso.
El parámetro temporal es particularmente crítico cuando los derrames de crudo tienen lugar en
mar abierto, donde el viento y las corrientes pueden dispersar rápidamente el crudo sobre una
gran área. Brown y otros [2] señalan que los datos de sensores remotos deben estar disponibles
como máximo una hora después del derrame de crudo. La tabla 1 resume las especificaciones
temporales relativas a las diversas actividades que se realizan durante un derrame de
hidrocarburos en mar abierto. Estos tiempos pueden ser mas flexibles en ambientes diferentes
(en términos de vientos y corrientes), como en el caso del Lago de Maracaibo.
Tabla. 1 Tiempo máximo requerido para la recolección de datos para llevar con éxito acciones ante un
derrame de hidrocarburo en mar abierto
(Modificada de Brown y otros [3])
Tarea relativa al derrame de crudo
Detección de crudo en agua
Mapa de crudo en agua
Mapa de crudo en tierra/costa
Limpieza del agua (táctico)
Soporte táctico tierra/costa
Espesor y volumen
Legal y persecución
Documentación
Vigilancia de largo radio
Tiempo máximo durante el cual un dato
colectado es útil (horas)
1
12
12
1
1
1
6
1
1
La tabla 2 muestra la resolución espacial y el tiempo necesario para el procesamiento típico de
los datos para algunos sensores actuales. En ella se observa que los sensores aéreos poseen
mejor resolución espacial y temporal que los satelitales. Dado que el tiempo es un factor crítico
(a causa de la dinámica de los derrames), los primeros son normalmente usados para respuestas
tácticas mientras que los últimos son mas adecuados para respuestas estratégicas ya que
capturan imágenes sobre grandes áreas, pero tienen menor resolución espacial y temporal.
Tabla. 2 Resolución espacial, temporal y tiempo necesario para procesar
y analizar datos de algunos sensores remotos actuales [4]
A través del software STK (Satellite Tool Kit) se llevó a cabo la simulación del pase de varios
satélites dotados de sensores SAR sobre el Lago de Maracaibo, a fin de de determinar los
vínculos temporales impuestos por su dinámica orbital y establecer el intervalo temporal
mínimo que ocurre entre dos satélites que pasan consecutivamente sobre el área. Esto permite
saber si estos vínculos temporales son compatibles con los que indica la literatura (tabla 2) y
con las exigencias temporales para derrames de crudo. De esta forma se determina si estos
sensores pueden formar parte de un sistema de monitoreo de derrames de crudos para el Lago de
Maracaibo.
3.2. Longitudes de onda
La detección de derrames de hidrocarburos puede ser llevada a cabo con sensores que captan en
las siguientes longitudes de onda: UV, VIS, IR, TIR, MW, no obstante, cabe resaltar que los
sensores IR, VIS e UV no son capaces de detectar derrames de petróleo en condiciones
meteorológicas difíciles, tales como fuertes lluvias o neblina. Los sensores que trabajan en el
campo visible son generalmente utilizados para crear un mapa básico relativo al derrame de
petróleo. La tabla 3 resume los principales instrumentos utilizados para derrames de
hidrocarburos, con sus respectivas longitudes de onda (extraído de Goodman 1994).
Tabla. 3 Bandas espectrales de los sensores remotos y los instrumentos
usados para la detección de los derrames de hidrocarburos [5]
3.3. Imágenes de satélite
El objetivo de detectar derrames de crudo en el Lago de Maracaibo se aborda, en esta primera
fase, utilizando un conjunto de imágenes satelitales ópticas y de radar. El área frecuentemente
está cubierta por nubes, lo que indica que son mas favorables las imágenes de radar. Sin
embargo, las condiciones particulares del Lago de Maracaibo, con elevada eutroficación y bajos
regímenes de viento, pueden requerir también el uso de imágenes ópticas e hiperespectrales.
Actualmente se hacen ensayos para adquirir casi-simultáneamente imágenes de los sensores
CHRIS/Proba y ASAR, con la finalidad de desarrollar un sistema que permita distinguir y
estimar de manera automática, tanto derrames de crudo como vegetación flotante (Lemna sp.)
presente en el Lago.
Para alcanzar dicho objetivo han sido colectadas y analizadas las siguientes imágenes satelitales:
• ETM + Landsat desde el año 2005 al 2007
• ASTER desde el año 2003 al 2007
• ASAR/Envisat del año 2009
• Cosmo-SkyMed del año 2008
• CHRIS/Proba de los años 2007 y 2008
ASAR
ASTER
COSMO/SkyMed
Figura. 1 Algunas imágenes satelitales utilizadas en este estudio. Imagen ASTER/Terra (izquierda), imagen
ASAR/Envisat radar (centro) e imagen radar Cosmo-SkyMed (derecha)
4. Resultados
4.1 Simulación de satélites SAR con software STK
Fig. 2 Simulación STK de un satélite pasando sobre el Lago de Maracaibo. El Lago cubre
una área de aprox. 12.000 km2. En número de imágenes, esto corresponde a: 1 imagen OLS;
1 o 2 imágenes Landsat; 9 imágenes SPOT; 144 imágenes Ikonos y 360 imágenes Quickbird
Como se indica en la sección 3.1, para estimar el tiempo máximo que ocurre entre dos pases
consecutivos de estos satélites sobre el Lago, se realizó una simulación con varios satélites SAR
con el software STK (Satellite Tool Kit). En esta simulación no se consideraron satélites con
sensores ópticos, ya que la frecuente nubosidad sobre el Lago puede inutilizar las imágenes
adquiridas. La figura 2 es una imagen de un satélite SAR que pasa sobre el Lago de Maracaibo
obtenida durante la simulación con STK.
La tabla 4 muestra los resultados de esta simulación, en términos de distancia temporal entre el
pase de un satélite SAR sobre el Lago y el pase siguiente de otro satélite SAR. A título de
ejemplo, se observa que desde el 26 de Abril 2008 al 01 de Mayo 2008 se reportan 12 pases
sobre el Lago (varios satélites SAR pasan 12 veces sobre el área en 4 días y medio), con un
intervalo temporal promedio entre dos pases de satélites consecutivos de 9.20 horas.
Tabla 4. Lista de posibles instantes de tiempo en que dos satélites SAR pasan sobre el Lago desde el 26 de
Abril 2008 hasta el 01 de Mayo del 2008. El tiempo promedio entre 2 satélites consecutivos que cubren la zona
es 9.20 horas
4.2 Análisis de imágenes satelitales
El futuro sistema automático de detección del Lago de Maracaibo debe poder distinguir entre
crudo derramado (varios tipos) y vegetación flotante (Lemna sp.), ya que la presencia de esta
con densidad variable a lo largo del año, es una de los aspectos mas importantes de este
ecosistema en los últimos años.
A continuación se presentan las características mas relevantes de los sensores ópticos y radar
considerados en este artículo, su potencial para detectar derrames de crudo y vegetación
acuática, así como ejemplos de imágenes captadas en el Lago de Maracaibo.
Landsat/TM-ETM: es un sensor pasivo VIS/IRC con resolución espacial de 30 m, frecuencia de
revisita de 16 días y una dimensión imagen de 185 km por lado. Con un adecuado contraste
(streching) es posible evidenciar e identificar manchas de crudo respecto a Lemna sp (Figura 3).
Esta capacidad puede ser usada para crear algoritmos de detección automática de derrames.
crudo
lemna
Landsat
Figura. 3 Imagen Landsat 5 (TM + ETM) de Junio 2008 sobre el Lago de Maracaibo. Con un adecuado
contraste (streching) se evidencia la presencia de crudo y lemna. Sin embargo es difícil analizar las
características ópticas del agua, la frecuencia de observación es muy baja y la inutiliza la presencia de nubes
COSMO-SkyMed y Envisat/ASAR: el primero es un sensor SAR activo con resolución espacial
de 5 m, frecuencia de revisita de 12 horas y cubrimiento de 40 km por lado. El segundo es
también un sensor SAR activo con resolución espacial superior a 10 m, frecuencia de revisita de
varios días y cubrimiento de 100 km por lado. Las imágenes radar resuelven el problema de la
frecuente cobertura nubes en el Lago pero no permite distinguir crudo con presencia simultanea
de Lemna sp. Además el régimen de vientos en el Lago es muy bajo (inferior a lo requerido para
obtener información de derrames de crudo con imágenes radar). La figura 4 muestra los
resultados de la interpretación con este tipo de imágenes.
ASAR
crudo
agua
lemna
COSMO/SkyM
lemna
Fig. 4 Imágenes Cosmo-SkyMed (izquierda) y ASAR (derecha) sobre la costa oriental del Lago donde se
observan algunos derrames de crudo, lemna y agua simple. La detección automática con este tipo de imágenes
resulta difícil
Terra/ASTER: este sensor es una camara VIS/IRC con resoluciòn espacial de 15 m, frecuencia
de revisita de 16 dìas y cubrimiento de 50 km por lado. Por su dominio espectral y espacial estas
imágenes permiten evidenciar la Lemna sp, pero no son muy adecuadas para detectar manchas
de petróleo.
Terra-Aqua/MODIS: sensor con resolución espacial de 250 m, frecuencia de revisita de 2 dias y
cubrimiento de 2500 km por lado. Este sistema garantizaría una adecuada resolución temporal
pero la resolución espacial es insuficiente para el problema planteado. La figura 5 muestra
algunos resultados del análisis de estas imágenes.
petròleo
MODIS
lemna
Figura. 5 Imágenes MODIS (satélites Terra/Acqua) sobre el Lago de Maracaibo. Estas imágenes pueden ser
adquiridas con frecuencia diaria, permiten distinguir crudo derramado respecto a lemna. La baja resolución
dificulta la detección de pequeños derrames de hidrocarburos
Proba/CHRIS: sensor hiperespectral con resolución espacial de 18–60 m (según la
configuración), frecuencia de revisita de aproximada 7 días y cubrimiento de 14 km por lado. La
adquisición simultánea con ASAR ayudará a distinguir manchas de crudo de Lemna sp y
permitirá conocer la concentración de otros compuestos en el agua. Además, un sensor
hiperespectral permitirá determinar el espesor relativo de la capa de crudo derramado. La
desventaja es que le afecta la cobertura de nubes impidiendo la toma de imágenes. La figura 6
muestra los resultados del análisis de estas imágenes.
petròleo
lemna
Figura. 6 Secuencia de imágenes CHRIS (satélite hiperespectral Proba) sobre el Lago. Este sensor permite
distinguir derrames de crudo de la lemna y de otros elementos presentes en las aguas del Lago. Para cubrir
todo el Lago se requieren aprox. 100 imágenes de este tipo y es imposible su adquisición en caso de cobertura
de nubes
Conclusiones
El presente trabajo reporta los resultados obtenidos en la primera fase de un proyecto de
colaboración científica, entre PDVSA-Intevep (Petróleos de Venezuela S.A.) y el CRPSM
(Centro di Ricerca Progetto San Marco – Università di Roma “La Sapienza”) que apunta al
desarrollo de un sistema de monitoreo de los derrames de crudo (near real-time) en el Lago de
Maracaibo, basado en sensores remotos.
La percepción remota de derrames de crudo desde plataformas satelitales es en general muy útil
dado al cubrimiento de amplias áreas, la localización de eventos y la prestación de asistencia en
emergencias. Además, puede suministrar información de la extensión, tipo de crudo, espesor,
velocidad y dirección del derrame, mediante el empleo de imágenes multitemporales. El
objetivo de esta fase del proyecto ha sido realizar una evaluación crítica de los mas importantes
sensores remotos, ópticos y radares, disponibles actualmente como MODIS/Terra-Aqua,
TM/Landsat, SPOT, CHRIS/Proba, ASAR/Envisat, Cosmo-SkyMed, RADARSAT 2,
ASTER/Terra, focalizando la atención en sus capacidades, en términos de longitud de onda,
resolución espacial y vínculos impuestos por la dinámica orbital, para detectar derrames de
petróleo en el Lago de Maracaibo. Las ventajas y desventajas evidenciadas representan una
potente herramienta científica que permitirá decidir acerca del sistema de monitoreo mas
adecuado a las exigencias de este importante ecosistema.
Las resultados permiten concluir que los derrames de crudo, que pudieran presentarse en el
Lago de Maracaibo, pueden ser monitoreados, desde el punto de vista estratégico (near realtime) empleando sensores remotos satelitales cuyos vínculos temporales permiten disponer de
nuevos datos aproximadamente cada 10 horas, a lo que se suma el tiempo de adquisición y
procesamiento. En consecuencia, el monitoreo de derrames en el Lago con fines tácticos (realtime) solo sería posible implementando un sistema basado en sensores remotos
aerotransportados. Ello a su vez reduciría los inconvenientes que la nubosidad ocasiona en los
datos ópticos, particularmente si el techo de nubes es superior al nivel de vuelo de la aeronave.
Desde el punto de vista espectral, los análisis realizados en este estudio y la literatura científica
indican que es posible detectar derrames de crudo en el Lago de Maracaibo, a pesar de la
vegetación flotante. En efecto, la presencia de manchas de Lemna sp afecta la detección de
derrames de crudo en el Lago en relación a otros escenarios, pero el conocimiento de la
reflectancia de las manchas de petróleo respecto al agua y la Lemna sp hace posible discriminar
el crudo de otras sustancias presentes. Todas las imágenes utilizadas resultaron útiles, algunas
mas por su resolución espacial y otras por las longitudes de onda que detecta. En este sentido, la
opción mas interesante se basa en la adquisición casi-contemporánea de imágenes
hiperespectrales CHRIS/Proba y radar ASAR/Envisat, que permitiría distinguir el crudo de la
Lemna sp, discriminar diversos tipos de crudo (pesados y livianos) y otros compuestos en el
agua. A tal propósito se propone una campaña de medición, utilizando sensores ópticos, UV,
NIR e IR, con el objetivo de construir una librería (base de datos) de las reflectancias
espectrales del agua del Lago, de la vegetación flotante y del crudo derramado (varios tipos).
Ello permitirá conocer las bandas espectrales mas idóneas para la detección de crudo y verificar
la posibilidad de estimar el espesor de la lámina de crudo.
En conclusión se puede afirmar que un sistema de monitoreo de derrames en el Lago, basado en
satélites, sería un excelente instrumento estratégico y estadístico que posibilitaría analizar un
cierto número de imágenes (ópticas, radar e hiperespectral) para extraer información periódica
acerca del numero de derrames, la cantidad de crudo derramado y las zonas mas afectadas, entre
otros.
Agradecimientos
Agradecemos a las instituciones y compañías que facilitaron el uso de instrumentos, software e
imágenes satelitales que han hecho posible la realización de este trabajo, en particular:
• Analytical Graphics Inc. (AGI), propietario del programa STK usado para las
simulaciones de dinámica orbital;
• Agenzia Spaziale Italiana (ASI), por adquirir y ofrecer las imágenes Cosmo-SkyMed;
• European Space Agency (ESA), por adquirir y ofrecer las imágenes CHRIS/Proba y
ASAR/Envisat;
• National Aeronautics & Space Administration (NASA), por adquirir y ofrecer las
imágenes TM/Landsat y MODIS/Terra.
Bibliografía
[1] Bechtel International Systems, Inc. Integral Study of the Environmental Remediation of
Lake Maracaibo. Submitted to Petróleos de Venezuela (PDVSA), 1999.
[2] Brown, C.; Fingas, M.; Hawkins, R. Synthetic Aperture Radar Sensors: Viable for Marine
Oil Spill
Response ?. In Proc. 26th Arctic and Marine Oil Spill Program (AMOP)
Technology Seminar. Victoria, Canada, June 10–12, 2003, 299-310.
[3] Brown, C.; Fingas, M. Review of the development of laser fluorosensors for oil spill
application. Marine Pollution Bulletin 2003a, 47, 477–484.
[4] Brown, C.; Fingas, M. Development of airborne oil thickness measurements. Marine
Pollution Bulletin 2003b, 47, 485–492.
[5] Goodman, R. Overview and Future Trends in Oil Spill Remote Sensing. Spill Science &
Technology Bulletin 1994, 1.1, 11-21.
[6] Parra Pardi, et al. Estudio integral sobre la contaminación del Lago de Maracaibo y sus
afluentes. Parte I: Estrecho de Maracaibo y Bahía El Tablazo. Ministerio del Ambiente y de los
Recursos Naturales Renovables. Dirección General de Información e Investigación del
Ambiente. Dirección de Investigación del Ambiente (DISCA) 1997, 233 p.
[7] Rodríguez G (ed). El sistema de Maracaibo, segunda edición, Instituto Venezolano de
Investigaciones Cientifcas (IVIC), Caracas, 2000, 264 p.
Utilización de imágenes SRTM para el cálculo de Vs30 en el
Área Metropolitana de Caracas
Víctor H. Cano1,3, Cecilio Morales2,4, Michael Schmitz2,5, Mauricio Tagliaferro1,6
1
Fundación Venezolana de Investigaciones Sismológicas, Departamento de Ciencias de la Tierra.
2
Fundación Venezolana de Investigaciones Sismológicas, Departamento de Geofísica.
3
[email protected], [email protected], [email protected],
6
[email protected]
1. Resumen
En la ejecución de un proyecto de microzonificación sísmica, uno de los parámetros más
importantes que debe tomarse en cuenta es la velocidad de propagación de las ondas de corte en los
estratos someros, ya que en ellos se produce una parte importante de las amplificaciones de las
ondas sísmicas en caso de un evento sísmico, conocidos como efectos de sitio. En diversas normas
internacionales, tales como la NEHRP (BSSC, 2003) o el EUROCODE 8 (CEN, 2003), la calidad
del suelo superficial es indicado mediante el promedio de la velocidad de propagación de las ondas
de corte en los primeros 30 m de espesor del suelo (Vs30). De manera similar, la norma Venezolana
de Edificaciones Sismorresistentes (COVENIN, 2001) pone especial énfasis en las ondas de corte
en los primeros metros de profundidad para la caracterización del tipo de suelo. En el proyecto de
microzonificación sísmica de Caracas se utilizó el parámetro Vs30 para la caracterización del suelo
somero, ya que este permite de manera rápida la evaluación su variación espacial. Bajo este marco
de referencia, ALLEN y WALD (2007 y 2009) realizaron una correlación entre Vs30 y la pendiente
topográfica del terreno con el fin de facilitar el estimado del promedio Vs30, el cual es usado en la
evaluación del potencial del movimiento del suelo asociado a un nivel de riesgo sísmico. Es
aquí donde el uso de la información proveniente de la imágenes adquiridas por la Shuttle Radar
Topography Mission –SRTM–, juegan un papel importante debido a que proporcionan los datos de
topografía necesarios. El presente trabajo propone la generación de un mapa de Vs30 para el Área
Metropolitano de Caracas –AMC–, basados en los trabajos de ALLEN y WALD, utilizando el mapa
de pendientes generado a partir del SRTM.
2. Introducción
El uso de datos provenientes de sensores remotos en las investigaciones de diferentes disciplinas de
las ciencias de la tierra se ha incrementado en los últimos años, debido a que existe la posibilidad de
obtener de manera fácil y relativamente económica datos para el desarrollo de aplicaciones en
estudios del comportamiento del la tierra en diferentes aspectos. El presente artículo muestra el uso
de datos provenientes de Shuttle Radar Topography Misión –SRTM– (2001), de los cuales se puede
extraer las diferencias de pendientes de un territorio y relacionarlo con las velocidades de ondas de
corte del mismo (Vs30). Es en este punto donde se desarrolla el objetivo de la investigación, en la
aplicación de la metodología desarrollada por ALLEN y WALD (2007) y WALD y ALLEN (2007) en
el cálculo de Vs30 para el proyecto de Microzonificación Sísmica de Caracas, con el fin de
complementar la información proveniente de perforaciones geotécnicas y mediciones sísmicas en
áreas de poca cobertura de datos, principalmente fuera del valle sedimentario de Caracas (MORALES
et al. 2008; 2009, SCHMITZ et al. 2008).
3. Materiales y Metodología
Considerando los trabajos de ALLEN y WALD (2007) y WALD y ALLEN (2007) se planteó su empleo
en el proyecto de Microzonificación Sísmica de Caracas para estimar el Vs30 donde hay poca o
nula información (MORALES et al. 2009). ALLEN y WALD (2009) presentan una correlación entre la
pendiente topográfica del terreno y el promedio Vs30, considerando rangos teóricos de pendientes y
rangos de valores de Vs30, válida para una resolución en el terreno de 0,3 km., la cual se ajusto
mediante la siguiente formula racional-polinómica:
Vs
30
P 3 2046 P 2 1612 P 377 , 4 1 , 259
0 , 007324 P
Form. 1
Donde la P es la pendiente del terreno (en porcentaje) en una resolución espacial de 0,3 km., datos
extraídos a partir de las imágenes SRTM.
Para realizar el cálculo de Vs30 en el AMC, se tomó el modelo digital del terreno –MDT– a partir
de los datos de altura del las imágenes SRTM descargadas desde Global Land Cover Facility –
GLCF– (www.landcover.org). Una vez obtenido el MDT, se elaboró el mapa de pendientes
expresadas en porcentaje a un tamaño de celda de 300 m (Figura 1). Este mapa en formato raster es
el parámetro necesario para estimado del Vs30, utilizando la herramienta ModelBuilder de ESRI,
donde se construyó un flujo grama de procesos aplicados a cada celda de la imagen de raster de
pendiente, que siguiera las reglas establecidas en la Form. 1 (Figura 2). Una vez obtenido el
promedio de velocidades Vs30 en cada celda, se procedió a la elaboración del mapa de distribución
Vs30 para el AMC (Figura 5), el cual fue publicado por MORALES et al. (2009).
Figura 1. Mapa de pendientes topográficas, expresadas en porcentaje del AMC
Figura 2. Flujograma de procesos para generar el mapa de velocidades de ondas de corte
Al momento de realizar el MDT para el AMC, se observaron zonas donde se presentaba falta de
información de la altura, error común en los datos provenientes de SRTM (Figura 3), este error fue
clasificado como ruido aleatorio (random noise), por lo cual fue necesario corregir a partir del
procedimiento conocido como “Random noise correction”, que no es mas que establecer el valor
del píxel con falta de información a partir de un promedio de los 8 píxeles que lo rodean. El
procedimiento para aplicar la corrección fue ejecutar el paso de un filtro espacial de baja frecuencia
(lowpass o bandpass), con un tamaño de ventana de 3x3, esto permitió obtener datos de altura
corregidos (Figura 4) que generaran un mapa de pendientes mas acorde a la realidad del campo que
es insumo necesario para el mapa final de Vs30.
Figura 3. Recorte del mapa SRTM del AMC, donde se observa el error aleatorio de los datos
Figura 4. Recorte del mapa SRTM del AMC luego de la corrección por medio de aplicación de un filtro de baja
frecuencia
Para el AMC se disponía de una base topográfica con curvas de nivel cada 25 m la cual no dio
buenos resultados para generar el modelo digital del terreno –MDT–, por presentar muchas áreas
donde la pendiente son mal calculadas por los programas SIG debido a presentar zonas donde las
curvas de nivel están muy separadas, generando valores de pendientes incorrectas, en lo cual las
imágenes SRTM son mejores debido a que son datos homogéneos y equiarialmente distribuidos en
la zona del estudio evitando este error.
4. Resultados
De la aplicación de la Form. 1 utilizando el flujograma (Figura 2) desarrollado en ModelBuilder de
ESRI y el uso del valor de la pendiente generado a partir de los datos de altura corregidos del
SRTM del AMC, se obtuvo el mapa de velocidades de ondas de corte (Figura 5). Lo cual según
MORALES et al. (2009) permite extender el mapa de Vs30 del valle sedimentario de Caracas a las
zonas de cerros y colinas, que tienen una cobertura muy deficiente de datos geotécnicos. De esta
manera, se puede aplicar los espectros de respuesta desarrollados en el marco del proyecto de
microzonificación sísmica (HERNÁNDEZ et al., 2008, 2009) a esta zona.
Figura 5. Mapa de Vs30 en el AMC generado a partir de datos de topografía
5. Conclusiones
La aplicación de la metodología de elaboración del mapa de Vs30 obtenido a partir de datos del
relieve, basándose en la metodología planteada por ALLEN y WALD (2007) y WALD y ALLEN
(2007), permite extender el mapa de Vs30 del valle sedimentario de Caracas a las zonas de cerros y
colinas, que tienen una cobertura muy deficiente de datos Vs30 a partir de perforaciones
geotécnicas. De esta manera, se puede aplicar los espectros de respuesta desarrollados en el marco
del proyecto de microzonificación sísmica (HERNÁNDEZ et al., 2008, 2009) a esta zona. El uso
imágenes SRTM para la elaboración de los mapas de pendiente resulto de gran utilidad debido a
que su corrección es sencilla y con mejores resultados que los generados a partir de los mapas
topográficos digitales que se disponían de la zona. Más aun, si se pretende aplicar la metodología en
otras ciudades de Venezuela, donde no se cuenta con mapas topográficos detallados y en formato
digital para generar el MDT, la única solución es la utilización de imágenes SRTM para obtener el
dato base de pendiente.
6. Reconocimientos
Este estudio es desarrollado en el marco del Proyecto de Microzonificación Sísmica de las ciudades
Caracas y Barquisimeto (FONACIT–BID II 2004000738).
7. Bibliografía
ALLEN, T y WALD, D., 2007. Topographic Slope as a Proxy for Seismic Site-Conditions (Vs30) and
Amplification Around the globe. Open-File Report 2007–1357. U.S. Geological Survey,
Reston, Virginia.
ALLEN, T y WALD, D., 2009. On the use of High-Resolution Topographic Data as proxy for seismic
site conditions (Vs30). Boulletin of Seismological Society of America, Vol. 99, No. 2A, pp.
935-943.
BSSC, 2003. NEHRP recommended provisions for seismic regulations for new buildings and other
structures (FEMA 450). Building Seismic Safety Council (BSSC), NIBS, Washington.
CEN, 2003. Eurocode 8: Design of structures for earthquake resistance. European Standard, English
version, Comité Européen de Normalisation (CEN), Brussels.
COVENIN, 2001. Edificaciones sismorresistentes, COVENIN 1756:2001. Comisión Venezolana de
Normas Industriales (COVENIN), FONDONORMA, MCT, MINFRA, FUNVISIS,
Caracas, 113 pp.
ESRI, Enviromental Systems Research Institute, programa ArcGis versión 9.1 modulo
ModelBuilder.
Global Land Cover Facility (GLCF). University of Marylan. SRTM data. [en línea]
www.landcover.org (última visita 08 de diciembre 2008).
HERNÁNDEZ, J.J., SCHMITZ, M., DOMÍNGUEZ, J., DELAVAUD, E., 2008. Espectros básicos para
microzonas de Caracas. Simposio CIMNEME, Jornadas de Investigación de la Fac. de Ing.,
UCV, Caracas 2008, Memorias, 2 p.
HERNÁNDEZ, J.J., SCHMITZ, M., DELAVAUD, E., CADET, H., DOMÍNGUEZ, J., MORALES, C., 2009.
Espectros de respuesta sísmica en microzonas de Caracas considerando efectos de sitio 1D,
2D Y 3D. V Coloquio sobre Microzonificación Sísmica, Caracas, 19 al 22 de mayo de 2009,
4 p.
MORALES, C., SCHMITZ, M., GONZÁLEZ, M., CATALDI, A., ROJAS, H., ROJAS, S Y MASY, J., 2008,
Aplicación de métodos geofísicos para la caracterización de sitios en el estudio de
microzonificación sísmica de Caracas. Conferencia 50 aniversario Sociedad Venezolana de
Geotecnia. Caracas, Venezuela.
MORALES, C., HERNÁNDEZ, J., SCHMITZ, M., CANO, V. y TAGLIAFERRO, M., 2009. Distribución de
velocidades de ondas de corte en los primeros 30 m de profundidad (Vs30), calibrados a
partir de datos de relieve en la ciudad de Caracas. V Coloquio sobre Microzonificación
Sísmica, Caracas 2009, Memorias, 4 p.
SCHMITZ, M., HERNÁNDEZ, J., MORALES, C., MOLINA, D., VALLEÉ, M., DOMÍNGUEZ, J.,
DELAVAUD, E., SINGER, A., GONZÁLEZ, M., Y LEAL, V., 2008, Resultados Principales del
Proyecto de Microzonificación Sísmica en Caracas. Conferencia 50 Aniversario Sociedad
Venezolana de Geotecnia. Caracas. 12 pp.
WALD, D. y ALLEN, T., 2007. Topographic slope as a proxy for seismic site conditions and
amplification: Bull. Seism. Soc. Am., v. 97, no. 5, p. 1379–1395.
Datos e imágenes satelitales para una rápida evaluación
de la amenaza por deslizamientos.
José Roa1
1
Universidad de Los Andes-Trujillo, Grupo GEOCIENCIA. Casa de Carmona, Trujillo, 3150
1
[email protected]
Resumen
En el presente trabajo se propone la utilización de imágenes y datos satelitales de libre
adquisición en la red, para la evaluación rápida y efectiva de la susceptibilidad y amenazas por
deslizamientos. Como caso de estudio se seleccionó la cuenca del Río Mocotíes en los Andes
Venezolanos, la cual fue afectada por un proceso de deslizamientos / flujo de detritos durante
Febrero / 2005. En el transcurso de tres semanas posteriores al evento se elaboró un mapa de
susceptibilidad y tres mapas de amenazas por deslizamientos para la cuenca mencionada, con
información fundamentalmente proveniente de los sistemas SRTM y LANDSAT, y modelada con
el SIG ILWIS, también de libre adquisición en la red y predominantemente raster. El
modelamiento y final integración de los datos se realizó a través de una Evaluación Espacial
Multicriterio (EEM).
Para la zonificación de la susceptibilidad y amenazas por deslizamientos en la Cuenca del
Mocotíes, se asumieron una serie de factores involucrados en la generación de deslizamientos
(pendientes, disección del relieve, distancia a drenajes, litología, cobertura vegetal y distribución
temporal de las precipitaciones), los cuales fueron derivados en su mayoría de fuentes de
percepción remota y procesados bajo SIG. Posteriormente estas nuevas capas de información son
ordenadas y jerarquizadas de acuerdo a un postulado único que es su proclividad a generar
deslizamientos. De esta manera se elaboraron una serie de construcciones teóricas y
articulaciones lógicas previstas en toda EEM, para explicar y predecir el comportamiento de los
agentes decisores reales o factores involucrados en el proceso de deslizamientos. Finalmente
estos factores son seleccionados y compensados para modelar los mapas de susceptibilidad y
amenazas aquí ofrecidos. Si bien los flujos de detritos es la expresión espacial mas resaltante del
evento ocurrido en la Cuenca del Mocotíes, este análisis esta dirigido solamente a la estimación
de las áreas susceptibles y bajo amenaza por deslizamientos.
1.- INTRODUCCION
Durante los días 11 y 12 de Febrero del 2005, una vaguada atmosférica afectó el occidente de
Venezuela y particularmente la zona andina, donde se localiza la cuenca del Rió Mocotíes,
generando lluvias extraordinarias que sirvieron como detonante de todo un proceso de
movimientos de masa y erosión en las vertientes (por el intenso escurrimiento y perdida de
cohesión de los suelos debido a su saturación hídrica), que dada su momentaneidad y
simultaneidad, generó destructivos flujos de detritos que se canalizaron a lo largo del curso del
Rió Mocoties y sus afluentes, causando pérdidas humanas y de infraestructuras ciertos segmentos.
Dos semanas luego de la tragedia suscitada en al cuenca del Río Mocoties, un mapa preliminar de
susceptibilidad a deslizamientos se elaboró en base a la información satelital provista por el
GLCF (2005). Una semana más tarde se añadió información sobre la distribución normal de las
precipitaciones en el área de estudio, la cual al incorporarse al mapa previo de susceptibilidad
genera tres mapas de amenazas por deslizamientos. La técnica aplicada fue la Evaluación
Espacial Multicriterio (EEM), (Gómez et al, 2005).
1
Si bien los flujos de detritos es la expresión espacial mas resaltante del evento ocurrido en la
Cuenca del Mocotíes, este análisis esta dirigido solamente a la estimación de las áreas
susceptibles y bajo amenaza por deslizamientos.
Este trabajo propone la aplicación de métodos y procedimientos rápidos y de fácil
aplicación en cualquier sistema de información geográfica (SIG), que permitan una pronta
respuesta al mapeo de susceptibilidad y vulnerabilidad a determinado tipo de amenaza natural,
privilegiando el uso de información teledetectada.
2.- DATOS, FUENTES Y MÉTODO
Para la producción final del Mapa Susceptibilidad a Deslizamientos se utilizaron mapas de
pendientes (en grados), relieve interno (o disección del relieve), y distancias a drenajes (buffer
zone); todos estos extraídos a partir de un Modelo de Elevación Digital (MED) de 90m de
resolución, construido con de los datos de SRTM (Shuttle Radar Topographical Misión).
Igualmente fue necesario estimar la cobertura vegetal de la cuenca a través del calculo del NDVI
(Normalized Difference Vegetation Index), de una imagen LANDSAT ETM+ del 09 de Marzo,
2003 con 28.5 m de resolución. Esta imagen fue georeferenciada y rectificada al MED (datum
WGS-84, UTM 19N), y calibrada radiométricamente según el procedimiento estándar y descrito
por Chander et al (2003). Los productos LANDSAT y SRTM se consiguen libremente en el
GLCF (www.landcover.org). La cobertura o mapa relativo a unidades litológicas fue elaborado
en base al mapa geológico-estructural de Venezuela (Bellizia et al, 1976), y la información
aportada por el código estratigráfico de cuencas petroleras de Venezuela (PDVSA-INTEVEP,
2005). Finalmente se producen tres mapas de distribución de la precipitación, cada uno
representando un periodo de cuatro meses: Sequía (Diciembre a Marzo), comienzo del periodo
lluvioso (Abril – Julio), y final del periodo lluvioso (Agosto – Noviembre), a partir de una
interpolación tipo kriging, datos puntuales de registros mensuales de precipitación (MARNR,
2004),
Los mapas, imágenes y datos originales empleados en este análisis, fueron procesados,
clasificados, estandarizados, compensados y finalmente combinados, mediante las capacidades
de ENVI 4.0 (Research Systems Inc., 2004) e ILWIS 3.2 (ITC, 2003), los cuales son soportes
lógicos orientados a formato de celdas (raster), facilitando así el trabajo con imágenes satelitales.
La evaluación de susceptibilidad y amenazas por deslizamientos ejecutada en este análisis, se
realizo bajo los procedimientos requeridos a toda Evaluación Espacial Multicriterio (EEM) y
señalados por Saaty (1990). En este análisis la EEM consistió dos partes básicas:
2.1.- La descripción del evento ocurrido en la cuenca del Río Mocotíes.
El cuadro 1, describe los factores – conceptualmente señalados - , los procesos observados en el
evento analizado y los criterios considerados. Los criterios son la unidad pragmática de
evaluación indirecta de la magnitud de los procesos. Un criterio es la base de una decisión que
puede ser medida y evaluada (Eastman et al., 1995). La definición de criterios guarda estrecha
relación con la esencia y disponibilidad de los datos, por ejemplo no todos los factores señalados
en el cuadro 1, que explicarían con mayor propiedad los procesos observados son de fácil
obtención y disponibilidad (por esta razón a falta de datos de intensidad, duración y frecuencia de
las precipitaciones en este análisis se utilizaron los promedios mensuales, luego acumulados en
periodos tetramensuales), de tal manera que este análisis se orientado al uso de la información
teledetectada por ser los criterios considerados factibles de obtener a partir de este tipo de
fuentes.
2
Cuadro 1. Factores, procesos y criterios involucrados en el flujo de detritos ocurrido
en Febrero 12 / 2005, Cuenca del Río Mocotíes.
PRECIPITACIONES
HIDROLOGIA DE LA
CUENCA
SUSCEPTIBILIDAD A
DESLIZAMIENTOS /
EROSION
FUENTES Y
PROPIEDADES DEL
LOS DETRITOS
CORREDORES DE
FLUJOS
ACUMULACIONES
FINALES
FACTORES
Intensidad
Duración
Periodo de retorno
Área
Velocidad de Escurrimiento
superficial
Infiltración
Morfología
Pendientes
Geología
Uso de la tierra
Fuente / perfil de alteración
Movilidad
Tamaño de los materiales
Geometría
Potencial de entrampamiento
Abanicos aluviales
Bancos laterales
PROCESOS
CRITERIOS
ESCURRIMIENTO
PENDIENTES
MOVIMIENTOS
DE MASA
DESLIZAMIENTOS
SUPERFICIALES
EROSION
MOMENTANEA
RELIEVE INTERNO
COBERTURA VEGETAL
LITOLOGIA
FLUJO DE
DETRITOS
SEDIMENTACION
DISTANCIA A CURSOS
DE AGUA
2.2- El modelamiento de sensibilidad y amenaza. En esta fase, los mapas generados
(inclinación de las pendientes, relieve interno, cobertura vegetal, unidades litológicas, distancia a
cursos de agua y distribución tetramensual de las precipitaciones), a partir del tratamiento bajo
SIG de la información satelital y otras fuentes documentales (figura 1), deben ser tratados para
incorporarlos a la EEM, mediante:
2.2.1.- La normalización de los mapas generados.
En nuestro caso los mapas fueron estandarizados por el método del valor máximo, el cual consiste
en dividir los valores de cada mapa por su máximo valor a encontrar (Castellanos et al, 2005;
Jiang and Eastman, 2000; Malczewski, 1999).
Cuando en los mapas los criterios están representados por valores numéricos racionales
tales como los mapas de pendientes, relieve interno y distancia a cursos de agua, este
procedimiento es sencillo. Mapas como el NDVI (el cual es indicativo de la densidad de la
cobertura vegetal), cuyos valores fluctúan entre -1 y 1, debe ser llevado a una escala de valores
positivos para luego estandarizarlo. En cuanto al mapa litológico este se reclasificó a una
asignación arbitraria de pesos según el comportamiento típico de los materiales representados a la
meteorización y erosión, asignado valores tendentes a 1 o de alta proclividad a deslizamientos a
unidades litológicas arcillosas (texturas finas), sedimentadas en ambientes paleo-marinos y
valores tendentes a 0 a los conglomerados y aluviones cuaternarios.
2.2.2.- La determinación de los pesos
Para la determinación de los pesos dados a los criterios, en este trabajo se empleo la Matriz de
Jerarquización Analítica (MJA) o Analytic Hierarchy Process (AHP). Este método desarrollado
por Saaty (1990) se basa en el desarrollo de prioridades (en este caso, la importancia del criterio
para la generación de un proceso de deslizamiento) (cuadro 3), que a su vez son derivadas a
partir de una evaluación de pares de concordancia o Pairwise (cuadro 2). Una buena
documentación en Español sobre la construcción, funcionamiento y usos de la Matriz de
Jerarquización Analítica se encuentra Gómez et al (2005).
3
Cuadro 2. Parámetros usados para la calificación / cuantificación de los pares
de concordancia o Pairwise de los criterios involucrados en el flujo de detritos
Febrero 12 / 2005, Cuenca del Mocotíes.
NIVEL DE
IMPORTANCIA
DEFINICION
1
Igual Preferencia
2
Moderada Preferencia
3
Fuerte Preferencia
4
Absoluta Preferencia
DESCRIPCION
Los dos criterios (x, j) contribuyen de igual manera al
proceso de deslizamiento
Pasadas experiencias favorecen ligeramente al criterio
(x) sobre el otro (j)
Prácticamente la dominancia del criterio (x) sobre el
otro (j) esta demostrada
Existe evidencia que determina la supremacía del
criterio (x)
Cuadro 3. Determinación de los pesos de los criterios
mediante la Matriz de Jerarquización Analítica (MJA).
LITILOGIA
DISTANCIA A CURSOS
DE AGUA
Σ xjj/n
1
0.5
0.33
0.33
2
1
0.33
0.33
3
3
1
0.5
3
3
2
1
4
4
3
4
2.6
2.3
1.33
1.23
0.33
0.29
0.17
0.16
0.25
0.25
0.33
0.25
1
0.42
0.05
Σxj
7.88
1
PESO RELATIVO
(Σxjj / n) / (Σxj)
COBERTURA VEGETAL
(x)
PENDIENTES
RELIEVE INTERNO
COBERTURA VEGETAL
LITOLOGIA
DISTANCIA A
CURSOS DE AGUA
RELIEVE INTERNO
(j)
PENDIENTES
MATRIZ DE
JERARQUIZACION ANALITICA
(MJA)
2.2.3.- La construcción del mapa de susceptibilidad y de los mapas de amenazas por
deslizamientos.
Una vez procesados y estandarizados los mapas generados a coberturas de criterios estos son
combinados (suma algebraica) tomando en cuenta los pesos relativos calculados en la Matriz de
Jerarquización Analítica tal como se ilustra en la figura 1.
Debido a que la amenaza es el resultado de la susceptibilidad anteriormente calculada,
mas el efecto de un agente externo catalizador de la inestabilidad, en este análisis utilizaremos los
mapas de distribución promedio mensual de la precipitación en la cuenca del Mocoties como el
agente detonante. Se consideró que la susceptibilidad intrínseca de la cuenca tiene mayor
responsabilidad en los procesos de deslizamientos que la ocurrencia de precipitaciones, por lo que
se asignó un peso arbitrario de 70% y 30% respectivamente al momento de su combinación.
Los valores finales que conforman tanto el mapa de susceptibilidad (anexo 1), como los de
amenazas pueden ser editados en una escala de 0 (menor susceptibilidad o amenaza) a 1 (mayor
susceptibilidad o amenaza), por lo que la leyenda de estos pudiera estar basada en esta gradación
de valores de 0 a 1, sin embargo considerando que el usuario final demanda una mayor
simplicidad en la lectura de estos mapas, se procedió entonces a clasificarlos en la habitual escala
de cuatro niveles: Bajo, Moderado, Alto y Muy Alto; a través del diagrama de frecuencias o
histograma del mapa y la curva de acumulados, definiendo entonces los valores limites entre las
clases en las inflexiones de la curva.
4
Figura 1. Datos, mapas generados o de criterios y pesos asignados para la producción
de los mapas de susceptibilidad y amenazas por deslizamientos en la Cuenca del
Mocotíes. Nótese que cuatro de los mapas relativos a pendientes, relieve interno, redcinturones de drenaje y cobertura vegetal fueron obtenidos del procesamiento de datos
e imágenes satelitales. Litología y precipitaciones provienen de fuentes tradicionales de
información.
3.- APROXIMACION A SU VALIDACION
La disponibilidad de una imagen LANDSAT ETM+ post desastre fechada en Febrero 26 / 2005 y
también provista por el GLCF (2005), permitió una aproximación a la evaluación de los
resultados. Esta imagen Landsat adolece de problemas de origen (falla del sistema de barrido del
Landsat ETM+), y de nubosidad, sombras y aerosoles en áreas estimadas como susceptibles a
deslizamientos, sin embargo es, hasta los momentos de redactar este articulo, la única imagen
satelital post desastre de libre acceso del área analizada. Para la evaluación cuantitativa de la
información post desastre ofrecida en esta imagen y los mapas finales de susceptibilidad y
amenazas, se elaboro un mapa preliminar inventario de deslizamientos a partir de la información
espectral contenida en la imagen Landsat ETM+ 2005.
Para ello el procedimiento seguido fue:
5
3.1.- Procesamiento de la imagen Landsat ETM+ con un algoritmo de ampliación de
contrastes (Gond et al, 2004). El objetivo de este paso fue facilitar la discriminación e inferencia
de los escarpes de deslizamientos en el área de estudio, el principio de este procesamiento esta
basado en el uso del contraste entre el objeto a discriminar (los escarpes de deslizamientos) y el
medio circundante. Este método de ampliación de contrastes ha sido utilizado con éxito en la
identificación de los sitios mineros de garimpeiros en la Guayana Francesa (Gond et al, 2005). El
algoritmo esta basado en la composición de una imagen falso color con el NDWI en el canal rojo,
el NDVI en el canal verde y la banda infrarrojo medio en el canal azul, un ejemplo de esta
alternativa se puede visualizar en el anexo 2. Finalmente las celdas discriminadas como cicatrices
de deslizamientos son vectorizadas y luego rasterizadas creando con ello un mapa inventario de
escarpes de deslizamientos recientes
3.2.- Cruzamiento de mapas. En este ultimo paso, el recién creado mapa inventario de
deslizamientos es superpuesto y cruzado con cada uno de los mapas de susceptibilidad y
amenazas por deslizamientos, generándose una tabla de frecuencias que indica en términos
porcentuales la distribución de las áreas de deslizamientos entre las cuatro categorías (Baja,
Moderada, Alta y Muy Alta), en cada mapa de susceptibilidad y amenazas, (figura 2).
La validación aquí ofrecida sitúa la capacidad predictiva del método de la evaluación
multicriterio a deslizamientos en una condición de moderada a alta. Si bien Bonham-Carter
(1994), estipula que una correspondencia por el orden del 80% es considerada satisfactoria, su
enunciado esta basado en la aplicación del método de los pesos de evidencia (una mejor
ilustración de la aplicación de pesos de evidencia en casos de deslizamientos se encuentra en Lee
et al, 2004), para el cual se requiere como data de entrada el mapa de deslizamientos de la zona a
analizar. El método de la evaluación multicriterio aquí aplicado se realiza independiente de la
cartografía de deslizamientos basándose solo en el ordenamiento y de los factores considerados y
posterior desarrollo de jerarquías dada su importancia para la generación de un proceso de
deslizamiento.
Figura 2. Distribución del area de deslizamientos (%), entre las clases representadas en los
mapas de susceptibilidad (SUSCEP.), amenazas periodo Agosto-Noviembre (Am.ASON),
amenazas periodo Abril-Julio (Am.AMJJ), y amenazas periodo Diciembre-Marzo
(Am.DEFM).
6
4.- REFERENCIAS CITADAS
- BELLIZZIA, A., PIMENTEL, N. AND BAJO, R. 1976 Mapa geológico-estructural de Venezuela, escala 1:500000.
Ministerio de Minas e Hidrocarburos, Dirección de Geología, Caracas.
- BONHAM-CARTER, G.F. 1994. Geographic information systems for geoscientists - modelling with GIS: New York,
Elsevier Science Inc., 398 p.
- CASTELLANOS ABELLA, E.A. AND VAN WESTEN, C.J. 2005. Development of a system for landslide risk
assessment for Cuba. In: Proceedings of the international conference on landslide risk management, 31 May - 3
June, 2005 Vancouver. / ed. by O. Hungr, R. Fell, R. Couture and E. Eberhardt. London: Balkema, 2005. pp. 1-10.
- CHANDER GYANESH AND MARKHAM BRIAN. 2003. Revised Landsat-5 TM Radiometric Calibration
Procedures and Postcalibration Dynamic Ranges. IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE
SENSING, VOL. 41, NO. 11, NOVEMBER 2003.
- EASTMAN, J. R., JIN, W., KYEM, P. A. K. AND TOLEDANO, J. 1995. Raster procedures for multicriteria/multiobjective decisions. Photogrammetry and Remote Sensing. 61(5); 539- 547.
- GOMEZ, MONTSERRAT. Y JOSÉ BAREDO. 2005. Sistemas de Informacion Geográfica y evaluación multicriterio
en la ordenación del territorio. 2da edicion, RA-MA 276p.
- GOND, V.Y C. BROGNOLI. 2005. Sensoriamento remoto e gestão do territorio: localisação e identificação dos
sitios de garimpo ilegais na Guiana Francesa. Anais XII Simposio Brasileiro de Sensoramiento Remoto, Goiãnia,
Brasil, 16-21 Abril, INPE, 3029-3036.
- GOND, V.; BARTHOLOME, E.; OUATTARA, F.; NONGUIERMA, A.; BADO, L. 2004. Surveillance et
cartographie des plan d’eau et des zones humides et inondables en régions arides avec l’instrument VEGETATION
embarqué sur SPOT 4, International Journal of Remote Sensing, 25, 987-1004.
- GLOBAL LAND COVER FACILITY-GLCF. UNIVERSIDAD DE MARYLAND. 2006. LANDSAT ETM+ and
SRTM data. In: www.landcover.org (ultima visita 25 de Agosto del 2006).
- ILWIS 3.2 ACADEMIC. 2003.– User’s Guide. ITC, Enschede, The Netherlands.
- JIANG, H. AND EASTMAN, J. R. 2000. Application of fuzzy measures in multi-criteria evaluation in GIS.
International Journal of Geographical Information Systems 14(2), 173-184.
- LEE S. AND J. CHOI. 2004. Landslide susceptibility mapping using GIS and the weight-of-evidence model.
International Journal of Geographical Information Science, 18, 8, 789-814.
- MALCZEWSKI, J. 1999. GIS and Multiple-criteria Decision Analysis. New York: John Wiley & Sons.
- MARNR. Division de Meteorologia y Climatologia. 2004. Datos de precipitación de las estaciones ubicadas en el
Estado Merida (Archivos internos) Caracas.
- RESEARCH SYSTEMS INC. 2004. ENVI 4.0 v.
- SAATY, T.L. 1990. Multicriteria Decision Making - The Analytic Hierarchy Process, Volume I, AHP Series,
McGrawHill, New York, NY.
7
ANEXO 1. MAPA DE SUSCEPTIBILIDAD A DESLIZMIENTOS
ANEXO 2. VISUALIZACION DE DESLIZAMIENTOS SOBRE CC742
Composición CC 742 es útil para la inferencia y visualización de deslizamientos por la
familiaridad que ofrece su condición de falso color natural, sin embargo es menos
confiable que la CC NDWI, NDVI, B5 proveniente del algoritmo de ampliación de
contrastes para la determinación de estos.
8
El método de jerarquías analíticas para la ponderación de variables que
determinan la ocurrencia de deslizamientos en el Macizo El Ávila.
Scarlet Cartaya1 Henry Pacheco2
1
Instituto Pedagógico de Caracas, Departamento de Geografía e Historia. Av. Páez, El Paraíso, Caracas.
Instituto Pedagógico de Caracas, Departamento de Ciencias de La Tierra. Av. Páez, El Paraíso, Caracas.
[email protected], [email protected],
2
Tema: Riesgos Naturales
Problema tratado: Zonificación de la susceptibilidad a movimientos de remoción en masa en el
Macizo El Ávila.
Originalidad: Criterios analíticos para la asignación de los pesos de las variables.
Resultados: Pesos ponderados para cada variable.
Resumen
El propósito de esta investigación es emplear los Sistema de Información Geográfica (SIG)
y la Técnica Compensatoria Aditiva (TCA) de la Evaluación Multicriterio (EMC),
denominada el Método de las Jerarquías Analíticas (MJA) o Analytic Hierarchy Process
(AHP) de Thomas Saaty, (1990), para asignarle pesos ponderados a las variables y unidades
que intervienen en los movimientos gravitacionales en vertientes montañosas, con la
finalidad de garantizar la mayor objetividad posible.
Para cumplir con el propósito
planteado, se seleccionó intencionalmente, en atención a su área de trabajo, un total de 50
investigadores de distintas instituciones a nivel nacional e internacional, a los cuales se les
solicitó completar una matriz de ponderación con las variables de interés. En conclusión, la
tendencia fue en asignar mayor porcentaje a las variables geología y pendiente del terreno
con 30 % cada una. El segundo puesto lo ocupa las formas de relieve con 19 %, ocupando
la tercera y cuarta jerarquía la cobertura vegetal y los conflictos de uso con 15 y 5 %
respectivamente. La aplicación de la TCA - MJA, resultó ser una manera de complementar
el Método Explícito Semianalítico para asignar ponderación a las variables.
Descriptores: Técnica compensatoria aditiva, procesos de remoción en masa, Cordillera de
la Costa Central.
1
INTRODUCCIÓN
Los procesos de remoción en masa, son una de las causas más frecuentes de desastres en
Venezuela, afectando continuamente poblaciones, vías, acueductos, escuelas y otras
importantes obras de infraestructura. La definición de medidas adecuadas para prevenir
los efectos negativos y reducir las pérdidas ocasionadas por los fenómenos de remoción en
masa, requiere conocer las características de los mismos y establecer anticipadamente las
zonas donde ellos podrían manifestarse, es decir, identificar la distribución de la amenaza
en una región. Las vertientes Norte y Sur del Macizo El Ávila, sufrieron una serie de
modificaciones por efecto de las extraordinarias precipitaciones que se produjeron en
Diciembre de 1999, cuando se combinaron una serie de fenómenos meteorológicos y
geológicos que intensificaron la actividad hidrogeomorfológica sobre la franja costera,
generando pérdidas de vida y cuantiosos costos económicos.
En la actualidad, una planificación efectiva del uso territorial emplea tecnologías como la
Geomática, constituyendo el más reciente de los adelantos técnicos para el manejo de
información mediante computadora. La motivación que impulsó la selección del tema está
enmarcada en la necesidad de incorporar en los estudios geográficos métodos alternativos
de trabajo, opcionales a los existentes, que contribuyan a captar la realidad apropiadamente,
para alcanzar conocimientos seguros y confiables.
En los últimos años, los deslizamientos ocasionados por lluvias dan cuenta de lo vulnerable
que son los habitantes de regiones montañosas a estas amenazas naturales. Por lo que el
objetivo principal de la investigación es aplicar el método de las jerarquías analíticas para la
ponderación de variables que intervienen en el origen de los procesos de remoción en masa
en las vertientes de la Cordillera de La Costa Central de Venezuela. Esta método emplea la
técnica compensatoria aditiva de la Evaluación Multicriterios (EMC), con la finalidad de
garantizar la mayor objetividad posible.
2
SITUACIÓN PROBLEMÁTICA
En Diciembre de 1999, por un lapso de 20 días se registró la presencia de una vaguada,
ondulación del viento en altura con movimiento del Oeste al Este, que generan nubosidad y
precipitaciones, que puede presentarse en cualquier momento del año, pero con mayor
frecuencia a finales del año, sobre el mar Caribe, mucho más persistente que lo normal,
debido a que fue bloqueado su desplazamiento por la presencia de una zona de alta presión
en el Atlántico, resultante de los restos de frentes fríos que se desprendían del huracán
Lenny, ubicado sobre el Atlántico Norte.
La intensidad y volumen de las precipitaciones entre el 14, 15 y 16, sumaron el equivalente
al total de precipitaciones de un mes, adicionalmente, lo que sobresaturó el suelo y generó
violentos movimientos en masa en las vertientes desde la parte más alta de la zona central
de la serranía hasta la costa. La intensa erosión generó aludes torrenciales tipo de flujo de
detritus y coladas de barro de gran fuerza expansiva que se volcó sobre los espacios que
servían de asentamiento a la población, como consecuencia, se registraron grandes pérdidas
materiales y humanas, quedando el Estado Vargas en una situación de emergencia que
hasta ahora ha sido parcialmente superada.
Desde el evento denominado “la Tragedia de Vargas, Diciembre de 1999”, que afectó a
Caracas y otras regiones del país, cada vez que llueve en la región, sus habitantes reviven
la catástrofe, tal vez en menor escala, una evidencian fueron las lluvias de noviembrediciembre de 2000, y las de enero-febrero del 2005, que ocasionaron inundaciones y
deslizamientos tipo flujo de barro, que causaron destrozos a los bienes materiales y al no
descartarse la probabilidad de ocurrencia de un evento similar al de 1999, se hace necesario
generar información detallada, cuenca por cuenca, de la zonificación de la distribución de
los deslizamientos, para que los habitantes en conjunto con las autoridades locales tomen
3
las medidas necesarias para prevenir desastres sociales, conociendo cuales son las áreas
susceptibles de ser activadas. Por esta razón es necesario proponer metodologías para
construir mapas de zonificación de las amenazas, bajo criterios sólidos y objetivos.
JUSTIFICACIÓN DE LA INVESTIGACIÓN
Esta investigación surge de la necesidad de superar las limitaciones que los métodos
utilizados en trabajos previos nos imponen al momento de ponderar y categorizar de la
forma más objetiva posible la asignación de pesos a las variables y sus correspondientes
unidades, que son causas del desenlace de los movimientos de remoción en masa de
vertientes montañosas.
La investigación nace en el año 2005 cuando el equipo de trabajo se inicia con el tema de
los Sistemas de Información Geográfica (SIG), en estudios relacionados con los procesos
de remoción en masa en las Cordillera Central de Venezuela. Se crea el proyecto titulado
“Adaptación de un método para analizar la susceptibilidad a deslizamientos con Sistema de
Información Geográfica. Caso: Microcuenca de drenaje Quebrada Curucutí, Estado Vargas,
Venezuela”, registrado bajo el Nº 05-040.
En este primer proyecto se empleó la metodología propuesta por INGEOMINAS de
Colombia, para construir mapas de susceptibilidad a los procesos de remoción en masa. La
misma consiste en el empleo del Método Explícito Semianalítico para asignar puntajes
ponderados a las variables y unidades de las variables intervinientes en los movimientos
gravitacionales. La determinación cuantitativa de las relaciones entre unidades de variables
y los procesos de remoción en masa se realiza mediante el procesamiento geoestadístico de
los datos. Para la construcción de los mapas de susceptibilidad se trabajó con el análisis
estadístico univariado y multivariado. El primero, para generar los mapas de susceptibilidad
4
específica y el segundo, para generar el mapa de susceptibilidad final. Para el cruce de los
mapas se diseñó un algoritmo donde se incluyen todas las variables intervinientes.
Sobre la base de los resultados positivos obtenidos en del proyecto anterior, se decidió
aplicar la metodología en otras cuencas del mismo sector costero. Por ello se concibió en el
año 2006, un segundo proyecto titulado: “Aplicaciones de la Geomática para el estudio
integral de los deslizamientos en el Macizo El Ávila, Cordillera de la Costa, tramo Central
de Venezuela”, inscrito con el
Nº 06-014 en la UPEL-IPC.
Se concluyó que la
metodología se podía aplicar en todas las microcuencas de drenaje de la vertiente Norte.
Asimismo, se determinó la poca confiabilidad del Método Explícito Semianalítico para la
asignación de pesos ponderados, por no ser tan objetiva.
Pasar de los mapas de susceptibilidad
a los mapas de amenaza implica superar las
limitaciones detectas y avanzar en la búsqueda de un conjunto de métodos que contribuyan
a los fines propuestos.
Es así como se crea en el año 2007, el tercer proyecto de
investigación macro, titulado: “Instrumentación de la Geomática al estudio de los
deslizamientos del Sistema Montañoso del Caribe, Cordillera de La Costa, Tramo Central,
Venezuela”, registrado con el Nº; 07-120 en la UPEL-IPC. En este se emplea el método
heurístico, que incluye un conjunto de métodos auxiliares que se combinan entre sí, esto
nos permite subsanar las limitaciones
encontradas. Este proyecto macro apoya tres
Trabajos de Grado de la Maestría en Geografía, mención Geografía Física del IPC_UPEL,
y dos Tesis Doctorales del Postgrado de Ciencias de la Ingeniería de la Universidad Central
de Venezuela.
Todos los proyectos pertenecen a la Línea de Investigación de la Maestría en Geografía,
Mención Geografía Física y el Núcleo de Investigación Estudios del Medio Físico
Venezolano, titulada: Estudio en Geografía de los Riesgos Naturales y Antrópicos,
Ecogeografía y Conservación de Recursos Naturales, registrada bajo el Nº 05-003 en la
5
Coordinación de Investigación de la Subdirección de Investigación y Postgrado del
Instituto Pedagógico de Caracas de la Universidad Pedagógica Experimental Libertador.
De esta manera la universidad cumple con su responsabilidad social suministrándole
herramientas de trabajo e información científica, pertinente y objetiva a los distintos actores
de la sociedad involucrados en la de Gestión Local de los Riesgos.
IMPORTANCIA DE LA INVESTIGACIÓN
En Venezuela, las instituciones Universitarias deben abordar la temática de la gestión de
Riesgos por mandato del Consejo Nacional de Universidades (CNU) según la resolución
emanada el 28 de noviembre de 1997, orientada a desarrollar proyectos y programas en
materia de Educación y Gestión de Riesgos en los ámbitos de aspectos académicos,
formación ciudadana y planta física, especificados en el “Plan Hemisférico de Acción del
Sector Educativo para la Reducción de la Vulnerabilidad a los Desastres Socio-Naturales”
(EDUPLAN HEMISFÉRICO), en la I Conferencia Hemisférica del Sector Educativo para
la Mitigación de Riesgos y Desastres
Socio-Naturales (1998) y la II Conferencia
Hemisférica del Sector Educativo para la Reducción de la Vulnerabilidad a los Desastres
Socio-Naturales (2000). En este último evento se propuso la Gestión de Riesgos como un
eje transversal para todo el sistema educativo venezolano como política de Estado.
Venezuela es un País caracterizado por estar expuesto a la ocurrencia de eventos como
sismos, maremotos, lluvias extraordinarias, inundaciones, movimientos en masa, huracanes,
tormentas tropicales, incendios, descargas eléctricas, explosiones, amenazas tecnológicas
(químicas y/o bacteriológicas) entre otras. Este hecho, y la ocurrencia en tiempos recientes
de intensos eventos catastróficos han conducido al Estado venezolano a solicitar y proponer
el desarrollo de políticas para la gestión del riesgo. Así la presidencia de la República, en
6
febrero de 2005, creo la Comisión Nacional de Gestión de Riesgos constituida por cinco
grupos de apoyo, para conformar el Sistema Nacional de Gestión de Riesgos, donde las
Universidades deben participar activamente. Actualmente, con la aprobación de la Ley de
Gestión Integral de Riesgos Socionaturales y Tecnológicos, en enero de 2009, se derogo
esa comisión y se creo, según el artículo 10 de la mencionada Ley, el Consejo Nacional de
Gestión Integral de los Riesgos Socionaturales y Tecnológicos como ente rector de la
política nacional en esa materia. En atención a lo planteado anteriormente el conocimiento
de las amenazas de origen natural, antrópico y tecnológico generadoras de riesgos, se
considera la base para la toma de decisiones y la incorporación de la Gestión de Riesgos en
los procesos de planificación y educación del país. Obviamente, es una necesidad sentida la
creación de programas Educativos dirigidos a propiciar la interacción entre las instituciones
y las comunidades, donde se conjuguen experiencias profesionales y comunitarias que
permitan el diseño, validación y aplicación de instrumentos y estrategias para la generación
y transmisión óptima de conocimientos e información relacionada con la autoprotección
ciudadana ante la ocurrencia de eventos adversos, que contribuyan en forma definitiva al
mejoramiento de la calidad de vida de todos los ciudadanos.
Los eventos catastróficos ocurridos recientemente a nivel mundial han puesto de manifiesto
la extrema debilidad de la estructura de prevención, protección y respuesta ante los riesgos
naturales. El razonamiento clásico de la falta de recursos materiales, humanos o financieros
no se puede aplicar debido a la amplia cooperación que la solidaridad internacional aporta
en todas las ocasiones. El problema es de naturaleza mucho más profunda y preocupante
por tanto debe abordarse integralmente.
En atención a esto, a nivel latinoamericano se propone la creación del Sistema Nacional de
Gestión de Riesgos y de Respuesta ante Desastres, en el que el Estado a través de su
Gobierno y de las instituciones económicas, políticas y sociales, de forma coherente y
coordinada, busca prioridades, rediseña estructuras y plantea la búsqueda de sinergias.
7
La situación actual en materia de Gestión de Riesgos y Respuesta ante los Desastres es muy
diferente en cada país, se observa un cierto letargo, pero los respectivos gobiernos e
instituciones sociales saben que algo tienen que hacer y poseen una corriente del
conocimiento en materia de política social que puede proporcionar una gran eficiencia al
sistema y esa es la gran esperanza de futuro en la América Latina. Debe destacarse la
importancia que tiene, en cada país, la definición de una política, en esta materia, coherente
con su realidad económica, política y social que se traduzca en un elaborado Plan Nacional
que contenga los programas adecuados y a su vez cada programa los proyectos que puedan
ir dando soluciones a las realidades negativas detectadas.
METODOLOGÍA
En este trabajo se ha elegido para la determinación objetiva de los pesos asignados a los
criterios que intervienen en los procesos de remoción en masa, una Técnica Compensatoria
Aditiva denominada Método de las Jerarquías Analíticas (MJA) o Analytic Hierarchy
Process (AHP) de Thomas Saaty, (1990) de la Evaluación Multicriterios (EMC). Este
método se basa en el desarrollo de prioridades (en este caso, la importancia del criterio
para la generación de un proceso de deslizamiento), que a su vez son derivadas a partir de
una evaluación de concordancia o pairwise, llamados así debido a que sólo se permite el
análisis de relación de un par de criterios a la vez. Luego de identificar los pares de
criterios, estos son cualificados y cuantificados mediante juicio de expertos. En este
análisis cada parámetro recibe un puntaje de acuerdo al nivel de importancia de la relación
de pares analizados. Estos valores de concordancia son luego ingresados al MJA,
convirtiendo esta evaluación subjetiva en un conjunto de pesos lineales. La importancia de
este método radica en que, luego de la asignación de los pesos, otorga una medida global
de consistencia de la matriz, que permite valorar la relación de los criterios entre sí
determinando su coherencia y pertinencia.
8
Procedimiento
Se trata de un procedimiento de comparación por pares de los criterios que parte de una
matriz cuadrada en la cual el número de filas y columnas está definido por el número de
factores de inestabilidad considerados. A cada elemento de la matriz se le asigna un valor
que representa la importancia relativa del valor de su fila con respecto a la columna en
cuanto a posible inestabilidad.
Se diseñó la matriz con su correspondiente escala de valoración para estimar el coeficiente
y guía de instrucciones (Tablas 1 y 2). Se envió vía correo electrónico para ser respondida
por un grupo de profesionales especialistas en las áreas de Geomorfología, Geología,
Geotecnia, Geografía Física, Ciencias de la Tierra y afines de las siguientes organizaciones
nacionales e internacionales: Centro de Procesamiento Digital de Imágenes (CPDI) del
Ministerio del Poder Popular para la Ciencia y la Tecnología; Fundación Venezolana de
Investigaciones Sismológicas (FUNVISIS), Centro de Estudios Integrales del Ambiente
(CENAMB) de la Universidad Central de Venezuela (UCV), Centro de Estudios
Geográficos de La Universidad del Zulia (LUZ), Núcleo de Investigaciones del Medio
Físico Venezolano (NIMFV) y
Departamento de Geografía e Historia del Instituto
Pedagógico de Caracas y Departamento de Geografía e Historia del Instituto Pedagógico de
Miranda “José Manuel Siso Martínez” de la Universidad Pedagógica Experimental
Libertador y el Instituto de Geografía de la Universidad Nacional Autónoma de México
(UNAM).
9
LITOLOGÍA
PENDIENTE DEL TERRENO
FORMAS DEL RELIEVE
COBERTURA VEGETAL
CONFLICTO DE USOS
Peso Relativo (xj/n)/xj/n
xj/n
xj
CONFLICTO DE USOS
COBERTURA VEGETAL
FORMAS DEL RELIEVE
PENDIENTE DEL TERRENO
MATRIZ DE
JERARQUÍAS
ANALITICAS
LITOLOGÍA
Tabla 1. Modelo de la Matriz de Jerarquía Analíticas.
1
1
1
1
1
(xj/n)
1
Tabla 2. Escala de valoración para estimar el Coeficiente.
Nivel de
Importancia
1
Definición
Descripción
Igual preferencia
2
Moderada preferencia
3
Fuerte preferencia
4
Absoluta preferencia
Los dos criterios (x, j) contribuyen de
igual manera a los procesos de remoción
en masa
Pasadas
experiencias
favorecen
ligeramente al criterio (x) sobre el (j)
Prácticamente la dominancia del criterio
(x) sobre el (j) está demostrada
Existe evidencia que determina la
supremacía del criterio (x)
Se recibieron un total de 50 (cincuenta) matrices-muestras, se sometieron a evaluación y se
clasificaron en 5 (cinco) grupos según la especialidad de los investigadores. Los resultados
obtenidos fueron sometidos a tratamiento estadístico, promediándolas en grupos de
investigadores, para un total de cinco grupos. Estos datos sirvieron para la identificación de
10
los criterios de decisión, estructuración de los factores de una forma jerarquía, establecer
importancia relativa y la asignación de los pesos a cada variable.
ANÁLISIS E INTERPRETACIÓN DE LOS RESULTADOS
Análisis de los Resultados
Como factores condicionantes de los movimientos gravitacionales se seleccionaron:
geología, pendiente del terreno, formas de relieve, cobertura vegetal y conflictos de uso. A
las variables se les asignó pesos en función de su influencia relativa en la inestabilidad,
según el criterio de los investigadores consultados. Los resultados muestran claramente
una contundente inclinación, por parte de los investigadores, hacia las variables Geología y
Pendiente del Terreno, con asignaciones promedio de peso ponderado de un 30 % para cada
una de ellas, después continúan la variable Forma de Relieve con un 19 %, Cobertura
Vegetal con un 15% y finalmente los Conflictos de Uso con un 5 %, según se muestra en
las tablas 3, 4, 5, 6, 7 y 8.
14
11,5
8,83
3,83
2,25
(xj/n)
2,8
2,3
1,76
0,76
0,45
8,08
Peso Relativo (xj/n)/xj/n
4
4
4
2
1
xj/n
4
4
3
1
0,5
xj
CONFLICTO DE USOS
FORMAS DEL RELIEVE
1
2
3
0,5
1
2
0,33 0,5
1
0,25 0,25 0,33
0,25 0,25 0,25
COBERTURA VEGETAL
LITOLOGÍA
PENDIENTE DEL TERRENO
FORMAS DEL RELIEVE
COBERTURA VEGETAL
CONFLICTO DE USOS
PENDIENTE DEL TERRENO
MATRIZ DE JERARQUÍAS
ANALITICAS
LITOLOGÍA
Tabla 3. Matriz de Jerarquías Analíticas Promedio-Parcial, Grupo 1.
0,35
0,28
0,22
0,09
0,06
1
11
LITOLOGÍA
PENDIENTE DEL TERRENO
FORMAS DEL RELIEVE
COBERTURA VEGETAL
CONFLICTO DE USOS
1
2
2
2
0,5
1
2
3
0,5 0,5
1
2
0,5 0,33 0,5
1
0,33 0,25 0,33 0,25
3
4
3
4
1
Peso Relativo (xj/n)/xj/n
xj/n
xj
CONFLICTO DE USOS
COBERTURA VEGETAL
FORMAS DEL RELIEVE
PENDIENTE DEL TERRENO
MATRIZ DE JERARQUÍAS
ANALITICAS
LITOLOGÍA
Tabla 4. Matriz de Jerarquías Analíticas Promedio-Parcial, Grupo 2.
10
2 0,28
10,5 2,1 0,29
7 1,4 0,19
6,33 1,26 0,18
2,16 0,43 0,06
(xj/n) 7,19
1
3
2
1
0,25
0,25
4
4
4
1
0,33
4
4
4
3
1
14
11,5
9,83
4,75
2,08
(xj/n)
2,8
2,3
1,96
0,95
0,41
8,43
Peso Relativo (xj/n)/xj/n
CONFLICTO DE USOS
2
1
0,5
0,25
0,25
xj/n
COBERTURA VEGETAL
1
0,5
0,33
0,25
0,25
xj
FORMAS DEL RELIEVE
LITOLOGÍA
PENDIENTE DEL TERRENO
FORMAS DEL RELIEVE
COBERTURA VEGETAL
CONFLICTO DE USOS
PENDIENTE DEL TERRENO
MATRIZ DE JERARQUÍAS
ANALITICAS
LITOLOGÍA
Tabla 5. Matriz de Jerarquías Analíticas Promedio-Parcial, Grupo 3.
0,33
0,27
0,23
0,11
0,05
1
12
4
4
1
1
0,25
1
3
1
1
0,25
4
4
4
4
1
11
13
6,5
7,33
2
(xj/n)
2,2
2,6
1,3
1,46
0,4
7,96
Peso Relativo (xj/n)/xj/n
CONFLICTO DE USOS
1
1
0,25
0,33
0,25
xj/n
COBERTURA VEGETAL
1
1
0,25
1
0,25
xj
FORMAS DEL RELIEVE
LITILOGÍA
PENDIENTE DEL TERRENO
FORMAS DEL RELIEVE
COBERTURA VEGETAL
CONFLICTO DE USOS
PENDIENTE DEL TERRENO
MATRIZ DE JERARQUÍAS
ANALITICAS
LITOLOGÍA
Tabla 6. Matriz de Jerarquías Analíticas Promedio-Parcial, Grupo 4.
0,28
0,33
0,16
0,18
0,05
1
LITOLOGÍA
PENDIENTE DEL TERRENO
FORMAS DEL RELIEVE
COBERTURA VEGETAL
CONFLICTO DE USOS
1
1
4
1
1
1
4
3
0,25 0,25
1
1
1
0,33
1
1
0,25 0,25 0,25 0,25
4
4
4
4
1
Peso Relativo (xj/n)/xj/n
xj/n
xj
CONFLICTO DE USOS
COBERTURA VEGETAL
FORMAS DEL RELIEVE
PENDIENTE DEL TERRENO
MATRIZ DE JERARQUÍAS
ANALITICAS
LITOLOGÍA
Tabla 7. Matriz de Jerarquías Analíticas Promedio-Parcial, Grupo 5.
11 2,2 0,28
13 2,6 0,33
6,5 1,3 0,16
7,33 1,46 0,18
2 0,4 0,05
(xj/n) 7,96
1
13
GRUPO 4
0,33
0,27
0,23
0,11
0,05
0,28
0,33
0,16
0,18
0,05
0,28
0,29
0,19
0,18
0,06
xj
GRUPO 3
0,35
0,28
0,22
0,09
0,06
GRUPO 5
GRUPO 2
LITOLOGÍA
PENDIENTE DEL TERRENO
FORMAS DEL RELIEVE
COBERTURA VEGETAL
CONFLICTO DE USOS
GRUPO 1
MATRIZ DE
JERARQUÍAS
ANALITICAS
0,28 1,51
0,33
1,5
0,16 0,97
0,18 0,75
0,05 0,27
(xj/n)
PESO PONDERADO
PROMEDIO (xj/n)
Tabla 8. Matriz de Jerarquías Analíticas Promedio Total.
0,30
0,30
0,19
0,15
0,05
1
Ponderación para cada variable
Litología
Como puede observarse en el cuadro 8 la variable litología fue pondera por los grupos de
investigadores con valores que oscilan entre el 35% y el 28%, lo cual se corresponde
perfectamente con los planteamientos teóricos postulados en la literatura especializada,
asignándole a esta variable una absoluta preferencia, según lo indicado en el cuadro 2.
Entendemos que los investigadores consultados aprecian suficientes evidencias para
determinar la supremacía de la geología sobre las demás variables, considerando su
naturaleza, caracteres mecánicos, físicos y químicos propios de rocas ígneo-metamórficas
con alto grado de intemperismo y tectónismo activo; así Urbani (2000), (2002a) y (2002b),
analiza la geología como una de las principales variables ambientales que intervienen en la
estabilidad de vertientes o taludes, y para ello considera los siguientes indicadores.
14
Litología
Se entiende por litología al conjunto de materiales que forman la estructura geológica e
influyen en el relieve a través de su naturaleza, caracteres mecánicos, físicos y químicos. Se
entiende por materiales de la estructura geológica a las rocas, es decir, asociaciones estables
de minerales. Para los fines de esta investigación nos interesan los afloramientos litológicos
superficiales. Esta puede ser valorada a partir de varias propiedades como: composición
mineralógica o tipo de material (roca o formación superficial), textura, estructura, grado
de meteorización y grado de fracturamiento. Para este alcance del modelo el factor litología
se evalúa a partir de la caracterización mineralógica y la información cronoestratigráfica.
Estructuras
Teniendo en cuenta que este análisis es regional, el grado de fracturamiento de los
materiales litológicos se estima a partir de la cartografía de fallas geológicas del mapa
geológico. Como criterio de valoración de este parámetro se toma la susceptibilidad
directamente proporcional a la densidad de fracturamiento.
Geotecnia
Según Galvão y otros (2008) y Cacya (2004) la estabilidad del suelo está controlada por
condiciones intrínsecas de orden químico, físico y biológico como: la textura, la estructura,
los coloides (calidad mineralógica y física de las arcillas y de la materia orgánica), la
profundidad del perfil, la densidad aparente, la porosidad, y la plasticidad entre otras,
condiciones que determinan la resistencia al corte y dinámica de factores externos como el
agua, la pendiente, el uso y la cobertura. La estimación de la estabilidad y susceptibilidad
de los suelos a procesos morfodinámicos (movimientos en masa) se realiza con base en la
estructura y dinámica del agua. - óxidos y arcillas - humus y las fuerzas de atracción y
dispersión (fuerzas de Van der Waal’s). Desde el punto de vista físico las arcillas se
interpretan desde su cualidad de consistencia y plasticidad, considerada como los umbrales
mediante el cual los minerales arcillosos pasan de estado sólido - plástico y liquido. Un
segundo criterio para la evaluación de la estabilidad o susceptibilidad de los suelos, es la
dinámica del agua en el perfil, la cual es controlada por las propiedades fisicoquímicas y
biológicas y que a diferencia de la erosión, no actúa un agente de transporte (agua, hielo,
15
viento); sin embargo el agua se encuentra íntimamente asociado a la estabilidad
inicialmente incrementando el peso de la masa a desplazarse y al ayudar al flujo
descendente, una vez iniciado el movimiento en masa, ya que estrecha el límite plástico y
en consecuencia el proceso de fluidez. Igualmente ocasiona un aumento de la presión del
aire contenido en los poros y ejercen una fuerza que se manifiesta en desplazamiento de los
materiales. El suelo propiamente dicho es uno de los receptores y reguladores del agua,
factor muy dinámico que altera los estados de equilibrio relativo o de estabilidad. La
dinámica del agua en el suelo se puede estimar mediante la capacidad de almacenamiento y
regulación.
Dentro del ciclo hidrológico, el agua que pasa por los suelos puede: infiltrase, escurrirse,
ascender y almacenarse, de acuerdo con las características fisicoquímicas y biológicas. Para
el análisis de estabilidad y en lo relacionado con los movimientos en masa, estas dinámicas
se interpretan a partir de los indicadores de capacidad de almacenamiento y retención de
humedad, considerando el agua como una masa que incrementa el peso y por lo tanto
facilita los movimientos en masa. Existen mecanismos por los cuales el agua es retenida y
almacenada en el suelo y están relacionadas a fuerzas derivadas de las interfases líquidoaire o sólido - líquido del sistema suelo agua. Algunos minerales del suelo como las arcillas
pueden almacenar el agua dentro de su estructura cristalina y provoca la expansión y
contracción volviéndolas muy dinámicas ante los cambios de humedad.
En promedio la variable litología fue ponderada con un 30% de influencia para la
generación de fenómenos de remoción en masa, lo cual es bastante consistente con los
planteamientos teóricos y los eventos ocurridos en el pasado.
Pendiente del terreno
Por su parte la pendiente del terreno fue ponderada con valores que oscilan entre el 28% y
el 33%, resultando en un promedio de 30% similar al de la litología, la alta ponderación
para esta variable es perfectamente entendible por cuanto resulta del desnivel de la
superficie, que revela las condiciones de rugosidad natural del terreno. La pendiente es uno
de los principales factores dinámicos y particularmente de los movimientos en masa, ya que
determinan la cantidad de energía cinética y potencial de una masa inestable, por lo cual se
16
califica la susceptibilidad con los intervalos de pendiente; obtenidos del mapa de pendiente
elaborado con la información del mapa topográfico, aumentando la susceptibilidad a mayor
grado de inclinación de la pendiente en función de su energía cinética y potencial.
Para el caso de la Cordillera de la Costa Central son bien conocidos los altos valores de
pendiente que caracterizan ambas vertientes del macizo Ávila, por lo cual la supremacía de
esta variable esta también plenamente justificada.
Formas de Relieve
Las formas de relieve son elementos de la superficie terrestre que se definen por su
constitución y características geométricas. Son producto de las interacciones entre los
procesos endógenos y exógenos, expresados en la superficie terrestre. Obviamente la
abundancia de vertientes cóncavas, convexas y onduladas en ambas vertientes del Macizo
Ávila, justifica la consideración en el tercer lugar, con valores que oscilan entre 22% y 16%
para un promedio general de 19%, de ponderación como factor condiciónate de los
movimientos gravitacionales.
Cobertura Vegetal
Se entiende por cobertura vegetal la superficie terrestre cubierta por vegetación natural. El
tipo, la densidad, la capacidad de interceptación, el área de protección de cobertura vegetal
constituye un factor de resistencia o favorecimiento de procesos morfodinámicos como la
erosión y los movimientos en masa. En áreas de alta pendiente y de coberturas vegetales de
ciclos biológicos muy lentos y frágiles, toda intervención de estas, hace que se aumente la
susceptibilidad, tal como lo consideran Roa (2007) y Sampaio (2006) al definir una relación
entre la cobertura vegetal y los fenómenos de remoción en masa en combinación con otras
características físicas.
Para el caso especifico del área de estudio los investigadores
consultados, asignan valores entre el 9% y el 18% para un promedio de 15%, lo cual le
atribuye a esta variable una moderada influencia en la generación de movimientos en masa.
Es importante destacar que al parecer existe una amplia variabilidad de criterios entre los
investigadores respecto a la importancia de esta variable, lo cual puede estar relacionado
con la influencia diferencial de la vegetación, observada en movimientos gravitaciones
ocurridos en el pasado.
17
Conflicto de Usos
Conflicto de usos se refieren al grado de conflicto o antagonismo entre el uso actual de un
lugar y el uso potencial o el que se le debería dar en función de sus atributos naturales. Este
criterio se calcula usando una técnica cualitativa. El conflicto pueden clasificarse desde
“muy bajo”, “bajo”, “mediano”, “alto”, “muy alto”, hasta “sin conflicto”. Los criterios para
definir los usos actuales y potenciales de un lugar se basan en los empleados por los
organismos oficiales, algunos de ellos se ajustan según las observaciones en campo y en
fotografías aéreas. Si bien no se trata de una variable netamente física, ya que se incorporan
usos de tipo humano, tales como zona de infraestructura y área de cultivos; el 90% de los
otros usos están asociados a elementos de origen natural.
El conflicto se presenta cuando la actividad humana se realiza sin una adecuada
planificación, especialmente en obras viales (carreteras y puentes) explotación de recursos,
desarrollos urbanísticos, rellenos mal hechos, corte en el perfil natural de laderas,
deforestación, prácticas agrícolas deficientes en la conservación de suelos, entre otros.
Todo esto promueve procesos de inestabilidad en suelos que en cierta medida son
naturalmente vulnerables a esta clase de fenómenos y que tienen graves consecuencias en el
futuro. Sin embargo la baja ponderación a esta variable, de 5% asignada por los
investigadores, seguramente obedece al análisis de eventos ocurridos en el pasado, sobre el
área de estudio, donde se han presentado movimientos gravitacionales indistintamente en
sectores con altos índices de intervención, así como en zonas altamente conservadas de las
vertientes medias y altas del Guarairarepano.
CONCLUSIONES
Las variables de mayor influencia, para la generación de procesos de remoción en masa,
resultaron ser la litología y la pendiente del terreno con 30 % cada una. El segundo puesto
lo ocupa las formas de relieve con 19 %, mientras que la tercera y cuarta jerarquía le
corresponde a la cobertura vegetal y el conflicto de usos con 15 y 5 % respectivamente.
18
La aplicación de la Técnica Compensatoria Aditiva denominada Método de las Jerarquías
Analíticas, resultó ser una manera de complementar y objetivar el Método Explícito
Semianalítico para asignar puntajes ponderados a las variables que intervienen en el
desenvolvimiento de los procesos de remoción en masa en vertientes montañosas.
Integrando técnicas de Teledetección con SIG se han desarrollado modelos en algunas
cuencas de la vertiente norte de la Cordillera de la Costa y otras en la Cordillera de Los
Andes Venezolanos, donde se han encontrado resultados satisfactorios al calibrar dichos
modelos con los registros de eventos ocurridos en las áreas estudiadas.
Los mapas de susceptibilidad por fenómenos de remoción en masa permiten una
información valiosa sobre las condiciones de estabilidad de amplias regiones, lo que resulta
de gran utilidad tanto en la fase de planificación de grandes obras públicas como en su fase
de ejecución, a la hora de adoptar las oportunas medidas de prevención y corrección.
Las proyecciones a futuro indican que, con el transcurrir de los días, las tecnologías de la
información geográfica se convierten en herramientas de mucha utilidad en el estudio de
los fenómenos de remoción en masa, sobre todo por sus prestaciones para la
implementación de sistemas de alerta temprana con fines preventivos por parte de las
comunidades.
19
REFERENCIAS BIBLIOGRÁFICAS
Cacya, L. (2004). Métodos de evaluación de los deslizamientos. Instituto Geofísico del
Perú. Compendio de Trabajos de Investigación CNDG – Biblioteca, 5, 183-194.
Galvão, L.; Formaggio A., Guimarães, E. y Dar, R. (2008). Relationships between the
mineralogical and chemical composition of tropical soils and topography from
hyperspectral remote sensing data. Journal of Photogrammetry & Remote Sensing 63,
259–271.
Roa, J. (2007). Estimación de áreas susceptibles a deslizamientos mediante datos e
imágenes satelitales: cuenca del río Mocotíes, estado Mérida-Venezuela. Revista
Geográfica Venezolana, 48, 2, 183-219.
Saaty, T.L. 1990. Multicriteria Decision Making - The Analytic Hierarchy Process.
Volume I. New York: Mc Graw Hill.
Sampaio, E. (2006). Modelagem espacial dinâmica aplicada ao estudo de movimentos de
massa em uma região da serra do mar paulista, na escala de 1:10.000. Universidad
Estadal Paulista, Instituto de Geociencias y Ciencias Exactas. Tesis Doctoral.
Urbani, F. (2000). Consideraciones geológicas de la catástrofe del estado Vargas de
Diciembre de 1999. En Memorias del XVI Seminario Venezolano de Geotecnia:
Calamidades geotécnicas urbanas con visión al siglo XXI, la experiencia para proyectos
del futuro. Caracas, Venezuela: Sociedad Venezolana de Geotecnia.
Urbani, F. (2002a). Geología del estado Vargas y las unidades ígneo-metamórficas de la
Cordillera de la Costa. En Memorias del III Coloquio sobre Microzonificación
Sísmica y III Jornadas de Sismología Histórica. Colección Serie Técnica Nº 2. Caracas,
Venezuela: Fundación Venezolana de Investigaciones Sismológicas.
Urbani, F. (2002b). Nomenclatura de las unidades de rocas ígneas y metamórficas de la
Cordillera de la Costa, Venezuela. Geos [Revista en DC], 35. Disponible: Geos Nº
35/Marzo 2002/UCV/Fundación Geos/Caracas.
20
LA GEOMÁTICA COMO INSTRUMENTO PARA LA
EVALUACIÓN Y GEOESPACIALIZACIÓN DE LOS RIESGOS
DE CONTAMINACIÓN HÍDRICA EN CUENCAS.
CASO: EL JENGIBRE, ESTADO CARABOBO.
1
1
Diego Machado 1 y Yasmín Gudiño 2
SIGPER Consultores y 2 Facultad de Agronomía, UCV.
[email protected] y 2 [email protected]
RESUMEN
La degradación hídrica es un problema que afecta la sostenibilidad de la utilización de las tierras
y la disponibilidad de agua de buena calidad en las cuencas a nivel mundial y en especial las
latinoamericanas. Con la finalidad evaluar los riesgos de contaminación hídrica de la subcuenca
El Jengibre, ubicada en el municipio Valencia, estado Carabobo, se determinó en primera
instancia la calidad del agua. Para ello se seleccionaron 13 puntos de muestreo, ubicados a la
salida de cada microcuenca; en cada sitio se realizó un análisis físico-químico y microbiológico
obteniendo que en 12 de los 13 puntos muestreados la calidad del agua oscila entre media y
pobre y solo en 1 punto la calidad del agua es buena. En segunda instancia se estimó el índice
de degradación hídrica (IDH), como resultado de la combinación de las variables: fuentes de
contaminación, distancia interfluvial y el índice de vegetación (NDVI), obteniendo un mapa de
IDH para toda la subcuenca. Finalmente de la integración de las cualidades calidad del agua e
IDH se obtuvo como resultado que aproximadamente un 80% del área estudiada tiene un alto
riesgo de contaminación hídrica por lo que esta cuenca requiere de un plan de recuperación para
garantizar la producción de agua segura y sustentable.
Palabras claves: SIG, Geomática, Calidad del agua, Riesgo de contaminación hídrica, Índice de
degradación hídrica (IDH), Cuencas, El Pao.
1. Introducción.
La degradación de los recursos hídricos, es uno de los factores fundamentales, que atenta contra
el desarrollo sostenible de las cuencas, en especial las localizadas en países en vías de
desarrollo, ya que a los problemas generados por los riesgos naturales se les añade los de índole
socioeconómica, la falta de información básica y la carencia de instrumentos de planificación y
ordenación territorial. La degradación y agotamiento de los recursos naturales en las cuencas
se manifiesta en erosión y pérdida de productividad de los suelos, contaminación de suelos y
aguas, reducción de la calidad del agua y escorrentía, entre otros. (Machado et al, 2005). Todos
los estudios relacionados con el enfoque de cuencas hidrográficas son de gran importancia, dado
que desde el punto de vista hidrológico la función fundamental de una cuenca es la producción y
regulación del agua; sin embargo presta otros muy importantes servicios ambientales y socioeconómicos (Machado, 2006).
El riesgo de contaminación y su impacto sobre la calidad del agua es uno de los aspectos
críticos a evaluar cuando se habla de producción sostenible de agua, en este sentido Miranda et
al (2000), proponen un modelo para estimar el potencial de la degradación hídrica en cuencas
que considera 3 variables, la distancia interfluvial (DI), el índice de vegetación (NDVI) y las
fuentes de contaminación (FC), la combinación de las 3 variables permite generar y especializar
un Índice de Degradación Hídrica. Ospina (2004), construyó un índice para evaluar de forma
cualitativa el riesgo de contaminación hídrica en la cuenca alta del Río Guárico. Este modelo se
desarrolló en base a dos variables: el tipo de uso de la tierra como fuente potencial de
contaminación y la densidad de drenaje como una expresión de la capacidad de los cuerpos de
agua para actuar como agentes de dilución.
En base a las consideraciones anteriores y dada la importancia de la subcuenca El Jengibre,
(Cuenca Alta de El Pao) como fuente productora de agua para el Acueducto Regional del
Centro, este trabajo plantea como objetivo fundamental evaluar los riesgos de contaminación
hídrica (RCH); tomando como criterios de análisis la valoración e integración de las cualidades:
calidad del agua y el índice de degradación hídrica, mediante la aplicación de la geomática.
En este sentido la geomántica representa una herramienta tecnológica fundamental ya que
permite generar, organizar, sistematizar y procesar información básica; así como el
geoprocesamiento automatizado de los datos y la representación cartográfica de los resultados
obtenidos. Este hecho adquiere especial relevancia cuando se presentan problemas por falta de
información básica, no se cuenta con información cartográfica a escala adecuada y la base
cartográfica oficial requiere de actualizaciones.
2. Metodología.
Ubicación geográfica: El estudio se desarrolló en la subcuenca el Jengibre, ubicada en la
parroquia Negro Primero, municipio Valencia del estado Carabobo (Figura 1), tiene un área de
5.791 ha, presenta una topografía con fuertes pendientes y una cobertura dominada por sabanas,
bajo uso predominantemente pecuario. Su principal afluente es la quebrada Las Palmas que
desemboca al río Mucaria, que a su vez drena sus aguas directamente al embalse Pao-La Balsa,
principal fuente de abastecimiento de agua para consumo humano del estado Aragua.
Figura 1: Ubicación de la zona en estudio.
Esquema Metodológico: la metodología (figura 2), se basó en el uso de la geomática como
herramienta de generación, organización, integración y geoespacialización de información.
Cartografía básica y temática
Delimitación de la subcuenca y microcuencas
Digitalización de la
información básica
cartografía a escala 1:25.000
Generación de un Modelo
Digital de elevación (MDE)
Delimitación de la subcuenca
y microcuencas en base al
análisis del MDE y la red
hidrográfica.
Análisis de la calidad del agua:
Determinación de parámetros físicoquímicos y microbiológicos
Estimación del Índice de Degradación
Hídrica (IDH)
Fuentes de contaminación (Fc)
Distancia Interfluvial (Di)
Índice de vegetación (NDVI)
Determinación del Riesgo de Contaminación Hídrica (RCH)
Figura 2. Esquema metodológico para la evaluación del riesgo de contaminación hídrica
Modelo digital de Elevación (MDE): A Partir del MDE, la red hidrográfica y recorridos en
campo, se delimitó la subcuenca y sus microcuencas. Se seleccionaron 13 puntos de muestreo a
la salida de cada microcuenca partiendo del criterio de que ese punto recoge el agua que drena
por todas las quebradas que en ella se encuentran. (Figura 3).
Figura 3: Delimitación de las microcuencas y localización de los sitios de muestreo.
Calidad del Agua: Para cada punto, se determinó su posición a través de mediciones con GPS y
se tomo una muestra de agua que fue analizada desde el punto de vista fisicoquímico y
microbiológico. Se determinaron los parámetros descritos en el cuadro 1. El Oxígeno disuelto,
pH y turbidez se midieron directamente en campo con un multímetro. Los coliformes totales y
Echiericha coli, se determinaron a través del método rápido de siembra en placas petrifilm. El
resultado de estos análisis fue comparado con los criterios para la clasificación de agua para uso
humano obteniendo un valor de referencia de la calidad del agua para cada microcuenca
(Cuadro 1).
Cuadro 1. Criterios de Clasificación de Agua para Uso Humano
Parámetros
Oxígeno disuelto (mg/l)
pH
Turbidez (UNT)
Color (U Pt-Co)
Cloruros (mg/l)
Floruros (mg/l)
Coliformes totales (UFC/ml)
Echiericha coli (UFC/ml)
1 (Excelente)
> 6,5
6 – 8,5
< 10
0 – 20
< 50
< 1,5
< 10
<1
Calidad del agua
2 (Buena)
4 – 6,5
5 – 6 ó 8,5 – 9
10 – 250
20 – 150
50 – 250
1,5 – 3
10 – 20
1–5
3 (Pobre)
<4
<5ó>9
> 250
> 150
> 250
>3
> 20
>5
Fuente: Gaceta Oficial Nº 35.445, 1995. Norma 3276, 1997
Finalmente, se obtuvo la clasificación global de la calidad del agua tomando en cuenta el valor
más limitante (ley del mínimo) para clase fisicoquímica y la clase microbiológica (Pineda et al,
2004); en base a la normativa legal vigente en el país para tal fin.
Elaboración del mapa de índice de degradación Hídrica (IDH): El IDH, es un modelo que
genera elementos para la identificación de áreas sensibles a los riesgos potenciales de impactos
ambientales negativos en la calidad de aguas superficiales. El mismo, considera 3 variables la
distancia interfluvial (DI), el índice de vegetación (NDVI) y las fuentes de contaminación (FC),
la combinación de las 3 variables permite generar y especializar un Índice de Degradación
Hídrica (Miranda et al, 2000). Este modelo se fundamenta en las siguientes premisas: a) el tipo
de uso de la tierra interviene como fuente potencial de contaminación; b) la densidad de drenaje
es una expresión de la capacidad de los cuerpos de agua para actuar como agentes de dilución y
c) la densidad de cobertura funciona como filtros naturales de los contaminantes. Para el análisis
e integración de las referidas variables se siguieron los siguientes pasos:
Cuantificación de las fuentes de contaminación (FC): En general las principales fuentes de
contaminación del agua están relacionadas con el uso de la tierra (urbano, industrial y agrícola);
por lo que para la determinación y representación cartográfica de esta variable se generó un
mapa de cobertura y uso a partir de la interpretación visual de una imagen de satélite Spot 4 del
año 2008 y validaciones de campo. Finalmente se clasificaron los usos de acuerdo a su nivel de
contaminación siguiendo los criterios presentados en el cuadro 2.
Cuadro 2. Clasificación de las variables para la determinación del IDH.
Fuente de Contaminación
Clasificación
Vegetación natural
Agricultura de Subsistencia o
Asociación
Ganadería
+
Bosque
Uso Agrícola o Ganadería
Baja (4)
Distancia
Interfluvial
> 50 metros
Media (3)
Alta (2)
Centros Poblados
Clasificación
NDVI
Clasificación
Baja (1)
-1 – 0
Baja (1)
40 – 50 metros
Media (2)
0 – 0,3
Media (2)
< 40 metros
Alta (3)
0, 3 – 1
Alta (3)
Muy Alta (1)
Determinación de la Distancia Interfluvial (DI): A fin de evaluar la densidad de drenaje se
procedió a determinar la distancia interfluvial promedio para cada microcuenca, que se puede
definir como la media aritmética de las distancias lineales existentes entre cursos de agua
diferentes en un radio de 360º. (Ospina, 2004). Para la determinación de la distancia interfluvial
se utilizó como base la red hidrográfica de la subcuenca, sobre la cual se aplicó la función de
análisis de distancias euclidiana disponibles en ArcGIS 9.2. Para su interpretación (Cuadro 2),
se consideró que las áreas con menores valores de DI, es decir con mayor densidad de drenajes
por unidad de área, era la condición más favorable puesto que favorece la degradación de los
contaminantes, dada la mayor demanda Bioquimica de oxigeno.
Cálculo del Índice de Vegetación Normalizado (NDVI): El NDVI es un índice que permite
estimar la densidad de la cobertura de la masa vegetal. Paro los fines de este estudio se
considera que al existir un mayor NDVI el riesgo de contaminación hídrica es menor ya que la
cobertura vegetal actúa como filtro de los agentes contaminantes retardando su impacto contra
el suelo y el agua. Fundamentándose a estos elementos, se calculó el NDVI de la cuenca a
partir de Imágenes de satélite Spot 4 del año 2008 y se clasificaron en base a los criterios
presentados en el cuadro 2.
Estimación Indice de Degradación Hídrica (IDH): Se calculó el IDH mediante la combinación
de las variables: fuentes de contaminación, índice de vegetación (NDVI) y la distancia
interfluvial (DI). Se automatizo el procedimiento a través de la programación en leguaje AML
(Arc Macro Lenguaje) de ArcInfo, de los criterios presentados en el cuadro 3.
Cuadro 3. Criterios para la valoración del Índice de Degradación Hídrica (IDH)
FC
1
1
1
1
1
2
2
2
2
2
3
3
3
3
3
4
4
4
4
4
DI
1
2
2
3
3
1
1
2
3
3
1
1
2
3
3
1
1
2
2
3
NDVI
1, 2, 3
1, 2
3
1
2, 3
1
2, 3
1, 2, 3
1, 2
3
1
2, 3
1, 2, 3
1
2, 3
1, 2
3
1
2, 3
1, 2, 3
IDH
1 (Muy Alto)
1 (Muy Alto)
2 (Alto)
1 (Muy Alto)
2 (Alto)
1 (Muy Alto)
2 (Alto)
2 (Alto)
2 (Alto)
3 (Medio)
2 (Alto)
3 (Medio)
3 (Medio)
3 (Medio)
4 (Bajo)
3 (Medio)
4 (Bajo)
3 (Medio)
4 (Bajo)
4 (Bajo)
Riesgo de Contaminación Hídrica (RCH): Por último se determinó el RCH en la subcuenca
El Jengibre, por medio de la integración de las cualidades: índice de degradación hídrica (IDH)
y calidad del agua (CA); a través de la programación de los criterios de clasificación de cada
una de ellas y utilizando el lenguaje de programación AML (Arc Macro Lenguaje) de Arc/Info;
para lo cual se emplearon los criterios de valoración presentados en el cuadro 4.
Cuadro 4. Criterios de valoración del Riesgo de contaminación hídrica
Índice de Degradación
Hídrica (IDH)
4. Bajo
3. Medio
2. Alto
1. Muy Alto
1. Buena Calidad
Bajo
Bajo
Medio
Alto
CALIDAD DEL AGUA
2. Media calidad
Bajo
Medio
Alto
Alto
3. Mala calidad
Medio
Alto
Muy Alto
Muy Alto
3. Resultados.
Los resultados de la clasificación físico-química y la clasificación microbiológica dieron origen
a una clase fina de calidad de agua para cada microcuenca (cuadro 5). De los 13 puntos de
muestreo analizados se encontró un 54% presenta una mala calidad y el 38 % media calidad, ya
que supera los valores permitidos por la normativa vigente para el consumo, lo que indica que el
uso del agua es restrictivo para consumo humano y constituye una zona de riesgo. Solo el 8 %
de las muestras analizadas son clasificadas como de buena calidad.
Cuadro 5. Clasificación final de la calidad del agua de la subcuenca El Jengibre
Sitios de Muestreo Clase Microbiológica Clase físico-química
2
Honda
2
2
Las Cuevas
3
Las Palmas
1
2
Las Vegas
3
2
2
Cumbito
3
2
Morrocoy
3
Las Palmas1
3
2
2
Casupal
2
2
Cajobal
2
2
Jengibre
3
2
Mucaria
3
1
Domingo
1
2
Charal
2
Clase Final
2 (Media)
3 (Mala)
2 (Media)
3 (Mala)
3 (Mala)
3 (Mala)
3 (Mala)
2 (Media)
2 (Media)
3 (Mala)
3 (Mala)
1 (Buena)
2 (Media)
Poco más del 60% de la subcuenca presenta un índice de degradación hídrica de alto a muy alto
(Cuadro 6). La microcuenca más afectada es la del Jengibre, seguidamente en menor proporción
Las Vegas y Las Cuevas ubicadas en la parte nor-oeste de la cuenca. Al observar detalladamente
las variables involucradas (Figura 4) encontramos que son las fuentes de contaminación las que
determinan de manera significativa el resultado, ya que en la microcuenca donde se encontró el
mayor IDH (Figura 5) se encuentran también el centro poblado más grande de toda la zona y la
mayor actividad agropecuaria; y como es de esperar por el nivel de intervención, coincide con
las zonas de menor índice de cobertura vegetal (NDVI).
Cuadro 6. Índice de Degradación Hídrica de la subcuenca El Jengibre
Clasificación
Muy Alto
Alto
Moderado
Bajo
TOTAL
Clase
1
2
3
4
Área ha
611
2.902
1.531
747
5.791
Porcentaje
11%
50%
26%
13%
100%
Leyenda
Leyenda
Distancia Interfluvial
Bajo
Medio
Índice de vegetación (NDVI)
Bajo
Medio
Alto
Índice de vegetación (NDVI)
Alto
Distancia Interfluvial
Figura 4: Mapas de Fuentes de Contaminación, Distancia Interfluvial y NDVI.
Finalmente se tiene que el 77% de la subcuenca El Jengibre posee riesgos de contaminación
hídrica de alto a muy alto (Figura 6), asociado a varios factores como son, la presencia de
fuentes de contaminación (60% agrícola o ganadería), baja densidad de cobertura vegetal, y la
distancia entre los ríos que allí se encuentran. Esto corresponde a la zona nor-oeste de la
subcuenca, donde se encuentra el poblado principal que se considera la más alta fuente de
contaminación. Este resultado coincide con lo expuesto anteriormente donde vemos que las
variables estudiadas (NDVI, IDH, CA) tienen un comportamiento similar en la microcuenca El
jengibre, en este sentido se puede decir que el riesgo de contaminación hídrica está
condicionado por la calidad del agua, las fuentes de contaminación, la cobertura vegetal, la
distancia interfluvial y por ende el índice de degradación hídrica. La microcuenca que se
encuentra en mejor estado desde el punto de vista del Riesgo de Contaminación Hídrica es la de
Casupal, seguida de Domingo y Cajobal.
Figura 5: Índice de Degradación Hídrica (IDH).
Figura 6: Riesgos de Contaminación Hídrica (RCH).
4. Conclusiones.
La metodología empleada permitió la evaluación geoespacial en forma integral, de los riesgos
de contaminación hídrica, en cuencas hidrográficas con escasa información. Por su parte los
instrumentos de la geomática permitieron generar, editar e interpretar la información básica
requerida para la evaluación: a) vectorización y actualización de la base cartográfica mediante
los CAD; b) localización de puntos de muestreo y fuentes de contaminación utilizando GPS;
c) determinación del uso actual de la tierra y densidad de cobertura vegetal a partir de
interpretación de imágenes de satélite; d) estimación de la DI de la red hidrográfica a partir del
cálculo de la distancia euclidiana a través de los SIG; e) elaboración del MDE; f) integración y
geoespacialización de las diferentes variables utilizadas en el análisis, mediante la programación
de los criterios de evaluación en plataforma SIG.
Más del 90% de los sitios muestreados presentan aguas de media a mala calidad, relacionados
principalmente con la presencia de coliformes fecales. Igualmente cerca del 80% de la
superficie estudiada tiene un alto riesgo de contaminación hídrica, asociado fundamentalmente a
un uso actual donde prevalecen elevadas fuentes de contaminación y a la disminución
progresiva de la cobertura vegetal. Esto implica que las aguas requieren de tratamiento profundo
para su potabilización y que la cuenca del Jengibre necesita de un plan de ordenación y
recuperación hídrica para garantizar la producción de agua segura de manera sustentable.
El 54% de los sitios muestreados presentan aguas de mala calidad y el 38 % media calidad,
asociados fundamentalmente a la presencia de coliformes fecales. Esto implica, por una parte
que las aguas requieren de tratamiento profundo para su potabilización y por la otra se debe
ordenar y reglamentar el uso de la tierra de manera que se controlen las fuentes de
contaminación.
El 11 % de la subcuenca tiene un muy alto IDH, y está asociado a las fuentes de contaminación
(usos urbanos y agrícolas intensivos) y a la baja densidad de cobertura vegetal; estas zonas a su
vez, son las que presentan la densidad de drenaje más baja. Poco más del 50% de la subcuenca
presenta un IDH alto, relacionado fundamentalmente con usos agrícolas de moderada
intensidad y de moderada a baja densidad de cobertura vegetal.
El 48% de la superficie estudiada tiene un riesgo de contaminación hídrica (RCH) muy alto,
relacionado fundamentalmente a mala calidad de las aguas y al alto ó muy alto IDH. Cerca del
30% del área tiene un RCH alto asociado a una moderada calidad del agua y a un alto IDH.
Todo esto esta asociado fundamentalmente a un uso actual donde prevalecen elevadas fuentes
de contaminación y a la disminución progresiva de la cobertura vegetal, hechos que se agravan
en microcuencas con baja densidad de drenaje. Para mitigar este efecto negativo es importante
regular la intervención de la subcuenca El Jengibre, mediante la elaboración de planes de
ordenación y recuperación hídrica que garanticen la producción de agua segura de manera
sustentable.
5. Referencias Bibliográficas.
Machado, D., Sevilla, V.¸ Comerma, J. 2005. Estimación de La Producción de Agua en
Cuencas Hidrográficas, Mediante la Aplicación de Tecnología de SIG, Caso Cuenca del
Caroní. I Jornadas Nacionales de Geomática. Fundación Instituto de Ingeniería, Centro de
Procesamiento Digital de Imágenes, Caracas.
Pineda, C.; Machado, D.; Ochoa, J.; Viloria, J. 2004. Evaluación Ambiental y Agrícola de
Tierras de La Cuenca Alta del Río Guárico con Fines de Producción Sustentable de Agua.
Manejo Integral de La Cuenca Alta del Río Guárico. Núcleo de Investigación y
Excelencia. Proyecto. Iniciativa Científica del Milenio. Universidad Central de
Venezuela. Facultad de Agronomía. Maracay (Venezuela). 223 p.
Pla Sentís, I. 2003. Física de suelos e hidrología en América Latina. Evaluación de parámetros y
procesos hidrológicos en el suelo. VII Escuela Latinoamericana de física de suelos. La
Serena. Chile. Documento en línea consultado en:
http://www.unesdoc.unesco.org/images/0013/001384/138406s.pdf.
Fecha de consulta: 15/01/2006.
Machado, D. 2006. Los sistemas de información geográfica y el desarrollo sostenible de
cuencas hidrográficas. XIV Jornadas de conservación ambiental. Universidad de
Carabobo. Valencia, Venezuela.
Miranda, J. I.; Silva, A.; Rodríguez, G. S.; 2000. UM MODELO DIGITAL DE
DEGRADACÃO HÍDRICA APLICADO AO DIAGNÓSTICO AMBIENTAL:
AGRÓPOLO SUBMÉDIO DO RIO SÃO FRANCISCO. Empresa Brasileira de
Pesquisa Agropecuária. Ministério de Agricultura e do Abastecimiento. Jaguariúana
(Brasil). 29 p.
Ospina, A.; Elizalde, G. 2004. Modelo pedogeomorfológico de la subcuenca del Río
Caramacate. Manejo Integral de La Cuenca Alta del Río Guárico. Núcleo de
Investigación y Excelencia. Proyecto. Iniciativa Científica del Milenio. Universidad
Central de Venezuela. Facultad de Agronomía. Maracay (Venezuela).86 p.
Sistema de Información Geográfica de
Líneas Sísmicas de Venezuela y El Caribe
Adriana Moreno1
Fundación Instituto de Ingeniería – Centro de Procesamiento Digital de Imágenes
Carretera Nacional Baruta – Hoyo de la Puerta, Urb.Monte Elena II - Sartenejas, Baruta.
Edo. Miranda, Venezuela.
1
[email protected]
1. Contenido
Resumen
Introducción
Metodología
Resultados
Conclusiones
Bibliografía
Apéndice
2. Resumen
El Catálogo de Líneas Sísmicas de Venezuela, diseñado como un Sistema de Información
Geográfica (SIG), es una librería digital que da al usuario la capacidad de hacer una consulta rápida
de la información de líneas de prospección sísmica contenidas en ella. El mismo, forma parte de los
trabajos realizados dentro del marco del Proyecto GEODINOS y surge de la necesidad de tener una
herramienta de búsqueda geo-referenciada que permita el acceso rápido y conciso de bibliografía
publicada referente a estudios, trabajos e investigaciones de líneas sísmicas de prospección. A
diferencia de una base de datos digital, este catálogo ofrece la posibilidad de observar la línea
sísmica en tiempo, los productos principales obtenidos como interpretaciones e inversiones en
profundidad, y conocer la procedencia de dicho estudio en un mismo documento. La metodología
empleada se resume en la recopilación de la información bibliográfica, organización y diseño de la
base de datos, control de calidad y edición (geo-referenciación, creación de los shape-files, etc.). El
producto final comprende más de 200 líneas sísmicas recopiladas de diversas fuentes de libre
publicación, ubicadas en el territorio nacional y zonas adyacentes del Caribe como las Islas de
Sotavento y las Antillas Menores.
3. Introducción
Los sistemas de información geográfica (SIG) permiten integrar una amplia cantidad de datos
de cualquier índole en función de sus características espaciales (Carmona y Monsalve, 1999), es por
ello que se convierten en instrumentos muy versátiles dentro del área de las geociencias. En el área
de la geofísica, un SIG permite a los científicos asociar características físicas a las regiones
geográficas facilitando el estudio de áreas permitiendo la sencilla interpretación de mapas
geofísicos, integración de diversos datos, etc. Los perfiles o líneas sísmicas, como parte importante
de los estudios geofísicos, representan una fuente importante de información para la comprensión
del comportamiento del subsuelo, más aún, dentro de la industria petrolera, los estudios sísmicos
son una herramienta poderosa para la prospección de sistemas petrolíferos , su futura extracción y
comercialización.
En el presente trabajo forma parte de los muchos proyectos que pertenecen al proyecto
GEODINOS, y muestra una colección de líneas sísmicas que forman un catálogo interactivo para
las regiones de Venezuela y El Caribe. Dicha colección contiene una serie de publicaciones de libre
acceso que de un modo u otro están asociados a estudios de líneas sísmicas. La novedad de esta
publicación radica en la integración de datos y la posibilidad de consultar los productos y
referencias de los trabajos mostrados.
4. Metodología
El esquema de trabajo se resume en cuatro pasos básicos (ilustración 1): recopilación de la
información bibliográfica, organización de la base de datos, control de calidad y edición del SIG.
Recopilación
Bibliográfica
Líneas Sísmicas
Diseño del SIG
Control de Calidad
*Posición Precisa
*Posición Relativa
*Posición Desconocida
Edición y Montaje
Ilustración 1: Esquema representativo de la metodología de trabajo.
3.1. Información Bibliográfica
Se utilizaron 179 publicaciones que involucraron estudios de sísmicos (sísmica de reflexión y
refracción), para un total de 223 líneas sísmicas que abarcan estudios de: adquisición, interpretación
en tiempo e inversiones en profundidad. Todos presentados en formato digital y que fueron
recopilados entre los meses febrero y mayo del 2008 1 . Las fuentes de información comprenden:
Trabajos Especiales de Grado: Universidad Simón Bolívar (2002-2009), Universidad
Central de Venezuela (2002-2007) y Universidad de Los Andes (2002-2007).
Trabajos Especiales de Maestría y Doctorado: Universidad Rice (1995-2005),
Universidad de Texas (2001-2003) y Universidad de Oklahoma (2006).
Congresos: IX al XIV Congreso Venezolano de Geofísica; VIII y IX Congreso
Geológico Venezolano; VII y VIII Congreso Venezolano de Sismología e Ingeniería
Sísmica; y, 9no Congreso Internacional de la Sociedad Brasilera de Geofísica.
Serie Técnica de FUNIVISIS (2001 y 2002).
Boletín Informativo (2006) y Memorias (55, 56, 58, 60, 62, 66 y 79) de la AAPG.
VII Simposio Bolivariano de Cuencas Subandinas (2000)
Páginas Web
3.2. Base de Datos y Diseño del SIG
Con la intención de clasificar el SIG en zonas de interés, facilitar el manejo y la organización de
toda la información previamente obtenida se dividió el área de estudio en 5 sectores como se
muestra en la Ilustración 2. Como resultado de la clasificación y distribución de las 223 líneas
sísmicas colectadas para el SIG, más adelante se podrá comprobar que la mayor cantidad de líneas
corresponde al área con mayor prospección de hidrocarburos tanto en Venezuela como en el Caribe.
1
Las referencias de dichos trabajos se pueden consultar en el Apéndice
Ilustración 2: División de áreas para el SIG de Líneas de Venezuela y El Caribe.
3.3. Control de Calidad
Para realizar la integración geo-espacial de las líneas sísmicas, se seleccionaron, todas aquellas
líneas sísmicas que contuviesen información geográfica conocida (coordenadas). En la Ilustración 3
se muestran tres casos posibles. El caso A muestra una línea sísmica cuya posición espacial se
conoce con precisión, es decir, que se tienen las coordenadas exactas de la línea sísmica (en
particular esto ocurre para las líneas sísmicas de los proyectos BOLIVAR y GEODINOS); el caso
B, es un ejemplo de una línea cuya posición es inferida del mapa de ubicación de las líneas de
estudio, el cual se caracteriza por tener referencia espacial y geográfica bien definida de modo que
es posible obtener la posición relativa de la misma; finalmente, el caso C muestra una línea sísmica
con una referencia geográfica sin embargo, no se reconocen coordenadas dentro del área de estudio
señalada, de modo que no es posible obtener una posición aproximada de la línea.
Ilustración 3: Ejemplo de líneas sísmicas según la posición espacial conocida: A) coordenadas precisas, B)
coordenadas estimadas, C) sin coordenadas. Modificado de Moreno, 2008.
3.4. Edición y Montaje del SIG
Finalmente, se editaron las imágenes de los productos generados para cada línea sísmica las
cuales se muestran como archivos adjuntos en formato PDF. Cada uno de ellos está compuesto por
una imagen principal, que puede ser la línea original, procesada, interpretada, etc.; el pie original de
la figura, con su traducción al español (en caso de ser necesario); y la referencia bibliográfica del
trabajo respectivo.
5. Resultados
El SIG de Líneas Sísmicas de Venezuela y El Caribe se muestra en la Ilustración 4, nótese la
distribución de las 223 líneas sísmicas a lo largo del área de estudio la cual, como se comentó en el
apartado anterior, es mucho más densa en los sectores NorOeste y Costafuera al E. Esta distribución
está directamente relacionada con la geología de dichas regiones y los prospectos de hidrocarburos
allí presentes, predominando las cuencas de Maracaibo, la cual abarca aproximadamente 60.000
km2; y la del norte de Venezuela, con un área de 200.000 km2 (Audemard y Serrano, 2001). Es
importante recordar que esta compilación de estudios solo incluye publicaciones de acceso libre, lo
que implica que el contenido aquí presente no representa sólo una fracción de estudios sísmicos
existentes en la región, sin embargo, sirve de guía para los investigadores interesados en obtener
información sísmica de una determinada área.
Ilustración 4: SIG de Líneas Sísmicas de Venezuela y El Caribe.
En la Ilustración 5, se muestra un ejemplo de archivo presentado para cada línea sísmica: el
rayo amarillo sobre la línea representa la herramienta de consulta que utiliza el programa bajo el
cual se desarrollo el SIG (ArcGIS® 9.2) y al lado derecho de la ilustración 5, bajo la flecha verde,
se observa el modelo de documentos que muestran el contenido y/o productos generados a partir de
la línea sísmica que se ha consultado. La información que muestran los perfiles en el mapa está
limitada a lo que se incluye en su publicación original y todas las imágenes están debidamente
identificadas con el título de la figura (con traducción al español, cuando es necesario) y la
referencia de la publicación correspondiente. Durante la elaboración de este trabajo, algunas de las
figuras fueron editadas para hacer un buen ajuste en el documento de consulta, mas no se modificó
ni agregó ningún comentario adicional.
Ilustración 5: Ejemplo de consulta de una línea sísmica.
6. Conclusiones
El SIG Líneas Sísmicas de Venezuela y el Caribe es una colección de aproximadamente
doscientas publicaciones relacionadas a los métodos sísmicos que permite observar los productos
generados en cada trabajo a partir de la interpretación de líneas sísmicas de refracción y reflexión
somera o profunda en tiempo y algunos modelos creados a partir de la inversion de éstas en
profundidad, así como también permite conocer las referencias bibliográficas de muchos otros
trabajos no incluidos en el mapa. Este SIG representa una herramienta poderosa para consultar y
productos y conocer referencias bibliográficas de un área determinada de estudio, reduciendo
considerablemente el tiempo de trabajo del investigador al momento de requerir fuentes de
información.
En general, es posible integrar cualquier tipo de publicación a este mapa, siendo la principal
limitación la posibilidad de poder georeferenciar los perfiles, modelos o cualquier otra información
sísmica que se desee ingresar al sistema.
Debido a que se trata de una colección de trabajos de acceso libre, este SIG representa apenas
una pequeña fracción de los trabajos y estudios sísmicos que existen en la region de Venezuela y El
Caribe. Gran parte de los estudios sísmicos pertenecen a la empresa privada o a la industria de
hidrocarburos nacional (p.e. PDVSA en Venezuela).
Se recomienda el mantenimiento constante del SIG para tener una herramienta de optima y
actualizada conforme se publiquen trabajos nuevos en la región.
7. Bibliografía
Audemard, F. E., and Serrano, I. C., 2001; FUTURE PETROLIFEROUS PROVINCES OF
VENEZUELA, in. Downey, M. W., Threet, J. C., and Morgan, W. A., eds., Petroluem
Provinces of the twenty-first century: AAPG Memoir 74, p. 353-372.
Moreno, A., 2008; MODELADO 3D DEL SUBSUELO AL NOROESTE DE VENEZUELA
INTEGRANDO ESTUDIOS GEOFÍSICOS EN UN SIG. Trabajo Especial de Grado,
Universidad Simón Bolívar. Caracas, Venezuela, 171 p.
Moreno, A., Yépez, S., Jácome, M. I. y Audemard, F., 2008; SISTEMAS DE INFORMACIÓN
GEOGRÁFICA COMO HERRAMIENTA PARA LA INTEGRACIÓN DE ESTUDIOS
GEOFÍSICOS DENTRO DEL MARCO DEL PROYECTO GEODINOS. XIV Congreso
Venezolano de Geofísica, Caracas, Venezuela, 12 p.
8. Apéndice: Referencias incluidas en el SIG de Líneas Sísmicas de Venezuela y El
Caribe
Acosta J. Y Planchart, C., 2000, LA ADQUISICIÓN DE PERFILES
SÍSMICOS DE POZO DENTRO DE LA TUBERÍA DE PERFORACIÓN. X
Congreso Venzolano de Geofísica, Anexo GPII – 1, 9 p.
Alahdal, A., 2006,
SEISMIC DETECTION OF FAULT ZONE
HYDROCARBON CONDUIT – SEAL POTENTIAL USING VELOCITY,
FREQUENCY, AND Q ANALYSIS: LA CONCEPCIÓN FIELD, LAKE
MARACAIBO VENEZUELA EXAMPLE. PhD Thesis, University of
Oklahoma, Norman, Oklahoma, 165 p.
Angulo, A., 2007, REPROCESAMIENTO DE SÍSMICA RÁPIDA AL SUR
DEL PRISMA DE ACRECIÓN DE BARBADOS Y DELIMITACIÓN DE
INTRUSIONES DE LODO EN LA ZONA. Trabajo Especial de Grado,
Coordinación de Ingeniería Geofísica, Universidad Simón Bolívar.
Araque, M. y Contreras, J., 2007, EVALUACIÓN GEOFÍSICA MEDIANTE
EL MÉTODO DE SÍSMICA DE REFRACCIÓN EN LOS SECTORES LOS
CUROS-CAMPO CLARO, MÉRIDA, ESTADO MÉRIDA. Trabajo Especial de
Grado, Escuela de Ingeniería Geológica, Universidad de los Andes, Ciudad de
Mérida.
Araujo, J., 2007, CARACTERIZACIÓN DE YACIMIENTO EN ZONA SUR
DEL CAMPO MENE GRANDE A PARTIR DEL USO DE ATRIBUTOS
SÍSMICOS POST APILAMIENTO. Trabajo Especial de Grado, Universidad
Simón Bolívar, 104 p.
Arellano, R., 2006, INTEGRACIÓN DE DATOS SÍSMICOS Y DE POZOS
PARA LA GENERACIÓN DE UN MODELO ESTÁTICO DE LAS ARENAS
P-R-S DEL CAMPO ORITUPANO C, MONAGAS-VENEZUELA Trabajo
Especial de Grado, Coordinación de Ingeniería Geofísica, Universidad Simón
Bolívar, 138 p.
Arellano, R. (2), 2006, METODOLOGÍA PARA LA GENERACIÓN DE UN
MODELO ESTÁTICO DE LAS ARENAS P – R – S DEL CAMPO
ORITUPAMO C, MONAGAS, VENEZUELA. . XIII Congreso Venezolano de
Geofísica, Caracas, anexo doc003, 5 p., formato CD – R.
Aristimuño, J., Hunt, R., Goodin, J., Hufford, J., King, W., Thomas, J. And
Whiters, R., 2002, ADVANTAGES OF THE VIBROSEIS SOURCE OVER
DYNAMITE: SEISMIC TEST IN HE HAMACA AREA, EL TIGRE,
VENEZUELA. XI Congreso Venezolano de Geofísica, Caracas, 7 p., formato
CD – R.
Arminio, J. F., Hernández, M., Pilloud, A. and Audemard, F., 2004, NEW
INSIGHTS ON THE JURASSICS RIFT SUCCESSION OF THE MÉRIDA
ANDES, VENEZUELA: IMPLICATIONS FOR THE NEW PETROLEUM
SYSTEMS IN NORTHERN SOUTH AMERICA. AAPG International
Conference, Cancún, México, 6p.
Arminio, J. F., Párraga, F. and Lugo, J, 1998, BASIN INVERSION AND
FOREDEEP GROWTH: STRUCTURAL STYLE AND STRATIGRAPHY IN
THE MÉRIDA ANDES FOREDEEP, WESTERN VENEZUELA. IX Congreso
Venzolano de Geofísica, formato .html.
Arogunmati, A., 2006, 3 – D SEISMIC STRUCTURE OF THE LEEWARD
ANTILLES AR FROM SEISMIC RERFACTION AND REFLECTION
TOMOGRAPHY. MsC Thesis, Rice, University, Houston, Texas.
Audemard, F. E. and Audemard, F. A., 2002, STRUCTURE OF THE
MÉRIDA ANDES, VENEZUELA: RELATIONS WITH THE SOUTH
AMERICA
–
CARIBBENA
GEODYNAMICS
INTERACTION.
Tectonophysics, vol. 345, p. 299 – 327.
Audemard, F. E., and Serrano, I. C., 2001, FUTURE PETROLIFEROUS
PROVINCES OF VENEZUELA, in. Downey, M. W., Threet, J. C., and Morgan,
W. A., eds., Petroluem Provinces of the twenty-first century: AAPG Memoir 74,
p. 353-372.
Audemard, F., Beck, C., Moernaut, J., De Rycker, K., De Batist, M.,
Sánchez, J., González, M., Sánchez, C., Versteeg, W., Malavé, G., Schmitz,
M., Van Welden, A., Carrillo, E. y Lemus, A., 2006, ¿QUÉ SEGMENTA
SISMOGÉNICAMENTE LA FALLA DE EL PILAR EN EL GOLFO DE
CARIACO, EN VENEZUELA ORIENTAL?. VIII Congreso Venezolano de
Sismología e Ingeniería Sísmica, Anexo 9-18. Valencia, Venezuela.
Audemard, F., Beck, C., Moernaut, J., De Rycker, K., De Batist, M.,
Sánchez, J., González, M., Sánchez, C., Versteeg, W., Malavé, G., Schmitz,
M., Van Welden, A., Carrillo, E. y Lemus, A., 2007, LA DEPRESIÓN
SUBMARINA DE GUARACAYAL, ESTADO SUCRE, VENEZUELA: UNA
BARRERA PARA LA PROPAGACIÓN DE LA RUPTURA COSÍSMICA A
LO LARGO DE LA FALLA DE EL PILAR. Interciencia, vol. 32, n. 10.
Audemard, F. A., Carrillo, E. y Beck, E., 2007, INTERNATIONAL
WORKSHOP. BLIND DIP-SLIP FAULTING AND STRAIN PARTITIONING
IN AN ACTIVE OROGEN: THE MERIDA ANDES CASE, VENEZUELA.
FIELDTRIP GUIDEBOOK. Informe de Avance del Segundo Año del Grupo de
Investigación: Geodinámica Reciente del Límite Norte de la Placa Sudamericana
– GEODINOS, Anexo 2_A1.
Ávila, J., 2005, MODELADO BIDIMENSIONAL DE LA CORTEZA EN LA
ZONA DE COLISIÓN CARIBE – SUR AMÉRICA, REGIÓN ORIENTAL DE
VENEZUELA (ESTADO ANZOÁTEGUI). Trabajo Especial de Grado,
Coordinación de Ingeniería Geofísica, Universidad Simón Bolívar, 155 p.
Babb, S., 1997, TECTONICS AND SEDIMENTATION OF THE GULF OF
PARIA AND NORTHERN BASIN, TRINIDAD. PhD Thesis, The University of
Texas at Austin, Texas.
Beardsley, A. G., 2007, OBLIQUE COLLISION AND ACCRETION OF THE
NETHERLANDS LEEWARD ANTILLES ISLAND ARC: A STRUCTURAL
ANALYSIS OF THE CARIBBEAN – SOUTH AMERCIAN PLATE
BOUNDARIE ZONE. PhD Thesis, Rice University, Houston, Texas.
Benkovics, L., León, F., Sarzalejo, S., Luna, F., Peña, A., Díaz, J.,Sornes, G.,
Quintero, J., Morales, V., León, K. and Helwig, J., 2000, GEOLOGIC
STRUCTURE AND DEFORMATION SEQUENCE OF THE BARÚA –
MOTATÁN AREA, EASTERN MARGIN OF THE MARACAIBO BASIN,
ZULIA ORIENTAL, NORTHERN VENEZUELAN ANDES. VII Simposio
Bolivariano Exploración Petrolera en las Cuencas Subandinas, p.84 – 115.
Bermúdez, L., 2006, MODELADO GRAVIMÉTRICO INTEGRADO EN LA
ENSENDA DE BARCELONA. Trabajo Especial de Grado, Universidad Simón
Bolívar, Valle de Sartenejas, Venezuela, 137 pág.
Bezada, M., 2005, MODELADO BIDIMENSIONAL DE LA CORTEZA EN
LA ZONA DE COLISIÓN CARIBE – SURAMÉRICA, REGIÓN
OCCIDENTAL DE VENEZUELA (ESTADOS FALCÓN Y LARA). Trabajo
Especial de Grado, Coordinación de Ingeniería Geofísica, Universidad Simón
Bolívar, 194 páginas.
Bezada, M., Ávila, J., Vieira, E., Yánez, M., and “BOLIVAR active seismics
working group”, 2004, PRIMEROS RESULTADOS DE OBSERVACIONES
SÍSMICAS MARINAS EN LA RED SISMOLÓGICA NACIONAL,
VENEZUELA. . XII Congreso Geológico Venezolano, Anexo 9-4(Formato CD
– Room).
Bezada, M. Millar, M., Niu, F., Pavlis, G., Schmitz, M., Rendón, H. y el
BOLIVAR working group, 2007, ESTRUCTURA SÍSMICA DE LA
CORTEZA Y MANTO SUPERIOR EN EL LÍMITE DE PLACAS CARIBESURAMÉRICA: UN ENFOQUE INTEGRADO. IX Congreso Geológico
Venezolano, Anexo 076, 12p (Formato CD – Room).
Bezada, M., Schmitz, M., Levander, A., Jácome, M. I., Audemard, F. and
the BOLIVAR Active Seiesmic Working Group, 2005, CRUSTAL
THICKNESS VARIATIONS IN WESTERN VENEZUELA FROM DEEP
SEISMIC OBSERVATIONS. 9th International Congress of the Brazilian
Geophysical Society, Salvador, Brazil, 6 p.
Bartok, P., 2003, THE PERIPHERICAL BULGE OF THE INTERIOR RANGE
OF THE EASTERN VENEZUELA BASIN AND ITS IMPACT ON OIL
ACCUMULATIONS. The Circum – Guñf of Mexico and the Caribbean:
Hydrocarbon Habitats, Basin Formation, and Plate Tectonics: AAPG Memoir 79,
pp. 925 – 936.
Baruch, E., 2006, ADQUISICIÓN SÍSMICA 3D PROYECTO ROBLOTE 05G
3D. Trabajo Especial de Grado, Universidad Simón Bolívar.
Bello, J., Pergas, Y. y Larrañaga, D., 2006, CARACTERIZACIÓN
GEOFÍSICA DE LAS ARENAS APRETADAS DEL CAMPO YUCAL
PLACER. XIII Congreso Venezolano de Geofísica, Anexo doc023.
Blanco, B., Giraldo, C. y Chigne, N., 2000, MARCO TECTONOESTRATIGRÁFICO DE LA PARTE NORTE DE LOS ESTADOS GUÁRICO
Y ANZOÁTEGUI: IMPLICACIONES PARA LA EVALUACIÓN
PETROLÍFERA. VII Simposio Bolivariano Exploración Petrolera en las
Cuencas Subandinas, p. 95 - 114.
Boettcher, S., Jackson, J. L., Quinn, J. And Neal, J., 2003, LITHOSPHERIC
STRUCTURE AND SUPRACRUSTAL HYDROCARBON SYSTEM,
OFFSHORE EASTERN TRINIDAD. AAPG Memoir 79: The Circum – Gulf of
Mexico and the Caribbean: Hydricarbon Habitats, Basin Formation, and Plate
Tectonics, Cap. 24, p. 529 – 544.
Bolívar, M. y Helwing, J., 2002, EFECTOS DEL GAS EN LA IMAGEN
SÍSMICA Y POSIBLE CHIMENEA DE GAS, CARITO, VENEZUELA. XI
Congreso Venezolano de Geofísica, Caracas, 5 p., formato CD – R.
Cabrera, J., Carneiro, V. y Goncalves, A., 2002, RESULTADO DE LA
MIGRACIÓN POST APILAMIENTO EN PROFUNDIDAD EN EL ÁREA EL
FURRIAL – CARITO. XI Congreso Venezolano de Geofísica, Caracas, 5 p.,
formato CD – R.
Camposano, C., Sánchez, J. H., Durán, I. Y Ruíz, M., 2000, EVOLUCIÓN
TECTONOESTRATIGRÁFICA DEL PALEÓGENO Y SU IMPACTO EN LA
EXPLORACIÓN DEL SUR DEL LAGO, CUENCA DE MARACAIBO
VENEZUELA. VII Simposio Bolivariano Exploración Petrolera en las Cuencas
Subandinas, p.116 – 124.
Carballo, A., Rondón, K. y Jácome, M. I., 2004, MODELADO ISOSTÁTICO
DE LA SUBCUENCA DE GUÁRICO, REGIÓN NORCENTRAL DE
VENEZUELA. 3ra. Convención Técnica de la ACGGP, Anexo p39.
Carneiro, V. y Gou, Y., 2002, INTERPRETACIÓN SÍSMICA MULTI
VOLÚMENES EN ÁREAS GEOLÓGICAMENTE COMPLEJAS, CASO, “EL
FURRIAL”. XI Congreso Venezolano de Geofísica, Caracas, 5 p., formato CD –
R.
Carrero, R., 2008, REINTERPRETACIÓN ESTRUCTURAL DE ÁREA
BACHAQUERO NORESTE PARA EL MIOCENO. Trabajo Especial de Grado,
Universidad Simón Bolívar, 106 p.
Casas, J., González, M. y Marfisi, N., 2007, INTERPRETACIÓN DE FACIES
GENÉTICAS EN POZOS VERTICALES / INCLINADOS / HORIZOTALES Y
SU INTEGRACIÓN EN EL MODELO GEOLÓGICO. FORMACIÓN
OFICINA, CAMPO SINCOR, BLOQUE JUNÍN, FAJA PETROLÍFERA DEL
ORINOCO, VENEZUELA. IX Congreso Geológico Venezolano, Caracas,
Anexo doc150.
Castellanos, F., 2007, ADQUISICIÓN SÍSMICA 3D EN EL PROYECTO
BOSCÁN SUR 06E – 3D. Trabajo Especial de Grado, Coordinación de
Ingeniería Geofísica, Universidad Simón Bolívar, 163 p.
Castillo, M. G, 2004, ANÁLISIS REGIONAL ESTRUCTURAL DE LA
SERRANÍA DEL INTERIOR VENEZOLANA. XII Congreso Venezolano de
Geofísica, Caracas, Anexo doc035, 8 p., formato CD – R.
Castillo, M. G. y Morales, M., 2002, MODELO TRIDIMENSIONAL Y
RECONSTRUCCIÓN TECTÓNICA EN EL NORTE DE ANZOÁTEGUI. XI
Congreso Venezolano de Geofísica, Caracas, 7 p., formato CD – R.
Castillo, M. G., Peña, A. y Pereira, J., 1998, RUIDOS SÍSMICOS
PRESENTES EN EL ÁREA DE BACHAQUERO (EDO. ZULIA) Y
TÉCNICAS PARA ATENUARLOS. IX Congreso Venezolano de Geofísica,
formato .html.
Castillo, M. V., 2001, STRUCTURAL ANALYSIS OF CENOZOIC FAULT
SYSTEM USING 3D SEISMIC DATA IN THE SOUTHERN MARACAIBO
BASIN, VENEZUELA. PhD Thesis, University of Texas at Austin, 207 pp.
Castillo, M. V. and Mann, P., 2006, CRETACEUS TO HOLOCENE
STRUCTURAL AND STRATIGRAPHIC DEVELOPMENT IN SOUTH LAKE
MARACAIBO, VENEZUELA, INFERRED FROM WELL AND THREEDIMENSIONAL SEISMIC DATA. AAPG Bulletin, vol. 90, n. 4, pp. 529 –
565.
Castillo, M. V. and Mann, P. (2), 2006, DEEPLY BURIED, EARLY
CRETACEUS PALEOKARST TERRANE, SOUTHERN MARACAIBO
BASIN, VENEZUELA. AAPG Bulletin, vol. 90, n. 4, pp. 567 – 579.
Castillo, S., Vera, A. y Chaplet, M., 2000, INTEGRACIÓN DE IMÁGENES
DE SATÉLITES CON INFORMACIÓN GEOLÓGICA Y GEOFÍSICA PARA
LA CONTRIBUCIÓN EN LA DEFINICIÓN DE LOS MODELOS
ESTRUCTURALES Y LITOLÓGICOS EN ÁREAS EXPLORATORIAS. VII
Simposio Bolivariano Exploración Petrolera en las Cuencas Subandinas, p. 125137.
Cerrada, M. y Mora. K., 2007, CARACTERIZACIÓN GEOFÍSICA
MEDIANTE LA APLICACIÓN DE SÍSMICA DE REFRACCIÓN ENTRE
LOS SECTORES ZUMBA – LA PARROQUIA Y LA AVENIDA ANDRÉS
BELLO. ESTADO MÉRIDA. Trabajo Especial de Grado, Escuela de Ingeniería
Geológica, Universidad de los Andes, Ciudad de Mérida, 227 p.
Chirino, M., Bosset, J. y Naranjo, E., 2004, NIPA – NARDO: APORTE DE
LA SÍSMICA 3D EN LA COSTRUCCIÓN DE UN NUEVO MODELO. XII
Congreso Venezolano de Geofísica, Caracas, anexo doc005, 8 p., formato CD –
R.
Choi, B., 2005, EOCENE TECTONIC CONTROLS ON RESERVOIR
DISTRIBUTION IN VLE196, BLOCK V, LAMAR FIELD, MARACAIBO
BASIN, VENEZUELA. PhD Thesis, Texas A & M University, Houston, 176 p.
Chramcow, D., 2008, INTERPRETACIÓN SISMO – ESTRATIGRÁFICA
DEL ÁREA DE PICHINCHA PERTENECIENTE A LA FAJA PETROLÍFERA
DEL ORINOCO. Trabajo Especial de Grado, Coordinación de Ingeniería
Geofísica, Universidad Simón Bolívar.
Cobos, L. S., 2005, STRUCTURAL INTERPRETATION OF THE MONAGAS
FORELAND THRUST BELT, EASTERN VENEZUELA, Search and
Discovery
Article
#
30031.
Página
Web:
http://www.searchanddiscovery.net/documents/2004/mijares/index.htm. Fecha
de consulta: abril, 2008.
Cordero, V., 2006, MODELADO Y PROCESAMIENTO SÍSMICO DE
REGISTROS VSP PARA LOS POZOS FRA – 1X Y MOT – 64X. Trabajo
Especial de Grado, Universidad Simón Bolívar, 182 p.
Cragno, A. y Romero, M., 2001, EVALUACIÓN GEOFÍSICA INTEGRAL
DE LOS CONOS ALUVIALES EN MACUTO, CARABALLEDA Y
TANAGUARENA. Trabajo Especial de Grado, Escuela de Geología, Minas y
Geofísica, Departamento de Geofísica, Universidad Central de Venezuela, 90 p.
Chacín, L., 2003, MODELO GEODINÁMICO INTEGRADO DE LA
CUENCA DE BARINAS-APURE Y LOS ANDES DE MÉRIDA EN EL
ESTADO TÁCHIRA. Trabajo Especial de Grado, Universidad Simón Bolívar,
Caracas, Venezuela, p. 110.
Chacín, L., Jácome, M. I., Izarra, C., 2005, FLEXURAL AND GRAVITY
MODELLING OF THE MÉRIDA ANDES AND BARINAS–APURE BASIN,
WESTERN VENEZUELA. Tectonophysics, Vol. 405, p. 155 – 167.
CVP / Exploración PDVSA, 2000, PROYECTO DE EXPLORACIÓN POR
HIDORCARBUROS COSTA AFUERA DE VENEZUELA: CUENCA TUY –
CARIACO., Capítulo 5, pág. 280-345.
Clark, S., 2007, CHARACTERIZING THE SOUTHEAST CARIBBEAN –
SOUTH AMERICAN PLATE BOUNDARIE AY 64º W. PhD Thesis, Rice
University, Houston, Texas.
D’Alessio, S. y Quijada, M., 2002, ESTUDIO GEOLÓGICO INTEGRADO
DEL ANTICLINAL CERRO CORAZÓN Y SUS RELACIONES
ESTRUCTURALES Y ESTRATIGRÁFICAS, EDOS. ANZOÁTEGUI Y
MONAGAS. Trabajo Especial de Grado, Escuela de Geología, Minas y
Geofísica, Departamento de Geología, Universidad Central de Venezuela.
De La Peña, B., 1999, ANÁLISIS TECTONO-ESTRUCTURAL DEL ÁREA
DEL PIEDEMONTE DEL CORRIMIENTO MAYOR DE TALA. Trabajo
Especial de Grado, Escuela de Geología, Minas y Geofísica, Departamento de
Geología, Universidad Central de Venezuela, 77 p.
Deville, E., Guerlais, S. – H., Callec, Y., Griboulard, R., Huyghe, P.,
Lallemant, S., Mascle, A., Noble, M., Schmitz, J. And the CARMABA
Working Group, 2006, LIQUEFIED VS. STRATIFIED SEDIMENT
MOBILIZATION PROCESSES: INSIGHT FROM THE SOUTH OF THE
BARBADOS ACCRETIONARY PRISM. Tectonophysics, Vol. 428, p. 33 –
47.Duerto, L., 1998, PRINCIPALES ZONAS TRIANGULARES DEL
OCCIDENTE DE VENEZUELA. Trabajo Especial de Maestría MSc, Escuela de
Geología, Minas y Geofísica, Universidad Central de Venezuela, 176 pp.
Deville, E., Mascle, A, Guerlais, S. – H., Decalf, C. and Colleta, B., 2003,
LATERAL CHANGES OF FRONTAL ACCRETION AND MUD
VOLCANISM PROCESSES IN THE BARBADOS ACCRETIONARY PRISM
AND SOME IMPLICATIONS. AAPG Memoir 79: The Circum – Gulf of
Mexico and the Caribbean: Hydricarbon Habitats, Basin Formation, and Plate
Tectonics, Cap. 30, p. 656 – 674.
De Vivas, M., 2000, DETERMINACIÓN DE LA SINCRONIZACIÓN DE LOS
EVENTOS DE GENERACIÓN, MIGRACIÓN Y ENTRAMPAMIENTO DE
HIDROCARBUROS DEBAJO DEL CORRIMIENTO DE TALA, CUENCA
ORIENTAL DE VENEZUELA (C.O.V.). X Congreso Venezolano de Geofísica,
Anexo SRII-2
Di Croce, J., 1995, Eastern Venezuela Basin: Sequence Stratigraphy and
evolution, PhD Thesis, Rice Univ., 225 pp.
Di Croce, J.; Bally, A; Vail, P, J., 1999, SEQUENCE STRATIGRAPHY OF
EASTERN VENEZUELAN BASIN, in Mann, P. (eds.): Caribbean Basins.
Sedimentary Basins of the World, Amsterdam, p. 419-476.
Duerto, L., 1998, PRINCIPALES ZONAS TRIANGULARES DEL
OCCIDENTE DE VENEZUELA. Trabajo Especial de Maestría MSc, Escuela de
Geología, Minas y Geofísica, Universidad Central de Venezuela, 176 pp.
Duerto L., Escalona, A., Núñez, M., Pérez, A. and Benguigui, A., 2006,
ONSHORE VENEZUELAN SHALE MOBILIZATION ASSOCIATED TO
THE SOUTH CARIBBEAN PLATE BOUNDARY. AAPG Herdberg
Conference: Mobile shale Basins – Genesis, Evolution and Hydricarbon
Systems, Port of Spain, Trinidad and Tobago, formato .html.
Duerto, L., Escalona, A. and Mann, P., 2006, DEEP STRUCTURE OF THE
MÉRIDA ANDES AND SIERRA DE PERIJÁ MOUNTAINS FRONTS,
MARACAIBO BASIN, VENEZUELA. AAPG Bulletin, vol. 90, n. 4, pp. 505 –
528.
Duerto, L. and McClay, K., 2002, 3D GEOMETRY AND EVOLUTION OF
SHALE DIAPIRS IN THE EASTERN VENEZUELAN BASIN. Search and
Discovery
Article
No.
10026.
Página
Web:
http://www.searchanddiscovery.net/documents/duerto/index.htm.
Fecha
de
consulta: abril, 2008.
Ercilla, G., Alonso, B., Wynn, R. y Baraza, J., 2002, TURBIDITY CURRENT
SEDIMENTS WAVES ON IRREGULAR SLOPES: OBSERVATIONS FROM
THE ORINOCO SEDIMENT – WAVE FIELD. Marine Geology, Vol. 192, p.
171 – 187.
Escalona,
A.,
2003,
REGIONAL
TECTONICS,
SEQUENCE
STRATOGRAPHY AND RESERVOIR PROPERTIES OF EOCENE CLASTIC
SEDIMENTATION, MARACAIBO BASIN, VENEZUELA . PhD Thesis,
University of Texas at Austin, 241 pp.
Escalona, A., 2006, PETROPHYSICAL AND SEISMIC PROPERTIES OF
THE LOWER EOCENE CLASTIC ROCKS IN THE CENTRAL
MARACAIBO BASIN. AAPG Bulletin, vol. 90, n. 4, pp. 679 – 696.
Escalona, A. and Mann, P., 2003, THREE – DIMENSIONAL STRUCTURAL
ARCHITECTURE AND EVOLUTION OF THE EOCENE PULL – APART
BASIN, CENTRAL MARACAIBO BASIN, VENEZUELA. Marine and
Petroleum Geology 20, pp. 141 – 161.
Escalona, A. and Mann, P., 2006, SEQUENCE – STRATIGRAPHIC
ANALYSIS OF EOCENE CLASTIC FORELAND BASIN DEPOSITS IN
CENTRAL LAKE MARACAIBO USING HIGH . RESOLUTION WELL
CORRELATION AND 3-D SEISMIC DATA. AAPG Bulletin, vol. 90, n. 4, pp.
581 – 623.
Escalona, A. and Mann, P., 2006 (2),TECTONIC CONTROLS OF THE
RIGHT – LATERAL BURRO NEGRO TEAR FAULT ON PALEOGENE
STRUCTURE AND STRATIGRAPHY, NORTHEASTERN MARACAIBO
BASIN. AAPG Bulletin, vol. 90, n. 4, pp. 479 – 504.
Escalona, A. and Mann, P., 2006 (3), AN OVERVIEW OF THE
PETROLEUM SYSTEM OF MARACAIBO BASIN. AAPG Bulletin, vol. 90, n.
4, pp. 658 – 678.
Fernández, C., 2005, SECUENCIA BÁSICA DE PROCESAMIENTO DE
DATOS SÍSMICOS 2D PARA UNA LÍNEA DEL PROYECTO RÍO SOCOPÓ
– BOCONÒ. Trabajo Especial de Grado, Coordinación de Ingeniería Geofísica,
Universidad Simón Bolívar, 162 p.
Fernández, D. A., 2004, ANÁLISIS TÉRMICO DE LA CUENCA ORIENTAL
DE VENEZUELA A PARTIR DE INFORMACIÓN DE POZOS. Trabajo
Especial de Grado, Universidad Simón Bolívar.
Filomeno, G., 2008, ESTUDIO INTEGRADO DE DATOS SÍSMICOS DE
REFRACCIÓN Y ELECTROMAGNÉTICOS EN EL ÁREA DE CARIPE,
ESTADO MONAGAS. Trabajo Especial de Grado, Coordinación de Ingeniería
Geofísica, Universidad Simón Bolívar, 103 p.
Fimlay, C. J., Hamilton, D. S., Handford, R. et al, 1998,
CARACTERIZACIÓN DE LOS YACIMIENTOS DE LA SECCIÓN
TERCIARIA DEL BLOQUE B EN EL SUR DEL LAGO DE MARACAIBO,
VENEZUELA. IX Congreso Venezolano de Geofísica, formato .html.
Fintina, C., 2003, MODELADO ESTRUCTURAL-GEOQUÍMICO EN 2D
DEL FRENTE DE DEFORMACIÓN DE LA SERRANÍA DEL INTERIOR.
Trabajo Especial de Maestría, Escuela de Geología, Minas y Geofísica,
Departamento de Geología, Universidad Central de Venezuela.
Galarraga, M. Engel, S. and Hansen, B., 2004, DETAILED 3D SEISMIC
INTERPRETACION USING HFI SEISMIC DATA, FAULT THROW AND
STRESS ANALYSIS FOR FAULT REACTIVATION IN THE COGOLLO
GROUP, LOWER CRETACEOUS, URDANETA WEST FIELD,
MARACAIBO BASIN. XII Congreso Venezolano de Geofísca, Anexo doc034,
15 p., formato CD – R.
Galarraga, M. Engel, S. and Vizamora, A., 2002, 3D SEISMIC
STRUCTURAL INTERPRETACION IN THE COGOLLO GROUP, LOWER
CRETACEOUS, URDANETA WEST FIELD, MARACAIBO BASIN. XI
Congreso Venezolano de Geofísca, Anexo 16913, 8 p., formato CD – R..
García, E., 2008, CARACTERIZACIÓN DE LOS YACIMIENTOS C – 4
LAG3047 Y C – 5 LAG3047 MEDIANTE EL ANÁLISIS DE SISMOFACIES
UTILIZANDO REDES NEURONALES. Trabajo Especial de Grado,
Universidad Simón Bolívar, 149 p.
García, K., Morales, C., Sánchez, J., Schmitz, M., 2006, DETERMINACIÓN
DE VELOCIDADES DE ONDAS DE CORTE (VS30) EN EL ÁREA
METROPOLITANA DE CARACAS, A PARTIR DE CONVERSIÓN SPTVELOCIDAD DE ONDAS DE CORTE, ANÁLISIS DE ONDAS
SUPERFICIALES Y SÍSMICA DE REFRACCIÓN. VIII Congreso de
Sismología e Ingeiería Sísmica, Valencia, Venezuela, Anexo P11, 9 p.
Giffuni, G., González, C. y Brink, G., 2000, ESTRATIGRAFÍA
SECUENCIAL DEL NEÓGENO EN MONAGAS CENTRAL, CUENCA DE
MATURÍN, VENEZUELA. X Congreso Venezolano de Geofísica, Caracas,
anexo CYII – 3, 7 p., formato CD – R.
Giffuni, G., González, C. y Brink, G., 2000 (2), PROSPECCIÓN
EXPLORATORIA DE UNA SECCIÓN DE EDAD MIOCENO TEMPRANO,
EN EL ÁREA MONAGAS CENTRAL, CUENCA DE MATURIN,
VENEZUELA. VII Simposio Bolivariano Exploración Petrolera en las Cuencas
Subandinas, p. 361-381.
Giraldo, C., Álvarez, E, and Odehnal, M., 2002, THE MUD – DIAPIR
TREND IN THE EASTERN VENEZUELAN BASIN. XI Congreso Venezolano
de Geofísica, Caracas, Venezuela, 4 p., formato CD – R.
Giraldo, C., Schmitz, M., Arminio, J., Audemard, F. y Martins, A., 2002,
UN TRANSECTO LA BLANQUILLA – CRATÓN GUAYANÉS,
VENEZUELA ORIENTAL: MODELOS CORTICALES. XI Congreso
Venezolano de Geofísica, Anexo 16884, 7p. (Formato CD – R).
Goddelieett, A., 2006, INTERPRETACIÓN SÍSMICA ESTRUCTURAL DEL
PROYECTO “SOCORORO” USANDO DATOS REPROCESADOS. XIII
Congreso Venezolano de Geofísica, Anexo doc019.
González, J., 2006, EVALUACIÓN DE RIESGO DE LICUACIÓN DE
SUELOS UTILIZANDO SÍSMICA DE REFRACCIÓN SOMERA EN LA
ISLA DE BARRERA DE LA LAGUNA DE UNARE, ESTADO
ANZOÁTEGUI. XIII Congreso Venezolano de Geofísica, Anexo doc047.
González, M., 2006, UTILIZACIÓN DE JATS Y LÓGICA DIFUSA EN EL
ANÁLISIS DE DOS PERFILES DE REFRACCIÓN SÍSMICA EN EL ÁREA
75 DE BAUXILUM, PTO. ORDAZ, EDO BOLÍVAR. Trabajo Especial de
Grado, Coordinación de Ingeniería Geofísica, Universidad Simón Bolívar.
Gorney, D., Escalona, A., Mann, P., Magnani, M. B. and BOLIVAR Study
Group, 2007, CHRONOLOGY OF CENOZOIC TECTONIC EVENTS IN
WESTERN VENEZUELA AND THE LEEWARD ANTILLES BASED ON
INTEGRATION OF OFFSHORE SEISMIC REFLECTION DATA AND ONLAND GEOLOGY. AAPG Bulletin, vol. 91, n. 5, pp. 653 – 684.
Grausem, M., 2000, ACOUSTIC IMPEDANCE INVERSION FOR
HORIZONTAL WELL DESIGN IN COLD PRODUCTION OF HEAVY OIL.
X Congreso Venezolano de Geofísica, Caracas, Anexo GPI – 5.
Guédez, M., 2007, CRUSTAL STRUCTURE ACROSS THA CARIBBEAN –
SOUTH AMERICAN PLATE BOUNDARIE AT 70 W – RESULTS FROM
SEISMIC REFRACTION AND REFLECTION DATA. MsC Thesis, Rice
University, Houston, Texas.
Guédez, R., Schmitz, M., Cavada, J. y Sánchez, J., 2003, DETERMINACIÓN
DEL ESPESOR CORTICAL Y VELOCIDADES SÍSMICAS EN EL ÁREA
CENTRO NORTE Y NOROCCIDENTAL DE VENEZUELA. VII Congreso
Venezolano de Sismología e ingeniería Sísmica, Anexo sis3, 12p (Formato CD –
Room).
Guerra, C., Cabrera, S., Fuentes, J., Finno, A., González, A., Benavides, J.,
Itriago, J., Mónaco M. y Lander, R., 2000, PALEOGEOGRAFÍA DEL
OLIGOCENO-MIOCENO, UNA GUÍA PARA LA EVALUACIÓN
EXPLORATORIA DEL NORTE DE GUÁRICO Y ANZOÁTEGUI. VII
Simposio Bolivariano Exploración Petrolera en las Cuencas Subandinas, p.400409.
Guerra, D. y De Tony, B., 2000, INTERPRETACIÓN Y BALANCEO DE UN
TRANSECTO ESTRUCTURAL FALNCO SUR ORIENTAL SIERRA DE
PERIJÁ COSTA SUR OCCIDENTAL LAGO DE MARACAIBO. X Congreso
Venzolano de Geofísica, Anexo SRII – 3, 5 p., formato CD – R.
Guerra, G. y Palacios, L., 2007, EVALUACIÓN GEOFÍSICA, A PARTIR DE
INTERPRETACIÓN SÍSMICA DE REFRACCIÓN DEL CENTRO DE LA
CIUDAD DE MÉRIDA, ESTADO MÉRIDA. Trabajo Especial de Grado,
Escuela de Ingeniería Geológica, Universidad de los Andes, Ciudad de Mérida.
Guzmán, J. I., 2000, PALEOGEOGRÁFICO DE LA CONEXIÓN MARINA
MARACAIBO-FALCÓN DURANTE EL MIOCENO TEMPRANO Y MEDIO.
VII Simposio Bolivariano Exploración Petrolera en las Cuencas Subandinas,
p.410-433.
Guzmán, J. And Fischer, W., 2006, EARLY AND MIDDLE MIOCENE
DEPOSITIONAL HISTORY OF THE MARACAIBO BASIN, WESTERN
VENEZUELA. AAPG Bulletin, vol. 90, n. 4, pp.625 – 655.
Henríques, L., 2004, MODELADO GEODINÁMICO INTEGRADO DE LA
CUENCA BARINAS – APURE Y LOS ANDES DE MÉRIDA, ESTADO
BARINAS. Trabajo Especial de Grado, Universidad Simón Bolívar, Caracas,
Venezuela, 98 pág.
Hernández, M., 2008, REINTERPRETACIÓN SÍSMICA DE SEMI –
DETALLE EN LA SECCIÓN OLIGO – MIOCENO DEL ÁREA LAS OLLAS
– CASCARONCITO A PARTIR DE DATOS SÍSMICOS 3D DEL VOLUMEN
INTEGRADO ROBLOTE. Trabajo Especial de Grado, Coordinación de
Ingeniería Geofísica, Universidad Simón Bolívar.
Hinestrosa, A., 2007, REPROCESAMIENTO DE SÍSMICA RÁPIDA EN LA
PARTE SUR DEL PRISMA DE ACRECIÓN DE BARBADOS E
IDENTIFICACIÓN DE INTRUSIONES DE LODO. Trabajo Especial de Grado,
Coordinación de Ingeniería Geofísica, Universidad Simón Bolívar.
Jácome, M. I., Audemard, F. E., Kusznir, N And Flint, S., 2002,
MODELADO GEODINÁMICO DE LA SERRANÍA DEL INTERIOR
ORIENTAL Y LA CUENCA DE MATURÍN. XI Congreso Venezolano de
Geofísica, Caracas, 10 p., formato CD – R.
Jácome, M. I., Chacín, L. y Henríques, L., 2006, ANÁLISIS DE
SUBSIDENCIA DE LA CUENCA BARINAS – APURE. FUNINDES – USB.
Informe FUNINDES Año 2006, 103 pág.
Jácome, M., Izarra, C., Fernández, D., Rondón, K., Carballo, A., 2006,
ANÁLISIS DE SUBSIDENCIA DE LA CUENCA DE GUÁRICO.
FUNINDES – USB. Informe FUNINDES AÑO 2006, p. 148.
Jácome, M., Rondón, K., Schmitz, M., Izarra, C., Vieira, E., 2007,
INTEGRATED SEISMIC, FLEXURAL AND GRAVIMETRIC MODELLING
OF THE COASTAL CORDILLERA THRUST BELT AND GUÁRICO BASIN,
NORTH- CENTRAL REGION, VENEZUELA. Tectonophysics. accepted.
Jácome, M. I., Kusznir, N., Audemard, F. E. And Flint, S., 2003,
FORMATION OF THE MATURIN FORELAND BASIN, EASTERN
VENEZUELA: THRUST SHEET LOADING OR SUBDUCTION DYNAMIC
TOPOGRAPHY. Tectonics, Vol. 22, No. 5, 1046, doi:10.1029/2002TC001381.
Jácome, M. I., Kusznir, N., Audemard, F. E. And Flint, S., 2003 (2),
TECTONO – STRATIGRAPHIC EVOLUTION OF THE MATURIN
FORELAND BASIN: EASTERN VENEZUELA. AAPG Memoir 79: The
Circum – Gulf of Mexico and the Caribbean: Hydrocarbon Habitats, Basin
Formation, and Plate Tectoncis, Cap. 33, p. 735 – 749.
Jaramillo, A., González, L., Labrador, T. y Barrios, E., 2007, EVIDENCIAS
DE INVERSIÓN ESTRUCTURAL A PARTIR DEL RECONOCIMIENTO DE
ESTRUCTURAS COMPLEJAS DEL TIPO “POP UP” A LO LARGO DE LA
FALLA TRANSCURRENTE LAMA – ICOTEA, EN LA REGIÓN ÁTICO,
CUENCA DE MARACAIBO, VENEZUELA. IX Congreso Geológico
Venezolano, Anexo doc112.
Justiniano, A., 2007, ADQUISICIÓN Y PROCESAMIENTO DE DATOS
GEOFÍSICOS PROYECTO SAN CRISTÓBAL 05G – 3D. Trabajo Especial de
Grado, Coordinación de Ingeniería Geofísica, Universidad Simón Bolívar.
Kantak, P., Schmitz, M., and Audemard, F. A, 2005, SEDIMENT
THICKNESS AND A WEST-EAST GEOLOGIC CROSS SECTION IN THE
CARACAS VALLEY. Revista de la Facultad de Ingeniería UCV, Vol.20, No.4,
p.85-98.
Klarica, S., Aranguren, R., Guada, C., Laffaille, J., Choy, J., Rengifo, M.,
Palme, C., Carrillo, D., y Mazuera, F., 2007, DETERMINACIÓN DE
VELOCIDADES DE ONDAS P Y S DE LA CIUDAD DE MÉRIDA, A
PARTIR DE MEDICIONES DE SÍSMICA DE REFRACCIÓN. IX Congreso
Geológico Venezolano, Anexo doc058, 4p., formato CD – R.
Labrador, T., 2007, MODELO GEOLÓGICO – ESTRUTURAL DEL
FLANCO OESTE (ÁTICO) DEL ÁREA VLA – 0008 EN EL BLOQUE I DE
LA U. E. LAGOMAR. LAGO DE MARACAIBO, VENEZUELA. IX Congreso
Geológico Venezolano, Anexo doc187, 11 p.
Larrañaga, D., Perdomo, J. L., Zamora, L., Araujo, M. y Andana, M., 2000,
ANÁLISIS DE ATRIBUTOS POST-APILAMIENTO EN LAS ARENAS
SUPERIORES DE LA FORMACIÓN OFICINA, CAMPOS BOCA-CHIMIRE,
EDO. ANZOÁTEGUI. . X Congreso Venezolano de Geofísica, Caracas, anexo
ILII – 1, 8p., formato CD – R.
Lazarde, H., Rivas, J., Bracho, M., González, M., Moody, J., Rodríguez, J.,
Rodríguez, D., Vásquez, M., Valenzuela, D. y Puche, E., 2000,
CARACTERIZACION GEOLOGICA DE LAS ARENAS B-6, FORMACION
MISOA EN EL NORESTE DE TIA JUANA, LAGO DE MARACAIBO. VII
Simposio Bolivariano Exploración Petrolera en las Cuencas Subandinas, p.550576.
Levander, A., 2006, EVOLUTION OF THE SOUTHERN CARIBBEAN
PLATE BOUNDARIE. EOS, Vol. 8, n. 9. p. 97, 99 and 100.
Levanti, A. y Jácome, M. I., 2006, EVOLUCIÓN TECTONO –
ESTRATIGRÁFICA DEL PRISMA DE ACRECIÓN DE BARBADOS. XIII
Congreso Venezolano de Geofísica, Caracas, Anexo doc017, 8 p., Formato CD –
R.
Linari, V., Santiago, M., Pastore, C., Azbel, K. and Puopon, M., 2003,
SEISMIC FACIES ANALYSIS BASED ON 3D MULTIATTRIBUTE
VOLUME CLASIFICATION, LA PALMA FIELD, MARACAIBO,
VENEZUELA. The Leading Edge, pp. 32 – 36.
Liuzzi, D., 2006, MODELADO BIDIMENSIONAL DEL PERFIL 64º O EN LA
REGIÓN NORORIENTAL DE VENEZUELA (ESTADOS SUCRE Y
MONAGAS). Trabajo Especial de Grado, Coordinación de Ingeniería Geofísica,
Universidad Simón Bolívar, 131 p.
Liuzzi, D., Schmitz, M., Jácome, M. I. Sánchez, J., 2006,
ADELGAZAMIENTO DE SEDIMENTOS CRETÁCICOS-OLIGOCENOS
BAJO LA SERRANÍA DEL INTERIOR, NORESTE DE VENEZUELA:
EVIDENCIA A PARTIR DE OBSERVACIONES DE SÍSMICA PROFUNDA.
IX SBEPCS, anexo 9 – 23, 9p.
Lucas, C. y Escalona, A., 1998, CARACTERIZACIÓN SÍSMICA 3D DE LAS
ARENISCAS DEL MIEMBRO C-2-X (FM. MISOA, EDAD EOCENO) EN UN
ÀREA DE EL CAMPO CENTRO LAGO, LAGO DE MARACAIBO. IX
Congreso Venzolano de Geofísica, formato .html.
Lugo, J. and Mann, P., 1995, JURASSIC TI EOCENE TECTONIC
EVOLUTION OF MARACAIBO BASIN, VENEZUELA. AAPG Memoir 62:
Petroleum Basins of South America, Cap. 38, p. 699 – 725.
Mann, P., Escalona, A. and Castillo M. V., 2006, REGIONAL, GEOLOGIC
AND TECTONIC SETTING OF THE MARACAIBO SUPERGIANT BASIN,
WESTERN VENEZUELA. AAPG Bulletin, vol. 90, n. 4, pp. 445 – 477.
Marcha, L., 2003, THE PALEOCENE OF LA CONCEPCIÓN FIELD
(MARACAIBO BASIN, VENEZUELA): TRANSITION FROM ANDEAN TO
CARIBBEAN ACTIVE MARGIN. Master of Arts Thesis, Rice University,
Houston Texas, 271 p.
Martínez, J. y Wiggins, W., 2000, ANÁLISIS DE CORRELACIÓN Y
CAPACIDAD SELLANTE DE FALLAS, USANDO FAPS. CAMPO
GRUARANÍ, FLANCO PERIJANERO, ESTADO ZULIA, VENEZUELA. X
Congreso Venezolano de Geofísica, Anexo SRII – 1, 9 p.
Márquez, C., Espeso, A. y Marquina, M., 1998, DELIMITACIÓN DE
BOLSONES DE GAS A NIVEL DEL MIOCENO EN EL YACIMIENTO LL07. IX Congreso Venezolano de Geofísica, formato .html.
Masy, J., 2007, MODELADO BIDIMENSIONAL DE LA CORTEZA EN LA
ZONA DE COLISIÓN CARIBE-SURAMÉRICA EN LAS ANTILLAS DE
SOTAVENTO. Trabajo Especial de Grado, Universidad Simón Bolívar, Valle de
Sartenejas, Caracas, Venezuela.
Martín, J., 2008, LEVANTAMIENTO SÍSMICO DE REFRACCIÓN
SOMERA Y LEVANTAMIENTO GEOLÓGICO EN EL ÁREA DE “EL
CASINO”, AL NORTE DEL POBLADO DE URUMACO (EDO. FALCÓN).
Trabajo Especial de Grado, Universidad Simón Bolívar, 147 p.
Mendi, D. Y Rodríguez, E., 2005, INTEGRACIÓN GEOLÓGICA DE LA
PENÍNSULA DE PARAGUANÁ, ESTADO FALCÓN. Trabajo Especial de
Grado, Escuela de Geología, Minas y Geofísica, Departamento de Geología,
Universidad Central de Venezuela, 202 p.
Mendoza, P., 1998, CAMPO LAGUNILLAS AREA LL-453. YACIMIENTO
B-8-X.05NUEVA DELIMITACION SISMICA 3D. IX Congreso Venzolano de
Geofísica, formato .html.
Meza, R. y Sánchez, J., 2002, ESTUDIO GEOTÉCNICO PARA LA
DETERMINACIÓN DE FRACTURAS EN DIQUES EN EL ÁREA 75 DE
BAUXILUM – CVG, OPERADORA DE ALÚMINA. XI Congreso Venezolano
de Geofísica, Caracas
Mijares, J. F., Silva, M., Maestracci1, W. and Gil, E., 2004, TECTONIC
EVOLUTION AND HYDROCARBON MIGRATION SYNCHRONIZATION
IN THE EASTERN VENEZUELA BASIN / TACATA AREA. Search and
Discovery
Article
#10070.
Página
Web:
http://www.searchanddiscovery.net/documents/2004/mijares/index.htm. Fecha
de consulta: abril, 2008.
Montoya, P., Ata, E., y Mujica, D., 2000, ADQUISICIÓN Y
PROCESAMIENTO DE DATOS SÍSMICOS EN ÁREAS COMPLEJAS.
CASO HISTÓRICO: “BOSQUE”. X Congreso Venezolano de Geofísica,
Caracas, 8p., formato CD – R.
Navas, M. A., 2006, EVALUACIÓN EXPLORATORIA DEL ÁREA PUNTA
PESCADOR, DELTA AMACURO. Trabajo Especial de Grado, Coordinación
de Ingeniería Geofísica, Universidad Simón Bolívar.
Novoa, E., González, A., Zambrano, C., Tintina, C. and Gallango, O., 2003,
THE PETROLEUM SYSTEM OF THE RUBIO ÁREA, MÉRIDA ANDES,
VENEZUELA. AAPG Memoir 79: The Circum – Gulf of Mexico and the
Caribbean: Hydrocarbons habitats, basin formation, and plate tectonics, p. 797 –
814.
ODP LEG 171A, LOGGING REPORT: BARBADOS ACCRETIONARY
PRISM LWD. SHIPBOARD SCIENTIFIC PARTY. Página web:
http://www.ldeo.columbia.edu/BRG/ODP/ODP/LEG_SUMM/171A/leg171A.ht
ml. Fecha de Consulta: abril, 2008.
Olbrich, C., 2007, LEVANTAMIENTO SÍSMICO DE REFRACCIÓN
SOMERA Y LEVANTAMIENTO GEOLÓGICO EN EL ÁREA DE EL PASO,
AL NORTE DEL POBLADO DE URUMACO, ESTADO FALCÓN. Trabajo
Especial de Grado, Universidad Simón Bolívar, 161 páginas
Ollarves, R., Audemard, F., Camacho, P., Sánchez, C., Cataldi, A. Y
Zmabrano, F., 2004, USO DEL GPR CPMP HERRAMIENTA PARA LA
BÚSQUEDA DE FALLAS ACTIVAS: CALIBRACIÓN CON UN
AFLORAMIENTO CUATERNARIO. XII Congreso Venezolano de Geofísica, 7
p., formato CD – R.
Ollarves, R., Audemard, F. and López, M., 2006, MORPHOTECTONIC
CRITERIA FOR THE IDENTIFICATION OF THE ACTIVE BLIND THRUAT
FAULTING OF THE ALLUVIAN ENIRONMENTS: CASE OF STUDIES
FROM VENEZUELA AND COLOMBIA. Z. Geomorph. N. F. Vol. 145, Nº
XXX, p. 81 – 103.
Ortega, A., Sierra, J., Adam, L., Contreras, B. y Mujica, D., 2000,
DISEÑOS SÍSMICOS 3 – D Y VSP OFFSET MULTIACIMUTAL PARA
ESTUDIOS DE ANISOTROPÍA ELÁSTICA EN EL FLANCO PERIJANERO.
X Congreso Venzolano de Geofísica, Anexo ADSII – 1, 8 p., formato CD – R.
Oscando, J. Y
Trimarchi, Y., 2008, EVALUACIÓN GEOFÍSICA
MEDIANTE SÍSMICA DE REFRACCIÓN EN EL VALLE DE LA CUENCA
DEL RIO LA PEDREGROSA Y NORTE DEL RÍO ALBARREGAS,
MUNICIPIO LIBERTADOR, ESTADO MÉRIDA. Trabajo Especial de Grado,
Escuela de Ingeniería Geológica, Universidad de los Andes, Ciudad de Mérida.
Ornés, A., Acosta, J. y Donati M., 2002, ESTUDIO DE FRACTURAS EN EL
SURESTE DE VENEZUELA A PARTIR DE MULTI-OFFSET VSP. XI
Congreso Venezolano de Geofísica, Caracas, Anexo FRAC1_VSPB2.
Padrón, C., Noguera, C., Rendón, R. y Del Pino, E., 1998, MODELO
CORTICAL PARA LOS ANDES MERIDEÑOS Y EL SURESTE DEL LAGO
DE MARACAIBO. IX Congreso Venzolano de Geofísica, formato .html.
Páez, A., Deville, E. and Benguigui, A., 2004, STRUCTURAL STUDY OF A
TRANSECT THROUGH THE BARBADOS ACCRETIONARY PRIMS.
HYDROCARBON MATURATION MODELLING AND PETROLEUM
IMPLICATIONS. XII Congreso Venezolano de Geofísica, Caracas, Anexo
doc016, 8p., CD – R Format.
Pardo, J., 2005, ADQUISICIÓN SÍSMICA 3D PROYECTO FLORIDA –
AMARILIS 04G 3D. Trabajo Especial de Grado, Coordinación de Ingeniería
Geofísica, Universidad Simón Bolívar, 150 p.
Paredes, M., 2002, ESTILOS ESTRUCTURALES DE UN ÁREA UBICADA
AL SUR DE MATURÍN, ESTADO MONAGAS. . Trabajo Especial de
Maestría, Escuela de Geología, Minas y Geofísica, Departamento de Geología,
Universidad Central de Venezuela, 241 p.
Parnaud, F. and Capello, A., 1995, STRATIGRAPHIC SYNTHESIS OF
WESTERN VENEZUELA. AAPG Memoir 62: Petroleum Basins of South
America, Cap. 37, p. 681 – 698.
Parnaud, F., Gou, Y., Pascal, J., Truskowki, I., Gallango, O. And
Passalacqua, H., 1995, PETROLEUM GEOLOGY OF THE CENTRAL PART
OF THE EASTERN VENEZUELAN BASIN. AAPG Memoir 62: Petroleum
Basins of South America, Cap. 40, p. 741 – 756.
Passalacqua, H., Fernández, F. and Gou, Y., 1995, CRUSTAL
ARCHITECTURE AND STRAIN PARTITIONING IN THE EASTERN
VENEZUELAN RANGES. AAPG Memoir 62: Petroleum Basins of South
America, Cap. 36, p. 667 – 679.
Peralta, A., 2007, LEVANTAMIENTO SÍSMICO DE REFRACCIÓN
SOMERA Y LEVANTAMIENTO GEOLÓGICO EN EL ÁREA DE EL
MAMÓN, AL NORTE DEL POBLADO DE URUMACO, ESTADO FALCÓN.
Trabajo Especial de Grado, Universidad Simón Bolívar, 151 p.
Pérez, J. A., Ata, E., Capello de P. M. y Lacruz, A., 1998, DISEÑO DE
ADQUISICIÓN DE DATOS SÍSMICOS 3D PARA MONITOREO DE
FRENTES DE VAPOR. . IX Congreso Venzolano de Geofísica, formato .html.
Pérez, E., Díaz, M., Marchal, D., Malcotti, H. y Ferro, E., 2004, MODELO
GEOLÓGICO DE VELOCIDADES DEL CAMPO LA CONCEPCIÓN,
OCCIDENTE DE VENEZUELA: IMPACTO SOBRE LA ESTRUCTURA EN
PROFUNDIDAD. XII Congreso Venezolano de Geofísica, Caracas, anexo
doc072, 3 p., formato CD – R.
Petito, M., 2007, ESTUDIO DE GEOFÍSICA DE ALTA RESOLUCIÓN Y
BATIMETRÍA, FASE DE DETALLE DESDE PUNTA CARDÓN HASTA EL
SECTOR PUNTA CACHEPA. Trabajo Especial de Grado, Coordinación de
Ingeniería Geofísica, Universidad Simón Bolívar, 103 p.
Pindell, J., and Kennan, L., 2007, CENOZOIC KINEMATICS AND
DYNAMICS OF OBLIQUE COLLISION BETWEEN TWO CONVERGENT
PLATE MARGINS: THE CARIBBEAN-SOUTH AMERICA COLLISION IN
EASTERN VENEZUELA, TRINIDAD, AND BARBADOS, 27th GCSSEPM
Bob F. Perkins Research Conference, Houston, Tx., p. 458-553. Página Web:
http://www.ig.utexas.edu/bolivar/publications/2007/PindKen2007.pdf?PHPSESS
ID=fd0b485e39219026f6ba0f96e4125639. Fecha de Consulta: abril, 2008.
Polanco, R., 2004, ESTUDIO ESTRUCTURAL DEL BORDE NORTE DE LA
SUBCUENCA DE GUÁRICO EN LA REGIÓN DE ALTAGRACIA DE
ORITUCO, ESTADO GUÁRICO, VENEZUELA. Trabajo Especial de Grado,
Escuela de Geología, Minas y Geofísica, Departamento de Geología,
Universidad Central de Venezuela.
Porras,
L.,
2000,
EVOLUCIÓN
TECTÓNICA
Y
ESTILOS
ESTRUCTURALES DE LA REGIÓN COSTA AFUERA DE LAS CUENCAS
DE FALCÓN Y BONAIRE. VII Simposio Bolivariano Exploración Petrolera en
las Cuencas Subandinas, p.636-650.
Porras, J., Castillo, C., Machado, V. y Chirinos, N., 2007, BASAMENTO EN
LA CONCEPCIÓN, CUENCA DE MARACAIBO: OPORTUNIDAD DE
EXPLATCIÓN DE UN YACIMIENTO NO CONVENCIONAL. IX Congreso
Geológico Venezolano, Anexo doc021.
Porras, J., Machado, V. y Chirinos, N., 2007, YACIMIENTOS NO
CONVENCIONALES EN EL CAMPO LA CONCEPCIÓN, CUENCA DE
MARACAIBO. IX Congreso Geológico Venezolano, Anexo doc018.
Quijada, C., 2002, EVALUACIÓN DE UN PUNTO BRILLANTE A NIVEL
DE LA ARENA A3, FORMACIÓN OFICINA, CAMPO NIPA, CUENCA
ORIENTAL DE VENEZUELA. LECCIÓN APRENDIDA. XI Congreso
Venezolano de Geofísica, Caracas, 8p., formato CD – R.
Quilen, K., 2006, INTEGRACIÓN DE ATRIBUTOS SÍSMICOS CON DATOS
PETROFÍSICOS PARA DETERMINAR ZONAS PROSPECTIVAS, ARENA
L2M, ÁREA DE FINCA – YOPALES, ESTADO ANZOÁTEGUI. Trabajo
Especial de Grado, Coordinación de Ingeniería Geofísica, Universidad Simón
Bolívar, 144 p.
Rada, F., 2007, MODELADO BIDIMENSIONAL DE LA CORTEZA EN LA
ZONA DE COLISIÓN CARIBE-SURAMÉRICA, PERFILES 64º O Y 65º O.
Trabajo Especial de Grado, Universidad Central de Venezuela, Caracas,
Venezuela.
Rocabado, V., Sánchez, J., Schmitz, M. y Andrade, L., 2003, ESTUDIO DE
MICROZONIFICACIÓN SÍSMICA EN BARQUISIMETO, MEDICIONES DE
RUIDO AMBIENTAL, SÍSMICA DE REFRACCIÓN Y GRAVIMETRÍA. VII
Congreso Venezolano de Sismología e Ingeniería Sísmica, Valencia, Anexo sis5,
12p, formato CD – R.
Rocabado, V., Schmitz, M., González, J., Audemard, F., Andrade, L.,
Vitoria, A., Rojas, R., Enomoto, T., Abeki, N. y Delgado J., 2002, ESTUDIO
DE MICROZONIFICACIÓN SÍSMICA, CARACTERIZACIÓN DE SUELOS
BARQUISIMETO, ESTADO LARA, VENEZUELA. III Coloquio sobre
Microzonificación Sísmica – Serie Técnica N° 1, Caracas, Venezuela.
Rocabado, V., Schmitz, M., Rendón, H., Vilotte, J – P., Ampuero, J – P. y
Alvarado, L., 2006, MODELAJE NUMÉRICO DE LA RESPUESTA
SÍSMICA 2D DEL VALLE DE CARACAS Y COMPARACIÓN CON LOS
RESULTADOS OBTENIDOS MEDIANTE EL MÉTODO H/V. VIII Congreso
de Sismología e Ingeiería Sísmica, Valencia, Venezuela, 14 p.
Rodríguez, L., 1999, TECTONIC ANALYSIS, STRATIGRAPHY
DEPOSITIONAL HISTORY OF THE MIOCENE SEDIMENTARY SECTION,
CENTRAL EASTERN VENEZUELA BASIN. PhD Tesis, University of Texas
at Austin, Houston, 216 p.
Rodríguez, P., 2006, INTEGRACIÓN DE DATOS SÍSMICOS,
PETROFÍSICOS
Y
GEOLÓGICOS
PARA
DETERMINAR
EL
CORRIMIENTO DE ANACO EN PROFUNDIDAD, CAMPO GUARIO,
ESTADO ANZOÁTEGUI. Trabajo Especial de Grado, Coordinación de
Ingeniería Geofísica, Universidad Simón Bolívar, 166 p.
Rodríguez, R., 2005, MODELADO SÍSMICO DEL DOMO DE AGUA
BLANCA, AL NORTE DE URUMACO, ESTADO FALCÓN. Tesis Especial
de Grado, Universidad Simón Bolívar, 270 páginas.
Rodríguez, J. y Sousa, J. C., 2003, ESTUDIO GEOLÓGICO –
ESTRUCTURAL Y GEOFÍSICO DE LA SECCIÓN CABO SAN ROMÁN –
BARQUISIMETO. ESTADOS FALCÓN Y LARA. Trabajo Especial de Grado,
Escuela de Geología, Minas y Geofísica, Departamentos de Geología y
Geofísica, Universidad Central de Venezuela, 322 páginas.
Romero, M., Cragno, A., Schmitz, M. y Ambrosio, R., 2006,
CARACTERIZACIÓN DE SUELOS CON MÉTODOS GEOFÍSICOS EN LA
GUAIRA, MACUTO, CARABALLEDA Y TANAGUARENA, ESTADO
VARGAS, VENEZUELA. Boletín Técnico IMME, Vol. 44, No. 1, p. 16 – 29.
Romero, L., Rodríguez, I. y Martínez, A., 2004, INTERPRETACIÓN
INTEGRADA DEL ALTO DE PIRITAL, NORTE DE MONAGAS, CUENCA
ORIENTAL DE VENEZUELA. XII Congreso Venezolano de Geofísica,
Caracas, Anexo doc003, 2 p., formato CD – R.
Roure, F., Bordas – Lefloch, N., Toro, J:, Aubourg, C., Guilhaumou, N.,
Hernández, E., Lecornec – Lance, S., Rivero, C., Robion, P. And Sassi W.,
2003, PETROLEUM SYSTEM AND RESERVOIR APPRAISAL IN THE SUB
– ANDEAN BASINS (EASTERN VENEZUELA AND EASTERN
COLOMBIAN FOOTHILLS). AAPG Memoir 79: The Circum – Gulf of Mexico
and the Caribbean: Hydrocarbon Habitats, Basin Formation, and Plate Tectoncis,
Cap. 34, p. 750 - 775.
Ruiz, C., 2007, INVERSIÓN SÍSMICA Y ESTUDIO DE ATRIBUTOS
SÍSMICOS POSTAPILAMIENTO DE LOS NIVELES I3 Y TU DE LA
FORMACIÓN OFICINA EN EL CAMPO GUICO GUARA, ESTADO
ANZOÁTEGUI. Trabajo Especial de Grado, Coordinación de Ingeniería
Geofísica, Universidad Simón Bolívar, 83 p.
Ruiz, S., 2007, MODELADO BIDIMENSIONAL DE LA CORTEZA EN LA
ZONA DE COLISIÓN CARIBE – SURAMERICANA, REGIÓN
NORORIENTAL DE VENEZUELA Y NOROCCIDENTAL DE TRINIDAD
(TRANSECTO TRIN). Trabajo Especial de Grado, Coordinación de Ingeniería
Geofísica, Universidad Simón Bolívar, 129p.
Salas, D., 2000, INTERPRETACIÓN SÍSMICA 3D EN EL CAMPO
ORITUPANO B: UN PASO PARA LA SIMULACIÓN DE YACIMIENTOS Y
ANÁLISIS DEL TIPO DE TRAMPA. CASO DE ESTUDIO. X Congreso
Venezolano de Geofísica, Anexo CYI-4.
Salazar, M., 2006, EVOLUCIÓN ESTRUCTURAL E IMPLICACIONES
TECTÓNICAS DEL GRABEN DE ESPINO. Trabajo Especial de Maestría,
Universidad Simón Bolívar, Caracas, Venezuela, p.214l.
Salazar, L., Rossello, E. Y Kley, J., 2007, ANÁLISIS ESTRUCTURAL Y
EVIDENCIAS DE TRANSCURRENCIA EN EL ÁREA DE ORITUPAMO –
LEONA, SUBCUENCA DE MATURÍN, CUENCA ORIENTAL DE
VENEZUELA. IX Congreso Geológico Venezolano, Caracas, Anexo doc008,
13p., formato CD – R.
Sánchez, J. y Schmitz, M., 2002, MEDICIONES SÍSMICA PROFUNDA Y
GRAVIMÉTRICAS EN CARACAS PARA LA DEERMINACIÓN DEL
ESPESOR DE SEDIMENTOS Y VELOCIDADES SÍSMICAS COMO
APORTE PARA EL ESTUDIO DE MICROZONIFICACIÓN SÍSMICA. . XI
Congreso Venezolano de Geofísica, Caracas, 7 p.
Sánchez, J., Schmitz, M. y Cano, V., 2005, MEDICIONES SÍSMICAS
PROFUNDAS EN CARACAS PARA LA DETERMINACIÓN DEL ESPESOR
DE SEDIMENTOS Y VELOCIDADES SÍSMICAS COMO APORTE PARA
EL ESTUDIO DE MICROZONIFICACIÓN SÍSMICA. Boletín Técnico IMME,
Vol. 43, No. 2, p. 49 – 67.
Sapene, F., 2006, INTERPRETACIÓN SÍSMICA DEL CAMPO SANTA FE –
CANTAURA, ÁREA MAYOR DE OFICINA, CUENCA ORIENTAL DE
VENEZUELA. Trabajo Especial de Grado, Coordinación de Ingeniería
Geofísica, Universidad Simón Bolívar, 95 p.
Sarzalejo, S. Luna, F., Benkovic, L., León, F., Quintero, J., y Díaz, J., 2000,
INTEGRACIÓN DE INFORMACIÓN SÍSMICA Y DE SUPERFICIE EN LA
EXPLORACIÓN DEL ÁREA DE MOTATÁN. . VII Simposio Bolivariano
Exploración Petrolera en las Cuencas Subandinas, p.779-788.
Schmitz, M., Ávila, J., Bezada, M., Vieira, E., Yánez, M., Sánchez, C.,
Levander, A., Zelt, C. A, Magnani, M. B., Jácome, M. I. y el grupo de
trabajo sísmica activa BOLIVAR, 2006, VARIACIONES EN EL ESPESOR
CORTICAL EN EL NORTE DE VENEZUELA A PARTIR DE
OBSERVACIONES DE SÍSMICA PROFUNDA. VIII Congreso Venezolano de
Sismología e Ingeniería Sísmica, Valencia, Venezuela, Anexo 9-24, 6 p. formato
CD – R.
Schmitz, M., Bezada, M., Ávila, J., Vieira, E., Yánez, M., Levander, A.,
Zelt, C. A, Magnani, M. B., Rocabado, V., Ollarves, R., Gil, G., Sánchez, J.,
Cano, V., Jácome, M. I. and the BOLIVAR active seismic qorking gruop,
2005, CRUSTAL THICKNESS VARIATIONS IN NORTHERN VENEZUELA
FROM DEEP SEISMIC OBSERVATIONS. 6th Internacional Symposium on
Andean Geodynamics, Univarsitat de Barcelona, España, 4 p.
Schmitz, M., Chalbaud, D., Castillo, J. and Izarra, C., 2002, THE CRUSTAL
STRUCTURE OF THE GUYANA SHIELD, VENEZUELA, FROM
SEISMICA REFRACTION AND GRAVITY DATA. Tectonophysics, Vol. 345,
p. 103 – 118.
Schmitz, M., Cragno, A., Romero, M. y Malave, G., 2001,
INVESTIGACIONES GEOFÍSICAS EN EL ESTADO VARGAS,
VENEZUELA, Taller Internacional “Estudios de métodos y acciones para
contrarrestar los efectos producidos por Terremotos en Caracas (1999 – 2001)” –
Serie Técnica No.1, p. 166 – 175.
Schmitz, M., Malavé, G., La Cruz, A., Cavada, J., Orihuela, N., Audemard,
F. A., Kantak, P. y Díaz, M., 2000, DETERMINACIÓN DE LA GEOMETRÍA
DE CONOS ALUVIALES EN EL ESTADO VARGAS CON MÉTODOS
GEOFÍSICOS Y GEOLÓGICOS. X Congreso Venezolano de Geofísica,
Caracas, Anexo GCN – 3, 8 p.
Schmitz, M., Martins, A., Chalbaud, D., Guédez, R. y Contreras, R., 2003,
ESTUDIOS RECIENTES DE SÍSMICA DE REFRACCIÓN PROFUNDA EN
VENEZUELA. VII Congreso Venezolano de Sismología e ingeniería Sísmica,
Anexo sis8.
Schmitz, M., Martins, A., Izarra, C., Jácome, M. I., Sánchez, J. And
Rocabado, V., 2005, THE MAJOR FEATURES OF THE CRUSTAL
STRUCTURE IN NORTH – EASTERN VENEZUELA FROM DEEP WIDE –
ANGLE SEISMIC OBSERVATIONS AND GRAVITY MODELLING.
Tectonophysics, Vol. 399, p. 109 – 124.
Shneider, F., 2003, BASIN MODELING IN COMPLEX AREA: EXAMPLES
FROM EASTERN VENEZUELAN AND CANADIAN FOOTHILLS. Oil &
Gas Science and Technology – Rev. IFP, Vol. 58, No. 2, pp. 313 – 324.
Serrano, I., y Di Croce, J., 2000, TRAMPAS PRINCIPALMENTE
ESTRATIGRÁFICAS EN EL OCCIDENTE DE VENEZUELA: NUEVAS
OPORTUNIDADES EXPLORATORIAS. VII Simposio Bolivariano
Exploración Petrolera en las Cuencas Subandinas, p. 789 – 805.
Shen, F., Sierra, J. and Toksöz, M. 2000, AZIMUTHAL OFFSETDEPENDENT ATTRIBUTES APPLIED TO FRACTURE DETECTION IN A
CARBONATE RESERVOIR. X Congreso Venezolano de Geofísica, Caracas,
Anexo FR-4.
Solano, Y., 2006, SECUENCIA DE PROCESAMIENTO CONVENCIONAL
HASTA MIGRACIÓN PRE – APILAMIENTO EN TIEMPO DEL
LEVANTAMIENTO SÍSMICO ARECUNA OESTE 04G – 3D. Trabajo
Especial de Grado, Coordinación de Ingeniería Geofísica, Universidad Simón
Bolívar, 160 p.
Sulbarán C. Franklin A., Urbina, C. y Pinto, J., 1998, INTERPRETACIÓN
SÍSMICA ESTRUCTURAL 3D DEL BLOQUE II, LAGO DE MARACAIBO,
ESTADO ZULIA. IX Congreso Venzolano de Geofísica, formato .html.
Talukdar, D. and Marcano, F., 1994, PETROLEUM SYSTEM OF THE
MARACAIBO BASIN, VENEZUELA. AAPG Memoir 60: The Petroleum
System – From source to Trap, Cap. 29, p. 463 – 481.
Urbani, F., 2007, GEOLOGÍA DE LA ISLA DEL GRAN ROQUE, PARQUE
NACIONAL LOS ROQUES, VENEZUELA: GUÍA DE EXCURSIÓN. Informe
de Avance del Segundo Año del Grupo de Investigación: Geodinámica Reciente
del Límite Norte de la Placa Sudamericana – GEODINOS, Anexo 6-16.
Valencia, A., 2007, INTERPRETACIÓN DE SONDEOS ELÉCTRICOS
VERTICALES, SÍSMICA DE REFRACCIÓN Y REGISTROS GAMMA EN
PTO. CUMAREBO, ESTADO FALCÓN. Tesis Especial de Grado, Universidad
Simón Bolívar, 144 p.
Vieira, E. J., 2005, MODELO BIDIMENSIONAL DE LA CORTEZA EN LA
ZONA DE COLISIÓN CARIBE SURAMERICANA, REGIÓN CENTRAL DE
VENEZUELA (ESTADOS ARAGUA Y GUÁRICO). Trabajo Especial de
Grado, Universidad Simón Bolívar, Caracas, Venezuela.
Vieira, E. y Oropeza, E., 2006, MODELADO SÍSMICO MULTI OFFSET VSP
EN ÁREAS DE GEOLOGÍA COMPLEJA. XIII Congreso Venezolano de
Geofísica, Caracas, anexo doc010, 6 p., formato CD – R.
Villamil, T., 2003, REGIONAL HYDROCARBON SYSTEMS OF
COLOMBIA AND WESTERN VENEZUEL: THEIR ORIGIN, POTENCIAL
AND EXPLORATION. AAPG Memoir 79: The Circum – Gulf of Mexico and
the Caribbean: Hydrocarbons habitats, basin formation, and plate tectonics, p.
697 – 734.
Wagner, R., 2004, ESTUDIO ESTRUCTURAL – REGIONAL Y ANÁLISIS
DE DEFORMACIONES RECIENTES EN EL FRENTE DE MONTAÑA DE
LA SERRANÍA DEL INTERIOR ORIENTAL Y EN LA PARTE NORTE DE
LA SUBCUENCA DE MATURÍN. Trabajo Especial de Maestría, Escuela de
Geología, Minas y Geofísica, Departamento de Geología, Universidad Central de
Venezuela, 251 p.
Walter, R. and Wong, C., 2006, SEISMIC MULTIATTRIBUTE ANALYSIS
FOR LITHOLOGY DISCRIMINATION IN GANSO FIELD, OFICINA
FORMATION, VENEZUELA. XIII Congreso Venezolano de Geofísica,
Caracas, anexo doc022, 9 p., formato CD – R.
Wood,
L.
J.,
2000,
CHRONOSTRATIGRAPHY
AND
TECTONOSTRATIGRAPHY OF THE COLUMBUS BASIN, EASTERN
OFFSHORE TRINIDAD. AAPG Bulletin, Vol. 84, No. 12, p. 1905 – 1928.
Yánez, M., 2005, MODELADO BIDIMENSIONAL DE LA CORTEZA EN LA
ZONA DE COLISIÓN CARIBE – SURAMÉRICA, REGIÓN ORIENTAL DE
VENEZUELA (ESTADOS SUCRE Y MONAGAS). Trabajo Especial de Grado,
Coordinación de Ingeniería Geofísica, Universidad Simón Bolívar, 132 p.
Ysaccis, R. And Audemard, F., 2000, A NEOGENE OROGENIC FLOAT IN
NORTHERN SOUTH AMERICA: EASTERN VENEZUELA BASIN VS
CARIBBEAN PLATE. AAPG Annual Convention, Lousiana, New Orleans,
Vol. 9.
Ysaccis, R., Cabrera, E. y Castillo, H., 2000, EL SISTEMA PETROLÍFERO
DE LA CUENCA DE LA BLANQUILLA, COSTA AFUERA, VENEZUELA.
Zheng, Y. And Rising, G., 1998, IMPROVED IMAGE AIDS
INTERPRETATION: A CASE HISTORY. IX Congreso Venezolano de
Geofísica, Caracas, formato .html.
Uso de imágenes satelitales y herramientas SIG para el estudio de
peligro a deslizamientos en el Área Metropolitana de Caracas.
Víctor H. Cano1,3, Maxlimer Valleé1,4, Javier Oropeza1,5, Mauricio Tagliaferro1,6, Michael Schmitz2,7
1
Fundación Venezolana de Investigaciones Sismológicas, Departamento de Ciencias de la Tierra.
2
Fundación Venezolana de Investigaciones Sismológicas, Departamento de Geofísica.
3
[email protected], [email protected], [email protected],
6
[email protected], [email protected]
1. Resumen
El presente trabajo se enfoca en la utilización de datos provenientes de imágenes satelitales y el uso
de los sistemas de información geográfica como una herramienta que facilita la integración de datos
provenientes de diferentes fuentes en la evaluación del peligro a deslizamientos en las colinas y
cerros del Área Metropolitana de Caracas –AMC–.
2. Introducción
Durante el desarrollo del proyecto “Microzonificación Sísmica de Caracas” se elaboraron mapas del
peligro a deslizamiento por lluvias y por sismos de las laderas del Área Metropolitana de Caracas –
AMC– (HERNÁNDEZ et al., 2008). La metodología utilizada, que toma en cuenta factores como la
geología, geomorfología, inclinación, meteorización, intervención antrópica, entre otros, consiste en
la evaluación de la susceptibilidad de deslizamientos y el peligro de deslizamiento activados por
lluvias y movimientos sísmicos, considerando la estimación de deformaciones de Newmark
correlacionada con intensidades de Arias, ha sido descrita en detalle en (HERNÁNDEZ et al., 2008,
2009 y VALLÉE et al., 2009). Los mapas resultantes podrán usarse en la definición de zonas
prioritarias para la intervención de zonas de mayor peligrosidad. La metodología aplicada, que
incluye la calibración de la información en un sector de la Urb. Alto Prado con información a escala
1:2500, así como la incorporación de información geológica geomorfológica y geotécnica
previamente desarrollada en el llamado Sector Central a escala 1:10000 (FELIZIANI et al., 1985),
requiere de un gran número de información con cierto detalle (1:25.000-1:2.500), además de
realizar cálculos por unidades de áreas. Es precisamente en estos campos donde interviene el uso de
imágenes satelitales para la extracción de información requerida y los Sistemas de Información
Geográfica –SIG– para realizar los análisis y cálculos necesarios. En el presente trabajo
presentamos la metodología relacionada al uso del SIG y los principales resultados del estudio.
3. Materiales y
Métodos
La metodología para el cálculo de peligro por deslizamientos se encuentra ampliamente expuesta en
(HERNÁNDEZ et al., 2008, 2009 y VALLÉE et al., 2009). Sin embargo es necesario comentar algunos
pasos intermedios para el cálculo del peligro por deslizamiento, donde se obtuvieron datos
provenientes de imágenes satelitales y se utilizó la herramienta SIG.
Uno de los parámetros que se calcularon fue la susceptibilidad de las laderas a deslizamientos el
cual es producto del mapa de orientación geotécnica que tiene como objetivo el categorizar las
condiciones de terreno a evaluar. Este mapa se elaboró con una metodología basada en la
desarrollada por FELIZIANI et al. (1985), la cual representa la suma ponderada de los diagnósticos
como litología, clinometría, geodinámica externa y estabilidad geométrica de las laderas (Figura 1,
VALLÉE et al., 2009). En los tres últimos parámetros es donde la información de imágenes de
satélite juega un papel importante, debido a que el parámetro de clinometría y la estabilidad
geométrica de las laderas son evaluadas a partir de modelos digitales del terreno extraído de los
datos de SRTM (2001), sumado al uso de imágenes de satélite ópticas (Spot-5 y Landsat 7) en la
evaluación de la geodinámica externa presente en las laderas. En resumen, la caracterización
geotécnica de las laderas se basa en variables de estabilidad, a saber: Litología (mapas geológicos),
Estabilidad Geométrica (mapas geológicos y datos SRTM), Geodinámica externa (datos de
imágenes satelitales) y Clinometría (datos a partir de SRTM).
Figura 1. Esquema de la metodología para la elaboración del mapa de susceptibilidad
(Tomado de VALLEE et al., 2009)
Debido a que el presente articulo solo tiene como objetivo mostrar los usos de las imágenes
satelitales y de los sistemas de información geográfica en la elaboración del mapa de peligro a
deslizamientos en AMC, no se explica en detalle cada unos de los parámetros evaluados, siendo
estos explicados ampliamente en HERNÁNDEZ et al. (2008, 2009) y VALLÉE et al. (2009). En
consecuencia sólo se detallará en los parámetros donde los datos satelitales y el uso de los SIG son
esenciales.
3.1. Geodinámica externa
La geodinámica externa es el estudio de las estructuras y procesos espaciales asociados con el
hombre y el ambiente físico. Ésta se calcula a través del análisis de los factores que muestran
degradación o conservación de las laderas. Para la evaluación de las laderas en base a estos factores
se utilizaron imágenes SPOT-5 y Landsat 7, aplicando métodos de clasificación supervisada,
índices de vegetación (NDVI) y combinación de bandas que permitan el realce de los factores de
interés.
La aplicación de clasificaciones supervisadas y NDVI en las imágenes satelitales se basó en
discriminar las áreas según su geodinámica externa. En el cuadro 1 se muestran todos los
parámetros evaluados para los terrenos del AMC en función de los indicadores.
Cuadro 1. Factores evaluados en utilizando imágenes satelitales del AMC (modificado de HERNÁNDEZ et al., 2009)
Indicadores evaluados en la Geodinámica Externa
Zonas planas
Zonas estables, sin ningún tipo de intervención y con buena cobertura vegetal, movimientos
en masa incipientes
Zonas medianamente estables, con intervención moderada algo ordenada
Zonas moderadamente inestables, con intervención ordenada y planificada, con cobertura
vegetal,
Zonas inestables, sectores de crecimiento urbano desordenado, con poca o ninguna
vegetación, con movimientos en masa importantes
Zonas de muy inestables, zonas que han sufrido un nivel de intervención altísima
Para la clasificación del terreno en el AMC se encontraron problemas debido a que en muchos casos
la respuesta del espectro es muy parecida, por ejemplo, para identificar la zonas con una
intervención urbanística ordenada y desordenada, los espectros en las imágenes tienen una firma
muy parecida, esto es debido a que los materiales de construcción varían muy poco entre una
estructura formal y una informal, por lo cual los programas de clasificación no logran diferenciar
entre un área con intervención antrópica ordenada y una con intervención desordenada. Esto se
revolvió con una clasificación basada en interpretación visual de la imágenes, teniendo como
elemento principal el patrón observado, es decir, interpretar como es el arreglo de los elementos en
el terreno, ya que se conoce que las intervenciones ordenadas comúnmente son patrones
sistemáticos, mientras que en las intervenciones desordenadas son patrones aleatorios. Un ejemplo
de clasificación realizada se muestra la figura 2.
Figura 2. A la izquierda un vista de intervención antrópica ordenada y a la derecha una intervención antrópica
desordenada. Imagen del AMC Spot-5 pancromática del 9/12/2007, facilitada por LPAIS
Respecto a la evaluación de las laderas según su grado de degradación se utilizó el cálculo de
índices de vegetación (NDVI), que no es mas que relacionar NDVI bajos con áreas muy degradas y
NDVI altos con zonas muy conservadas. Ejemplo de este tipo de interpretación se muestra en la
figura 3.
Figura 3. Fragmentos de imagen multiespectral Spot-5 (321). A la izquierda muestra una ladera muy degradada
con evidencia de procesos activos que presenta un NDVI bajo. A la derecha una ladera conservada con NDVI alto.
3.2. Clinometría
Para obtener este dato se utilizaron imágenes provenientes de SRTM (2001) y curvas de nivel
digitalizadas a escala 1:5000, esto con el fin de generar el modelo digital del terreno –MDT– y
dividirlo según rangos específicos de ángulos de pendiente. Para generar el MDT se emplearon las
herramientas dispuesta para ello en los programas de interpretación de imágenes.
3.3. Estabilidad Geométrica
La estabilidad geométrica de las laderas viene condicionado en gran medida por la relación relativa
talud-discontinuidad, es decir la relación del paralelismo entre la orientación del talud o ladera y la
orientación de la foliación. Mientras menor sea el ángulo entre la orientación y la foliación
predominante, mayor probabilidad habrá de generar fenómenos de inestabilidad. En tal sentido
para el análisis de estabilidad geométrica en el Área Metropolitana de Caracas se tomó la
información presente en los mapas geológicos estructurales a escala 1:25.000 (URBANI y
RODRÍGUEZ, 2004) con el fin de obtener cual es el rumbo y buzamientos de las rocas, y con la
información de orientaciones de las laderas que proviene del análisis de MDT desarrollado a partir
de los datos SRTM.
3.4. Usos de los Sistemas de Información Geográfica
Una vez obtenidos todos los datos, tanto los provenientes de cartografías anteriores, tales como
mapas geológicos, mapas geomorfológicos, etc., debidamente digitizados y geo-referenciados
(ZAMORA, 2007), como de los datos obtenidos de las interpretaciones y análisis de imágenes
satelitales. Se procedió al cálculo de la susceptibilidad a deslizamientos de las colinas y cerros del
AMC utilizando los sistemas de información geográfica como herramienta (VALLÉE et al., 2009).
La metodología seguida relaciona la susceptibilidad de las laderas mediante factores de seguridad
dependientes de las propiedades geotécnicas y las pendientes, los cual esta explicado en
HERNÁNDEZ et. al. (2008, 2009). El mapa generado con los datos de orientación geotécnica, sirve
para establecer 5 clases de laderas (Muy estable, estable, intermedia, inestable y muy inestable) con
sus respectivos ángulos de fricción y cohesión. Obtenidos estos datos y los de pendiente por medio
del MDT, se procedió al cálculo de la susceptibilidad a deslizamiento mediante la fórmula 1, la cual
utiliza los parámetros de ángulos de fricción ' y cohesión c', relacionados con los tipos de laderas
generadas mediante el mapa de orientación geotécnica el peso unitario del suelo húmedo (), el peso
específico del agua (a) y el ángulo de pendiente (), permite determinar los factores de seguridad
estáticos (FS), en el supuesto de deslizamientos traslacionales de espesor determinado (t) y grado de
saturación fijado (m), según la expresión:
tan ' m a 1
Fórmula 1
t sen tan El espesor deslizante (t) se tomó igual a 3 metros, la fracción de saturación (m) para los análisis de
susceptibilidad se tomó entre 25% y 75%, en función del tipo de intervención antrópica. Aquí
nuevamente se utiliza las imágenes de satélite para evaluar el área de estudio y realizar la
clasificación supervisada, asignándoles a los espacios valores según el cuadro 2. Se modelaron los
deslizamientos gravitatorios mediante estimados del factor de seguridad (FS), ajustando los
parámetros geotécnicos representativos del suelo (HERNÁNDEZ et. al., 2008, 2009) con la
calibración de los parámetros geotécnicos en una zona piloto (VALLÉE et al., 2009)
FS c'
Cuadro 2. Valores de saturación del suelo en función del tipo de intervención antrópica (VALLÉE et al., 2009)
Tipo de intervención
% de saturación de la superficie a deslizar
Factor m
Ninguna
25
0,25
Ordenada
50
0,50
Desordenada
75
0,75
Finalmente, luego de obtener todos los datos necesarios para evaluar la susceptibilidad de las
laderas a deslizarse, se utilizaron las herramientas de combinación de mapas y parámetros, junto a
las operaciones matemáticas de los píxeles por medio de un SIG en formato raster. Con estas
condiciones de cálculo, se asume que los FS representan los inversos de la susceptibilidad al
deslizamiento, es decir de la tendencia al deslizamiento previa a los factores desencadenantes de
lluvia o sismo. El mapa de susceptibilidad a deslizamientos al ser agregado los detonantes por lluvia
y sismos se obtiene los mapas de peligro a deslizamientos por cada detonante, metodología que es
explicada por HERNÁNDEZ et. al. (2008, 2009). Nuevamente, esta acción se realizó utilizando las
herramientas disponibles en los SIG para los cálculos matemáticos por unidades de área en formato
raster. En el caso de detonante por lluvia se establece la saturación de la superficie a deslizar en un
100 %, y para el caso de peligro de deslizamiento por sismos, se añade cálculos probabilísticos
provenientes de modelos sismogénicos con el fin de hallar cual seria la aceleración crítica y estimar
la deformaciones, lo cual no será explicado en este articulo por no ser objetivo del mismo y como se
mencionó en líneas anteriores, se encuentra referido en HERNÁNDEZ et. al. (2008, 2009).
4. Resultados
Como resultado de la utilización de imágenes satelitales para la obtención de datos sobre las
condiciones de las laderas y el uso de los sistemas de información geográfica para el manejo y
cálculo de las relaciones de diferentes fuentes de información, se pudieron obtener los mapas de
peligro de deslizamiento por lluvias (figura 4) y por sismos (figura 5) para el Área Metropolitana de
Caracas.
Figura 1. Peligro de deslizamientos por lluvia en el Área Metropolitana de Caracas.
Tomado de HERNÁNDEZ et. al. 2008, 2009
Figura 2. Peligro de deslizamientos por sismos en el Área Metropolitana de Caracas.
Tomado de HERNÁNDEZ et. al. 2008, 2009
Las imágenes satelitales resultaron de gran ayuda para poder elaborar los mencionados mapas, ya
que con ellas se pudo obtener información de manera ajustada a la realidad del campo pero con una
fracción de tiempo en comparación con métodos tradicionales. En cuanto al uso de los sistemas de
información geográfica, fue muy útil al momento de integrar información proveniente de diferentes
fuentes y ejecutar los cálculos de las ecuaciones generadas para estimar el peligro a deslizamientos.
5. Conclusiones
La generación de mapas de peligro por deslizamiento para el Área Metropolitana de Caracas
realizada en el marco del proyecto de Microzonificación Sísmica de Caracas, es una parte
importante para conocer las áreas que presentan mayor amenaza ante un eventual movimiento
sísmico. Los resultados presentados tienen carácter indicativo sobre los diversos grados de peligro
en el área, pero no excluyen la posibilidad de situaciones excepcionales, es decir que aún en las
zonas calificadas como de menor peligro es posible la ocurrencia de algunos deslizamientos por
terremotos. Por el contrario, en las zonas calificadas como de mayor peligro se esperan en mayor
cantidad o en mayor proporción por superficie, y por tanto merecen más cuidado y atención
preventiva. En tal sentido, se considera que los resultados obtenidos deberán servir de guía a la
toma de decisiones por parte de las autoridades municipales y nacionales, entre ellas las de priorizar
la ubicación de estudios más detallados, tomando en cuenta la conveniencia de superar los métodos
simples tradicionales, incluyendo el normativo vigente. Para lograr los mapas, el uso de las
imágenes satelitales para la extracción de datos del terreno, aunado a la utilización de las
herramientas de los sistemas de información geográfica para la elaboración de los cálculos y
combinaciones de los mapas, fue clave. La metodología desarrollada (HERNÁNDEZ et al., 2008,
2009) para evaluar el peligro de las laderas a deslizamientos en este proyecto será aplicada en otras
zonas urbanas de Venezuela, por lo cual se espera que esta técnica sea mejorada con la
disponibilidad de imágenes satelitales de mayor resolución tanto espacial como radiométrica, que
facilite una mejor interpretación de las características del terreno.
6. Reconocimient
os
Este estudio es desarrollado en el marco del Proyecto de Microzonificación Sísmica de las ciudades
Caracas y Barquisimeto (FONACIT–BID II 2004000738).
7. Bibliografía
FELIZIANI, P. DE LUCA, P. BARRIENTOS, C. BASTARDO, S. y RAMÍREZ, R. 1985. Estudio geotécnico
del Área Metropolitana de Caracas (Sector Central). VI Congreso Geológico Venezolano.
HERNÁNDEZ, J. J., VALLEÉ, M. FELIZIANI, P. SCHMITZ, M. OROPEZA J. TAGLIAFERRO, M.
CASTILLO, A. y CANO V. 2008. Peligro sísmico de deslizamientos en laderas de Caracas.
Conferencia 50 Aniversario Sociedad Venezolana de Geotecnia “Estado de la Práctica” en
Honor a Gustavo Luís Pérez Guerra. Caracas, Venezuela, 14p.
HERNÁNDEZ, J.J., VALLÉE, M., SCHMITZ, M., TAGLIAFERRO, M., OROPEZA, J., CANO, V., 2009.
Peligro sísmico de deslizamiento en laderas. Subcapítulo 4.5, Volumen 1, Caracas,
Proyecto de Microzonificación Sísmica en las ciudades de Caracas y Barquisimeto.
Informe final inédito FUN-035,2007, FUNVISIS, Caracas, 51p.
Laboratorio de procesamiento digital de imágenes –LPAIS– 2008. Imágenes Spot-5 suministradas.
Fundación Instituto de Ingeniería para investigación y desarrollo tecnológico.
Shuttle Radar Topography Mission –SRTM– 2001. National Aeronautics and Space
Administration –NASA–. USA.
URBANI, F., y RODRÍGUEZ, J.A., (2004). Atlas Geológico de la Cordillera de la Costa, Venezuela.
Ediciones Fundación Geos, UCV y FUNVISIS, Caracas, 148 hojas geológicas a escala
1:25.000.
VALLÉE, M., TAGLIAFERRO, M., FELIZIANI, P., CASTILLO, A., ZAMORA, J., ANZOLA, F.,
HERNÁNDEZ, J.J., SCHMITZ, M., OROPEZA, J., AGUILAR, I., ZAMBRANO, H. 2009.
"Caracterización de laderas". Subcapítulo 4.4, Volumen 1, Caracas, Proyecto de
Microzonificación Sísmica en las ciudades de Caracas y Barquisimeto. Informe final
inédito FUN-035,2007, FUNVISIS, Caracas, 55p.
ZAMORA, J., 2007. Estudio de Estabilidad relativa de los terrenos ubicados al sur-sureste del Área
Metropolitana de Caracas. Trabajo Especial de grado, Universidad Central de Venezuela,
Caracas.
Potencial del uso de la Interferometría Radar –SAR– para el estudio de la
subsidencia debido a la extracción petrolera en la Costa Oriental del Lago
de Maracaibo, Venezuela.
Víctor H. Cano
Fundación Venezolana de Investigaciones Sismológicas, Departamento de Ciencias de la Tierra.
[email protected]
1. Resumen
Este documento es resultado del estudio de la subsidencia en la costa oriental del Lago de
Maracaibo usando la técnica de Interferometría radar –InSAR–. Se han usado un total de 8
imágenes de los satélites ERS 1, ERS 2 y Envisat, para generar el modelo digital de elevación y los
interferogramas diferenciales. Se obtuvieron tres áreas con evidencia de subsidencia, donde la
coherencia entre las imágenes esclavas y las maestras es buena. La máxima deformación observada
en este estudio fue de 21,7 mm por año en la zona de Bachaquero.
2. Introducción
La técnica de Interferometría de Radar de Apertura Sintética –InSAR– usa la información de las
fases de dos imágenes de Radar de Apertura Sintética –SAR– , las fases en InSAR son sensibles a la
topografía del terreno y a los cambios relativos en la elevación ocurridos en la misma área, luego
del la adquisición de datos de dos antenas SAR. Si la topografía del terreno es conocida, es decir, si
tenemos el Modelo Digital de Elevación –MDE– a partir de imágenes de la escena que estén
disponibles, la correspondiente fase de componente puede restarse de las fases obtenidas de InSAR,
dejando la fase de los componentes debido a la deformación del terreno. Esto se conoce como
técnica InSAR diferencial –D-InSAR–. La diferencia de fase es resultado de la topografía y los
cambios en la línea de punto observado (rango), debido al desplazamiento de la superficie o al
cambio en la longitud de la onda de propagación. La diferencia de fase puede convertirse en la
diferencia de superficie de desplazamiento si se dispone de manera precisa la órbita de los satélites.
Otra ventaja importante de la técnica D-InSAR es la disponibilidad de series temporales de
imágenes SAR, que en el caso de los satélites ERS abarcan casi dos décadas, a partir de 1991. Si un
nuevo fenómeno de la deformación se descubre, por D-InSAR ahora es posible estudiar la
evolución de la zona en los últimos 18 años. Esto representa una capacidad inigualable en
comparación con las tradicionales técnicas geodésicas, que para todos los fenómenos de
deformación se caracterizan por bajas ratas de cambios y con largos períodos de observación para
detectarla.
Según un estudio llevado a cabo por Spot Image (GENS, 1998), existe una creciente demanda de alta
precisión para la MDE que no pueden ser obtenidos a partir de imágenes ópticas. El problema de la
cobertura de nubes, especialmente en las zonas tropicales (la zona de estudio corresponde a clima
tropical), limita la conveniencia de imágenes ópticas para la producción de la MDE en algunas
partes del mundo y también para el estudio de deformaciones del suelo. D-InSAR podría ser la
técnica para llenar este vacío de información.
Uno de los objetivos de esta investigación es estudiar el potencial de la técnica D-InSAR para
delimitar y medir la subsidencia en la Costa Oriental del Lago de Maracaibo, Estado Zulia de
Venezuela.
3. Descripción del problema a investigar
La Costa Oriental del Lago de Maracaibo –COLM– en Venezuela, es un área que está sometida a
la extracción de gran cantidad de petróleo, el campo petróleo responsable es Campo Bolívar de la
Costa, el cual esta integrado en tres subcampos, a saber de norte a sur son: Tía Juana, Lagunillas y
Bachaquero. La producción de petróleo comenzó hace 80 años y hoy en día estos campos son los
responsables de la producción del 30% del petróleo en Venezuela (SULLY y MURRIA, 1992; INE,
2001). Desde que comenzó la extracción de petróleo, se presentó el fenómeno de la subsidencia en
las principales zonas productoras, provocando que gran parte de las áreas se encuentren hoy por
debajo del nivel del lago. Para evitar las inundaciones a las áreas pobladas y proteger las
instalaciones petroleras, un sistema de diques se ha construido a lo largo de la costa de las zonas
afectadas. Según MURRIA et.. al. (1996) el total de las cuencas de subsidencia acumulado es de 4,5
metros por debajo del nivel medio del lago (Figura 1). Sin embargo, por conversaciones personales
con la gerencia de diques y drenajes de PDVSA hoy supera los 6 m.
La zona afectada por la subsidencia se ha estudiado en el pasado con GPS diferencial y los métodos
convencionales de medición geodesica. Sin embargo, el uso de D-InSAR nunca se ha intentado en
el área de estudio. Por lo tanto el proyecto de investigación puede ser considerado como una buena
oportunidad para evaluar los fenómenos de subsidencia usando nuevas técnicas de alta precisión por
medio de imágenes satelitales.
Figura 1. Curvas de acumulación de la subsidencia en la COLM. Modificado de Murria et. al. (1996)
4. Metodología, principios y recursos
El sistema satelital de Radar de Apertura Sintética –SAR– genera una imagen de radar de barrido de
superficie de la Tierra. El sensor (antena), mientras se mueve a lo largo de su trayectoria orbital,
transmite pulsos de microondas y recibe los ecos. El sistema SAR ofrece un vista individual
compleja –SLC– (Single Look Complex) de imágenes con tratamiento previo. La continuidad de la
fase de información también se conserva en la imagen, la amplitud de los píxeles correspondientes
se promedian y la diferencia de valores de fase se calcula para cada punto de la imagen.
La Interferometría de Radar de Apertura Sintética –InSAR– se define como el producto de una
única vista compleja –SLC– de la imagen esclava con el conjugado de una imagen SLC maestra.
Restando la fase de los dos co-registros de datos SAR SLC, píxel por píxel de la fase puede ser
producido un interferograma. La diferencia de fase se da en el rango de - a , y es codificado por
colores en franjas (fringes en inglés). Según CANTANI et. al. (2005), la exactitud depende de la
longitud de onda del radar y de la cantidad de ruido (efectos atmosféricos, propiedades dieléctricas,
etc.). Por ejemplo, en la banda C ( = 5,6 cm) la exactitud de la estimación de los desplazamientos
del terreno es de 2,5 mm. Esto es una alta precisión para delimitar las zonas afectadas por la
subsidencia o cualquier deformación lenta en la tierra.
La técnica de interferometría SAR –InSAR– se basa en la transformación de dos imágenes SAR de
la misma porción de superficie de la Tierra al obtenerse en dos pases ligeramente desplazadas las
antena SAR en diferentes momentos, o de dos antenas colocadas en la misma plataforma y
separadas perpendicularmente a la trayectoria de vuelo (CANTANI et. al. 2005). En la figura 2 se
muestra un esquema de la configuración, la posición de las antenas SAR, son: A1 y A2, mientras que
su inclinación y rango de distancia al punto P se denota con R1 y R2, respectivamente. La separación
entre las dos antenas se denomina línea de base y se representa con B y las letra H representa la
altura de órbita del la antena y h la altura topográfica de P
A2
B
R2
A1
H
R1
P
h
Figura 2. Esquema de la configuración de las antenas SAR para el uso de la técnica InSAR
El concepto de línea de base (Baseline en inglés) es muy importante en la selección de datos, y
existe línea base espacial y temporal. La línea base espacial, es la repetición de paso de
interferometría, varía de un lugar a otro y de un paso a otro (CHATTERJEE, 2006). Teóricamente, el
procesamiento de interferometría es factible desde el ERS y ENVISAT para pares de datos con
referencia espacial de menos de 1 km., en la práctica, se observa un valor límite de hasta menos de
300 m. para obtener resultados razonablemente buenos.
D-InSAR explota la naturaleza coherente de los ecos SAR para medir la diferencia de fase de la
señal de retrodispersión (backscattered en inglés). Si las posiciones de las antenas se conocen con
exactitud y si el mismo objeto puede ser escaneado en el mismo lugar en dos momentos diferentes,
entonces la diferencia en la señal de retrodispersión puede inferir el movimiento de objeto en la
fase. Del mismo modo, si se obtiene la diferencia de fase cuando el mismo objeto se analiza desde
dos lugares, la altura del objeto puede ser establecida. La ruta de las diferencias de longitud es
función de la topografía de la superficie, los cambios en la posición de los objetivos en la Tierra y
las diferencias en las condiciones atmosféricas o la ionosfera.
Las técnicas de interferometría diferencial utilizar dos o más observaciones, a partir de
aproximadamente la misma ubicación en el espacio en diferentes momentos. Después de eliminar
algunos efectos topográficos y orbitales, se obtiene el movimiento del terreno a lo largo de la línea
de visión entre el radar y el objetivo. Cualquier desplazamiento de la superficie aparece como un
cambio de fase en el radar de medición sobre la distancia del satélite al terreno.
En general, las características de la técnica InSAR pueden resumirse en:
¾ InSAR no requiere la instrumentación de campo y por lo tanto resulta en costos reducidos
de manera significativa para el seguimiento y el proceso de interpretación.
¾ Permite el control de las zonas peligrosas y de difícil acceso, como el método requiere
pocas mediciones en el terreno basado en el seguimiento para calibrar los resultados.
¾ Proporciona datos con una alta precisión vertical.
¾ Trabaja bajo diferentes condiciones atmosféricas y
¾ Se relaciona con facilidad con los sistemas de información geográfica –SIG–.
A pesar de la amplia aplicación de InSAR y D-InSAR, hay algunas limitaciones críticas y fuentes
de error que invocan una consideración especial en las aplicaciones de InSAR. Las limitaciones se
pueden enumerar como:
¾ Resolución temporal pobres, la cobertura de satélite es limitada.
¾ Decorrelation de las imágenes.
¾ Errores orbitales, atmosféricos y topográficos.
¾ Problemas de coherencia causados por el efecto de la vegetación.
¾ Errores de fase, debido a la transformación. (por ejemplo, errores en proceso de
unwrapping).
¾ El software de procesamiento de InSAR tiene un alto nivel de complejidad y requiere un
tiempo relativamente largo para ser comprendidos y controlados. El apoyo de los
desarrolladores de programas es limitado.
La Información de InSAR puede utilizarse para generar modelos de elevación digital –MDE– de la
superficie de la tierra. InSAR y D-InSAR están actualmente ampliamente utilizados y también hay
que considerar que varias misiones de satélites de radar especiales para InSAR están programadas
para los próximos años y, por tanto, en un futuro próximo, semanal o diaria datos InSAR estarán
disponibles con cobertura mundial (ESA, 2008).
Los datos de interferometría SAR se suministran en formato complejo, o en formato SLC, para
permitir la extracción de amplitud, así como información sobre la fase como se describe a
continuación.
Cada píxel en formato SLC está representada por a + ib.
2
2
Donde la Amplitude = a b ,
y la Fase = tan 1
b
a
Para cada píxel, 'a' y 'b', ocupan en conjunto de 8 bytes (4 bytes cada uno) en caso de formato
complejo o float de 4 bytes (2 bytes cada uno) en caso de formato entero complejo.
La diferencia de fase es una escala fina (fracciones), medidas de distancia, que se obtienen mediante
la comparación de dos trenes de ondas procedentes de los dos últimos sensores SAR en la misma
zona o de información obtenida de dos antenas de forma simultánea.
En el cálculo de las diferencias en las etapas de la interferometría de una par de imágenes SAR (el
robo de la fase con respecto a la otra), se obtiene un producto que se conoce como
"interferograma", que en términos simples, es equivalente a las diferencias en la altura del terreno
en estudio.
La coherencia se mide para evaluar si el conjunto de datos es adecuado para la transformación
InSAR. La magnitud de la coherencia se relaciona con la desviación estándar de la fase diferencial
local. Para tener una buena coherencia, es necesario tener en cuenta las siguientes condiciones:
¾ La línea de base debe ser adecuada. En el caso de ERS y ENVISAT entre 50 y 600 metros.
¾ El tiempo de adquisición de las imágenes no deben ser muy grande y en las condiciones de
la atmósfera parecidas.
La coherencia es una medida de la correlación de la información de fase de dos señales
correspondientes, y varía en el rango de 0 a 1:
¾ De 0,3 a 0,5 Utilizable, pero con mucho ruido.
¾ 0,5 a 0,7 es Buena, y
¾ De 0,7 a 1,0 es Excelente.
El grado de correlación puede ser utilizado como una medida de calidad, ya que influye
significativamente en la exactitud de la diferencia de fase y por ende en las medidas de altura.
La etapa de procesamiento en interferometría SAR depende del programa que se utiliza. Los pasos
de procesamiento en general pueden describirse como:
Par datos SAR SLC
Generación de la
Fase Sintética
Estimación de Línea Base
Rango
inclinación
MDE
Generación de
Interferograma
Datos SRTM
Remover
efecto de fase
de Tierra plana
Eliminar fase topográfica
Interferograma Diferencial
Mapa de
Coherencia
Generación de la
Coherencia
Geocoding
Desenvolvimiento
de la Fase
Identificación de áreas
de Subsidencia
InSAR MDT
Medida de tasa
de Subsidencia
Modificado de CANO (2008)
4.1. Datos
El presente estudio se realizó utilizando los siguientes datos:
Tipo
Landsat 7 ETM+
Row:007 Path:053
Fecha
Cantidad
3/03/2001
1
Landsat 7 ETM+
Row:007 Path:053
20/11/2000
1
Spot 5 Pan y Multispectral
11/11/2007
6
25/09/1997
1
ERS-1
Orbita: 32406
ERS-2
Orbita: 12733
ERS-2
Orbita: 17242
ERS-2
Orbita: 19246
ERS-2
Orbita: 24256
ENVISAT
Orbita: 5418
ENVISAT
Orbita: 8424
ENVISAT
Orbita: 8424
SRTM
Propósito
Interpretación de la geología, geomorfología y uso de
la tierra.
Generación del MDE
26/11/1997
1
7/08/1998
1
25/12/1998
1
10/12/1999
1
14/03/2003
1
10/10/2003
1
03/12/2004
1
2001
2
Procesamiento D-InSAR para estudio de la
subsidencia
Fases de compensación topográfica para el
procesamiento D-InSAR.
5. Resultados
La calidad de los MDE generados a partir del par tándem ERS es razonable. Sin embargo, el
resultado es muy bueno en las áreas con una topografía suave. En las zonas montañosas, el
resultado es pobre debido a la distorsión geométrica y el erróneo desenvolvimiento de las fases. En
el par tándem ERS se observa que la coherencia es razonablemente alta en las zonas topográficas
suaves, y baja en las zonas montañosas. En los cuerpos de agua (por ejemplo, en la zona del lago),
no existe coherencia. La figura 3 muestra el MDE generado a partir de un par tándem ERS. La
altura máxima encontrada fue de 367 m. considerando que el valor mínimo es 0 m.
Área subsidencia
Figura 3. MDE generado a partir del par tándem ERS
Múltiples pares de datos de ERS y ENVISAT InSAR con las líneas de base espacial adecuadas
fueron procesados para determinar las áreas de subsidencia. Sin embargo, la fase interferométricas
posee excesivo ruido, causado por una baja coherencia entre dos adquisiciones de pares
interferométricos (temporal decorrelation) lo cual fue el principal problema para obtener una buena
calidad interferogramas. En algunos de los interferogramas, la coherencia es razonablemente alta,
sólo en estas zonas pudieron ser reconocidos las deformaciones (fringes).
Para casi todos los pares SAR tratados en este trabajo, la calidad es mala, porque el valor de la
coherencia entre las imágenes maestra y esclava es baja. Probablemente, la baja coherencia se debe
a los cambios en las propiedades dieléctricas de los materiales de la superficie ente las imágenes
maestras y las esclavas. Esto se debe a que la mayoría de las imágenes de radar de este trabajo se
adquirieron durante los meses de la temporada de lluvias, por lo tanto las propiedades de humedad
del suelo varían entre las dos imágenes, lo cual no es bueno para el procesamiento InSAR.
Con análisis detallado de los interferogramas, obtenemos tres áreas con evidencias de subsidencia
(Figuras 4 y 5). Cuando la deformación es visible más o menos en el mismo lugar para diferentes
pares analizados (Cuadro 2), posiblemente, representan la deformación del suelo. De no ser así esto
puede representar otros artefactos producidos por atmósfera.
Figura 4. Código de color que representa las franjas
generadas a partir de pares ERS donde es posible
reconocer la subsidencia (Se muestra sobre imagen pan
SPOT-5)
Figura 5. Código de color que representa las franjas
generadas a partir de pares ENVISAT donde es posible
reconocer la subsidencia (Se muestra sobre imagen pan
SPOT-5)
Cuadro 2. Características de los franjas (fringes) en diferentes interferogramas
Diferencia Diferencia Diferencia
de Fase
en Días
en mm.
Relación
en común
con otros
pares
InSAR
Tipo de
deformación
No.
Localización
Geográfica
Orbita
1
-71º7'55" /
9º57'38"
1273324256
4(2/7)
805
17,3
2,5,6
Subsidencia
2
-71º7'55" /
9º57'37"
1924624256
4(2/7)
350
17,3
1,5,6
Subsidencia
3
-71º7'15" /
9º57'27"
1924624256
5(2/7)
350
21,7
4
Subsidencia
4
-71º7'16" /
9º57'26"
3240619246
5(2/7)
456
21,7
3
Subsidencia
5
-71º7'54" /
9º58'01"
54188424
5(2/7)
210
21,7
6,1,2
Subsidencia
6
-71º7'55" /
9º57'57"
541814436
5(2/7)
630
21,7
5,1,2
Subsidencia
6. Conclusiones
El potencial de InSAR para el estudio de subsidencia la Costa Oriental del Lago de Maracaibo se ha
abordado en el trabajo.
Se observa que para casi todos los pares adquiridos InSAR la coherencia es bastante baja. En
consecuencia, la calidad de la interferogramas no es buena. Como resultado, es difícil medir la tasa
deformación del suelo en forma muy precisa y definitiva de toda el área de estudio. Sin embargo, en
tres zonas cuando el valor de la coherencia es razonablemente alto, las franjas de la deformación
pudieron ser recocidas. Sobre esta base, la subsidencia pudo ser identificada en las mismas áreas y
la tasa media de subsidencia no pudo medirse con exactitud, aunque la diferencia máxima obtenida
para un periodo de un año fue de 21,7 mm
El ruido en las imágenes es causado debido a la baja coherencia. Probablemente, debido a los
cambios en las propiedades dieléctricas de los materiales de la superficie entre las imágenes
maestras y las esclavas.
A pesar de la amplia aplicación de InSAR y D-InSAR, hay una serie de limitaciones y fuentes de
errores que invocan una consideración especial en la aplicación de InSAR. Las limitaciones como
se entiende en este estudio son:
¾ La baja coherencia de debido a decorrelación espacial y temporal (por ejemplo, cambios en
las propiedades dieléctricas).
¾ El programa de procesamiento de D-InSAR tiene un alto nivel de complejidad y requiere un
tiempo razonablemente largo para ser comprendido y controlado.
Dado que la velocidad de la subsidencia es razonablemente alta, se recomienda el uso de la banda L
InSAR (Satélites JERS, PALSAR y ALOS), que puede dar una mejor correlación temporal.
7. Agradecimiento
El autor desea agradecer al Indian Institute of Remote Sensing (IIRS) por proveer los programas,
computadores y conocimientos para completar la investigación, especialmente al Dr. R. S.
Chatterjje.
8. Bibliografía
CANO, V. (2008). Potential of SAR Interferometry for studying Land Subsidence due to Petroleum
Extraction in East COSAT of Maracaibo Lake, Venezuela. Trabajo de grado. Indian
Institute of Remote Sensing (IIRS). Dehradun-India. 52 p.
CATANI, F., FARINA P., MORTTI S., NICO G., STROZZI T. (2005). On the application of SAR
interferometry to geomorphological studies: estimation of landform attributes and mass
movements. Geomorphology Geomorphological hazard and human impact in mountain
environments 66(1-4): 119-131.
CHATTERJEE R.S., BENEDICTE F., J.P. RUDANT, P.S. ROY, PIERRE-LOUIS F., LAKHERA R.C., V.K.
DADHWAL, RANAJIT SAHA (2006). Subsidence of Kolkata (Calcutta) City, India during the
1990s as observed from space by Differential Synthetic Aperture Radar Interferometry (DInSAR) technique. Remote Sensing of Environment 102(1-2): 176-185.
European Space Agency (ESA). Description of products, URL: http://earth.esa.int/dataproducts//
Ultimo acceso: 30/01/2008
GENS, R. (1998) Quality assessment of SAR interferometric data. International Institute of
Aerospace Surveys and Earth Sciences –ITC– . Publication Number 61.
INE (2001) National Institute of Statistic in Venezuela; URL: http://www.ine.gob.ve Ultimo acceso:
10/12/2007
MURRIA, J. (1996) Subsidence due to oil extraction in Venezuela: problems and solutions,
Engineering geology and the environment. Proc. symposium, Athens, 1997, vol., Grecia
Conferencia
SULLY J. y MURRIA J. (1992). “Microzonificación sísmica en la costa oriental del Lago de
Maracaibo, Venezuela” Reporte, Petróleos de Venezuela PDVSA.
EVALUACIÓN DEL RIESGO DE EROSIÓN HIDRICA EN EL
MUNICIPIO TORRES DEL ESTADO LARA
Onelia Andrade1, Martin Kappas2 y Stefan Erasmi2
1
Universidad Yacambú, Estudios Ambientales Campus Mora II, final Av. Intercomunal de Cabudare, Lara.
INIA-Yaracuy, Estación Local Yaritagua. Km. 3 vía El Rodeo, Yaritagua, Yaracuy. [email protected]
2
Universidad de Göttingen, Inst. Geografía, SIG y Sensores Remotos. Goldschmidtstr. 5. 37077 Göttingen,
[email protected], [email protected]
Resumen
La Ecuación Universal de Pérdidas de Suelo Revisada (RUSLE) fue usado para predecir
riesgos de erosión en el municipio Torres, edo. Lara. La multiplicación de los factores
erosividad de la lluvia (R), erosionabilidad del suelo (K), longitud y grado de la pendiente
(LS) dio el mapa de erosión potencial. Un procedimiento similar adicionando los factores
cobertura y manejo (C) y prácticas de conservación (P) fue usado para estimar la erosión
actual. La erosión actual tuvo un rango de 0 a 2558 t. ha-1.año-1. En las zonas agrícolas, el
porcentaje de aptitud para fines agrícolas bajo condiciones de secano fue de 100 % y puede
ser usada continuamente sin prácticas de conservación. La RUSLE bajo un sistema de
información geográfico (SIG), ayudado con un modelo de elevación digital (DEM) y
sensores remotos son herramientas poderosas, para evaluaciones cuantitativas y cualitativas
de la erosión del suelo en una cuenca hidrográfica.
Palabras claves: RUSLE, SIG, riesgo de erosión, rangos de aptitud, municipio Torres.
Introducción
El municipio Torres es una región importante para la producción agrícola en la cuenca del
río Tocuyo. Por esto, la evaluación y mapeo del riesgo de erosión hídrica se ha convertido
en una necesidad para instituciones regionales y nacionales relacionadas con actividades
agrícolas y con protección ambiental. La erosión hídrica es un proceso de desprendimiento
y transporte de materiales del suelo por agentes erosivos como lluvia o escorrentía, y es
afectada por el clima, la topografía, el suelo, la vegetación y actividades antropogénicas
como labranza y prácticas de conservación (Foster et al., 1997). El método empírico más
comúnmente usado para predecir la erosión hídrica en tierras agrícolas es la Ecuación
Universal de Pérdidas de Suelo, USLE (Irvem et al., 2007). Renard et al. (1997) modificó
el modelo a RUSLE (USLE Revisada) al introducir mejoras en el cálculo de los factores de
erosión del suelo. La RUSLE es un modelo diseñado para predecir el promedio anual de
pérdidas de suelo ocasionado por escorrentía, y es descrita a continuación como:
A= R x K x L x S x C x P
(1)
Donde A es la pérdida de suelo en t x ha-1x año-1 en un período seleccionado para R,
usualmente un año; R es el factor erosividad de la lluvia en MJ x mm x ha-1 x h-1 x año-1; K
es el factor erosionabilidad del suelo en t x h x MJ-1 x mm-1; L es el factor longitud de la
pendiente; S es el factor gradiente de la pendiente; C es el factor cobertura y manejo; y P es
el factor prácticas de conservación. L, S, C y P son adimensionales. El uso combinado de
sistemas de información geográfica (SIGs) y RUSLE ha provisto una efectiva
aproximación para estimar la magnitud y distribución espacial de la erosión (Hoyos, 2005;
Erdogan et al., 2006; Irvem et al., 2007). Dentro de un SIG raster, la RUSLE puede
predecir la erosión potencial celda por celda, lo cual es una ventaja cuando se intenta
identificar el patrón espacial de la pérdida de suelo dentro de una región (Díaz, 2005). El
SIG puede ser usado para aislar y seleccionar aquellos lugares de vital información para
determinar el rol individual de cada variable y su contribución al valor de erosión
observado (Oñate, 2004).
Objetivos
Determinar el riesgo de erosión (potencial y actual) en el municipio Torres del estado Lara,
basado en SIG y RUSLE, y su rango de aptitud para la agricultura en una evaluación de
tierras de acuerdo al modelo FAO (1985) y Páez (1994).
Materiales y Métodos
Se usaron datos diarios de precipitación (1985-2005) de 33 estaciones meteorológicas
ubicadas en el área, un mapa de suelos con su data de atributos (MARN, 1993; Andrade,
2007), un modelo de elevación digital (DEM) de la Seamless Data Server de la United
States Geological Survey (USGS), un mapa de cobertura/uso de la tierra generado de una
imagen Landsat-7ETM+(WRS-2, Path 6/Row 53) de la USGS y el SIG ArcGIS. 9
(Environmental System Research Institute, USA).
En general, la metodología envolvió el uso de la RUSLE en un ambiente SIG. Capas o
mapas de cada factor de la RUSLE fueron generadas y espacialmente sobrepuestas y
combinadas a través del SIG para predecir la pérdida de suelo en el municipio y generar
mapas resultantes de la intensidad del riesgo de erosión. El mapa de riesgo de erosión
actual fue clasificado dentro de clases con límites máximos aceptables de pérdidas de suelo
estimadas según FAO (1985) y Páez (1994). La pérdida de productividad de la tierra fue
evaluada con el sistema Páez (1994), el cual usa el CPmax de la USLE (factores C y P)
como criterio, evalúa los riegos de erosión, clasifica los factores y su potencial para
causarla y estima los requerimientos y diseño de prácticas de conservación. El CPmax
(CPmax = T / R x K x L x S) representa los requerimientos de manejo en la unidad de tierra,
donde T es la tolerancia de pérdida de suelo establecida por la profundidad y R, K, L, S son
los factores de la RUSLE. Para obtener R, la siguiente ecuación generada por Silva (2005)
fue aplicada, considerando sólo lluvias mayores a 12,5 mm.
EI = 0,016(P) 2 + 1,2433(P) + 17,283
(2)
Donde EI representa el factor R y P es la precipitación mensual en mm. Los valores de R
obtenidos fueron transferidos a ArcGIS.9 y un mapa de superficie fue desarrollado usando
la técnica de interpolación Kriging, a un tamaño de celda o píxel de 30 m. En vista del
efecto de la elevación sobre la precipitación, los valores de R fueron corregidos usando el
DEM. Los valores de K fueron estimados usando el método del nomograma de
erosionabilidad del suelo (Wischmeier et al., 1971) y la combinación y promedio de las
ecuaciones (3), (4) y (5) cuando hubo escasez de datos de la fracción arena muy fina y
materia orgánica.
K = 7,594 {0,0034 + 0,0405 exp [-1/2 x (log (Dg) + 1,659/0,7101)2 ]}
(3)
2
K = 7,594 {0,0017 + 0,049 exp [-1/2 x (log (Dg) + 1,675/0,6986) ]}
(4)
K = 0,0035 + 0,0388 exp [-1/2 x (log (Dg) + 1,519/0,758)2 ]}
(5)
Donde,
Dg (mm) = exp (0,01 fi ln mi)
(6)
y Dg es el diámetro promedio de las partículas; fi es la fracción del tamaño de la partícula
primaria en porcentaje; y mi es el promedio aritmético del tamaño límite de las partículas.
(Poesen, 1992). El factor topografía (L y S) fue calculado y espacialmente distribuido in
ArcGIS.9 utilizando el DEM del área bajo estudio. El factor L fue calculado con la
ecuación (7) de Wischmeier and Smith (1978); condicionado al mismo tiempo por la
distribución espacial de y m. Una combinación de las ecuaciones (8) y (9) determinó el
valor de m de acuerdo a Foster et al (1997).
L = ( /22,13)m
(7)
m = / (1 + )
(8)
= (sin / 0,0896) / [3,0(sin )0.8 + 0,56]
(9)
Donde, 22,13 es la longitud de la parcela en metros, es la proyección horizontal de la
longitud de la pendiente en metros, m es un exponente que varía con la longitud de la
pendiente y es el ángulo de la pendiente en grados. Para computar S fueron utilizadas las
ecuaciones (10) y (11) para longitudes de pendiente mayores a 4,56 m, y (12) para menores
o iguales a 4,56 m (McCool et al., 1987).
S = 10,8 sin + 0,03 cuando la pendiente es < 9%
(10)
S = 16,8 sin – 0,50 cuando la pendiente es 9%
(11)
0.8
S = 3,0 (sin ) + 0,56
(12)
C fue extraído del mapa de cobertura/uso de la tierra.
Resultados y Discusión
El valor de R osciló entre 1200 y 4166 MJ x mm x ha-1 x h-1 x año-1. El factor K tuvo una
variación entre 0,001 y 0,05 t x h x MJ-1 x mm-1. El factor topográfico, LS con un rango de 0
a 34,33 (0,09 a 4,51 y 0,03 a 15,09, para L y S, respectivamente). Los valores de C y P
oscilaron entre 0 y 1. El riesgo de erosión del suelo tuvo un rango, en t x ha-1 x año-1, de 0 a
2558 para el actual y 0 a 4223 para el potencial. El riesgo de erosión actual fue explicada
principalmente (correlación de P< 0.01) por los factores LS y C, mientras que la potencial
por los factores R, K y S. La proporción en porcentaje (%) tabulada para R, K, L, S, A
(riesgo de erosión actual) y CPmax en cada categoría puede ser visto en las Tablas I y II. La
Figura 1 muestra las clases de riesgo de erosión y el grado de aptitud de la tierra para la
agricultura.
La mayor erosión fue observada donde la precipitación fue mayor (R 2000), con
baja cobertura (C 0,45), sin prácticas de conservación (P=1) y topografía convexa (LS
3,31; S 5,7), debido a que el valor de los factores está directamente relacionados a
las pérdidas de suelo (Renard et al., 1997).
Tabla I. Proporción (%) tabulada de los rangos de aptitud para agricultura de secano (FAO, 1985) y CPmax (Páez,
1994) debido al riego de erosión en el municipio. El número en paréntesis corresponde a la zona agrícola.
A
(t/ha/año
CPmax
Rango
%
Rango
%
Altamente Apta
(s1)
12
72.19 (54.96)
>0.12
86.54 (100)
Grados de Aptitud
Moderadamente
Marginalmente
Apta
Apta (s3)
12 – 25
25 – 50
16.32 (35.17)
8.48 (9.63)
0.12 - 0.045
0.045 - 0.012
9.87
3.34
No Apta
(n)
>50
3.01 (0.24)
0.012
0.25
El efecto de C y P fue más evidente en la erosión potencial (Figura 1), las pérdidas de
suelo fueron duplicadas y los grados de moderadamente alta (4,06%), alta (1,86%), muy
alta (1,66%) y extremadamente alta (1,5%) fueron obtenidas al usar la clasificación de Páez
(1994). Las tasas de erosión más bajas fueron registrados en zonas boscosas (alrededor del
98% menor a 8 t) y donde son llevadas a cabo prácticas agrícolas (54.96% menor a 12
t), pues en las zonas semiáridas, los cultivos tienden a reducir considerablemente los
procesos erosivos (Oñate, 2004). En relación a los rangos de aptitud de la tierra para
agricultura de secano (FAO, 1985) debido al riesgo de erosión (Tabla I), el 72.19% del
municipio es altamente apto, mientras que en la zona agrícola el porcentaje de aptitud
disminuye debido a mayores valores de K, sin embargo, el 100 % está dentro de la
categoría de apto porque la tasa de sedimentos no excede las 50 t. Al considerar la
pérdida de productividad de la tierra (Figura 1), condicionada por la tolerancia de pérdida
de suelo, el porcentaje de aptitud es 100 % alto en el área agrícola debido a que el CPmax
es > 0,12. La zona puede ser usada continuamente con cultivos anuales mecanizados
sin prácticas de conservación de suelos.
Tabla II. Proporción (%) tabulada en el municipio de acuerdo a las clases de riesgo y vulnerabilidad a la erosión
hídrica y calificación de los factores relacionados (Páez, 1994). El número entre paréntesis
corresponde a la zona agrícola.
Factor
R rango
Grados de vulnerabilidad a la erosión
muy
baja
(1)
baja
(2)
mod. baja
(3)
moderada.
(4)
mod. alta
(5)
alta
(6)
muy alta
(7)
ext. alta
(8)
6000 - 8000
8000 - 10000
10000-12000
12000-14000
>14000
0.060-0.075
> 0.075
> 300
0 - 2000
2000 - 4000
4000 - 6000
%
53.7
(4.2)
45.6
(95.8)
0.7
K rango
0.01
0.001 - 0.005
0.005 - 0.015
0.015- 0.030
0.030–0.045
0.045-0.060
45.3
44.6
(74.6)
6.2
(10.4)
3.5
(15)
200- 250
250 – 300
%
L rango
< 25
25 – 50
50 – 100
100 – 150
150 - 200
%
97.5
(97.6)
2.0
(1.9)
0.4
(0.4)
(0.04)
(0.001)
S1rango
0-1
1-3
3-5
5 -10
10 - 15
15 - 20
20 - 25
> 25
27
(98.6)
17.9
(1.2)
9.64
(0.1)
10.55
(0.03)
8.09
(0.02)
7.2
6.1
13.29
> 100
%
S2rango
%
rango
P
T rango
A rango
0-3
3-8
8 - 12
12 -20
20 - 30
30 - 50
50 - 100
77.9
0.8
1.4
11.7
6.7
1.5
0.03
250
250 - 200
200 -150
150 - 100
100 - 50
50 – 25
25 -10
< 10
> 24
24 – 20
20 - 16
16 - 12
12 - 8
8–4
4-2
<2
12
12 – 25
25 – 50
50 – 100
100 – 150
150 – 200
200 – 300
> 300
%
72.19
16.32
8.48
2.43
0.41
0.10
0.05
0.02
CPmax
0.5
0.5 – 0.12
0.12 – 0.08
0.08 – 0.045
0.045– 0.018
0.018– 0.012
0.012– 0.001
< 0.001
S1 (%, tierras bajas) S2 (%, tierras altas, > 800 m) P (Prof. suelo en cm) T (t/ha/año) CPmax = T/R.K.L.S
Figura 1. Mapas de riesgo de erosión actual, potencial y grado de aptitud de la tierra para la agricultura (CPmax) debido al
riesgo de erosión en el municipio Torres del estado Lara.
Conclusiones
En las zonas agrícolas del municipio Torres, el porcentaje de aptitud para fines agrícolas
bajo condiciones de secano fue de 100 % y puede ser usada continuamente sin prácticas de
conservación. Los resultados de este estudio demuestran que la RUSLE bajo ambiente SIG
es una poderosa herramienta para evaluar cualitativa y cuantitativamente la intensidad del
riesgo de erosión y en la planificación en grandes regiones. Sin embargo, son necesarios
futuros trabajos para validar y confirmar los resultados que predijo la RUSLE.
Bibliografía
1. Andrade, O.2007. Generating information for land evaluation in Tocuyo river basin
(Venezuela) by means of GIS and remote sensing: environmental parameters, land cover,
and erosion hazard. Doktortitels, Georg-August-Universität Göttingen, Deutschland.
2. Díaz, O.2005. Estudio de fragilidad de suelos y aplicación de la USLE en base a SIG
para la “Microcuenca El Maqui, Sexta Region, Chile”. Pont. Univ. de Chile. 81 P.
3. Erdogan, E; Erpul, G; Bayramin, I. 2006. Use of USLE/GIS methodology for predicting
soil loss in a semiarid agricultural watershed. Env. Monitoring and Assessment, 14: onlinefirst DOI 10.1007/s10661-006-9464-6.
4. FAO (1985) Guidelines: land evaluation for irrigated agriculture. Soils Bulletin 55. FAO.
Rome, Italy.
5. Foster, G; Weesies, G; McCool, D; Yoder, D. 1997. Predicting soil erosion by water: A
guide to conservation planning with the RUSLE. Agric. Handb. No.703. Usda,
Washington, Dc. 78 p.
6. Foster, G; Meyer, L; Onstand, C. 1997. A runoff erosivity factor and variable slope
length exponents for soil loss estimates. Amer. Soc. of Agric. Eng., 20:683–687.
7. Hoyos, N. 2005. Spatial modeling of soil erosion potential in a tropical watershed of the
colombian Andes. Catena, 63:85-108.
8. Irvem, A; Topaloglu, F; Uygur, V. 2007. Estimating spatial distribution of soil loss over
Seyhan river basin in Turkey. Journal of Hydrology, 336:30-37.
9. MARN.1993. Estudios de suelos de las Sierras de Matatere, Bobare, Trujillo, Barbacoas,
Portuguesa, Baragua y Buena Vista. Escala 1:250.000. MARN. 169 p.
10. McCool, D; Brown, L; Foster, G; Mutchler, C; Meyer, L.1987. Revised slope steepness
factor for the Universal Soil Loss Equation. Ame. Soc. of Agr. Eng., 30: 1387–1396.
11. Oñate, F.2004. Metodología para la evaluación del riesgo de erosión en zonas áridas y
su aplicación en el manejo y protección de proyectos hidráulicos. Rev. Redlach.(1).1 6p
12. Páez, M. 1994. Clasificación de suelos con fines de planificación agrícola. Rev. Fac.
Agr., 20:83-100.
13. Poesen, 1992. Mechanisms of overland flow generation and sediment production on
loamy and sandy soils with and without rock fragments. In: Parsons, A.J., Abrahams, A.D.
(Eds.), Overland Flow Hydraulics and Erosion Mechanics. Ucl Press, London, Uk, Pp.
275–305.
14. Renard, K; Foster, G; Weesies, G; Mccool, D; Yoder, D.1997. Predicting soil erosion
by water: A guide to conservation planning with the RUSLE. Agric. Handb. No.703. Usda,
Washington, Dc.
15. Silva, O.2005. Evaluación de la erosividad de la lluvia diaria simulada con EPIC en una
localidad de montañas bajas en Venezuela.Venesuelos, 2(2): 81-85.
16. Wischmeier, W; Johnson, C; Cross, B. 1971. A soil erodibility nomograph for farmland
and construction sites. Journal of Soil and Water Conservation, 26: 189- 193.
17.Wischmeier, W; Smith, D.1978. Predicting rainfall erosion losses: a guide to
conservation planning. USDA Agric. Manual 537.
Modelos de elevación del terreno y datos hidrológicos para la
visualización virtual de inundaciones y tsunamis.
Daza G., Yépez S. & Arismendi J.
Fundación Instituto de Ingeniería – Centro de Procesamiento Digital de Imágenes
[email protected]
Tema:
Riesgos Naturales
Problema:
Manejo y prevención de zonas propensas a inundación
Originalidad:
Simulación virtual de inundaciones en programas de uso libre.
Resultado:
Detección instantánea de zonas afectadas por el sobre-flujo de agua.
Resumen.El presente trabajo pretende suministrar una serie de herramientas para el estudio de posibles
escenarios de inundaciones, no desde un punto de vista tabular ó estático (datos globales),
sino desde una plataforma visual: observando los efectos locales de posibles escenarios de
aumento del nivel de agua en el propio terreno.
Se tratan tres tópicos principales: El Primero, se relaciona con la calidad del modelo de
elevación del terreno, siendo necesario suprimir posibles errores en la generación del modelo.
Posteriormente, se analizan los datos hidrológicos incluyendo en el estudio series de tiempo.
Y finalmente, se genera la visualización virtual de la inundación en la cual, se muestra el
producto final del análisis donde el usuario puede interactuar con el modelo de elevación del
terreno analizando diferentes cotas de inundación y sus efectos directos sobre la topografía
(ver Fig. 1).
En este contexto los dos primeros puntos son el insumo básico del tercero, es
decir, el manejo espacial y visual de las cotas alcanzadas del nivel de agua, son el producto
del análisis de los datos hidrológicos o de la estimación mediante un proceso de ensayo y
error.
100 m
Fig. 1: Dos posibles escenarios de aumento del nivel del agua sobre la misma topografía.
300 m
Introducción.Los tsunamis, sobre todo aquellos ligados a terremotos de gran magnitud, originan fenómenos
geológicos severos que permiten relacionar su estudio con otras disciplinas como la
Geomorfología, la Hidrogeología, la Estratigrafía, la Paleontología y la Ecología, entre otras.
Todas esas disciplinas emplean hoy día las herramientas de la Geomática para facilitar los
resultados de la investigación sobre tsunamis locales en las áreas costeras.
Aunque poco frecuentes, los tsunamis representan los peores escenarios conocidos y ahora
deben ser considerados con mayor atención, y sobre todo en las costas bajas venezolanas,
que implica proponer nuevas formas de ilustrar y manejar el riesgo ante la comunidad. En este
trabajo, se asumen las lecciones aprendidas después de los tsunamis y entramos directamente
a la aplicación de técnicas de geomática para colaborar en la determinación del riesgo por
tsunami en el paisaje litoral.
Un tsunami puede tener una amplia variedad de expresiones morfológicas que dependen de la
magnitud del fenómeno que lo origina, la dimensión y el periodo de las olas, la profundidad y
las características del fondo marino, la configuración de la costa y la situación de la marea.
Todos esos factores, combinados con la morfología de la topografía superficial, la pendiente
del terreno y el grado de rugosidad derivado de construcciones, árboles y otros obstáculos en
tierra, condicionarán los efectos de la inundación. Por tanto, el arribo del tsunami a la costa es
un proceso complejo y las alturas máximas de inundación se diferencian considerablemente a
lo largo de la costa, incluso en rangos cortos de distancia.
Una forma efectiva de reconstruir escenarios de riesgo por inundación fluvial o marina, es
combinar la historia, las observaciones geológicas y la modelación numérica con la ayuda de la
teledetección. El saber cómo se comportará la inundación de un potencial evento y cuáles
serán sus probables consecuencias en una comunidad, se transforma hoy día en información
de base para el ordenamiento de territorios costeros, el diseño de medidas de mitigación y el
manejo de emergencias, a través de las consultas a la base de datos y el empleo oportuno de
las herramientas de Geomática.
Metodología.Como lógica consecuencia de llegar a los resultados buscados en el comienzo de
nuestra investigación, debemos partir de datos base, que en nuestro caso corresponden a un
modelo de elevación del terreno.
Existen diferentes fuentes para estar en la capacidad de modelar superficies altimétricas:
puntos o cotas de altura, curvas de nivel, estereoscopia digital, etc., pero siguiendo los
lineamientos previos establecidos, se decidió utilizar datos de SRTM (Shuttle Radar
Topography Mission) el proyecto internacional llevado a cabo por las agencias NCA y NASA,
por cuanto son datos de libre distribución, aunado a sus dotes de calidad previamente ratificado
por diferentes fuentes internacionales expertas en la materia.
Este modelo de datos SRTM trae consigo pequeñas imperfecciones, las cuales solventamos
con una rutina de libre uso llamada FILL_SRTM. Una vez realizados estos pasos (tenemos un
DEM corregido) proseguimos con la administración de datos hidrológicos, aquí en esta fase
nos podemos valer de varios programas; para nuestro estudio escogimos el programa WDMUtil
, donde aplicamos su funcionalidad con datos pilotos, en vista de no contar con el tiempo ni los
recursos para adquirir datos reales.
Una vez teniendo los insumos necesarios (DEM, Caudales de Agua) , llegamos a la parte final
de la investigación, y sin duda la más atractiva para el usuario final: modelar y navegar en la
superficie altimétrica observando los cambio en el espejo de agua previamente configurados, lo
cual nos permite generar archivos multimedia que pueden ser manejados por cualquier
persona.
Estos últimos productos pueden ser creados en diversos formatos, pero por su uso
generalizado tomamos el formato .AVI como canal de distribución, por ser casi un estándar en
el SO Windows.
Resultados.La metodología y recursos presentados en esta investigación nos permiten obtener
instantáneas sucesivas de acuerdo a un nivel determinado de aguas.
De igual forma es posible elaborar videos de navegación virtual, incluyendo el cambio del nivel
de las aguas para poder determinar en un área determinada del modelo (DEM) las zonas más
afectadas, basadas en hipotéticas inundaciones o tsunamis.
Un producto adicional usando la técnica aquí presentada nos permite elaborar estudios
comparativos en dos ejes: ya sea por diferentes caudales o el mismo caudal por diferentes
fechas; en otras palabras estaríamos en capacidad de generar escenarios por caudales o por
navegación virtual.
Otra aplicación más de los elementos aquí planteados, sería el análisis visual y diseño de
represas y embalses, con la finalidad de estudiar el potencial hidrológico, así como
determinar sitios de llenado, entrada, aliviaderos y compuertas.
para
Conclusiones.-
Hoy en día quedan pocas dudas acerca de los efectos nefastos de las grandes
inundaciones, un fenómeno que puede alcanzar cualquier punto del planeta, esto avalado por
la recopilación estadística de desastres naturales y los posibles efectos del cambio climático.
Es necesario aprovechar los recursos no onerosos para poder suministrar mejores opciones de
prevención y planificación ante posibles inundaciones.
Aunque no quedan dudas, el software propietario suministra mejores posibilidades, sin
embargo tampoco es menos cierto que los programas de uso libre nos permiten realizar tareas
antes impensables, con el valor adicional que lo podemos suministrar a todas las instituciones
y usuarios, en el caso de lograr escenas virtuales de inundaciones y sobre-flujos de agua de
cualquier zona, contando como elemento base los modelos de elevación digital, donde incluso
estos pueden ser adquiridos de forma gratuita.
ORDENAMIENTO TERRITORIAL
([SHULHQFLDVHQ*HRPiWLFD'SDUDODSODQLILFDFLyQXUEDQDORFDO
5LFDUGR&XEHURV1L[RQ0ROLQD-RVp$QWRQLR,QGULDJR
,QVWLWXWRGH,QYHVWLJDFLRQHVGHOD)DFXOWDGGH$UTXLWHFXUD\'LVHxR,)$'8QLYHUVLGDGGHO=XOLD
&DOOHHVT$Y1~FOHR7pFQLFR(GLI-HV~V*DUULOOR3ODQWD$OWD7HOHID[
ULFDUGRFXEHURV#JPDLOFRPQLPROLQD#JPDLOFRPLQGULDJR#JPDLOFRP
Ë1',&('(&217(1,'2
5HVXPHQ
,QWURGXFFLyQ
3ULQFLSLRVGHOWUDEDMRJHRLQIRUPDFLRQDO
([SHULHQFLDVHQHO,)$'/8=HQHOiPELWR'
5HIOH[LyQILQDO
$JUDGHFLPLHQWR
5HIHUHQFLDV
5HVXPHQ
(OHPSOHRGHORVVLVWHPDVGHLQIRUPDFLyQJHRJUiILFDHOSURFHVDPLHQWRGHLPiJHQHVVDWHOLWDOHV\OD
JHRUHIHUHQFLDFLyQDWUDYpVGHVLVWHPDVGHSRVLFLRQDPLHQWRJOREDOUHVXOWDQHQODDFWXDOLGDGUHFXUVRV
LQGLVSHQVDEOHV SDUD OD FRQFUHFLyQ GH SUR\HFWRV VRVWHQLEOHV HQ iPELWRV WHUULWRULDOHV /D SRQHQFLD
SUHVHQWD DOJXQDV H[SHULHQFLDV GH LQFRUSRUDFLyQ GHO HQIRTXH WULGLPHQVLRQDO GH ODV WHFQRORJtDV
JHRLQIRUPDFLRQDOHV SDUD HO DQiOLVLV XUEDQR HVSDFLDO OD SURWHFFLyQ DPELHQWDO OD GRFXPHQWDFLyQ
SURFHGLPHQWDO \ RWURV DVSHFWRV PHWRGROyJLFRV DERUGDGRV HQ OD JHVWLyQ WHUULWRULDO EDMR SULQFLSLRV
GHO HPSOHR LQWHOLJHQWH \ UDFLRQDO GH OD LQIRUPDFLyQ 'LFKDV H[SHULHQFLD DERUGDQ HO HVWXGLR GH OD
DIHFWDFLyQ GH HVFRUUHQWtDV GH DJXDV GH OOXYLD IUHQWH D OD XELFDFLyQ HVSRQWiQHD GH DVHQWDPLHQWRV
LUUHJXODUHVODLQWHUIHUHQFLDHQWUHHOPi[LPRDSURYHFKDPLHQWRGHUHFXUVRVPLQHURVRDJUtFRODV\OD
DFWLYLGDG KXPDQD R OD FRQIURQWDFLyQ HQWUH WpFQLFRV SURIHVLRQDO \ SDUWLFLSDFLyQ YHFLQDO HQ ORV
DQiOLVLV GH EDVH D OD WRPD GH GHFLVLRQHV HQ OD JHVWLyQ WHUULWRULDO FRPR SDUWH GH OD SUREOHPiWLFD
VRFLDO GH PD\RU XUJHQFLD HQ QXHVWUR SDtV 3RU HOOR OD SRQHQFLD SUHVHQWD H[SHULHQFLDV GH
LQYHVWLJDFLyQDFFLyQ VXUJLGD SRU OD DSOLFDFLyQ LQQRYDGRUD GH WpFQLFDV GH OD JHRPiWLFD ' HQ
GLYHUVRVSUR\HFWRVUHDOL]DGRVFRQRGHVGHOD)DFXOWDGGH$UTXLWHFWXUD\'LVHxRGHOD8QLYHUVLGDG
GHO =XOLD )$'/8= HQ ORV ~OWLPRV DxRV D WUDYpV GH VHUYLFLRV GH FRQVXOWRUtD WHVLV GH SUH \
SRVWJUDGR\WUDEDMRVDFDGpPLFRVUHDOL]DGRVHQGLVWLQWRViPELWRVGHODUHJLyQ]XOLDQDDOJXQRVREMHWR
GHUHFLHQWHVUHFRQRFLPLHQWRVQDFLRQDOHVHLQWHUQDFLRQDOHV
3DODEUDVFODYHV3ODQLILFDFLyQXUEDQDJHRPiWLFD'GHVDUUROORWHUULWRULDO
,QWURGXFFLyQ
(ODQiOLVLVGHOWHUULWRULRFRQHOREMHWRGHVXSODQHDPLHQWRKDHYROXFLRQDGRKLVWyULFDPHQWHDWUDYpV
GHDYDQFHVHQGLVFLSOLQDVSDUDOHODVFRPRODJHRJUDItDODFDUWRJUDItDODDJURQRPtDODJHRItVLFD\ORV
HVWXGLRV XUEDQRV $ SDUWLU GH ORV DxRV GHO SDVDGR VLJOR IDFWRUHV FRPR HO VXUJLPLHQWR GH OD
FRPSXWDFLyQJUiILFDHOGHVDUUROORGHVDWpOLWHVGHREVHUYDFLyQWHUUHVWUH\ORVDYDQFHVHQODPHGLFLyQ
JHRItVLFDHQWUHRWURVHVWDEOHFLHURQODVEDVHVGHODOODPDGDJHRPiWLFDRWHFQRORJtDJHRHVSDFLDO
(O JHyPHWUD \ IRWRJUDPHWULVWD IUDQFpV %HUQDUG 'XEXLVVRQ SURSXVR KDFLD HO WpUPLQR
³JHRPiWLFD´ FRPR OD GLVFLSOLQD TXH WLHQH SRU REMHWR OD DGPLQLVWUDFLyQ \ HVWUXFWXUDFLyQ GH ORV
GDWRVFRQUHIHUHQFLDHVSDFLDOHLQWHJUDODVFLHQFLDV\DODVWHFQRORJtDVOLJDGDVDVXDOPDFHQDPLHQWR
VXWUDWDPLHQWR\VXGLIXVLyQ24/)$VtODJHRPiWLFDQRUHVXOWyXQFDPSRQXHYRVLQRTXH
UHSUHVHQWy OD HYROXFLyQ GH OD FDUWRJUDItD EDMR HO HQIRTXH GH OD 7HRUtD *HQHUDO GH 6LVWHPDV
%HUWDODQII\FRQVLGHUDQGRTXHHOHVSDFLRWHUULWRULDOQRSXHGHGHVFULELUVHVLJQLILFDWLYDPHQWH
HQ WpUPLQR GH VXV HOHPHQWRV VHSDUDGRV /D FRPSUHQVLyQ GHO WHUULWRULR FRPR VLVWHPD VyOR RFXUUH
FXDQGRVHHVWXGLDQWDQWRVXVSDUWHVFRPRWRGDVVXVLQWHUGHSHQGHQFLDV
%DMRHVWHHQIRTXHODJHRPiWLFDLQYROXFUDGLVFLSOLQDVFRPRHOFDWDVWURODFDUWRJUDItDORVVHQVRUHV
UHPRWRV WHOHGHWHFFLyQ VLVWHPDV JOREDOHV GH SRVLFLRQDPLHQWR VDWHOLWDO \ ORV VLVWHPDV GH
LQIRUPDFLyQ JHRJUiILFD WRGRV HOORV VXVWHQWDGRV HQ OD LQIRUPiWLFD \ WpFQLFDV GHO SURFHVDPLHQWR
QXPpULFRGLJLWDOGHODVWUHVGLPHQVLRQHVGHOHVSDFLRJHRGpVLFR\GHODOtQHDGHOWLHPSRUHVSHFWLYD
3ULQFLSLRVGHOWUDEDMRJHRLQIRUPDFLRQDO
/D QDWXUDOH]D KROtVWLFD GH ODV GLVWLQWDV WHFQRORJtDV LQYROXFUDGDV HQ OD JHRPiWLFD KDQ YHQLGR
DIHFWDQGR ORV SURFHVRV SURSLRV GH OD SODQLILFDFLyQ XUEDQD \ WHUULWRULDO (VWH IHQyPHQR HQ SOHQD
HYROXFLyQSXHGHHQWHQGHUVHEDMRFXDWURSULQFLSLRVORVFXDOHVHVWXGLDUHPRVDFRQWLQXDFLyQ
/DVSRWHQFLDOLGDGHVWHFQRFpQWULFDV
(Q GHVDUUROOR GH OD FRPSXWDFLyQ JUiILFD DERUGy OD UHSUHVHQWDFLyQ GH OD UHDOLGDG D WUDYpV GH GRV
PRGRVODDEVWUDFFLyQJHRPpWULFDYHFWRULDOGHORVHOHPHQWRV\ODGHVFULSFLyQGLVFUHWDGHXQDLPDJHQ
D WUDYpV GH XQD JULOOD R PDWUL] TXH FXEUH VX H[WHQVLyQ /D SULPHUD VH ORJUD D WUDYpV GH OD
UHSUHVHQWDFLyQGHORVFRQWRUQRVGHORVREMHWRVSRUYHFWRUHVTXHXQHQSXQWRVXELFDGRVGHQWURGHXQ
VLVWHPDGHFRRUGHQDGDVFDUWHVLDQDVHOVHJXQGRDWUDYpVGHYDORUHVGHGLVWLQWRVDWULEXWRVTXHSRVHHQ
FDGDXQDGHODVFHOGDVGHXQDFXDGUtFXODVXSHUSXHVWDVREUHODJHRJUDItDGHXQHVSDFLRGHWHUPLQDGR
/DV GLVWLQWDV WHFQRORJtDV LQYROXFUDGDV HQ OD JHRPiWLFD KDQ DERUGDGR HO SUREOHPD GH OD
UHSUHVHQWDFLyQGHOHVSDFLRXUEDQREDMRDPERVPRGRV
x /D FDUWRJUDItD WUDGLFLRQDO KD XWLOL]DGR KHUUDPLHQWDV GH GLEXMR EDVDGDV HQ HO WUD]DGR YHFWRULDO
TXHSHUPLWHQORVVLVWHPDV&$'GLEXMRDVLVWLGRSRUFRPSXWDGRUDHQORVFXDOHVODVUHIHUHQFLDV
SXQWXDOHV HQ XQ WHUULWRULR VRQ H[SUHVDGDV HQ IRUPD GH SXQWRV SREODGRV KLWRV
HVWDEOHFLPLHQWRVORVIOXMRV\GHOLPLWDFLRQHVHQIRUPDGHOtQHDVUtRVFXUVRVGHDJXDOtPLWHV
DGPLQLVWUDWLYRV \ ORV HVSDFLRV \ VXSHUILFLHV HQ IRUPD GH SROtJRQRV iUHDV GH FRPSHWHQFLD
iPELWRGHFXHQFDVRUHVHUYRULRVGHDJXDRFXSDFLRQHVERVFRVDV/DDOWLPHWUtDVHKDYDOLGRGH
PRGHORGHWULDQJXODFLyQGHVXSHUILFLHV7,1SDUDJHQHUDUHOHIHFWRYROXPpWULFR
x /D WHOHGHWHFFLyQ \ OD IRWRJUDPHWUtD XWLOL]DQ OD FDSWXUD GH ODV HPLVLRQHV OXPtQLFDV HQ EDQGDV
YLVLEOHV \ QR YLVLEOHV GH XQ WHUULWRULR D WUDYpV GH UHWtFXODV GH VHQVRUHV XELFDGRV HQ VDWpOLWHV
DUWLILFLDOHVFX\DVOHFWXUDVH[SUHVDQODVYDULDFLRQHVGHODUHIOH[LyQPXOWLHVSHFWUDOGHODVXSHUILFLH
WHUUHVWUH HQ IRUPD GH ODV OODPDGDV LPiJHQHV UDVWHU &DGD FHOGD WLHQH H[SUHVLyQ JUiILFD
FRUUHVSRQGLHQWH HQ XQ St[HO GHQWUR GH XQD LPDJHQ GLJLWDO SDUWLFXODU VLHQGR VXV YDORUHV
RULJLQDULRV VXVFHSWLEOHV GH SURFHVDPLHQWR D WUDYpV GH PpWRGRV GH LQWHUSRODFLyQ PDWHPiWLFD
SURSLRVGHODHVWDGtVWLFDHVSDFLDO/DFODULGDG\HOGHWDOOHGHODREVHUYDFLyQGHXQVHFWRUXUEDQR
TXHGDDVtFRQGLFLRQDGRDOWDPDxRUHODWLYRGHFDGDFHOGDUHVSHFWRDODUHDOLGDGUHSUHVHQWDGD\DO
FRQWUDVWH GDGR SRU ODV YDULDFLRQHV HQ ORV GDWRV UHIHUHQWHV HQWUH XQD FHOGD \ RWUD (O YDORU GH
DOWXUD UHJLVWUDGR SDUD FDGD FHOGD SHUPLWH FRQVWUXLU XQ PRGHOR ³HQ HVFDOHUD´ SDUD VLPXODU ODV
YDULDFLRQHVWRSRJUiILFDVGHXQDVXSHUILFLHGHWHUPLQDGD
x /RV VLVWHPDV JOREDOHV GH SRVLFLRQDPLHQWR VH IXQGDPHQWDQ HQ HO FiOFXOR JHRPpWULFR GH ODV
GLVWDQFLDV TXH H[LVWHQ HQWUH XQ HTXLSR GHWHFWRU XELFDGR HQ XQD FRRUGHQDGD SDUWLFXODU HQ OD
VXSHUILFLHWHUUHVWUH\FXDWURRPiVVDWpOLWHVJHRHVWDFLRQDULRVFRQORVFXDOHVWLHQHFRPXQLFDFLyQ
D WUDYpV GH XQD UDGLRWUDQVPLVLyQ 7DOHV OHFWXUDV SHUPLWHQ XELFDU SXQWRV TXH LGHQWLILFDQ \
UHIHUHQFLDQKLWRV\FRRUGHQDGDVGHDFFLGHQWHVItVLFRQDWXUDOHVGHQWURGHXQVLVWHPDHVSHFLILFR
GH UHSUHVHQWDFLyQ FDUWRJUiILFD IDFLOLWDQGR HO WUD]DGR GH SODQRV YHFWRULDOHV R OD FRUUHFFLyQ
JHRPpWULFD GH LPiJHQHV UDVWHU (O XVR GH QDYHJDGRUHV 6*3 VLVWHPDV GH SRVLFLRQDPLHQWR
JOREDO SXHGHQ SHUPLWLU OD XELFDFLyQ JHRGpVLFD GH SROLJRQDOHV XUEDQDV HQ IRUPD PiV iJLO \
FRQILDEOHLQFOXVRODVWpFQLFDVWUDGLFLRQDOHVGHWULDQJXODFLyQWRSRJUiILFDDOWLHPSRTXHSHUPLWHQ
HVWDEOHFHU DOWXUDV UHIHUHQFLDOHV GH FDGD SXQWR UHVSHFWR DO JHRLGH \ SRU WDQWR D OD VXSHUILFLH
WHUUHVWUH
x /RV VLVWHPDV GH LQIRUPDFLyQ JHRJUiILFD 6,* FRQVWLWX\HQ KHUUDPLHQWDV FRPSUHKHQVLYDV GH
P~OWLSOHVUHFXUVRVGHODJHRPiWLFDIDFLOLWDQGRHODQiOLVLVSRUSUR[LPLGDGSRUVXSHUSRVLFLyQR
SRUUHGHVDSDUWLUGHGDWRVYHFWRULDOHVRUDVWHUHPSOHDQGRWpFQLFDVGHJHRHVWDGtVWLFDTXHLQFOXVR
FRPELQDQ DPERV PRGRV GH UHSUHVHQWDFLyQ GH GDWRV SDUD REWHQHU LQIRUPDFLyQ FRQFOXVLYD
UHVSHFWR DO WHUULWRULR HVWXGLDGR /D SODQLILFDFLyQ XUEDQD ORV LQYHQWDULRV FDWDVWUDOHV \ ORV
HVWXGLRVDPELHQWDOHVVHVXVWHQWDQDFWXDOPHQWHHQODVFDSDFLGDGHVGHSURFHVDPLHQWRLQIRUPiWLFR
GH ORV 6,* PRGHODQGR SDUDPpWULFDPHQWH HQ GRV \ WUHV GLPHQVLRQHV ORV FRPSRQHQWHV H
LQWHUUHODFLRQHVSUHVHQWHVHQFXDOTXLHUVLVWHPDWHUULWRULDO\PLQLPL]DQGRHOHUURUGHGHFLVLRQHVHQ
VX JHVWLyQ S~EOLFD DO HVWLPDU LQWHJUDOPHQWH ODV FRQVHFXHQFLDV SUR\HFWXDOHV GH SRWHQFLDOHV
WRPDVGHGHFLVLRQHV
$VtYHFWRUHV\UDVWHUHPHUJHQFRPRORVUHFXUVRVLQIRUPDFLRQDOHVEiVLFRVHQORVFXDOHVODVGLVWLQWDV
KHUUDPLHQWDVGHODJHRPiWLFD'DERUGDQODUHSUHVHQWDFLyQ\HODQiOLVLVWHUULWRULDO
(OHQIRTXHLQIRQyPLFR
/D JHVWLyQ WHUULWRULDO DFWXDO UHTXLHUH OD FRPSUHQVLyQ GH ODV LQFLGHQFLDV GH ODV WHFQRORJtDV GH OD
LQIRUPDFLyQ HQ OD HILFLHQFLD HFRQyPLFD LPSOLFDGD HQ WRPDV GH GHFLVLRQHV HQ SODQLILFDFLyQ \
RUGHQDPLHQWRWHUULWRULDO(VWDJHVWLyQLQWHOLJHQWHGHODLQIRUPDFLyQLQYROXFUDQGRDVSHFWRVGHFRVWRV
\ EHQHILFLRV LPSOtFLWRV HQ FDGD SURFHVR LQIRUPiWLFR HV XQ HQIRTXH GLVFLSOLQDU FRQRFLGR FRPR
LQIRQRPtD
³'H OD PLVPD IRUPD TXH OD HFRQRPtD SHUVLJXH OD FRPSUHQVLyQ GH FyPR VH SXHGHQ
JHVWLRQDU PHMRU ORV ELHQHV HFRQRPtD DGPLQLVWUDFLyQ GH ORV ELHQHV OD ,QIRQRPtD
SUHWHQGH GDU D LQGLYLGXRV \ RUJDQL]DFLRQHV LGHDV \ PpWRGRV SDUD HO PHMRU XVR GH OD
LQIRUPDFLyQ,QIRQRPtD JHVWLyQGHODLQIRUPDFLyQ´5RV\0DWHR
/D LQIRQRPtD HV XQ HQIRTXH HQ SOHQR GHVDUUROOR TXH DERUGD iUHDV FRPR OD ³HFRQRPtD GHO
FRQRFLPLHQWR´ OD RUJDQL]DFLyQ FRPR VLVWHPD GH LQIRUPDFLyQ ODV OH\HV GH OD LQIRUPDFLyQ OD
E~VTXHGDGHUHOHYDQFLDFRPRHQHUJtDLQIRUPDFLRQDOHOFRQRFLPLHQWRFRPRYDORUHOQHJRFLRGHOD
FRPSUHQVLyQ,QWHUQHWFRPRIDFWRUGHWUDQVIRUPDFLyQHQORVQHJRFLRVSROtWLFDVGHLQIRUPDFLyQOD
IRUPDFLyQ GHO QXHYR SURIHVLRQDO GH OD LQIRUPDFLyQ \ OD WHRUtD JHQHUDO GH OD LQIRUPDFLyQ 5RV \
0DWHR
/DSODQLILFDFLyQXUEDQDORFDOXVXDOPHQWHLPSOLFDSURFHVRVTXHLQYROXFUDQDWpFQLFRVSODQLILFDGRUHV
HQWHV S~EOLFRV \ DFWRUHV GHO GHVDUUROOR XUEDQR /D LQFOXVLyQ GH OD JHRPiWLFD FRPR JXLDWXUD
LQVWUXPHQWDO GH SUR\HFWRV XUEDQRV LPSOLFD OD DGRSFLyQ GH OD OODPDGD DGPLQLVWUDFLyQ HOHFWUyQLFD
FRPR ³FROHFFLyQ GH SURFHVRV SROtWLFDV UROHV \ KHUUDPLHQWDV TXH MXQWDV SHUPLWHQ D XQD
RUJDQL]DFLyQ´ HO PDQHMR GH VXV FDSDFLGDGHV LQIRUPiWLFDV OD RUJDQL]DFLyQ GH ODV DFWLYLGDGHV
LQIRUPiWLFDVEDMRXQDLQWHQFLyQFRUSRUDWLYDHOPRQLWRUHRGHOGHVHPSHxRDSURSLDGRGHVXVVLVWHPDV
LQIRUPDFLRQDOHV UHGXFLU HO ULHVJR GH HUURUHV FRVWRVRV HQ WRPDV GH GHFLVLRQHV \ OD GHWHFFLyQ \
FRUUHFFLyQGHSUREOHPDVLQIRUPDFLRQDOHV7RRPH\
(VDVtFRPRHOHQIRTXHLQIRQyPLFRGHODSUR\HFWDFLyQXUEDQDUHTXLHUHODFRQVLGHUDFLyQHTXLOLEUDGD
GH ODV UHDOHV QHFHVLGDGHV LQIRUPDFLRQDOHV TXH GHPDQGD HO HVWXGLR GH XQ SUREOHPD HQ SDUWLFXODU
HQIRFiQGRVHHQHOXVRHILFLHQWHGHODVKHUUDPLHQWDVGHLQIRUPDFLyQHODSURYHFKDPLHQWRLQWHJUDOGH
ODV IXHQWHV GH LQIRUPDFLyQ GLVSRQLEOHV HO LQYROXFUDPLHQWR GH ORV DFWRUHV DIHFWDGRV SRU ODV
GHFLVLRQHVSRWHQFLDOHVFRQHODSR\RGHWHFQRORJtDVGHLQIRUPDFLyQ\ODHVWLPDFLyQHFRQyPLFDGH
FDGDXQDGHODVDFWLYLGDGHV\GHFLVLRQHVREMHWRGHODSODQLILFDFLyQ
$VLPLVPR HO HQIRTXH SUHWHQGH GDU HO Pi[LPR DSURYHFKDPLHQWR LQIRUPDFLRQDO D ORV GDWRV
DFFHVLEOHV VREUH XQD UHDOLGDG GDGD LQFRUSRUDQGR DQiOLVLV FXDOLWDWLYRV \ FXDQWLWDWLYRV HQ ' \ '
DMXVWDGRV D OD QDWXUDOH]D GH OD LQIRUPDFLyQ \ DGPLQLVWUDQGR OD LQFHUWLGXPEUH GH OD LQIRUPDFLyQD
WUDYpV GH SURFHVRV HVWRFiVWLFRV H LQWXLWLYRV HQIRFDGRV VLHPSUH EDMR XQD YLVLyQ XWLOLWDULVWD \
SUDJPiWLFDGHODVWpFQLFDVGHSURFHVDPLHQWR
/DYLVLyQDQWUySLFDGHOWHUULWRULR
6LELHQHOVLJOR;;VHLQLFLyFRQODLQWURGXFFLyQGHODOODPDGDJHRJUDItDKXPDQDTXHLQFOXtD³OD
JHRJUDItDGHODVSULPHUDVQHFHVLGDGHVYLWDOHVODJHRJUDItDGHODH[SORWDFLyQGHODWLHUUDODJHRJUDItD
HFRQyPLFD\VRFLDODVtFRPRODJHRJUDItDSROtWLFD\ODJHRJUDItDGHODKLVWRULD´%UXQKHVIXH
WUDV HO VXUJLPLHQWR GH OD HFRORJtD GHO SDLVDMH D ILQDO GH ORV DxRV FXDQGR HO FRQFHSWR GH
JHRVLVWHPDHPSH]yDYHUVHGHPDQHUDHFOpFWLFDFRPELQDQGRODYLVLyQKHUPHQpXWLFDFRQHODQiOLVLV
QHRSRVLWLYLVWD $Vt OD JHRJUDItD HPSH]y D LQWHUSUHWDU DO SDLVDMH FRPR FRQIOXHQFLD GH HOHPHQWRV
DELyWLFRVELyWLFRV\DQWUySLFRV
$175Ï3,&2 $17523,=$5 $17523,=$'2 9RFDEXODULR EiVLFR VRQ VLQyQLPRV GH
KXPDQL]DGR/DSDODEUDDQWURSRVVLJQLILFDKRPEUHHQJULHJR8QSDLVDMHDQWUySLFRSRUOR
WDQWR HV XQSDLVDMH FUHDGR R WUDQVIRUPDGR SRU OD PDQR GHOVHU KXPDQR< HVTXH HOVHU
KXPDQRSXHGHDQWURSL]DUFXDOTXLHUWHUULWRULRHVGHFLUGDUOHXQDVFDUDFWHUtVWLFDVSURSLDV
6RULDQR
(Q ORV ~OWLPRV DxRV OD SURIXQGL]DFLyQ GH OD DSUHFLDFLyQ VLVWpPLFD GHO SODQHWD D WUDYpV GH OD
JHRPiWLFD VH KD FRPELQDGR FRQ OD H[SDQVLyQ GH OD OODPDGD VRFLHGDG GHO FRQRFLPLHQWR (VWRV
IDFWRUHV KDQ YHQLGR GHVGLEXMDQGR ODV GLIHUHQFLDV HVWDEOHFLGDV VREUH ORV UHTXHULPLHQWRV GH ODV
FRPXQLGDGHVKXPDQDVGHDFXHUGRDVXXELFDFLyQHQFHQWURVSREODFLRQDOHVRHQGLVSHUVLRQHVUXUDOHV
$VtHOHQIRTXHDQWUySLFRDQDOL]DORVGLIHUHQWHVPRGRVGHXVR\RFXSDFLyQGHOWHUULWRULRTXHKDFHHO
KRPEUH EDMR HO LQWHUpV GH PLQLPL]DU OD OODPDGD GHVLJXDOGDG VRFLRWHUULWRULDO UHFRQVLGHUDQGR OD
XUEDQL]DFLyQGHORVHVSDFLRVUXUDOHVHLQYROXFUDQGRHOSDUDGLJPDGHODVRVWHQLELOLGDGDSDUWLUGHO
FRQRFLPLHQWRGHORVULHVJRVHLPSDFWRVDPELHQWDOHV
/D VXVWLWXFLyQ GHO FRQFHSWR GH ³HVWXGLRV XUEDQRV´ SRU HO GH ³HVWXGLRV DQWUySLFRV´ FRQVLGHUD GH
PDQHUD PiV IOH[LEOH \ SURIXQGD ODV UHODFLRQHV HVSDFLDOHV TXH HVWDEOHFHQ ODV DFWLYLGDGHV KXPDQDV
VREUH HO WHUULWRULR VXSHUDQGR OD VHJPHQWDFLyQ IXQFLRQDO GHO HVSDFLR XUEDQL]DGR WUDGLFLRQDO ³OR
UXUDO´ FRPR RSXHVWR D ³OR XUEDQR´ SRU OD PXOWLIXQFLRQDOLGDG SURSLD GH ORV QXHYRV PRGRV GH
RFXSDFLyQWHUULWRULDO&RQHOORODVQHFHVLGDGHVGHOKRPEUHGHFDPSRGHEHQ\SXHGHQVHUVDWLVIHFKDV
GHODPLVPDPDQHUDTXHODVGHOKRPEUHPHWURSROLWDQRGHELHQGRDWHQGHUVHQHFHVLGDGHVHVSDFLDOHV
FRQ OD PLVPD SULRULGDG D XQR \ D RWUR /D HGXFDFLyQ D GLVWDQFLD HO WHOHWUDEDMR ORV VHUYLFLRV GH
LQIRUPDFLyQVDWHOLWDOODWHOHPHGLFLQDODVFRPSUDVSRU,QWHUQHWVRQVyORDOJXQDVGHODVDOWHUQDWLYDV
TXHKDFHQXELFXDODSRVLELOLGDGGHVDWLVIDFHUODVQHFHVLGDGHVKXPDQDVLQFOXVRHQVLWLRVDSDUWDGRV
GHFHQWURVXUEDQRV
$O PLVPR WLHPSR HVWH FDPELR GH HQIRTXH GHVGLEXMD OD GHVDUWLFXODFLyQ HQWUH XUEDQLVWD JHyJUDIR
DJUyQRPRPLQHUR\RWURVWpFQLFRVDERFDGRVDODQiOLVLVGHODSURYHFKDPLHQWRGHUHFXUVRVQDWXUDOHV
SDUD DVt GHPDQGDU XQ QXHYR HQIRTXH WUDQVGLVFLSOLQDULR \ WULGLPHQVLRQDO RULHQWDGR KDFLD OD
VRVWHQLELOLGDGWHUULWRULDO\SRUWDQWRXQQXHYRSURIHVLRQDOIRUPDGREDMRWDOFRQFLHQFLD
(OQXHYRSURIHVLRQDOJHRHVSDFLDO
3HVHDTXHHOXVRGHODVKHUUDPLHQWDVGHSURFHVDPLHQWRLQIRUPiWLFRGHLQIRUPDFLyQJHRJUiILFDVH
LQLFLyDILQHVGHORVDxRVHOVLJOR;;FXOPLQyFRQXQSURFHVRHQHOTXHODGLIXVLyQGHOFRQFHSWR
GH VRVWHQLELOLGDG IXH DPSOLDPHQWH UHVSDOGDGR SRU HO UiSLGR GHVDUUROOR GH ORV VLVWHPDV GH
LQIRUPDFLyQ JHRJUiILFDODOLEHUDFLyQGH ORV VLVWHPDV GH SRVLFLRQDPLHQWR JOREDOSDUD XVR FLYLO HO
DEDUDWDPLHQWRGHODVVROXFLRQHVLQIRUPiWLFDV\HODFFHVRDLPiJHQHVVDWHOLWDOHV,QWHUQHWDFRJLyHO
ODQ]DPLHQWR GH OD FDUWRJUDItD HQ OtQHD OD GHVFDUJD OLEUH GH FROHFFLRQHV GH LPiJHQHV \ OD QXHYD
FRPSHWLWLYLGDG DOWUXLVWD GH VROXFLRQHV GH VRIWZDUH GH FyGLJR DELHUWR HYROXFLyQ pVWD TXH HQ ODV
SRVWULPHUtDVGHODSUHVHQWHGpFDGDVHKDFRPELQDGRFRQODWHFQRORJtDPyYLO'\HODFFHVRXEtFXR
LQDOiPEULFR
&R\XQWXUDVUHFLHQWHVFRPRHO+XUDFiQ.DWULQDLQWURGXMHURQDPXFKRVPLOORQHVGHSHUVRQDVHQWRGR
HO PXQGR HQ HO XVR iJLO GH ODV LPiJHQHV VDWHOLWDOHV ORV VLVWHPDV GH LQIRUPDFLyQ JHRJUiILFD \ OD
YLVXDOL]DFLyQ WHUULWRULDO HQ WUHV GLPHQVLRQHV JUDFLDV DO ODQ]DPLHQWR GHO VHUYLFLR HQ OtQHD *RRJOH
(DUWK0iVDOOiGHORWpFQLFRHOLPSDFWRGHODJOREDOL]DFLyQIDFLOLWDDVtXQDFRQFLHQFLDSODQHWDULDGH
QXHVWUR HVSDFLR XUEDQR VXMHWR D SUREOHPDV VLVWpPLFRV FRPR HO FDOHQWDPLHQWR JOREDO \ OD
PXOWLSRODULGDGGHORVPHUFDGRVILQDQFLHURV
$Vt HO JHRGHVWD WUDGLFLRQDO DVLVWLGR SRU ODV WpFQLFDV GH OD WRSRJUDItD \ HO JHyJUDIR WUDGLFLRQDO
IRUPDGR SDUD OD REVHUYDFLyQ HVWHUHRVFySLFD GH DHURIRWRJUDItDV HVWiQ YLHQGR DIHFWDGR
SURIXQGDPHQWH MXQWR FRQ RWURV SURIHVLRQDOHV HO SHUILO GH VXV FRPSHWHQFLDV ODERUDOHV EDMR OD
H[LJHQFLD GHO GRPLQLR GH FRQRFLPLHQWRV \ GHVWUH]DV HQ KHUUDPLHQWDV JHRPiWLFDV $VLPLVPR \ HQ
HVWHSDQRUDPDODODERUTXHKDFHXQRVDxRVHUDFRPSHWHQFLDH[FOXVLYDGHSURJUDPDGRUHVJHyJUDIRV
\JHRItVLFRVFDGDGtDFRQVWLWX\HDXQPiVXQUHFXUVRLQHYLWDEOHSDUDFXDOTXLHUSURIHVLRQDOTXHHQVX
ODERU KDELWXDO GHED DERUGDU SUREOHPDV WHUULWRULDOHV GHVGH XUEDQLVWDV \ VRFLyORJRV SDVDQGR SRU
DJUyQRPRV \ ELyORJRV PDULQRV KDVWD FRPXQLFDGRUHV VRFLDOHV \ DERJDGRV ,QFOXVR LQLFLDWLYDV
GHVDUUROODGDV HQ WRGR HO PXQGR KDQ YHQLGR DERUGDQGR HQ OD HGXFDFLyQ HVFRODU OD VXVWLWXFLyQ
FXUULFXODU GH OD HQVHxDQ]D GH OD JHRJUDItD WUDGLFLRQDO SRU QXHYRV HVWXGLRV GHO SDLVDMH EDMR HO
HQWRUQRGHODVKHUUDPLHQWDVJHRLQIRUPiWLFDV(MHPSORVFRPRHOSURJUDPD(65,.HQORV((88
\RWURVSDtVHV\OD*,#6FKRROHQ$OHPDQLDSUHWHQGHQLQWURGXFLUDOHVWXGLDQWHHQHOXVRGHFLHQFLDV
JHRLQIRUPiWLFDV DFWXDOL]DGDV QR VyOR SRU FDSDFLWDFLyQ HVSHFtILFD VLQR SDUD WDPELpQ DSR\DU RWUDV
GLVFLSOLQDVGHVXIRUPDFLyQHVFRODU%DUWRVFKHNHWDOW
³(O iUHD GH OD WHFQRORJtD JHRHVSDFLDO YLQFXODGD D HVSHFLDOLGDGHV SURIHVLRQDOHV FRPR OD
LQJHQLHUtD PHGLRDPELHQWDO FDUWRJUDItD GLJLWDO IRWRPHWUtD JHRFLHQWtILFRV LQJHQLHUtDV
LQGXVWULDOHV \ HOpFWULFDV DHURHVSDFLDOHV WRGR HOOR FRPELQDGR FRQ HO FRQRFLPLHQWR
QHFHVDULR GH OD LQIRUPiWLFD YD D JHQHUDU XQ YROXPHQ LPSRUWDQWH GH RFXSDFLRQHV QXHYDV
YLQFXODGDVDORVQLYHOHVPiVHOHYDGRVGHGHVDUUROORHLQQRYDFLyQ´$PRU
(QUHVSXHVWDDHVWDUHDOLGDGWRGRVORVGtDVVXUJHQHQWRGRHOPXQGRQXHYDVRSFLRQHVIRUPDWLYDVHQ
ODJHRPiWLFDHQSULQFLSLRFRPRWLWXODFLRQHVHVSHFLDOL]DGDVDQLYHOGHSRVWJUDGRSHURFRQQXHYDV
SURSXHVWDV D QLYHO GH SUHJUDGR HQ LQJHQLHUtD JHRHVSDFLDO (Q HVWH VHQWLGR SURSXHVWDV FRPR OD
/LFHQFLDWXUDHQ&LHQFLD\7HFQRORJtDGHOD,QIRUPDFLyQ*HRJUiILFD&7,*86*,6VRQ
XQ FODUR HMHPSOR GH UHVSXHVWD DFDGpPLFD DO FUHFLHQWH GpILFLW GH SURIHVLRQDOHV FHQWUDGRV HQ HO
GRPLQLRGHODVFLHQFLDVJHRHVSDFLDOHVHQVXVP~OWLSOHVGLPHQVLRQHVHVSDFLDOHV\WHPSRUDOHV
([SHULHQFLDVHQHO,)$'/8=HQHOiPELWR'
+DFLD2FWXEUHGHHOHQWRQFHV&HQWURGH,QYHVWLJDFLRQHV8UEDQDV\5HJLRQDOHV&,85GHOD
8QLYHUVLGDG GHO =XOLD HQWUHJDED D &RUSR]XOLD HO LQIRUPH ILQDO GHO SULPHU WUDEDMR UHDOL]DGR HQ
$PpULFD /DWLQD HPSOHDQGR ORV OODPDGRV VLVWHPDV GH FDUWRJUDItD DXWRPiWLFD 3pUH] GHVDUUROODGRVJUDFLDVDOXVRGHFRVWRVRVHTXLSRVLQIRUPiWLFRVDGTXLULGRVHQ\FRQWDQGRFRQOD
DVHVRUtDSHUVRQDOGHOFLHQWtILFRDPELHQWDO-DFN'DQJHUPRQG(O$UTXLWHFWR5DPyQ3pUH]TXHKDEtD
FRLQFLGLGR FRQ 'DQJHUPRQG WUDV VXV HVWXGLRV VREUH DUTXLWHFWXUD GHO SDLVDMH HQ OD 8QLYHUVLGDG GH
3HQVLOYDQLDIXHDVXUHJUHVRD9HQH]XHODHOLPSXOVRULQLFLDOGHHVWDWHFQRORJtDOOHYiQGRORLQFOXVRD
LQVWLWXFLRQDOL]DUHVWDLQLFLDWLYDDWUDYpVGHODFUHDFLyQHQQXHVWUD)DFXOWDGKDFLDGHO,QVWLWXWR
GH,QYHVWLJDFLRQHVHQ$UTXLWHFWXUD\6LVWHPDV$PELHQWDOHV,6$
'XUDQWH ORV DxRV EDMR ODV RULHQWDFLRQHV GHO SHQVDPLHQWR GH ORV XUEDQLVWDV .HYLQ /\QFK 7KH
LPDJHRIWKHFLW\,DQ0F+DUJ'HVLJQZLWK1DWXUH\-XUHN.R]ORZVNL7KUHVKROG
$QDO\VLV\FRQHOXVRGHUHFLpQFUHDGRVVRIWZDUHGHVLVWHPDVGHLQIRUPDFLyQJHRJUiILFDVH
DERUGDURQ P~OWLSOHV H[SHULHQFLDV TXH SDUD FRQYHUJLHURQ HQ OD FRQWUDWDFLyQ GHO 3ODQ GH
'HVDUUROOR 8UEDQR GH 0DUDFDLER (Q WDO SUR\HFWR VH DERUGy OD JHQHUDFLyQ GH XQ PRGHOR GH
VLPXODFLyQ ELGLPHQVLRQDOGHO IXQFLRQDPLHQWR VLVWpPLFR GH QXHVWUD FLXGDG TXH IDFLOLWDUtDOD QXHYD
JHVWLyQPXQLFLSDOVXUJLGDFRQODGHVFHQWUDOL]DFLyQLQLFLDGDHQ
'XUDQWHORVDxRVHODKRUD,QVWLWXWRGH,QYHVWLJDFLRQHV,)$'DERUGyHOGHVDUUROORGHP~OWLSOHV
VLVWHPDVGHLQIRUPDFLyQJHRJUiILFDHQHOiPELWRGHORVLQYHQWDULRVLQPRELOLDULRVORVVLVWHPDVGH
DSR\RDOGLDJQyVWLFRGHUHGHVGHVHUYLFLR\ODSODQLILFDFLyQXUEDQDORFDO(OLQVWLWXWRIRUWDOHFLyDVt
VX LQIUDHVWUXFWXUD GH GDWRV HVSDFLDOHV \ VXV UHFXUVRV LQIRUPiWLFRV SDUD HO SURFHVDPLHQWR GH
LQIRUPDFLyQJHRJUiILFD(QHVWRVSUR\HFWRVVHLQFRUSRUDURQH[SHULHQFLDVHQODUHSUHVHQWDFLyQ'
FRQWpFQLFDV&$'\PXOWLPHGLDTXHVLELHQQRSHUWHQHFtDQHQVtDOPXQGRGHODJHRLQIRUPiWLFDVL
SHUPLWtDQ DSUHFLDU ODV SRWHQFLDOLGDGHV DQDOtWLFDV \ GH UHSUHVHQWDFLyQ GH ODV WpFQLFDV ' SDUD HO
DQiOLVLVXUEDQR\WHUULWRULDO
$Vt HO LQLFLR GHO VLJOR ;;, SODQWHy QXHYRV UHWRV DVt FRPR KHUUDPLHQWDV ' SDUD DIURQWDUORV
LQVFULWRVGHQWURGHORV\DPHQFLRQDGRVSULQFLSLRVGHOWUDEDMRJHRLQIRUPDFLRQDO/DDSOLFDFLyQGHOD
VLPXODFLyQ WULGLPHQVLRQDO HQ SUR\HFWRV GHO ,)$' GHVGH HO VH KD HQPDUFDGR GHQWUR GH GRV
JUDQGHVUXEURVGHDSOLFDFLyQ
x ' SDUD UHSUHVHQWDFLyQ HO XVR GH PRGHORV GLJLWDOHV GH HOHYDFLyQ \D VHD REWHQLGRV SRU
VHQVRUHV UHPRWRV R JHQHUDGRV D WUDYpV GH OD GLJLWDOL]DFLyQ GH FXUYDV GH QLYHO UHJLVWUDGDV HQ
SODQRVWHUULWRULDOHVKDVLGRFRPELQDGRFRQODJHQHUDFLyQGHYROXPHWUtDVXUEDQDVDSDUWLUGHORV
FRQWRUQRV GH HGLILFLRV \ iUHDV DUERODGDV HQ SODQRV GLJLWDOHV WRGR HOOR SDUD JHQHUDU PRGHORV
WULVLPHQVLRQDOHV GH WHUULWRULRV FLXGDGHV R VHFWRUHV XUEDQRV H[LVWHQWHV R SURSXHVWRV SDUD
H[SUHVDUGHPDQHUDPiVDVHUWLYD\HVFODUHFHGRUDHVWXGLRVGHSUHIDFWLELOLGDGXUEDQDRSUR\HFWRV
DUTXLWHFWyQLFRVHVSHFtILFRV
x 'SDUDDQiOLVLVODSULQFLSDODSOLFDFLyQGHO'DQDOtWLFRKDVLGRHQHOHVWXGLRGHODVXSHUILFLH
GHXQWHUULWRULRSDUWLFXODUPHQWHFRQVLGHUDQGRODGLQiPLFDKLGUROyJLFDGHXQiUHDGHWHUPLQDGD
(O DQiOLVLV GH ODV SHQGLHQWHV GHULYDGDV GHO UHOLHYH SHUPLWH FRQVLGHUDU HQWUH RWUDV FRVDV ODV
PDJQLWXGHV \ GLUHFFLRQHV GH HVFRUUHQWtDV VXSHUILFLDOHV GH DJXD GH OOXYLD FRQVLGHUDQGR OD
LPSHUPHDELOLGDGGHOVXHORXUEDQL]DGR'LFKDVHVFRUUHQWtDVGHWHUPLQDQiUHDVLQXQGDEOHV]RQDV
FRQSRWHQFLDOGHDJXDVVXEWHUUiQHDVERVTXHVIOXYLDOHVTXHUHTXLHUHQVHUSURWHJLGRVSHQGLHQWHV
GHGHVODYHVIUHQWHVWRSRJUiILFRVVXMHWRVDGHVHFDPLHQWRSRUYLHQWRVGHEDUORYHQWRRVRWDYHQWR
iUHDVGHXVRUHFUHDFLRQDORGHSURWHFFLyQ
)LJXUD([SHULHQFLDVHQHOXVRGHJHRPiWLFD'HQiUHDVRFXSDGDV'LQiPLFDKLGUROyJLFDGH$%5$(L]TXLHUGD
$VHQWDPLHQWRLUUHJXODUGHSREODFLyQLQGtJHQDGHUHFKD
'HHVWDPDQHUDHOPRGHODMHWULGLPHQVLRQDOHQSUR\HFWRVGHSODQLILFDFLyQKDSHUPLWLGRGHWHUPLQDU\
FXDQWLILFDUULHVJRVGHULYDGRVGHODDIHFWDFLyQGHOUHOLHYHDFLHUWRVPRGRVDQWUySLFRVGHRFXSDFLyQ
GHOWHUUHQR\YLFHYHUVDHVGHFLUHOLPSDFWRDPELHQWDOGHODVDFWLYLGDGHVKXPDQDVSDUWLFXODPHQWH
HQ UHIHUHQFLD D OD RFXSDFLyQ XUEDQD (O UHFRQRFLPLHQWR DQDOtWLFR GH OD GLQiPLFD KLGUROyJLFD HQ
YLUWXGGHFDPELRVFOLPiWLFRVUHJLVWUDGRVHQXQWHUULWRULRGHWHUPLQDGRWDPELpQKDSHUPLWLGRREWHQHU
XQD YLVLyQ SURVSHFWLYD GH FLHUWDV UHDOLGDGHV DPELHQWDOHV ILJXUD $GHPiV OD UHSUHVHQWDFLyQ
WULGLPHQVLRQDO GH HVFHQDULRV DOWHUQDWLYRV GH GHVDUUROOR XUEDQR \ WHUULWRULDO VH KD FRQVWLWXLGR HQ
KHUUDPLHQWDIXQGDPHQWDOSDUDIDFLOLWDUODGLVFXVLyQHYDOXDFLyQ\WRPDGHGHFLVLRQHVHQSURSXHVWDV
GHGLVHxR\RUGHQDFLyQILJXUD
)LJXUD([SHULHQFLDVHQHOXVRGHJHRPiWLFD'HQQXHYRVSUR\HFWRV1XHYDFRPXQLGDGUXUDOGHO033$7
L]TXLHUGD3UR\HFWRGHFRPSOHMRXUEDQRGHUHFKD
5HIOH[LyQILQDO
3HVHDODFRQVLGHUDFLyQGHHVWRVQXHYRVSULQFLSLRVGHORVHVWXGLRVJHRHVSDFLDOHV\ODVHVWUDWHJLDV
DGRSWDGDV GHVGH OD 8QLYHUVLGDG GHO =XOLD SDUD LQFRUSRUDU HO ' HQ SUR\HFWRV XUEDQRV ORFDOHV
H[LVWHQ SUREOHPDV UHFXUUHQWHV D~Q QR UHVXHOWRV PXFKR PiV DOOi TXH SRVLELOLGDGHV WpFQLFDV HQ
LQIRUPDFLyQJHRJUiILFDD~QHQGHVDUUROOR0XFKRVSUR\HFWRVJHRLQIRUPDFLRQDOHVXQDYH]TXHKDQ
VLGRSUHSDUDGRVH[LWRVDPHQWHKDQQDXIUDJDGRHQHOVHQRGHVXVRUJDQLVPRVS~EOLFRVFRQWUDWDQWHV
SRU OD GLVFRQWLQXLGDG DGPLQLVWUDWLYD HO FHOR LQVWLWXFLRQDO TXH LPSLGH OD LQWHJUDFLyQ
LQWHULQVWLWXFLRQDO\ODUiSLGDREVROHVFHQFLDGHODLQIRUPDFLyQDFRSLDGD&RQVLGHUDQGRHVWRV\RWURV
SRVLEOHV IDFWRUHV TXH KDQ UHWUDVDGR OD LQFRUSRUDFLyQGHILQLWLYD GHOD JHRPiWLFDFRPR KHUUDPLHQWD
KDELWXDOHQORVSURFHVRVGHWRPDGHGHFLVLRQHVGHODIXQFLyQS~EOLFDVHKDFHQHFHVDULRDGRSWDURWUDV
HVWUDWHJLDVHQORVSURSLRVSURFHVRVGHJHVWLyQLQVWLWXFLRQDOGHORVVLVWHPDV4XL]iVDOJXQDVGHODV
VROXFLRQHVHPHUMDQGHORVSURFHVRVGHHPSRGHUDPLHQWRFLXGDGDQRGHODJHVWLyQS~EOLFDSRUORFXDO
ODFRQWLQXLGDGHQHOIXQFLRQDPLHQWRGHVLVWHPDVJXEHUQDPHQWDOHVGHLQIRUPDFLyQVHSXHGHDSR\DU
HQ OD H[SHFWDWLYD H[LJHQWH \ SHUPDQHQWH GH ODV FRPXQLGDGHV $Vt WRGD OD FLHQFLD JHRHVSDFLDO VH
FRQYLHUWH HQ VXEGLVFLSOLQD GHO JRELHUQR HOHFWUyQLFR \ OD SDUWLFLSDFLyQ FLXGDGDQD D WUDYpV GH
WHFQRORJtDVGHLQIRUPDFLyQRSFLyQpVWDTXHHVWiVLHQGRHPHUJHQWHPHQWHUHVSRQGLGDDWUDYpVGHORV
OODPDGRV6,*SDUWLFLSDWLYRVHLQLFLDWLYDVTXHFRPSDUWHQVRIWZDUHFRUSRUDWLYRSURSLHWDULR\VRIWZDUH
OLEUHVRFLDO
'HVGH HO ,QVWLWXWR GH ,QYHVWLJDFLRQHV ,)$' HO DERUGDMH GH HVWRV HQIRTXHV HVWUDWpJLFRV HQ ORV
SUy[LPRV DxRV FDQDOL]DQGR HO GHVDUUROOR GLVFLSOLQDU GH OD JHRPiWLFD FRPR FLHQFLD GH OD
VRVWHQLELOLGDG DPELHQWDO QDWXUDO \ VRFLDO \ OD LQFRUSRUDFLyQ QR VyOR GHO ' VLQR LQFOXVR GH OD
FXDUWDGLPHQVLyQDVRFLDGDDODGLQiPLFDWHPSRUDOLPSOLFDUiP~OWLSOHVUHWRVLQVFULWRVGHQWURGHOD
PLVLyQLQVWLWXFLRQDOGHODXQLYHUVLGDGS~EOLFDYHQH]RODQDHQHOPDUFRGHOGHVDUUROORLQWUDFLHQWtILFR
LQWHUQDFLRQDO\H[WUDFLHQWtILFRKXPDQRQDFLRQDO
$JUDGHFLPLHQWR
6HDJUDGHFHDWRGRVORVFRPSDxHURVSUHVHQWHV\SDVDGRVGHO,QVWLWXWRGH,QYHVWLJDFLRQHV,)$'\VXV
JpQHVLVLQVWLWXFLRQDOHV&,85,6$H,)$SRUWRGRVORVDSRUWHVHSLVWHPROyJLFRV\PHWRGROyJLFRV
DERUGDGRV HQ HVWH GRFXPHQWR JUDFLDV D VXV WUDEDMRV GH YLGD HQ HO iPELWR GH OD DFDGHPLD
XQLYHUVLWDULD
5HIHUHQFLDV
x $PRU ( (O WUDEDMR GHO IXWXUR XQD YLVLyQ JHQHUDO (GXFD:HE (GXFDRQOLQH 6/
9DOHQFLD
(VSDxD
5HFXSHUDGR
HQ
KWWSZZZHGXFDZHEFRP(GXFD1HZVLQWHUIDFHDVSZHE1RWLFLHV0RVWUDUDVS"1RWLFLD,' 6HFFLR,' x %DUWRVFKHN7*XQGHOVZHLOHU*%UR[&*,#6FKRRO*,(GXFDWLRQDQG0DUNHWLQJDW
+LJK 6FKRROV 3URFHHGLQJV RI WKH WK $*,/( ,QWHUQDWLRQDO &RQIHUHQFH RQ *HRJUDSKLF
,QIRUPDWLRQ 6FLHQFH $DOERUJ 8QLYHUVLW\ 'HQPDUN 5HFXSHUDGR HQ
KWWSZZZSODQDDXGNaHQF$*,/(3')B3')SGI
x %HUWDODQII\ /XGZLQ YRQ *HQHUDO 6\VWHP WKHRU\ )RXQGDWLRQV 'HYHORSPHQW
$SSOLFDWLRQV1HZ<RUN*HRUJH%UD]LOOHUUHYLVHGHGLWLRQ,6%1
x %UXQKHV - *HRJUDItD +XPDQD %DUFHORQD -XYHQWXG %581+(6 - /D JpRJUDSKLH
KXPDLQH(VVDLGHFODVVLILFDWLRQSRVLWLYH3ULQFLSHVHWH[HPSOHV$OFDQ3DULV
x +LVWRU\ RI 0DSV _ 0LOHVWRQHV RI *,6 _ /LQNV RI ,QWHUHVW *,6GHYHORSPHQWQHW 1RLGD ,QGLD
5HFXSHUDGRHQKWWSZZZJLVGHYHORSPHQWQHWKLVWRU\
x .R]ORZVNL - 7KUHVKROG $QiOLVLV /RQGRQ $UFKLWHFWXUDO 3UHVV 1HZ <RUN +DOVWHG
3UHVV5HIHULGRHQKWWSZZZZRUOGFDWOLEUDULHVRUJZFSDWRSPVHW
x /\QFK.7KH,PDJHRIWKH&LW\0,73UHVV&DPEULGJH0$9HUVLyQFDVWHOODQD
/D LPDJHQ GH OD FLXGDG (GLFLRQHV ,QILQLWR %XHQRV $LUHV 5HIHULGR HQ
KWWSERRNVJRRJOHFRPERRNV"LG BSK53:V6S$J&SULQWVHF IURQWFRYHUGT 7KH,PDJHRI
WKH&LW\KO HVVLJ =93Y[I8KRX(&\L4O/,
x 0F+DUJ ,DQ 'HVLJQ :LWK 1DWXUH 1HZ <RUN 1DWXUDO +LVWRU\ 3UHVV *DUGHQ &LW\

HGLFLyQ
-RKQ
:LOH\
6RQV
5HIHULGR
HQ
KWWSERRNVJRRJOHFRPERRNV"LG V,%]+J$$&$$-GT 'HVLJQZLWK1DWXUHKO HV
x 24/) *pRPDWLTXH 2IILFH TXpEpFRLV GH OD ODQJXH IUDQoDLVH 4XpEHF &DQDGD 5HFXSHUDGRHQKWWSZZZRTOIJRXYTFFDUHVVRXUFHVJGWKWPO
x 3pUH]5&RQIHUHQFLD,QDXJXUDO*UDEDFLyQGHDXGLR&RQIHUHQFLD1DFLRQDOGH6LVWHPDV
GH ,QIRUPDFLyQ *HRJUiILFD &6,* 8QLYHUVLGDG GHO =XOLD 0DUDFDLER 5HIHULGR HQ
KWWSZZZDUTOX]HGXYHFVLJ
x 5RV 0 0DWHR 0 ¢4Xp HV OD ,QIRQRPtD" %ORJ (O GRFXPHQWDOLVWD (QUHGDGR GH
6HSWLHPEUH GH 5HFXSHUDGR HQ KWWSZZZGRFXPHQWDOLVWDHQUHGDGRQHWTXHHVOD
LQIRQRPLD
x 6RULDQR 0DUWt ) *ORVDULR GH WpUPLQRV JHRJUiILFRV 3UR\HFWRV GH PHMRUD HGXFDWLYD
8QLGDG GH 6RSRUWH (GXFDWLYR 86( 8QLYHUVLWDW -DXPH , 0LPHR 3XEOLFDGR HQ
KWWSZZZDJKXMLHV*/26$5,2GRF
x 7RRPH\ 0 :KDW LV ,7 *RYHUQDQFH" ,QIRQRPLFV 3W\ /WG 5HFXSHUDGR HQ
KWWSZZZLQIRQRPLFVFRPDXZKDWBLVBLWBJRYHUQDQFHKWP
Identificación mediante el uso de sensores remotos y sistemas de
información geográfica de paisajes con diferentes niveles de
endemicidad para oncocercosis en el
Foco Sur de Venezuela
Botto C.1,2 , Suarez L.3, Escalona M.2 , Villamizar N.2, Cortés J.2, Coronel P.2, Jokic Z.2,
Grillet M.E.4
1
. Instituto de Medicina Tropical “Dr. Felix Pifano C.”, Escuela Luis Razetti, Facultad de Medicina,
Universidad Central de Venezuela, Caracas 1041-A, Venezuela. [email protected]
2
Servicio Autónomo Centro Amazónico para Investigación y Control de Enfermedades Tropicales
“Simón Bolívar” (CAICET), Apartado Postal 59, Puerto Ayacucho 7101, Amazonas, Venezuela
3
Laboratorio de Ecología de Plantas Acuáticas, Instituto de Zoología Tropical, Facultad de Ciencias,
Universidad Central de Venezuela, Apartado Postal 47072, Caracas 1041-A, Venezuela
[email protected]
4
Laboratorio de Biología de Vectores, Instituto de Zoología Tropical, Facultad de Ciencias,
Universidad Central de Venezuela, Apartado Postal 47072, Caracas 1041-A, Venezuela
[email protected]
Resumen
La oncocercosis es una enfermedad endémica transmitida por artrópodos vectores del
género Simulium que afecta a 37 millones de personas en el mundo, provocando ceguera o
afectación severa de la visión en un millón de personas, principalmente en Africa. En
America del Sur representa un importante desafío para la Salud Pública en la población
yanomami del foco amazónico de Brasil y Venezuela. La aplicación del enfoque de
epidemiología del paisaje o ecoepidemiológico, el uso sensores remotos y de sistemas de
información geográfica ha ayudado a entender la distribución espacial heterogénea de esta
enfermedad y a valorar la influencia del paisaje y diversas variables ambientales sobre el
riesgo de infección. El análisis de componentes principales permitió caracterizar el habitat
de la oncocercosis hipoendémica e hiperendémica. Diversos tipos de análisis multivariado
identificaron variables ambientales relevantes para `predecir el riesgo de oncocercosis
severa, mejorando el desempeño de los métodos de mapeo epidemiológico de esta
enfermedad.
Introduccion
En el continente americano existen focos bien delimitados de transmisión en Guatemala,
México, Ecuador, Colombia, Venezuela y Brasil. El foco amazónico compartido por Brasil
y Venezuela que afecta a la población indígena yanomami, se destaca por sus altos niveles
de transmisión y frecuencia de lesiones oculares y por un conjunto de características
distintivas que lo hacen único. Entre ellas, la vasta extensión del área endémica (mas de
80.000 km2 en Venezuela), el variado mosaico de unidades geomorfológicos y paisajes que
la conforma, el complejo sistema multivectorial que interviene en la transmisión y las
características de la población Yanomami, que tienen hábitos semi-nomádicos y se desplaza
en el ambiente selvático en búsqueda de los productos del bosque tropical, exponiéndose así
al riesgo de la infección.
El foco sur o amazónico de Venezuela alberga el mayor número de comunidades
hiperendémicas de alto nivel de transmisión (103 de un total de 161 comunidades
endémicas= 63,98%) de los seis países del continente que sufren esta endemia, estando la
mayor parte de ellas ubicadas en zonas de difícil acceso geográfico. Desde hace mas de
quince años se ha iniciado en la región, en un esfuerzo conjunto con los otros países
afectados, un programa de control, que se propone la eliminación de la enfermedad del
continente americano (Botto et al., 2007). La reciente introducción de la herramienta de los
sistemas de información geográfica, el uso de imágenes de sensores remotos y la aplicación
de un enfoque de epidemiología del paisaje (landscape epidemiology) (Kitron, 1998; Beck
et al., 2000, Botto et al., 2005) está arrojando nueva luz sobre las relaciones entre las
variables fisiconaturales y la transmisión de la oncocercosis. El objetivo de este trabajo es
destacar la importancia del uso de estos enfoques y herramientas para describir los patrones
espaciales de la enfermedad, y analizar su capacidad para predecir el riesgo de infección
severa en áreas remotas donde es de la mayor importancia la priorización del uso de
recursos para la eliminación de esta endemia.
Materiales y métodos
El área de estudio es la Reserva de Biosfera Alto Orinoco Casiquiare, de 83.830 km2 de
extensión, con un mosaico complejo de unidades litológicas y geomorfológicas, con
diferentes regímenes climáticos y considerable riqueza florística y diversidad ecológica
(Huber, 1995).
Información cartográfica (hojas NA20-1, NA20-5 y NA20-6) del Proyecto Inventario de
los Recursos Naturales de la Región de Guayana –PIRNRG- (CVG-TECMIN, 1995) y del
Proyecto de Reserva de Biósfera Alto Orinoco Casiquiare (Sada-Amazonas, 1998) así como
la derivada de imágenes del satélite Landsat (5 TM y 7 ETM) y de imágenes de radar
(Proyecto Cartosur) fueron utilizadas junto a información demográfica, entomológica y
epidemiológica levantada en campo para elaborar un proyecto SIG-Oncocercosis, a escala
1:250.000, utilizando Regven como sistema de referencia y las capacidades de análisis
espacial de Arc View, Arc Gis y TNT mips (Proyecto Ecología de la
Oncocercosis/MCT/FONACIT 2000001643) Un grupo de 63 comunidades fueron censadas
y georeferenciadas con un GPS Garmin, utilizando el datum WGS84. Con el fin de analizar
la relación entre el ambiente y la endemicidad de oncocercosis se analizaron las siguientes
variables, utilizando las categorías definidas en el Proyecto RBAOC: geomorfología
(paisajes de montaña, plateau, lomerío, planicie, peniplanicie y valle), sustrato geológico
(granitos, tobas volcánicas, sedimentos aluviales recientes y arenas, arcillas y gravas de
cuarzo); altitud (en mts. s.n.m), pendiente del terreno (en º ), clima (macrotérmico >24º
temperatura media anual; submesotérmico tropófilo 18-24º temeratura media anual,
precipitación pluvial<2000 mm) y cobertura vegetal (bosque, arbustal, sabana con bosque
de galería, sabana graminosa y asociaciones de bosque con arbustal y sabana). Las
categorías de vegetación fueron reanalizadas de acuerdo a la clasificación de Huber (1995).
La altitud fue estimada en cada punto con un GPS Garmin y mediante un modelo digital de
elevación (US Geological Survey/Shuttle Radar Topographic Mission) con una resolución
de 90 mts. En algunas áreas con información densificada se trabajó con imágenes de radar
del Proyecto Cartosur a escala 1:50.000 (curvas de nivel cada 40 mts.)
Fig 1 Imagen Landsat tomada en Noviembre, 1999, con relativamente baja nubosidad. Se aprecian los
rios Orinoco, Ocamo y Putaco, en un área de bosque húmedo tropical con áreas de sabana en la Sierra de
Parima (Landsat 7, Path 1, Row 58, 15-11-1999, 1/58, 2:22 pm)
En el marco de las actividades del Programa de Eliminación de la Oncocercosis en el Foco
Sur y con el consentimiento informado de la comunidad se determinó en un período de
varios años la prevalencia y la intensidad de la oncocercosis mediante biopsia cutánea en las
63 comunidades estudiadas, para estimar el nivel de endemicidad, de acuerdo a la
proporción o prevalencia de individuos infectados (hipoendémico=<20%; mesoendémico =
20% a <60%; hiperendémico = 60% o mas de población infectada). La intensidad de la
infección se calculó mediante un promedio logarítmico, determinándose la media de
Williams y la carga comunitaria microfilariana (Botto et al., 1997; 1999). Capturas de
simúlidos antropofílicos, vectores de la oncocercosis, fueron realizadas en 46 comunidades
(para un total de 200.510 especímenes), determinándose la composición de especies y
abundancia relativa.
El SIG-Oncocercosis permitió así generar una base de datos con variables ambientales,
demográficas, epidemiológicas y entomológicas que fue examinada con diferentes métodos
de análisis uni o multivariado (tablas de contingencia, análisis de componentes principales,
regresión múltiple, análisis discriminante).
Resultados
La oncocercosis muestra un patrón de distribución heterogéneo en la Reserva de Biosfera
Alto Orinoco Casiquiare, observándose áreas hipoendémicas en la cuenca de los ríos
Padamo y Mavaca, en tanto que en los ríos Putaco y Orinoquito se observa un gradiente de
cambio, con incremento de la endemicidad y de la patología ocular al incrementar la altitud.
En total mas de la mitad de las comunidades son hiperendémicas, con prevalencias
superiores a 60%, y mas de la mitad de estas a su vez exhiben altas cargas parasitarias,
asociadas a altas prevalencias de lesiones oculares. Las áreas de sabana de altura en la
frontera con Brasil son todas de alta endemicidad.
Fig 2 Comunidades hipoendémicas en los ríos Padamo, Mavaca y curso principal del Orinoco
y comunidades meso a hiperendémicas en los ríos Ocamo, Putaco, Orinoquito y en el
piedemonte y serranías de Parima y Unturán
La influencia de la altitud parece ser muy clara, observándose que el porcentaje de
comunidades hiperendémicas incrementa desde 18,75% en el piso altitudinal de <200
metros hasta 94,12% a 800 mts. y mayor altitud, con un valor de X2 = 22,22 (tabla 4x2 con
3 g.l.: P<0,001). La oncocercosis hipoendémica se observa mas frecuentemente en bosques
de tierras bajas en tanto que la oncocercosis hiperendémica es significativamente mas
frecuente en bosques montanos o sabanas de altura (X2 =24,29; P< 0,0001 con 4 g.l.)
La proporción de comunidades hiperendémicas incrementa tambien con la pendiente del
terreno (X2 = 27,56; P< 0,0001) y al disminuir el orden del río con una relación inversa muy
fuerte (X2 =71,01, tabla de 6x4 con 15 g.l.)
Tabla de contingencia Tipo de vegetación * Comunidad hiperendémica
Tipo de
vegetación
Bosques de tierras
bajas 200
Bosque basimontano
200-400 msnm
Bosque submontano o
bosque submontano
con
arbustal
400 800
Bosque
montano
800-1200
Total
Bosque con sabana o
sabana graminosa
800 1200
Recuento
Residuos tipificados
Recuento
Residuos tipificados
Recuento
Residuos tipificados
Recuento
Residuos tipificados
Recuento
Residuos tipificados
Recuento
Comunidad
hiperendémica
No
hiperend
Hiperend
émica
émica
13
3
3,0
-2,2
8
12
,3
-,2
1
-1,4
1
-,8
0
-2,0
23
9
1,1
5
,6
11
1,5
40
Total
16
20
10
6
11
63
Tabla 1 (*) Relación entre tipos de vegetación y comunidades hiperendémicas para oncocercosis Bosques
de tierras bajas mts a.s.n.m. Bosque basimontano (piedemonte) hasta 400 mts a.s.n.m. Bosque
submontano (400-800 mts a.s.n.m.) Bosque con sabana o sabana graminosa de altura (800-1200 mts.
a.s.n.m.). a < 200 Modificado de Huber, 1995
El análisis de componentes principales sobre nueve variables ambientales (altitud,
pendiente, clima, orden de río, población y cuatro tipos de sustrato geológico) reunió 63%
de la información en los dos primeros ejes y 74,8% en los tres primeros ejes, demostrando
el agrupamiento de comunidades en tres “clusters”
(a) Un grupo de comunidaes hipoendémicas en planicies fluviales a baja altitud, con suave
pendiente del terreno, de clima macrotérmico, cerca de grandes ríos de 4to o 5to orden,sobre
sustrato de rocas sedimentarias. En este tipo de paisajes el vector dominante es Simulium
oyapockense, responsable de la transmisión en áreas hipoendémicas.
(b) Un grupo de comunidades hiperendémicas que se encuentran a altitud media, en paisaje
de lomerío sobre sustrato volcánico en el piedemonte de la Sierra de Parima, con clima
macrotérmico. Estas comunidades tienen las prevalencias e intensidades de infección y de
lesiones oculares severas mas altas de todo el continente. En este tipo de paisaje domina
Simulium guianense, que es el vector mas eficiente reconocido en áreas hiperendémicas.
Fig 3 Análisis de componentes principales: endemicidad para oncocercosis y variables ambientales
(c) Un grupo de comunidades hiperendémicas en paisajes de montaña y plateau, a mayor
altitud (800 a 1200 mts) y pendiente, con clima submesotérmico, cerca de ríos de montaña
de bajo orden que corren sobre sustrato granítico, cubiertos de bosque montano o sobre
sabanas de altura. En este tipo de paisaje se encuentran presentes en abundancia variable
Simulium guianense, reconocido y mas eficiente vector de la oncocercosis, y Simulium
incrustatum, recientemente incriminado como vector en áreas hiperendémicas (Grillet et al,
2008).
El análisis de regresión múltiple incluyendo el factor Río Padamo, donde se ha observado
muy baja endemicidad por causas aun no precisadas, permitió seleccionar un conjunto de
variables predictoras que fueron en primer lugar el orden del río, el factor río Padamo y la
pendiente del terreno. La ausencia del factor “río Padamo”, una fuerte pendiente y un bajo
orden de río está asociado a hiperendemicidad. El factor que con mas fuerza influye parece
ser el orden del río. En conjunto el valor de R2 es elevado (0,759) con una valor de F =
62,02 y una significancia muy alta para las variables predictoras seleccionads (P< 0,0001).
Coeficientesa
Modelo
1
2
3
(Constante)
Orden del Río
(Reclasificado)
(Constante)
Orden del Río
(Reclasificado)
Area Padamo Cuntinamo
(Constante)
Orden del Río
(Reclasificado)
Area Padamo Cuntinamo
Pendiente (Reclasificada)
Coeficientes no
estandarizados
B
Error típ.
72.694
3.673
-58.382
6.689
74.202
3.374
-49.418
6.571
-33.161
37.536
Coeficientes
estandarizad
os
Beta
-.745
t
19.790
Sig.
.000
-8.728
.000
21.994
.000
-.631
-7.521
.000
9.057
7.238
-.307
-3.661
5.186
.001
.000
-16.545
8.064
-.211
-2.052
.045
-64.103
42.954
9.333
7.834
-.594
.540
-6.869
5.483
.000
.000
a. Variable dependiente: Prevalencia
Tabla 2 Análisis de regresión múltiple con prevalencia como variable dependiente
El análisis de rutas indica que estas variables influyen directamente sobre la prevalencia, y
tambien de forma indirecta, a través de su influencia sobre otras variables analizadas.
De esta manera la pendiente del terreno tiene una fuerte influencia positiva sobre la
prevalencia de infección (hay una mayor proporción de individuos infectados cuando la
pendiente es mas fuerte) pero tambien la pendiente influye en forma negativa sobre el orden
del río (a mayor pendiente los ríos de montaña son de orden mas bajo), y esta variable
también predice una prevalencia de infección mas alta cuanto menor es el orden del río. El
factor Padamo (o Padamo-Cuntinamo) tiene a su vez una fuerte influencia negativa sobre la
prevalencia de infección (con un valor de -0,594). En conjunto el sistema tiene un factor de
incertidumbre (U = Uncertainty) o de información no explicada por el análsis de ruta que
indican la necesidad de utilizar adicionalmente otros métodos de análisis.
El análisis discriminante permitió seleccionar variables predictoras de hiperendemicidad
(paisajes de montaña y plateau; orden de río y sustrato de rocas volcánicas), con un alto
nivel de significancia (P=0,002 para orden de río y P<0,0001 para el resto de las variables
seleccionadas).
La función discriminante permite clasificar correctamente como
hiperendémica a una comunidad en el 92,5% de los casos en base a un conjunto de variables
ambientales predictoras que caracterizan el habitat de la enfermedad.
Conclusiones
La oncocercosis, como otras enfermedades endémicas transmitidas por artrópodos vectores,
exhibe una distribución geográfica peculiar, de naturaleza focal, determinada en gran
medida por variables ambientales. La transmisión de la infección parece ocurrir en un
ensamblaje único de parásitos, vectores y reservorios de la infección, cada uno de los cuales
tiene un habitat particular.
La aplicación del enfoque ecoepidemiológico o de epidemiología del paisaje y el uso de
sensores remotos y sistemas de información geográfica ha permitido un avance sustancial
en el estudio de los factores de riesgo ambiental que determinan la presencia, frecuencia e
impacto sobre la salud pública de una enfermedad en cierta área.
La especie de vector y su abundancia relativa constituyen un factor determinante de la
distribución de la oncocercosis y de la intensidad de transmisión en un área, que ha sido
bien estudiado en el foco sur o amazónico de Venezuela (Basañez et al., 1988; Grillet et al.,
2001; Grillet et al., 2008; Vivas-Martínez et al., 1998; 2007).
Estudios realizados en este foco con un enfoque epidemiológico tradicional ha permitido
identificar mediante regresión logística importantes factores de riesgo, como la edad de la
persona, la altitud de la comunidad sobre el nivel del mar y la especie de vector presente en
el área (Vivas-Martinez et al., 1998). Estudios realizados aplicando un enfoque jerárquico
Bayesiano (Carabin et al., 2003) permitieron identificar variables de riesgo a nivel
individual (edad de la persona), a nivel comunitario (altitud de la comunidad) y a nivel de
río o de cuenca (“factor río”). Sin embargo los sistemas de información geográfica permiten
incorporar la diemensión espacial en el análisis.
Es notable que la altitud que aparece como una variable significativa en el análisis
univariado en este estudio y en análisis multivariados en estudios anteriores (VivasMartinez et. al., 1998; Carabin et al., 2003) no es seleccionada como variable predictiva en
el análisis de regresión múltiple o en el análisis discriminante al incorporar como variables
orden del río, pendiente del terreno, sustrato geológico y tipo de paisaje. En este estudio, la
oncocercosis hiperendémica se asocia significativamente con paisajes de montaña o de
plateau y pendiente moderada a fuerte, en donde se encuentran ríos de bajo orden que
probablemente proporcionan el habitat adecuado para la fase acuática del vector.
Igualmente, aunque las tablas de contingencia muestran que las comunidades
hiperendémicas son significativamente mas frecuentes en bosques montanos y sabanas de
altura, esta variable (cobertura vegetal) esta fuertemente correlacionada con altitud, y esta
con pendiente del terreno y orden del río.
Este trabajo demuestra claramente la influencia del tipo de paisaje y variables ambientales
asociadas para definir el habitat de la oncocercosis hiperendémica, donde los vectores mas
importantes son Simulium guianense en paisajes de lomerios de altitud media en el
piedemonte de la Sierra de Parima y Simulium guianense y S. incrustatum en paisajes de
montaña o de plateau, a mayor altitud y pendiente, sobre sustrato granítico. (Basañez et al.,
1988; Botto et al., 2004; 2008 Grillet et al., 2008). Por otro lado, el habitat de la
oncocercosis hipoendémica es tambien caracterizado por cierto tipo de paisaje (planicie
fluvial del Orinoco y principales afluentes) y variables ambientales asociadas, donde el
vector principal es Simulium oyapockense, poco eficiente pero con gran abundancia y alta
densidad de picada (Grillet et al., 2001). La población total de las 63 comunidades cuyos
factores de riesgo fueron estimados alcanza a 4695 personas que representa el 55,5% de la
población total a riesgo conocida en el área endémica (8462). Ya que existen 161
comunidades bajo tratamiento para oncocercosis, la estimación de riesgo de oncocercosis
hiperendémica puede ser efectuada en 98 comunidades adicionales en la medida en que se
disponga de georeferencias confiables, con lo cual la población cuyo riesgo de desarrollo de
lesiones oculares puede ser estimadocon cierta precisión alcanza a la totalidad de la
población del área endémica. Aquellas comunidades que en función de este análisis tengan
alta endemicidad, serían candidatas a esquemas especiales de tratamiento con 4 rondas
anuales, que han sido exitosas para interrumpir la transmisión de la oncocercosis en el Foco
Sur de Chiapas (Rodriguez et al., 2008)
Para profundizar el análisis de la influencia de las variables ambientales sobre la
oncocercosis es necesario el uso de imágenes que brinden mayor nivel de resolución y
permitan identificar con mas precisión las aldeas o “shabonos” y el ecosistema en el cual se
encuentran. Por otra parte, es imprescindible el empleo de métodos de análisis multivariado
que valoren mas adecuadamente la influencia de la dimension espacial, como la regresion
múltiple ponderada geograficamente (geographically weighted regression)(Rangel et al.,
2006).
Bibliografia
Beck L., Bradley M.L., Wood B. Remote sensing and human health: new sensors and new
opportunities. Emerging Infect Dis. 6(3): 217-226, 2000.
Basáñez M.G., Yarzábal L, Takaoka H, Suzuki H, Noda S, Tada I. The vectorial role of
several blackfly species (Diptera: Simuliidae) in relation to human onchocerciasis in the
Sierra Parima and Upper Orinoco regions of Venezuela. Ann Trop Med Parasitol 82:
597611, 1988.
Botto C., Planchart S., Martinez N., Castro L., Gelrud A., Vivas L., Grillet M.E.
Onchocerciasis hyperendemic in the Unturan Mountains, Amazonas State . New
extension range for the southern venezuelan focus". Transactions of the Royal Society of
Tropical Medicine and Hygiene 91: 150-152, 1997
Botto, C., Gillespie A.J., Vivas-Martínez S., Martinez N., Planchart S., Basañez M.G.,
Bradley J. Onchocerciasis hyperendemic in the Unturán mountains: the value of
recombinant onchocercal antigens in describing a new transmission area in southern
Venezuela. Transactions of the Royal Society of Tropical Medicine and Hygiene Vol.
93: 25-30, 1999.
Botto C., Barrera R., Delgado-M. L., Escalona M., Grillet M.E., Basañez M.G., Simancas
M., Vivas-M S., Villamizar N., Coronel P., Cortéz J., Frontado H. “Geographical patterns
of onchocerciasis in southern Venezuela” In: “Multidisciplinarity for parasites, vectors
and parasitic diseases” Proceedings of the IX European Multicolloquium of Parasitology
(EMOP IX). Symposium on Remote sensing and GIS for vector-borne diseases. Vol 2:
447-451 (Articles of Free Oral Papeers and Posters) Valencia, Spain, July 22, 2004
Botto C., Escalona M., Vivas-Martínez S., Delgado-M L., Coronel P. Geographical
patterns of onchocerciasis in southern Venezuela: relationship between environment and
prevalence of infection Parassitología (Roma),47:145-150, 2005
Botto C., Escalona M., Cortés J., Torres J.F., Suarez L., Grillet M.E. Avances y desafíos
en la producción de conocimientos y eliminación de la oncocercosis en el Foco Sur de
Venezuela” Salus 11 (4), 2007
Botto C., C., Suárez L., Villamizar N., Cortés J., Coronel P., Escalona E., Grillet M.E.
Remote sensing, landscape epidemiology and risk assessment in the onchocerciasis
Amazonian focus of southern Venezuela. Oral presentation at the European
Multicolloquium of Parasitology, Section Innovative Epidemiology, Paris, Agosto 2008.
Carabin H., Escalona M., Marshall C., Vivas-Martínez S., Botto C., Lawrence J., Basañez
M.G Prediction of community prevalence of human onchocerciasis in the Amazonian
onchocerciasis focus: Bayesian approach Bull WHO 81(7): 482-491, 2003
CVG-Tecmin Proyecto Inventario de los Recursos Naturales de la Región de Guayana.
(PIRNRG), Puerto Ordaz, 1998
Grillet M.E., Basañez M.G., Vivas-Martinez S., Villamizar N., Frontado H.,Cortez J.,
Coronel P., Botto C Onchocerciasis in the amazonian focus of southern Venezuela:
spatial and temporal variations in biting parity rates of Simulium (Diptera: Simuliidae)
vectors. Journal of Medical Entomology 38(4): 1-11, 2001
Grillet, M.E, Villamizar, N., Frontado, H., Cortés, J., Escalona M., Botto, C., Basañez,
M.G. Vector competente of Siumulium oyapockense s.l. and S. incrustatum for
Onchocerca volvulus: Implications for ivermectin-based control in the Amazonian focus
of human onchocerciasis, a multi-vector-host system Acta Tropica, 107: 80-89, 2008.
Huber O. Flora of the Venezuelan Guayana. Geographical and physical features . In:
Flora of the Venezuelan Guayana Vol I Introduction Chapter 1 . Edit Berry P.E., Holst
B.K., Yatskievych K. Missouri Botanical Garden, St Louis pp 1-61, 1995
Kitron U. Landscape ecology and epidemiology of vector-borne diseases: tools for spatial
analysis J. Med. Entomol. 35(4): 435-445, 1998.
Rangel T.F., Felizola Diniz-Filho,Bini L.M. Towards an integrated computational tool for
spatial analysis in macroecology and biogeography. Global Ecology and Biogeography 15:
321-327, 2006
Rodríguez-Perez M., Lutzow-Steiner M.A., Segura-Cabrera, A., Lizarazo-Ortega C.,
Domínguez-Vazquez A., Sauerbrey M., Richards F., Unnasch T.R., Hasan H.K.,
Hernández-Hernández R. Rapid supresión of Onchocerca volvulus transmisión in two
communities of the southern Chiapas Focus, MExico, achieved by quarterly treatment
with Mectizan. Am. J. Trop. Med. Hyg. 79(2), 239-244, 2008.
Sada-Amazonas/Union Europea Proyecto Reserva de Biosfera Alto OrinocoCasiquiare (RBAOC) Informe Técnico
Vivas-Martínez S, Basáñez M.-G., Grillet M.-E., Weiss H, Botto C, García M, Villamizar
NJ, Chavass D C. 1998. Onchocerciasis in the Amazonian focus of southern Venezuela:
altitude and blackfly species composition as predictors of endemicity to select communities
for ivermectin control programmes. Trans R Soc Trop Med Hyg 1998; 92: 613620.
Vivas S., Grillet M.E., Botto C., Basañez M.G. “La oncocercosis humana en el foco
amazónico” Boletín de Malariología y Salud Ambiental Vol. XVII, (1): 15-46, 2007
MODELO DE SENSIBILIDAD AMBIENTAL
BASADO EN LA VALORACION DE RELACIONES ESPACIALES
R. Rebolledo Wueffer (*)
(*) Fundación Instituto de Ingeniería Para Investigación y Desarrollo Tecnológico, Centro de
Procesamiento digital de Imágenes. Carretera Nacional Hoyo de la Puerta-Baruta, Urb. Monte Elena
II-Sartenejas. Baruta, Estado Miranda, Master: (+58 212) 903 4610 / 90.
[email protected]
RESUMEN
Como parte de sus proyectos de tecnología, el Centro de Procesamiento Digital de Imágenes
(CPDI) del Instituto de Ingeniería (FII) desarrolló una metodología para generar modelos de
sensibilidad ambiental que, a partir del análisis de las relaciones espaciales entre información
temática y la implementación de actividades antrópicas susceptibles de generar impactos al
ambiente.
El análisis se planteó un modelo cualitativo basado en la aplicación de técnicas de ponderación
geo-estadística, análisis espacial, Delphi y juicio experto. Como resultado de este proceso se
obtuvieron tres modelos, (Sensibilidad Biológica, Física + Infraestructura y Legal) representados
en tres mapas y sus respectivas funciones de determinación.
PALABRAS CLAVE: Modelos ambientales, Sensibilidad ambiental, Impacto ambiental
INTRODUCCION
El nuevo paradigma del desarrollo sustentable, establece el necesario equilibrio entre las
actividades productivas, el bienestar social y la conservación ambiental. Los modelos de
sensibilidad ambiental son el primer paso en la búsqueda de esta armonía desde la etapa de
planificación de una actividad productiva.
Se entiende por Sensibilidad Ambiental al balance entre la susceptibilidad de afectación del
medio ambiente y su capacidad de resistir, asimilar y recuperarse de dicha afectación. Esta
afectación (Acción) es producto de una alteración producida por un agente perturbador de origen
natural o artificial por efecto de la acción [Gómez 1986]; [Amir 1997].
En un sentido más general el Análisis de Sensibilidad es la evaluación de los cambios relativos
predichos en escenarios prospectivos respecto al estado original del ambiente por intervenir.
[Blanco 2005].
Unificando ambos criterios, el Análisis de Sensibilidad Ambiental, es la evaluación la
susceptibilidad del ambiente a ser afectado en su funcionamiento y/o condiciones intrínsecas por
la localización y desarrollo de cualquier proyecto y sus áreas de influencia. [Benítez 2006].
El análisis de sensibilidad ambiental desarrollado en esta propuesta, evalúa la susceptibilidad y
resiliencia del las variables que caracterizan el ambiente, por efecto de las acciones a ser
ejecutadas en la fase de exploración estratigráfica del proyecto. En este sentido los objetivos
planteado son:
Construir un modelo que permita la generación de un mapa temático de niveles de
sensibilidad del componente Biológico del medioambiente en función de las acciones
preliminarmente consideradas.
1
Construir un modelo que permita la generación de un mapa temático de niveles de
sensibilidad del componente Físico e infraestructural en función de las acciones
preliminarmente consideradas. Aun cuando el componente de infraestructura es
independiente, se consideran junto a este grupo dado el elevado poder transformador que
tienen en el medio físico.
Construir un modelo que permita la generación de un mapa temático de niveles de
sensibilidad del componente Legal del medioambiente en función de las acciones
preliminarmente consideradas.
OBJETIVO
Diseñar, elaborar y evaluar un modelo que estime la sensibilidad del medio ambiente ante
acciones preliminares, típicas y comunes a procesos de exploración y explotación de la industria
petrolera; basado principalmente en la determinación y valoración de relaciones geo-espaciales
entre los componentes del medio ambiente y la naturaleza de las acciones preliminares que se
esperan desarrollar.
METODOLOGÍA
I-
ASPECTOS METODOLÓGICOS
Para diseñar cada modelo, se requiere la estructuración de una serie de aspectos que permitan
describir el comportamiento del ambiente (vulnerabilidad y resiliencia) ante las acciones
perturbadoras; usando para ello una representación funcional,.
Los principales aspectos a considerar son:
Los componentes ambientales
Las acciones perturbadoras
La susceptibilidad
Las resiliencia
1.1.-
Los Componentes Ambientales:
Bajo este término se agrupan todos los medios que conforman y caracterizan el ambiente del área
de estudio. Para este caso particular, dadas las características del proyecto y la información
disponible el ambiente se estructuró en tres componentes con sus respectivas variables
características (ver cuadro 1).
Componente Físico +
Infraestructura:
Componente
Biológico:
Componente
Legal:
Hidrografía, Geología, Geomorfología, Vialidad*.
Vegetación y Uso de la Tierra
Normas, Planes de ordenamiento, reglamentaciones y
restricciones de uso, etc.
Cuadro 1: Componentes ambientales considerados
2
1.2.-
Acciones Perturbadoras:
Son fenómenos de tipo dinámico de duración e intensidad variable, causados por agentes de
perturbación; cuya magnitud e intensidad es tal que es capaz de modificar el equilibrio del
ambiente donde ocurren [Gómez Amir]. Las acciones perturbadoras por lo general son de dos
tipos: de origen natural y de origen artificial. A los efectos de este proyecto, sólo se consideraran
acciones perturbadoras de origen artificial preliminares (ver cuadro 2). La razón por la cual sólo
se consideran este tipo de acciones es porque el modelo esta principalmente orientado a definir
sensibilidad por el impacto de estas nuevas actividades.
Levantamiento Topográfico
Construcción de Localización
Construcción de Vialidad
Perforaciones
Reacondicionamiento de terreno.
Acciones
Cuadro 2: Acciones perturbadoras
1.3.-
Susceptibilidad:
La susceptibilidad es el nivel de afectación potencial de cada componente ambiental ante la
acción perturbadora, depende principalmente de intensidad de la interacción y la duración de la
interacción. La susceptibilidad puede ser de dos tipos:
Susceptibilidad
Simple
Cuando en el contexto geo-espacial sólo se presenta una interacción
entre componente ambiental y una acción perturbadora.
Susceptibilidad
Compleja o
Combinada
Cuando coinciden en el mismo espacio geográfico. varias interacciones
entre un componente ambiental y varias acciones perturbadoras.
1.4.-
Resiliencia:
Es la capacidad que tiene el medio afectado para absorber, asimilar, transformar los cambios
inducidos por la acción perturbadora y recuperar nuevamente su equilibrio. Se puede estimar en
función del tiempo requerido para tal fin.
II-
MODELO CONCEPTUAL
Inicialmente, se optó por una propuesta diseñada anteriormente donde se generó un modelo
cualitativo donde las contribuciones de las variables eran calculadas a partir de la valoración
geoestadística de las relaciones espaciales entre el área de influencia de las acciones y la
conformación espacial de las variables; sin embargo debido a características particulares del
proyecto, fue necesario pensar en algo distinto, pues no se contaba con información sobre la
realización geográfica de las acciones perturbadoras y su influencia, dado que el proyecto estaba
en etapa preliminar. En ese sentido se optó por una alternativa más generalizada que considera
experiencias previas para determinar condiciones de sensibilidad, indistintamente de donde
ocurren; esta alternativa tiene la ventaja de que no depende de la influencia de las acciones
perturbadoras, pero tiene la desventaja que no evalúa aspectos locales.
La alternativa planteada consistió en la aplicación de técnicas de prospectiva tecnológica, para a
partir de ellas evaluar la sensibilidad en base a experiencias previas. Las técnicas implementadas
fueron: el Delphi y la Consulta a Expertos.
El procedimiento implementado se describe en el diagrama de flujo mostrado en la figura 1.
3
Selección de grupo de expertos
a ser consultado
Corrida del
Delphi
Estimación cualitativa de las
contribuciones
Diseño de Instrumento de
Consulta
Compilación y análisis
estadístico
Valoración cuantitativa
Determinación de coeficientes
de sensibilidad
Figura 1: Diagrama de procesos involucrados en el Modelo de Sensibilidad Ambiental
DESARROLLO DE MODELOS Y RESULTADOS
I-
SELECCIÓN DE GRUPO DE EXPERTOS
A efectos de conformar el panel de expertos a ser consultados en el Delphi, se consideró la
conformación de dos grupos. El primero de ellos esta constituido por 7 profesionales integrantes
de los equipos de las consultoras ambientales que participaron en la elaboración de los estudios
de impacto para el proyecto. La selección de este grupo de personas externas, obedece a la
experticia y trayectoria destacada en lo referente a estudios ambientales. El segundo grupo (grupo
de expertos internos) estuvo conformado por los especialistas e investigadores que han construido
más experiencia en materia ambiental dentro de FII-CPDI. Los expertos internos consultados
fueron: Arq. Maria Antonieta Fébres Geógrafo José Arismendi y Lic. Ramiro Salcedo. De este
modo el panel de expertos consultados se constituyó con 10 miembros.
II-
DISEÑO DEL INSTRUMENTO DE CONSULTA
La estrategia inicial se abordó mediante la elaboración de un cuestionario cerrado para ser
aplicado a forma de Delphi; a tal efecto, se diseñó un instrumento sencillo de manejar, con la
siguiente estructura:
Parte 1:
Información
General
Es esta sección se describe la naturaleza del instrumento de
consulta desde dos perspectivas: Información sobre el
proyecto e información sobre el instrumento; en este aparte
se describe el cuestionario y sus características, (extensión,
tipo de preguntas, consideraciones de confidencialidad, etc.)
Parte 2:
Introducción
Esta sección contiene orientaciones para los participantes de
la consulta. Se diseño como un manual de procedimientos,
que permite garantizar máxima eficiencia al momento de
que cada experto completa del cuestionario.
Parte 3:
Cuestionario
Esta sección constituye el cuestionario en sí; éste está
estructurado en 55 preguntas de selección múltiple
distribuidas en 6 acápites: Vegetación (15), Uso de la tierra
(5), Geomorfología (5), Infraestructura (5), Hidrografía (10)
y Legalidad (15).
Parte 4:
Observaciones
Esta sección pretende recoger cualquier tipo de sugerencias
y/o cualquier otra opinión que represente aportes adicionales
de relevancia según el criterio de cada uno de los expertos.
4
El Delphi se circuló en una sola ronda, dado que el nivel de receptividad fue superior al 50% y las
observaciones recopiladas fueron más de forma que de fondo. El principio de confidencialidad
fue violado en tres de los expertos que decidieron finalmente responder un solo cuestionario de
forma colegiada.
III-
ESTIMACIÓN CUALITATIVA DE LAS CONTRIBUCIONES
Las preguntas del cuestionario fueron diseñadas de manera tal que buscaban establecer relaciones
cualitativas de intensidad de afectación mediante una escala de incidencia de tres niveles (alto,
medio y bajo). Estas relaciones se establecían entre las variables (sus atributos) y las acciones
perturbadoras, considerando en ello aspectos de vulnerabilidad y resiliencia.
Ejemplo: Se consulta al experto sobre la afectación (SI, NO) del la vegetación (variable) por
formación vegetal y densidad (atributos) y la intensidad de dicha afectación (A=alta,
M=media y B=baja) causada por la acción perturbadora (Levantamiento topográfico).}
RESPUSTA: El experto consideró que la vegetación caracterizada por formación
vegetal “SI” se afecta por la acción del levantamiento topográfico solo
cuando ésta es arbórea o arbustiva, y la afectación es medianamente
intensa (M) en la medida que estas formaciones son densas, mientras que
es de baja intensidad (B) cuando son menos densas.
IV-
VALORACIÓN CUANTITATIVA
La valoración cuantitativa se hizo luego de la recopilación de los resultados, y el análisis
estadístico del conjunto, tal como se muestra en la tabla 1, para el caso de la variable vegetación
caracterizada por formación vegetal y densidad y la acción de levantamiento Topográfico. El
procedimiento fue el mismo para cada caracterización y para cada variable, produciéndose un
total de 55 tablas de valoración.
Tabla 1: Afectación de la variable vegetación según formación y densidad vegetal,
Levantamiento Topográfico, valorada según el criterio de todos los expertos
Levantamiento topografico
Formacion vegetal y densidad
arb-den
arb-med
arb-ral
art-den
art-med
para la acción de
art-ral
her-den
her-med
her-ral
Experto1
M
B
B
M
B
B
M
B
B
Experto2
M
B
B
M
B
B
0
0
0
Experto3
0
0
0
B
B
B
0
0
0
Experto4
M
B
B
M
B
B
0
0
0
Experto5
B
B
A
B
B
A
B
B
B
La valoración cuantitativa consistió en la transformación de los resultados evaluados
cualitativamente(A, M, B) a valores numéricos que permitan simplificar su análisis estadístico.
Esta valoración se formalizó en tres pasos:
a) Conversión de valores cualitativos a valores numéricos (VN) según el arreglo:
Donde A es altamente afectada, M es medianamente
afectada y B es nivel de afectación bajo
A=3; M=2; B=1
b) Cálculo de la afectación total por cada acción (ATA):
n
ATA VN ( i )
,
Donde n es la cantidad de expertos consultados
i 1
5
c) Cálculo de las contribuciones de sensibilidad para cada clase atributiva (TS)
Donde m es la cantidad de acciones perturbadoras
consideradas
m
TS ATA( j )
j 1
V-
DETERMINACIÓN DE COEFICIENTES DE SENSIBILIDAD
Transformada la información cualitativa en valores numéricos, es posible determinar los
coeficientes de sensibilidad a partir los factores de ponderación de las contribuciones de
sensibilidad. Estos factores de ponderación son: el total de repuestas posibles, la cantidad de
acciones involucradas y la cantidad de expertos consultados.
Cs ( i ) TS
PS CR AI
Donde: TS: Contribuciones de Sensibilidad
PS: Posibilidades de respuesta =3
CR: Cantidad de expertos opinantes =5 o 3
AI: Cantidad de acciones involucradas =5
i: Cantidad de clases
Así, se obtiene un índice que varía entre 0 y 1 que expresa la razón de intensidad de afectación
que cada acción produce en cada clase; siendo las clases cualquiera de los valores que pueden
tomar cada uno de los atributos característicos de las variables, tal como se muestra en las tabla 2.
VI-
0,41
0,24
0,19
0,43
0,38
0,35
0,47
0,45
0,43
0,46
0,29
0,40
0,40
0,45
0,47
0,37
0,39
0,37
0,24
0,31
0,41
0,22
0,32
0,35
0,31
CONSTRUCCIÓN
DE
ESPACIALIZACIÓN
pecuario
agricola
cultivos anualizados
pesqueria
mineria
infraestructura
urbano
industrial
arbolada densa
arbolada media
arbolada rala
arbustivo denso
arbustivo medio
arbustivo rala
herbazal densa
herbazal media
herbazal rala
grado de conservacion alto
grado de conservacion medio
grado de conservacion bajo
madurez ecologica primaria
madurez ecologica secundaria
MODELOS
0,40
0,43
0,42
0,07
0,07
0,12
0,20
0,08
0,63
0,57
0,53
0,64
0,53
0,49
0,44
0,39
0,37
0,69
0,60
0,45
0,71
0,55
DE
LEGAL
C Alu
A Col
Coluv
L Alu
L Eol
M Csv
M Dsc
M Inc
M Qbd
S Den
P Desb
pavimentado
engranzonado
carretera de tierra
camino carretero
rio
caño
cañaote /cañada
quebrada
canal
laguna
prestamo
embalse
permante
intemitente
BIOLOGICO
FISICO + INFRAESTRUCTURA
Tabla 2: Coeficientes de sensibilidad al medio físico + infraestructura, medio biológico y medio legal.
PNAG
ACPTMG
ABBPCC
ZPN
ZPRP
ZEAPF
DTI
ZEDES
POTGUA
POTANZ
POTMON
SENSIBILIDAD
0,73
0,77
0,87
0,93
0,83
0,60
0,73
0,60
0,53
0,47
0,47
Y
SU
Finalmente el modelo de sensibilidad para cada caso se representa en un mapa a escala 1:
25.0000, por su correspondiente cobertura temática y la función que le rige. Por razones de
confidencialidad del proyecto para el cual se elaboraron estos modelos, los mapas no pueden ser
mostrados en ente documento; sin embargo la representación funcional resultante en cada caso
fue la siguiente:
6.1.- Modelo de Sensibilidad del Medio Físico e Infraestructura: SMF+I= SGP + SIT +
SHD
6
SGP= 0.38CAlu + 0.33LAlu + 0.22LEol+ 0.27MCsv + 0.47MDsc + 0.38MInc + 0.47MQbd + 0.43SDen
Donde: SGP:
CAlu:
LAlu:
LEol:
MCsv:
MDsc:
MInc:
MQbd:
SDen:
Sensibilidad por Geomorfología por Sub-Paisaje
Coluvio-Aluvional
Llanura Aluvional
Llanura Eolica
Mesa Conservada
Mesa Disectada
Mesa Inclinada
Mesa Quebrada
Superficie de denudación
SIT= 0.40Cpav + 0.40Cgrz + 0.45Ctie + 0.74Ccar
Donde: SIT:
Cpav:
Cgrz:
Ctie:
Ccar:
Sensibilidad por infraestructura por tipo
Carretera pavimentada
Carretera engranzonada
Carretera de tierra
Camino Carretero
SHD= 0.20Rio + 0.22Cño + 0.23Cte + 0.23Cnl + 0.20Lag + 0.18Pre + 0.22Emb + 0.20Per + 0.18Int
Donde: SHD:
Rio:
Cño:
Cte:
Cnl:
Lag:
Pre:
Emb:
Per:
Int:
6.2.-
Sensibilidad por hidrografía por tipo y por régimen fluvial
Rio
Caño
Cañaote
Canal
Laguna
Préstamo
Embalse
Permanente
Intermitente
Modelo de Sensibilidad del Medio Biológico: CSB= SME + SGC + SFV + SUT
SME= 0.71 Pri + 0.55 Sec
Donde: SME: Sensibilidad por madurez ecológica
Pri:
Bosque primario (prístino)
Sec: Bosque secundario (intervenido)
SGC= 0.69 Alt + 0.60 Med + 0.45 Baj
Donde: SGC: Sensibilidad por grado de conservación
Atl:
Altamente conservado
Med: Medianamente conservado
Baj: conservación Baja
SFV= 0.63 ArbDen + 0.57 ArbMed + 0.53 ArbRal + 0.64 ArtDem + 0.53 ArtMed + 0.49 ArtRal +
0.39 Her
Donde: SFV: Sensibilidad por formación y densidad vegetal
ArbDen:
Formación arbórea altamente densificada
ArbMed:
Formación arbórea medianamente densificada
ArbRal:
Formación arbórea rala
ArtDen:
Formación arbustiva altamente densificada
ArtMed:
Formación arbustiva medianamente densificada
ArtRal:
Formación arbustiva rala
Her:
Herbazal
SUT = 0.40 Pec + 0.43 Agr + 0.42 CAn + 0.07 Pes + 0.07 Min + 0.12 Inf + 0.20 Urb + 0.08Ind
Donde: SUT: Sensibilidad por uso de la tierra
Pec: Uso pecuario
Arg:
Uso Agrícola
CAn:Uso agrícola de cultivos anualizados
Pes: Uso Pesquero
Min:
Uso Minero
Inf:
Uso infraestructrural
Urb:
Uso urbano
Ind:
Uso industrial
7
6.3.-
Modelo de Sensibilidad del Medio Legal: SML= SAB + SAM + SPO
SAB= 0.73PNAG + 0.77ACPMG+ 0.87ABBPCC + 0.93ZPN + 0.83ZPRP
Donde: SAB:
PNAG:
ACMG:
ABCC:
ZPN:
ZPRP:
Sensibilidad por ABRAE (Áreas bajo régimen de administración especial)
Parque Nacional Agüaro Guariquito
Área Crítica con prioridad de Tratamiento Mesa de Guanipa
Área Boscosa bajo protección Caño Caballo
Zona protectora de Nacientes ríos permanentes
Zona protectora de ríos permanentes
SAM= 0.60ZEAPF + 0.73DTI + 0.60ZEDES
Donde:
SAM:
ZPF:
DTI:
ZDS:
Sensibilidad por ABME (Áreas Bajo Manejo Especial)
Zona especial Afectada para Plantaciones Forestales
Demarcación de tierras indígenas
Zonas especiales de desarrollo sustentable
SPO= 0.53POTGua + 0.47POTAnz + 0.47POTMon
Donde:
SPO:
Sensibilidad por POT (Planes de ordenamiento del territorio)
POTGua: Plan de Ordenamiento Territorial de Guárico
POTAnz: Plan de Ordenamiento Territorial de Anzoátegui
POTMon: Plan de Ordenamiento Territorial de Monagas
VII-
ANÁLISIS DE MODELO DE SENSIBILIDAD DEL MEDIO FÍSICO +
INFRAESTRUCTURA
Cada uno de los modelos presentan un comportamiento distinto, sin embargo no hay
predominancia marcada por alguna clase en particular en ninguno de los casos tal como se
muestra en las figuras 6, 7 y 8; dado que ninguna contribución llega al 50 %. Aun cuando es
claro la influencia del aspecto geomorfológico que se muestra más sensible que el aspecto
hidrográfico (ver figuras 6 y 7).
Para el sub-componente Geomorfología las clases más sensibles correspondieron a los tipos de
sub-paisaje caracterizado como Mesas Disectadas y Mesas Quebradas. Las clases menos
sensibles fueron los sub-paisajes caracterizados como Llanuras Eólicas.
Para el sub-componente Hidrografía se observa menor variabilidad y una menor influencia
(alrededor del 20%). Las clases más sensibles fueron Cañaotes y Canales de régimen permanente
y las menos sensibles fueron aquellas caracterizadas como Préstamos de Régimen Intermitente;
sin embargo, la diferencia absoluta entre los extremos no superó los 4 puntos porcentuales.
Para el Caso de la variable vialidad (sub-componente Infraestructura) las contribuciones
demostraron más variabilidad y a su vez una influencia muy cercana al sub-componente
Geomorfología. Las mayores contribuciones de sensibilidad se encontraron asociadas a la clase
Caminos Carreteros, seguidos muy de cerca por la clase Carreteras de Tierra; lo cual no deja de
ser un resultado lógico, teniendo en cuenta el tipo de actividades involucradas. Los Caminos
Pavimentados y Caminos Engranzonados son los que presentan menor sensibilidad,,
En general, como se observa en la figura 6, para este modelo existen condiciones de baja
dominancia. Por otro lado la conformación geo-espacial de las clases en el área de estudio, para
Componente Físico+Infraestructura, genera más dispersión en las contribuciones. En
consecuencia, para este componente se observaron pocas áreas críticas de muy alta sensibilidad,
tal como se muestra en la tabla anexa a la figura 2. Así, de acuerdo a este análisis, el 99% del
territorio del área de estudio esta constituido por lugares de baja a muy baja sensibilidad al medio
físico + infraestructura.
8
C Al u
i nt emi t ent e
0,80
0,70
per mant e
L Al u
SENSIBILIDAD
L E ol
Muy Alta
0,60
embal se
M Csv
0,50
0,40
0,30
pr est amo
M Dsc
0,20
0,10
l aguna
M I nc
AREA (Ha)
9,8906427
%
0,0002
Alta
108,266713
0,0019
Media
17655,8737
0,3126
Baja
795412,375
14,0825
Muy Baja
4835047,74
85,6028
0,0986326
0,0000
sin informacion
0,00
c anal
M Qbd
c añaot e
S Den
c año
pav i ment ado
r io
c ami no c ar r et er o
engr anz onado
c ar r et er a de t i er r a
Figura 2: Diagrama de dominancia y sensibilidad para el Medio Físico+Infraestructura.
VIII-
ANÁLISIS DEL MODELO DE SENSIBILIDAD DEL MEDIO LEGAL
En el caso del componente legal, se observa una marcada dominancia de la caracterización
territorial por ABRAE; con contribuciones que van desde 93% al 73%. Para todas las
caracterizaciones se observa una amplia variabilidad interna (mayor a 10 puntos porcentuales).
Para la caracterización por ABRAE, se tiene a las Zonas protectora de nacientes de ríos
permanentes (ZPN) como las áreas más sensibles con un 93% de contribución y al Panque
Nacional Agüaro Guariquito, como el área menos sensible desde el punto de vista legal, aún
cuanto reporta un 73% de contribución, lo cual es altamente dominante (ver figura 8).
Para la caracterización territorial por manejos especiales (ABME), se observa una mayor
variabilidad interna y una dominancia intermedia. Las áreas más sensibles son aquellas
reconocidas como Zonas Especiales por Decreto de Demarcación de Tierras Indígenas (DTI) con
una contribución de 73%. Estas zonas especiales son los territorios actualmente ocupados por las
comunidades de la etnia Kariña, del sur del estado Monagas. Las áreas menos sensibles resultaron
ser aquellas reconocidas como Zonas Especiales para el Desarrollo Sustentable (ZEDES) y las
Zonas Especiales de Aprovechamiento para Plantaciones Forestales (ZAPF); ambas con una
contribución del 60%. Aun cuando estas contribuciones son relativamente bajas a lo interno, no
dejan de ser significativas en términos de dominancia total.
En el caso de las contribuciones de sensibilidad por caracterización territorial según planes de
ordenación del territorio (POT); se observaron los menores valores de contribución y una
variabilidad interna casi imperceptible, con diferencias porcentuales cercanas a 6 puntos .
Finalmente analizando los resultados en conjunto, se observa una marcada dominancia en
aspectos caracterizados como ABRAE, y se observa la poca relevancia en la contribución dada
por los POT (ver figura 3). Esto muy probablemente se deba a la forma como se plantearon las
preguntas en instrumento de consulta, en donde no se hicieron diferenciaciones a lo interno de
cada instrumento de ordenación. En este sentido, la sutil diferencia observada para el caso de plan
de ordenación del estado Guárico (POTGUA) sobre el plan de ordenación de los estados
Anzoátegui (POTANZ) y Monagas (POTMON), probablemente obedece a la comparación
relativa por parte de los expertos de cada plan de ordenación, sus peculiaridades y sus respectivas
implicaciones en lo ambiental.
9
1,00
0,90
POTMON
ACPTMG
SENSIBILIDAD
0,80
0,70
0,60
0,50
POTANZ
ABBPCC
0,40
0,30
0,20
0,10
0,00
POTGUA
AREA (Ha)
%
Muy Alta
1231,79
0,0224
Alta
25460,22
0,4628
Media
610530,68
11,0985
Baja
1685334,23
30,6368
Muy Baja
3178455,72
57,7795
ZPN
ZEDES
ZPRP
DTI
ZEAPF
Figura 3: Diagrama de dominancia y sensibilidad para el Medio Legal
IX-
ANÁLISIS DEL MODELO DE SENSIBILIDAD BIOLÓGICA
En el caso de la sensibilidad biológica, se observa una dominancia marcada en la caracterización
de la vegetación por Grado de Conservación y Madurez Ecológica; ambas variables se muestran
altamente sensibles a las acciones analizadas, con valores entre el 71% y el 55%. En el caso de las
variables restantes el comportamiento de las contribuciones sitúa a caracterización por Formación
Vegetal en segundo lugar con contribuciones de alrededor del 45% y deja a la caracterización por
Uso de la Tierra como la variable menos sensible con contribuciones cercanas al 35%.
El comportamiento de indica mayor sensibilidad por Conservación y Madurez y menor
sensibilidad por Uso de la Tierra es lógico, desde que esta última es una variable antrópica lo que
la hace flexible y permite la adopción de medidas de adaptación (ver figura 4).
En cuanto a la distribución espacial del modelo, ésta se ve nuevamente afectada por la
distribución geo-espacial de las variables analizadas en el área de estudio. Sin embargo,
nuevamente los resultados muestran una distribución diferenciable y heterogénea, como se
originalmente se esperaba (ver figura 4).
pecuar o
i
madur ez ecologica secun dar a
i
madur ez ecologica pr m
i ar a
i
0,80
agr c
i ola
0,70
cult v
i os an ualz
i ados
0,60
gr ado de con ser vacion bajo
pesquer a
i
0,50
0,40
gr ado de con ser vacion medio
min er ia
0,30
0,20
gr ado de con ser vacion alt o
n
i f r aest r uct ur a
0 , 10
0,00
ur ban o
her bazalr ala
her bazalmedia
n
i dust r a
il
her bazalden sa
ar bolada den sa
ar bust v
i o r ala
ar bolada media
ar bust v
i o medio
ar bolada r ala
ar bust v
i o den so
Figura 4: Diagrama de dominancia y sensibilidad de l medio Biológico.
10
CONCLUSIONES
Es importante resaltar que la forma como se obtuvo y manejó la información fue orientada a
explotar la potencialidad de las relaciones espacial como mecanismo y herramienta de análisis.
El ejercicio constituye una forma novedosa e inédita de modelar y analizar la sensibilidad
ambiental.
Los resultados obtenidos constituyen una primera aproximación a los estudios de sensibilidad del
proyecto trabajado; pues aun cuando se consideraron solo actividades preliminares y el juicio
experto ejerció una fuerte influencia en los resultados, la metodología desarrollada, es lo
suficientemente abierta a la inclusión de nuevas actividades y otros factores en el análisis de
relaciones espaciales. Un ejemplo de ello son análisis de proximidad y solapamiento entre la
representación espacial de las variables y el área de influencia de las acciones.
Si bien es apenas un inicio, en la medida que metodologías como ésta, sean desarrolladas desde la
planificación, menor será el impacto al ambiente, menos intrusiva será la actividad productiva y
por ende, mejor será la calidad de vida esperada a futuro; pues el plan de desarrollo se ajustará a
la realidad ambiental y no al contrario.
En cuanto a los alcances y las limitaciones que este trabajo tuvo, se puede decir que los
resultados obtenidos, están determinados por la cantidad de variables involucradas y las acciones
consideradas; al analizarlos no se debe perder de vista este detalle, pues la inclusión de variables
socioculturales en un componente propio, al que intrínsecamente pertenece la variable vialidad,
por ejemplo; definitivamente generaría resultados diferentes, siendo el juicio experto la base de
estos resultados. Se debe insistir en que los resultados están determinados por las acciones
involucradas, a saber: Levantamiento topográfico, Construcción de vialidad, Construcción de
localizaciones, Perforación de pozos, y Reacondicionamiento del sitio. Sería un error asociar
estos resultados a sensibilidades debidas a otro tipo de actividades o acciones.
En cuanto a los resultados se puede concluir que en el caso del modelo de sensibilidad del medio
Físico+Infraestructura, se observa gran homogeneidad en el temático tendiente hacia valores de
baja a muy baja sensibilidad; esto quiere decir que la valoración del medio físico y de la
infraestructura se afecta poco por el efecto de las acciones planteadas en este estudio. En
consecuencia, se podría decir que estas acciones son de bajo impacto en el medio físico y las
variables de Infraestructura.
En el caso del modelo de sensibilidad del medio Legal, se observan importantes niveles de
sensibilidad en las tierras del suroeste de Monagas y el sureste de Anzoátegui, en donde
diferentes aspectos relacionados con regímenes de administración y manejo especial concurren en
el mismo espacio geográfico para incrementar la sensibilidad.
En el caso de los modelos de sensibilidad biológica, se obtuvieron los resultados más
heterogéneos de todo el estudio, y la mayor cantidad de áreas en situación de muy alta
sensibilidad, en especial en las zonas ribereñas asociadas a ríos principales y a toda la margen sur
del área de estudio (cercanía al río Orinoco). Esto indica que este aspecto del ambiente el más
delicado desde este punto de vista. En general, de acuerdo a los resultados, el medio biológico es
el medio que puede verse más afectado por el efecto de las acciones consideradas en este estudio.
11
SISTEMA DE INFORMACIÓN GEOESPACIAL PARA LA
OPTIMIZACIÓN DE LA GESTIÓN MUNICIPAL. PRIORIDADES
DE PAVIMENTACIÓN URBANA.
Ing. Bartolomé Oropeza Villafañe
Universidad Nacional Experimental Francisco de Miranda
Laboratorio de Sistemas de Información Geográfica de Agro y Mar
Calle Toledo Numero 22 entre calle Norte y av. Josefa Camejo. Coro - Falcón Venezuela.
[email protected]
ÍNDICE DE CONTENIDO
1. Resumen
2. Introducción
3. Materiales y Métodos.
4. Resultados.
5. Conclusiones.
6. Bibliografía.
1. RESUMEN
El municipio Miranda del Estado Falcón tiene por capital la ciudad Santa Ana de Coro,
declarada patrimonio de la humanidad por poseer monumentos históricos arquitectónicos de
valor incalculable. Este proyecto tiene como objetivo aplicar las herramientas de la Geomática
para apoyar la instrumentación del Plan de Desarrollo Local (PDUL). Los resultados esperados
se orientarán a la optimización de la gestión municipal a través de la implementación de un
sistema de información geoespacial para identificar y analizar espacialmente los aspectos
sectoriales fundamentales de la planificación urbana, esperando mejoras en la calidad de vida
de la comunidad. La base de datos fue alimentada con trabajo de campo para conocer el estado
de la vialidad y se efectuó un inventario de la infraestructura de salud, escuelas y vías utilizando
GPS. Se trabajo con un modelo vectorial sobre una imagen del satélite Ikonos del año 2003
como fondo cartográfico, procesado con ARCGIS 9.0 obteniendo el mapa de prioridades de
pavimentación, tomando en cuenta como criterios, distancias de las vías a centros de salud,
educacionales, pertenencia al transporte urbano, condición de la vialidad, concluyendo en una
estrategia a corto, mediano y largo plazo para realizar la pavimentación y mantenimiento de la
vialidad urbana.
Palabras claves: Sistema, pavimentación, geoespacial, geoinformación
ABSTRACT
The municipality Miranda of the State Falcon has by capital the city Santa Ana of Coro,
declared patrimony of the humanity to have architectonic historical monuments of incalculable
value. This project must like objective apply the tools of the Geomática to support the
instrumentation of the Plan of Local Desarrollo (PDUL). The awaited results will be oriented to
the optimization of the municipal management through the implementation of a geoespacial
information system to space identify and to analyze the fundamental sectorial aspects of the
urban planning, waiting for improvements in the quality of life of the community. The data base
was fed with work of field to know the state the road and it took place an inventory of the health
infrastructure, schools and routes using GPS. Work with a vectorial model on an image of the
Ikonos satellite of year 2003 like cartographic bottom, processing with ARCGIS 9,0 obtaining
the map of paving priorities, taking into account like criteria, distances of the routes to centers
of health, educational, property to the urban transport, condition of the road, concluding in a
short, medium strategy to and long term to make the paving and maintenance of the urban road.
Keywords: System, paving, geoespacial, geoinformación
2. INTRODUCCION
La transformación de la situación política y social del país especialmente en materia
legislativa y de políticas sociales urbanas, así como el esfuerzo por un nuevo patrón de
ordenación territorial, obliga hoy a la revisión y actualización de los planes vigentes en el país y
especialmente en los espacios urbanos que concentran cada día una mayor proporción de
personas. En este sentido, la alcaldía del municipio Miranda del Estado Falcón se planteó en el
año 2007 la revisión y actualización del Plan de Desarrollo Urbano Local (PDUL) de su capital
Santa Ana de Coro, bajo un enfoque participativo y utilizando además los aportes de la
Geomática para fortalecer las instancias de planificación y de gestión municipal.
El Plan de Desarrollo Urbano Local Participativo de Santa Ana de Coro al 2020
(PDUL), es un instrumento de gestión del territorio, que tiene por finalidad el
acondicionamiento progresivo del espacio físico del Municipio para consolidar un verdadero
desarrollo sustentable de la comunidad. Además de ser un instrumento de gestión de desarrollo,
es instrumento de promoción de la inversión privada que ayudará a consolidar la gestión del
sistema de gobierno local y el control concertado del desarrollo del territorio (Propuesta PDUL
2006).
El PDUL de Santa Ana de Coro, contendrá la expresión de las necesidades y
aspiraciones de la comunidad, por tanto su vigencia y la gestión de las propuestas contenidas en
él, estarán soportadas por sólidas bases conceptuales y prácticas que garantizarán su viabilidad,
más allá de las actuales gestiones de los gobiernos central, regional y local.
El Municipio Miranda del Estado Falcón posee una superficie de 1,805 Km2. Su capital
Santa Ana de Coro, declarada Patrimonio Histórico de la Humanidad desde 1993, cuenta con
una población de 136 mil 379 habitantes. Desde el punto de vista catastral esta dividido en tres
parroquias urbanas y cuatro parroquias rurales, en total 5 ámbitos urbanos y 7 rurales. Dentro de
las principales variables que evidencian los logros de la gestión municipal se encuentra la
vialidad, su estado y desarrollo son signos del estatus urbano alcanzado y el potencial de
inversión que podría tener una ciudad.
La toma de decisión en el marco de la gestión municipal soportada por los Sistemas de
Información Geográfica (SIG) es un área que aun no ha sido desarrollada sistemáticamente por
los gobiernos locales. De allí la intención de avanzar con esta temática en la jurisdicción del
municipio Miranda del Estado Falcón. Además, la problemática social, enfocada desde la óptica
geoespacial, se convertirá en un insumo obligatorio para el proceso de planificación.
Este proyecto tiene como objetivo aplicar las herramientas de la Geomática para apoyar
la instrumentación del PDUL de Santa Ana de Coro en sus fases de diagnóstico, prospectiva y el
plan propiamente dicho. Los resultados esperados se orientarán a la optimización de la gestión
municipal a través de la implementación de un sistema de información geoespacial para
identificar y analizar espacialmente los aspectos sectoriales fundamentales de la planificación
urbana, esperando mejoras en la calidad de vida de la comunidad, al permitir una adecuada
planificación del espacio incorporando la geoinformación al servicio comunitario.
3. MATERIALES Y MÉTODOS.
Características relevantes del área de estudio.
La ciudad de Santa Ana de Coro, capital del Municipio Miranda del Estado Falcón,
cuenta con una superficie de 42.72 Km2 y una población de 160 mil 285 habitantes, con
densidad de 3358.86 hab/Km2 (INE, 2001). Desde el punto de vista catastral está dividida en
Tres Parroquias Urbanas: San Antonio, San Gabriel y Santa Ana.
Santa Ana de Coro pertenece al Área Metropolitana Coro – La Vela. Fue la primera
capital de Venezuela y una de las ciudades más antiguas de América. Junto al Puerto de La
Vela, fue declarada Patrimonio Cultural de la Humanidad, distinción otorgada por la UNESCO
en el año de 1993, por sus importantes valores arquitectónicos, coloniales, manifestaciones
folklóricas, playas y demás atractivos turísticos.
Según indicadores, los servicios en redes, como son: acueductos, cloacas, energía
eléctrica y telefónica tienen una buena cobertura, a diferencia de las áreas recreativas, áreas
verdes y deportivas de carácter público que presentan un déficit de acuerdo a indicadores
estándares.
Dentro de las principales variables que evidencian los logros de la gestión municipal en
esta ciudad, puede mencionarse la vialidad, su estado y desarrollo son signos del estatus urbano
alcanzado y el potencial de inversión que podría tener una ciudad.
Materiales.
Para desarrollar el proyecto de un Sistema Geoespacial para la Planificación Urbana y
Gestión Municipal de Santa Ana de Coro Municipio Miranda, Estado Falcón, se dispuso de
archivos y materiales, tanto en formato digital (vector y raster) como analógico (Cuadro 1).
Cuadro 1. Archivos y estudios previos para apoyar el Sistema Geoespacial para la Planificación Urbana y Gestión
Municipal de Santa Ana de Coro, Municipio Miranda, Estado Falcón.
Archivos y Materiales
Formato
Fuente
Mapa de Coro del año 1951
Analógico
M.O.P., escala 1:10.000
Mapa de Coro del año 1965
Analógico
MARN., escala 1:5.000
Mapa de Coro del año 1975
Analógico
MINDUR, escala 1:5000
Mapa de Coro del año 1988
Analógico
MINDUR, escala 1:5.000
Imagen Ikonos 2003. 1 metro color
Mapas infraestructura y servicios de la
propuesta del PDUL de Coro 1993
Mapas del POU de Coro la vela 1993
Mapas de manzanas, vialidad,
servicios de redes y drenajes
Digital Geotiff Space Imaging. Alcaldía del Municipio
Miranda
Analógico
Municipio Miranda, 1:12.500
Analógico
MINDUR, escala 1:12.500
Digital , dwg y Hidrofalcón, Alcaldía de Miranda,
dxf
Eleoccidente, escala 1:10.000
Procedimiento.
Partiendo de la información contenida en el Cuadro 1 se procedió a la obtención de los
mapas que acompañan el diagnóstico y prospectiva del PDUL apoyándose en los documentos
existentes PDUL, (2007) y el Plan de Ordenación Urbanística (POU) de Coro y la Vela (1993).
A partir del inventario de esta información se organizó la base de datos cartográfica y atributiva
del sistema. Para ello se definió el modo de representación de cada variable tanto en el formato
vector como raster y se concreto las particularidades y estructura de los campos y registros de
las tablas de datos.
Para el caso propuesto en este trabajo del establecimiento de criterios para realizar
campañas de pavimentación, se tomaron en cuenta las siguientes condiciones, como criterios
para tipificar la vialidad en función de la prioridad de pavimentación:
ƒ Mayor Densidad Poblacional.
ƒ Cercanía a Escuelas y puestos de Salud.
ƒ Vialidad que forme parte de las Rutas de Transporte Público.
ƒ Estado actual de la Vialidad.
ƒ
Jerarquización de la Vialidad.
El sistema de gestión propuesto posee la capacidad de responder a las siguientes
interrogantes:
a) ¿Cómo se distribuye espacialmente la población de la Ciudad de Santa de Coro?.
b) ¿Cuáles son las áreas cubiertas por los servicios de redes?.
c) ¿Cuál es el estado de la vialidad urbana y sus prioridades de pavimentación?.
d) ¿Cuáles son las áreas mas propicias para la expansión urbana?.
e) ¿Cuáles son las áreas de mayor interés histórico y turístico?.
f) ¿Cuál es el valor de la tierra con referencia a los instrumentos fiscales vigentes?.
g) ¿Cómo se distribuye espacialmente la infraestructura de la ciudad?.
La Información necesaria para dar tratamiento a los aspectos citados se derivó del
proceso de captura de los datos. Se dio singular importancia al aspecto c, referido al estado de
la vialidad y a las prioridades de pavimentación, a manera de caso de estudio para demostrar el
potencial de la Geomática en la resolución de problemas y toma de decisiones en el ámbito
urbano.
El modelaje planteado contempló la obtención del mapa de prioridades de
pavimentación partiendo de la información geoespacial de las variables (capa vectorial) en
formato SHAPE (Cuadro 3).
Cuadro 2. Diseño de la Base de Datos Geoespacial para la Planificación Urbana y Gestión Municipal
Variable
Sectores
Urbanos
Vialidad
Urbana
Escuela
Centros de
Salud
Símbolo
Polígono
Arcos
(líneas)
Puntos
Puntos
Gráfico
Descripción
Polígonos
que
delimitan las áreas
de los sectores.
Líneas que
Representan
la
vialidad urbana.
Puntos
que
representan
la
posición de las
escuelas primarias
y secundarias
Puntos
que
representan
la
posición de los
Centros de Salud
Atributo
Tabla
Longitud
Tipo
Dominio
ID_Sect
Pobla_2005
Área_Km2
Nombre
Dens_pobla
Prior_Dens
Numérico
Numérico
Numérico
Carácter
Numérico
Numerico
4
8
8, 2 decim
Id>0
Valor>0
Valor>0
6, 2 decim
4, 2 decim
Valor>0
10 Valor 0
ID_Via
Jerarq_Via
Numérico
Numérico
5
4
Prior_Jerarq
Numerico
4
Tipo_Via
Numérico
4
Id>0
Jerarq
Prior
1=Arterial
10
2= Colector
5
3= Local
1
1= Avenida,
2=Calle, 3=Callejon
0= No defin.
Nombre_Via
Carácter
Longitud
Estado_Via
Numérico
Numérico
8, 2 decima
4
Prior_Estado
Numérico
4
ID_Ruta
Numérico
4
Solape
Prior_Ruta
Numérico
Numérico
4
4
Valor>0
Estado
1= Muy mala
2= Mala
3= Regular
4= Buena
1= Con ruta
0= Sin ruta
Valor 0
10 Valor 0
ID_Escuela
Nombre
Numérico
Carácter
4
Id>0
Matricula
Tipo
Numérico
Numérico
5
4
Prior_Dist_Esc
Númerico
4
Matricula>0
1= Prima, 2= Secund
3= Mixta
6= 0 – 300 m
5= 301 – 600 m
4= 601- 900 m
0= Mayor a 900 m
ID_C.Salud
Nombre
Tipo
Numérico
Carácter
Numérico
4
Id>0
4
1= Ambul, 2= Clínica
3= Hospital
Prior_C.Salud
Numérico
4
5=
4=
3=
0=
0 – 300 m
301 – 600 m
601- 900 m
Mayor a 900 m
Prior
10
8
5
0
Etapas.
Primera etapa: Calcular la prioridad de pavimentación a partir de la densidad
poblacional por sector. (A)
Primeramente se calculo la densidad poblacional utilizando la herramienta Calculate de
ArcView. Luego se asignó el valor de prioridad a cada sector con relación a la densidad
poblacional, mediante la siguiente expresión:
Prioridad = 10*(DEN_PBLA) / VALORMAXIMO(DEN_PBLA)
Las prioridades se establecieron del 1 al 10, siendo 10 alta prioridad. Posteriormente se
asignó las prioridades a los tramos de vías contenidos en cada sector. El esquema siguiente
muestra el procedimiento seguido para establecer el mapa de prioridades respectivo.
Segunda etapa: Calcular la prioridad con base a la distancia vial desde los Centros de
Salud. (B). Esta etapa se ejecuto de la siguiente manera:
-
Con el uso de la herramienta Create Buffer de ArcView, se generaron polígonos
con distancias de 300, 600, 900 y 3000 m alrededor de los puntos de los centros de
salud (un shape para cada condición).
-
Para el caso de rangos de distancias de 301 a 600, 601 a 900 y mayores de 901 se
utilizó la herramienta Combine Feature para extraer las áreas solapadas.
-
Posteriormente se realizo la unión de los Buffer (distancia 0 - 300, 300 – 600, 600 –
900, mayores de 900) mediante la herramienta GeoProcessing – Merge.
Los valores se correspondieron con las siguientes prioridades:
Calificación
5
4
3
0
Criterios de Prioridad
Para distancias de 0 – 300
Para distancias de 301 – 600
Para distancias de 601 – 900
Para distancias mayores a 901
Tercera etapa: Calcular la prioridad con base a la distancia vial desde las Escuelas. (C)
Esta etapa se desarrollo siguiendo los pasos análogos a la etapa anterior. Se crearon
Buffer para cada rango de distancia a las Escuelas y se obtuvo el Merge con valores de prioridad
en base a las distancias establecidas.
Los valores se correspondieron con las siguientes prioridades:
Calificación
6
5
4
0
Criterios de Prioridad
Para distancias de 0 – 300
Para distancias de 301 – 600
Para distancias de 601 – 900
Para distancias mayores a 901
Cuarta etapa. Asignar prioridad por pertenencia o no al transito de rutas públicas. (D)
Esta etapa consistió en el cálculo del número de rutas perteneciente a cada tramo vial.
Para ello se utilizo la herramienta Calculate de ArcView. Posteriormente se determinaron los
valores de prioridad utilizando la expresión:
Prioridad = 10*(SOLRUTAS) / VALORMAXIMO (SOLRUTAS)
Las prioridades se establecieron del 1 al 10, siendo 10 alta prioridad
Quinta etapa. Asignar prioridad por estado de la vialidad. (E).
En esta etapa se asignó una prioridad en función de las condiciones de la vía de acuerdo
con la siguiente clasificación:
Calificación
10
8
5
0
Criterios de Prioridad
Muy mala
Mala
Regular
Buena
Sexta etapa: Asignar prioridad por jerarquización vial. (F).
En esta etapa se asignó el valor de prioridad de acuerdo con la jerarquización vial de
cada tramo de vía de la siguiente manera:
Calificación
10
5
1
Criterios de Prioridad
Arterial
Colector
Local
Séptima etapa: Se realizo la sumatoria de los seis (6) mapas de prioridades generados
afectados por sus pesos para obtener el mapa de Prioridad de Pavimentación Final. La
expresión utilizada y los pesos para cada criterio fueron los siguientes:
PRIORIDAD = (Peso A * Prior Den_Pbla) + (Peso B * Prior Dist_ C. Salud) + (Peso C
* Prior Dist_Escuelas) + (Peso D * Prioridad Rutas_Urb) + (Peso E * Prior
Estado_Via) + (Peso F * Prior Jerarq_Via).
Nótese que los campos de prioridad, sumados representan los valores promedios, de tal
manera que espacialmente coinciden con el valor de un tramo de vía completo. Las
calificaciones de cada criterio como los pesos para cada prioridad se obtuvieron de la consulta a
las instituciones, entes públicos y privados relacionados con la materia.
Prior_t = ([Ave_a] * 0.1) + ([Ave_b] * 0.15) + ([Ave_c] * 0.15) + ([Ave_d] * 0.25) +
([Ave_e] * 0.20) + ([Ave_f] * 0.15)
4. RESULTADOS
Los resultados obtenidos en este trabajo pueden considerarse en dos aspectos. El primero
relacionado con la nueva filosofía de gestión municipal, soportada por herramientas tecnológicas
para el modelado de la realidad espacial, no sólo circunscrito al caso de la pavimentación vial
que de por sí es bastante importante, sino que también involucra el conjunto de actividades y
procedimientos que se acometen sobre la entidad político territorial de Santa Ana de Coro. El
segundo aspecto es más tangible y está representado por la información georeferenciada
disponible y la instrumentación de un sistema que permitirá asistir la toma de decisiones y en el
caso específico, el de atender las prioridades de pavimentación de la vialidad urbana de Santa
Ana de Coro, demostrado en el gran potencial de la geomática en asistir la delicada tarea de
planificación y gestión municipal.
Al observar la distribución espacial de las escuelas y centros de atención médica, puede
decirse que existe un alto cubrimiento de esta infraestructura de tal manera que los criterios de
pavimentación asociados a estos elementos, contribuirían de forma similar al resultado final para
cada tramo de vialidad. Sin embargo, la calificación de prioridades para los mismos rangos de
distancias, fueron mayores para los centros de salud.
Figura1. Mapa: Vialidad – Prior Dens_Pbla (A).
Las Figuras 1, 2 representan los mapas de prioridades de pavimentación para cada criterio, y así
se obtuvo un mapa para cada criterio . Es de hacer notar que un mismo tramo de vía, por
ejemplo, la calle Garcés entre calle Millar y Hospital tiene dos valores de prioridad para el
criterio distancias a centro de salud, es decir, se encuentra desagregada, por lo que en teoría
pudiera constituirse un mapa final de prioridad con estas características. Sin embargo, en práctica
la prioridad debe asignarse a un tramo completo.
Figura 2. Mapa: Vialidad – Prior Dist_C.Salud (B).
Al contar con un mapa de prioridades de pavimentación figura 3, el administrador municipal
podría preguntarse ¿Cuántos kilómetros de vías debería colocar en primera prioridad? ó ¿Cuántas
de ellas son avenidas, calles o variantes? Es decir, la productividad de la base de datos podría ser
explotada al relacionar los múltiples campos de acuerdo a la conveniencia del planificador. La
consulta espacial constituye un ejemplo sencillo, en el cual la herramienta de análisis espacial
Query Builder (consultor de mapas), permite generar expresiones tales como: ([Prior_t] >=
1.8) and ([Prior_t] <= 2.8), cuya instrucción es:
Seleccione los tramos de vías
Figura 3. Mapa final: Vialidad – Prioridades de Pavimentación
con prioridades de pavimentación entre 1,8 y 2,8. Para determinar la longitud total de vías
correspondientes a cada rango se emplearon las herramientas estadísticas de gestión de tablas.
5. CONCLUSIONES.
En base a los resultados obtenidos en el desarrollo de la esta investigación, se concluye
lo siguiente:
La aplicación de un modelo geoespacial para asistir la toma de decisiones al nivel
municipal debe convertirse en una política de gestión que intervenga en las distintas
instancias municipales.
La sencillez de este modelo y el alto impacto que generaría en los resultados prácticos en
cuanto a la cuantificación de los programas de pavimentación obedeciendo a criterios
técnicos de priorización, son dos rasgos que permitirían recomendar su implementación en
el referido ámbito geográfico.
Al comentar el enfoque del problema a través de la geomática valdría la pena destacar las
ventajas del formato vectorial y la gran cantidad de herramientas de la cuales se dispone
para el geoprocesamiento de los datos.
Para el caso especifico del modelo de prioridades de pavimentación la municipalidad
debería atender aquellos tramos de vialidad en un rango de 2.8 - 3.8 totalizando 261,83
Km bajo estas condiciones.
Aunque los rangos de subdivisión de los valores de prioridad no representan un estándar
referido o derivado de una norma de vialidad urbana, el solo valor numérico creciente,
permitió establecer una distinción categórica de las prioridades de pavimentación.
En el ámbito de la gestión de los consejos comunales sería interesante la validación de estos
resultados, inclusive, generar nuevos mapas de prioridades a lo interno de cada una de estas
instancias geográficas con valores detallados para cada criterios.
Esta información sobre vialidad y otros aspectos del ámbito urbano constituyen una
excelente oportunidad para la implementación de un sistema geoespacial cuya actualización
de la base de datos, este responsablemente a cargo de una instancia administrativa
municipal, que garantice su vigencia en el tiempo.
6. BIBLIOGRAFIA.
1. Barredo, J. 1996. Sistemas de Información Geográfica y Evaluación Multi-criterio en la
Evaluación del Territorio. RA-MA. Madrid. España.
2. CEDINTEL (14 mayo 2008) Red de Geomatica
ww.cenditel.gob.ve/wikicenditel/doku.php?id=rgl - 24k
3. Gobierno Municipal Alcaldía de Valencia
www.alcaldiadevalencia.gov.ve/noticias.
(12
Libre.
mayo
2008)
[en
línea]:
[en
línea]:
4. INEGI. 2003. Convención Nacional de Geografía. Memoria Digital. . [en línea]:
www.inegi.gob.mx/ - 53k.
5. Murai, S. 1999. SIG Manual Base. Conceptos Fundamentales. Revista Journal Universidad
de Tokio. 15 (1): 8,. 50-51.
6. Ortiz, R.; Mundo, J. Lucitano, J. 2002. Metodología Para la Creación de Sistemas de
Información Geográfica en Transporte para la Planificación y la Gestión Urbana. Revista
electronica 12(34): 303-320. [en línea]: www.scielo.org.ve/scielo.pnp. (13 mayo 2008).
7. Pinheiro, E. 2003. Avaliacao de Imagens QuickBird na análice geográfica de un sector de
Mata Atlántica do Río Grande do Sul: INPE – 100094 – TD/891. 173 p.
8. Pujol, R.; Garita, A.; Solano, J. 2000. La Participación y los Sistemas de Información
Geográfica como Instrumentos Esenciales. Programa de Investigación en Desarrollo
Urbano Sostenile (ProDUS).Universidad de Costa Rica. . [en línea]:
http://www.produs.ucr.ac.cr/
9. Zambrano, N. 2003. Introducción a los Sistemas de Información Geográfica. Instituto
Geográfico de Venezuela Simón Bolívar. Caracas, Venezuela. 54 p.
“SISTEMA DE INFORMACIÓN GEOGRÁFICA PARA LA GESTIÓN
TURÍSTICA DE LA VELA, MUNICIPIO COLINA DEL ESTADO
FALCÓN”
Carlina del Valle Rosillo Selen. Ilyan Carolina Curiel Gutiérrez
Instituto Universitario de Tecnología Alonso Gamero (IUTAG), Departamento Académico de Construcción
Civil. Avenida Libertador. Santa Ana de Coro, Estado Falcón
[email protected] [email protected]
RESUMEN
En la actualidad existen políticas de Estado dirigidas a dar un impulso significativo al
Turismo en todas las regiones, especialmente a las Zonas de Interés Turístico establecidas en el
país. Como un aporte al desarrollo de las actividades turísticas y al aprovechamiento de los
recursos disponibles en La Vela, se plantea el diseño de un Sistema de Información Geográfica
aplicado al Turismo, bajo la modalidad de Proyecto Factible apoyado en una Investigación de
Campo, donde se recopiló la información en el área estudiada a través de consulta a los
organismos responsables y utilización de GPS navegador para obtener la información geográfica
de los sitios de interés turístico establecidos en la localidad según la Dependencia de Turismo de
la Alcaldía Bolivariana del Municipio Colina, incorporando dicha información a una base de
datos digital y vinculando estos datos a un software especializado, en el cual, de manera
dinámica, simple y automatizada, se visualizan las características y atributos más importantes
otorgándole localización georeferenciada a través de imágenes satelitales. Con la aplicación de
las técnicas de recopilación y procesamiento digital de la información, se logró un Sistema de
Información constituido por once Mapas Temáticos que organizan y ubican los sitios estudiados,
según sus coordenadas UTM con datum Regven, obteniendo características de acuerdo a la
clasificación, usos y capacidades de los atractivos turísticos, proporcionando una herramienta
sistematizada que permite el manejo y el análisis para planificación de los recursos turísticos
disponibles.
Palabras Clave: Sistema de Información Geográfica, Turismo.
INTRODUCCION
La Vela constituye una Zona de Interés Turístico con una alto potencial que requiere ser
desarrollado, impulsando sus valores culturales, históricos y atractivos disponibles.
La iniciativa de este trabajo parte de la necesidad de crear una herramienta que sirva de apoyo a la
gestión organizacional del turismo en la zona, generando instrumentos de trabajo para el manejo de
la información que permitan formar criterios para la planificación y funcionamiento de los
diferentes servicios turísticos, y que pueda ser consultada de forma inmediata, práctica, eficaz, y a
su vez pueda ser constantemente actualizada.
El Diseño del Sistema de Información Geográfica contiene todo lo referente a las
características y descripción de los aspectos más relevantes relacionados con los establecimientos
de infraestructura turística existentes en la localidad y vinculando estos datos a información
geoespacial con el uso de un software especializado que permite la visualización de la información
mediante imágenes satelitales.
Este trabajo esta estructurado en cuatro capítulos, en el primer capítulo se presenta el
problema, la delimitación, la justificación de la investigación, los objetivos a cumplir y limitaciones
del estudio. En el segundo capitulo muestran los antecedentes y bases teóricas del trabajo. El tercer
capítulo describe el marco metodológico establecido, detallando además las fases de la
investigación y el procedimiento llevado a cabo para el diseño del Sistema requerido, pasando al
análisis de resultados en el cuarto capítulo y para finalizar se presentan las conclusiones y
recomendaciones establecidas en el trabajo.
MATERIALES Y METODOS
Para compilar la información del área de estudio, se utilizaron Técnicas de Recolección de
datos, mediante entrevistas realizadas a los dueños u ocupantes de los bienes inmuebles, se
obtuvieron las características de la edificación y servicios que ofrece, se usó un GPS Navegador y
Cinta Métrica, además una cámara digital para llevar un registro fotográfico, el cual fue de gran
utilidad para identificar, examinar y garantizar una mejor presentación de las imágenes. Para la
elaboración de la Base de Datos se usaron Planillas de Registros para el vaciado de la información.
Fase I: Investigación
Está fase se desarrolló de la siguiente manera:
Información Documental: Durante esta etapa se obtuvo toda la información necesaria a
través de las diferentes fuentes, bibliografías, folletos, catálogos, internet, etc., donde se
lograron los conocimientos necesarios para las bases teóricas de este proyecto.
Información Institucional: Estuvo relacionada con la información aportada por aquellos
organismos que están directamente relacionados con la investigación: la Jefatura de
Turismo, en La Unidad del Poder Popular para el Equilibrio Económico de la Alcaldía
Bolivariana del Municipio Colina, el Instituto de Patrimonio Cultural y la Corporación
Falconiana para el Turismo (CORFALTUR), entre otros.
Fase II. Información del Área en Estudio
En esta fase se recopiló toda la información necesaria para la base de datos. Gracias a
entrevistas realizadas a los dueños u ocupantes de los bienes inmuebles, se obtuvieron las
características de la edificación, los servicios que ofrecen, e igualmente se ubicaron en el mapa a
través de coordenadas tomadas con un GPS Navegador Magellan Explorist, el cual tiene 3 metros
como margen de error utilizando el sistema WAAS, según especificaciones del producto. Para la
toma de coordenadas de cada punto, se posicionó en un tiempo de aproximadamente 5 minutos con
la finalidad de recibir la mayor cantidad de satélites posibles que garanticen una mayor precisión en
las lecturas. El GPS originalmente mide coordenadas geográficas, con posibilidad de cambiar
internamente a cualquier otro sistema que se desee, bajo el datum que el usuario prefiera; para éstas
mediciones se utilizaron coordenadas UTM acrónimo de (Universal Transversal Mercator o Sistema
Métrico Universal Transversal Mercator), con el datum que por normativas venezolanas se
encuentra vigente, el cual se denomina REGVEN (Red Geocéntrica de Venezuela), esto con la
finalidad de que se pueda vincular a la cartografía de la zona. Adicionalmente, se utilizó una cámara
digital para llevar un registro fotográfico, que fue de gran utilidad para identificar, examinar y
garantizar una mejor presentación de las imágenes en el Sistema de Información Geográfica (SIG),
en el estudio de los diferentes sitios turísticos, establecimientos de alojamientos, establecimientos
gastronómicos y servicios básicos de la localidad, que se obtuvieron, los cuales se desglosan a
continuación:
• 23 Atractivos Turísticos:
• 13 Establecimientos de Alojamientos: (03 Moteles, 06 Hoteles, 04 Posadas)
• 25 Establecimientos Gastronómicos:
• 31 Servicios Básicos: (05 Líneas de Transportes, 03 Estaciones de Servicios, 04 Farmacias, 03
Centros de Salud, 08 Seguridad y Orden Público, 02 Instituciones Bancarias, 03 Organismos
Públicos, 01 Centro de Telecomunicaciones, 01 Alcaldía, 01 Capitanía de Puertos).
Para la creación de la base de datos de los sitios y servicios turísticos se diseñaron tablas
para introducir la información, que a continuación se presenta de acuerdo al servicio que ofrecía el
sitio de interés turístico se introducía la descripción
TABLA DE INFORMACIÓN OBTENIDA
Nombre
Identificación del Atractivo (Formato Texto)
Dirección
Características
Localización del Atractivo (Formato Texto)
Se describe el tipo de establecimiento (Formato Texto)
Tipo
Capacidad
Descripción del vehiculo (Formato Texto)
Se describe el numero máximo de personas que pueden disfrutar del servicio en un
momento determinado (Formato Numérico)
Se describe el numero de mesas disponibles (Formato Numérico)
Cantidad
de
Mesas
Clasificación
Numero
de
Habitación
Descripción
Teléfono
Servicios
Forma de Pago
Descripción
Señalización
Estado
de
Conservación
Accesibilidad
Disponibilidad
Coordenadas
Se describe el tipo de establecimiento (Formato Texto)
Se describe el numero máximo de personas que pueden disfrutar del servicio en un
momento determinado (Formato Numérico)
Servicios prestado (Formato Texto)
Contacto Telefónico del Establecimiento donde puede ser localizado (Formato
Numérico)
Descripción de los servicios que dispone el establecimiento (Formato Texto)
Se describe la forma de cancelación del servicio (Formato Texto)
Reseña e Importancia del Atractivo (Formato Texto)
Evalúa la señalización turística asociada al atractivo (Formato Texto)
Evalúa el estado de conservación del atractivo y la calidad medioambiental del entorno.
(Formato Texto)
Evalúa el estado de conservación del recurso y la calidad medioambiental del entorno.
(Formato Texto)
Evalúa las posibilidades de visita del recurso. (Formato Texto)
Ubicación del Atractivo Turístico en Coordenadas UTM (Formato Numérico)
Fase III. Creación de la Base de Datos
Con la información obtenida, se realizaron tablas bajo el formato de un programa de base
de datos de Microsoft Office (Access), para cada uno de los tipos de establecimientos, servicios y
atractivos turísticos estudiados, donde se observaba, en la primera columna se ven los nombres de
los campos, y en la segunda columna el tipo de dato
Nombre del Campo: Los nombres del campo
Tipo de Datos: Texto, numérico, fecha/hora, moneda, objeto ole,
Descripción: En esta columna se introducen la descripción del contenido de campo o su finalidad.
Propiedades de los Campos: Estableciendo las propiedades de los campos se controla la apariencia
de los datos, y se puede evitar que se introduzcan de modo incorrecto.
Figura Nº 1. Base de Datos
Fase IV. Creación del Mapa Base
De la Oficina de Catastro de la Alcaldía del municipio Colina, se obtuvo el mapa
digitalizado en extensión dwg para ser leído (CAD) de la zona de estudio, sobre dicho mapa se
plotearon las coordenadas UTM con datum REGVEN de los sitios turísticos, establecimientos
gastronómicos, establecimientos de alojamientos y servicios básicos, con la finalidad de constatar
la ubicación geográfica de cada uno de ellos.
Posteriormente, gracias a la obtención de 4 imágenes del satélite IKONOS que abarcan la
zona de estudio, facilitadas por el Instituto de Patrimonio Cultural (IPC), y cuyas características son
las siguientes: píxel de 2,5 mts, año 2000, formato comprimido MrSid, precorregidas en
coordenadas UTM con datum REGVEN; se creó un mosaico de imágenes satelitales, de alta
resolución de la zona, dentro del Software ArcGis, sobre el cual se montó la cartografía digital en
formato CAD con los puntos coincidentes de manera aceptable con la realidad.
Fase V. Diseño del SIG
El diseño del SIG, se ejecutó a través del software especializado ArcGis Versión 9.1,
perteneciente al Instituto Universitario de Tecnología “Alonso Gamero”. El primer paso consistió
en agregar la data, seguidamente se buscó el directorio creado para el proyecto
C:\SIGTUR_LAVELA, en este directorio se encuentra la base de datos creada en ACCESS, una
carpeta con las imágenes de satélite y otra con las fotos. Haciendo doble clic en la base de datos, se
ven las tablas que forman la misma, las cuales eran 4 (atractivos turísticos, establecimientos de
alojamientos, servicios básicos y establecimientos gastronomicos) y se seleccionaron; lo siguiente y
por tratarse de un Sistema de Información Geográfica donde los datos deben esta
GEOREFERENCIADOS, es decir, asociados a un sistema de coordenadas geográfico válido, es
indicarle al arcgis en qué sistema de coordenadas está la data. Todos los pares de coordenadas de la
información reflejada en este trabajo fue levantada usando un GPS navegador cuyo sistema de
referencia se configuró en: Sistema de Coordenadas Proyectado UTM (Universal Transverse
Mercator), Huso 19 (corresponde al área del estado Falcón), Zona Norte (por estar en el Hemisferio
Norte del planeta), DATUM Regven (Datum Oficial de la República Bolivariana de Venezuela
según la Ley de Geografía, Cartografía y Catastro vigente a partir del año 2000). Por ello se procede
a seleccionar dichos parámetros, seguidamente observamos los atributos de cada sitio de interés
turístico. Se agregaron las imágenes de satélite de alta resolución de la zona. Para agregar las
imágenes se hace clic en agregar data y se va al directorio C:\SIGTUR_LAVELA\SATELITE. Para
mejorar la visual se cambiaron los símbolos, de cada una de las capas de los sitios de interés
turístico.
Figura Nº 2. Diseño del SIG
Fase VI: Elaboración del Manual de Usuario
En esta fase se desarrolló la descripción del procedimiento, donde se describen los
requerimientos mínimos para el funcionamiento adecuado del sistema y cada uno de los pasos a
seguir por el usuario para que tenga la mayor accesibilidad y sin complicaciones al momento de
usar el SIG.
Poseer un computador Pentium IV con Procesador de 512 MB de Memoria RAM (Mínimo)
El Sistema Operativo requerido es el Windows Xp
La base de datos debe crearse en Microsoft Office Access 2005
Instalar en el Disco Duro del computador, el Software ArcGis 9x (se requiere licencia) o la
Aplicación ArcReader que puede ser descargada gratuita y legalmente por Internet.
RESULTADOS
En el diseño del Sistema de Información Geográfica Turístico de La Vela, se obtuvieron
los siguientes resultados:
Creación de una base de datos que recopila información precisa y detallada de los
Atractivos
Turísticos,
Establecimientos
de
Alojamientos,
Establecimientos
Gastronómicos y los Servicios Básicos, localizados en La Vela.
Diseño de once mapas temáticos con la ubicación y atributos de los establecimientos
estudiados, los cuales son: mapa de alojamientos, que incluye a sus vez dos mapas de
características específicas: de acuerdo a la clasificación y al número de habitaciones;
mapa de establecimientos gastronómicos, que incluye un mapa de caracterización de
acuerdo a la cantidad de mesas disponibles; mapa de servicios básicos, que incluye un
mapa caracterizado por tipo de servicio; y un mapa de atractivos turísticos.
Un Sistema que puede ser actualizado y extendido a través de unas bases de datos de fácil
uso, lo que permite una constante actualización de la información de forma eficaz,
dinámica e interactiva.
Un Sistema capaz de recopilar información para que los usuarios puedan consultar y
manejar la información de manera rápida y sencilla, utilizando herramientas informáticas
adaptadas al mundo actual
CONCLUSIONES
El diseño del Sistema de Información Geográfica permitió el desarrollo de una
herramienta tecnológica dinámica que registra la administración de información con referencias
espaciales y que dispone de una base de datos, en la cual se puede recopilar y manejar
información, para gestionar y fortalecer de manera positiva cualquier tipo de planificación
turística en la zona.
Este sistema tiene la capacidad de generar un registro continuo de los sitios de interés
turístico, suministrando una herramienta de trabajo automatizada para la Oficina Municipal de
Turismo, logrando de esta manera obtener la información deseada de una manera rápida y precisa,
haciendo eficiente la gestión Municipal.
El sistema es muy versátil, debido a que puede ser modificado de acuerdo al aumento o
disminución de los establecimientos en él reflejados, permitiendo visualizar los cambios de
manera inmediata por ser un sistema dinámico.
Es importante resaltar que esta investigación puede representar un punto de partida para el
manejo de diferentes Sistemas de Información Geográfica que puedan ser aplicados en otros
importantes sectores de planificación y control municipal, extendiéndose a áreas que requieran ser
manejadas a través de información referenciada para conocer las fortalezas y debilidades del
Municipio, representa además una propuesta de tecnología de avanzada, punta de lanza para el
progreso de las comunidades y del país. Además permite resaltar los valores históricos, culturales,
religiosos y económicos, generando conciencia y sentido de pertenencia al lograr exponer y
organizar los puntos de interés en la ciudad, otorgándoles atributos de referencia espacial y
automatizar las fuentes de información, utilizando herramientas tecnológicas que están en pleno
desarrollo.
BIBLIOGRAFIA
1 Abdul, A. López, J. (2002). “Diseño de un Sistema de Información Geográfico Urbano para la
Gestión de los Equipamientos Sociales de la Ciudad de Coro”. Trabajo Especial de Grado para
optar al Titulo de Ingeniero Civil Universidad Experimental Francisco Miranda (UNEFM). 124
pg
2 Alcaldía Bolivariana del Municipio Colina. (2006). “Plan Maestro para la Conversión
Económica del Casco Histórico de La Vela de Coro para el Desarrollo Endógeno del Municipio
Colina”. Trabajo No Publicado, La Vela (Venezuela)
3 Alcaldía Bolivariana del Municipio Colina. (s.f.). “Municipio Colina Estado Falcón
Venezuela”. [Folleto]. Coro. Fondo Editorial Destinos
4 Fergusson Kusanovic, J. (2002). “Acondicionamiento turístico y recreacional del Casco
Antiguo de La Vela - Una propuesta de Desarrollo Sustentable”. Coro, Trabajo de Grado para la
obtención del Grado Magíster Scientiarum en Planificación Turística Universidad Experimental
Francisco Miranda (UNEFM). 392 pg
5 Ministerio de la Cultura. Instituto del Patrimonio Cultural. “Catálogo del Patrimonio Cultural
Venezolano 2004-2005. Estado Falcón. Municipio Colina”.
6 MINTUR. (2006). Plan de Gestión para el Rescate y Vitalización de Centros Históricos y
Cascos Tradicionales. Centros Históricos de Coro y La Vela, Coro (Venezuela)
7 Palella S. y Martins F. (2006). “Metodología de la Investigación Cuantitativa”. 2da Edición.
Fondo Editorial de la Universidad Pedagógica Experimental Libertador. Caracas.
8 Rujano A. y Villavicencio M. (2002). “Diseño de un Sistema de Información Geográfica para
Casco Central de la Parroquia de Urumaco Municipio Autónomo de Urumaco, Estado Falcón”.
Coro, Trabajo Especial de Grado para optar al Titulo de Ingeniero Civil en la Universidad
Experimental Francisco Miranda (UNEFM). No publicado.
9 Universidad Pedagógica Experimental Libertador. Vicerrectorado de Investigación y
Postgrado. (2001). “Manual de Trabajos de Grado de Especialización y Maestría y Tesis
Doctorales”. Caracas: FEDUPEL
10 Atlas Turístico del Municipio Colina. (2007). Alcaldía Bolivariana del Municipio Colina.
[Documento en CD]. La Vela, Estado Falcón.
11 Clubdelamar.org. (2007). [Página Web en Línea]. Consultada el 03 de Noviembre de 2007.
Disponible en: http://www.clubdelamar.org/sistemagps.htm.
12 Degerencia.com [Página Web en Línea]. Consultada el 03 de Noviembre de 2007.
http://www.degerencia.com/articulo/algunas_indefiniciones_una_critica_al_enfoque_de_producto_t
uristico_en_la_bibliografia_clasica
13 Microsoft ® Encarta ® 2008. © 1993-2007 Microsoft Corporation.
14 Monografías.com (2007). [Página Web en Línea]. Consultada el 03 de Noviembre de 2007.
Disponible en: http://www.monografias.com/trabajos/gis/gis.shtml
Lineamientos metodológicos para la inserción de restricciones
ambientales en el ordenamiento territorial de la periferia de la ciudad de
Maracaibo
Carlos Javier Camacho1, Ricardo Cuberos2
Instituto de Investigaciones de la Facultad de Arquitectura y Diseño - IFAD. Universidad del Zulia
Calle 67 esq. Av. 16, Núcleo Técnico, Edif. Jesús Garrillo, Planta Alta, Telefax: 58-261-7598504
1
[email protected], [email protected]
1. Resumen
En esta investigación se plantea la conceptualización de un enfoque alternativo para la inserción de
restricciones ambientales en el ordenamiento territorial de la periferia urbana, en respuesta a un
ineficiente modelo de gestión del hábitat, que al menos en el país, ha hecho de la periferia urbana un
lugar donde convive la anarquía, la vulnerabilidad y el deterioro ambiental, como si no existiesen
fórmulas de planificación para estos espacios que tienen un potencial enorme de urbanización.
El propósito del trabajo es formular una serie de lineamientos para la inserción de restricciones
ambientales dentro del proceso de ordenación territorial de áreas periféricas urbanas, tomando como
caso de estudio la periferia de la ciudad de Maracaibo. La metodología se fundamentó en la revisión
documental para desarrollar un modelo alternativo de planeamiento que enmarcado en el principio
de sostenibilidad ambiental, establece las pautas para la ocupación residencial de la periferia
preservando el funcionamiento de los ecosistemas presentes. Para ello se plantea ampliar el enfoque
tradicional del planeamiento urbano totalizador a una ordenación territorial estratégica por esferas
de acción en las que, de acuerdo con el potencial de absorción urbana y de su valor ambiental,
puedan llevarse a cabo acciones específicas de planeación que cubran la periferia natural aún no
ocupada por asentamientos humanos, proponiendo el uso del método del Umbral Ambiental Final
(UET) como herramienta para determinar tales acciones. La aplicación del modelo requirió el uso
de la tecnología SIG (Sistemas de Información Geográfica) para el análisis y procesamiento de los
datos adquiridos y la presentación de los resultados, concluyendo con una síntesis de los
lineamientos a seguir para la ejecución del modelo propuesto, una vez comprobada su utilidad y
potencial practico.
Palabras claves: restricciones ambientales, ordenamiento territorial, periferia urbana, umbral
ambiental final (UET).
2. Introducción
En Venezuela se ha buscado regular la continua expansión de las ciudades hacia sus periferias, por
medio de programas de desarrollo urbano y normativas que establecen controles e intensidad de
usos del suelo, tanto en zonas consolidadas como en aquellas en proceso de conversión rural a
urbano.
El tiempo ha demostrando la ineficiencia de estos programas como instrumentos de planeación
urbana, en los cuales su enfoque “totalizador” y una praxis signada por el clientelismo político
promueven la expansión urbana y la destrucción de valiosos recursos naturales que se ubican en
zonas adyacentes a la ciudad.
En tal sentido, se plantea la necesidad de reformar el enfoque “totalizador” del planeamiento urbano
-especialmente en el tratamiento de las periferias-, promoviendo el desarrollo de espacios urbanos
en sintonía con las variables ambientales del entorno, minimizando los factores que propician el
deterioro ambiental y los elementos de riesgo generados por el impacto negativo sobre el medio
natural.
1
3. Modelo alternativo de ordenación territorial en la periferia urbana.
El modelo de gestión que se propone involucra la definición de algunos ámbitos o esferas en las
que, de acuerdo con el potencial de absorción urbana y de su valor ambiental, puedan llevarse a
cabo acciones específicas de planificación. Estas esferas son de carácter territorial, no guardan
relación con la definición geométrica que presume una superficie regular, sino todo lo contrario,
tienen un ámbito de acción tridimensional, pero su superficie de carácter irregular está determinada
por la influencia que ejercen las variables ambientales y antrópicas sobre el entorno.
En analogía al sistema de franjas propuesto por Bazant (2001) para la ciudad de Méjico, en este
modelo se establece que dentro del área que comprende la periferia urbana es posible definir cuatro
esferas de acción:
Esferas de expansión urbana en la periferia: es el territorio en proceso de ocupación por
asentamientos humanos.
Esferas de transición urbano-rural en la periferia: representa el límite imaginario entre la
ciudad y el campo. Se caracteriza por tener pocas viviendas muy dispersas en las parcelas que
mantienen el uso agrícola de la tierra.
Esferas de conservación ecológica: son las zonas con un apreciable valor ambiental,
principalmente áreas boscosas y delicados ecosistemas.
Esferas de alto riesgo para los asentamientos humanos: son áreas que presentan fallas
geológicas, que son inundables en épocas de lluvias, que están sobre suelos salitrosos o suelos
inestables que deterioran las construcciones, sobre barrancas y cerros con pendientes
pronunciadas, todo lo cual pone en riesgo la vida y los bienes materiales de quienes las ocupan.
Estas esferas pueden disponerse geográficamente de cualquier forma, dependiendo de las
condiciones del medio ambiente y de las actividades antrópicas presentes y potenciales a desarrollar
en la periferia. Así, estas esferas pueden solaparse, estar unas dentro de otras o bien pueden estar
completamente separadas.
Las esferas de conservación ecológica y las de alto riesgo para los asentamientos humanos
representaron los ámbitos territoriales tratados en esta investigación, ya que éstas suponen la
ejecución de medidas de planeamiento territorial para definir su existencia, a diferencia de las otras
esferas en las que solo aplican acciones correctivas sobre el espacio ya construido.
En zonas que presentan poca intervención antrópica y que además poseen un alto potencial de
desarrollo urbano, es necesario realizar una evaluación de la capacidad de carga del medio natural
para definir estas esferas, en sí, ellas establecen los lineamientos para el desarrollo urbano
ambientalmente sostenible en la periferia.
Básicamente el estudio de la capacidad de carga ambiental presume la determinación de umbrales,
por lo cual resulta apropiado el uso del método del Umbral Ambiental Final como modelo de
gestión de recursos naturales. La evaluación de la capacidad de carga ambiental de la periferia
implica la identificación y evaluación de los recursos presentes, la definición de las actividades a
desarrollar en la zona, la definición e identificación de las áreas aptas para las actividades, y la
interpretación de umbrales y soluciones espaciales.
La ejecución de la técnica del umbral ambiental final permite generar los criterios o restricciones
ambientales que servirán de insumos para los planes de ordenación territorial, y la lista de
alternativas que permitirán maximizar el espacio urbanizable, respetando los ecosistemas de alto
valor ecológico y las áreas riesgosas para el desarrollo.
2
4. Método del Umbral Ambiental Final
El método del Umbral Ambiental Final, mejor conocido en inglés como, Ultimate Environmental
Threshold (UET), ideado principalmente por Jerzy Kozlowski (1985, 1986, 1993), fue desarrollado
y aplicado durante la creación del Plan Regional del Tatry National Park en Polonia con el objeto de
identificar los umbrales ambientales para el turismo. El método evalúa la aceptabilidad de las
alternativas de gestión de los recursos naturales, basándose en un conjunto de restricciones o
umbrales ambientales que definen la “solución espacial” dentro de la cual es posible establecer
zonas de desarrollo.
Los umbrales ambientales indican la expresión espacial, la magnitud y el tipo de desarrollo que
debería tener lugar en un determinado período de tiempo para que el uso racional de los recursos
esté garantizado (Kozlowski, 1993).
Cualquier proyecto o acción con altas probabilidades de superar un umbral ambiental, se asume que
resultará en una pérdida inaceptable de la calidad del medio ambiente. La solución espacial obtenida
por los UETs puede ser vinculada con el concepto de capacidad de carga. Exceder la solución
espacial tendrá como consecuencia una disminución de la capacidad del ambiente natural para
apoyar el bienestar humano.
Un ejemplo muy simple de la utilización del método UET para identificar áreas adecuadas para el
desarrollo residencial se muestra en la figura 1, en la cual cada capa representa un umbral para el
desarrollo residencial. La capa A es un mapa de inundación, la capa B es un mapa de hábitats
valiosos y la capa C es un mapa de pendientes pronunciadas. Mediante la combinación de los tres
umbrales A, B y C, a través de un proceso de superposición de capas, se obtiene la capa S que
contiene la “solución espacial” para el proyecto de desarrollo residencial. Siendo este un ejemplo de
un análisis UET espacial o territorial, su enfoque también puede ser aplicado a problemas no
vinculados con la ordenación del territorio.
Figura 1. Un ejemplo de análisis espacial con la técnica del umbral ambiental final.
Fuente: Elaborado a partir de Hajkowicz et al. (2000)
La combinación de estos umbrales produce el Umbral Ambiental Final (UET), definido como “el
límite de estrés más allá del cual un ecosistema determinado, llega a ser incapaz de regresar a su
estado y equilibrio original” (Kozlowski, 1993, pág. 21). La evaluación de impactos ambientales,
definidos por el método UET, se realiza en base a la singularidad del ecosistema, la transformación,
la sensibilidad, y la importancia biológica del mismo.
El método puede ser, por tanto, una herramienta útil:
En la formulación de estrategias y políticas de desarrollo;
En las primeras etapas de preparación de planes diversos;
Durante la revisión de estos planes, y
En los estudios de planificación que se establecen para encontrar el mejor sitio para un desarrollo.
3
Un requisito básico para la definición de UETs es la formulación de una lista de diferentes formas
de desarrollo, actividades y servicios, tanto existentes como las que sean probables de aparecer en el
futuro, caracterizadas por estándares, intensidad, materiales, tecnología de construcción, entre otros.
La lista permite el análisis de relaciones entre las formas de desarrollo, las actividades o servicios, y
los recursos naturales y humanos, entendiéndose por recursos humanos toda estructura y
equipamiento tecnológico necesario para apoyar las actividades propuestas.
El análisis puede utilizar una matriz formada por un completo reporte sobre el rol de los recursos en
el desarrollo y funcionamiento de la naturaleza, los efectos colaterales causados por el desarrollo, la
sensibilidad de los recursos a estos efectos colaterales y las consecuencias de varios desarrollos
(figura 2).
Figura 2. Matriz para el análisis de relaciones: recursos y actividades.
Fuente: Kozlowski (1993)
Es importante resaltar que el desarrollo de esta matriz es crucial para el análisis porque las
relaciones entre los recursos y las actividades determinan los criterios para definir los UETs de estas
actividades, por ejemplo: cuáles elementos de cada recurso generan umbrales en determinadas
actividades y por qué.
5. Aplicación del Método del Umbral Ambiental Final en la periferia de Maracaibo
Objetivo: Identificar las zonas aptas para la expansión de desarrollos habitacionales en la periferia
de Maracaibo, que sean compatibles con la capacidad del medio ambiente de absorber el impacto de
las actividades conexas.
La evaluación se realizó a través del método UET, cumpliendo de una serie de pasos como: la
selección de un área apropiada para el desarrollo del método, la definición de recursos naturales y
actividades residenciales potenciales a implementarse en la periferia de Maracaibo, el desarrollo de
las matrices de relaciones y finalmente la construcción de los UETs territoriales, elementales y
combinados, de cada actividad con el apoyo de tecnología SIG.
En tal sentido, el estudio comprendió las siguientes fases:
Figura 3. El proceso de aplicación del método UET.
Fuente: Elaboración propia.
4
Fase 1: Identificación y evaluación de los recursos presentes en la periferia.
Esta fase se realizó abordando los recursos naturales de agua, suelo, relieve, vegetación, fauna y
paisaje presentes en el área de estudio (ARQUILUZ, 2005). Los recursos fueron clasificados
siguiendo dos categorías:
Los recursos constituidos por eventos naturales en sí, por ejemplo: lagunas y cursos naturales, y,
Los recursos conformados por los atributos de los eventos naturales, por ejemplo: la fertilidad
del suelo, la topografía llana del relieve, el valor ecológico de los bosques, etc.
Fase 2: Definición de las actividades a desarrollar en la zona.
El propósito del estudio se orienta a abordar sólo la actividad residencial, por lo tanto se plantearon
cinco tipos de desarrollos habitacionales como factibles a desarrollarse en la zona.
Los desarrollos habitacionales planteados se basaron en los nuevos modelos de viviendas
planificados por el Ministerio del Poder Popular para el Hábitat y la Vivienda (2008), para ser
construidos a partir del 2009. Estos prototipos comprenden:
Conjuntos de viviendas indígenas Wayuu.
Conjuntos de viviendas indígenas Añuu ( estilo similar al modelo Warao).
Conjuntos de viviendas unifamiliares aisladas.
Conjunto de viviendas unifamiliares continuas.
Conjunto de viviendas multifamiliares continuas.
Fase 3: Definición e identificación de las áreas aptas para la expansión de desarrollos
habitacionales.
Esta etapa constituye la fase final de la aplicación, la cual consistió en la definición de las matrices
de relaciones entre los recursos y las actividades, y en la representación de los UETs territoriales
para la actividad residencial, en cumplimiento con el objetivo del estudio.
6. Resultados de la aplicación del método UET en la periferia de Maracaibo.
El análisis de relaciones entre los recursos y las actividades se efectuó considerando toda la
extensión de la periferia de la ciudad de Maracaibo. Sin embargo, por motivos de escala, la
representación de los UETs territoriales se realizó sobre un área más pequeña dentro de la periferia
(5341,5 Ha.), con la finalidad de apreciar mejor la aplicabilidad del método.
Figura 4. Área de estudio en la periferia de Maracaibo
Fuente: Imagen satelital del sensor QuickBird
5
El área seleccionada está delimitada por las coordenadas [N: 1.191.222, E: 200.523] y
[N: 1.185.340, E: 209.624] en el sistema UTM-REGVEN; abarca el noreste de la periferia de la
ciudad de Maracaibo, específicamente el área que engloba la laguna de Las Peonias y sus
alrededores (figura 4). La zona concentra todos los elementos naturales considerados en el análisis
de relaciones, lo cual fue el principal motivo de su escogencia para el estudio.
En total se generaron diez UETs elementales correspondientes a cada recurso natural estudiado;
cinco soluciones espaciales o UETs combinados, correspondientes a cada una de las actividades
residenciales tratadas; y una solución espacial integral producto de la superposición de los cinco
UETs combinados. La solución espacial integral permitió definir las combinaciones de actividades
residenciales que son factibles de realizar en el área estudiada, sin afectar la capacidad de carga
ambiental (figura 5).
Figura 5. Síntesis de soluciones espaciales dentro del área estudiada
Fuente: Elaboración propia.
En total se obtuvieron seis combinaciones de tipologías de desarrollo residencial que resultan
factibles a desarrollar en la zona. Estas combinaciones fueron las siguientes:
Áreas adecuadas para el desarrollo de viviendas indígenas Añuu, representando un 3% del área
total estudiada.
Áreas adecuadas para el desarrollo condicionado de viviendas indígenas Añuu, representando un
8% del área total estudiada.
Áreas adecuadas para el desarrollo condicionado de viviendas indígenas Wayuu y Añuu,
representando un 2% del área total estudiada.
Áreas adecuadas para el desarrollo de viviendas indígenas Wayuu y Añuu y, para el desarrollo
de viviendas unifamiliares aisladas, representando un 12% del área total estudiada.
Áreas adecuadas para el desarrollo de viviendas indígenas Wayuu y Añuu y, para el desarrollo
condicionado de viviendas unifamiliares aisladas, representando un 42% del área total estudiada.
Áreas adecuadas para el desarrollo de viviendas indígenas Wayuu y Añuu, viviendas
unifamiliares aisladas, viviendas unifamiliares continuas y viviendas multifamiliares continuas,
representando un 11% del área total estudiada.
Dentro del área de estudio, también es posible distinguir las zonas ya ocupadas por asentamientos
humanos y el UET que es común para todas las actividades residenciales, los cuales representan un
10% y un 12% del área total estudiada, respectivamente.
En otras palabras, y en conformidad con el modelo planteado, un 10% del territorio pertenece a las
esferas de expansión urbana y a las esferas de transición urbano-rural en la periferia; un 12% a las
esferas de conservación ecológica y a las esferas de alto riesgo para los asentamientos humanos; y
un 78% destinado al desarrollo de las cinco actividades residenciales contempladas, en armonía con
las variables ambientales presentes en el lugar.
6
El área del UET es variable, según el tipo de actividad considerada. Representa un 12% cuando se
conjugan las cinco actividades propuestas, sin embargo, al evaluar las distintas tipologías
residenciales, se evidencia un alto nivel de variabilidad entre los UETs obtenidos (tabla 1).
Tabla 1. Áreas adecuadas para el desarrollo residencial y sus respectivos UETs.
Áreas
ocupadas
(%)
UET (%)
10
Área total
para la
actividad
(%)
78
10
12
65
2
67
10
23
Viviendas unifamiliares aisladas
23
42
65
10
25
Viviendas unifamiliares continuas
11
0
11
10
79
Viviendas multifamiliares continuas
11
0
11
10
79
Tipología de vivienda
Áreas
adecuadas
(%)
Áreas
parcialmente
adecuadas (%)
Viviendas indígenas Añuu
68
Viviendas indígenas Wayuu
(Fuente: Elaboración propia)
Como era de esperarse las viviendas indígenas (Wayuu y Añuu), desde el punto de vista de impacto
sobre los recursos naturales, son las menos intrusivas y también las más adaptadas al medio, siendo
las del tipo Añuu las que mejor se adaptan a las condiciones ambientales presentes, ya que bajo una
óptica pragmática, esta tipología de vivienda se puede desarrollar en zonas inundables o no, aunque
a nivel social y cultural de sus etnias la presencia de lagunas es fundamental para su desarrollo.
Sin embargo, la naturaleza y el diseño de las viviendas indígenas no parecen ser las más adecuadas
para fomentar el desarrollo urbano en la periferia, por lo tanto, si es necesaria la ejecución de obras
de este tipo, éstas solo se deben ejecutarse para aprovechar algunas oportunidades muy puntuales
dentro de los centros urbanos.
Las viviendas unifamiliares aisladas, según los resultados obtenidos, pueden ejecutarse en gran
parte de la periferia, exceptuando principalmente las zonas inundables y las áreas con suelos poco
estables, sin embargo, su desarrollo debe estar muy bien canalizado, ya que un alto porcentaje del
área disponible está caracterizada por tierras medianamente fértiles, lo que representa una
condicionante para la ejecución de esta tipología de vivienda.
Las viviendas unifamiliares continuas y las multifamiliares continuas presentan ambas la misma
situación, su desarrollo a nivel espacial es el más reducido dentro de la periferia. Aunque su diseño
fue pensado para formar parte integral de las áreas urbanas, los resultados obtenidos indican que el
ámbito de desarrollo de esta tipología debe ser mínimo (menor a 11% del área total) para no saturar
la capacidad de carga del medio ambiente natural.
7. Conclusiones.
La principal tarea a emprender y de la cual depende el éxito de la política de ordenamiento es la
definición de las esferas de acción. Esta tarea requiere de fuentes cartográficas e información
estadística actualizadas; de igual forma, es necesaria la intervención de un equipo
multidisciplinario: ecólogos, ingenieros, demógrafos, sociólogos, urbanistas, economistas, políticos,
especialistas en derecho agrario, especialistas en finanzas, geólogos, entre otros.
Se requiere de un elevado nivel de conocimiento de la periferia y de consenso para llegar a definir
zonas bien precisas, sobre las cuales actúe la política de ordenamiento territorial. Definir las esferas
de acción con grandes debilidades en su fundamentación ambiental, social, económica, técnica y
política, conllevaría a un ordenamiento territorial poco eficiente.
Para el establecimiento de las esferas de conservación ecológica y de las esferas de alto riesgo para
los asentamientos humanos resulta útil la aplicación del método del umbral ambiental final para
determinar la capacidad que tiene el medio natural de absorber los impactos del desarrollo.
7
Para la aplicación del método es necesario:
Comprender y aceptar el problema fundamental del método, el cual radica en el carácter
subjetivo del mismo, debido a la carencia de datos empíricos adecuados y de técnicas que
permitan realizar predicciones confiables sobre los efectos ambientales adversos, que son la base
para identificar los UETs.
Seleccionar los recursos naturales existentes, lo cual implica un alto nivel de conocimiento sobre
las características físico-naturales del área de estudio. No obstante, el proceso de selección
siempre se ve afectado por factores de discrecionalidad dependiendo de la actividad a
desarrollar.
Contar con un catalogo de las actividades que se proponen o que están planificadas para
desarrollarse en la zona, antes de aplicarse el modelo. Esto es muy importante, ya que
dependiendo del tipo de actividad, el resultado o la respuesta del medio natural, varía.
Ejecutar las cuatro fases del método UET para determinar las esferas de conservación ecológica
y de alto riesgo para los asentamientos humanos, además de las soluciones espaciales dentro de
las cuales es posible desarrollar las actividades planteadas.
Tener presente que la respuesta del medio ambiente sobre la actividad antrópica, y viceversa, en
la praxis real no está representada por una línea que divide el espacio en unidades espaciales
dicotómicas como se observa en los UETs territoriales, sino que tal división está representada
por una serie de regiones de valores continuos en cuyos extremos se encuentran los valores
dicotómicos de cada unidad espacial, es decir, la división de las unidades espaciales no
representa una línea, sino un degradado de éstas. Sobre la base de este razonamiento se deben
tomar las medidas pertinentes.
Se recomienda la intervención de equipos multidisciplinarios para el establecimiento de UETs, solo
de esta forma se podría mitigar el efecto adverso que ocasiona la subjetividad del método, se
tornaría más representativa la selección de los recursos naturales existentes y se ampliaría el nivel
de detalle al momento de definir las actividades a desarrollar en la zona.
Los resultados obtenidos a partir de la metodología planteada por el modelo y su aplicación como
herramienta de gestión habitacional dentro de la periferia de Maracaibo, validan la aplicabilidad del
método del Umbral Ambiental Final como técnica de análisis para la ordenación territorial de la
periferia de la ciudad de Maracaibo; logrando la identificación de zonas aptas para la ejecución de
desarrollos habitacionales en conformidad con la capacidad del medio ambiente para absorber el
impacto de las actividades conexas.
Finalmente, de la aplicación del modelo en la periferia de Maracaibo, se concluyó que los nuevos
prototipos de viviendas planteados por el Estado, son factibles de desarrollar dentro de esta zona,
aunque con ámbitos geográficos muy limitados y, hasta cierto punto, dispersos.
8. REFERENCIAS
ARQUILUZ. (2005). Estudio para la desafectación parcial o total de la Zona Protectora de
Maracaibo. Hacia una expansión urbana sostenible. Maracaibo: Instituto de Investigaciones
IFAD-LUZ.
Bazant, J. (Enero-Marzo de 2001). Lineamientos para el ordenamiento territorial de las periferias
urbanas de la ciudad de Mexico. Recuperado el 24 de 01 de 2008, de Papeles de Población:
http://redalyc.uaemex.mx/redalyc/src/inicio/ArtPdfRed.jsp?iCve=11202709#
Hajkowicz, S., Young, M., Wheeler, S., Hatton MacDonald, D., & Young, D. (Junio de 2000).
CSIRO Land and Water. Recuperado el 14 de Agosto de 2008, de
http://www.clw.csiro.au/publications/consultancy/2000/support_decisions.pdf
8
Kozlowski, J. (1993). Ultimate environmental threshold method: a planning tool for sustainable
development. En J. Kozlowski, & G. Hill (Eds), Towards Planning for Sustainable
Development: a guide for the ultimate environmental threshold method (págs. 16-32).
Aldershot: Ashgate Publishing Limited.
Ministerio del Poder Popular para la Vivienda y Hábitat. (08 de Diciembre de 2008). Avance de los
nuevos modelos de viviendas y urbanismo. Recuperado el 20 de Marzo de 2009, de Ministerio
de Vivienda y Hábitat:
http://www.mvh.gob.ve/index.php?option=com_remository&Itemid=0&func=fileinfo&id=39
9
NORMALIZACIÓN DEL SISTEMA DE INFORMACIÓN
GEOGRÁFICA CON FINES DE MAXIMIZAR LOS BENEFICIOS EN
LA CONSERVACIÓN Y MANEJO AMBIENTAL DE LA CUENCA DEL
RIO CARONI
RODRÍGUEZ DANIEL L (1); GARCIA SELMA. (2), ZAMBRANO JUAN (3)
INTRODUCCION
La gestión de la información geográfica incluye, fundamentalmente, la
adquisición, procesamiento, análisis, acceso, presentación y transferencia de
productos cartográficos. Uno de los aspectos que se debe tener en cuenta al
hablar de “gestión de la información”, es la necesidad de que la información no
solamente debe estar disponible, sino que debe tener la capacidad para ser
compartida. Para ello, debe estar estandarizada, ser confiable y con elementos
de calidad suficiente para la toma oportuna de mejores decisiones. Esta premisa
es de particular importancia en el caso de la información cartográfica, y muy
especialmente para una organización dedicada al aprovechamiento de un
recurso natural como es el agua continental, en donde la expresión espacial de
este recurso y otros recursos físico-naturales y sociales con los que interactúa,
es de interés en los procesos de toma de decisiones.
Conscientes de la necesidad de poder garantizar el intercambio de información
geoespacial en procura de economizar recursos y facilitar la interoperabilidad,
las principales organizaciones internacionales dedicadas al manejo de este tipo
de datos, así como los responsables de producir estándares, se han dedicado a
laborar en lo que respecta a Infraestructuras de Datos Espaciales (IDE) que son
el conjunto de datos, servicios, metodologías, normas, estándares y acuerdos,
que permiten visualizar, superponer, consultar y analizar la información
geográfica publicada en Internet, según estándares bien definidos (Del Río
citando a López, 2009). A nivel nacional pocos son los esfuerzos orientados en
esta dirección.
En tal sentido, en EDELCA se ha identificado la necesidad de acometer el
proceso de normalización la gestión de la información geográfica, entendido
como la definición e instrumentación de procesos y normas técnicas en materia
de gestión de información geográfica.
Esta propuesta también apunta al programa de mejora continua que adelanta la
organización, a través de la implementación del Sistema de Gestión de la
Calidad (SGC) en sus procesos medulares (Generación y Transmisión), los
cuales Gestión Ambiental soporta directamente. A esto se suma la necesidad de
brindar una respuesta rápida y efectiva a la organización; entendida ésta como
la propia empresa y ahora ampliado el ámbito de acción hacia la Corporación
Eléctrica Nacional (CORPOELEC).
METODOLOGIA
El proyecto tiene como objetivo general la normalización de productos
cartográficos en formato digital y en físico y su implementación en la
organización, siendo una propuesta que cobra importancia debido a la creciente
demanda de información geoespacial solicitada, cuya eficacia y utilidad depende
en gran medida de su calidad, estandarización y organización. Para ello se
propone, en una primera etapa, la revisión de los estándares relativos a la
materia, la elaboración de un diagnóstico de la información espacial que se
encuentra disponible en la GGA, la definición de los procesos y normas técnicas
para la administración de la información geográfica como parte del servicio de
administración de la información, para finalmente, instrumentar y divulgar estos
procesos y documentos en todas las Unidades de la organización vinculadas a
este tipo de información.
Este proceso de normalizacion comprendera los sigientes aspectos
-Uso del espacio disponible en los servidores (almacenamiento de la
información, espacio disponible en el disco duro)
-Estructura del directorio de almacenamiento de la información
-Metadata
-Normas de los parámetros geodésicos
-Tipo de información a procesar según la siguiente clasificación:
1.- Documentos: Documentos de procesadores de palabras, hojas de
cálculos, entre otros, Presentaciones, Figuras, gráficos.
2.- Imágenes: mosaicos derivados de cartas oficiales del igvsb, imágenes
orbitales, imágenes de satélite, imágenes derivadas de croquis (CAD, otros),
Modelos digitales de elevación (MDE).
3.- Productos
espaciales.
cartográficos:
mapas
base,
temáticos,
coberturas
4.- Otros procesos de información geoespacial: Metodologías de álgebras
de mapas para la generación de coberturas temáticas (Ej: zonas de vida)
Los aspectos basicos a considerar para cada uno de los tipos de informacion
enumerados en la clasificacion anterior incluiran:
- Glosario de términos
- Nomenclatura y estructura de la Información Geográfica (nombre del archivo)
- Determinación de la calidad de los datos recibidos, procesados y generados
- Modelo de base de datos de información espacial y atributiva
- Procedimientos y metodologías para el procesamiento de información
- Estándares para la generación del producto final (formato de los informes,
presentaciones, mapas y demás productos cartográficos)
Adicionalmente, se considera la Internet como el soporte de la Infraestructura de
Datos Espaciales. Para su funcionamiento cabe ahondar en dos conceptos
fundamentales:
-
Los metadatos, que serán el índice que describa los datos, de la misma
forma que lo es una ficha bibliográfica para una biblioteca, y
La interoperatividad, paradigma actual para el intencambio de información
en sistemas informáticos distribuidos.
Una de las ventajas de este enfoque es su baja dependencia de estándares
complicados, es decir, pasamos de anteriores estrategias tendentes a
uniformizar los formatos de trabajo y los protocolos de comunicación al
intercambio de mensajes estandarizados, al diálogo entre sistemas, lo que hoy
en día se conoce como Servicios Web (Web Services).
Metadatos
Sin pretender definirlos académicamente, los metadatos van a describir la
información geográfica contestando a las siguientes preguntas:
-
¿Qué describe el conjunto de datos?
¿Quién ha producido el conjunto de datos?
¿Qué finalidad tienen los datos?
¿Cómo se creo el conjunto de datos?
¿Por qué se creó este conjunto de datos?
¿Cómo sería posible obtener una copia del conjunto de datos?
¿Quién escribió los metadatos?
La Organización Internacional de Estandarización (ISO) aprobó el estándar ISO
TC/211 19115 de metadatos de información espacial. Como en la mayoría de
estándares, su aplicación es complicada y se tiende a consensuar por parte de
los usuarios un número mínimo de campos exigibles. La misma ISO hizo lo
propio definiendo el Nucleo ISO 19115 con 24 campos. En el este proyecto se
propone una estructura como se indica en la Tabla 1.
Tabla 1.- Contenido de información propuesta para la metadata de información
espacial de EDELCA
Título
Autor
Distribuidor
Tema
Palabras clave
Extensión
Extensión ver y tem.
Resolución
Fecha
Descripción textual
Vinculación
Tipo de recurso
Formato
Recurso en línea
Calidad
Idioma
Conjunto de caracteres
Recursos relacionados
Restricciones legales
Audiencia
Representación espacial
Descripción contenido
Sistema de Referencia
Id. Fichero de Metadatos
Norma de Metadatos
Idioma de los Metadatos
Punto de contacto
Fecha de los Metadatos
Actualmente se dispone de herramientas gratuitas que ayudan a la confección
de estos metadatos, donde destacariamos el programa MetaD del IDEC y
CatMdEdit del IDEE. Para el intercambio de metadatos entre aplicaciones se
utiliza el formato XML ISO 19139. La gestión de los metadatos podrá realizarse
por parte un sitio en la Intranet de la organización a través de un Servicio Web
llamado Manejador Electrónico de Documentos (MED). Sobre este aspecto es
determinante que el usuario debe poder preguntar por datos en función del
momento de su creación o actualización, en función de su posición o en función
de palabras clave de contenidos o de productor. Queda aún por discutir acordar
unos tesauros mínimos en el ámbito de IDE, que incluyan los que se determinen
en el proyecto.
Interoperatividad: los Servicios Web
Formalmente, se define interoperatividad como "la capacidad para comunicar,
ejecutar programas o transferir datos entre varias unidades funcionales de forma
que un usuario necesite pocos conocimientos de las características de estas
unidades". Para que dos sistemas diferentes puedan comunicarse e intercambiar
información primero deben anunciar su existencia y su voluntad para el
intercambio y, segundo, deben utilizar una semántica adecuada para resolver los
problemas técnicos que puedan presentarse.
En este contexto, se denominan Servicios Web (Web Services) a un conjunto de
tecnologías basadas en la interoperatividad y que cumplen una serie de
opciones: son abiertas, neutras con respecto a la plataforma y explotan la
arquitectura de la web. Están pensados para crear servicios distribuidos, que
funcionen de forma autónoma y que deben comunicarse o colaborar entre ellos.
Esta es la estrategia que está utilizando el OpenGIS Consortium (OGC), una
organización sin ánimo de lucro, fundada en 1994 y dedicada a la promoción de
nuevas aproximaciones técnicas y comerciales para geoprocesamiento abierto e
interoperable, fundada por las más importantes entidades industriales,
gubernamentales y académicas. Su objetivo es conseguir acuerdos sobre
interfaces de software estándar abiertos que posibiliten la interoperación entre
sistemas de geoprocesamiento de vendedores diferentes y de diferentes tipos
(GIS/SIG, teledetección, cartografía automática, gestión de instalaciones, etc.).
En la actualidad existe un buen número de especificaciones OGC definiendo
Servicios Web de sumo interés para las IDE, tales como:
-
Servicios de Mapas en Web – OGC WMS v1.1.1
Servicios de Features en Web – OGC WFS v1.0
Servicios de Coverages en Web – OGC WCS v1.0
Servicios de Gazetteer – OGC draft v0.9
Servicios de Catálogo – OGC CAT v1.1.1
Ya se ha comentado la utilidad de los Servicios de Catálogo. Un proveedor de
datos debe tener domiciliados los metadatos en alguno de los nodos accesibles
de la red. El servidor de catálogos, ante una pregunta por parte de un usuario a
través de un simple interfaz, remite una interrogación mediante un mesaje XML
al resto de los servidores de catálogos disponibles, los cuales contestan
mediante mensajes XML que pueden presentarse al usuario. Los servidores de
catálogo pueden corresponder a fabricantes diferentes pero si cumplen la
especificación OGC CAT v1.1.1 podrán entender la pregunta que se les hace y
responderla adecuadamente.
Otro servicio que ya se está implementando en la mayoría de IDEs es el Servicio
de Mapas en Web (WMS). Un ejemplo concreto es el Minnesota Mapserver que
distribuye gratuitamente el IDEC. Permite la superposición visual de información
geográfica compleja y distribuida en diferentes tipos de servidores. Tiene
establecidas tres tipos de peticiones:
-
-
-
GetCapabilities: investiga las capacidades del servidor de mapas
interrogado mediante un mensaje XML. El servidor le devuelve la
información mediante otro mensaje XML.
GetMap: conociendo las capacidades del servidor, requiere una mapa
mediante un mensaje XML y el servidor interrogado devuelve un mapa en
formato ráster (PNG, JPEG, GIF). Estos mapas pueden superponerse al
definir colores transparentes.
GetFeatureInfo: sobre el mapa devuelto se puede interrogar al servidor
remoto sobre información asociada a algún elemento (que se puede
seleccionar, por ejemplo, mediante un clic sobre un pixel del elemento).
Tanto la pregunta como la respuesta se vuelven a realizar mediante
mensajes XML.
Como se puede apreciar, el WMS interroga y recibe información textual, pero
además puede confeccionar un mapa raster a partir de una interrogación y de la
información espacial contenida en el servidor.
Los otros servicios con especificaciones OGC son más complejos y es de
esperar que su implementación tarde un tiempo. Sobre este aspecto se requiere
continuar trabajando y la opinión de las diversas instituciones en el ámbito
nacional, que administren información geoespacial, es determinante.
CONCLUSIONES Y RECOMENDACIONES
Se ha presentado la iniciativas existente en una corporación energetica nacional,
fundamentada en las experiencias desarrolladas en Europa y Norteamerica,
cada una con su grado de desarrollo, para la puesta en marcha de diferentes
nodos de Infraestructuras de Datos Espaciales en forma de marcos
institucionales promotores, de políticas con respecto a los datos de referencia
necesarios y su accesibilidad, y de tecnologías y estándares que posibiliten la
implantación de geoportales en Internet.
Se han destacado las exigencias organizativas de este tipo de infraestructura, de
entre las cuales podemos citar la obligación, para que el sistema funcione, de
documentar la información espacial y la obligación de llegar a acuerdos entre los
diferentes productores institucionales para la creación coordinada de
determinadas capas de información consideradas de referencia. Introducir como
método de trabajo el uso de los metadatos va a suponer un cambio cualitativo
importante en la gestión de la información espacial, que redundará en una mayor
eficacia y racionalidad en la toma de decisiones al respecto de su generación y
adquisición. Medir sobre el territorio cada vez es más factible, pero la dinámica
económica y social exigen que la medida sea cada vez más precisa y más
frecuente, con un rango de atributos a medir en constante aumento. A pesar de
que las nuevas tecnologías de medida permiten llevarlo a cabo de forma rápida
y precisa a un costo relativamente bajo, esas exigencias obligan a que los
esfuerzos estén coordinados para maximizar la productividad. El uso de los
metadatos ayudará a evitar duplicidad de tareas, detectar zonas en blanco y, en
general, a conocer con mayor exactitud los datos espaciales disponibles. El uso
de datos de referencia comunes permitirá trabajar sobre una base topográfica
única y actualizada, referido a un sistema geodésico concreto, con un sistema
proyectivo conocido, lo que debe ir en beneficio de quienes quieran construir
sobre estas bases.
Desde el punto de vista tecnológico, hay que destacar la flexibilidad que
comporta la estrategia comentada basada en Servicios Web estandarizados.
Ello va a permitir su fácil implementación en cadenas de valor añadido, de
manera que es de esperar que la IDE contribuya a impulsar otro tipos de
Servicios Web como, por ejemplo, como los Servicios Basados en la
Localización (Location Based Services, LBS), que ya están haciendo un uso
intensivo de los Servicios Web.
La estrategia defendida por este proyecto de normalización de la gestión de
información cartográfica, cuya implementación se realice paso a paso, está
basada en la concepción modular que proporcionan los Servicios Web. Ello
permite arrancar los geoportales con un número limitado de Servicios sin
renunciar a aspirar a una mayor complejidad. Un geoportal se puede poner en
marcha contando con un Servicio de Catálogo y un Servicio de Mapas en Web.
Cabe citar aquí que estos seguramente son la mayor parte de los servicios
solicitados por el público, ya que la mayor parte de la consultas de información
espacial son para conocer qué existe y visualizarlo. A pesar de que el potencial
del sistema pueda hacer hablar a muchos de SIG sobre la red, hay que tener
presente que muchos usuarios no tienen necesidad o no saben usar sistemas
complejos de consulta.
Podemos afirmar que las iniciativas presentadas, con el respaldo institucional
continuado y decido, van a redundar en importantes beneficios relacionados con
la mayor disponibilidad de información espacial, su mejor conocimiento, la
optimización y compartición de recursos, y como base para la potenciación del
uso de una información que está íntimamente relacionada con la mayor parte de
la actividad humana.
REFERENCIAS BIBLIOGRAFICAS
1. Ariza López, F. J.; Pinilla Ruiz, C.: Las componentes de la calidad del
dato geográfico. Mapping Interactivo Abril/2000.
2. CVG EDELCA, 2004: Estudio Plan Maestro de la Cuenca del Río
Caroní. Información Territorial Multitemática. 642 Pp.
3. CVG EDELCA, 2006: Especificaciones generales para la elaboración
de los productos cartográficos asociados a las evaluaciones
ambientales y otros estudios desarrollados por la Gerencia de Gestión
Ambiental. Dpto. Estudios y Proyectos Ambientales. Gerencia de
Gestión Ambiental.
4. CVG EDELCA, 2007: Caso de negocio del proyecto de iniciativa:
Sistema de Gestión de Información Geográfica y Ambiental. Gerencia
de Gestión Ambiental. 20 Pp.
5. EDELCA, 2009: Diagrama de caracterización del Dpto. de Gestión de
Información Geográfica y Ambiental. División de Desarrollo de la
Organización.
6. Marceau Alina. Normas ISO para la determinación de la Calidad de la
información geográfica digital. Enero de 2009. GEOCUBA –
Investigación y Consultoría
7. Normas ISO Serie 19000
8. Instituto Venezolano de Investigaciones Científicas (IVIC).Centro de
Ecología (2009). http://ecosig.ivic.ve/vzla/.
Indicadores del estado de conservación de las Áreas de la
Faja Petrolífera del Orinoco (FPO)
Gutiérrez, Mylene1; Berroterán, José2,3; Pietrangeli, Miguel4; Paredes, Jesús4; Roderick,
Duran1, Rodríguez, Jorge5, Yamil Madi6, Giovanna De Martino7, Mercedes Rengifo7.
1
Centro de Estudios Integrales del Ambiente, Universidad Central de Venezuela
2
Petróleos de Venezuela S.A.
3
Instituto de Zoología Tropical. Facultad de Ciencias, Universidad Central de Venezuela
4
La Universidad del Zulia
5
Escuela de Geografía, Universidad Central de Venezuela
6
Ministerio del Poder Popular para el Ambiente
7
Universidad Experimental de los Llanos Centrales Rómulo Gallegos
[email protected]; [email protected]
1. Resumen
Se identificaron, delimitaron y caracterizaron, bajo una perspectiva ecológica 135
macroecroecosistemas de la Faja Petrolífera del Orinoco a fin de determinar sus prioridades de
protección y su estado de conservación actual, ante la creciente necesidad de incrementar y
consolidar un conjunto de actividades petroleras de importancia estratégica para el país. Para
ello, se empleó una metodología apoyada en los SIG y la interpretación de imágenes de
percepción remota, que permitió la integración de datos ambientales, recolección y observación
de datos de campo y la experiencia de un grupo de expertos en modelos espaciales de
ecosistemas a un nivel de gran visión, representado a escala 1:250.000. La caracterización de
estos sistemas ecológicos permitió la identificación de un conjunto de factores que fueron
sintetizados en dos indicadores: La prioridad de protección y el estado de conservación de
ecosistemas. El Área con mayor prioridad de protección general y mejor estado de conservación
es Junín, la cual presenta muy alta y alta prioridad de protección, que suma alrededor del 30 %,
se distribuye espacialmente hasta el límite Norte de la FPO y al Sur hasta la planicie de
inundación del río Orinoco y sistemas ecológicos asociados a los grandes ríos. En orden
descendente de prioridad de protección es Área Boyacá, Carabobo y Ayacucho; mientras que
Área Carabobo es la que presenta el peor estado de conservación de las cuatro evaluadas en este
estudio, con alrededor de un 60 % de superficie con muy bajo y bajo estado de conservación.
Palabras clave: Prioridad de protección, estado de conservación, sistemas ecológicos, Faja
Petrolífera del Orinoco.
2. Introducción
Las actividades de la industria petrolera nacional en las Áreas que conforman la Faja
Petrolífera del Orinoco serán cada vez más intensas y tendrán mayor relevancia, a corto plazo,
en el desarrollo del país. La importancia estratégica de la FPO, se deriva de los servicios
sociales, culturales y ecológicos que brinda, más allá de su potencial petrolero. El rol de los
bosques y otras comunidades asociadas de la FPO es fundamental, ya que ofrecen una serie de
servicios ambientales de enorme relevancia, en particular en el mantenimiento de los recursos
hídricos, tanto para sus habitantes, los procesos industriales actuales y futuros, como para los
propios requerimientos de los ecosistemas. Es por ello, que delimitaron y caracterizaron los
sistemas ecológicos a fin de establecer un conjunto de indicadores que resuman el estado de
conservación en las Áreas de la FPO.
El área de estudio se corresponde con el 71,2 % de la Faja Petrolífera del Orinoco,
aprox. 39.410 km2, comprendida por las Áreas Junín, Ayacucho y Carabobo, y la porción del
Área Boyacá localizada al este del río Manapire, y de manera simplificada hemos denominado
(FPO). Se ubica administrativamente en parte de los estados Guárico, Anzoátegui y Monagas
(Figura 1).
Figura 1. Áreas de la Faja Petrolífera del Orinoco
3. Materiales y métodos
Se delimitaron los sistemas ecológicos a nivel de gran visión (macroecosistema). Para
ello se aplicó la metodología desarrollada por Berroterán y col (2003), que es un sistema
jerárquico, multicategórico y subdivisivo, integrado por seis niveles: provincia fisiográfica,
subregión ecológica, megaecosistema, macroecosistema, mesoecosistema y unidades de
ecosistemas. Esta metodología permitió la elaboración de un modelo espacial a partir de la
operacionalización de la interpretación sistémica de un conjunto de componentes tales como
clima, geomorfología, suelos, vegetación, fauna y usos de la tierra, así como sus relaciones en el
paisaje a nivel de macroecosistemas. Se crearon bases de datos geoespaciales en una plataforma
SIG y la actualización de las coberturas asociadas a la vegetación y uso, así como vialidad, se
realizaron mediante la combinación de una estrategia de clasificación automática e
interpretación visual de imágenes de satélite multiespectrales Landsat ETM +, las cuales se
apoyaron en un intenso trabajo de campo, con expertos en vegetación, suelos, fauna entre otros,
los especialistas trabajaron durante aproximadamente un año de chequeos, tanto en el período
lluvioso como en el seco (Berroterán y Gutiérrez, 2008).
Finalmente, se adoptó el enfoque de toma de decisiones multicriterio, para evaluar un
conjunto de criterios expresados en puntuaciones, o intensidades de preferencia, así se
construyeron las matrices de puntuaciones en la que se asigna un valor a cada criterio, el cual
expresa el nivel de deseabilidad obtenido para cada alternativa, de acuerdo a la opinión de los
expertos. En la evaluación, se aplicó el método sumatoria lineal ponderada que es uno de los
más empleados, por su fácil aplicación, ya que se trata de una combinación lineal de variables
(Gómez y Barredo, 2005).
Este método puede representarse a través de la siguiente ecuación general:
n
ri= wj xij
i= 1
donde:
ri= índice o capa objetivo
wj = peso del criterio j
xij = valor o puntuación de la alternativa i del factor j
4. Resultados
Se identificaron y caracterizaron 135 macroecosistemas a escala 1:250.000 para la FPO.
A partir de la combinación lineal de un conjunto de factores se generaron dos indicadores que
permiten evaluar la prioridad de protección (PRP) y del estado de conservación (EC) de los
sistemas ecológicos de la FPO, los cuales se analizaron globalmente y por las Áreas: Boyacá,
Junín, Ayacucho y Carabobo y se representaron cartográficamente.
Indicador de Prioridad de Protección de ecosistemas (PRP)
A fin de evaluar la PRP de un conjunto de ecosistemas de alto valor ecológico, se
consideraron cuatro factores: número de especies vulnerables de plantas (NSPV) por sistema
ecológico, presencia de especies de plantas endémicas (END), riqueza de especies de fauna
(RQ) y singularidad del macroecosistema (SG), para lo cual se creó una escala ordinal
ascendente de cuatro niveles desde la menor a la mayor prioridad de protección. El rango del
indicador varía entre 1 y 16 y la prioridad de protección de macroecosistemas se puede expresar
mediante:
PRP= NSPV+END+RQ+SG
Criterios para determinar la PRP
NSPV: a través del trabajo de campo, la experiencia de los especialistas que participaron en el
levantamiento de la vegetación y la revisión bibliográfica se obtuvo una lista de 306 plantas
colectadas para este estudio, de ellas se evaluó la pertenencia a las categorías de especies
amenazadas según el Libro Rojo de la Flora Venezolana (Llamozas y col., 2003). Estas
categorías hacen parte de un sistema de clasificación de diez categorías: Extinto, Extinto En
Vida Silvestre, En Peligro Crítico, En Peligro, Vulnerable, Menor Riesgo, Insuficientemente
Conocido, Fuera de Peligro y No Evaluado, desarrollado por la UICN, que tiene como finalidad
disponer de un marco de referencia objetivo y explícito para clasificar especies según su peligro
de extinción. Una especie es vulnerable cuando se enfrenta a un alto riesgo de extinción en vida
silvestre a mediano plazo, según evidencias de reducción de su poblaciones, por diversas causas,
así como fragmentación, reducción o eliminación de de hábitats.
En la FPO, se evaluó la pertenencia de cada especie colectada a una comunidad de plantas y
éstas a cada macroecosistema, obteniendo así el número de especies vulnerables para cada
sistema ecológico. De esta manera, se obtuvo un número mínimo de especies de plantas
vulnerables, cero, para los macroecosistemas en los que están ausentes y desde una especie,
hasta un máximo de seis especies vulnerables por macroecosistemas.
END: El empleo de especies endémicas como criterio de gran importancia para el diseño
óptimo de unidades de conservación ha sido ampliamente reportado (Gentry, 1986). Es por ello,
que se incorporó como indicador para establecer los principales lineamientos de manejo y
conservación de ecosistemas de la FPO.
Partiendo de la base de datos de plantas colectadas, se evaluó cada especie a fin de conocer si se
trata de alguna especie endémica para Venezuela y se hallaron cuatro especies: Homalium
racemosum Jacq.; Duguetia riberensis Aristeg.; Lonchocarpus dipteroneus Pittier
y
Zanthoxylum syncarpun Tul.
En términos de superficie los macroecosistemas con presencia de endemismos de plantas
ocupan alrededor del 16 % de la FPO.
RQ: La riqueza de especies es considerada otro criterio de gran valor para establecer las
prioridades de protección de ecosistemas. Para la FPO se compiló una base de datos de fauna,
con información proveniente de los repositorios de gran parte de los museos y universidades del
país, de la que se extrajeron los datos de los mamíferos por ser la clase de la que se tiene mejor
y mayor calidad de registros. De modo que se empleó la clase de mamíferos como indicador de
la riqueza de fauna para la FPO. Se partió de la caracterización de comunidades vegetales, la
asociación de registros de especies de mamíferos a la cartografía de vegetación y su posterior
asociación a los macroecositemas, dando como resultado la riqueza de fauna por
macroecosistemas
SG: Integrada por sistemas ecológicos que poseen comunidades vegetales, rasgos
geomorfológicos, condiciones hidrológicas u otras características ecológicas relevantes, que
conforman hábitats únicos o raros dada su especial connotación en el área geográfica o
particular interés biológico. A la singularidad se le asoció una escala ordinal de cinco valores:
muy baja, baja, moderada, alta y muy alta.
El Área con mayor PRP es Junín (Figura 2), la cual presenta muy alta y alta PRP que
ocupa la extensión más grande que suma alrededor del 30 % y se distribuye espacialmente hasta
el límite Norte y al Sur hasta la planicie de inundación del río Orinoco y sistemas ecológicos
asociados a los grandes ríos. Le sigue el Área Boyacá, que presenta una superficie de
aproximadamente 7 % de PRP muy alta y 23 % de PRP alta, las cuales suman alrededor del 30
%. El Área que presenta la más baja PRP es Carabobo, con casi un 60 % de PRP baja y apenas
un 3,2 % de PRP muy alta.
Figura 2.Prioridad de protección de las Áreas de la FPO
Indicador del Estado de Conservación de ecosistemas (EC)
El EC es una medida relativa y preliminar de evaluación del estado actual de los
macroecosistemas en función de un conjunto de indicadores asociados a factores antrópicos,
físico-naturales y bióticos. La dimensión antrópica se evaluó a partir del grado de intervención
(GDI) y de la densidad de población (DP) por macroecositema. En la dimensión físico-natural
se consideró la erosión (ES) de los suelos predominantes del macroecosistemas y para la
dimensión biótica se empleó el indicador riqueza de fauna (RQ), que constituye una variable
síntesis de la cobertura vegetal y de los hábitats potenciales de los mamíferos de la FPO. El
estado de conservación se puede expresar a través de:
EC= GDI+DP+ES+RQ
Criterios para determinar el EC
GDI: Es el grado de alteración visible del patrón espacial de una cubierta, a través de imágenes
de percepción remota y su correspondiente verificación en campo. Se expresa en una escala
ordinal de cuatro niveles: Leve, que indica una intervención muy bajo o nulo, casi imperceptible
a la escala de trabajo. Baja, que indica un porcentaje de alteración menor al 25% de la unidad;
Moderada, que se asocia a unidades que presentan entre 25 a 50 % de intervención, con
evidencias de perturbaciones antrópicas. Alta, aquellas unidades que superan el 50 % de
intervención hasta el 75% de su área total. Muy Alta, corresponde a sistemas ecológicos cuyas
características estructurales y funcionales han sido modificadas, debido a que más del 75 % de
la unidad ha sido transformada, se asocian a diversos usos de la tierra.
DP: La densidad de población se consideró por unidad de macroecosistema. La Faja Petrolífera
del Orinoco es una zona esencialmente muy poco poblada, con menos de 100.000 habitantes,
distribuidos en alrededor de 204 centros poblados, lo que da cuenta de su bajo nivel de
poblamiento.
ES: Los suelos se estudiaron a nivel de gran grupo con sus fases y se incluyó fase de erosión, en
esta indicador se le dio la mayor valoración a los suelos dominantes por ecosistema con elevada
susceptibilidad a la erosión.
RQ: este factor se empleó como indicador de la riqueza de fauna y de disponibilidad de hábitats
para la FPO.
El Área de la FPO que presenta el mejor estado de conservación (Figura 3) es Junín, con
casi un 80 % de su superficie con EC alta y muy alta, no se presenta la clase muy baja y a clase
baja de EC ocupa menos del 1 % del Área. Le sigue en orden decreciente de EC el Área
Boyacá con el 26 % correspondiente a estado de conservación muy alto 26 % y 28 % alto,
aunque en la parte Norte se presentan importantes extensiones (17 %) correspondientes a la
clase baja y no se presenta la clase de EC muy baja.
Figura 3. Estado de conservación de las Áreas de la FPO
5. Conclusiones
La prioridad de protección es una medida relativa que permite la evaluación de
opciones de manejo ante la demanda de zonas para la intervención con diversos fines
como agrícola, urbano o industrial. La PRP baja está asociada a macroecosistemas que
poseen pocas restricciones para su intervención antrópica, debido a que constituyen
sistemas ecológicos transformados; mientras que la PRP moderada, está relacionada a
zonas de la FPO que podrían ser intervenidas con algunas limitaciones, sobre todo
considerando la conectividad de sistemas ecológicos que cumplen funciones
reguladoras del ciclo hidrológico y/o que presenten cubiertas forestales naturales. La
PRP alta, sólo debe ser intervenido bajo estrictos controles ambientales, provenientes de
los estudios correspondientes, según lo establecido en el marco jurídico, siempre que se
mantenga la conectividad de ecosistemas singulares y de alta riqueza. Los
macroecosistemas caracterizados como de muy alta PRP no deberían ser intervenidos y
se sugiere que se mantengan inalterados.
El EC puede orientar acciones de planificación para el uso sostenible de los sistemas
ecológicos de la FPO, bajo la orientación de mantener y proteger los macroecosistemas
mejor conservados para que éstos continúen brindando bienes y servicios ambientales
de relevancia ecológica y social.
De los 135 macroecosistemas el 50 % no posee centros poblados asociados, el 19 %
presentan una densidad de población expresada en (hab/ ha) menor a 1 y sólo el 4% de
los macroecosistemas tiene densidad de población superior a 5 hab/ha. La mayor parte
de los macroecosistemas con muy baja y baja sin densidad de población se asocian en
orden decreciente a las Áreas Junín, Boyacá, Carabobo y Ayacucho.
El Área con mayor prioridad de protección (PRP) general es Junín, la cual presenta muy
alta y alta PRP que ocupa la extensión más grande que suma alrededor del 30 % y se
distribuye espacialmente hasta el límite Norte y al Sur hasta la planicie de inundación
del río Orinoco y sistemas ecológicos asociados a los grandes ríos. En orden
descendente siguen el Área Boyacá, Carabobo y Ayacucho.
Al realizar el análisis global de estado de conservación (EC) de macroecosistemas para
la FPO, más del 60 % de la superficie presenta alto y muy alto EC, moderado 16 % y el
24% de la superficie bajo y muy bajo.
El Área de la FPO que presenta el mejor estado de conservación es Junín, con casi un
80 % de su superficie con EC alta y muy alta, no se presenta la clase muy baja y a clase
baja de EC ocupa menos del 1 % del Área. Le sigue en orden decreciente de EC el
Área Boyacá con el 26 % correspondiente a estado de conservación muy alto 26 % y 28
% alto, aunque en la parte Norte se presentan importantes extensiones (17 %)
correspondientes a la clase baja y no se presenta la clase de EC muy baja. El Área
Ayacucho presenta en su sector occidental buen estado de conservación y a medida que
se aproxima al límite oriental se presenta sectores que ocupan más del 30 % del Área
con muy bajo y bajo EC. El Área Carabobo es la que presenta el peor estado de
conservación de las cuatro evaluadas en este estudio, con alrededor de un 60 % de
superficie con muy bajo y bajo EC.
6. Bibliografía
Berroterán, J.L. y col. Enfoque metodológico de ordenamiento ecológico. En Berroterán, J.L.
(Editor). Ecología y bases técnicas para el ordenamiento territorial. Ministerio del
Ambiente y los Recursos Naturales. Fundambiente. 208 pp. 2003
Berroterán J.L y M. Gutiérrez (Editores). Evaluación de los sistemas ecológicos de la Faja
Petrolífera del Orinoco como base para la ordenación territorial. Informe Final.
Fundación Universidad Central de Venezuela. Centro de Estudios Integrales del
Ambiente (CENAMB-UCV). PDVSA. 2008.
Gentry, A.H. Endemism in tropical versus temperate plant communities. En Conservation
Biology. M. Soulé (ed). Sinauer Press, Sunderland, Mass, pp. 153-181. 1986
Gómez, Montserrat; Barredo, Cano. Sistemas de Información Geográfica y Evaluación
Multicriterio en la Ordenación del Territorio.2ª Ed. Editorial Ra-Ma .Madrid.
2005.280p.
Llamozas, S.;Duno De Stefano, R.; Meier, W.; Riina, R.; Stauffer, F.; Aymard, G., Huber, O.;
Ortiz, R. Libro Rojo de la Flora Venezolana. PROVITA. Fundación Polar, Fundación
Instituto Botánico de Venezuela “Dr, Tobias Lasser”; Conservación Internacional.
Caracas, Venezuela, 2003.
POTENCIAL ECOTURÍSTICO DE LA RESERVA DE BIÓSFERA
DEL DELTA DEL ORINOCO A PARTIR DE VARIABLES
AMBIENTALES
Geogs. F. Araque (1); W. Vergara (2) y J. Arismendi (3)
Ministerio del Poder Popular de Ciencias,Tecnología e Industrias Intermedias
Fundación Instituto de Ingeniería
Centro de Procesamiento Digital de Imágenes
Caracas – Venezuela
1
[email protected]; [email protected]; [email protected]
1. Sección 1
1. Resumen
El ecoturismo como una actividad social que envuelve transformaciones en el tiempo y en el
espacio, basándose en el aprovechamiento de los recursos naturales con alto valor ecológico,
hace necesario la evaluación del potencial turístico del espacio que ocupa la Reserva de Biosfera
Delta del Orinoco, la cual es considerada con una alta fragilidad al estar condicionada por la
dinámica de cambio generada a partir de variables físicas como la geomorfología, la cobertura
vegetal y la hidrografía, que a su vez son la mas clara expresión de los procesos dinámicos y
transformadores del área.
La imágenes satelitales consideradas como una herramientas que facilita el monitoreo,
integración y análisis de procesos espaciales a través del tiempo juega un papel relevante en
los procesos de organización, planificación y aprovechamiento del territorio, así como el manejo
integral de recursos, permitiendo analizar las potencialidades y limitaciones que puede tener un
área para el desarrollo de ciertas actividades.
Para el caso de la Reserva de Biosfera del Delta del Orinoco la definición de áreas con potencial
ecoturístico, se llevo a cabo a través del levantamiento y actualización de información a partir
de imágenes Spot 5, aplicando las técnicas de clasificación y análisis visual; mientras que en la
fase de integración y análisis de información, se aplicaron técnicas de Análisis Multicriterio,
que permitieron establecer niveles de clasificación de acuerdo a la ponderación y jerarquización
de variables, a través de la asignación de pesos a las categorías, de acuerdo a su fragilidad e
importancia dentro de la actividad propuesta.
Palabras claves: Geomorfología, Hidrografía, Cobertura Vegetal, Potencial Turística, Análisis
Multicriterio, Ponderación y Jerarquización de Variables.
2. Introducción
La Reserva de Biósfera Delta del Orinoco (RBDO), se emplaza en la desembocadura del río
Orinoco, caracterizado por la presencia de un Delta de grandes dimensiones y de forma más o
menos arqueada, el cual posee un patrón de drenaje anastomosado, característico de este tipo de
paisaje inundable. La dinámica fluvial no encuentra mayor resistencia o control por el tipo de
sedimento presente, facilitando de esta manera el libre modelado fluvial y a la vez dar origen a
este tipo de drenaje. El análisis e interrelación de los factores del medio físico permiten una
división geográfica del área, siendo evidente que algunos factores tienen mayor importancia que
otros, los cuales juegan un papel primordial en el manejo y ordenamiento territorial del área
estudiada con fines de desarrollo turístico. Los factores físicos - naturales más relevantes en la
sectorización fisiográfica son la dinámica geomorfológica, la cobertura vegetal y la hidrografía.
El área de estudio limita con la línea costera del margen atlántico, caracterizada
fundamentalmente por marismas, estuarios, y formas fluviomarinas menores, donde existe una
gran dinámica de mareas. La vegetación predominante en las marismas y estuarios es un
manglar vivo, mientras que en otras islas de estuarios se encuentra un manglar “degenerado” o
una selva de pantano. En síntesis, se puede señalar que la RBDO es un área protegida que busca
conjugar la conservación y el uso sostenido de los recursos naturales, apoyándose
preferentemente en las poblaciones originarias. La figura de Administración Especial (ABRAE),
superpuesta al Parque Nacional Mariusa, se localiza en una zona amparada y regulada por la
Legislación ambiental, la de los Pueblos Indígenas, de Patrimonio Cultural y la relativa a
Seguridad y Defensa. Es por ellos que el presente trabajo busca definir las áreas con potencial
turístico tomando en cuenta el análisis y ponderación de las variables anteriormente
mencionadas.
Fig. 1:Área de estudio
3. Materiales y Métodos
El área de estudio, desde el punto de vista político administrativo, abarca las parroquias Padre
Bernal y Miguel Renaud, más una proporción menor de la parroquia Curiapo, todas
pertenecientes al Municipio Antonio Díaz. En la porción oriental ocupa una parte de la
parroquia Juan Millán del Municipio Tucupita, ocupando una superficie total de 960 Km2 que
representa aproximadamente el 24% de la Superficie total del Estado Delta Amacuro (figura
No.1).
El estudio detallado de los diferentes elementos considerados, se llevó a cabo a través de
fuentes de información como sensores remotos y fuentes cartográficas, las cuales permitieron
desarrollar el cruce de información para la extracción de los componentes y la generación del
modelo espacial que define el potencial ecoturístico del área. A continuación se describe cada
una de las etapas que se cumplieron durante la investigación:
-La fase de campo se realizó con la finalidad de recolectar, verificar y actualizar lo relacionado
a la fragilidad de los diferentes ambientes y su capacidad para el desarrollo de actividades
turísticas, la observación de puntos estratégicos, que por sus características pueden ser
aprovechados como lugares para el desarrollo de alguna actividad turística, de manera de poder
hacer la comparación y ubicación de la información interpretada a partir de las imágenes de
satélite y su distribución actual sobre el terreno.
-Para este trabajo, se utilizaron un total de 5 imágenes del satélite Spot 5, tal como se señala en
la tabla No.1.
Tabla No.1: Imágenes Spot 5
Escena
K
J
330
670
331
332
671
332
672
333
Fecha de Adquisición
Septiembre 04 de 2008
Septiembre 16 de 2008
Julio 30 de 2008
A estas imágenes se le aplicaron los procesos sistemáticos necesarios para la extracción de
información, corrección geométrica y visualmente interpretadas para generar la información
espacial relacionada con la geomorfología, vegetación e hidrografía, a una escala de
levantamiento de 1:50.000. El método usado para la clasificación, estuvo basado en la
aplicación de las técnicas de interpretación visual, a partir del uso de los elementos como la
forma, el color, la textura, el tamaño, la localización y patrón, los cuales permitieron identificar
las diferentes tipos de vegetación y su densidad, así como las diferentes unidades
geomorfológicas que conforman el área y que responden a una determinada distribución
espacial, configuración topográfica y condiciones climáticas propias del área.
-Para la generación del modelo de áreas con potencial turístico, se utilizó el método de Análisis
Jerárquico de Thomas Saaty (1980), el cual permitió descomponer, comparar y establecer
prioridades a partir de la elaboración de una matriz de comparación entre los criterios y
variables evaluadas, comparando su importancia para la definición de los pesos de cada uno de
acuerdo a la consistencia de los juicios de valor entre pares de factores. La escala de valores
está comprendida entre 1 y 5 para calificar las potencialidades relativas de los elementos
(Tabla 3). En este sentido se analizaron aquellas variables medibles (geomorfología, vegetación
e hidrografía), las cuales permiten evaluar las condiciones de la base natural, para ello la
metodología utilizada consistió en:
1. La jerarquización de las variables seleccionadas;
2. El establecimiento de un factor de ponderación, de acuerdo con la categoría que está
integrando el recurso;
3. Por último, la elaboración final del Índice de Potencial turístico (IPT) de todos los
recursos.
La información valorada se presenta en la Tabla No. 2
Tabla No.2
VARIABLE
ASPECTOS ESTUDIADOS
Formación Vegetal
Tipo de Formación
Cobertura
Natural
Densidad
Altura
Unidades
Geomorfología Formas
Procesos
Densidad y forma de la red
Hidrográfica.
Hidrografía
-A continuación se detalla el proceso metodológico que se siguió para determinar la importancia
de cada una de las variables, cuya correlación permitió evaluar el potencial turístico de los
elementos naturales seleccionados.
Jerarquización de las variables: Con base al método de Análisis Jerárquico de Thomas Saaty
(1980) y a partir de las modificaciones hechas para el área, se procedió a establecer dentro de
una escala ordinal cinco jerarquías:
Tabla No. 3
Muy Alto Potencial
Jerarquía 1:
Alto
Jerarquía 2:
Moderado
Jerarquía 3:
Bajo
Jerarquía 4:
Sin Potencial
Jerarquía 5:
De lo anteriormente considerado, a los elementos que componen cada una de las categorías de
variables se les diferenció en 5 categorías (Tabla No. 4)
Tabla No. 4. Jerarquía de las Variables y Elementos Estudiados
VARIABLE
Cobertura Natural
JERARQUÍA
4
Bosques de Manglar
ELEMETO
3
Bosque de Pantano
2
Arbustales y Herbazales
1
Matorrales y sus Diferentes Asociaciones
2
Marismas y Ciénagas
1
Turberas (Herbazal, Morichal, Manglar
Degradado y Vegetación Mixta)
3
> 100 m del Cauce Principal
2
50 - 100
< 50 m
Geomorfología
Hidrografía
1
Centros Poblados
5
Áreas > 200 m Desde el Asentamiento
Principal
DESCRIPCIÓN
La cobertura natural, presentan las mayores
limitaciones para su aprovechamiento por los
niveles de fragilidad de los ecosistemas allí
existentes.
De acuerdo a sus características físicas, estos
son terrenos considerados con altos niveles de
inestabilidad, lo que condiciona el
aprovechamiento de los mismos, pero que de
acuerdo a su grado actual de intervención, se
consideran los más apropiados para ser
aprovechados.
Todas aquellas zonas más próximas a los
cauces de los caños navegables presentan una
alta potencialidad por las condiciones de
accesibilidad y estabilidad del terreno.
Las zonas más cercanas a los caseríos son las
que presentan el mayor potencial, por los
niveles de intervención y de equipamiento de
infraestructura básica.
Fuente: Trabajo de Campo, Elaboración propia.
Para el establecimiento de la escala ordinal, se tomó en cuenta la propuesta por Saaty (1980) así
como las propuestas hechas por otras instituciones oficiales, pero a su vez considerando la
complejidad e importancia que tienen dentro del área de estudio cada una de las variables y
elementos considerados.
9 Para la geomorfología y sus diferentes unidades de paisajes, se destacan aquellos elementos
cuya complejidad y no su extensión, lo hace sobresalir de los demás (figura 2) y (Tabla
No.5)
9 Partiendo de la idea de que las áreas con una cobertura vegetal (Tabla No. 6) en sus
condiciones naturales o muy poca intervención humana, puede ejercer mayor atracción
turística, se consideró oportuno otorgarle la jerarquía muy baja a las formaciones vegetales
que aún conservan la casi totalidad de sus especies originales, es decir, se consideró su
importancia ecológica (Figura No.3).
9 En cuanto a los elementos como la hidrografía y los asentamientos indígenas, se les asigna
un nivel jerárquico de potencia alto, por los niveles de intervención que presentan y su
importancia en la estructura y dinámica económica del área.
Figura No. 2: Mapa de Geomorfología
Tabla No.5
UNIDADES DE PAISAJE
SUPERFICIE (%)
TURBERAS
39,91326415
MARINO COSTERO
53,7531775
FLUVIOMARINAS
6,295152917
MARISMAS
0,038405432
Leyenda de Geomorfología
UNIDADES
LLANURA ALUVIAL DE DESBORDE
FORMAS
PROCESOS
Napas de limos
Divagación
Albardones
Desbordes
Explayamientos
Acumulación
Cauces abandonados
Rupturas
Cubetas
Avulsión
Orillares
Decantación
Barras de Meandro
Colmatación
Erosión de sapa
Planicie
Inundación
Pantanos
Descomposición anaeróbica
Lagunas
Colmatación
Planicies
Aguachinamiento
Lagunas
Descomposición
LLANURA CENAGOSA
TURBERAS
Represamiento
MARISMAS LITORALES Y CORDONES
ISLAS Y BANCOS DE ESTUARIOS
Bancos
Erosión eólica
Caños de marea
Acumulación
Playas
Remoción y oleaje
Lomas de playa
Subsidencia
Depresiones
Estabilización
Fondos
Acreción
Estuarios
Erosión de sapa
Oleaje
Fluctuación de napa
Anegamiento
Figura No.3: Mapa de Cobertura Vegetal
Tabla No. 6
FORMACION VEGETAL
ARBOREA
TIPO
0,08
BOSQUE DE MANGLAR
5,56
BOSQUE DE MATORRAL DE PANTANO
2,44
BOSQUE DE PALMAR
0,86
BOSQUE DE PANTANO
BOSQUE DE PANTANO CON PALMA
HERBÁCEA
41,60
4,92
BOSQUE DE PANTANO CON PALMAS Y MANGLE
0,08
PALMAR DE PANTANO
0,58
ARBUSTAL
0,57
ARBUSTAL DE PANTANO
0,26
HERBAZAL
0,77
HERBAZAL DE PANTANO
8,60
HERBAZAL DE PANTANO CON PARCHES DE MATORRAL DE PANTANO
0,50
MATORRAL
0,01
MATORRAL DE PANTANO
1,62
ASOCIACIÓN BOSQUE CON MATORRAL DE PANTANO
14,36
ASOCIACIÓN BOSQUE DE PANTANO CON MATORRAL DE PANTANO
1,61
ASOCIACIÓN BOSQUE DE PANTANO CON PALMAR DE PANTANO
0,25
ASOCIACIÓN BOSQUE DE PANTANO CON PALMAS
MIXTA
SUPERFICIE (%)
BOSQUE
10,44
ASOCIACIÓN HERBAZAL CON MATORRAL
0,15
ASOCIACIÓN HERBAZAL DE PLAYA CON MATORRAL
2,73
ASOCIACIÓN HERBAZAL Y BOSQUE DE PANTANO
0,04
ASOCIACIÓN HERBAZAL Y MATORRAL DE MANGLAR
0,03
ASOCIACIÓN HERBAZALES DE PANTANO CON MATORRAL DE PANTANO
0,56
ASOCIACIÓN MATORRAL
0,13
ASOCIACIÓN MATORRAL CON BOSQUE DE MANGLAR
0,02
ASOCIACIÓN PALMAR Y HERBAZAL CON BOSQUE DE MANGLAR
1,20
La jerarquía de cada elemento expresa sólo la importancia dentro de su propia categoría, pero no
su valor de acuerdo a su potencial turístico, ya que este se asigna a partir de la generación de la
Matriz de Ponderación (Tabla No.4), que diferencia aquellos recursos que por sus propiedades
pueden ser un atractivo con gran demanda turística con respecto a los carecen de estas
cualidades. En este caso los valores para las categorías de las variables elegidas suman un total
de 100% y son los siguientes:
Geomorfología
Vegetación
Hidrografía
=
=
=
50,0
30,0
20,0
100
Una vez determinado estos parámetros, se procedió a calcular la Relación de Consistencia
de la ponderación, de manera de validar la correspondencia entre la variable evaluada con
respecto a su importancia en el modelo final.
Relación de Consistencia = 21,85 – 5/5 – 1 = 4,2125
Al multiplicar las jerarquías de cada una de las categorías establecidas con el valor de la
Relación de Consistencia, se obtiene que las jerarquías dadas a cada una de las variables
estudiadas, le da un 92% de precisión al modelo final, es decir, que se ajusta a la realidad del
área estudiada.
Algoritmo
(2,60 * 4,21) + (7,50 * 4,21) + (5,00 + 4,21) + (3,75 * 4,21) + (3,00 * 4,21)
(10,95) + (31,58) + (21,05) + (15,79) + (12,63) = 92%
4. RESULTADOS
Con base a los valores obtenidos tanto de la matriz de ponderación y la relación de consistencia
del modelo, se representó cartográficamente las áreas con potencialidad turística de la Reserva
de Biósfera Delta del Orinoco que se muestra en la figura No.4. A continuación se describe cada
una de las características que identifican las categorías de potencial para cada una de las áreas.
Figura No.4. Mapa de Potencial Turístico
Aéreas con Muy Bajo Potencial: Son las áreas cuyo nivel de intervención es prácticamente
nulo, ya que son las que presentan las mayores limitaciones desde el punto de vista físico
natural, tales como las zonas de turba o planicies inundables. Desde el punto de vista ecológico,
la cobertura natural, conformado principalmente por bosques de manglares y bosques de
pantano, presentan las mayores limitaciones para su aprovechamiento por los niveles de
fragilidad de los ecosistemas allí existentes, además de que por la misma densidad y altura de la
cobertura vegetal, dificulta las condiciones de accesibilidad.
Áreas con Bajo Potencial: Se aplican métodos de conservación para el aprovechamiento de los
recursos, pero con afectación sobre algunos elementos claves, tales como algunas especies,
tanto vegetales como animales, ya que en estas áreas, se pueden encontrar fragmentos de
bosques naturales que sirven como soporte para el asentamiento y desarrollo de gran
biodiversidad. Esta categoría abarca las zonas de arbustales y herbazales, localizados sobre
paisajes de marismas y ciénagas.
Áreas con Potencial Moderado: Se caracterizan por poseer una cobertura natural razonable,
pero con la presencia de algunos componentes modificados de tamaño variable y continuidad en
el tiempo, tales como explotaciones forestales intensivas para la extracción de las diferentes
especies maderables que se desarrollan en las unidades de sabanas y sus diferentes asociaciones
(palma moriche). Desde el punto de vista geomorfológico, las unidades de paisajes que
predominan en esta categoría se consideran las áreas de marismas y ciénagas, ya que estas áreas
están sometidas a procesos de inundación la mayor parte del año, dependiendo de la dinámica
de mareas. En cuanto a las condiciones de accesibilidad, la misma se hace a través de los
pequeños caños navegables que atraviesan estas zonas y a través de pequeñas cominerías desde
algunos pequeños asentamientos indígenas o aldeas de pescadores cercanas a las mismas.
Áreas con Alto Potencial: Está compuesta principalmente por zonas altamente modificadas,
tales como pequeños centros poblados (comunidades indígenas) y zonas agrícolas (desarrollo de
agricultura de subsistencia, semi –comercial y ganadería semi-intensiva), donde se han adoptado
otras especies a las condiciones presentes. Debido a su proximidad a los principales centros de
servicios y consumo, favorece el desarrollo de actividades como el pastoreo, la extracción de
maderas, poda de árboles (palma moriche), los cuales tienen una continuidad tanto en el tiempo
como en el espacio. Su caracteriza por una baja presencia de especies naturales o funciones
ecológicas cuya complejidad estructural y ecológica es simple y por su nivel de intervención se
consideran que son los más apropiados para ser aprovechadas para llevar a cabo actividades
relacionadas con Agroturismo, Turismo rural y Turismo cultural.
Áreas con Muy Alto Potencial: El área puede servir como principal atracción para el desarrollo
de actividades turísticas de tipo cultural, debido a que en estas zonas se encuentran los
asentamientos indígenas de mayor importancia económica dentro de la región y con un mínimo
de servicios de infraestructuras básicas, que sirven de complemento al desarrollo turístico
cultural de bajo impacto. Las principales vías de comunicación están conformadas por la
presencia de canales navegables que es considerado uno de los factores positivos. Por ser
paisajes altamente modificados presentan grandes limitaciones desde el punto de vista de
biodiversidad con poca presencia de vegetación natural.
5. Bibliografía empleada.
1. Ecology and Environment, S.A. (1998). Conceptualización del Sistema de Paisajes de
Biodiversidad del Delta del Orinoco. Mapa Geomorfológico, Escala 1:750.000.
2. Ecology and Enviroment, S.A. (1998). Conceptualización del Sistema de Paisajes de
Biodiversidad del Delta del Orinoco. Mapa de Vegetación, Escala 1:750.000.
3. Coplanarh (1979). Mapa Geomorfológico Base, Región Oriental 8: Sub-regiones 8A – 8B8C – 8D, Escala 1:250.000.
CAMBIO DEL PAISAJE EN LA LINEA TRANSICIONAL PARAMOSELVA NUBLADA, SECTOR LA AGUADA DE LA VERTIENTE
NORTE DE LA SIERRA NEVADA DE MERIDA-VENEZUELA
Winston Santaella, D
Instituto del Ambiente del Estado Lara, Venezuela, Manejo de Cuencas Hidrográficas, Ecología del Paisaje,
SIG.
[email protected]
RESUMEN
En los últimos 20 años investigadores han
reportado aumentos de la temperatura global y
algunos efectos determinantemente en las
funciones de supervivencia, reproducción o
desarrollo de animales y plantas, causando
alteraciones en su estructura y distribución. Se
realizó un estudio ecológico de paisaje en el
ecotono selva nublada- páramo, a través de un
análisis retrospectivo de fotointerpretación entre
los años 1952-1998, donde se determinaron
cambios en la distribución y características
fisionómicas de la vegetación. Se determinó que
529 hectáreas (ha) de Bosque preparamero alto
denso (Bpad) y 414 ha. de Arbustal preparamero
bajo
denso
(Apbd)
se
desarrollaron
sucesionalmente hacia selva nublada (SN),
1194ha. de Apbd presentaron cambios
sucesionales hacia la unidad Bpad, 48ha. de la
UV Páramo fueron colonizadas por SN, 146 ha.
fueron colonizadas por Bpad, 398 ha. por Apbd
y 97 ha. por el arbustal preparamero bajo ralo,
esto indica un claro desplazamiento de las
unidades de vegetación
en el gradiente
altitudinal. Se determinaron variaciones
espaciales en las unidades de vegetación, así
como de los límites de distribución altitudinal y
estructura, evidenciándose procesos dinámicos
de colonización y evolución seral, como
respuesta a los cambios en los umbrales de
temperatura
limitantes
producto
del
calentamiento global.
Palabras Claves: SIG, ecología del paisaje,
cambio climático, desplazamiento de
vegetación, sucesión ecológica, ecotono,
línea de crecimiento arbóreo, selva nublada,
páramo.
1. INTRODUCCIÓN
El sistema climático del planeta ha
cambiado de manera importante a escala
nacional y mundial desde la época
preindustrial, algunos de estos cambios se
pueden atribuir a las actividades humanas que
han hecho aumentar las concentraciones
atmosféricas de gases invernadero. Estos
gases están atrapando una porción creciente
de radiación infrarroja terrestre y se espera
que harán aumentar la temperatura planetaria
entre 1,5 y 4,5 °C en los próximos 100 años
(IPCC, 2001). La temperatura es uno de los
principales factores que limitan la
distribución de animales y plantas, (Graf,
1994; Villalba, 1995; Krebs, 1985) cuya
actuación en cualquier etapa del ciclo vital
afecta de manera determinante las funciones
de supervivencia, reproducción o desarrollo.
También actúa indirectamente al limitar la
distribución a través de su efecto en la
capacidad de resistencia a las enfermedades,
la predación, el parasitismo ó competencia
con otras formas de vida cerca de los límites
de tolerancia de temperatura (Krebs, 1985).
Los registros de las estaciones climáticas
de Venezuela muestran que existe un
aumento de 2ºC en los promedios de
temperaturas mínimas en los últimos 60 años
(Quintana, 2001). La variación térmica es uno
de los atributos básicos explicativos de la
zonación natural de la vegetación en
Venezuela (Veillon, 1974), evidencia de esto
es el gradiente altitérmico existente en los
Andes tropicales, donde la temperatura
disminuye 0.6ºC a cada 100 m de elevación y
es determinante para el establecimiento y
distribución de las especies (Ataroff y
Sarmiento, 2003;Sarmiento, 1986).
La vegetación por ser un componente
orgánico que carece de locomoción tiene que
adaptarse a las condiciones ambientales
imperantes, lo que crea hábitos de
crecimiento estratégicos que le permiten
cumplir con sus funciones vitales. Las formas
de vida entre dos unidades contiguas como la
selva nublada y el páramo andino responden
a un cambio térmico del entorno provocado a
su vez por un cambio altitudinal (Yánez
1998; Peñuelas et al., 2002).
Cada especie tiene un límite superior e
inferior de temperatura mas allá de los cuales
surge la muerte (Hoar, 1989). Tres posibles
respuestas de las especies vegetales a los
cambios climáticos son: (i) persistencia ante
la modificación del clima, (ii) migración a
climas más favorables, (iii) extinción.
(Guisan et al., 1995; Bazzaz, 1996).
Para realizar la investigación se selecciono
un área que cubre el ecotono entre las
unidades de vegetación selva nublada y
páramo, esta unidad es dominada por arbustal
enredado, cubierto por epifitas la cual crecen
en manchones, rodeados de herbazales altos.
En esta zona las condiciones existentes no
favorecen el desarrollo de vegetación arbórea.
Monasterio y Vuilleumier (1986).
Diferentes autores señalan que es muy
poca la información que se tiene sobre el
efecto generado por el cambio climático
sobre la distribución ya sea espacial ó
altitudinal de la vegetación (Moore et al.,
1996; Peñuelas et al., 2002).
Gitay et al., (2002), del IPCC, señalan que
entre las necesidades de información y los
vacíos en las evaluaciones, se incluye realizar
estudios sobre las dinámicas estructurales y el
funcionamiento de los ecosistemas, la
dispersión y migración de especies a través
de paisajes naturales.
Por lo antes expuesto se planteó determinar
los posibles cambios en las características
fisionómicas,
distribución
espacial
y
altitudinal de las unidades de vegetación en el
sector La Aguada de la Cordillera de Mérida.
2. METODOLOGÍA
2.1 Area de Estudio
El área de estudio se ubica dentro de las
coordenadas 942984-951037 N y 266982276012 E, tiene una superficie de 44.169 ha.
y se encuentra localizada dentro del Parque
Nacional Sierra Nevada, propiamente en la
cordillera de Mérida, la cual tienen en su
haber recursos biológicos de alta fragilidad,
como las formaciones de páramo y selva
nublada. Forma parte de uno de los dos
ramales principales de los andes de
Venezuela, donde se localizan altitudes que
sobrepasan los 4500 msnm (Pico Bolivar,
Pico Humboldt, la Concha, Toro y
Mucuñuque), (Shubert & Vivas, 1993).
2.2
Revisión
y
Recopilación
Información Cartográfica
de
En esta etapa se revisaron todos los
documentos cartográficos correspondientes al
área de estudio (mapas topográficos,
fotoíndices, fotografías aéreas, etc) se
seleccionó la foto 187 a escala 1:40000 de la
misión A-34 del año 1952 y la foto 135 a
escala 1:65000 de la misión 010493 del año
1998, con esta revisión se obtuvo una visión
superficial del área..
2.3 Reconocimiento ecológico de campo
Se realizó una salida de campo de tres días.
La actividad describir las unidades de
vegetación previamente identificas en las
imágenes aéreas, y se tomaron los puntos
geográficos
necesarios
para
la
georeferenciación definitiva. Los puntos
fueron tomados de manera distribuida en el
área de estudio, y se realizo un diagnostico
participativo a las personas que aun habitan
dentro del parque, las cuales facilitaron
información de interés.
2.4 Georeferenciación de las Fotografías
Aéreas, Producción de Ortofotomapas y
MDE
Para la georeferenciación de las imágenes
aéreas en el sistema de información
geográfico ILWIS se utilizaron 92 puntos
geográficos, de los cuales 40 fueron tomados
de los mapas topográficos 5941-I-SE y NE
del instituto Geográfico Simón Bolívar, y 52
puntos fueron tomados en campo con un GPS
Garmin Etrex Vista utilizando la proyección
Mercator Transversal (UTM) y el Datum
provisional South American 1956 (La
Canoa), para esta etapa se llevaron al campo
las imágenes aéreas a escala 1:4000
preliminarmente georreferenciadas, donde
identificaron los puntos utilizados para el
proceso.
Las curvas de nivel fueron vectorizadas de
los mapas topográficos con el software R2V
y se aplico un método de interpolación de
contornos en software ILWIS para generar el
modelo digital de elevación, y junto con los
puntos geográficos tomados en campo se
corrigió el error causado por el relieve en
ambas fotografías y se crearon los
ortorfotomápas con un error de 8.7 metros.
2.6 Corrección de error o diferencias por
sombras y nubes
2.5 Interpretación y vectorización de los
ortofotomapas (Análisis Espacial)
2.7 Cálculos de los datos espaciales
Se interpretaron los ortofotomapas de
ambas épocas y se vectorizó sobre pantalla,
definiendo y caracterizando las unidades a
partir de la diferenciación de los principales
foto-elementos y la combinación de las
características de tono, textura y geometría de
las fotos (Pernía, 1991). En las imágenes de
cada año (1952 y 1998) se identificaron los
parches correspondientes a las unidades de
vegetación
según
las
características
homogéneas que presentaron, con este
método se realizo el análisis espacial, para
luego calcular el histograma frecuencia con el
cual
se
obtuvieron
las
superficies
correspondientes a cada unidad de vegetación
para ambas épocas 1952-1998. El método fue
aplicado en el SIG - ILWIS 3.2.
Para eliminar los errores generados por las
sombras y las nubes identificadas en las
imágenes aéreas, se traslado de una imagen a
otra las sombras y las nubes para tener la
misma cantidad y evitar error o diferencia en
los análisis de distribución y cambio espacial.
Los datos espaciales que arrojo el
histograma de frecuencia de ambas épocas
fueron llevados a una hoja de cálculo donde
se obtuvo la variación espacial y estructural
de cada unidad de vegetación. (Tabla 3)
2.8 Calculo
Reemplazo
y
análisis
de
de
Se aplico el método de cruce (CROSSILWIS) entre las bases de datos de ambas
épocas, para determinar las unidades de
reemplazos y las dinámicas estructurales
entre el periodo de 1952-1998. (Tabla 4.)
3. RESULTADOS
3.1 Se crearon los Modelos Digitales de
Elevación (Raster Fig.1 y TIN fig.2) y se
produjeron los ortofotomapas (fig.3-fig.4) de
un sector de la cordillera de Mérida.
.
Fig 1. MDE-RASTER
áreas
Fig 2. MDE -TIN 3D
Fig 3. Ortofotomapa 1952
3.2 Reconocimiento Ecológico de Paisaje
En el reconociendo ecológico de paisaje se
observo como en el ecotono analizado a pequeña
escala el límite de las plantas leñosas es bastante
claro, sin embargo cuando la escala de observación
es aumentada, se pueden diferenciar fases o estadíos
de una transición que va, desde la Selva Nublada
hasta el páramo siguiendo un gradiente alto-térmico.
En este gradiente se van sucediendo tipos de
Fig 4. Ortofotomapa 1998
vegetación, donde partiendo de la selva nublada las
formas de vida de árboles se van haciendo cada vez
más pequeños y reemplazados por formas de vida
arbustivas, donde las rosetas empiezan a ser una de
las formas dominantes en el Páramo. Este cambio
también es observado en la estructura de la
vegetación que deja de ser bastante cerrada en
altitudes menores para mostrar una estructura más
rala o menos densa a medida que se asciende.
A continuación se presentan las unidades de
vegetación
que
fueron
diferenciadas:
Tabla Nº1. Unidades de Vegetación Identificadas en el área de estudio.
Unidades de Vegetación
Páramo
Arbustal Preparamero Bajo Ralo
Arbustal Preparamero Bajo Denso
Bosque Preparamero Alto Ralo
Bosque Preparamero Alto Denso
Bosque Altiandino de Polylepis
Selva Nublada
Selva Nublada Intervenida
Arbustal Preparamero Bajo Intervenido
Arbustal Preparamero Bajo Intervenido en Regeneración
Bosque Preparamero Alto Intervenido
Bosque Preparamero Alto Intervenido en Regeneración
Área Intervenida en barbecho o cultivo
Abreviatura
Pa
Apbr
Apbd
Bpar
Bpad
Bap
SN
SNi
Apbi
Apbir
Bpai
Bpair
Aibc
3,1
0,1
1,4
48,7
22,4
0,2
6,5
0,0
0,9
0,2
5,4
0,1
0,0
1,0
0,1
1,2
49,0
23,6
0,0
969,02
-47,99
393,15
80,37
-720,70
-210,89
7,53
-938,94
7,95
-85,07
107,22
521,40
-86,54
51,3
-77,4
2856,2
14,0
393,2
80,4
2394,5
35,2
7,5
430,8
63,3
513,1
21627,1
10431,7
9,4
%de
Variación
área Total
1369,8
55,4
598,2
21519,9
9910,3
95,9
% de
Variación
1998-1952
7,1
0,6
Variación
(ha)
4,3
0,1
Area (ha)
1998
1887,2
62,0
0,0
0,0
3115,2
246,1
%
Superficie
1998
Bpad
Bpai
Bpair
Bpar
Apbd
Apbi
Apbir
Apbr
Aibc
Bap
Pa
SN
SN_i
%
Superficie
1952
Unidad de
Vegetació
n UV
Area (ha)
1952
Tabla Nº3. Variación espacial y porcentaje de variación de las unidades de vegetación con respecto al área original de cada
unidad y el área total de estudio, entre el periodo 1952-1998.
2,2
-0,1
0,9
0,2
-1,6
-0,5
0,0
-2,1
0,0
-0,2
0,2
1,2
-0,2
-23,1
-85,7
-68,5
14,4
-14,2
0,5
5,3
-90,2
Tabla Nº4. Matriz de Cambios o Reemplazos de las unidades de Vegetación entre los años 1952-1998.
0
20
0
13
185
320
0
0
0
0
0
55
5
4
8
0
9
0
0
0
0
1
30
11
0
0
Bpar
Apbr
95
0
0
0
0
0
0
1
0
0
0
0
0
Bpai
16
21
47
23
25
0
0
0
0
114
0
0
0
Apbir
Bpair
48
146
8
398
2068
127
0
0
0
5
0
97
1
Bap
414
1194
6
762
376
33
5
8
6
152
0
152
7
SNi
2
1
0
1
0
0
5
0
0
45
0
0
0
Apbi
529
913
0
268
100
16
2
0
0
29
3
28
0
Pa
918
415
1
290
12
0
0
0
0
13
0
0
0
Apbd
SN
Bpad
Aibc
Apbd
Pa
Bap
Apbi
SNi
Apbir
Bpair
Bpai
Apbr
Bpar
Aibc
UV
Bpad
SN
Unidades de Vegetación 1998 (UV)
Unidades de Vegetación (UV/ha) 1952
144
136
0
628
256
11
23
0
0
5
0
100
67
Tabla No 2 Leyenda
Fig 5. Mapa de Vegetación año 1952
Fig 6. Mapa de Vegetación año 1998
PROMEDIO DE TEMPERATURAS MINIMAS POR
DECADAS DE LA ESTACION BARQUISIMETO
20,5
20,1
20
20
19,6
19,5
TºC
La unidad de selva nublada (SN) presento los
siguientes cambios: 415 ha. fueron reemplazadas
por el Bosque preparamero alto, 290 ha. fueron
reemplazadas por la unidad arbustal preparamero
bajo denso, y 13 ha. pasaron a formar parte del
Bosque preparamero alto, estos cambios
probablemente fueron debido a intervención
antrópica y posterior recuperación entre el rango
cronológico de estudio,
95 ha. que estaban
intervenidas en el año 1952 se recuperaron y no
presentaron características de intervención.
La unidad de bosque preparamero alto denso
(Bpad) cambio en 529 ha. que pasaron a formar
parte de la unidad de selva nubla (SN) debido a un
avance sucesional, los demás cambios de esta
unidad fueron debido a intervención humana y en
algunos espacios se encuentra en recuperación.
La Unidad Arbustal Preparamero Bajo Denso
(Apbd) presentó un cambio seral hacia la unidad de
selva nublada en una superficie de 414 ha. por otra
parte 1194 ha. de esta unidad (Apbd) avanzaron
sucesionalmente a la unidad de bosque preparamero
alto denso.
La unidad de páramo cambió a la unidad de selva
nublada en una superficie de 48 ha. esto indica un
proceso de colonización por parte de la selva, de
espacios que habían sido ocupados por el páramo,
146 ha. de la misma unidad fueron ocupadas por el
bosque preparamero alto denso, lo que indica otra
colonización de especies arbustivas que podrían
llegar al estado climax de selva, de igual manera
ocurrió en 398 ha, que fueron ocupadas por el
arbustal preparamero bajo denso, 5 ha. fueron
colonizadas por la unidad de bosque preparamero
alto pero se encuentra intervenida en regeneración,
97 ha. de esta misma unidad fueron colonizadas por
la unidad de vegetación arbustal preparamero bajo
ralo y 1ha fue colonizada por la unidad de bosque
preparamero alto ralo. En total 695 ha. de la unidad
de vegetación páramo fueron colonizadas por
unidades de vegetación de diferentes estructuras y
fisionomías que anteriormente se ubicaban en
altitudes menores, debido a que la temperatura
limitaba su establecimiento y desarrollo en las áreas
del páramo.
La variación térmica es uno de los atributos básicos
explicativos de la zonación natural de la vegetación
en Venezuela (Veillon, 1974), y es determinante
para el establecimiento y distribución de las
especies ya que actúa como el principal factor
limitante de la distribución y desarrollo de la
vegetación (Ataroff y Sarmiento, 2003;Sarmiento,
1986).
Los registros de las estaciones climáticas de
Venezuela muestran que los promedios de
temperaturas mínimas han aumentado en los
últimos setenta años (Quintana, 2001), Este dato es
uno de los principales indicadores para el monitoreo
del calentamiento global. (IPCC, 2001).
19,4
19,1
19
18,5
18
18,2
17,5
17
1938-40
1941-50
1951-60
1961-70
1971-80
1981-90
Decadas
Fig. 7 Promedios de temperaturas mínimas por década de la
estación Barquisimeto. (Quintana, 2001)
PROMEDIO DE TEMPERATURAS MINIMAS POR
DECADAS ESTACION MERIDA
16
15,5
15,5
15
15
TºC
3.3 Principales Reemplazos, cambios
fisionómicos y estructurales ocurridos en la
vegetación entre los años 1952-1998.
14,6
14,5
14
13,5
13,5
13
12,5
1921-1930
1931-1940
1951-1960
1982-1990
DECADAS
Fig. 8 Promedios de temperaturas mínimas por década de la
estación Mérida. (Quintana, 2001)
Los ecosistemas mantienen un continuo proceso de
transferencia de materia y energía el cual es
adaptado o readaptado ante cualquier variación del
ambiente que influya sobre ellos. La tendencia de
los ecosistemas es alcanzar el clímax, (Margalef,
1977) a través de un proceso de sucesión ecológica
el cual resultado de la modificación de factores
ambientales por causas internas o externas a la
comunidad (Odum, 1981).
Debido a que la temperatura puede actuar en
cualquier etapa del ciclo vital de las plantas y
limitar su distribución (Krebs, 1985), el aumento de
la misma producto de los cambios climáticos
locales (Quintana, 2001) y globales (IPCC, 2001)
están cambiando los umbrales de temperaturas
limitantes,
permitiendo
a
estos
ecosistemas evolucionar a otras etapas serales y
desplazarse altitudinalmente, lo que se traduce
cartográficamente en un aumento en la densidad y
tamaños de las unidades de vegetación.
Se localizaron áreas donde claramente se puede
observar un cambio en los límites de distribución
altitudinal de las unidades de vegetación. La unidad
bosque preparamero alto denso se ubicaba en el año
1952 en la cota 3280 msnm. y en el año 1998 se
ubico en la cota 3480 msnm. mostrando un
desplazamiento de especies de esta unidad hacia
mayores altitudes. De igual manera se localizaron
áreas donde la selva nublada alcanzo la cota 3400
msnm.
Analizando los cambios en la temperatura,
distribución altitudinal de la vegetación y
variaciones del gradiente antitérmico se puede
observar una relación:
En los andes Venezolanos existe un gradiente
altitérmico donde la temperatura disminuye 6oC. por
cada 1000 mts. de ascendencia sobre el nivel del
mar, es decir por cada 200 mts. de ascendencia la
temperatura disminuye 1,2oC. Entre 1952 y 1998 la
unidad bosque preparamero alto denso se desplazo
200 mts. ubicándose en áreas con 1,2 oC menos.
Tomando los datos de las temperaturas mínimas
entre las décadas 1930-1940 y 1980-1990
observamos un aumento de 0,9oC entre ambas
décadas. Valor de temperatura muy cercano al
existente en el gradiente altitérmico cuando se
asciende 200 mts. sobre el nivel del mar (1,2oC). El
desplazamiento de la vegetación se puede
interpretar de varias formas:
El aumento de 0,9 oC en las temperaturas
mínimas es una evidencia de cambios en los
umbrales de temperaturas limitantes, permitiendo a
las especies que componen las unidades de
vegetación
arbustal preparamero, bosque
preparamero y selva nublada, desarrollarse
sucesionalmente y colonizar espacios del páramo
que anteriormente por las temperaturas limitantes
no podían ocupar.
De igual forma se puede decir que las unidades
de vegetación se están desplazando hacia altitudes
mayores para contrarrestar el aumento de 0.9oC de
temperatura ya que por cada 200 mts. de
ascendencia sobre el nivel del mar la temperatura
disminuye 1.2oC. Las unidades de vegetación que
presentaron cambios en la estructura y distribución
altitudinal están respondiendo al aumento de
temperatura a través de desplazamiento a climas
favorables y desarrollo sucesional.
Guisan et al., 1995; Bazzaz, 1996 afirman que las
tres posibles respuestas de las especies vegetales a
los cambios climáticos son: (i) persistencia ante la
modificación del clima, (ii) migración a climas más
favorables, (iii) extinción. (Guisan et al., 1995;
Bazzaz, 1996). Datos obtenidos sobre cambios
climáticos pasados indican que las especies tienden
más a responder con mecanismos de migración que
con mecanismos de adaptación genética (Huntley,
1991).
4. CONCLUSIONES
Se pudo observar claramente en las dinámicas de
cambios estructurales y espaciales (colonización),
como las unidades de vegetación están
respondiendo con mecanismos de persistencia ante
la modificación del clima (Sucesión como respuesta
al cambio) y migración a climas más favorables.
Así mismo lo exponen investigadores del IPCC
en su documento técnico cambio climático y
biodiversidad publicado en el año 2002, allí
plantean escenarios donde los habitats de muchas
especies se desplazaran hacia los polos o hacia
altitudes mayores respecto a sus emplazamientos
actuales. Las distintas especies se van a ver
afectadas de forma diferente por el cambio
climático: van a migrar a diferente velocidad a
través de paisajes naturales y es probable que se
modifique la composición de la mayoría de los
ecosistemas, ya que es improbable que las especies
que componen dichos ecosistemas cambien de
emplazamiento todas a la vez. El riesgo de extinción
va a aumentar para muchas especies que ya son
vulnerables, las especies con rangos climáticos
limitados
y/o
pequeñas
poblaciones
son
normalmente las más vulnerables a la extinción,
entre estas figuran las especies montañosas
endémicas. Tal es el caso de las especies de páramo
las cuales son de crecimiento lento, por lo tanto de
baja capacidad de adaptación al aumento de la
temperatura, y en algunos espacios se determinó
que están siendo colonizadas por especies de
crecimiento rápido como las que componen las
unidades de vegetación, arbustal preparamero,
bosque preparamero y selva nublada. Por lo que es
probable que la unidad de vegetación de páramo en
un futuro pueda ser colonizada completamente por
otras formas de vida al no responder con suficiente
rapidez al cambio, por otra parte se encuentra
limitada espacialmente, ya que se ubica en la zona
más alta ó final del gradiente altitérmico.
Los cambios en las alturas y densidades que
mostraron las unidades de vegetación al igual que la
colonización de nuevas áreas, están modificando
factores microclimáticos en el sotobosque,
generando un acomodo de las condiciones físicas y
ambientales para una posterior colonización de
especies que anteriormente no ocupaban estos
espacios. Por ejemplo el caso de los cambios
ocurridos en la unidad de páramo la cual ha sido
colonizada en algunos espacios por las unidades de
arbustal preparamero bajo y alto, por el bosque
preparamero y selva nublada, se deduce que han
causado una modificación en la humedad relativa
del aire, ya que el aumento en las densidades y
altura de la cobertura vegetal está modificando la
incidencia de la radiación en el aire y el suelo,
pudiendo incidir en la humedad de los mismos, de
igual manera está aumentando la capacidad de
intercepción de precipitación horizontal (niebla) ya
que aumenta la superficie de contacto con el medio
húmedo, permitiendo posiblemente que especies
que tienen un mayor requerimiento hídrico
colonicen estos espacios, de igual manera es
probable que estén generando un cambio en los
porcentajes de materia orgánica de los suelos en los
espacios que antes eran ocupados por especies de
páramo, ya que unidades de vegetación como el
arbustal preparamero, bosque preparamero y la
selva Nublada producen mayor cantidad de
biomasa, por lo que el aporte de necromasa y
materia orgánica al suelo es mayor, aumentando la
disponibilidad de nutrientes y permitiendo que
especies que tienen un mayor requerimiento de
nutrientes puedan colonizar espacios de páramo que
anteriormente debido al estrés por nutrientes no
podían colonizar.
Tal como lo describe Hofstede, (1999) la
descomposición de la materia orgánica en el páramo
es muy baja a causa de la alta humedad y
principalmente de las temperaturas, que en
promedio tienden a ser muy bajas la gran parte del
tiempo. Por lo que es probable que el aumento de
temperatura producto del calentamiento global está
acelerando el proceso de descomposición de la
materia orgánica aumentado así la disponibilidad de
nutrientes.
El aumento en la materia orgánica y necromasa
del suelo al igual que el aumento en la densidad y
tamaño de la vegetación, también podría estar
influyendo en la humedad de los suelos, variando la
disponibilidad de H2O para las plantas.
De igual manera la colonización del páramo por
especies que ocupan un área basal mayor, como el
arbustal, bosque y selva, puede estar influyendo en
el proceso de escorrentía, infiltración y percolación
del agua en el suelo, disminuyendo la erosión
laminar y el impacto de la gota de lluvia en el suelo.
El aumento de la temperatura podría estar
variando la densidad del agua aumentando la
disponibilidad de la misma para las plantas,
disminuyendo el estrés fisiológico.
Los cambios ocurridos en las áreas de cultivo o
barbecho no son de mayor magnitud, esto indica
que la declaración del área de estudio bajo la figura
de ABRAE Parque Nacional Sierra Nevada lo ha
mantenido con un grado mínimo de intervención
antrópica, a pesar de que aún existen dentro del
parque pequeñas bajo sistemas agropecuarios.
BIBLIOGRAFIAS
Andressen, R., A. Robok y Acevedo, M.(1996).
Escenarios de cambio climático por efecto invernadero y
deforestación para Venezuela. Revista Geográfica
Venezolana, 37.
Aronoff S. (1995). Geographic information systemns: A
management perpective. WDL Publications. Canada.
Ataroff, M., & Sarmiento, L. (2003). Diversidad en Los
Andes de Venezuela. I. Mapa de Unidades Ecológicas
del Estado Mérida. CD-ROM, Ed. Instituto de Ciencias
Ambientales y Ecológicas (ICAE), Univ. Los Andes,
Mérida, Venezuela.
Bazzaz, F. (1996).Plant in Changing Environments:
Linking physiological Population and community
ecology, Cambridge University Press.Cambridge.UK.
Bosque, S.(2000).Sistemas de Información Geográfica.
Ediciones RIALP, S.A, España.
Gitay, H; Suárez, A; Watson, T; Dokken (Eds.).
2002.Cambio climático y biodiversidad. Documento
tecnico.IPCC.
Elvecio, P. 1989. Guía práctica de fotointerpretación,
Edición de la Universidad de los Andes, Mérida,
Venezuela.
Esteller, M.(1999) Uso de Sistemas de Información
Geográfico. Edit, Unitecnica, España.
Etter, A. 1991. Introducción a la ecología del paisaje un
marco de integración para los levantamientos rurales.
Edición del instituto geográfico Agustín Codazzi,
Bogota, Colombia.
Forman, R. T. T. y M. Godron. 1986. Landscape
Ecology. Woodbine Inc. U.S.A.
Graf, K. 1994. Vegetación y clima de los Andes
bolivianos durante la última época glacial. Ecología en
Bolivia.
Guisan, A., Holten, j., Spichier., and Tessier, L (1995).
Potential ecological impacts of climate change in the alps
and fennoscadian mountains, conservatoire et jardin
botaniques, Geneve.
Hansen, A., & di Castri, F (1992).Landscape Boundaries:
Consequences for Biotic Diversity and Ecological flows.
Springer-Verlag. New York, usa. En: Yánez, A.1998.
Análisis de la Distribución de Especies Vegetales a lo
Largo de un Gradiente Altitudinal Páramo-Selva Nublada
del Parque Nacional Sierra Nevada, Venezuela. ULA,
Postrado en Ecología Tropical, Venezuela.
Hofstede, T.(1999).Effects of burning and grazing on a
Colombian páramo ecosystem. Tesis doctoral,
Universidad de Amsterdam.
Hansen, A., di castri, F. (1998). Ecotonos: What and
Why?.En: di castri, F. A New Look at Ecotonos.
International Union of Biological Sciences.USA.
Hoar, w.(1989). General y comparative physiology, 2dn
ed. Prentince-Hall, Englewood Cliffs, N.J.
Houghton jt., Callander., and Varney.(1992). Climate
change: The supplementary report to the ICPP Scientific
assessment. Cambridge University Press.Cambridge.UK.
Hougton, J.T., Callander, B.A., and Varney, S.K., (1990).
Climate
Change:
The
IPCC
Scientific
Assessment.Cambridge University Press.
Hougton, T. Callander, A. Varney, K. (1992).Climate
Change (1992): The Supplemental Report to the IPCC
Scientific Assessment.Cambridge University Press.
Huntley, B.(1992).How plants respond to climate
Change: migration rates, individualism and the
consequences for plant communities, Ann Botany 67
(suppl 1).
ILWIS 3.0 for Windows. User Guide. 2001. Unit Geo
Software development sector. Remote sensing & GIS IT
Department. International institute for Aerospace Survey
and Earth Sciences (ITC). Enschede, the Netherlands.
Krebs, J. (1985).Ecología, Estudio de la distribución a la
abundancia. Harla, S.A.Mexico, D.F.
Labrada, M (2005).Evaluación de cambios en la
cobertura vegetal de manglares mediante la aplicación de
los sensores remotos. Habana Cuba.
Ludevid, M.(1997).El Cambio Global en el Medio
Ambiente. Marcombo, S.A. Barcelona, España.
Margalef, D.(1977).Ecología, Ed.Omega, España.
Molenaar, M.(1993).Remote Sensing as an Earth
Viewing System. In H. Buiten and Clevers J. eds. Land
Observation by Remote Sensing, Theory and
applications.
Monasterio, M., Vuilleumier, F.(1986). Introduction: High
Tropical Mountain Biota of the World. En: Yánez, A.
(1998). Análisis de la Distribución de Especies Vegetales
a lo Largo de un Gradiente Altitudinal Páramo-Selva
Nublada del Parque Nacional Sierra Nevada, Venezuela.
ULA, Postrado en Ecología Tropical, Venezuela.
Moore, p., Chaloner, B., y Philip, s.(1996).Global
Environmental Change. Blackwell Science. Australia.En:
Hernandez, L.(2006).Posibles Efectos del Cambio
Climático Sobre la Distribución de seis Especies
Vegetales en el Páramo de Merida. ICAE, ULA, Mérida.
Odum, H.(1981).Hombre y naturaleza. Bases energéticas.
Omega.Barcelona.
Panel Intergubernamental de Expertos sobre el Cambio
Climático(IPCC).(2001).Cambio Climático Informe
síntesis da la XVIIIª Reunión Plenaria del IPCC,
Wembley, Reino Unido.
Pernía, A.(1991). Guía Teórica y Práctica
Fotointerpretación. Universidad de los Andes ULA.
de
Peñuelas, J., Boada, M.(2002).Biome shift in the
Montseny mountains in response to climate change.
Global Change Biology.
Quintana, R.(2003).Cambios Climáticos en Sur America.
Edit UNELLE, Barinas, Venezuela.
Rossiter, D.(1992).Introducción a los Sistemas de
Información Geográfica. Notas de Conferencia. Facultad
de Agronomía, U.C.V, Venezuela.
Sanz-Elorza, M., Dana, E., Gonzales, A., y Sobrino, E.,
(2003).Changes in the High-Mountain Vegetation of the
Central Iberian Peninsula as a problable sign of global
warming. Annals of Botany. En: Hernández,
L.(2006).Posibles Efectos del Cambio Climático Sobre la
Distribución de seis Especies Vegetales en el Páramo de
Mérida. ICAE, ULA, Mérida.
Sarmiento
G.
(1986).
Principales
Gradientes
ecoclimaticos de los andes Tropicales. Simposio de
Ecología de Tierras Altas. Anales del VI Congreso
Latinoamericano de Botánica. Vol 1. Colombia.
Análisis de la Distribución de Especies Vegetales a lo
Largo de un Gradiente Altitudinal Páramo-Selva Nublada
del Parque Nacional Sierra Nevada, Venezuela. ULA,
Postrado en Ecología Tropical, Venezuela.
Schubert, C., Vivas, L.(1993).El cuaternario de la
Cordillera
de
Merida.
Universidad
de
los
Andes/Fundación Polar. Mérida Venezuela.
Villalba, R.(1995).Geographical variations in tree–
growth responses to climate in the southern Andes.En:
Argollo, J. P. Mourguiart (eds.), Climas Cuaternarios En
América Del Sur.ORSTOM, La Paz, Bolivia.
Troll, C.(1950).Die geographische Landschaft und ihre
Erforschung.
Studium
Generale.
En
Ruiz,
L.(2005).Sistema agroecológico Piaroa en la Reserva
Forestal Sopapo, un enfoque ecológico del paisaje.ULA.
Veillon, J.(1974).Relaciones entre los bosques naturales
y el clima en diferentes zonas ecológicas Noroccidentales
de Venezuela. Informe del C.D.C.H. Universidad de los
Andes. Mérida, Venezuela. De: Yánez, A.(1998).
Yanez, A.(1998).Análisis de la Distribución de Especies
Vegetales a lo Largo de un Gradiente Altitudinal
Páramo-Selva Nublada del Parque Nacional Sierra
Nevada, Venezuela. ULA, Postrado en Ecología
Tropical, Venezuela.
Zonneverld, I.(1995).Land Ecology. SPB Academic
Publishing bv. Ámsterdam.
PROCESAMIENTO DIGITAL DE IMÁGENES
(PDI)
Obtención de MDE a partir de imágenes ASTER para apoyar los
proyectos exploratorios de PDVSA. Caso comparación ASTER y
SRTM.
Henry Codallo1, Zully Goyo2.
PDVSA. Dirección Ejecutiva de Exploración. Gerencia de Geodesia. Superintendencia de Sensores
Remotos
1
[email protected] , [email protected]
1. Resumen.
En Venezuela hoy en día no existe un MDE a nivel nacional oficial que cumpla con las
expectativas de precisión y localización que se requiere y los elementos cartográficos de alta
precisión son recursos fundamentales dentro de la cadena de valor de la industria petrolera, más
aun dentro de las actividades básicas como la exploración, MDE globales de alta resolución
como el SRTM se han ido implementado en la industria a manera de satisfacer y cumplir con
los requerimientos que a diario demanda la corporación. En este sentido la Gerencia de
Geodesia de Exploración en PDVSA, ha experimentado y evaluado nuevos recursos que
contribuyan a fortalecer los procedimientos enfocados a obtener instrumentos cartográficos
especializados en aquellas áreas que son vitales para el negocio petrolero. En el marco del inicio
de un proyecto denominado “Análisis de imágenes multi e hiperespectrales con fines de
prospección petrolera al norte del río Orinoco, Venezuela: detección de anomalías espectrales
y térmicas”, se tiene contemplado la adquisición imágenes satelitales del sensor ASTER, este
sensor tiene la capacidad de generar pares estereoscopios de resolución espacial de hasta quince
(15) metros, lo que conlleva a generar una metodología adecuada para desarrollar un MDE de
alta resolución y alta precisión a partir de las imágenes de dicho sensor, tomando en cuenta la
problemática de nubosidad en Venezuela, lo que nos lleva inicialmente a establecer patrones de
comparación de productos que pueden obtenerse de una imagen ASTER y del ya muy utilizado
SRTM, para focalizar su aplicación en la exploración petrolera.
2. Introducción.
Los modelos digitales de elevación (MDE) constituyen una herramienta valiosa para la
observaciòn espacial de la superficie de la tierra. Tal como lo define Felicìsimo (1994) “un
modelo digital de elevaciones (MDE) se define como una estructura numérica de datos que representa la
distribución espacial de la altitud de la superficie del terreno. Un MDE puede describirse de forma
genérica del modo siguiente:
z bx, yg
donde z es la altitud del punto situado en las coordenadas x e y, y la función que relaciona la variable
con su localización geográfica. Los valores de x e y suelen corresponder con las abscisas y ordenadas de
un sistema de coordenadas plano, habitualmente un sistema de proyección cartográfica”. Esta
estructura permite la simulación de las características del terreno analizado y, eventualmente, al
incorporarle nuevas características o capas de información permite un modelado más preciso de
las condiciones superficiales que se desean observar.
En la última década, el uso de estos MDE se ha intensificado gracias a las bondades que
provee frente a los sistemas analógicos, entre ellas el bajo costo y la cobertura versátil de las
fuentes utilizadas, sean estas cartográficas o satelitales. Estas últimas también presentan una
gran ventaja con respecto a las primeras en cuanto a su resolución temporal pues hoy en día es
mucho más accesible obtener un MDE de una imagen de satélite actual que esperar a actualizar
la cartografía existente con esta misma fuente. En el negocio petrolero, el uso de esta
herramienta se hace doblemente fundamental debido a que: a) se requiere de un modelo
espacial tridimensional y actualizado que permita superponer y analizar el comportamiento
morfodinàmico del área en un formato compatible e integrado y b) que sirva de base para
observar, analizar y caracterizar la información geológica y geomorfológica dentro del contexto
del terreno que es objeto de la exploración.
Actualmente podemos destacar que existen dos técnicas básicas para obtener MDE
desde plataformas satelitales, una de ellas se refiere al uso de imágenes satelitales
estereoscópicas provenientes de sensores ópticos (Cuadro 1); y la otra se basa en el uso de datos
provenientes de plataformas de radar satelital, las cuales a su vez pueden ser producto de
radares de apertura sintética (SAR) o de apertura sintética interferométrica (InSAR) (Cuadro 2).
Cuadro 1. Sistemas ópticos estereoscópicos utilizados en la generación de MDE.
PLATAFORMA
Spot 5 HRG
Eros-A Pan
Ikonos II Pan
Quickbird Pan
Aster VNIR
TIPO DE
ESTEREOSCOPIA
ANGULO
DE VISTA
AREA DE LA
IMAGEN
(Km)
TAMAÑO DE
PIXEL (m)
Transverso/
Multitemporal
Longitudinal/
instantáneo
Longitudinal/
instantáneo
Longitudinal/
instantáneo
Longitudinal/
instantáneo
+23
-19
+38 -8
-6 -27
+/- 27
60 x 60
5
13 x 13
1,8 a 2,4
10 x 10
1
+/- 29
18 x 15
0,61
+/- 24
60 x 60
15
Cuadro 2. Sistemas de Radar utilizados en la generación de MDE
PLATAFORMA
FRECUENCIA LONGITUD
(Ghz)
DE ONDA
(cm)
RESOLUCION (m)
H
V
ANCHO DE
BARRIDO
(Km)
SEASAT SAR
1,275
23,5 (L)
25
100
Radarsat
JERS SAR
ERS 1 y 2
SRTM
SIR-C
X-SAR
5,3
1,36
5,3
5,3
9,6
5,6 (C)
23 (L)
5,7 (L)
5,8 (C)
3,1 (X)
8 – 100
18
30
30
30
45 – 500
75
80 – 100
225
50
16
16
Fuente: Roa Lobo J. y Kamp U.2007, basado Toutin T. 2004
Cualquiera que sea la fuente escogida, existen muchos sistemas satelitales que proveen
imágenes de diferentes resoluciones y grados de precisión que se ajustan a los requerimientos de
los distintos procesos exploratorios. De estos, uno de los más utilizados es el Shuttle Radar
Topography Mision (SRTM), el cual utilizó la técnica de interferometría radar, en la que dos
imágenes radar de un mismo sitio son tomadas desde dos posiciones diferentes. Las ondas de
radar de las bandas C (5.6 cm.) y X (3.1 cm.), que inciden sobre la superficie terrestre son
fuertemente dispersadas por los elementos presentes, pues son mas grandes que esas longitudes
de onda , lo que conlleva a que los modelos de elevación generados no muestran la altura del
suelo desnudo, sino más bien la altura de la superficie visible (edificios o vegetación), es por
este motivo que se esperan diferentes exactitudes del modelo para áreas abiertas, con vegetación
o bien en las ciudades. Esta característica aunada a la resolución espacial del modelo nos
presenta áreas sin información producto de grandes sombras para el momento de la toma o por
la presencia cuerpos de agua estacionales.
Sin embargo, las características de los MDE generados a partir de imágenes ópticas
también tienen ventajas y desventajas asociadas a las características propias del sensor, en
efecto la mejor resolución espacial que puede obtenerse de un modelo proveniente del sensor
ASTER esta en función de las regiones espectrales que contiene (15 m, 30 m, y 90 m), pero su
condición óptica lo hace altamente dependiente de la iluminación de la tierra y de las
características fenológicas de los elementos de la superficie. En este orden de ideas se hace
necesario establecer comparaciones y delimitaciones de los usos que se deben proporcionar a
ambos modelos ya que constituyen actualmente herramientas básicas para el modelado y
análisis de la superficie terrestre con fines de exploración petrolera.
Dentro de las estrategias que adelanta PDVSA en el proceso exploratorio, la elaboración
de un modelo digital de elevación de mejor resolución que el ya conocido SRTM es de singular
importancia, ya que muchas de las herramientas para el análisis de la sísmica y la geología de
detalle se fundamentan en el estudio preciso de las características del terreno donde
posiblemente se localice el recurso. Esta necesidad ha motivado la realización de una serie de
pruebas en busca de ese modelo capaz de simularnos la fisonomía del terreno de forma mas
ajustada a la realidad.
En este sentido se ha venido investigando en la bibliografía reciente y en el intercambio
profesional nuevas formas de adaptar o elaborar un MDE acorde con las necesidades de la
industria petrolera; para ello hemos tomado recursos tecnológicos que podrían dar mejores
posibilidades en la búsqueda de ese modelo, tales como las imágenes del sensor ASTER, del
cual es sabido que estas imágenes han sido utilizadas para generar estos modelos con softweres
cada vez mas sencillos y poderosos, pero se hace necesaria la comparación de los resultados
obtenidos en la construcción de esos modelos con el mundialmente utilizado SRTM, cuyas
ventajas han sido invaluables para los países que tiene una carencia de información sobre buena
parte de su territorio debido a una cubierta nubosa constante, como es caso del oriente y la zona
andina de nuestro país.
3. Materiales y Métodos.
3.1. Localización Geográfica.
El área seleccionada para realizar el presente trabajo es la zona correspondiente al proyecto
sísmico Falcón Oriental ubicado al suroeste de este Estado (10ª43’28’’N 70ª56’03’’O y
10ª37’04’’N 70ª40’48’’O) abarcando un área de 132,4 km2. Esta zona se caracteriza por
presentar una cobertura vegetal media a baja de vegetación xerofítica y de matorrales con
presencia de pocas áreas de cultivo. (Ver figura 1)
Figura 1. Localización del área de estudio
3.2. Metodología Utilizada.
En el siguiente trabajo, se realizaron comparaciones entre los MDE obtenidos mediante
diferentes fuentes y diferentes software, tales como:
SRTM de 90 metros de resolución,
SRTM de 30 metros de resolución interpolados a partir del MDE de 90 metros,
utilizando ENVI y ERDAS como motores para el remuestreo del pixel, y
utilizando kringin como método de remuestreo,
MDE proveniente de imágenes ASTER a 90, 30 y 15 m, obtenidos por
generación directa del software SILCAST, desarrollado por la empresa Sensor
Information Laboratory Corp, en Japon.
Para la generación de estos MDE de las imágenes ASTER, se utilizó una imagen
(AST_L1B_00302012004151645_02122004110901.hdf) ubicada sobre el área de estudio, de la
cual se extrajeron los MDE por cada grupo de bandas espectrales VNIR=15 m, SWIR=30 m y
TIR=90 m, de estos modelos se escogen los de 15 y 30 m para evaluar los productos con SRTM
remuestreado mediante los métodos de Kriging y Convoluciòn Bicùbica y observar cuál de ellos
nos da una mejor precisión con una resolución relativamente más grande. De estos modelos se
corta una muestra para hacer más rápida la comparación.
Posteriormente se realiza la validación de la calidad de los modelos, a través del empleo
de los puntos de control obtenidos mediante mediciones GNSS (campaña Oro Negro 2008) e
imágenes satelitales ortocorregidas SPOT 5. De este procedimiento se comprueba que no
existen desplazamientos significativos con los elementos estables de la imagen a los cuales ya
es conocida su localización, mediante una observación grafica de cada punto de control sobre la
imagen y sobre el modelo y comparando sus coordenadas graficas con las obtenidas en
mediciones de la campaña.
Para la realización de las comparaciones entre las diferencias de alturas obtenidas entre
los MDEs, se selecciono la técnica de algebra de raster que permite observar si existen
diferencias significativas entre los modelos de manera grafica y estadística. En este sentido se
ejecuta el algoritmo para cada uno de los modelos obtenidos, mediante el modulo Spatial
Analyst de ArcGis y se ordenan las estadísticas de cada uno de los procedimientos (ver cuadro
3):
SRTM 90m Nasa - Aster 90m silcast
SRTM 30M Kriging - Aster 30m silcast
SRTM 30m Bicub-spline – Aster 30m silcast
Aster silcast 15m – Aster 15m ENVI
Cuadro 3. Valores estadísticos obtenidos del Algebra de Raster.
PROCESO
SRTM90 NASA –
ASTER
SILCAST90
SRTM30 KRIGING
–
ASTER
SILCAST30
SRTM30 BICUB –
ASTER
SILCAST30
SILCAST15
–
VALOR
MINIMO
VALOR
MAXIMO
MEDI
A
DESVIACIO
N
STANDAR
55
186
33
51
84
229
32
64
75
231
41
60
63
217
39
62
ASTER15ENVI
Posteriormente, para la validación y control de calidad de los mde obtenidos, se
compararon las alturas ortometricas de los puntos de control terrestre (pct) utilizados con las
alturas físicas interpoladas de estos mismos puntos en los mde utilizados (ver cuadro 4):
Cuadro 4. Valores estadísticos obtenidos de la comparación de las alturas ortometricas GNSS y las
alturas interpoladas en el modelo.
PROCESO
HortoGNSS H Aster
Silcast15
HortoGNSS – H Aster 15
ENVI
HortoGNSS–HAsterSilcast
30
HortoGNSS – H SRTM30
KRIGING
HortoGNSS – H SRTM30
BICUB
HortoGNSS–HAsterSilcast
90
HortoGNSS – H SRTM90
NASA
VALOR VALOR
MINIM MAXIM
O
O
MEDI
A
DESVIACION
STANDAR
5
7
6
0,68
204
201
203
0,77
5
7
6
0,88
1
4
2
0,80
1
4
3
0,95
6
9
8
0,83
0
5
2
1,77
4. Resultados.
Al observar los valores estadísticos provenientes del algebra de raster de cada uno de los
modelos y su comparación grafica (ver Figura 2), se puede distinguir que los modelos SRTM
remuestreado a 30 m y Aster Silcast 30 m se ajustan bastante a las características del area
seleccionada, a pesar de que obtuvieron valores de desviación estándar muy similares. Se infiere
que el método de remuestreo en el caso del producto SRTM tiene especial significación ya que
al comparar las diferencias entre estos y las alturas ortomètricas estos presentaron las menores
discrepancias. Lo mismo sucede al comparar los modelos obtenidos de la imagen Aster 30m por
el software Silcast en contraposición al que se obtuvo por Envi, donde las diferencias entre
ambos métodos son evidentes y sugieren nuevas pruebas con otros métodos matemáticos para
llegar a esta precisión , ya que en el software Silcast si bien es un método rápido y practico de
obtener tres modelos de diferente resolución, no permite el uso de puntos de control para
mejorar la calidad del mismo, lo que puede ocasionar ciertos errores en áreas de grandes
diferencias altitudinales.
Las pruebas efectuadas muestran que el mde SRTM a 30 metros de resolución continúa
siendo el modelo que mejor representa las alturas físicas dentro de nuestra área de estudio (ver
figura 3), también se comprobó que el mde generado por el software silcast a 15 m se aproxima
a la calidad del srtm de 30 metros, sin embargo el proceso de generación del mismo no permite
la incorporación de puntos de control terrestre para un mejor ajuste, en comparación efectuadas
con perfiles de alturas, visualización de estructuras en la imagen en zonas de altas discrepancias,
se pudo evidenciar una mejoría del modelo generado por el silcast en las áreas planas y una
desmejora del srtm de 30 m en las áreas de sombras.
Figura 2. Algebra de Raster. Comparación grafica.
Figura 3. Modelos de Elevación obtenidos por remuestreo. Comparación grafica.
5. Conclusiones.
Al finalizar este trabajo se puede concluir que cada uno de estos recursos (MDE del
SRTM y la imagen Aster) tiene una utilidad especifica que puede complementarse al momento
de hacer uso de ellas en el proceso exploratorio. El modelo de elevación del SRTM continua
siendo la mejor alternativa en cuanto a recursos técnicos para la representación de la superficie
terrestre se refiere, pero las imágenes Aster también representan un valioso recurso con el que se
puede contar y trabajar en superficies planas y con mejores métodos de generación, lo que lleva
a sugerir mayor numero de pruebas utilizando software más robustos como ORTHOENGINE
de PCI GEOMATICA, LPS de ERDAS IMAGINE, etc., que incorporen nuevos modelos
matemáticos e inclusión de puntos de control terrestre, también se recomienda la generación de
nuevos MDE a partir de la tecnología de radar del satélite TERRASAR-X el cual aportará
avances en materia de resolución espacial y contribuiría a disminuir notablemente la
problemática de la nubosidad en Venezuela.
6. Bibliografía.
Toutin, Thierry.2008. “Aster Dems for geomatic and geoscientific applications: a review.”
International Journal of Remote Sensing. Vol 29. pp
Sensor Information Laboratory Corp. 2007. “SILCAST Operation Manual ver 1.6”.
http://www.solc.co.jp/
Hirano, Akira; Welch, Roy; Lang, Harold. 2003. “Mapping from Aster stereo image data: DEM
validation and accuracy assessment.” ISPRS Journal of Photogrammetric & Remote Sensing 57
pp
Felicísimo, Ángel. 1994. “Modelos Digitales de Terreno”. Pp 12, 16
http://www.etsimo.uniovi.es/~feli
Vargas, Christian. 2005. “Imágenes ASTER. Procesamiento Digital”.
www.rs-geoimage.com
U.S. Geological Survey (USGS). 2006. Shuttle Radar Topography Misión.
http://srtm.usgs.gov/
Roa, José y Kamp Ulrich. (2008) “Modelos de Elevación Digital (MED) a partir de sistemas
satelitales. Una introducción y análisis comparativo en la cordillera de Mérida, Venezuela”.
Revista Geográfica Venezolana. Vol. 49
PDVSA. 2008. “Manual de Especificaciones Técnicas de Geodesia”. Capítulo Sensores
Remotos. Versión preliminar.
Presutti Miriam. 2009. “Comparación de un DEM generado a partir de curvas de nivel con el
DEM-SRTM para estimar la altura de plantaciones forestales”. XIV Simposio Brasilero de
Sensoriamento Remoto. Compilaciones.
Visualización y Validación de Modelos de Elevación Digital y Ortoimagenes usando los Satélites Cartosat-1
y IRS 1D.
Visualización y Validación de Modelos de Elevación Digital y
Ortoimagenes usando los Satélites Cartosat-1 y IRS 1D.
Licenciado en Geografía Jofmar L. Sánchez B.
Especialidad en Fotogrametría Digital y Sensores Remotos con aplicación a Recursos Naturales en
el IIRS
Ministerio del poder Popular de Ciencia y Tecnología
Fundación Instituto de Ingeniería
Centro de Procesamiento Digital de Imágenes
Caracas-Venezuela 1040-A, Telf. (58-212) 9034610/9034669
Cargo: Profesional de Investigación Técnico 1
[email protected] ; [email protected]
1. RESUMEN
Los Modelos Digitales de Elevación (MDEs) son entradas necesario para la Ortorectificación de
imágenes, generación de modelos de Control de la Erosión, delimitación de cuencas y extracción
de drenajes, extracción de curvas de nivel, Visualizaciones 3D, pendiente, vertiente, entre otros, los
cuales requieren de una alta precisión; es por ello que se considera necesario realizar una evaluación
y validación de los MDE generados a partir de pares de imágenes estereoscópicas de tal manera de
generar productos derivados de alta calidad y confiabilidad.
Existe en la actualidad una creciente demanda de cartografía a escala detallada y planos topográfica.
El Satélite Cartosat -1 lanzado en la India (2005), con capacidad de Along track para la adquisición
estereoscópica de imagenes con una resolución espacial de 2,5 m en pancromático. El IRS 1D
satélite lanzado en la India (1997) con una resolución espacial de 5,8 m en pancromático, también
proporciona imágenes estereoscópicas en modo Across track.
El trabajo se realizo en Dehradun y sus alrededores (INDIA) mostrándose un análisis individual y
comparativo de MDE y sus derivaciones creados a partir de Cartosat-1 y el IRS 1D usando técnicas
de fotogrametría tradicional y haciendo las correcciones de la orientación exterior a partir del uso de
puntos de control (GCP’s) levantados con GPS diferencial para obtener mediciones más precisas en
el terreno. La comparación entre los MDE generados de Cartosat –1 y el satélite IRS 1D y sus
derivados permite una evaluación cualitativa y cuantitativa de la precisión planimetrica y
altimétrica, utilizando medidas de estadística descriptiva tales como RMSE de la triangulación y los
MDE, desvíos (residuales), coeficientes de correlación (Pearson) para sus respectivas evaluaciones.
Palabras clave: MDEs, Ortoimagenes, satélites Cartosat-1 y IRS 1D, adquisición estereoscópica,
Dehradun, Puntos de control en terreno, Presición y Estadística Descriptiva.
2. INTRODUCCIÓN
Los Modelos Digitales de Elevación (MDEs) son necesarios para varias tareas como la generación
de Ortoimagenes, control de inundaciones, control de la erosión, la agricultura, la generación curvas
de nivel, modelación 3D y otros. MDE pueden ser generados a través de la fotogrametría tradicional
basada en pares estereoscopicos, y que puede ser utilizado también para imágenes espaciales. Para
obtener MDE de buena precisión basado en imágenes espaciales es dependiente principalmente de
la resolución de la imagen, la relación base/altura y y su modo de adquisición. Actualmente existe
un número importante número de satélites con disponibilidad de adquisición de modo estéreo como
lo son: CORONA, SPOT, MOMS, IRS-1C/1D, CARTOSAT-1, ASTER, IKONOS, QuickBird y
SRTM.
Fueron utilizados el satélite Cartosat-1 de alta resolución que proporciona datos de forma
instantánea en estéreo con una resolución espacial de 2,5 m y de modo de adquisición along track.
Visualización y Validación de Modelos de Elevación Digital y Ortoimagenes usando los Satélites Cartosat-1
y IRS 1D.
Posteriormente, la segunda generación de satélites de teleobservación IRS-1D con una resolución
espacial de 70 metros en multi-espectral y 5,8 m en pancromático y modo adquisición de
estereoscopia de across track.
El trabajo se realizo en Dehradun y sus alrededores (INDIA) mostrándose un análisis individual y
comparativo de MDE y sus derivaciones creados a partir de Cartosat-1 y el IRS 1D usando técnicas
de fotogrametría tradicional y haciendo las correcciones de la orientación exterior a partir del uso de
puntos de control (GCP’s) levantados con GPS diferencial para obtener mediciones más precisas en
el terreno.
ÁREA DE ESTUDIO
La zona de estudio se realizó en Dehradun y Alrededores, capital del estado Uttrakhand en la India,
y la sede del Distrito de Dehradun. Se encuentra en el valle de Doon, 230 kilómetros al norte de la
capital de India en Nueva Delhi y el área metropolitana de Delhi.
Dehradun y alrededores
Coordenadas Lat/Lon
Norte
30º 26’ 43.47” N
30º 16’ 06.56” N
Este
77º 59’ 58.40” E
78º 10’ 55.91" E
Dehradun se encuentra en la vertiente sur del Himalaya, y el clima y la vegetación varían
considerablemente con la altitud, y el relieve es muy dependiente de la características de la
cordillera de los Himalayas con cotas de alturas que van de los 650 metros a los 1500 metros
m.s.n.m.
3. MATERIALES Y METODOS
Las características que destacan son la diferencia entre el terreno de resolución de Cartosat-1 con
2,5 metros, 2 cámaras y la capacidad de estéreo modo de adquisición a lo largo de pista y de la
imagen IRS 1C/1D terreno con resolución de 5,8 metros, con la única cámara estéreo y adquisición
Modalidad a través de pista, e el siguiente cuadro se muestra las características más relevantes.
Unas de las características importante de recalcar es el modo de adquisición estereo para cada uno
de los sensores ya que uno esta basado en el modo along track (Cartosat-1) y el otro en el modo
across track (IRS 1D).
Características Generales de los Satélites usados
Satelites
IRS-1D
CartoSat-1
Altura
810 Km
618 km
Resolución Espacial
Pancromatico 5.8 m
2.5 m
Barrido en el terreno
148-145 km
30 km
Resolución radiométrica
7 bit
10 bit
Numero de camaras
una
dos
Modo de Adquisición
Across track
Along track
Base/altura
Variable ratio
Fixed ratio
Angulo de inclinación
30 º
26 º y otro –5 º
Modo Across track
(Misma orbita)
Modo Along track
(Diferentes orbitas)
Visualización y Validación de Modelos de Elevación Digital y Ortoimagenes usando los Satélites Cartosat-1
y IRS 1D.
La Metodología adoptada para el desarrollo en la investigación de Visualización y Validación de
Modelos de Elevación Digital y Ortoimagenes usando los Satélites Cartosat-1 y IRS 1D fue la
siguiente:
Area de estudio
Dehradun y alrededores
GPS geodesico de
una frecuencia
Satelites usados
Cartosat-1
IRS-1C/1D
Triangulación satelitel utilizando Puntos de
control en el terreno
•Pre campo y trabajo de
campo
•Toma de los Puntos de
control en el terreno
Generación de los MDE y
Ortoimagenes
Visualización y validación
Evaluación de las presiciones entre los
MDE derivados de Cartosat-1 y IRS 1C/1D
Software usados
•ERDAS Imagine
9.1
•Software LPS 9.1
•GIS (ArcGis 9.2)
•Software para el
Post proceso de la
data del GPS Leica
Ski pro
•Grapher 7.0
•Surfer 8.0
Comparación entre las derivaciones
provenientes de los MDE entre Cartosat 1 y IRS
1C/1D
Curvas de nivel ,MDE profile, vista 3D, Pendiente y
vertiente
Generación de los
estereo modelos
•Orientacion interior
•Orientacion exterior
•GCP`s y puntos tie
•Image matching
•MDE
Informacion de presición
Presición Horizontal
Presición Vertical
Generación de profile
espacial y de superficie
Tecnicas de
interpolación tales
como spline, Kriging
and IDW
Estadisticos
descriptivos
Correlación de Pearson
Coeficiente de
Skewness y kurtosis,
Trabajo de campo
El levantamiento de los puntos de control en el terreno se realizó con el instrumento Leica GPS 500
(Receptor Topografico de una frecuencia) el levantamiento de los GCP´s se llevó a cabo en 3 días,
un total de 13 puntos fueron registrados distribuidos uniformemente con coincidencias para ambos
pares estereoscopios, luego fueron post-procesado para obtener una mejor precisión en los
resultados obteniendo valores submetricos. Todas las coordenadas registradas están bajo los
parámetros cartográficos del Datum WGS84.
Generación de MDE a partir de Estereoscopia y Ortorectificación
Las características geométricas de la imagen esta definida como la posición relativa del píxel
cuando fue captado en la imagen y como este píxel esta efectivamente referido en una posición
absoluta con referencia del datum. Los errores geométricos de las imagenes son productos de la
rotación de la tierra, efecto del roll, pith y yaw del sensor, curvatura de la tierra, errores de
alineamientos del sensor, variación de altitud y variaciones de la velocidad del satélite, dado esto es
necesario realizar correcciones a las imágenes para darle orientación verdadera a los pares
estereoscopicos. Es por ello que es necesaria la realización de las orientaciones interiores y
exteriores.
Orientación interior: se define como la forma de haz de rayos que salen de un centro de la
perspectiva del sensor a un punto del objeto en el espacio. El objetivo de la orientación interior de
un fotograma es establecer la relación entre el sistema coordenadas píxel con el sistema de
coordenadas de la imagen. Utiliza la condición de Coplaneidad para ser resuelta.
Orientación Externa (relativa y absoluta): La orientación externa describe la posición exacta y la
orientación relativa de cada imagen, cuando estas fueron tomadas. La imagen se define por
coordenadas 3D tres traslaciones (X, Y, Z) y ángulos que se definen por tres rotaciones (Omega,
Phi, y Kappa).
Visualización y Validación de Modelos de Elevación Digital y Ortoimagenes usando los Satélites Cartosat-1
y IRS 1D.
La orientación interior y exterior es resuelta a través del principio de Colinealidad y la orientación
relativa por el principio de Coplaneidad ambas condiciones permiten que se encuentren en la misma
recta: el centro de proyección, el punto imagen y el punto del terreno proyectado.
Condición de Colinealidad:
Condición de Coplaneidad:
x,y,z = coordenadas de píxeles
x
X,Y,Z = coordenadas de la imagen
y
Xo,Yo,Zo = coordenadas de
terreno
=
M
z
X
-
Xo
Y
-
Yo
Z
-
Zo
M
=
m11
m12
m13
m21
m22
m23
m31
m32
m33
Correlación de Imágenes (image matching): es la superposición de pares estereoscopicos y la
identificación de los puntos de empate (Tie points). Mediante la correlación de imagenes se hacer
coincidir las características comunes de dos o más imágenes con el fin de generar una
representación 3D de la Tierra.
Los métodos más comunes utilizados son:
Basado en las Áreas: que determina la correspondencia entre dos imágenes por sus semejanzas en
niveles de grises
Formula de la correlación:
Basado en Ventanas: este determina la correspondencia entre dos imágenes localizando los píxeles vecinos
por ventanas (ejemplo 3x3, 5x5, 7x7).
Basado en los Elementos: este determina la correspondencia entre dos imágenes realizando una búsqueda de
elementos tales como puntos, líneas y polígonos semejantes.
Ortorectificación: es el método de llevar a una imagen de una proyección perspectiva a una
proyección ortogonal donde se muestra los objetos en su verdadera posición, son por tanto
geométricamente equivalente a líneas convencionales y con planimetría de mapas. Se producen del
proceso llamado rectificación diferencial, lo que elimina de la imagen el desplazamiento debido a
la inclinación de la toma y el desplazamiento del terreno.
Generación de MDE y Ortoimagenes
Para la generación de los Modelos de Elevación del terreno
por pares estereoscopios se realizaron los siguientes pasos:
1. Las Orientaciones: interna y externa de las imágenes.
2. Para el sensor IRS 1D estas dos orientaciones fueron
posible por el software Leica Photogrammetry Suite 9.1 ya
que este contiene los parámetros internos del sensor y la
orientación absoluta fue refinada por medio de los puntos
de control tomados en el terreno, para el sensor Cartosat-1
fue necesario la introducción de los Coeficientes de
Polinomios Racionales (RPC) para la orientación interior y
la exterior por medio de los puntos de control en campo.
Distribución de los puntos levantados con
GPS utilizados en la aéreotriangulación.
Visualización y Validación de Modelos de Elevación Digital y Ortoimagenes usando los Satélites Cartosat-1
y IRS 1D.
3. Determinación de los punto de amarres (TIE point`s).
4. Correlación de imágenes para la creación de la vista estereoscópica (geometría epipolar)
5. Generación de los MDE a diferentes resoluciones espaciales (40, 25, 15,10 y 5 metros).
Para la generación de las ortoimagenes fue necesario aplicar la técnica de ortorectificación
diferencial para con ello obtener imágenes que muestre las verdaderas posiciones de los objetos en
el espacio, pasando de una proyección perspectiva a una ortogonal y que muestre distancias
verdaderas con una escala uniforme, fue necesario remover los desplazamientos producidos por el
sensor al momento de la toma de la imagen y por el terreno.
4. RESULTADOS
Triangulación con RPC y GCP para Cartosat-1
Es importante destacar la diferencia de precisión que existe cuando se utiliza RPC y el uso de GPC's
con alta precisión en el momento de la triangulación. Los RPC son polinomios que normaliza los
valores de columnas y filas de una imagen basada la latitud, longitud y altura correspondiente con el
elipsoide WGS84 expresando las coordenadas en grados decimales y de altura en metros que
permite resolver las orientaciones interiores y exteriores de manera automática, dado esto es posible
la generación de MDE relativo sin la ayuda de los puntos de control. Al hacer las comparaciones de
los dos MDE uno creado con RPC y otro con la refinación de los GCP´s, en los resultados la mejor
precisión en la altura se logra cuando se utiliza el GPC's para la generación MDE, con RMSE de
1.21 metros en comparación a RMSE de 49.96 metros.
Otro punto importante de este experimento es el hecho de inclusión de puntos de amarres al
momento de la generación de los MDE donde también se vio mejorada la precisión altimétrica.
Triangulación GCP`s y con GCP`s con Puntos de amarre para IRS 1D
Comparación de MDE generados
por Cartosat-1 y IRS 1D
Las comparaciones fueron hechas
realizando perfiles espaciales y
cortes de perfiles sobre los MDE
generados a 25 metros de
resolución en áreas de muestras de
terrenos planos, colinosos y
montañosos.
Haciendo una comparación de los
perfiles espaciales en las áreas
montañosas para ambos casos, se
puede observar que existen algunas
diferencias en la áreas marcadas
con los círculos en rojo, donde se
ve una mejor definición de la
forma del terreno en el MDE
generado por el sensor Cartosat-1,
esto debido a la mejor resolución
espacial y en el MDE IRS 1D se
aprecian cambios muy bruscos y
picos de información que no se
MDE Generado con GCP´s
MDE Generado con GCP´s +
Puntos Amarre
MDE Generado con RPC
MDE Generado con GCP´s +
Puntos Amarre
corresponden con la verdadera forma del terreno, esto producto del modo adquisición de la
estereoscopia de este satélite (across track) que presentan diferencias radiométricas en sus pares de
Visualización y Validación de Modelos de Elevación Digital y Ortoimagenes usando los Satélites Cartosat-1
y IRS 1D.
imágenes y al momento de realizarse la correlación de imágenes existen discrepancias que se ven
reflejadas en distorsiones en el MDE, es por ello que existe una tendencia en aumento en la
generación de Sensores con modo de adquisición along track ya que los pares de imagenes son
tomadas de manera continuas con muy poco margen de tiempo de diferencia.
Perfil Espacial MDE Cartosat-1
Perfil Espacial MDE IRS 1D
Para los cortes de perfiles longitudinales se nota en la zona montañosa que aunque son en la misma
zona para ambos MDE existe una diferenciación de altura, en el Este a Oeste dirección aparece una
separación más significativa en las líneas de 150 metros, mientras que en el norte a sur la diferencia
es que es de aproximadamente 80 metros. Esto es el resultado de la diferencia de resolución
espacial de las Imágenes que para Cartosat-1 de 2,5 metros un MDE de 25 metros se corresponde
pero para IRS 1D de 5,8 un MDE de 25 metros esta siendo sobreestimada la Información que este
podría dar, en tal caso es recomendable generar MDE a 40 metros para obtener valores de terrenos
muy aproximados a la realidad.
Perfil longitudinal Este-Oeste
Perfil longitudinal Norte-Sur
1200
800
Cartosat-1Height
600
IRS 1C/1D Height
800
Cartosat-1 Height N-S
600
IRS 1C/1D Height N-S
400
200
200
0
0
0
47
400
1000
81
11
2
13
9
16
8
20
2
23
0
27
7
29
7
30
4
31
8
32
8
1000
0
30
1
49
9
66
4
89
6
11
87
13
66
15
34
16
17
16
76
17
53
18
22
Height (meter)
1200
Height (meter)
1400
Di t
i d
Los MDE fueron generados por la extracción de puntos de Alturas a través del software LPS 9.1 e
interpolados a diferentes resoluciones por el SIG ArcGIS 9.2 luego fueron calculas sus respectivos RMSE y
creados los perfiles espaciales en la zona montañosa para obtener una visualización de los resultados.
Perfil del MDE para en diferentes
Interpolaciones Cartosat 1
RMSE para los MDE en diferentes
interpolaciones.IRS 1D
Método de
Interpolación
IDW
25 meter
DEM
3.4051
15 meter
DEM
3.4907
5 meter
DEM
3.4115
Método de
Interpolación
IDW
3.8095
3.9307
3.8812
Spline
3.1018
2.9869
3.2788
Spline
3.7030
3.6286
3.7676
Kriging
3.2696
3.9983
3.2788
Kriging
7.94393
5.5944
6.1668
100 meter
DEM
60 meter
DEM
40 meter
DEM
Los MDE Cartosat-1 que se obtuvieron con mejores valores de RMSE fueron los interpolados por
el método Spline para todas las resoluciones generadas, es conocido que este método es el más
usado para realizar interpolaciones de datos porque da lugar a resultados similares requiriendo
solamente el uso de polinomios de bajo y genera un suavizado en los datos interpolados.
Para el satélite IRS se obtuvieron también con mejores valores de RMSE para los interpolados por
el método Spline para todas las resoluciones generadas. Numéricamente los DEM interpolados por
Visualización y Validación de Modelos de Elevación Digital y Ortoimagenes usando los Satélites Cartosat-1
y IRS 1D.
el método Spline dieron mejores valores de RMSE pero al observar los perfiles para la área
montañosa observamos que este método suaviza demasiado el terreno mostrándonos una realidad
diferente, en cambio con el método de interpolación IDW con valores muy cercanos al método
anterior nos muestra Información en los cambios del microrelieve que es de mucha importancia
para el analísis del terreno, es así que la interpolación IDW es mejor para los analísis visuales dado
que este método estima los puntos del modelo realizando una asignación de pesos a los datos del
entorno en función inversa a la distancia que los separa del punto en cuestión siendo de esta manera
mas robusto a la hora de interpolar, pero es importante destacar que este a diferencia del Spline
necesita una carga de datos mayor.
Resultados de comparación de las derivaciones extraída de los MDE
Curvas de nivel: para el MDE derivado de Cartosat-1 puede ser extraídos curvas de nivel de 10
metros para el MDE derivados del IRS 1D extraer curvas a 10 metros vienen con alta distorsión,
para su resolución deben ser extraídas curvas de nivel a 40 metros. Pendiente: a manera visual se
observa que la definición de la pendiente en el micro relieve para Cartosat-1 es superior que en el
generado para IRS 1D, con el fin de obtener resultados más profundo se aplico la correlación de
Pearson que mide la asociación entre dos variables, para este caso fue la pendiente (%) en un corte
longitudinal Norte-Sur en ambos. indicando una relación no lineal y con mucha dispersión de los
puntos como se puede observar en el grafico de dispersión, esta resultado es producto de las
diferencias radiometricas del MDE IRS 1D crea estas incongruencias de información y que se ven
reflejadas en los derivados como es en
Curvas de nivel a cada
Curvas de nivel a cada
10 metros. Cartosat-1
40 metros. IRS 1D
el caso de las pendiente. Visualmente
existe una mejor definición y calidad
de productos de pendiente derivado del
MDE Cartosat-1, pero con el fin de
obtener resultados más a profundidad
es necesario aplicar el método de
correlación de Pearson ya que este
mide el orden y la magnitud de las
variables asociadas. Se realizaron
cortes longitudinales Este-Oeste y
Vista del mapa de pendiente Vista del mapa de pendiente
Norte-Sur extrayendo los valores de
(%) Cartosat-1
(%) IRS 1D
pendientes en % cada mapa en el área
colinosa de Dehradun ya que aquí es
donde presenta las mayores variaciones
de altura. La correlación para la
dirección
Este-Oeste
fue
de
r=0.477954 indicando una relación
positiva con una moderada correlación
entre las variables y una moderada
dispersión de datos para la dirección Norte-Sur la correlación fue mucho mas baja con resultado de
r =0.178722.
Evaluación de las Ortoimagenes
Una vez que la imagen ha pasado por el proceso de ortorectificación es importante el control de
calidad del mismo para conocer la exactitud de la ortoimagen generada, el propósito fundamental es
localizar errores de planimetría. Se realiza en primer análisis con el ploteo de puntos de control
recabados en campo preferiblemente puntos extras de chequeo que no hayan sido utilizados durante
el proceso de triangulación y la extracción de un vector digitalizado sobre un plano topográfico con
certificada precisión planimetrica para conocer el desplazamiento de este sobre la imagen sin el
proceso de corrección geométrica y la imagen ortorectificada.
Visualización y Validación de Modelos de Elevación Digital y Ortoimagenes usando los Satélites Cartosat-1
y IRS 1D.
Se usaron 13 puntos de chequeo planimetricos para ambas imágenes ortorectificadas:
Chequeo de planimetría en las imágenes ortorectificadas
Puntos
Nª
1
2
3
4
5
6
7
8
9
10
11
12
13
Desplazamiento
(m) Cartosat-1
Norte
Este
1.281
0.218
0.961
0.401
1.465
0.405
0.605
0.269
0.915
0.047
0.770
0.074
0.472
0.592
0.423
0.209
0.029
2.623
0.018
0.077
0.673
0.558
1.728
0.488
0.340
0.092
Average 0.745
Desplazamiento
(m) IRS 1D
Norte Este
2.396 2.548
0.087 1.384
3.848 4.029
0.452 0.670
2.822 1.160
0.410 0.610
2.821 0.481
0.028 0.472
1.170 2.268
1.343 0.401
1.043 1.038
2.512 1.169
0.319 0.545
Ortoimagen Cartosat-1
10 metros
de
desplazamiento
0.466 1.481 1.290
En la ortoimagen Cartosat-1 la planimetría alcanza valores aceptables de calidad de 0,745 m Norte
y 0,466 m Este en sus valores globales, en el caso de la ortoimagen IRS 1C/1D la precisión es
menor que el anterior, pero también tiene aceptable planimetría con valores de 1,481 m Norte y
1,290 m Este en sus valores globales, siendo ambos productos 25.000.
Imagen no ortorectificada Cartosat-1
Para la creación del vector (carretera) fue
utilizada como una referencia el mapa
topográfico 53J de la ciudad de Dehradun
escala. El desplazamiento que existe en el
80 metros
de
vector (carretera) para la ortoimagen Cartosat-1
desplazamiento
fue de aproximadamente 10 metros y para la
imagen solo georeferenciada fue de
aproximadamente 80 metros y para
la
ortoimagen IRS 1D fue de aproximadamente
12 metros y para la imagen solo
georeferenciada fue de aproximadamente 200
metros este experimento afianza que la
ortorectificación es la presentación más elegante de la imagen y también nos da una mayor calidad
en la precisión planimetrica.
5. CONCLUSIONES
El estudio pone en manifiesto la comparación entre la DEM y sus productos derivados de Cartosat1 y el IRS 1D y que para las imágenes de Cartosat-1 al menos 10-12 GPC's son necesarios para
triangular utilizando RPC y para el IRS 1D 10 GPC's es suficiente para ofrecer una buena precisión
en la triangulación.
Los perfiles espacial y de superficie generados a partir de MDE Cartosat-1 muestra una mejor
definición del terreno en términos de micro-variaciones dado a la mayor resolución espacial de este
sensor, los resultados para el IRS 1D pone en manifiesto las diferencias del terreno en menor media
hacia el micro relieve.
El MDE proveniente de Cartosat-1 presento una mejor resolución radiométrica de sus pares de
imágenes producto de su modo de adquisición along track (misma orbita) siendo un factor
importante en la generación de MDE ya que los generados por sensores across track (diferentes
orbitas) conducen a errores en el proceso de la correlación de imágenes, lo que genera errores en los
valores de los MDE.
Visualización y Validación de Modelos de Elevación Digital y Ortoimagenes usando los Satélites Cartosat-1
y IRS 1D.
Sin embargo IRS ID dio resultados comparables a moderada resolución, esto fue observado en las
áreas planas los resultados fueron muy cercanos pero hacia las zonas montañosas se encontraron
discrepancia de información, caso de los perfiles generados en la pendiente.
El MDE generados a partir de Cartosat-1 y las imágenes ortorectificadas pueden ser utilizados para
el análisis topográfico en el ámbito de recursos hídricos, gestión de riesgo y agricultura y
actualización de cartografía a escalas menor o igual 1:10.000. El MDE generados a partir de IRS 1D
y las imágenes ortorectificadas pueden ser utilizados para análisis topográficos de recursos hídricos
y gestión de riesgos a escalas gran visión y para la actualización cartográfica a escalas menor o
igual 1: 50000.
Agradecimientos
A la científica/ingeniera Shefali Agrawal y el departamento de Fotogrametría Digital del Instituto de
Sensores Remotos de la INDIA
6.BIBLIOGRAFIAS
Ackerman,
F
(1996).
Digital
Photogrammetry. An addendum to the manual of
Photogrammetry, ASPRS ISBN 1-57083-037-1.
Ackerman, F (1998). Digital Elevation
Model. Techniques and Application, International
Archives of Photogrammetry and Remote Sensing,
vol 29 (B4).
Alan Forghani, Shanti Reddy, Craig Smith
(2003).Evaluating IRS-5 Satellite Imagery for
National Mapping Division’s Topographic
Mapping Program. National Mapping Division,
Geoscience Australia GPO Box 378, Canberra,
ACT 2601 Australia.
B. Gopala Krishna and M Senthil Kumar
(2002).A Study on Push-BroomImaging with
Image Line Rotation - Data Simulation and
Analysis. Space Applications Centre, ISRO,
Ahmedabad - 380 015 [email protected] Indian
Cartographer, 2002.
Bódis, Katalin - Csuták, Máté (2002).
DEM
analysis
and
derivations
K. Jacobsen (2004). DEM generation
from satellite data. University of Hannover,
Germany.
Krishnaswamy, M and Kalyanaraman, S
(2004). Indian Remote Sensing Satellite Cartosat1: Technical features and data products. GIS
development. India.
K. Jacobsen (2004). Digital height models
by cartosat-1. Institute of Photogrammetry and
Geoinformation Leibniz University Hannover,
Germany
Leica Photogrammetry Suite OrthoBase &
OrthoBase Pro User`s Guide.
P. Jayaprasad*, B. Narender, A. S. Arya
and Ajai (2001). Extraction of terrain parameters
from IRS-1C PAN stereo data using
photogrammetric techniques. Forestry, Land Use
and Photogrammetry Group, Space Applications
Center, Indian Space Research Organization, SAC
P.O., Ahmedabad 380 015, India.
Ravi P. Gupta (2005). Remote Sensing
Geology second edition. Springer International
edition. India.
Roger M. McCoy (2005). Field Methods
in Remote Sensing.The Guilford Press a Division
of Guilford Publications, Inc. New York.
Kumar, A (2006). Cartosat – 1. Stereo
data processing- A case study of Dehradun Area.
Indian
Institute
of
Remote
Sensing
Dehradun, India [email protected] .
David L.Verbya (1995). Satellite Remote
Sensing
of
natural
Resources.Lewis
publisher.EE.UU.
Dr. R. Nandakumar & Dr. P.K. Srivastava
(2006). ISPRS-ISRO Cartosat-1 Scientific
Assessment Programme (C-SAP). Prepared at the
culmination of Phase-1 activities at the ISRS ISPRS-TC IV Goa Symposium held during Sep. 2730, 2006.India.
Francesco Brardinoni (2003). GEOG 516 –
Advanced GIS DEM derivatives: slope gradient
and slope aspect .
Cartografía automatizada de unidades de paisaje en relieves montañosos
por medio de redes neuronales artificiales
Jesús Viloria R.1, Álvaro Viloria B.2, Haydemar Núñez3, Maria C. Pineda4
1,4
Universidad Central de Venezuela, Facultad de Agronomía, Instituto de Edafología, Maracay.
Universidad Central de Venezuela, Facultad de Ciencias, Escuela de Computación, Caracas.
1
[email protected] 2 [email protected]
2,3
Introducción
Extensas áreas en regiones montañosas de países tropicales y subtropicales se encuentran expuestas
a diversos grados de degradación ambiental, debido al impacto de usos no sostenibles de la tierra.
Sin embargo, la inminente necesidad de implantar sistemas de manejo sostenible de los recursos de
estos ecosistemas frágiles frecuentemente se encuentra limitada por la falta de información
confiable sobre suelos y geomorfología. Como en otras partes del mundo (e.g. Dobos et al., 2006),
en muchas regiones tropicales y subtropicales no se dispone de mapas de suelos a la escala
apropiada o su calidad es cuestionable.
El levantamiento convencional de suelos ha sido hasta ahora la fuente principal de información
geográfica de suelos pero es un proceso lento y costoso, particularmente en areas montañosas donde
la accesibilidad frecuentemente es difícil El desarrollo de la Geomática en las últimas décadas ha
generado nuevas opciones para modelar la variación espacial del paisaje a partir de datos de
relativamente fácil adquisición, como las imágenes satelitales y los modelos digitales de
elevación (McBratney, et al., 2003; Scull et al., 2003).
McBratney et al. (2003) revisaron diferentes métodos cuantitativos aplicados al modelado del suelo y
el paisaje, pero hasta ahora la regression lineal múltiple ha sido el enfoque más ampliamente utilizado
(e.g. Gessler et al., 1995; Chaplot et al., 2000; Park et al., 2001, Thompson et al., 2006). Esta
preferencia ha sido atribuida a la simplicidad, facilidad de uso e interpretación y eficiencia
computacional de las técnicas de regresión lineal múltiple (Hastie et al. 2001 and Thompson et al.
2006). Sin embargo, las relaciones entre las propiedades del suelo y el paisaje pueden ser bastante
complejas en lugar de lineales, particularmente en áreas extensas (Lark, 1999; Lagacherie and Voltz,
2000; McBratney et al., 2003; Zhao, 2009).
La clasificación borrosa (Fuzzy c-means) y las redes neuronales artificiales (RNA) son estimadores
numéricos apropiados para modelar el paisaje porque permiten trabajar con fenómenos imprecisos,
inciertos y con ruido, así como modelar procesos complejos no lineales. Cada uno de estos métodos
tiene ventajas y desventajas. Por esto se han propuesto algunas técnicas para unir ambos enfoques en
un sistema integrado que combine los méritos y supere las desventajas de cada método por separado.
Uno de estos métodos es la red neuronal borrosa de Kohonen (FKCN), el cual combina el algoritmo
para construir RNA conocido como “Mapas autoorganizados de Kohonen” (SOM) con la lógica
borrosa (Bezdek et al., 1992; Lin and Lee, 1996).
Este trabajo compara los enfoques FKCN y SOM (con dos diferentes funciones de vecindad:
euclideana y gaussiana) como medios para clasificar parámetros geomorfométricos calculados a partir
de un MDE y bandas de una imagen de satélite SPOT en un sector de la cuenca alta de Río Guárico.
Esta cuenca capta más del 60 % del agua consumida en el área metropolitana de Caracas y en
poblaciones vecinas Cada modelo es utilizado para clasificar digitalmente el paisaje y los resultados
son comparados con un mapa de unidades de paisaje realizado por un experto, por una parte, y con
valores medidos de profundidad del suelo en puntos de muestreo, por la otra.
Materiales y Métodos
Mapas autoorganizados de Kohonen (SOM por “self-organizing maps”)
La estructura de esta red tiene dos capas: una de entrada y otra de salida. El algoritmo es competitivo
no supervisado (Barro et al, 1995; Lippman 1989). Esto es, existe un solo nodo ganador para una
determinada entrada, el cual será activado junto a sus vecinos. La activación de un nodo implica
actualizar su estado, para así aumentar la similitud entre el patrón actual y dichos nodos. Estos
algoritmos no necesitan conocer la salida correcta ante un patrón determinado y basan su actualización
en reglas locales que determinan la manera en que se organiza la red.
El mecanismo de adaptación de los mapas autoorganizados se realiza de manera iterativa,
detectando el vector de pesos i que más se asemeje a un vector de entrada Xj, donde j [1, número
de instancias]; este nodo se llama nodo ganador. También debe haber un mecanismo que defina una
vecindad topológica alrededor del nodo ganador.
Sólo serán adaptados los pesos de aquellos nodos que pertenezcan a la vecindad topológica del
nodo ganador, la cual puede ser definida de diferentes formas: cuadrada, circular, de rombo,
Gaussiana o algún híbrido entre ellas. La dirección de cambio será tal que la semejanza entre X y i
irá en aumento y la magnitud del cambio deberá seleccionarse de manera de lograr asintóticamente
la estabilidad (Kohonen, 1995).
Red Neuronal Borrosa de Kohonen (FKCN por “fuzzy Kohonen clustering network”)
En esta topología se agrega una capa de membresía a la capa de salida (conocida como la capa de
distancia) de la red original de Kohonen. En la capa de distancia se calcula la separación dij
existente entre un patrón de entrada xj y el peso del nodo i, con i = 1,2,…,c, donde c representa el
número de clases o clusters del modelo a estimar. Luego, la capa de membresía mapea las
distancias dij en valores de membresía μij, donde μij representa el grado de pertenencia de un patrón
de entrada xj a una clase i. Sin embargo, durante el proceso de aprendizaje se necesita establecer una
retroalimentación desde la capa de membresía a la capa de distancia para ajustar los centros de las
clases.
Bezdeck et al. (1992) realizaron una integración completa del FCM con el SOM, al lograr definir el
coeficiente de aprendizaje para la actualización del SOM
ij t ij t t
;
t 0 t ;
o 1
t max ;
Donde μij(t) es calculado por la siguiente ecuación.
1
x j
i 2
ij t c 1
x k 1
i
j
2
1
t 1
1
t 1
, i 1,2..., c; j 1,2,..., c
El exponente borroso () es una constante positiva mayor a 1, y tmax es la cantidad máxima de
iteraciones para que el algoritmo converja a una solución. El cálculo del μij (t) se realiza durante la
retroalimentación del FKCN mostrada en la Figura 6. A continuación, se describe el algoritmo de
FKCN:
Paso 1: Inicializar de forma aleatoria los pesos i, i = 1, 2, …, c. Seleccionar un 0> 1, tmax =
número de iteraciones, y una constante positiva pequeña que indica el error estimado del modelo
>0
Paso 2: Para t = 1, 2, … , tmax
Calcular todos los cn coeficientes de aprendizaje {
ij(t), i = 1,2,…,c , j = 1,2,…n}.
Actualizar todos los c vectores de pesos {i(t), i = 1, 2, …, c} con:
n
i (t 1) i (t ) ij
(t ) x j i (t )
j 1
n
ij
(t )
j 1
E t 1 (t 1) (t ) 2
Calcular
Si t 1
, entonces finalizar la ejecución del algoritmo; en caso contrario repetir el paso
2 con el siguiente t.
E
Fin FKCN
El área de estudio abarca una superficie de 6760 ha, en la Serranía del Interior de la Cordillera de la
Costa central, en el estado Aragua. El relieve es montañoso, con altura variable desde 334 m a 1405
m sobre el nivel del mar y 40 % de gradiente promedio de pendiente. El área comprende las zonas
bioclimáticas Bosque Seco Tropical, en las zonas más bajas y Bosque Húmedo Premontano, en las
zonas más altas. La cobertura vegetal es predominantemete herbácea, interrumpida por corredores
de bosques, a lo largo de los cursos de agua y por manchas de bosque siempre-verde en las partes
más altas y húmedas (Pineda, 2008). En el área afloran las Formaciones geológicas “Metatobas del
Chino y El Caño” y “Metalavas de El Carmen”, ambas pertenecientes al Grupo Villa de Cura
(compuesto de rocas metavolcánicas y metasedimentarias de granulometría variable) (Urbani y
Rodríguez, 2003).
Como de datos de entrada a los modelos de clasificación digital del terreno se utilizaron: 1) Las
bandas de una imagen multispectral SPOT-4, con 20 m pixel, de fecha 2002. 2) Un modelo digital
de elevación (MDE) con celdas de 20 x 20 m, que coinciden exactamente con los pixeles de la
imagen del satélite SPOT-4. El MDE se construyó con la herramienta TOPOGRIDTOOL de
ArcGIS, extensión ArcInfo Workstation (versión 8.2), a partir de cartas topográficas a escala
1:25.000, del Instituto Geográfico de Venezuela Simón Bolívar (IGVSB). Una vez construido el
MDE, se calcularon los siguientes parámetros morfo-métricos utilizados como datos de entrada para
la clasificación digital del terreno: el gradiente de la pendiente, la orientación de la pendiente, el
perfil de curvatura, el plano de curvatura, el área de captación y el índice topográfico de humedad
(ITH). Se realizó un proceso de Normalización por Balance Lineal Simple (Witten et al., 2005) para
llevar a todas las variables al mismo rango de representación (-1 a 1).
Un ensayo preliminar de agrupamiento del paisaje permitió seleccionar los valores óptimos de
exponente borroso y número de clases para el modelo FKCN. Los resultados de los agrupamientos
borrosos de celdas (FKCN y Fuzzy c-means) fueron discretizados por medio de la asignación, a
cada celda, de la clase con el valor más alto de función de membresía. Posteriormente, los modelos
digitales de clasificación del terreno obtenidos con los procedimientos FKCN, Fuzzy c-means y
SOM fueron comparados con un mapa de clasificación geomorfológica del paisaje (Pineda, 2008).
Para cuantificar las comparaciones referidas se adaptó el procedimiento de transectas, aplicado por
Steers y Hajeck (1979) como método de estimación de la composición taxonómica de unidades
cartográficas de suelos. Cada transecta consistió en una línea recta que atraviesa el área de estudio,
de un extremo a otro, en una dirección seleccionada al azar. A lo largo de cada transecta, se contó el
número de veces que la línea cruzó un límite entre unidades del mapa geomorfológico y el número
de veces que el límite cruzado coincidía con un cambio de clase del agrupamiento digital de terreno.
Con base en la distribución binomial, se determinó la proporción (p) de límites coincidentes como:
p = ai / mi
donde ai es el número de límites entre unidades de paisaje que coinciden con un cambio de clase en
el agrupamiento digital de terreno, en la transecta i, y mi es el número total de límites entre unidades
de paisaje observados en la transecta i.
La desviación típica de una distribución binomial es igual a
s = p (1 - p) / nt - 1
donde nt es el número de transectas.
Una vez conocida la desviación típica se procedió a calcular el intervalo de confianza (IC) de la
proporción de límites coincidentes, para un nivel de probabilidad de 90%:
IC = P ± t (s / nt)
donde t es el valor tabulado de la distribución de Students, para ese nivel de probabilidad y nt-1
grados de libertad. Seguidamente, se calculó el tamaño requerido de muestra (número de transectas)
para determinar la proporción de límites coincidentes, con 90% de probabilidad, y una desviación
máxima (d) de 10% entre la proporción estimada y la proporción real de la población:
Nt = t2s2/d2
El análisis estadístico descrito fue realizado una vez completada cada transecta. El muestreo fue
proseguido hasta que el número de transectas recorridas fue igual o mayor que el tamaño de muestra
requerido. Con base en este procedimiento se determinó que se requerían 7 transectas para
cuantificar el grado de coincidencia entre la clasificación digital del terreno y el mapa de unidades
de paisaje. Esta cifra es menor a las 9 transectas utilizadas para evaluar el grado de coincidencia de
cada modelo de clasificación digital del terreno con el mapa de unidades de paisaje.
Resultados
La Figura 1 compara el agrupamiento obtenido por el red neurona borrosa FKCN, con el mapa
producido por la clasificación geomorfológica del área de estudio. Cómo se puede observar, la
coincidencia visual entre ambos modelos es muy alta. Esto es corroborado por los resultados de la
comparación cuantitativa entre el mapa de geomorfológico y los mapas obtenidos por medio de la
clasificación digital del terreno (Cuadro 1). Estos resultados indican que el agrupamiento de celdas
logrado con el modelo FKCN permitió identificar 7 de cada 10 límites de unidades geomorfológicos
trazados por el experto; mientras que el agrupamiento obtenido con la red SOM permitió identificar
sólo 4 de cada 10 límites entre unidades de paisaje.
Figura 1: Agrupación sistemática de paisaje provista por el experto para el área de estudio, sobre el resultado del
agrupamiento del FKCN con 30 % de transparencia
Cuadro 1: Proporción de límites de unidades de paisaje del mapa geomorfológico identificados por la clasificación
digital del terreno, con 90% de probabilidad y 10% de desviación
Modelo de Clasificación % Límites Identificados
FKCN
72,4 ± 0,9
SOM Euclidean
43,7 ± 1,2
SOM Gaussian
44,5 ± 1,2
Los límites del mapa de unidades de paisaje no reconocidos por el modelo FKCN incluyen dos
situaciones principales. Primero, el límite entre las formaciones geológicas El Caño y El Carmen,
el cual no fue reconocido por el modelo FKCN porque no tiene una expresión externa que permita
su identificación en el MDE o en la imagen de satélite. Este límite fue representado por el
geomorfólogo con base en los mapas geológicos (Shagam, 1960; Urbani y Rodríguez, 2003) del
área de estudio. Esto revela la necesidad de complementar con información geológica, los datos
utilizados para construir el modelo digital de clasificación del terreno.
En segundo lugar, el modelo mental del geomorfólogo le confiere una gran importancia a la
separación entre las crestas de las montañas y las laderas. Pero la configuración alargada y estrecha
de las crestas no permite su identificación con la resolución del MDE (20 m) utilizada en este
trabajo. En efecto, Arrel et al (2007) demostraron que la resolución de MDE ejerce un control
dominante sobre las clases morfométricas que pueden ser identificadas en una clasificación digital
del terreno.
Por otra parte, en la Figura 4 se puede apreciar que el modelo generado por la red FKCN muestra
una variación interna en cada uno de las unidades del mapa geomorfológico. Esto obedece a que el
FKCN generó una agrupación continua de las celdas con una resolución espacial de un píxel. En
cambio, la clasificación geomorfológica da lugar a unidades discretas, con una resolución espacial
determinada por el tamaño del polígono más pequeño que puede ser representado a la escala del
mapa.
Así, los resultados de la clasificación digital del terreno aportan evidencias que parecen apoyar la
concepción del paisaje como un continuo con unidades discretas (Ibáñez et al, 2005). Esto es, en el
paisaje se distinguen límites claros que permite subdividirlo en cuerpos naturales discretos, como se
muestra en el mapa geomorfológico. Pero estas unidades no son homogéneas; por el contrario,
dentro de cada una de ellas se observa una variación continua.
La interpretación de los valores correspondientes a los centros de las clases identificadas por el
sistema FKCN (Cuadro 2) permitió darle un significado fisiográfico a cada una de las clases de
terreno obtenidas. Así, la clase 1 se relaciona con los pies de laderas y vegas, mientras que el resto
de las clases corresponde a laderas de montañas. Las clases de terreno 2 y 3 tienen valores de índice
de vegetación, índice de humedad y área de captación mayores que las otras clases y están
relacionadas con laderas cubiertas por bosques. Las laderas de la clase 2 tienen orientación
predominante hacia el E, mientras que las de la clase 3 están orientadas mayormente hacia el SO.
Las clases restantes (4, 5, 6 y 7) corresponden a laderas cubiertas por herbazales y se diferencian
entre sí básicamente en la orientación de la pendiente. Las laderas de la clase 4 se orientan hacia el
SO, las de la clase 5 hacia el SE, las de la 6 hacia el NO y las de la 7 hacia el NE.
Cuadro 2: Centros de las clases de terreno generadas por el modelo FKCN
Clase de
Terreno
Pendiente Orientación
Perfil
Plan
(m/m2) (m/m2)
Area de
captación
(ha)
Índice de
humedad
NDVI
(º)
(radians)
1
206
0,36
-0,02
-0,02
0,98
6,4
0,2
2
92
0,68
0,00
0,00
0,83
5,5
0,5
3
269
0,62
0,00
0,00
0,77
5,6
0,5
4
212
0,72
0,00
0,01
0,52
4,9
0,2
5
149
0,66
0,01
0,01
0,52
5,1
0,2
6
281
0,74
0,00
0,01
0,46
4,8
0,2
7
74
0,71
0,00
0,01
0,48
4,9
0,2
Fuente: Viloria (2007)
El Cuadro 3 muestra los valores de la mediana de la profundidad del suelo en cada una de las clases
de terreno obtenidas con la red FKCN. Los suelos son más delgados en las laderas cubiertas por
herbazales (clases 2, 4, 6 y 7). En estas posiciones del paisaje el balance entre los diferentes
procesos que actúan en la formación del suelo tiende a ser más favorable a las remociones que a las
adiciones (Simonson, 1959). En contraste, en las laderas cubiertas por bosques (clase 5) la
vegetación ha actuado como una barrera de protección que atenúa la intensidad de los procesos de
remoción del suelo. De igual manera en las vegas y pies de laderas (clase 3), los procesos de adición
tienden a predominar sobre los de remoción, dado que estas clases de terreno ocupan la posición
relativa mas baja del paisaje circundante, dominadas topográficamente por las laderas.
Cuadro 3: Medianas de los valores de profundidad del suelo en cada clase de terreno identificada por el modelo
FKCN
Clase de terreno
4
5
7
6
1
3
Profundidad del
suelo (cm)
Ladera bajo herbazal con orientación SO
30
Ladera bajo herbazal con orientación SE
30
Ladera bajo herbazal con orientación NE
30
Ladera bajo herbazal con orientación NW
40
Vegas
62
Ladera bajo osque con orientación SO
115
Los resultados presentados en el Cuadro 4 permiten comparar los errores de las predicciones de la
profundidad del suelo, realizadas por medio de los diferentes modelos de clasificación digital del
terreno y del valor promedio de todos los perfiles de suelo, sin previa clasificación del terreno. El
valor ideal del error relativo medio (ERM) es cero, por lo tanto, se considera que todos los métodos
de predicción utilizados en este trabajo tienden a subestimar la profundidad del suelo, dado que
produjeron valores negativos de ERM. No obstante, los diferentes modelos de clasificación digital
del terreno aumentaron la exactitud de las predicciones de esta propiedad del suelo, en comparación
con las predicciones realizadas sin clasificar el terreno. En particular, las predicciones más exactas
fueron las obtenidas con base en el modelo FKCN.
Los valores de la relación de desviación cuadrática media (RDCM) revelan que la clasificación
digital del terreno, en especial con el modelo SOM gaussiano, tendió también a producir
predicciones más precisas que las obtenidas a partir del promedio general de los perfiles de suelo.
Sin embargo, en todos los casos el valor de RDCM fue menor que 1, lo cual indica que todos los
métodos de predicción comparados lograron un grado de precisión aceptable. En efecto, la raíz de
la desviación cuadrática media (RMSE) de los diferentes métodos de predicción aplicados fue
menor que la desviación estándar de los datos (29,65 cm).
Finalmente, los valores de profundidad del suelo predichos por medio de la clasificación digital del
terreno muestran un grado moderado de correlación con los valores medidos. Nuevamente, las
predicciones realizadas con el modelo FKCN se destacaron por presentar mayor correlación con los
valores medidos.
Cuadro 4: Errores de predicción de la profundidad del suelo a partir de la clasificación digital del terreno
Modelo de clasificación
Media aritmética
ERM
-0,63
RDCM
0,81
RMSE (cm)
26,83
R (zi*, zi)
0
FKCN
-0,27
0,75
25,74
0,54
SOM Euclidean
-0,43
0,79
26,50
0,47
SOM Gaussian
-0,30
0,69
24,71
0,46
Conclusiones
La alta proporción identificada por la red FKCN de límites entre unidades del mapa geomorfológico
utilizado en este estudio, ponen de manifiesto la potencialidad de este tipo de red neuronal como
apoyo para el análisis exploratorio del patrón de distribución espacial de paisajes y suelos en áreas
donde este patrón es desconocido. La utilidad de FKCN para este tipo de análisis exploratorio es
aumentada por los siguientes factores. Primero, el método permite seleccionar los valores óptimos
de exponente borroso y número de clases por medio de ensayos preliminares de agrupamiento del
paisaje. Segundo, la interpretación de los centros de las clases borrosas ayuda a comprender el
significado fisiográfico de cada clase digital de terreno. Por las razones expuestas, se concluye que
el uso de las redes neuronales borrosas de Kohonen (FKCN) puede ser un recurso valioso para
acelerar el mapeo de suelos y paisajes en áreas montañosas con relaciones complejas suelo-paisaje.
Bibliografía
Arrell, K.E., P.F. Fisher, N.J. Tate, L. Bastin. 2007. A fuzzy c-means classification of elevation
derivatives to extract the morphometric classification of landforms in Snowdonia, Wales.
Computers & Geosciences 33: 1366–1381.
Dobos, E., Carré, F., Hengl, T., Reuter, H.I., Tóth, G., 2006. Digital Soil Mapping as a support to
production of functional maps. EUR 22123 EN, 68 pp. Office for Official Publications of
the European Communities, Luxemburg
Barro S.; J. Mira. 1995. Computación Neuronal. Universidad Santiago de Compostela,
Bezdek, J. C., Tsao, E. C.-K. and Pal, N. R. 1992. Fuzzy Kohonen Clustering Networks. In: Proc.
IEEE Int. Conf. on Fuzzy Systems, San Diego: 1035-1043.
Chaplot, V., Walter, C., Curmi, P., 2000. Improving soil hydromorphy prediction according to DEM
resolution and available pedological data. Geoderma 97, 405–422.
Gessler, P.E., Moore, I.D., McKenzie, N.J., Ryan, P.J., 1995. Soil-landscape modelling and the
spatial prediction of soil attributes.Int. J. Geogr. Inf. Syst. 9, 421-432.
Hastie, T., Tibshirani, R., Friedman, J., 2001. The elements of statistical learning: data mining,
inference and prediction. Springer Series in Statistics. Springer-Verlag, New York, SA
Ibáñez, J.J., R. Ruiz, J.A. Zinck and A. Brú. 2005. Classical Pedology questioned and defended.
Eurasian soil Science 38: 575-580.
Kohonen, T. 1995. Self-Organizing Maps. Springer. Series in Information Sciences, 30. Berlin.
Lagacherie, P., Voltz, M., 2000. Predicting soil properties over a region using sample information
from a mapped reference area and digital elevation data: a conditional probability approach.
Geoderma 97, 187–208.
Lark. R. M. 1999. Soil-landform relationships at within-fields scales: an investigation using
continuous classification. Geoderma, 92: 141 – 145.
Lin, C.; C. Lee. 1996. Neural fuzzy systems. Prentice Hall, Inc. New Jersey, USA. 797p.
Lippman, R. 1989. Pattern Classification Using Neural Networks. IEEE Comunication Magazine.
McBratney, A.B.; Mendonga Santos, M.L.; Minasny, B. 2003. On digital soil mapping.
Geoderma, 117: 3-52
Park, S.J., McSweeney, K., Lowery, B., 2001. Identification of the spatial distribution of soils using a
process-based terrain characterization. Geoderma 103, 249–272.
Pineda, M. C. 2008. Determinación de áreas susceptibles a movimientos en masa y erosión laminar
en unidades de paisaje de la subcuenca de Río Caramacate, localizada en la cuenca alta del
Río Guárico. Trabajo de Ascenso, Universidad Central de Venezuela, Facultad de
Agronomía, Maracay.
Scull, P.; J. Franklin; O.A. Chadwick; D. McArthur. 2003. Predictive soil mapping: a review.
Progress in Physical Geography, 27: 171-197.
Shagam, R. 1960. Geología de Aragua central (Venezuela). III Cong. Geol. Venezuela. Caracas,
1.959, 2: 574 – 675.
Simonson, R. W. 1959. Outline of a generalized theory of soil genesis. Soil Sci. Soc. Am. Proc.,
23: 152 – 156.
Steers, C. A. and B. F. Hajeck. 1979. Determination of map unit composition by a random selection
of transects. Soil Sci. Soc. Amer. J. 43:156-160.
Thompson, J. A., E. M. Pena-Yewtukhiw , J. H. Grove.2006. Soil-landscape modeling across a
physiographic region: Topographic patterns and model transportability. Geoderma 133 (2006)
57-70.
Urbani F., J. A. Rodríguez. 2003. Atlas geológico de la Cordillera de la Costa, Venezuela.
Coedición FUNVISIS y UCV, iii + 146 p. (146 mapas a escala 1:25.000).
Viloria, A. 2007. Estimación de modelos de clasificación de paisaje y predicción de atributos de
suelos a partir de imágenes satelitales y Modelos Digitales de Elevación. Universidad Central
de Venezuela, Facultad de Ciencias, Escuela de Computación, Caracas.
Witten, I.; E. Frank. (2005). Data Mining. Practical Machine Learning Tools and Techniques.
Morgan Kaufmann Publisher. Second edition.
Zhao, Z., Chow, T. L., Rees, H. W., Yang, Q., Xing, Z. and Meng, F. 2009. Predict soil texture
distributions using an artificial neural network model. Computers and Electronics in
Agriculture, 65: 36–48.
MODELO PARA LA PREDICCION DE PARAMETROS DE CALIDAD
DEL AGUA DEL LAGO DE VALENCIA UTILIZANDO IMÁGENES
DE SATELITE
Msc. Claudia De La Hoz Granadillo1 , Ing. Msc. Carmen Goitía Blanco2.
UNIVERSIDAD CENTRAL DE VENEZUELA1 - INSTITUTO DE INGENIERÍA2
[email protected], [email protected]
TEMA: Gestión Ambiental
PROBLEMA: Evolución en el tiempo de la concentración de clorofila, como parámetro indicador
de la eutrofización en el lago.
ORIGINALIDAD: La utilización de imágenes de satélite en conjunto con técnicas
geoestadisticas que permiten evaluar espacial y temporalmente la calidad de las aguas.
RESULTADOS: El modelo para la predicción de la concentración de la clorofila en el lago
de Valencia, a través de la geoestadistica y el Kriging, permiten observar y ubicar las
mayores concentraciones de clorofila en un momento dado.
La geoestadística y la teledetección son herramientas útiles, rápidas y de bajo costo que
permiten el monitoreo y predicción de los parámetros de calidad en cuerpos de agua.,
RESUMEN
El Lago de Valencia es un importante reservorio de agua natural localizado en la región centro norte
del país, que ha sufrido un severo deterioro en la calidad de sus aguas por ser el receptor de los
desechos domésticos, agrícolas e industriales provenientes de las principales ciudades Maracay y
Valencia presentando un acelerado proceso de eutrofización natural y mineralización de sus
aguas. Lo cual se evidencia con la presencia de altas concentraciones de clorofila, observándose
sobre la superficie del lago una especie de nata de color verde-azul, la cual está compuesta
fundamentalmente por diferentes tipos de algas y al soplar el viento estás se concentran
especialmente en la costa donde se forma una densa capa de grumo. La disponibilidad de
imágenes con una frecuencia de toma diaria, como las obtenidas por el sensor Modis del satélite
Terra coincidentes con la disponibilidad de muestreos realizados en el lago durante el período 20012003 en diferentes estaciones de muestreos ubicadas en el lago y realizando un análisis
geoestadistico por medio de técnicas Kriging permite construir un modelo que sustenta la
predicción en la evolución en el tiempo de la concentración de clorofila, el cual presenta una mejor
correlación entre la respuesta espectral en las imágenes y los datos medidos y uno de los parámetros
indicadores de la eutrofización en el lago. El modelo diseñado permite anticipar el comportamiento
espacial de la clorofila en el cuerpo de agua, resultado que servirá a las autoridades ambientales
para la toma de acciones necesarias a fin de reducir el proceso de eutrofización que viene
presentando este cuerpo de agua.
INTRODUCION
La conservación de la calidad de las aguas superficiales en diferentes cuerpos de agua tales como
lagos, lagunas o embalses deben ser una de las principales preocupaciones a nivel mundial, ya que
son fuentes de abastecimiento para los distintos usos de este vital líquido; el costo por el daño en la
calidad de las aguas es alto por el deterioro a veces irreversible del cuerpo de agua, además de las
altas erogaciones de dinero.
En la actualidad el uso masivo de las imágenes de satélite permite realizar una evaluación y
monitoreo en el tiempo de diferentes parámetros a un bajo costo.
El Lago de Valencia ofrece suficientes razones para el estudio de monitoreo de su calidad a través
de imágenes. Es un cuerpo de agua importante y de gran tamaño de la zona centro-norte de
Venezuela, receptor de grandes cantidades de desechos provenientes de diferentes las actividades
urbanas, agrícolas e industriales que se realizan en su cuenca deteriorando su calidad, y por
presentar un acelerado proceso de eutrofización natural y mineralización de sus aguas.
Estudios realizados desde el año 1974 muestran que hay un aumento de las concentraciones de
nitrógeno(N) y fósforo (P), que tenían un promedio de 1,19 mg/l de N y 0,10 mg/l de P, los cuales
han venido aumentando hasta 2,33 mg/l para el N y 0,38 mg/l para el fósforo (Armas, 1997)[1].
Esto se debe al gran aporte de nutrientes por las descargas urbanas e industriales que fluyen de los
ríos al Lago de Valencia, que han contribuido con el tiempo a una eutrofización creciente. Hay
zonas donde el contenido de clorofila es elevado, sobre todo en las desembocaduras de los ríos. En
estas áreas se observa la superficie del agua cubierta con una especie de nata de color verde-azul, la
cual está compuesta fundamentalmente por diferentes tipo de algas y al soplar el viento las colonias
de algas son concentradas en ciertas zonas del lago, especialmente en la costa donde forman una
densa capa de grumo.
En la presente investigación se realiza un estudio para evaluar y predecir el nivel de contaminación
de las aguas del Lago de Valencia. Se utiliza para ello el parámetro clorofila, mediante técnicas
geoestadísticas y de teledetección, con finalidad de que las autoridades encargadas tengan una
herramienta que permita predecir la contaminación y tomar las medidas necesarias y a la vez
ayuden a mejorar los índices que causan el problema y a mantener el equilibrio ecológico y
ambiental en el lago.
AREA DE ESTUDIO.
La cuenca del Lago de Valencia se localiza geográficamente entre 67º16’ y 68º05’de longitud oeste
y 9º54’ y 10º26’Latitud Norte. Se encuentra en la región centro-norte del país, ocupando una
superficie de 2.700 Km2 (0.3% del territorio nacional) en los estados Aragua y Carabobo, en ella
habitan unos dos millones doscientas mil de habitantes según censo oficial del 2001,
El área superficial del lago es de 356 Km2,aproximadamente el 12% de la cuenca, almacena un
volumen de 700 millones de metros cúbicos de agua, su nivel es de 405msnm, una longitud máxima
de 30 km, un ancho máximo de 17 km un ancho medio de 12,7 Km, profundidad máxima de 37m y
media de 18m.
El clima es tropical lluvioso, con un período anual de lluvias (Abril-Octubre) y un período de sequía
(Noviembre-Marzo). El viento sopla predominantemente en dirección noroeste-suroeste y las
ráfagas más intensas se registran en los meses secos. La temperatura media anual en el área plana se
encuentra entre 24,5ºC y 27ºC, mientras que en área de la montaña es de 14-15ºC
El Lago de Valencia es un cuerpo de agua cerrado, es decir no posee salida superficial de sus aguas
y como todo lago endorreico, sus aguas solo pueden escaparse mediante evaporación y en
consecuencia todo el material disuelto y suspendido permanece en el lago, salvo que se extraiga por
medios artificiales.
Las aguas del lago han sido clasificadas del tipo IV, subtipo IV-A de acuerdo a la ley ambiental
vigente venezolana como aguas para el contacto humano total.
El Ministerio del Ambiente desde el año 1978 ha venido realizando estudios, con el fin de evaluar el
grado de contaminación del lago y su evolución en el tiempo, ubicando 40 estaciones para realizar
diferentes análisis físico-químicos que han contribuido a diagnosticar y evaluar la calidad del agua
del lago, de las 40 estaciones se mantiene en la activas solo 13. (Fig 1)
Fig. 1 Lago de Valencia. Estaciones de Muestreo.
METODOLOGÍA.
Para realizar el estudio se utilizaron imágenes del Satélite Modis - Terra para las cuales se
obtuvieron del sitio web htp://glovis.usgs.gov, correspondientes con las fechas de muestreo que se
tenían (2001-2003). Para este estudio solo se tomo la clorofila como parámetro indicador de la
eutrofización.
Se realizó una composición de las imágenes con tres bandas multiesprestrales (roja, infrarrojo y
azul) permitiendo discriminar bien las zonas donde hay presencia de clorofila.
Adicionalmente, se le aplicó una máscara con la finalidad de eliminar la información de la
proporción terrestre en la imagen y poder considerar solo la información del cuerpo del agua.
Una vez aplicada la máscara a las imágenes, se procedió a extraer la información de los puntos que
correspondían a los sitios de muestreos de las estaciones establecidas por el Ministerio del
Ambiente, aplicando la ecuación de índice de vegetación y así obtener el valor del pixel en la
coordenada.
Con la información obtenida en cada una de las imágenes y en cada punto de muestreo se procedió
hallar el mejor modelo de ajuste y definir la orientación principal de la estructura (anisotropía) del
variograma.
Tomando la base de datos completa, se procedió en primer lugar a un estudio temporal y, en
segundo, a un estudio geoestadístico. Para iniciar el monitoreo de la clorofila en cada estación, se
realizó el cálculo de la función de autocorrelación, la cual nos mostro la correlación positiva entre el
nivel de la variable (clorofila) para un periodo y para el siguiente. (Fig.2).
Fig. 2 Autocorrelograma (BC23)
Con dicha estrategia se midió el nivel de clorofila filtrando las series de datos con modelos AR(p),
MA(q) y ARMA(p,q) empleando la metodología Box-Jenkins, obteniéndose como subproducto una
serie de residuos independientes o incorrelacionados (estructura de ruido blanco).
Luego para la interpolación de los datos se utilizó el método kriging, el cual hace una mejor
estimación de la variación a cortas distancias. Los estimados del kriging fueron calculados usando
los parámetros de los semivariogramas ajustados (lineal, exponencial, gausssiano, cuadrático
racional, cúbico o wave), mediante la siguiente ecuación:
n
Z(xo) = iZ(xi)
(1)
i
Donde, n es el número de muestras Z(x0); i los pesos aplicados a cada Z(xi). Los pesos se
calcularon de acuerdo a la teoría de las variables regionalizadas de Matheron (1970). Luego se
realizó una validación para evaluar los estimadores del kriging mediante el cálculo del cuadrado
medio de predicción (CMEP)
y por último se realizo un chequeo de los datos medidos en campo y los datos simulados
(interpolación) con la finalidad de examinar el grado de ajuste.
DESARROLLO.
Con la finalidad de cubrir el período de estudio de acuerdo a las fechas de muestreo disponible en el
Lago se descargaron 36 imágenes distribuidas a 12 por cada año (2001-2003) y con una proyección
UTM zona 19. Se tomaron las coordenadas de las 13 estaciones operativas y se les midió la
reflectancia, con dichos datos se calcularon los modelos de las series temporales, logrando con ellos
la predicción del comportamiento del nivel de la clorofila en el lago para el año 2004. Con el
análisis de las series se observo un leve crecimiento del nivel en algunas estaciones.
Con el objetivo de hacer una predicción más óptima se realizo el análisis de la correlación promedio
entre
dos
puntos
en
el
espacio (semivariograma), el resultado arrojado por este
análisis fue que el modelo que mejor se ajusta a los datos es el cúbico, debido a que presento el
menor error cuadrático medio de predicción. Una vez obtenido el modelo se procedió a realizar la
predicción en puntos en el lago de Valencia no muestreados por medio de la técnica kriging. Con
este proceso se calculo el promedio ponderado de las observaciones muéstrales. Los pesos
asignados a los valores muéstrales fueron apropiadamente determinados por la estructura espacial
de correlación analizadas. (Fig.3)
Fig. 3 Predicción de la serie para el año 2004.
Tomando en consideración el resultado de los modelos para los diferentes períodos (sequía y
lluvia), la clorofila se toma como uno de los parámetros indicador de la eutrofización, debido a las
descargas de aguas con gran cantidad de nitrógeno y fosforo que afecta la dinámica de la población
de fitoplancton, Estos parámetros, de acuerdo Bozzini, presentan valores en lago que están por
encima de de 223 mg/l de N y de 0,38 mg/l de P el lago presenta un estado eutrófico entre
politrófico y eupolitrófico a lo largo de los años.
Observando los gráficos del kriging podemos ver como la clorofila se concentra más hacia las
estaciones 5 y 33, en dichas estaciones es donde está la descarga de los ríos principales y más
contaminados. Esto pasa a pesar que el estado venezolano está realizando todas las actividades
necesarias para su descontaminación a través de la instalación de plantas de tratamientos y la
aplicación de la normativa para las industrias ahí presentes. Sin embargo, debido al estado de
deterioro que ha presentado a lo largo de los años todavía los resultados no son notorios. (Fig. 4)
Fig. 4. Kriging Lago de Valencia
(Medido –Simulado)
CONCLUSIONES.
Las imágenes tomadas por el satélite Modis Terra muestran una distribución espacial de la
concentración de la clorofila, permitiendo realizar una evaluación diaria de la ubicación de
las principales fuentes de contaminación.
Los valores de los parámetros de la clorofila correspondientes a los muestreos del año 2003
son los que presentan mayor similitud con los obtenidos en las imágenes.
La comparación de los resultados en la simulación numérica usando distintas períodos
(simulados vs medidos) presenta resultados aceptables, ya que las diferencias entre ellas son
mínimas. Lo que nos permiten realizar las predicciones de manera de una forma rápida y
tomar las decisiones y medidas necesarias para el control de la contaminación.
La modelación de la clorofila en el lago de Valencia, a través de la geoesadística y el
Kriging, permite observar y ubicar donde están presentes las mayores concentraciones de
esa substancia en un momento dado.
La geoestadística y la teledetección son herramientas útiles, rápidas y de bajos costos que
permiten el monitoreo y predicción de los parámetros de calidad en cuerpos de agua.
REFERENCIAS BIBLIOGRÁFICAS.
[1] Armas L. “El papel del Estado ante los desechos domésticos e industriales”. El Universal
.1997
[2] Brockwell, P. y Davis, R. ”Introduction to
Time Series and Forecasting, Second Edition”,
Springer, 2002.
[3] Cressis, Noel. ”Statistics for Spatial Data”, John Wiley & Sons, Revised Edition, 1990.
[4] Chuvieco, E.”Fundamentos de Telede- tección”, Madrid España, 1990.
[5] MARN. ”Estudio integral de los tributarios de la Cuenca del Lago de Valencia” (1997-2000)
convenio MARN - JICA.
[6] Matheron, G. Principles of geostatistics. Economic Geology, 1963.
[7] Welhan, John. ”Geostatistics and Spatial Modeling”, Spring, 2001.
AGRADECIMIENTOS
Los autores agradecen a las instituciones y proyectos que hicieron posible la realización del
presente trabajo:
Fundación Instituto de Ingeniería. (FII)
Proyecto LOCTI (Estudio del Transporte de Contaminantes en el Lago de Valencia)
Detección de indicadores físicos de la línea de costa, en un enfoque de
clasificación orientada a objetos. Caso de estudio: Isla de
Schiermonnikoog, Países Bajos
María Virginia Méndez1
1
Institución de Investigaciones Metalúrgicas y de Materiales de SIDOR
1
[email protected]; [email protected]
ÍNDICE DE CONTENIDO
1.
2.
3.
4.
5.
6.
Resumen ………………………………………………………………………………...
Introducción ……………………………………………………………………………..
Materiales y Métodos …………………………………………………………………...
Resultados y Discusión ……………………………………………………………….
Conclusiones ……………………………………………………………………………
Bibliografía……………………………………………………………………………
1
2
3
5
8
8
1. Resumen
El análisis de la variabilidad litoral es fundamental para una amplia gama de investigadores
(científicos, ingenieros y planificadores costeros). El estudio de la línea de costa (zona de contacto
entre un cuerpo de agua y tierra) implica hacer frente a la naturaleza dinámica de tales límites en el
tiempo y el espacio.
Los métodos actuales usados para la detección de la línea de costa tienden a ser subjetivos; ya que
existe un alto nivel de incertidumbre en la posición, medición e interpretación de este límite, que
afecta la precisión de su mapeo. Para mejorar las técnicas cartográficas, la definición de indicadores
de la línea de costa (rasgo natural costero que representa la posición de la línea de costa) debe
alcanzar tanto como sea posible, criterios de objetividad que permitan la repetitividad de detectar en
imágenes las características costeras en la zona de contacto tierra-mar.
Este estudio tiene como objetivo probar la capacidad que tiene la clasificación orientada a objeto de
detectar y mapear indicadores de la línea de costa, en la playa arenosa al norte de la Isla de
Schiermonnikoog. Para ello, una imagen hiperespectral AHS fue usada en combinación con
observaciones de campo y análisis de laboratorio, para estudiar la posibilidad de discriminar
compartimientos físicos de la playa.
Esta investigación identifico características espectrales y físicas del perfil de playa. Se realizó un
análisis cuantitativo que revelo la fuerte relación existente entre la reflectancia y el contenido de
agua de la arena, que proporciono la base de la definición de indicadores de la línea de costa.
Una selección de end-member se llevo a cabo basado en el contenido de agua de la arena y el brillo
espectral. Las diferencias en albedo se consideraron como firmas espectrales de 4 superficies de
arena (seca, húmeda, mojada y saturada). Con base en esta caracterización espectral, una
clasificación de separabilidad se utilizó para definir 4 indicadores de la línea de costa: línea
instantánea de agua, línea de marea baja, línea de marea alta y línea previa de marea alta.
Para identificar estos indicadores se aplico un algoritmo de detección de límites (clasificación
orientada a objeto) llamado “Rotation Variant Template Matching, RTM” a 3 bandas en distintas
longitudes de onda; banda 6 (602 nm) en el espectro visible, banda 11 (746nm) en la región infraroja cercano y 21 (1622nm) en la región infra-roja de onda corta.
El método RTM funcionó para detectar 3 de los 4 indicadores que esperaban ser detectados. Los
resultados sugieren que a mayor contenido de agua, menor es la precisión de la definición del
1
indicador y, por consiguiente, la capacidad de detectar indicadores de la línea de costa se reduce con
la cercanía al mar.
El resultado del algoritmo RTM fue vectorizado y comparado, con la línea de marea alta derivada
de un modelo digital del Terreno de LIDAR, y con las líneas trazadas en campo de marea alta y
baja con un GPS. Su evaluación visual fue satisfactoria.
Este trabajo presenta un enfoque metodológico para la definición (caracterización), identificación
(detección), y mapeo de indicadores no-morfológicos de la línea de costa.
Una definición en imagen, de indicadores de línea de costa es propuesta en esta investigación. El
objetivo del enfoque de clasificación orientado a objetos, de optimizar la precisión y la solidez de
los métodos de mapeo (que significa buena localización y discriminación de posiciones incorrectas
de líneas de costa), se ha logrado mediante el uso de elementos fiables de ser detectados, donde los
límites costeros pueden ser mapeados con un método que es capaz de bajar los niveles de
incertidumbre de las técnicas cartográficas.
2. Introducción
La detección de la línea de costa posee altos niveles de incertidumbre. Primero por su naturaleza
dinámica que compromete la precisión en la ubicación de tal límite, lo que se conocen como
incertidumbre posicional [1,2]. Y segundo por su incertidumbre de medición, la cual está
relacionada a los procesos y técnicas aplicadas a la imagen (como geo-rectificación y delineación
manual de la línea de costa) los cuales tienden a ser imprecisos y ambiguos [3,4].
Analizar la variabilidad costera y sus tendencias requiere una definición funcional y consistente de
“línea de costa”, que este en concordancia a la técnica de medición usada, de forma tal que cambios
aparentes en la línea de costa no sean puramente una expresión de inconsistencia en el método o, la
definición escogida [5,6].
Determinadas características costeras pueden requerir el empleo de un indicador específico, por lo
tanto, es crítica la escogencia del indicador ya que deber ser representativo del límite costero con la
mayor precisión. Distintos indicadores de línea de costa (ILC) han sido referidos en artículos
científicos [7,8,3,9,10] especializados en la materia, de estos se identificaron 3 tipos; morfológicos
(rasgos físicos de la playa como cresta de duna), no-morfológicos (relacionados con la ubicación de
la línea de agua) [1] y matemáticos (asociados a los niveles de agua, por marea) [7]. Idealmente los
ILC deberían ser fáciles de reconocer en el campo y en la imagen. La mayoría de los investigadores
costeros y las agencias estadounidenses utilizan HWL porque es visibles en el campo e interpretable
en la imagen además que esta representa la línea de emersión permanente de la tierra.
En los últimos años se ha avanzado en métodos menos subjetivos para la detección de indicadores
de línea de costa; modelos digitales de terrenos combinados con datos de marea local, análisis
digital de imágenes y distintos tipo de clasificación han sido extensamente tratados
[6,11,8,12,13,14,15]. Entre los métodos usados, destacan aquellos basados en la combinación de
datos topográficos y batimétricos, obtenidos a partir de modelos digitales de terrenos de alta
exactitud (LIDAR) [16], para estimar diferentes niveles del agua. El mapeo de líneas de costa a
través del LIDAR, ha resultado, no solo adecuado apara la extracción de indicadores matemáticos
de líneas de costa, sino que también permite la automatización del proceso sin hacer uso de la
interpretación visual [7,1].
Las técnicas de análisis de imagen por clasificación orientada a objeto, muestran resultados mucho
más eficientes, que los obtenidos por clasificación tradicional basada en píxel [17,18,19,20]. Tal es
el caso de la integración de datos hiperespectrales, multi-temporales y datos LIDAR para estudiar la
dinámica costera (transporte, sedimentación y erosión) [21].
Una revisión detallada de las técnicas para el mapeo de indicadores de línea de costa pueden ser
encontradas en el “Journal of Coastal Reseach” [22], que presenta una descripción interesante no
2
solo de detección de la línea de costa sino también de métodos ligados al análisis dinámico,
consideraciones técnicas y prácticas, así como, dificultades con la comparación de mediciones.
Si consideramos estos avances, el reto está en integrar datos espectrales y espaciales con
conocimiento de la dinámica costera, al proceso de mapeo, y así mejorar nuestra capacidad de
determinar la posición de la línea de costa de la forma más precisa y objetiva posible [8]. Es en este
sentido, el objetivo de esta
investigación es el de comprobar la
capacidad que tiene la clasificación
orientada a objeto de detectar y
mapear indicadores de la línea de
costa
por
medio
de
datos
hiperespectrales de la playa arenosa
al
norte
de
la
Isla
de
Schiermonnikoog (ver Figura 1), que
Figura 1: Isla de Schiermonnikoog. Norte de los Países Bajos
forma parte de un complejo sistema
de islas barrera al norte de Holanda.
3. Materiales y Métodos
Los paso metodológicos seguidos para el mapeo de indicadores de línea de costa son descritos en el
cuadro l, el cual explica de forma detallada: la caracterización del perfil de playa (ver Figura 2), la
detección de los rasgos de la playa, la clasificación de los indicadores y finalmente el mapeo de los
indicadores de línea de costa.
Figura 2: Perfil de playa y estrategia de muestreo
El método clave aplicado para la detección de los ILC en esta investigación, fue una clasificación
orientada a objeto y más específicamente una detección supervisada de límites, a través de
detectores de bordes, utilizados ampliamente en escala de grises, y que han sido recientemente
mejorados al trabajar con imágenes multi e hiperespectrales [23,17]. En esta investigación se aplico
un nuevo método para la detección de límites pre-definidos llamado “Rotation Variant Template
Matching, RTM” (variante de plantilla rotativa de contraste). El RTM es un algoritmo para
detección de bordes, y a diferencia de otras plantillas, está diseñado para rotar. Esta variante de
rotación indica cuando existe un límite entre superficies espectralmente contrastante, lo que lo hace
ideal para este estudio [25].
El algoritmo equipara el conocimiento espectral y espacial del objeto. La plantilla tiene un diseño
tridimensional que consta de dos espectros diferentes y, se corresponde con una imagen miniatura
que tiene un diseño dimensional (3x1 píxeles), que se mueve y rota encima de la imagen analizada
(ver Figura 3) [25,26].
Figura 4: Orientación del movimiento de la plantilla y leyenda de interpretación de valores
3
Pre-procesamiento
Imagen hiperespectral AHS 2005
Datos de laboratorio
Identificación de ILC presentes en el
área de estudio
Se realizaron 3 cortes trasversales, desde la duna en direcciona hacia al mar hasta
la foreshore. Se recolectaron 38 muestras cada una, tomadas de la superficie
Recolección de
(menor a 4 cm de profundidad). El muestreo se realizo a cada 30 metro en los
Muestras del
primero 400 m y en intervalos de 4 m en los ultimo 100 m (ver Figura 2). Las
suelo
mismas fueron almacenada y geo-referenciada, para preservar tanto y como fuese
posible las condiciones encontradas en campo.
Elaboración de muestras compuestas: de las 38 muestras que conforman el perfil
se crearon 6 muestras compuestas relacionadas directamente con las 6 zonas
encontradas en la playa (A, B, C, D, E, F).
Análisis del
Humedad relativa y absoluta al secarlas en el
Las 6 muestra compuestas y a
contenido del
horno a temperaturas de 40 ºC y a 105 ºC
las 38 muestras individuales
suelo
respectivamente.
se expusieron a distintas
Contenido de materia orgánica y de carbonato,
temperaturas para determinar
al exponer la muestras a temperaturas de 450 ºC
los componentes principales
y 600 ºC.
Utilizando un espectro-radiómetro Field Spec Pro (de un rango espectral de 350 Análisis
2500 nm) se tomo la firma espectrales de las 38 muestras individuales y las 6
compuestas en las condiciones encontradas en campo.
espectral del
suelo
Se tomo la firma espectral de las muestras secadas en el horno para determinar la
reflectancia de la playa sin presencia de agua.
Se cuantifico la relación existente entre la reflectancia y el índice de humedad del
Experimento de
suelo, en un experimento controlado. Luego de sobre saturada la muestra de
arena, se realizaron mediciones cada hora, sometiendo la misma a temperaturas
humedad del
suelo
de 40 ºC (simulando un día soleado y seco), se tomo el peso y se recolecto su
firma espectral.
Resolución espacial de 3.4 m; 80 banda (rango espectral de 455-12.227 nm).
La imagen tiene una orientación de Noreste y fue adquirida en entrante de marea baja, las
condiciones meteorológicas al momento de la adquisición se tomaron en cuenta [31,29].
Fue corregida radiométricamente, geométricamente y atmosféricamente (por MODTRAN 4) por
VITO, los que recomendaron el uso de solo las primeras 21 bandas (445-1622 nm), por
problemas del sensor. Se re-proyectó la imagen de UTM WGS-84 al sistema holandés RS (Rijks
Driekhoeksmeting) [31,32,33].
Delimitación espacial: La playa norte de la isla de Sciermonnikoog
Delimitación espectral: selección de 3 bandas. Banda 6 ( 600nm, usada en estudio de sedimentos
en suspensión), Banda 11 (750 nm, utilizada para contrastar superficies de agua y tierra) y la
banda 21 (1600 nm, usada en análisis de humedad del suelo) [34,13,34].
El software usado para todo el análisis fue ENVI 4.2
Análisis NVDI para separar áreas con vegetación y sin vegetación [19,35].
Análisis espectral
Similar al aplicado en laboratorio se realizó un análisis del índice de
humedad del suelo
Clasificación
Se aplico un clasificación distancias mínimas (MDC) [17]. para mostrar
Orientada a pixel
entre arena muy seca (alta intensidad) y saturada (baja intensidad)
Aplicación del algoritmo de detección de límites “Rotation Variant
Template Matching, RTM ” (ver figura 3) a las 3 bandas [25].
Clasificación
Realización de perfiles de playa (valores de digitales) sobre la imagen
Orientada a objeto compuesta para verificación de limites
Análisis por banda de cada indicador detectados y análisis cruzado
Delimitación de los indicadores: Extracción de los limites
LIDAR (2000): Extracción de línea de marea alta [30,6].
Comparación de
Análisis: entre los resultado obtenidos y la LMA extraída del LIDAR, así
resultados
como los obtenidas del levantamiento en campo con GPS ( LMA y LMB)
Determinación de las suposiciones e incertidumbres en la ubicación de los ILC detectados
Definición de indicadores en campo y en la imagen
Conclusiones y recomendaciones
Determinación de las propiedades y características
espectrales de los indicadores
Delineado LMA y LMB, ubicación de la muestras [30].
Definición de end-member de los indicadores y
limites contrastantes (zonas)
Levantamiento
GPS
Definición de mapeo de
indicadores de línea de costa
Datos de campo
Observaciones
de campo
Procesamiento
Caracterización del perfil de playa
Detección de los rasgos de la playa
Clasificación de los indicadores d
Mapeo de de Indicadores de línea
de costa
Área de estudio
Cuadro 1: Pasos metodológicos para el mapeo de ILC
Análisis de rasgos morfológicos de la isla, y de la variabilidad costera: procesos
eólicos, oleaje y rango de marea [27,3,28,29].
Caracterización en campo del perfil transversal de la playa 6 zonas A: Duna, B:
Vegetación densa, C: Vegetación escasa, D: planicie de playa 1, E: planicie de
playa 2, F: Foreshore (ver Figura 2)
4
Los pasos importantes en este enfoque son el diseño de una plantilla de acuerdo a nuestro
conocimiento de un límite y, la interpretación de la salida o resultado del algoritmo, quien revela
información sobre el tipo de límite (difusos y preciso) e identifica píxeles, donde sólo uno de la
plantilla end-member, está presente [25].
El algoritmo RTM es usado en este estudio para la detección de fronteras entre zonas de playas
específicas, tales fronteras aquí son consideradas en términos de borde entre compartimentos de
playa. Para trazar un mapa de un límite entre dos espectros que contrastan, es necesario saber si las
firmas espectrales usadas en la plantilla están presentes, y si estas firmas espectrales forman un
límite gradual o puntual.
4. Resultados y Discusión
En el área de estudio se identificaron 2 indicadores morfológicos (línea de vegetación de la duna,
línea de vegetación de la playa), y 4 indicadores no-morfológicos de la línea de costa (línea
instantánea de agua, línea de marea baja, línea de marea alta y línea previa de marea alta).
Al analizar el perfil de playa no se encontraron diferencias significativas en la composición de las
muestras de arena, y por tanto la caracterización física de los indicadores de la línea de costa está
completamente relacionada al contenido de agua en el suelo (índice de humedad de la arena).
Se estudiaron los datos espectrales obtenido en laboratorio y en la imagen para las 3 bandas en
distintas longitudes de onda; banda 6 (602 nm) en el espectro visible, banda 11 (746nm) en la
región infra-roja cercano y 21 (1622nm) en la región infra-roja de onda corta. Los cuales fueron
comparados sin necesidad de ninguna calibración (ver Cuadro 2).
Bandas
Datos espectrales
Arena Seca
Arena Saturada
Cuadro 2: Datos espectral obtenidos
Banda 6: 600 nm
Banda 11: 750 nm
Lab
Imagen
Lab
Imagen
0,355
0,370
0,381
0,389
0,139
0,144
0,148
0,148
Banda 21: 1600 nm
Lab
Imagen
0,504
0,604
0,150
0,151
La definición de ILC fue establecida a partir de la relación cuantificada entre la reflectancia y el
contenido de agua. El brillo espectral fue el aspecto dominante para distinguir firmas espectrales.
End-member fueron seleccionados, basado en el contenido de agua de la arena y el brillo espectral,
que representan diferencias en albedo de 4 superficies de arena (firmas espectrales): arena seca (010 %), arena húmeda (10-20 %), arena mojada (20-30 %), arena saturada (30-40 %), las cuales
están relacionadas a indicadores.
Basados en esta caracterización espectral, una clasificación de separabilidad se utilizó para definir 4
indicadores de la línea de costa: línea instantánea de agua, línea de marea baja, línea de marea alta y
línea previa de marea alta (ver Cuadro 3).
Cuadro 3: Definición de end-member de los indicadores
Área
Backshore
Foreshore
Selección de
end-member
Contenido
de agua
Relación de límites entre las clases
Indicador de la línea de costa
relacionado
Arena seca
Arena Húmeda
Arena mojada
Arena saturada
0-10 %
10-20 %
20-30%
30-40%
borde entre arena seca y húmeda
borde entre arena húmeda y mojada
borde entre arena mojada y saturada
borde entre arena saturada y el mar
línea previa de marea alta
línea de marea alta
línea instantánea de agua
línea de marea baja
La capacidad de la imagen hiperespectral AHS para detectar indicadores de línea de costa se
comprobó con la aplicación de la técnica de clasificación basada en pixel MDC. Se distinguieron 4
superficies, asociadas a indicadores de línea de costa (ver figura 5). Este método no mapea los
limites de los indicadores de línea de costa, pero si prueba que el contenido de agua de la arena
tiene la habilidad de definir 4 líneas de niveles de agua: línea previa de marea alta (borde entre
arena seca y húmeda), línea de marea alta (borde entre arena húmeda y mojada), línea instantánea
de agua (borde entre arena mojada y saturada) y línea de marea baja (borde entre arena saturada y
agua superficial).
5
Figura 5: Firma espectral de los end-member y resultados de la clasificación MDC aplicada a la imagen
Se demostró que la definición de ILC puede ser realmente alcanzada mediante la aplicación del
algoritmo RTM. La figura 6 muestra uno de los resultados obtenido de los perfiles de playa (valores
de digitales) sobre la imagen compuesta para verificación de límites; donde el grado de humedad
que contiene el perfil de playa aparece como una huella del movimiento de las líneas de agua. En
este sentido la confiabilidad de esta técnica de detectar o descubrir firmas espectrales que contrastan
usando end-member, establece un combinación ideal para indicar si un límite está presente o no.
El método de RTM (ver Figura 7) solo fallo en 1 de las 4 limites que esperan ser detectados, en este
sentido un esfuerzo mayor requiere ser realizado para lograr la definición (la selección de firma
espectral) que sea capaz de representar la línea previa de marea alta.
Los resultados también sugieren que a mayor contenido de agua, menor es la precisión de la
definición del indicador y, por consiguiente, la capacidad de detectar indicadores de la línea de
costa se reduce con la cercanía al mar.
Figura 6: Ecuación la tendencia lineal obtenida del experimento de humedad en las 3 longitudes de onda y los
perfiles de playa (VD) sobre la imagen compuesta
De los resultados obtenidos luego de la aplicación del algoritmo RTM, se extrajeron los límites
representativos de los 4 ILC. La figura 7 muestra en línea roja los bordes detectados y su
correspondiente indicador asociado, mientras que la figura 8 muestra el resultado del algoritmo
RTM sectorizado. La comparación (evaluación visual) de este resultado, con la línea de marea alta
derivada del modelo digital del terreno de LIDAR, y con las líneas trazadas en campo de marea alta
y baja con un GPS, fue satisfactoria.
Figura 7: Aplicación del RTM en la banda 21 (1622nm)
6
Figura 8: Vectorización de 2 indicadores de la línea de costa detectados en la banda 21 (1622nm)
Como parte de los aportes de este estudio este trabajo proponen una definición en imagen de los
ILC (ver Cuadro 4), así como un enfoque metodológico para la definición (caracterización),
identificación (detección), y mapeo de indicadores no-morfológicos de la línea de costa.
Cuadro 4: Resumen de las definiciones de indicadores de línea de costa propuestas
Indicadores
Definición en
Rasgos de
de limites Definición de campo
Comentarios
imagen *
playa
costeros
Línea de
Limite distintivo entre
Caso especifico, cuando hay vegetación
Rasgos
NDVI, borde del
vegetación
área con vegetación y
presente.
morfológicos
área con vegetación
activa
sin vegetación
No muestra la dinámica de interés.
Una línea interpretada
No es claramente visible ni el campo ni
por una diferencia en Borde contrastante
en la imagen.
Línea previa
color en la playa seca, entre arena seca (0de marea
Afectada por erosión del viento.
10 %) y húmeda (10conchas marinas y
alta
Representa solo elevadas condiciones de
20 %)
algas. La marea más
agua durante primavera y tormentas.
alta (estacional).
Claramente visible, en el campo y en la
Línea o marca dejada
imagen.
Borde contrastante
a lo largo de la costa
Línea de
entre arena húmeda
Objetiva y repetible línea de costa
por la elevación del
marea alta
(10-20 %) y mojada
(científicamente valido).
agua. La última marea
(20-30 %)
Afectado por las condiciones de
Rasgos noalta del día.
viento/oleaje a un tiempo dado
morfológicos.
Líneas de
La posición de esta línea no puede ser
agua
usada para análisis cuantitativos de la
posición de la línea de costa, ya que
Borde contrastante
Línea
Línea de agua
depende del momento de la toma.
entre arena mojada
instantánea ordinaria en un tiempo
(20-30 %) y saturada Altamente sensible a las estados de la
de agua
especifico
(30-40 %)
marea.
Afectado por las condiciones de
viento/oleaje a un tiempo dado
Borde contrastante
Afectado por las condiciones de
Arena oscura, donde
Línea de
entre arena saturada
viento/oleaje a un tiempo dado.
la zona inter-marea
marea baja
(30-40 % ) a y agua
Depende del tiempo de adquisición de la
termina.
de mar superficial
data (marea baja)
* basado en límites entre dos superficies con reflectancia distinta (índice de humedad de suelo)
5. Conclusiones
Estudios previos sólo han considerado la posibilidad de definir pixel secos de mojados. Esta
investigación ha estudiado la firma compuesta de la zona de contacto mar y tierra, y más allá ha
logrado establecer una definición física de 4 líneas de agua. La posibilidad de ubicar la línea física
de agua está relacionada al contenido de agua en el suelo al momento de adquisición de la imagen,
donde el grado de incertidumbre podría estar relacionado a una transición a marea baja. El
comportamiento del los limites detectados, indica que a mayor contenido de humedad existe menor
precisión en la definición del indicador, consecuentemente, la habilidad de detectar los ILC
disminuirá hacia el mar.
7
Incluso y cuando no es posible óptimamente reconocer un límite preciso (exacto), el método aun
ayuda a definir un límite gradual de la interfase costera. Los resultados de la plantilla de contraste
explican el comportamiento de un límite transicional (tones negros y azul oscuro donde ambas
firmas están presentes activamente). La técnica desarrollada es menos susceptible a la variabilidad y
la definición de ILC puede ser alcanzada.
El algoritmo de RTM solo indica un ajuste relativo y no absoluto de la plantilla y la medición
debería ser relativamente insensible a las inconsistencias espectrales, lo que contribuiría a hacer este
método de aplicación más genérica.
La complejidad espectral de la imagen fue minimizada usando rangos espectrales y analizando solo
la diferencia en brillo espectral, lo que abre la posibilidad de utilizar esta caracterización espectral
en imágenes multi-espectrales.
Una definición en imagen, de indicadores de línea de costa es propuesta en esta investigación. El
objetivo del enfoque de clasificación orientado a objetos, de optimizar la precisión y la solidez de
los métodos de mapeo (que significa buena localización y discriminación de posiciones incorrectas
de líneas de costa), se ha logrado mediante el uso de elementos fiables de ser detectados, donde los
límites costeros pueden ser mapeados con un método que es capaz de bajar los niveles de
incertidumbre de las técnicas cartográficas.
Algunas acotaciones importantes tienen que mencionarse con respecto a los logros de este trabajo.
Se considero la limitación temporal y las diferencias entre la imagen y los datos referenciales. En
esta investigación no fue necesaria la calibración para comparar el dato espectral obtenido en
laboratorio, del obtenido de la imagen. Especial atención tiene que prestarse en otros casos donde
probablemente se requiera normalizar los datos para su comparación, por esta razón aplicaciones
más genéricas de esta clasificación serán susceptibles a las técnicas de correcciones atmosféricas
empleadas [21].
Un futuro esfuerzo de investigación podría estar enfocado, en un entendimiento más profundo del
rol que juegan todas las variables, en la composición de las firmas espectrales más representativas
del límite mar-tierra. De cualquier forma recolectar mediciones espectrales en el campo podría
afinar y validar aún mas los resultados obtenidos en laboratorio.
Finalmente podría ser interesante utilizar este método en un ambiente (caso de estudio) similar,
como por ejemplo otra de las islas barrera al norte de Holanda, para validar la aplicabilidad del
método.
6. Bibliografía
1. Graham, D., M. Sault, and C.J. Bailey, National Ocean Service shoreline – Past, present and future.
Journal of Coastal Research, 2003: p. 14-32.
2. Allan, J.C., P.D. Komar, and G.R. Priest, Shoreline Variability on the high-energy Oregon coast and
its usefulness in erosion-hazard assessments. Journal of Coastal Research, 2003: p. 83-105.
3. Ruggiero, P., G.M. Kaminsky, and G. Gelfenbaum, Linking proxy-based and datum-based
shorelines on a high-energy coastline: Implications for shoreline changes analyses. Journal of
Coastal Research, 2003: p. 57-82.
4. Moore, L. Shoreline mapping techniques. Journal of Coastal Research, 2000. 16 (1): p111-124
5. Short, A., Handbook of beach and shoreface morphodynamics. 1999, Chichester etc.: Wiley & Sons.
379 p 1.
6. Parker, B.B., The difficulties in measuring a consistently defined shoreline – The problem of vertical
referencing. Journal of Coastal Research, 2003: p. 44-56.
7. Leatherman, S.P., Shoreline change mapping and management along the US East Coast. Journal of
Coastal Research, 2003: p. 5-13.
8. Boak, E.H. and I.L. Turner, Shoreline definition and detection: A review. Journal of Coastal
Research, 2005. 21 (4): p. 688-703.
9. Hess, K.W., Tidal datum’s and tide coordination. Journal of Coastal Research, 2003: p. 33-43.
8
10. Pajak, M.J. and S. Leatherman, The high water line as shoreline indicator. Journal of Coastal
Research, 2002. 18(2): p. 329-337.
11. Kinstong, K.S., et al., Artificial neural network correction of remotely sensed sandbar location.
Marine geology, 2000. 169: p. 137-160.
12. Eleveld, M.A., P.D. Jungerius, and J.L. van Genderen, Exploring coastal morphodynamics of
Ameland, the Netherlands, with remote sensing techniques and dynamic modeling in GIS. 1999,
ITC: Enschede. p. 225 p.
13. Applications of satellite and airborne image data to coastal management: UNESCO BILKO remote
sensing distance learning module 7. 1999, Paris; Enschede: UNESCO; ITC.
14. Wright, D.J. and Bartlett, Marine and coastal geographical information systems. Research
Monographs in GIS series. 1999, London etc.: Taylor & Francis. 320 p.
15. Woodroffe, C.D. and R.A. Furness, Coastal GIS 2003: an integrated approach to Australian coastal
issues: proceedings of workshop held at the University of Wollongong, 7-8 July 2003. Wollongong:
University of Wollongong. 553 pHurd, James, et al. Tidal wetland classification from Landsat
imagery using an integrated pixel-based and object-based classification approach. ASPRS, 2006
Annual conference.
16. Wozencraft, J. and D. Millar, Airborne LIDAR and integrated technologies for coastal mapping and
nautical charting. Marine Technology Society Journal, 2005. 39(3): p. 27-35.
17. Hurd, J et al. Tidal Wetland classification from Landsat imagery using an integrated pixel-based
and object-based classification approach. ASPRS. 2006.
18. Gamaya, R y De Dapper. Precision change detection: base don knowledge-based and objectoriented based satellite image analysis in central Zimbabw. ASPRS, 2006 Annual conference.
19. Miller, Del Castillo, y McKee. Remote sensing of coastal aquatic environments: Technologies,
techniques and applications. Remote sensing and digital image processing. 2005, Dordrecht.
20. De Jong y Van der Meer. Remote sensing image analysis: including the spatial domain. Remote
sensing and digital image processing. 2004, Dordrecht.
21. Deronde, et al. Sand dynamics along the Belgian coast based on airborne hyperspectral data and
LIDAR data. EARSeL eProceedings 3, 2004.
22. Byrnes, M.R., M. Crowell, and C. Fowler, Shoreline mapping and change analysis: technical
considerations and management implications. CERF: Journal of Coastal research: special issue.
2003, Palm Beach: Coastal Education & Research Foundation (CERF). 215 p.
23. Shufelt, J. Geometric constraints for object detection and delineation. Kluwer international series in
engineering and computer science SECS;530. 2000.
24. Zou, Z. Discussion of moving shoreline boundary condition for near shore models. Coastal
Engineering. 2006.
25. Van der Werff, et al. Knowledge based remote sensing of complex objects: recognition of spectral
and spatial patterns resulting from natural hydrocarbon seepages. ITC-Utrech university. 2006.
26. Bakker and Schmidt. Hyperspectral edge filtering for measuring homogeneity of surface cover
types. ISPRS journal of photogrammetry and remote sensing. 2002.
27. Abilio, I. Landscape of Schiermonnikoog and Inhaca island: an applied geomorphological
comparison study for morphoconservation and land management using aerial photographs and
satellite image. ITC, Eschede. 1989.
28. Hollebrandse. Temporal development of the tidal range in the southern North Sea. Delf University,
The Netherlands. 2005.
29. Ministerie van Verkeer en Waterstaat.
30. Image spectroscopy flight campaigns.
31. Nederland, A.H., http://www.ahn.nl
32. Mulatu, H. Land covers change detection using expert system and hyperspectral imagery in the
island of Schiermonnikoog, the Netherland, ITC. 2006.
33. Banskota, A. Estimating leaf area index of salt marsh vegetation using airborne hyperspectral data.
ITC, Enschede. 2006.
34. Edwards, A. Remote sensing handbook for tropical coastal management. Coastal management
sourcebook. UNESCO. 2002.
35. ENVI User´s guide 2001.
9
ANÁLISIS MULTI-TEMPORAL Y ESTIMACIÓN DE FLUJO EN
EL GLACIAR “BUENOS AIRES”, BAHÍA ESPERANZA PENÍNSULA ANTÁRTICA
1
Santiago Yépez1, Wuilian Torres1, Rafael Rebolledo1
Fundación Instituto de Ingeniería, Centro de Procesamiento Digital de Imágenes
[email protected]; [email protected]; [email protected]
ÍNDICE DE CONTENIDO
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Resumen
Introducción
Materiales
Detección espectral semi-automática de la nieve/hielo en imágenes SPOT usando
morfología matemática
Resultados del análisis de detección de cambio
Análisis de la dinámica del glaciar usando técnicas de correlación
Calibración de los resultados del proceso de correlación
Conclusiones
Agradecimiento
Referencias Bibliográficas
1. Resumen
En el marco de la Primera Expedición Venezolana al Continente Antártico, realizada en los
primeros días del mes de Marzo del 2008, se inició el monitoreo del Glaciar “Buenos Aires”,
actualmente en pleno retroceso y ubicado en la costa austral de Bahía Esperanza - Península
Antártica. Usando datos de imágenes satelitales adquiridas a través del sensor HRV de los
satélites SPOT-5 y 1, se proponen técnicas de detección espectral para cartografiar de manera
semi-automática la cobertura de nieve/hielo. Esta información permitirá generar un modelo
multi-temporal, el cual servirá de base para cuantificar la reducción de estas coberturas e
identificar cambios durante la regresión del glaciar.
Adicionalmente, se desarrolla un análisis de correlación a nivel de sub-píxel, con el fin de
generar vectores de desplazamiento, estudiando así, la dinámica y descarga del flujo de
nieve/hielo sobre la superficie del glaciar. Finalmente, un procedimiento de calibración fue
desarrollado para validar los resultados del análisis de correlación.
Palabras clave: Satélite SPOT/ detección espectral / modelo multi-temporal / Bahía Esperanza /
SIG 3D.
2. Introducción
El estudio de los cambios que se producen en los glaciares, permite tener una idea clara de la
dinámica del clima en el planeta. Factores como el incremento de la temperatura global y la
disminución del volumen de precipitaciones, son en esencia, las principales causas del retroceso
de estas masas de hielo.
Ya sea por factores naturales o debido a la actividad antrópica, el clima en la Tierra está
cambiando. Muchos científicos a nivel mundial debaten todavía si estos procesos de cambio
climático tienen un origen natural o antropogénico; lo que si es cierto, es que muchos glaciares
tanto polares como continentales se encuentran en franco estado de regresión.
Entre las causas naturales se puede citar las oscilaciones cíclicas de la radiación solar, debido a
variaciones orbítales u oscilaciones por la actividad volcánica. Por ejemplo, hoy en día se tiene
una orbita más circular de la Tierra con respecto al Sol, a diferencia de épocas glaciares remotas
cuando está tendía a ser más elíptica. Por otro lado, hay que considerar la actividad del hombre,
SantiagoYépezetal.2009
Página1
directamente relacionada con el incremento en las emisiones de gases de efecto invernadero,
dado el aumento exponencial en el uso de combustibles fósiles y a la constante y creciente
actividad industrial (Tett, et al. 2002).
Debido a esto, en las últimas décadas la Antártida se ha convertido en un laboratorio natural,
en el cual el monitoreo de las capas glaciares tiene gran importancia para el estudio de los
efectos del cambio climático, específicamente el calentamiento global.
En marzo del 2008, en el marco de la Primera Expedición Científica Venezolana al Continente
Antártico, se inició el monitoreo del Glaciar Buenos Aires, ubicado en la costa austral de Bahía
Esperanza, en el extremo noreste de la Península Antártica, cubriendo un área aproximada de
29 km2, se trata de uno de los glaciares de la península que se encuentra en estado de retroceso
(ver Fig.1).
Figura 1: Área de estudio en Bahía Esperanza -Península Antártica: Glaciares Buenos Aires, Pirámide y una
porción del Glaciar Kenney.
El objetivo de este estudio busca la identificación de patrones de cambio en la cobertura del
glaciar, a través del tiempo, usando imágenes satelitales de alta resolución espacial SPOT,
tomadas sólo durante el verano austral. Metodologías tradicionales como el Índice de Diferencia
Normalizada de Nieve son generalmente utilizadas en este tipo de estudio. Sin embargo, para
esta investigación se optó por la utilización de técnicas basadas en morfología matemática. Esta
última herramienta resultó más eficaz, ya que presentó menos mezcla espectral en la detección
de borde de las coberturas de nieve/hielo.
Por otra parte, un análisis de correlación fue aplicado a dos imágenes de distintas fechas, para
calcular vectores de desplazamiento, estimando así velocidades del flujo de la nieve y el hielo
en la parte superficial de la masa glaciar.
3. Materiales
Los datos utilizados en esta investigación corresponden al programa SPOT (por sus siglas en
francés: Satellite Probatoire pour l'Observation de la Terre), el cual ha tenido cinco
generaciones en su haber, SPOT-1, 2, 3, 4 y 5, los cuales fueron lanzados respectivamente el 22
de febrero del 1986, el 22 de enero de 1990, el 26 de septiembre de 1993, 24 de marzo de 1998 y
el 4 de Mayo de 2002. SPOT-1 y SPOT-3 ya se encuentran fuera de servicio desde 1990 y 1996,
respectivamente. En el caso particular de esta investigación se utilizaron 7 imágenes con datos
asociados a los sensores HRV del SPOT 5 y 1 en modo pancromático y multiespectral, únicas
escenas hasta ahora tomadas sobre Bahía Esperanza con una baja cobertura de nubes desde los
años ochenta hasta la actualidad.
4. Detección espectral semi-automática de la nieve/hielo en imágenes SPOT
usando morfología matemática
La detección de coberturas de hielo y nieve en esta investigación, se basa en morfología
matemática, involucrando técnicas de segmentación de imagen, la cual asume que objetos en la
imagen están conectados por regiones con poca variación en los niveles de escala de grises.
SantiagoYépezetal.2009
Página2
Mientras, variaciones altas en los niveles de escala de grises entre dos píxeles adyacentes,
pueden indicar que esos dos píxeles pertenecen a diferentes objetos (Soille, 2003).
Dentro de la técnica de segmentación, se utilizó la transformación de watershed, la cual
considera la imagen en escala de grises como una representación topográfica. Suponiendo, que
se deja caer agua en tal superficie topográfica, de acuerdo a la ley de gravedad, ésta fluirá hacia
abajo, a lo largo de las pendientes más pronunciadas hasta alcanzar un mínimo. El grupo
completo de puntos de esta superficie, cuyas trayectorias de pendientes más abruptas alcanza un
mínimo, constituye la “cuenca de captura” (ver Fig. 2).
Nunatak
Glaciar Buenos Aires
Glaciar Flora
Línea de cuenca
Cuenca de captura
Área Periglaciar
Mínimo
Mar
N
Figura 2: El mínimo, la cuenca de captura y la línea de cuenca sobre la representación topográfica de una
imagen en escala de grises y resultado de la clasificación morfológica del glaciar “Buenos Aires” usando
técnicas de segmentación en una vista 3D.
Las “líneas de cuenca” son las zonas que dividen las cuencas de capturas adyacentes, las
cuales corresponden a los límites de objetos en la imagen (Soille, 2003).
En el caso particular de las imágenes SPOT se seleccionaron mínimos asociados al domo del
glaciar, los nunataks, el mar, la zona periglaciar y el glaciar Flora. Un mayor realce de la
transformación de watershed se logra con un grupo de marcadores definidos previamente,
eliminando así, efectos por sobre-segmentación. En total 9 marcadores de mínimos fueron
seleccionados en la imagen para calcular su gradiente, lográndose dividir el área de estudio en 9
regiones (ver Fig. 2). La ventaja de está técnica, es que permite de una manera rápida
discriminar regiones en la imagen, teniendo control directo de los objetos que se quiere
identificar, lo cual a veces se hace difícil con el uso de técnicas basadas en cocientes de bandas
o la utilización de clasificaciones supervisadas, donde la mezcla espectral afecta de manera
notoria.
5. Resultados de análisis de detección de cambio
La cobertura glaciar corresponde, en orden de importancia, a los glaciares Buenos Aires
(casquete en regresión), una porción del Kenney y el Pirámide como glaciares de valle de tipo
islándico (de escape), y por último el pequeño glaciar Flora, casi reducido a un glaciar de Circo,
presentando aún cierta conexión lateral en su flanco sureste con el glaciar Buenos Aires. La
divisoria del Monte Flora dibuja un conjunto de aristas largas y afiladas, mientras que otros
nunataks de la región presentan la típica forma piramidal o hörn (Nozal et al., 2007).
En el análisis de detección de cambio es posible observar una marcada regresión en el límite
oriental del domo del glaciar, principalmente el cambio abrupto se hace notorio entre los años
1990-2006 (ver Fig. 3), donde la regresión en la línea de costa se produce de manera drástica,
alcanzando en algunos casos los 250 m de separación. Mientras que la cara norte del casquete
pareciera estar afectado en menor proporción, observándose separaciones entre 90 y 100 m. Si
bien los cambios entre los años 1988, 1989 y 1990 no son tan evidentes como el salto entre los
años 1990-2006, esto puede deberse en cierta medida a que las imágenes son de años
consecutivos, y por ende no se producen variaciones importantes. Ahora bien, desde otro punto
de vista, relacionándolo con el comportamiento de la temperatura, al analizar el registro de la
base de datos meteorológica de la Estación Argentina Esperanza (ver Fig. 3), se observa que las
SantiagoYépezetal.2009
Página3
temperaturas entre los años 1988 y 1990 presentan una tendencia parecida, con valores que
promedian los -0.47 y 0.70 °C.
Posteriormente, en el año 1992, existe una tendencia de aumento en el valor de la temperatura
hasta alcanzar un valor máximo en el 2006 de 2.47 °C. Si bien es claro que hay una relación
directa entre el aumento atípico de temperatura con el proceso de regresión en este casquete, es
necesario entender mejor la dinámica del glaciar antes de afirmar que estos eventos están
relacionados a procesos de cambio climático.
Glaciar Buenos Aires
Figura 3: Evolución del borde oriental del casquete glaciar Buenos Aires desde el año 1988 hasta el 2006
usando sólo imágenes del verano austral y registro de la temperatura según la base de datos de la estación
científica Esperanza, Bahía Esperanza - Península Antártica.
6. Análisis de la dinámica del glaciar usando técnicas de correlación
La técnica de correlación permite estimar el desplazamiento de un punto de una imagen
respecto a otra imagen de referencia. Se delimita el entorno del píxel bajo estudio por medio de
una ventana rectangular, y a partir de un conocimiento aproximado del margen máximo de
desplazamiento se delimita la región de búsqueda del píxel desplazado. Para identificar la nueva
posición se hace la correlación de la ventana rectangular en la imagen de referencia con una
ventana de la misma dimensión centrada en cada píxel de la región de búsqueda, la correlación
tendrá un valor máximo en su nueva posición (ver Fig. 4). Esta ventana rectangular estará
relacionada a la incertidumbre sobre la posición del píxel en la imagen secundaria (Berthier et
al., 2005).
Para este análisis se utilizó un par de imágenes SPOT-5 del año 2006 (correspondientes al
verano austral), las cuales tienen una diferencia de adquisición de 5 días. El objetivo de este
análisis busca estimar la velocidad y dirección de descarga del flujo del Glaciar “Buenos Aires”.
El programa utilizado para el análisis fue el COSI-corr, el cual fue diseñado en un principio para
la detección de deformaciones co-sísmica (Leprince et al. 2007, 2008). Esta aplicación fue
diseñada en el lenguaje IDL e incorporada a la plataforma ENVI como una extensión.
La aplicación permite el procesamiento de fotografias aéreas, así como imágenes satelitales,
incluyendo los sensores SPOT, ASTER y Quickbird. Es importante resaltar que los ángulos de
toma de las imágenes tienen que ser similares para poder obtener resultados sastifactorios.
SantiagoYépezetal.2009
Página4
CR
LR
Marca 1
Ls=LR + L
X
Cs= CR + C
Marca 2
X
0
(LR , CR)
Área de investigación
Imagen Pre-evento
Imagen Post-evento
Figura 4: Principios básicos de la técnica de correlación
La metodología para estimar velocidades a partir de imágenes conlleva a una serie de procesos
que deben aplicarse antes de la correlación. Una serie de puntos de control en el terreno se
generan de manera automática.
Estos puntos son creados a partir de una imagen cruda binaria (esclava), con respecto a una
imagen previamente ortorectificada (maestra). El Modelo de Elevación Digital utilizado en el
proceso de ortorectificación es del Proyecto de Mapeo Antártico de RADASAT (Noltimier et
al., 1999).
Una vez los procesos de corrección geométrica y de orto-corrección son aplicados, los
desplazamientos horizontales del terreno son recuperados de la correlación a nivel de sub-píxel
de estas imágenes. Esta correlación se basa en un proceso que estima el plano de la fase en el
dominio de Fourier. Este análisis produce dos imágenes de correlación, cada una de ellas
representando la componente de desplazamiento horizontal del terreno (este-oeste y norte-sur),
y una imagen asociada a la relación de señal – ruido (SNR por sus siglas en inglés: Signal-Noise
Ratio) para cada medición, la cual sirve para evaluar la efectividad de los resultados.
A partir de las imágenes norte-sur y este-oeste se puede generar los vectores de
desplazamiento, revelando de esta manera los patrones de flujo del hielo y la nieve en la parte
superficial del glaciar. Además, es posible conocer el gradiente de la velocidad, ya que
conocemos la distancia “D”, obtenida a partir de la ecuación: D (Dx) 2 (Dy) 2
Siendo,
Dx: desplazamientos este-oeste
Dy: desplazamientos norte-sur
Debido a que el tiempo de separación de las imágenes es de 5 días, y la hora de toma del
satélite para el área es la misma, es posible crear un mapa de desplazamiento.
Evaluando las estadísticas en el mapa de desplazamiento podemos observar que la velocidad
mínima y máxima se ubica entre los rangos 0 a 2139 cm día-1 respectivamente, mientras que la
velocidad media en la escena es de 185 cm día-1 (ver Fig. 6).
Figura 6: En la imagen 1: la orto-imagen SPOT-5 adquirida el 07/01/2008 con los vectores de desplazamiento
obtenidos a partir de las componentes Dx y Dy extraídos de las imágenes Norte-Sur y Este-Oeste, sobre el
domo del glaciar Buenos Aires (en color beige). La imagen 2: muestra la velocidad de desplazamiento la cual
fue normalizada a velocidades diarias en centímetros. La velocidad media obtenida para la descarga de flujo
de hielo/nieve fue de aproximadamente 185 cm día-1.
SantiagoYépezetal.2009
Página5
7. Calibración de los resultados del proceso de correlación
La calibración consiste en ajustar los resultados del proceso de correlación usando información
topográfica derivada de una fuente completamente distinta a las imágenes satelitales. La
calibración se hace desde dos evaluaciones distintas: la primera consiste en relacionar el ángulo
acimutal de los vectores de desplazamiento con el mapa de aspecto. La segunda relaciona el
perfil de velocidad con el perfil topográfico, correspondiente a la misma transecta sobre el domo
del glaciar.
En la primera evaluación, los ángulos acimutales de los vectores de desplazamiento son
calculados y posteriormente comparados con el mapa de aspecto (ver figura 7a).
7a
7b
Figura 7: Glaciar “Buenos Aires” en 2D y 3D. Comparación de los vectores de desplazamiento del flujo de
nieve/hielo con el modelo de aspecto generado a partir del modelo de elevación del terreno del proyecto
Antarctic Mapping Project de RADARSAT. Para este caso sólo se están evaluando las pendientes con
orientación Norte y Nor-este del modelo de aspecto, los vectores rojos corresponden a los desplazamientos con
orientación Norte y los vectores anaranjados corresponden a los desplazamientos con orientación Nor-este.
Los vectores negros corresponden a desplazamientos con otra orientación.
Como se mencionó anteriormente, los vectores de desplazamiento son generados a partir de
dos (2) imágenes de desplazamiento horizontal (este-oeste y norte-sur), mientras que el mapa de
aspecto (modelo independiente de la correlación) es obtenido directamente del Modelo de
Elevación Digital del Terreno, el cual simplemente proporciona la dirección de la pendiente, la
cual es clasificada, según un rango de orientación (norte, este, oeste, sur, etc.) o el ángulo
acimutal (entre 0° - 360°).
Para efectos de este artículo, se eligió como área piloto las pendientes del glaciar con
orientación norte entre 0° – 22,5° y 337,5°-360° y nor-este entre 22,5°-67,5°. Los resultados de
la comparación entre el ángulo acimutal de los vectores de desplazamiento y el modelo de
aspecto se pueden apreciar en la figura 7b.
N
224
345
2000
0
0
620
247
metros
1500
320
153
275
207
1003
1000
453
301
207
221
208
454
500
1355
303
305
237
245
0
0
S
500
1000
1500
velocidad cm /día
Figura 8: Perfil de velocidad realizado sobre el glaciar “Buenos Aires”. La línea de color amarillo
corresponde al perfil con orientación Norte-Sur. El perfil ilustra el comportamiento de las fluctuaciones de
velocidad a lo largo de la transecto. La longitud del perfil está en metros y la velocidad está normalizada a cm
dia -1.
SantiagoYépezetal.2009
Página6
De acuerdo a esto, es notable la alta coherencia entre la orientación de los vectores de
desplazamiento y la orientación de las pendientes (aún cuando el modelo de aspecto posee una
resolución espacial de 200 m, mucho menor al de las imágenes SPOT-5), este hecho le otorga
una alta confiabilidad al proceso de correlación (entre 44,7% y 78,65%). Es de hacer notar que
estos resultados corresponden solamente a una sección representativa del área total de estudio.
Para la segunda evaluación, se consideró una transecta sobre la superficie del glaciar y se generó
un perfil sobre la imagen de velocidades (ver Fig. 8), posteriormente desde la misma transecta
se produjo el perfil topográfico. El objetivo del análisis busca estudiar las fluctuaciones de las
velocidades, estableciendo relaciones con los cambios de pendiente en el perfil topográfico.
Como se puede apreciar en la figura 9, los picos en el perfil de velocidad corresponden en gran
medida a cambios de pendientes favorables en la dirección de flujo. En algunos segmentos se
observaron resultados no coherentes (pendiente ascendente con un aumento de velocidad), esto
podría ser producto de un efecto inercial de la masa en movimiento.
De igual forma, hacia la línea de costa se observaron resultados no satisfactorios en cuanto a la
correspondencia con el modelo topográfico, tal vez como consecuencia de los efectos de borde
en la línea de costa. Es importante recordar que este DEM (por sus siglas en Inglés: Digital
Elevation Model) tiene una resolución espacial de 200 m, si se contara con un modelo de
elevación del terreno de mayor resolución espacial el porcentaje de coherencia de los datos se
incrementaría.
Sin embargo, en general los resultados indican una buena coherencia entre las velocidades
obtenidas a partir de modelo de correlación, con el contorno del terreno modelado, a través del
DEM.
S
Dirección de flujo
N
Figura 9: Comparación del modelo topográfico con el perfil de velocidad. Note la relación entre el aumento de
velocidad con la presencia de pendientes pronunciadas en el perfil topográfico.
8. Conclusiones
El uso de técnicas basadas en morfología matemática (segmentación) para la identificación de
patrones de cambio en la cobertura del glaciar, resultó ser eficaz para la delimitación de
coberturas de nieve/hielo, ya que la confusión en la identificación de objetos distintos se reduce
significativamente.
Se corroboró claramente que hay un proceso de regresión en el casquete “Buenos Aires”, y que
de continuar la tendencia de incremento de temperatura, podría provocar una reducción mucho
más acelerada y de mayores proporciones en la masa glaciar. Si bien, se puede suponer que
eventos como estos pudieran estar relacionados al calentamiento global, solo el análisis en más
profundidad y en una dimensión de tiempo mayor, permitirá establecer una relación directa con
procesos de cambio climático.
Se demostró que el análisis de correlación es consistente con los procesos dinámicos en la
superficie del glaciar, sin embargo es necesario desarrollar controles de calibración de los datos,
que permitan evaluar la calidad de los resultados usando modelos independientes como: perfiles
de velocidad, mapas de aspecto o mediciones de GPS en modo diferencial.
El adelanto en este tipo de metodologías representa un gran progreso en los estudios de
dinámica de glaciares y balance de masa, sobre todo en zonas tan remotas, donde mediciones
SantiagoYépezetal.2009
Página7
con técnicas tradicionales resultan extremadamente costosas y la logística para la recolección de
datos es complicada. Es importante continuar el análisis de correlación con imágenes multitemporales con el fin de establecer si ciertamente el incremento atípico de la temperatura es esta
zona ha activado un proceso de regresión en las masas glaciares de la Península Antártica,
producto del calentamiento global.
9. Agradecimiento
Esta investigación es parte del “Programa Científico Antártico Venezolano” y fue financiada
por el Ministerio para el poder popular para Ciencia y Tecnología.
A la empresa SPOT Image por el suministro de las imágenes SPOT en el marco de la iniciativa
PLANET ACTION, la cual promueve estudios relacionados a procesos de cambio climático.
10. Referencias bibliográficas
Berthier, E., Vadon, H., Baratoux, D., Arnaud, Y., Vicent, C., Feigl, K. L., et al. (2005)
Surface motion of mountain glaciers derived from satellite optical imagery. Remote
Sensing of Environment, 95, 14-28.
Kääb, A. et al. (2002) Glacier monitoring from ASTER imagery: accuracy and applications.
Proceedings of E ARSeL-LISSIG-Workshop Observing our Cryosphere from Space,
Bern, March 11 – 13,
Leprince, S., S. Barbot, F. Ayoub, and J. P. Avouac (2007), Automatic, precise, orthorectification and co-registration for satellite image correlation: Application to
sismotectonics, IEEE Trans.Geosci. Remote Sens., 45, 1529–1558.
Noltimier, K.F.; Jezek, K.C.; Sohn, H.G.; Li, B.; Liu, H.; Baumgartner, F.; Kaupp, V.;
Curlander, J.C.; Wilson, B.; Onstott, R. (1999) RADARSAT Antarctic Mapping
Project-mosaic construction. Geoscience and Remote Sensing Symposium, 1999.
IGARSS apos; 99 Proceedings. IEEE 1999 International Volume 5, Issue, 1999 PP:
2349 – 2351.
Nozal, F., Martín-Serrano, A., Montes, M. y del Valle, R. (2007). Ablación glaciar y
procesos activos en la costa austral de bahía esperanza (Península Antártica). VI
Simposio Argentino y III latinoamericano sobre Investigaciones Antárticas. Dirección
Nacional del Antártico / Instituto Antártico Argentino - 10 al 14 de Septiembre de 2007.
Soille, Pierre (2003) Morphological Image analysis Principles and applications. Second
Edition. Springer –Verlar Berlin Heidelberg New York. PP. 1- 391.
Scherler D. et al. (2008) Glacier-surface velocities in alpine terrain from optical satellite
imagery – Accuracy improvement and quality assessment. Remote Sensing of
Environment 112 (2008) PP. 3806-3819.
Tett, S. F. B., et al. (2002) Estimation of natural and anthropogenic contributions to twentieth
century temperature change, Journal of Geophysical Research, Vol. 107.
Vadon H, (2000) Earthquake displacement fields mapped by very precise correlation.
Complementarity with radar interferometry". IEEE International Geoscience Remote
Sensing Symposium, 2000.
Vadon H. and Berthier E. (2004) Measurement of glacier velocity fields using very precise
multitemporal correlation on high resolution SPOT5 images. ISPRS Symposium,
Istanbul.
Yermolin, E. y Silva Busso, A. (2007) Desarrollo de termokarst y aguas subterráneas en Bahía
Esperanza, Península Antártica VI Simposio Argentino y III latinoamericano sobre
investigaciones antárticas.
Dr. Gareth Marshall. Monthly mean surface temperature at Esperanza station web site
http://www.nerc-as.ac.uk/icd/gjma/esperanza.temps.html
Last Revised: Thursday 6 November, 2008.
SantiagoYépezetal.2009
Página8
GEODESIA
INSTALACIÓN Y FUNCIONAMIENTO DEL CENTRO
EXPERIMENTAL DE PROCESAMIENTO Y ANÁLISIS GNSS
SIRGAS DEL LGFS-LUZ
Cioce V., Hoyer M., Acuña G., Wildermann E., Royero G., Méndez T., Espinosa R.
Laboratorio de Geodesia Física y Satelital –LGFS–, Escuela de Ingeniería Geodésica de la Universidad del
Zulia. Maracaibo, Venezuela.
E-mail: [email protected]
RESUMEN
La necesidad de definir en el continente americano un sistema de referencia geocéntrico moderno,
de alta calidad y consistente con las técnicas observacionales de vanguardia, motivó el surgimiento
del Proyecto SIRGAS, cuyo objetivo principal fue el de establecer el Sistema de Referencia
Geocéntrico para las Américas así como un datum geodésico homogéneo para toda la región.
SIRGAS fue materializado en 1995 y luego en 2000 a través de dos megacampañas de observación
satelital GPS, no obstante, ha sido indispensable mantener actualizado el sistema a fin de dar
respuesta a los requerimientos de alta exactitud por parte de la comunidad de usuarios. Por tal
motivo, una nueva materialización de SIRGAS ha estado operativa mediante la Red SIRGAS de
Operación Continua (SIRGAS-CON), la cual agrupa una gran cantidad de estaciones GPS
permanente, sus datos son procesados semanalmente, generando así soluciones multitemporales en
términos de coordenadas y velocidades. Las estaciones de esta red corresponden a la densificación
de SIRGAS que cada país miembro ha hecho, contribuyendo así con la modernización de sus
propios controles geodésicos. Ante el constante aumento de las estaciones permanentes, los centros
de procesamiento no tendrán una adecuada capacidad de respuesta, razón por la cual el Proyecto
SIRGAS promueve la instalación de centros nacionales de cálculo que en la medida de lo posible,
se encarguen de sus propias redes. Con este trabajo se pretende dar a conocer las actividades
adelantadas en Venezuela por el Centro Experimental de Procesamiento y Análisis GNSS SIRGAS
del LGFS-LUZ.
Palabras clave: SIRGAS, centro de procesamiento, GNSS, LGFS.
INTRODUCCIÓN
El continente americano cuenta desde hace aproximadamente 15 años, con un sistema de referencia
de alta exactitud y consistente con las modernas técnicas geodésicas, conocido como SIRGAS
(Sistema de Referencia Geocéntrico para las Américas). Su materialización ha estado vinculada
desde un principio al ITRF (International Terrestrial Reference Frame), razón por la cual SIRGAS
ha evolucionado en el tiempo a fin de satisfacer las necesidades de sus usuarios. En tal sentido, dos
campañas de observaciones GPS fueron ejecutadas en 1995 y 2000, proporcionando así
coordenadas y velocidades confiables de las estaciones que integran la red, de las cuales se derivan
los controles geodésicos nacionales vigentes de los países miembros, ej. REGVEN (Hernández et
al., 2000).
Posterior a la segunda materialización de SIRGAS, comenzaron a instalarse estaciones de
observación GPS continua en la región con la finalidad de facilitar el mantenimiento, actualización
y consistencia tanto del sistema como del marco de referencia. Actualmente, un conjunto de
aproximadamente 200 estaciones de medición GPS permanente (cantidad que sigue en ascenso),
integran la red SIRGAS-CON (SIRGAS-Continuously Operating Network), agrupando tanto
vértices de la red del IGS (International GNSS Service) como a aquellas correspondientes a las
densificaciones del marco geocéntrico que cada país miembro ha realizado en pro de la
modernización de su infraestructura geodésica bajo el esquema de operatividad permanente (Cioce,
2009). El hecho de contar con un servicio geodésico de este nivel, representa la base para el
desarrollo y continuidad de investigaciones multidisciplinarias vinculadas con la Geodesia,
Geodinámica, Cartografía, Ciencias de la Atmosfera, entre otras más, además, favorece a las
aplicaciones rutinarias basadas en navegación y posicionamiento satelital.
Las observaciones GPS realizadas diariamente por cada una de las estaciones SIRGAS-CON, son
procesadas por los centros oficiales de procesamiento, generando soluciones semanales y
multianuales que ofrecen tanto coordenadas como velocidades, sirviendo de apoyo a las diversas
labores científico-técnicas de todo usuario. Se estima que debido al aumento en la cantidad de
estaciones continuas, dichos centros no ofrezcan la capacidad suficiente para llevar a cabo todas las
actividades relacionadas con el cálculo semanal de la red y en este sentido el Proyecto SIRGAS
durante su reunión celebrada en Montevideo-Uruguay en 2008, ha exhortado a cada país miembro a
conformar su propio grupo de procesamiento a cargo de sus propias estaciones (Brunini y Sánchez,
2008)
En Venezuela, al disponer de una red de operación permanente como REMOS, a cargo del IGVSB
y de una amplia y reconocida experiencia en cuanto a tópicos relacionados con la Geodesia de alto
nivel y sus aplicaciones prácticas a través del LGFS-LUZ, se asumió la responsabilidad de
conformar un centro de procesamiento SIRGAS, que inicialmente y de acuerdo a los lineamientos
del Grupo de Trabajo I del Proyecto SIRGAS, funciona de manera experimental. Seguidamente se
describen las actividades desarrolladas por el recientemente creado CEPAGSIRGAS-LUZ (Centro
Experimental de Procesamiento y Análisis GNSS SIRGAS del LGFS-LUZ).
INSTALACIÓN Y CONFORMACIÓN DEL CEPAGSIRGAS-LUZ
Dentro de la estructura organizativa de los Centros de Análisis SIRGAS, un Centro Experimental es
un candidato a convertirse en Centro Local de Procesamiento (SIRGAS, 2009), estos últimos son
responsables de generar las soluciones semanales de la red a partir de las cuales se obtienen los
productos finales (coordenadas y velocidades principalmente). En este sentido, los centros
experimentales cumplen un periodo de prueba de un año, dentro del cual adecuan sus estrategias de
cálculo a las especificaciones SIRGAS y hacen entrega oportuna y permanente de los resultados
estimados para un segmento de la red SIRGAS-CON; sus soluciones no son consideradas para la
obtención de productos finales, simplemente son sometidos a revisión y evaluación.
En función de lo expuesto anteriormente, fue necesario realizar un estudio de factibilidad que
permitiera diagnosticar el estado de los recursos humanos y técnicos que soportarán adecuadamente
la instalación de un centro experimental de procesamiento en función de su permanencia en el
tiempo. Adicionalmente, se estudió el funcionamiento del Centro Local de Procesamiento del IGAC
(Instituto Geográfico Agustín Codazzi, Colombia), lo que permitió conocer los detalles propios de
la actividad estándar desarrollada semanalmente por cada centro.
A partir de esta etapa y luego de seleccionar y entrenar al personal requerido, se realizó un
procesamiento piloto de un total de 17 semanas de datos GPS captados en las estaciones
permanentes ubicadas en el norte del continente suramericano, siendo posible definir una estrategia
adecuada que desde un punto de vista técnico y logístico, permitiera el funcionamiento permanente
del CEPAGSIRGAS-LUZ. De manera oficial las actividades del centro iniciaron a partir de la
semana GPS 1525 que corresponde desde el 29.03.2009 al 04.04.2009, presentando un balance
positivo en cuanto a entrega y calidad de los resultados.
El CEPAGSIRGAS-LUZ está conformado por un (1) Coordinador, responsable por el optimo
funcionamiento y operatividad del centro, dos (2) Asistentes de Cálculo, quienes realizan la
descarga, edición y preparación de los datos considerados en el procesamiento semanal y (2)
Asesores Científicos. Además, cuenta con la colaboración y asistencia invaluable del DGFI
(Deutsches Geodätisches Forschunginstitut) y del IGAC (Cioce et al., 2009).
FUNCIONAMIENTO
Las actividades básicas del CEPAGSIRGAS-LUZ pueden ser consideradas como cíclicas, pues
culminada la última etapa del proceso se retorna nuevamente a la primera, variando tan solo en los
insumos necesarios para el cálculo, es decir, datos y orbitas GPS y otra información de interés. La
red sujeta a procesamiento corresponde a la densificación norte de SIRGAS-CON, la cual incluye
estaciones permanentes de Colombia, Venezuela, Costa Rica, México, islas del Caribe y algunas del
IGS ubicadas dentro y fuera del área que sirven de enlace con las densificaciones del centro y sur y
a su vez con el ITRF. Hasta la fecha, se tratan 97 estaciones en total, que generan un volumen
aproximado de 3GB semanales, los datos de observación GPS son ofrecidos por las respectivas
instituciones responsables de las subredes.
Una vez que los datos han sido debidamente obtenidos y organizados, lo que corresponde a la
primera etapa del ciclo, se someten a un proceso de revisión y edición con el que se pretende
corregir defectos en cuanto a la nomenclatura, estructura e información contenida en los archivos
RINEX. Este paso es de gran importancia, por cuanto el tratamiento de una red tan extensa obliga a
garantizar la homogeneidad en los datos y por ende en el procesamiento. La segunda etapa consiste
en la adecuación del software siendo el Bernese GPS Software v 5.0 (Beutler et al., 2004) la
plataforma de procesamiento utilizada en su modalidad BPE (Bernese Processing Engine).
El procesamiento se ejecuta bajo un enfoque científico, aplicando para ello una rigurosa estrategia
en la que intervienen el uso de orbitas precisas, adecuados modelos troposféricos, ionosféricos, de
resolución de ambigüedades y de carga oceánica, centros de fase absolutos de las antenas GPS y
componentes de velocidad asociadas a las estaciones de la red. Las ecuaciones normales obtenidas
por cada día de la semana son combinadas para dar paso a una solución final semilibre para las
coordenadas. El CEPAGSIRGAS-LUZ hace entrega al DGFI de un archivo SINEX por semana
GPS procesada, además se incluyen para efectos de control, las respectivas ecuaciones normales,
desde el inicio de actividades (semana 1525), el envío de resultados ha sido constante y puntual,
requisito indispensable para el optimo funcionamiento de la estructura SIRGAS-CON.
Vale destacar que cada centro de procesamiento tanto local como experimental, lleva a cabo el
procesamiento de la red bajo un mismo esquema, de manera que sus soluciones son ajustadas
posteriormente por los Centros de Combinación para derivar así los productos finales disponibles a
todo usuario a través del portal web del Proyecto SIRGAS.
Este ciclo de actividades (obtención de los datos y archivos generales de procesamiento, pre y
postprocesamiento, combinación de ecuaciones normales y envío de resultados al Centro de
Combinación SIRGAS-CON del DGFI), se desarrolla en un lapso de cuatro semanas:
Semana 1: Recolección in situ de datos GPS por parte de las estaciones de observación
continua.
Semana 2: Obtención, organización y preparación de los datos GPS en el centro de
procesamiento.
Semana 3: Adquisición de archivos correspondientes a orbitas precisas del IGS, parámetros de
rotación terrestre y modelos ionosféricos.
Semana 4: Procesamiento de la red y consignación de resultados al Centro de Combinación.
El funcionamiento del CEPAGSIRGAS-LUZ ha sido optimizado gracias al diseño e
implementación de herramientas automatizadas para la descarga y preparación de los datos
involucrados en el procesamiento de cada semana GPS, lo que permite reducir el tiempo dedicado a
sus actividades básicas y desarrollar otro tipo de investigaciones y aplicaciones asociadas con los
productos finales.
PRODUCTOS ASOCIADOS
Con la instalación y funcionamiento del CEPAGSIRGAS-LUZ, Venezuela ratifica su participación
y disposición de seguir colaborando con uno de los proyectos internacionales más exitosos, el
Proyecto SIRGAS. Hasta el momento, dada su condición de centro experimental, se ha centrado en
satisfacer las exigencias establecidas por el Grupo de Trabajo I en cuanto a la consistencia de las
soluciones semilibres generadas semanalmente (control interno y externo de los resultados) y a la
entrega puntual de las mismas. Esta meta ha sido alcanzada exitosamente tras el procesamiento
efectivo de 21 semanas GPS y se prevé su permanencia en el tiempo en miras a llegar a convertirse
en Centro Local de Procesamiento.
Los productos primarios asociados al CEPAGSIRGAS-LUZ son las coordenadas de las estaciones
de observación continua que se incluyen en el procesamiento correspondiente a una semana. Luego
del ajuste final realizado por los centros de combinación, se ofrecen entonces las coordenadas
finales para el periodo considerado, lo que implica la disponibilidad de posiciones actualizadas y de
alta exactitud, consistentes con el marco de referencia vigente en el continente. En otras palabras,
todo usuario que requiera vincularse al control geodésico de su país (considerando estos como
densificaciones locales de SIRGAS-CON), puede contar con coordenadas referidas a una época
cercana a la de sus observaciones sin pérdidas considerables de calidad si se trata de aplicaciones
comunes propias de las geociencias y disciplinas afines.
En las figuras 1a, 1b y 1c se presentan las variaciones semanales de las coordenadas estimadas para
la estación SIRGAS-REGVEN-REMOS Maracaibo (MARA). Las mismas están influenciadas por
las condiciones del procesamiento (ausencia de algunas estaciones o datos incompletos), lo que
naturalmente influye sobre las características de la red. No obstante, cambios en las componentes
cartesianas en el orden de magnitud mostrado, son aceptables y se convierten en un control interno
de las determinaciones.
Figura 1a: Variación semanal para la componente geocéntrica X de la estación MARA.
Figura 1b: Variación semanal para la componente geocéntrica Y de la estación MARA.
Figura 1c: Variación semanal para la componente geocéntrica Z de la estación MARA.
Para demostrar la consistencia externa de las determinaciones semanales, se presenta en la figura 2a
y 2b la comparación entre los RMS de los residuales arrojados por una transformación de Helmert
con siete (7) parámetros para las coordenadas calculadas por el CEPAGSIRGAS-LUZ y aquellas
estimadas por el IGAC (IGA) y DGFI (DGF) respectivamente. En ambos casos, los RMS muestran
tendencias similares para las componentes X e Y de manera individual para cada semana procesada,
sus valores resultan inferiores a los ±2mm en ambas transformaciones; en el caso de la componente
Z, esta alcanza valores en su RMS en el orden de los ±4mm. No obstante, puede inferirse sobre la
buena consistencia entre la solución LUZ con la IGA y DGF, esto tomando en cuenta las
características de la red procesada.
Figura 2a: RMS de los residuales obtenidos entre las soluciones LUZ vs. IGA.
Figura 2a: RMS de los residuales obtenidos entre las soluciones LUZ vs. DGF.
Adicionalmente, se presentan las diferencias absolutas de coordenadas LUZ-IGA y LUZ DGF, estas
son ilustradas en las figuras 3a y 3b. Para la comparación LUZ-IGA, las variaciones no exceden el
centímetro lo que demuestra la calidad externa de las determinaciones del CEPAGSIRGAS, pues
ambos centros procesan la misma red. Los valores que reflejan bruscas variaciones son atribuidos a
la posible falta de observaciones para una misma semana o bien a la exclusión voluntaria de algunos
días de medición de acuerdo al criterio propio de cada centro de procesamiento.
Figura 3a: Diferencias de coordenadas semilibres LUZ vs. IGA.
Figura 3b: Diferencias de coordenadas semilibres LUZ vs. DGF.
La comparación LUZ-DGF muestra tendencias menos uniformes en las tres componentes, lo que
resulta lógico por cuanto el DGFI procesa otras estaciones de la red SIRGAS-CON, tratándose de
redes con diferente configuración geométrica. Una vez más, y tomando en cuenta el orden de
magnitud de estas comparaciones, se confía en los resultados proporcionados por el
CEPAGSIRGAS-LUZ.
De esta manera, se ofrecen soluciones periódicas del procesamiento de las estaciones de la red
SIRGAS-CON-Norte en términos de sus coordenadas, especialmente aquellas que conforman a
REMOS y que están avaladas por SIRGAS (Maracaibo, Caracas, Cumaná, Barinas y San
Cristóbal), las posiciones tridimensionales geocéntricas quedan ajustadas al marco de referencia
vigente. Además de coordenadas para las estaciones de la red, el CEPAGSIRGAS-LUZ está en la
capacidad de llevar a cabo análisis temporales del comportamiento de las posiciones obtenidas, lo
que permitiría la monitorización del movimiento descrito por los puntos de interés a través del
cálculo de sus coordenadas fijas, lo que está asociado con la estimación de componentes de
velocidad y estudios relacionados con la geodinámica local. De esta manera podría evaluarse la
estabilidad y evolución de los vértices REMOS como marco geodésico de referencia.
Además, ante las más recientes innovaciones en materia de posicionamiento satelital en tiempo real,
el CEPAGSIRGAS-LUZ a través de la Comisión SIRGAS-Tiempo Real, contribuirá con el estudio
y desarrollo del NTRIP y otras metodologías emergentes en Venezuela. Vale destacar algunos
avances en esta materia realizados por Márquez (2007), Briceño y Mass I Rubí (2009) y Ramos y
Viloria (2009).
En otro orden de ideas, existe el interés de aprovechar la infraestructura del centro de procesamiento
como plataforma para el estudio del cambio global, especialmente en tópicos relacionados con el
componente atmosférico. A través de las mediciones GPS realizadas en la estación MARA, se ha
logrado estimar el contenido de vapor de agua integrado para un periodo de prueba de dos meses.
Este gas es considerado como el principal promotor del efecto invernadero, razón por la cual resulta
interesante la evaluación de su comportamiento temporal y espacial así como su relación con la
polución del aire y fenómenos derivados. El vapor de agua es también un elemento de vital interés
en procesos meteorológicos e hidrológicos, de manera que estas estimaciones pueden ser utilizadas
en la predicción del clima, comprensión del ciclo del agua y otros eventos.
Desde hace más de 10 años el GPS ha sido empleado en este de tipo estudios (Bevis et al., 1992),
ofreciendo resultados altamente satisfactorios. Al no contar con antecedentes en Venezuela, se abre
la posibilidad de desarrollar numerosas investigaciones sobre el tópico. Actualmente en el LGFS se
está trabajando en la obtención, análisis e interpretación de determinaciones de vapor de agua
integrado y su conexión con las posibles alteraciones climáticas en la región, por medio de
observaciones satelitales GPS.
CONCLUSIONES
Con el funcionamiento de este centro experimental de procesamiento SIRGAS, se espera contribuir
con el fortalecimiento de la infraestructura geodésica continental y nacional, en lo que respecta al
mantenimiento y densificación del sistema de referencia y datum geodésico. Los productos
generados por el CEPAGSIRGAS-LUZ sin duda alguna beneficiarían a las diversas actividades que
dentro del ámbito de las geociencias, se desarrollan en el país, tanto en lo técnico como a nivel
científico. Además de los estudios que comúnmente son desarrollados en base a la adquisición y
procesamiento de datos GNSS de las estaciones continuas SIRGAS, existe la posibilidad de definir
nuevas líneas de investigación en el área del cambio global, modelos de corrección atmosférica para
observaciones satelitales, posicionamiento y navegación, entre otras.
En función de los resultados obtenidos semanalmente, luego del procesamiento de la red SIRGASCON-Norte, y de la evaluación y validación de los mismos, puede decirse que su fase de
implementación y operatividad fue exitosamente superada.
Finalmente, se extiende la invitación a todas aquellas instituciones que deseen cooperar y aportar
sus ideas para la consolidación del CEPAGSIRGAS-LUZ.
REFERENCIAS
1. Beutler G., Bock H., Dach R., Fridez P., Gäde A., Hugentobler U., Jäggi A., Meindl L., Mervart
L., Prange L., Schaer S., Springer T., Urschl C., Walser P. (2004): “Bernese GPS Software v
5.0”. Instituto Astronómico de la Universidad de Berna. Berna, Suiza.
2. Bevis M., Businger S., Herring T., Rocken C., Anthes R., Ware R. (1992): “GPS Meteorology:
Remote Sensing of Atmospheric Water Vapor Using the Global Positioning System”. Journal of
Geophysical Research. Vol. 97, No. D14.
3. Briceño A. y Mass I Rubí L. (2009): “Implementación del servicio NTRIP en la estación GPS
de monitoreo permanente REMOS-MARA”. Trabajo Especial de Grado para optar al Título
de Ingeniero Geodesta. Universidad del Zulia. Maracaibo, Venezuela.
4. Brunini C. y Sánchez L. (2008): “SIRGAS, Reporte 2007-2008”. Boletín Informativo No. 13.
Disponible en http://www.sirgas.org.
5. Cioce V. (2009): “Diseño e Instalación del Centro de Procesamiento y Análisis GNSS
SIRGAS del LGFS-LUZ”. Proyecto de Investigación. Escuela de Ingeniería Geodésica de la
Universidad del Zulia. Maracaibo, Venezuela.
6. Cioce V., Hoyer M., Wildermann E., Espinosa R., Méndez T., Angarita M. (2009):
“Actividades desarrolladas por el Centro Experimental del Procesamiento y Análisis GNSS
SIRGAS del LGFS-LUZ (CEPAGSIRGAS-LUZ)”. Reunión SIRGAS 2009. Buenos Aires,
Argentina.
7. Hernández N., Drewes H., Tremel H. (2000): “La Red Geodésica Venezolana”. Servicio
Autónomo de Geografía y Cartografía Nacional.
8. Márquez A. (2007): “NTRIP, herramienta indispensable para la Cartografía y el Catastro”.
II Jornadas Nacionales de Geomática. Caracas, Venezuela.
9. Ramos F. y Viloria D (2009): “Evaluación e Implementación de mediciones GNSS mediante
el uso de NTRIP en Petróleos de Venezuela. S.A. (PDVSA)”. Trabajo Especial de Grado para
optar al Título de Ingeniero Geodesta. Universidad del Zulia. Maracaibo, Venezuela.
10.SIRGAS (2009): “Centros de Análisis SIRGAS”. Disponible en http://www.sirgas.org.
VALIDACIÓN DE MEDICIONES GPS-NTRIP EN VENEZUELA Y
SUS APLICACIONES EN EL ÁMBITO DE LA GEOMÁTICA
Mass I Rubí L., Briceño A., Royero G., Cioce V., Wildermann E., Hoyer M.,
Bacaicoa L., Barrios M.
Laboratorio de Geodesia Física y Satelital –LGFS–, Escuela de Ingeniería Geodésica de la Universidad
del Zulia. Maracaibo, Venezuela.
E-mail: [email protected], [email protected], [email protected]
RESUMEN
El posicionamiento satelital GNSS ha beneficiado indudablemente a una gran diversidad de
usuarios vinculados con las geociencias. Ante los avances tecnológicos y la búsqueda constante
de la optimización de esta herramienta, las mediciones en tiempo real han sido objeto de
múltiples estudios, ofreciéndose así tanto mejoras en los métodos existentes como nuevas
técnicas que ofrecen niveles de calidad nunca antes vistos. De esta manera se cuenta hoy en día
con el protocolo NTRIP, siendo un medio para la transmisión de correcciones diferenciales
GNSS vía Internet. Aunque en Venezuela ya existen antecedentes sobre la aplicación de esta
modalidad, este trabajo expone los primeros ensayos realizados para la validación del GPSNTRIP y sus posibles aplicaciones en el ámbito de la geomática. El mismo fue posible gracias a
la renovación y adecuación instrumental de la estación SIRGAS-REGVEN Maracaibo, la cual
se convirtió en la primera del país en formar parte de la red NTRIP del International GNSS
Service (IGS). A partir de los resultados obtenidos, trabajos propios de la topografía,
cartografía, catastro, percepción remota y otras disciplinas afines, pueden encontrar en este tipo
de mediciones, una fuente para la adquisición de datos georreferenciados con niveles de
exactitud y precisión lo suficientemente adecuados para sus objetivos y a menores costos en
relación con otros procedimientos observacionales GPS.
Palabras clave: GPS, NTRIP, tiempo real, SIRGAS-REGVEN Maracaibo.
1.- INTRODUCCIÓN.
Desde la invención y operatividad del Sistema de Posicionamiento Global (GPS), las diferentes
áreas de las geociencias se han interesado en estudiar a fondo el sistema, evaluar nuevas
formas y maneras de usar las señales emitidas con el objeto de generar soluciones adaptadas a
las distintas necesidades del hombre. Dentro de las diferentes técnicas empleadas en el GPS, una
de las que ha registrado cambios significativos en cuanto a su metodología, exactitud, ahorro de
costos y tiempo, es el posicionamiento GPS en tiempo real, el cual se ha beneficiado de los
importantes avances en materia tecnológica y de comunicación para convertirse en una de las
técnicas mas novedosas y de vanguardia.
Hoy día la Internet se ha convertido en la base de comunicación universal, su protocolo TCP/IP
es el estándar de las redes, el cual permite enlazar múltiples computadores generando
transmisión e intercambio de información entre ellos. (De Vallejo, 2008).
Los sistemas de telefonía celular cuentan con plataformas como CDMA, GSM, GPRS, que
permiten navegar en la red y acceder a información o datos que se estén insertando o
transmitiendo en la misma, esto permite darle una nueva visión al intercambio de información y
es aquí donde se crea NTRIP (Network Transmission of RTCM Internet Protocol). (Wübbena
G., 2004).
De esta manera, se presentan diferentes ensayos efectuados para la ejecución de mediciones
GPS-NTRIP en Venezuela, usando como estación difusora de correcciones RTCM 3.0, la
estación REMOS (Red de Estaciones de Monitoreo Satelital GPS) Maracaibo perteneciente al
IGVSB (Instituto Geográfico Venezolano Simón Bolívar), la cual a su vez, forma parte desde el
31 de Octubre de 2008 de la red mundial de estaciones NTRIP del IGS. Todos estos ensayos
estuvieron orientados a las distintas aplicaciones y necesidades de la geomática en el país.
2.- EL SISTEMA NTRIP.
Una estación DGPS en tiempo real (Differencial GPS) en su configuración más simple consiste
de un receptor GPS colocado sobre una posición geodésica conocida, midiendo de forma
continua los pseudorangos hacia un determinado número de satélites GPS. A partir de dichas
coordenadas y de las órbitas, es posible calcular el pseudorango teórico, que al ser comparados
con las observaciones reales, permite derivar las correcciones diferenciales (Seeber G., 2003).
Este mismo principio es el empleado en el GPS-NTRIP, contando además con una serie de
elementos que en conjunto dan vida al sistema. Estos elementos son (ver figura 1):
Fuente NTRIP: Esta constituido por el receptor GPS con todos sus componentes (Antena y
receptor) y es el encargado de proporcionar las correcciones en formato RTCM como flujo de
datos.
Servidor NTRIP: En un software ejecutable en un ordenador que se encarga de enviar los datos
de corrección emitidos de la fuente NTRIP hasta el centro difusor de las correcciones (Caster),
esto es posible mediante una conexión TCP/IP.
Centro difusor de correcciones NTRIP (Caster): Este módulo se encarga de recibir los datos
de corrección desde el servidor NTRIP y distribuirlos a los distintos usuarios del sistema. El
Caster interactúa entre el Servidor y el Usuario NTRIP de la misma forma que el radio-internet.
También se encarga de verificar la integridad del sistema así como la administración y
autentificación de cada uno de los usuarios por medio de sus nombres y claves respectivas.
Usuario NTRIP: Segmento encargado de recibir las correcciones en formato RTCM y
aplicarlas para la obtención de un posicionamiento en tiempo real. Está compuesto
principalmente por el software cliente que puede ser instalado en un teléfono celular, PC portátil
o controladora de mano según sea la disponibilidad. Por medio de este programa es posible el
acceso al Caster a través de una conexión HTTP a la dirección IP del mismo. (Weber G., 2006).
Figura 1. Elementos del sistema NTRIP.
3.- EVALUACIÓN DEL NTRIP EN VENEZUELA.
Los primeros ensayos de mediciones NTRIP en Venezuela se dieron en 2007, por parte de la
empresa Mediciones Científicas e Industriales C.A. (MECINCA), las mismas consistieron en
evaluar la fiabilidad de las mediciones NTRIP usando como fuente emisora de correcciones un
Caster local. (Marquez A., 2007).
En el 2008 el LGFS (Laboratorio de Geodesia Física y Satelital), inicia las actividades
experimentales con la adquisición de instrumental compatible con la técnica, en primera
instancia, se realizaron pruebas de funcionalidad del receptor-servidor Sokkia GRS 2700 RS
como Caster y Servidor NTRIP, y posteriormente la suscripción de la misma en la red mundial
de estaciones NTRIP del IGS. Estos hechos permitieron abrir el camino hacia el interés de
evaluar la técnica y aplicarla en los diferentes ámbitos de las geociencias en el país.
Evaluación del Sistema NTRIP sobre líneas base cortas, medias y largas.
Se seleccionaron un total de 13 vértices ubicados en los municipios Maracaibo, San Francisco,
Santa Rita, Cabimas, Lagunillas y Baralt del estado Zulia. En cada una de las estaciones
ocupadas se efectuaron mediciones GPS en modo estático post procesado (sesiones de 2 a 8
horas) con la finalidad de obtener un patrón externo de comparación para las observaciones
NTRIP.
Instrumental empleado.
Como estación difusora de correcciones (Caster) se empleó la estación Maracaibo (MARA0) y
como dispositivos de posicionamiento GPS se utilizaron: un receptor de frecuencia dual Thales
Z-Max y uno de frecuencia simple Magellan Promark 3, ambos con todos sus accesorios. El
dispositivo de comunicación utilizado fue un teléfono celular Nokia modelo 6265 de una
operadora nacional con tecnología CDMA y los dispositivos gestores de información fueron una
PC portátil IBM Think Pad T43 y un controlador de mano Allegro CE de Juniper Systems.
Combinación de dispositivos.
La combinación de dispositivos solamente aplica para el segmento usuario ya que el servidor y
el caster NTRIP están establecidos. Para el caso del equipo Thales Z-Max (ver figura 1), se
accedió a Internet inalámbrico por medio del teléfono celular, configurándolo como modem, la
conexión entre el teléfono celular y la PC portátil se hizo mediante bluetooth. Para enviar las
correcciones hacia el receptor GPS se utilizó el software Cliente NTRIP GNSS Internet Radio
V 1.4.11 el cual es gratuito y disponible a través del portal web del la Agencia Federal de
Cartografía y Geodesia de Alemania (BKG), quien aplica dichas correcciones ofreciendo
entonces posiciones en tiempo real, visualizadas a través de la controladora de mano.
Figura 1. Combinación de Dispositivos utilizando el receptor GPS Z-Max.
En el caso del receptor GPS de una frecuencia la combinación de elementos fue más sencilla: se
utilizó el mismo teléfono celular y el Promark3 con su antena externa (ver figura 2). Para
proveer de Internet al receptor, el teléfono sirvió de modem inalámbrico. La configuración de la
medición se hizo por medio del software Fast Survey el cual interactúa como usuario NTRIP.
Figura 2. Combinación de dispositivos utilizando el receptor GPS Promark3.
RESULTADOS Y ANÁLISIS.
Para el procesamiento de las observaciones en modo estático se empleó un software de tipo
cuasi-científico conjuntamente con archivos de orbitas precisas para asegurar la rigurosidad del
procesamiento (Seeber G., 2003). Los resultados de las mediciones NTRIP fueron comparados
con aquellos derivados del postprocesamiento, obteniéndose diferencias de coordenadas entre
cada una de las estaciones involucradas. Las mismas son mostradas en la Tabla 1.
Los resultados con el receptor GPS de una frecuencia muestran que se obtuvieron soluciones
fijas para líneas base con longitud aproximada de 11Km, la diferencia mínima y máxima entre
las componentes horizontales fueron de 0,001m y 0,043m respectivamente, siendo el RMS de
estas diferencias ±0,014m. Para las líneas base superiores a los 11km, cuyas soluciones fueron
flotantes, se obtuvo una diferencia mínima de 0,193m y máxima de 0,700m, con un RMS
±0,215m. En el caso de la componente vertical, el RMS para las soluciones fijas fue de ±0,049m
y para las flotantes se ubicó en ±0,164m.
Tabla 1: Diferencias absolutas entre coordenadas postprocesadas y en tiempo real NTRIP.
DISTANCIA (Km)
0,006
0,005
0,020
0,280
2
3
5
11
15
38
59
72
120
UNA FRECUENCIA
POS (m)
ALT (m)
0,008
0,114
0,001
0,129
0,017
0,122
0,006
0,030
0,019
0,015
0,023
0,030
0,002
0,096
0,043
0,028
0,700
0,014
0,535
0,402
0,193
0,196
0,392
0,119
-
DOBLE FRECUENCIA
POS (m)
ALT (m)
0,010
0,112
0,008
0,089
0,025
0,130
0,020
0,018
0,009
0,050
0,022
0,065
0,062
0,271
0,018
0,168
0,032
0,066
0,023
0,227
0,016
0,170
0,025
0,129
0,201
0,410
Para el caso de las observaciones de una frecuencia, los resultados son ilustrados en la figura 3.
Diferencias de Coordenadas obtenidas entre Med. Estáticas y
NT RIP (L1)
Diferenciasdecoordenadas(m
)
0,75
0,70
0,65
0,60
0,55
0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
0,006
0,005
0,017
0,275
1,652
2,654
4,909
11,135
14,959
37,756
58,810
71,863
Longitud de líneas bases (km)
POS (m)
ALT (m)
Figura 3. Diferencia de coordenadas obtenidas entre mediciones estáticas y NTRIP usando receptor GPS (L1).
En el caso de las observaciones doble frecuencia (ver figura 4), se obtuvieron soluciones fijas
hasta una longitud de línea base aproximada de 72Km, cuyos resultados en RMS en la
componente horizontal fueron de ±0,014m con un valor mínimo y máximo de diferencias de
coordenadas de 0,008m y 0,062m respectivamente. Para la única solución flotante obtenida en
este ensayo correspondiente a la línea base de 120Km, el valor de diferencia de coordenadas fue
de 0,20m. En la componente vertical el RMS fue de ±0,075m con un valor mínimo de 0,018m y
máximo de 0,271m y para el caso de la estación ubicada a 120Km, el resultado de comparación
muestra que la diferencia de coordenadas en la componente vertical es de 0,41m.
Diferencias de Coordenadas obtenidas entre Med. Estáticas y
NT RIP (L1L2)
Diferenciasdecoordenadas(m
)
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
0,006
0,005
0,017
0,275
1,652
2,654
4,909
11,135
14,959
37,756
58,810
71,863
119,280
Longitud de líneas bases (Km)
POS (m)
ALT (m)
Figura 4. Diferencia de coordenadas obtenidas entre mediciones estáticas y NTRIP usando receptor GPS
(L1/L2).
Se puede apreciar que el sistema NTRIP es confiable para distancias cortas, medias y largas
considerando que a pesar de que las estaciones más lejanas no fijaron solución, resguardan la
confiabilidad requerida en muchas actividades de la geomática tales como, establecimiento de
puntos de control para georeferenciación de imágenes satelitales de alta y mediana resolución
espacial, levantamientos masivos de coordenadas con fines cartográficos, catastrales y
adquisición de datos geoespaciales para sistemas de información geográficos, entre otros.
VENTAJAS Y DESVENTAJAS DEL NTRIP EN VENEZUELA.
El uso del NTRIP se ha venido expandiendo de manera tal que su presencia es cada vez mayor
en las distintas aplicaciones cotidianas de las geociencias, los métodos de observación GPS que
ofrecen coordenadas geodésicas confiables en tiempo real, están desplazando a aquellos que
requieren post proceso. Entre las principales ventajas que NTRIP aporta, se encuentra la
exactitud que ofrece cubriendo distancias mayores a las alcanzadas con otras técnicas en tiempo
real como el RTK convencional, lo cual incide a su vez, en una reducción de logística, tiempo y
costo.
Otra ventaja del NTRIP, es que siendo una técnica de posicionamiento preciso en tiempo real,
no se ve afectada por la topografía ni por obstrucciones de gran magnitud para una buena
recepción de correcciones. Por otra parte, ya que ésta técnica se basa en el uso del Internet como
medio de transporte de datos de corrección diferencial, pueden ser recuperados fácilmente en un
corto período de tiempo mediante una conexión HTTP desde un teléfono celular con tecnología
CDMA, GSM o GPRS todas disponibles actualmente en Venezuela.
La principal desventaja del NTRIP en Venezuela, radica en la carencia de total cobertura del
territorio nacional con servicio de Internet, restringiendo su utilización en aquellas regiones
urbanas o rurales que cuenten con el servicio de transmisión de datos vía internet celular.
Adicionalmente, hace falta la total implementación de las estaciones REMOS considerando la
incorporación del NTRIP en cada una de ellas con el fin de cubrir todo el territorio nacional.
CONCLUSIONES
Basados en los resultados obtenidos en esta investigación, podemos decir que la aplicación de la
técnica NTRIP abarca áreas importantes de las geociencias y la ingeniería. En el caso de la
geomática, la fuente de generación de coordenadas utilizado amerita el uso de técnicas de
posicionamiento confiable, característica que ofrece el GPS asistido con NTRIP. Esta técnica,
puede ofrecer aportes importantes basados en el hecho de que el nivel de producción y
rendimiento es mayor, conllevando a un menor costo desplazando así, a otras modalidades de
posicionamiento.
La implementación del NTRIP en la estación REMOS Maracaibo, ofrece importantes aportes en
la determinación precisa de posiciones en tiempo real en líneas base cortas, medias y largas
mayores a 100 Km como se evidenció en los ensayos realizados.
Las pruebas realizadas demuestran que a pesar de obtener soluciones flotantes NTRIP en
algunos casos, su influencia sobre la determinación de coordenadas resultaron satisfactorias en
términos de precisión con relación a las post procesadas alcanzando valores decimétricos que se
adaptan a muchas aplicaciones de las geociencias.
REFERENCIAS
Seeber G.: “Satellite Geodesy”, 2nd Edition, Walter de Gruyter, Berlin-New York, 2003.
Dettmering D., Waese C. y Weber G.: “Networked Transport of RTCM via Internet Protocol,
Ntrip, Version 1.0”, Example Implementation, Bundesamt für Kartographie und Geodäsie
(BKG), Frankfurt, Germany, Febrero de 2003.
Gonzalez-Matesanz F., Quiros R., Cano M.: “Posicionamiento GPS en tiempo real a través de
Internet. EUREF-IP”, VIII Congreso Nacional de Topografía y Cartografía TOPCART 2004,
Madrid, 19-22 de Octubre de 2004.
Márquez A.: “NTRIP Herramienta Indispensable Para La Cartografía Y El Catastro”, II
Jornadas Nacionales de Geomática, Mediciones Cientificas e Industriales C.A. Mecinca,
Caracas, Venezuela. 3-5 de Octubre de 2007. Disponible en: www.mecinca.com
Weber G.: “Data Formats and Transport Protocols For Real-Time GNSS”, Federal Agency for
Cartography and Geodesy (BKG), AFREF Technical Workshop, Cape Town, 9-13 de julio de
2006.
Quintanilla I., Berné J,. Gomez D., Grau J., (2004) “Estudio y aplicaciones de servicios de
posicionamiento/navegación
RTK
basado
en
IP”
disponible
en:
http://www.isprs.org/publications/related/semana_geomatica05/front/abstracts/Dimarts8/N14.pd
f
Wübbena G., Schmitz M., Bagge A.: “Real-Time GNSS Data Transmission Standard RTCM
3.0”, Geo++ GmbH, Taller IGS 2006, Visiones y Perspectivas para 2010 y más allá, ESOC,
Darmstadt, Alemania, 8-12 de Mayo de 2006.
Hernandez j., Balcazar F., (2007) “La red de estaciones de Monitoreo Satelital GPS REMOS”
Instituto Geografico de Venezuela Simon Bolivar. Caracas, Venezuela. Disponible en:
http://www.mecinca.net/presentaciones/REMOS.pdf
De Vallejo H.: “Como Funcionan Las Comunicaciones Con Los Teléfonos Celulares”, Articulo
de TAPA, Serie Electrónica Nº 143.
ASPECTOS PRACTICOS EN LA IMPLEMENTACION DEL ISO
17123-8 PARA LA PRUEBA Y CALIBRACION DE RECEPTORES
GNSS
Ing. Antonio Márquez . Gerente General de Mediciones Científicas e Industriales C. A.
MECINCA. MSEE Columbia University. N.Y.
Representantes para Venezuela de SOKKIA-TOPCON y MAGELLAN Professional.
[email protected] / [email protected]
Precedentes:
El ISO 17123-8 surge como una necesidad para llenar la deficiencia de estándares que
existía en la calibración o prueba de receptores GNSS en el ámbito de la geodesia y cartografía, ya
que a partir del año 2002, en que se implementaron las normativas ISO existentes para
instrumentos ópticos y mecánicos, no se habían mostrado, o eran muy escasos los trabajos
relativos a un estándar para medición o prueba de calidad de los receptores GPS, y ni siquiera
había una comisión en la FIG que evaluara estas nuevas herramientas cartográficas que estaban
apareciendo, dotadas en su mayoría de receptores GNSS. Debemos destacar que la norma anterior
al ISO fue la DIN 18753 y tampoco se hizo mención de los receptores GNSS ( GPS, GLONASS,
GALILEO, WAAS….. BEIDOU….).
La definición principal del ISO 17123 es la siguiente:
Instrumentos Ópticos. Procedimientos de Campo para la prueba de Instrumentos Geodésicos
y Topográficos.
Parte 8: GNSS, Mediciones de Campo con Sistemas en Tiempo Real RTK.
En el ISO 17123 las partes desde la 1 hasta la 7 se refieren a Teoría, Niveles, Teodolitos,
Distanciometros, Estaciones Totales, Laser Rotativo y Plomadas Ópticas, lo que creaba un vacio
para los equipos del día a día en la geodesia y cartografía; los GNSS ( receptores GPS, GLONASS,
GALILEO etc. ), hasta que bajo directiva de la FIG, apareció la Parte 8 del estándar. En la
implementación del mismo, justo al principio, encontramos notas, que recomiendan tener en lo
posible las mejores condiciones durante la prueba, en cuanto a multi reflexión se refiere, y las
menores obstrucciones posibles, tanto en la base como en el Rover. También, el estándar
recomienda que las condiciones Ionosferica y Troposféricas deberán ser óptimas al momento de la
observaciones en la evaluación.
Propósito del trabajo:
Presentar una metodología eficiente e ilustrada, que permita a los usuarios de los equipos
GNSS, realizar la evaluación y tener una visión clara de las condiciones de calidad de los mismos ,
antes o después de realizar una campaña determinada, o para realizar un chequeo rutinario anual de
mantenimiento, y asi ver su precisión, y poder calificar a los diferentes estándares que existen en
la industria. En el trabajo cotidiano de Reparación y Mantenimiento de equipos GNSS, se
reciben algunos, que en apariencia funcionan bien, pero que solo se desea chequearlos y certificar
las funcionalidades de los mismos; nuestra empresa MECINCA, por ejemplo, ha venido
haciéndolo con la aplicación de reglas bien definidas por los fabricantes de los receptores, y ahora
con el ISO 17123-8, que usamos, amplia nuestras posibilidades para el control de calidad.
También se desea mostrar a los auditores o responsables de control de calidad del ISO 9001, la
existencia del estándar, y conozcan que la certificación de calidad de un receptor GPS-RTK, se
puede realizar en centros de soporte donde se proceda a la aplicación del ISO 17123-8. El
estándar ha sido creado para los sistemas GNSS RTK, y en ninguna parte se hace mención de
receptores con observaciones Estáticas, ni del tipo STOP&GO, y ni mucho menos de las
Cinemáticas, que en conjunto, son la mayor parte de las observaciones GNSS, que actualmente se
utilizan en Venezuela, y por lo mismo , en MECINCA, estamos realizando pruebas con esquemas
muy similares a los originales del ISO, bien definidos y programados, que en un futuro próximo
pudieran ser la extensión del estándar para las modalidades de las observaciones antes
mencionadas.
Mejoras aportadas:
El ISO 17123-8 especifica que dentro de la operabilidad de las mediciones a realizar, la
precisión de los equipos auxiliares, como plomadas, trípodes, bastones, cintas etc., deberán ser de
+- 1 mm de precisión para la excentricidad máxima, y +- 1 mm de error máximo en las
mediciones de las alturas, por lo que en la evaluación, se procedió a habilitar dos trípodes de
madera, que con sus bases nivelantes y plomadas ópticas, quedaron fijos en el sitio, sobre los dos
puntos R1 y R2, los puntos de prueba, y cuya distancia y diferencia de altura fue calibrada con
una Estación Total SOKKIA SET 2X. También el ISO 17123-8 recomienda la reducción de las
observaciones verticales al sistema elipsoidal, lo cual realizamos, y adicionalmente para no tener
en absoluto error de escala por la proyección, no se midió en UTM, sino que se creó un sistema
Mercator Transversal con origen N 1000, E 1000, en la Base, y Factor de Escala Unitario, para
que las distancias cubiertas en la prueba, no tuviesen deformación.
Metodología y Procedimientos:
El ISO 17123-8 ofrece dos tipos de evaluaciones, el Método Rápido o Fase A, y el Método
de Evaluación Completa o Fase B. Si bien los procedimientos de medición son muy similares, las
filosofías u objetivos a perseguir con cada uno de ellos son de índole diferente. En el Método
Rápido, que detallaremos más adelante, se realiza una medición relativamente simple con los
equipos GNSS, y se chequea que las desviaciones resultantes, contra un vector conocido, no
difieran o sean mayores que las especificadas por el fabricante , o que estén dentro de las
necesidades de un proyecto en particular, de tal forma que después de un mantenimiento preventivo,
o después de un periodo de almacenamiento, o posterior a una modernización de su firmware,
podamos verificar que el sistema GNSS mantiene al menos sus especificaciones básicas originales.
El Método para la Evaluación Completa, requiere de muchas más mediciones, y su producto final
es un análisis estadístico de los parámetros de precisión del equipo GNSS, los cuales también se
compararan con los especificados por el fabricante, o con los necesarios para calificar a un
proyecto de cierta envergadura.
El escenario de medición es el mismo para el Método Rápido que para el de Evaluación Completa;
se acondiciona una estación base GNSS RTK, a una distancia apropiada al proyecto, en nuestro
caso, la base estaba aproximadamente a 1 Km del lugar donde se realizó la medición, y se
prepararon DOS puntos para medición con el ROVER; cómodos, accesibles, identificados, y sin
ninguna interferencia del tipo multi reflexión o por disturbios externos, y se escogió una hora
donde el PDOP, la carga Ionosferica y demás fuentes de error eran mínimas, para que no
incidieran en la propia precisión instrumental. La distancia recomendada por el ISO entre estos dos
puntos R1 y R2 está entre 2 y 20 metros. Durante la medición con el Rover se deben cumplir las
recomendaciones del fabricante del equipo: tiempo de medición por punto, PDOP máximo
soportado, y la distancia máxima a la Base RTK, entre otros.
--- ---- ------ -------------------- R1 / Receptor GNSS en Punto 1
Se instala la BASE
/
Mensaje corrector RTK --------- -- --- >
/
/ Distancia R1-R2 entre 2 y 20 metros
R2
Receptor GNSS en Punto 2
Distancia entre Base y Rover depende de la aplicación
Base -------
La norma establece para uso práctico, reducir las observaciones al sistema de coordenadas
horizontales y las alturas al sistema elipsoidal, y como hemos mencionado anteriormente, creamos
un sistema Mercator Transversal, con coordenadas N 1000, E 1000 al origen de la Base, y factor
de escala unitario, por lo que el error que pudiese ser originado en las mediciones del Rover seria
inapreciable. También dentro de las recomendaciones de la norma se establece medir estos dos
puntos R1 y R2 con dispositivos, no GNSS, que arrojen precisiones mejores que +- 3 mm, y para
ello se utilizó una estación Total Sokkia SET 2X, cuyas especificaciones de precisión en sus
mediciones son de +-1 mm * 1 ppm , lo que garantizó que la distancia y la diferencia de cota entre
los dos puntos Rover medidos, estuviesen dentro de la norma.
Debemos definir para entender el ISO 17113-8, lo que denominamos una serie de
mediciones. Una serie de mediciones, es un grupo de cinco pares de observaciones realizadas en
los puntos R1 y R2, y espaciados cada par por un lapso de cinco minutos. Es decir, tomamos
una observación en el punto R1, que puede ser de una época o de varias épocas, dependiendo de las
recomendaciones del fabricante, guardamos la medición y nos movemos al punto R2, donde
realizamos una observación similar a la que se tomó en el punto R1. A continuación esperamos
cinco minutos, y de nuevo en el punto R1 tomamos la siguiente observación, hasta completar el
grupo de cinco pares que constituye la serie. A fin de minimizar los errores por nivelación y
excentricidad de lectura, como mencionamos anteriormente, se estacionaron los dos trípodes de
madera con bases nivelantes, dotadas de plomadas ópticas, previamente chequeadas en laboratorio,
y se mantuvieron fijos sobre los dos puntos durante todo el lapso de la medición. De tal forma que
el instrumento GPS, se montaba sobre la plomada, se aseguraba con la llave tornillo y al concluir la
observación, se desmontaba del mismo, obteniendo así la mínima influencia de error geométrico
por postura de estación.
Metodología para el Método Rápido.
Con el Método Rápido se realiza una sola serie de mediciones
que totaliza
aproximadamente en unos 35 minutos, ya que debemos considerar el tiempo de medición mas el
tiempo de espera entre cada par e incluir las posturas y cambios de estación del receptor. El
procedimiento básico consiste en calcular mediante las coordenadas medidas, las distancias que
existen entre los puntos R1 y R2, y compararlas con la distancia *D que previamente hemos
medido en los mismos puntos con la Estación Total. Y lo mismo hacemos con la diferencia de
alturas, que la comparamos con la diferencia de altura *h, medida con la misma estación. Los datos
fueron procesados de la siguiente manera:
Punto
1
2
3
4
5
6
7
8
9
10
X
1200.003
1220.001
1200.011
1220.010
1200.010
1220.010
1200.012
1220.002
1200.002
1220.002
Y
1100.011
1100.001
1100.010
1100.010
1100.010
1100.001
1100.001
1100.012
1100.002
1100.010
h
900.002
900.001
900.021
900.010
900.010
900.001
900.001
900.010
900.001
900.001
D R1-R2 Dif h
Desv D Desv h
Limites
de las
DESVIACIONES
*D
*h
19.998
-0.001
-0.002
0.019
20.000 -0.020
19.999
-0.011
-0.001
0.009
20.000 -0.020
20.000
-0.009
0.000
0.011
20.000 -0.020
19.990
0.009
-0.010
0.029
20.000 -0.020
20.000
0.000
0.000
0.020
20.000 -0.020
0.033
0.045
D: la Distancia Cartesiana por coordenadas
medidas por GNSS entre dos puntos R1-R2, según
la fórmula clásica.
Dif h: La diferencia medida con GNSS de la altura
entre los puntos R1 y R2.
€: Desviaciones: las Diferencias entre las
distancias medidas con GNSS y la distancia
tomada como verdadera entre
R1 y R2.
Similarmente para desviaciones de h.
El rango de Coordenadas X Y h.
Coordenadas Planas Horizontales.
Sistema de
Distancia Medida GNSS y Diferencia de Altura
medida por GNSS ( Elipsoidal ).
Distancia Verdadera, medida con Estación Total Sokkia SET 2X.
Desviaciones de las Mediciones en Distancia y Altura.
Fijacion del limite aceptado para las desviaciones.
Aceptemos , que una Estacion GNSS RTK de uso de ingenieria o de
topografía, arroje precisiones en el horizontal de +- 10 mm + 1 ppm,
es decir un milimetro adicional por kilometro de separacion de la base,
al 99% de confiablidad del sistema, que nos daria en X,Y un sigma
de +- 11 mm. En cuanto a la altura es muy comun aceptar precisiones
en el orden de 15 mm + 2 ppm, lo que arrojaria +- 17mm . El estandar establece:
El valor absoluto de una desviación debe ser menor o igual a la DESVIACION ESTANDAR
Multiplicada por 2.5 y por la Raíz de Dos.
Así lo establece el estándar y en nuestra evaluación:
| desv X Y | <= 2.5 * 1.4142 * 10 = +- 33mm
Similarmente para la altura | desv h | <= 2.5 * 1.4142 * 17 = +- 45mm
Observamos en las tablas, que las desviaciones de nuestras mediciones son menores a las
permitidas por el estándar, por lo que concluimos que no existen errores graves en el sistema y que
el equipo se puede utilizar para un proyecto que requiera las especificaciones usadas en esta
prueba, que son las recomendadas por el fabricante del receptor, también concluimos que si la
prueba se realiza posteriormente a un mantenimiento preventivo, o después de una nueva carga de
firmware, el receptor GNSS funciona satisfactoriamente.
Metodología para La Evaluación Completa o Fase B:
La principal ventaja del Método de la Evaluación Completa es que mediante la
aplicación de una estadística creamos la propia desviación estándar
del receptor GNSS, que comparada con la que dicta el fabricante,
permite en forma casi absoluta predecir su comportamiento dentro de
un proyecto determinado. Con este método, debemos tomar tres
series de mediciones con una separación de al menos 90 minutos
entre cada serie. Este tiempo entre series se considera suficiente para
que la geometría de los satélites cambie, y también cambien
parámetros de Ionosfera, Troposfera y multirefleccion local. Sumando
los tiempos de medición mas los tiempos de espera, la Evaluación
Completa toma al menos 5 horas de estadía con mediciones de campo, mas la instalación del
equipo.
Sequen
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
X
Y
h
Res X1
Res X2
Res Y1
1200.003 1100.011 900.002
0.003
-0.005
1220.001 1100.001 900.001
0.004
1200.011 1100.010 900.021
-0.005
-0.004
1220.010 1100.010 900.010
-0.005
1200.010 1100.010 900.010
-0.004
-0.004
1220.010 1100.001 900.001
-0.005
1200.012 1100.001 900.001
-0.006
0.005
1220.002 1100.012 900.010
0.003
1200.002 1100.002 900.001
0.004
0.004
1220.002 1100.010 900.001
0.003
1200.011 1100.011 900.011
-0.005
-0.005
1220.010 1100.001 900.010
-0.005
1200.001 1100.010 900.021
0.005
-0.004
1220.010 1100.010 900.010
-0.005
1200.001 1100.002 900.010
0.005
0.004
1220.002 1100.001 900.001
0.003
1200.001 1100.011 900.001
0.005
-0.005
1220.002 1100.011 900.010
0.003
1200.010 1100.002 900.002
-0.004
0.004
1220.004 1100.010 900.002
0.001
1200.002 1100.011 900.004
0.004
-0.005
1220.001 1100.001 900.010
0.004
1200.001 1100.010 900.002
0.005
-0.004
1220.010 1100.010 900.010
-0.005
1200.012 1100.001 900.001
-0.006
0.005
1220.010 1100.001 900.002
-0.005
1200.010 1100.001 900.001
-0.004
0.005
1220.002 1100.001 900.002
0.003
1200.001 1100.001 900.007
0.005
0.005
1220.003 1100.010 900.010
0.002
Cuadrados de Residuos
===>
0.0003368 0.0002 0.0003109
Prom
PromX1 PromX2 PromY1 PromY2
h1
Prom h2
1200.006 1220.005 1100.01 1100.006 900.01 900.0046
X
Y
h
0.0045
0.005
0.006
ISO GNSS RTK X-Y
ISO 17123-8 xy = ( X2 +
ISO GNSS RTK h
Res Y2 Res h1
0.005
0.005
-0.014
-0.004
-0.003
0.005
0.006
-0.006
0.006
-0.004
-0.004
0.005
-0.014
-0.004
-0.003
0.005
0.006
-0.005
0.005
-0.004
0.003
0.005
0.005
-0.004
0.006
0.005
0.006
0.005
0.000
-0.004
0.00033 0.0007
Y2)
0.006575
0.006
Al igual que con el Método Rápido, agrupamos las observaciones en columnas X, Y , h, en R1
las filas pares y en R2 las filas impares, con 15 elementos por columna, de las cuales obtenemos
los promedios de cada una teniendo:
Prom X1, Prom X2, Prom Y1, Prom Y2 Prom h1, Prom h2
Una vez calculados los promedios, restamos de los mismos
las observaciones originales para obtener los residuos, por
lo cual tendremos un residuo en X, Y, h, por cada
observación realizada, es decir tendríamos tres pares de
residuos: XR1, XR2, YR1, YR2, hR1, hR2, por cada par
realizado en R1 y R2.
Con estos residuos procedemos a calcular la desviación estándar del sistema; para lo cual
SUMAMOS los CUADRADOS de los RESIDUOS en X, Y, h, y también calculamos los grados
de libertad de la estadistica
Y aplicamos la formula para la desviacion estandar
observación.
de una sola
Desviacion Estandar de X
Desviacion Estandar de Y
Desviacion estandar de h
Concluyendo con el calculo del ISO 17123-8 de la siguiente manera:
0.0071 m es la desviacion estandar de una sola observacion en X, Y
0.0064 m Es la desviacion estandar de una sola Observacion en h
La relación entre las desviaciones estandar calculadas y el ISO 171238 es la siguiente:
Que en nuestra evaluación del equipo GNSS sería:
S_ISO_RTK_17123-8(x,y) =0.0065
S_ISO_RTK_17113-8(h) =0.006
Posterior al calculo de valor por el estandar, se procede a realizar, entre otras las siguientes
preguntas:
a.- Es el Calculo obtenido del ISO 17123-8 en
X,Y, menor o igual que el que prescribe la
casa manufacturera ?
Esta es una simple prueba de hipotesis, y para
su resolución buscamos en las tablas de la
distribución Chi Cuadrado, para el 95% de
confianza y 56 grados de libertad.
Reemplazamos en la expresion, operamos los
grados de libertad y vemos al final que solo nos
queda el factor 1.15 que multiplicamos la
desviacion estándar
suministrada
por el
fabricante, o la desviación estandar del proyecto donde queramos incluir nuestro equipo GNSS.
En nuestro caso vemos que el estandar calculado es menor que 1.15 * 10 mm=11.5 mm. Lo que
garantiza que el receptor GNSS que realizó la
prueba cumple en X, Y con el ISO 17123-8.
b.- Es el Calculo obtenido del ISO 17123-8 en
h, ¿ Menor o igual que el prescrito por sus
especificaciones originales ?
Realizamos exactamente el mismo calculo que en
la prueba de hipotesis anterior, pero esta vez
buscamos en las tablas de Chi Cuadrado con solo
28 grados de libertad y concluimos que las
pruebas realizadas con el receptor GNSS , indican
que en altura también cumple con las
especificaciones originales.
c.- Dos muestras de ISO 17123-8 X, Y, tomadas con diferentes instrumentos, o calculadas en
forma independiente, pertenecen a la misma poblacion ?
Esta formula a pesar de su complejidad aparente, es un simple cociente de dos varianzas, con
valore limites a la
derecha e izquierda
de la distribucion de
Fisher, según grados
de libertad, para lo
cual vemos que
tomaron
de
las
TABLAS de Fisher,
los
valores
que
corresponden a 56
grados de libertad.
En consequencia tenemos que el entorno de nuestra razon de varianzas, está entre 0.59 y 1.70. Esta
pregunta, es de interes cuando se utilizan receptores que han sido evaluados en forma
independiente, ya que generalmente se mide con pares de receptores de la misma marca, con
caracteristicas casi iguales. También es conveniente realizarla en el caso de una campaña donde
participen multitud de receptores, por lo general de diferentes marcas, pero similares en tecnología,
por lo que conviene esta evaluación por la distribución de Fisher, a fin de estar seguros, si sus
mediciones pertenecen o no al mismo tipo de población, es decir muestran desviaciones estandar
similares y pueden ser usados en forma conjunta.
d.- Dos muestras de ISO 17123-8 h, tomadas con diferentes instrumentos, o calculadas en
forma independiente, pertenecen a la misma poblacion ?
Hacemos exactamente como en la
pregunta anterior, vemos el valor que
tomaron de las tablas de Fisher, pero
ahora con sólo 28 grados de libertad, y
vemos que es 2.13. Por lo tanto los
valores extremos entre los que la
razón las varinzas,
para que se
cumpla la hipotesis deben estar entre
0.47 y 2.13. Y concluimos que los
valores de nuestras muestras nos
permiten usar los equipos en el mismo
experimento, ya que estan dentro del rango permitido.
Conclusiones.
El ISO 17123-8 nos permite realizar un diagnostico fiel y preciso de las condiciones en que se
encuentra un Receptor GNSS RTK, asumiendo que en la prueba, las condiciones ambientales sean
favorables. Asimismo el ISO integra cualquier modalidad RTK disponible al momento, bien sea de
Red Geodésica RTK, NTRIP, Virtual o FSK, o simplemente por conexión UHF, con tal de que el
receptor pueda medir en Tiempo Real. El receptor GNSS lo tratamos aquí como un conjunto, pero a
veces un simple cable o el conector ruidoso de la antena, puedan ser los responsables de que ese
conjunto no funcione en absoluto, por lo que posterior a esta evaluación por el ISO, en caso de
resultados negativos, debemos buscar y usar las mejores estrategias para aislar el componente, que
degrada en forma solemne nuestras observaciones. También queremos hacer notar que actualmente
en MECINCA, ejercitamos el ISO 17123-8 en los receptores RTK, y que adicionalmente
realizamos evaluaciones a los receptores GPS, en la modalidad Estático Rápido y Stop & Go, con
series similares a las usadas en el ISO 17123-8, a fin de conocer en forma fehaciente el
comportamiento de un receptor o grupo de los mismos, que participan en campañas Geodésicas,
Sísmicas o Cartográficas dentro del ámbito nacional. Finalmente, debemos advertir a titulo
informativo, que las pruebas de calibración y homologación que se le realizan a los equipos GNSS
en el laboratorio, son algo más complejas que las mostradas en el ISO 17123-8, ya que comprenden
rutinas de chequeo del reloj maestro como la varianza de Allen, la relación SNR en los canales
receptores, prueba de Distancia o Baseline Cero, el consumo de corriente, y muchas otras, que en
su mayoría dependen del programa del fabricante del equipo GNSS, pero que al final es el ISO
17123-8 el que generosamente nos va a dictar si todos estos procedimientos realizados trabajan en
forma conjunta.
Referencias:
1.-ISO 17123-8. International Estándar. First Edition 2007. ISO Switzerland
2.-Accuracy Standards for Positioning, Version 1.0. Geomatics Canada. Septiembre 1966.
3.-Good Norm for RTK-Services and GNSS Survey Practice in Denmark. Casper JEPSEN and
Marianne KNUDSEN, Denmark. FIG Working week. 2008.
4.-The new ISO standard 17123-8 for checking GNSS field measuring systems. Hans HEISTER,
Germany. FIG Working week 2008
5.-El DIN 18753 en la Calibracion de Estaciones Totales y Teodolitos. A. Marquez, MECINCA
2000.
6.-Standards, Best Practice, Testing and Calibration in Global Navigation Satellite System (GNSS).
European Syncroton Radiation Facilty. FIG Working week 2008
LEVANTAMIENTO GEODÉSICO DE PUNTOS DE CONTROL
TERRESTRE, PARA LA CORRECCIÓN GEOMÉTRICA DE
IMÁGENES DE SATÉLITE DE ALTA RESOLUCIÓN ESPACIAL.
Ing Agr. Sergio Alcalá (2), Ing. For. Jorge Velazco (1), Ing. Geol. Giovanni Mejías (1), Sr. Jesús
Sandoval (2), Ing.Agr.MSc. Diego Machado P. (3), Ing Agr. Reinaldo Mauriello (3).
(1)
Corporación Venezolana de Guayana, Gerencia de Minería, Calle Aro, CC Neverí Plaza Nivel Oficina Puerto
Ordaz; (2) Crystallex International Corporation, Gerencia de Ambiente, Campamento Las Cristinas Carretera
Nacional Troncal 10, Km 85 Las Claritas; (3) SIGPER Consultores, Urb. El Bosque Trebol N° 13 Las Delicias,
Maracay.
[email protected] , [email protected] , [email protected] ,
[email protected] , [email protected] .
RESUMEN
En el marco del Proyecto “Análisis Espacio-temporal de la Afectación por Actividades de Minería en
el área del Proyecto Las Cristinas, durante el período 2004 – 2009”; se necesitó georeferenciar,
imágenes de satélite de alta resolución espacial, que servirían de base para la generación del mapa de
grados de afectación por actividad antrópica, dentro del área de la concesión minera Las Cristinas.
Durante el desarrollo de las actividades se realizó previamente una jornada de planificación la cual
incluyó el diseño y localización preliminar de los puntos de control terrestre, la selección de los
vértices certificados por el IGVSB, que sirvieron como puntos de referencia para la vinculación con la
Red Geodésica de Venezuela, la selección de equipos y materiales, requeridos para el levantamiento,
definición de modos de captura y procesamiento de información GPS, definición de las formas de
identificación de los puntos de control terrestre, recopilación de información técnica complementaria, y
la preparación de la logística de transporte y seguridad tanto física como industrial durante los trabajos
de campo. Iniciada la actividad en campo se realizó la selección preliminar de los puntos de control
terrestre, en base a mapas e imágenes de satélite previas, se consideró el levantamiento de al menos un
punto por cada 10 Km2 de imagen, esta densidad se incrementó en el área contemplada para el
desarrollo directo del proyecto minero; posteriormente se obtuvieron las coordenadas aproximadas de
los puntos de control terrestre seleccionados previamente. Para la ubicación definitiva de los puntos de
control terrestre, se aseguró que los sitios cumplieran con los criterios técnicos para la captura de
información satelital GPS, de acuerdo a las normas establecidas por el IGVSB. A fin de garantizar la
visualización de los puntos de control, desde el espacio ulterior, se seleccionaron puntos como: señales
en el medio campo de canchas deportivas, infraestructuras existentes (Techos de vivienda, borde de
aceras, cercas), señales de helipuertos. En los casos donde no se ubicaron puntos que cumplieran con
las características previamente definidas, por estar bajo cobertura boscosa, se colocaron piedras
pintadas de blanco, alrededor del punto de control, igualmente en los sitios de difícil acceso se utilizó
como señal de identificación mantos geotextiles de color blanco. Luego de seleccionar y ubicar, cada
punto de control terrestre se procedió a ejecutar las mediciones GPS con el método diferencial.
Finalizada la fase de campo se, se procesaron los datos, obteniendo como resultado las coordenadas
UTM, (Datum SIRGAS-REGVEN, Elipsoide GRS 80), de 20 vértices que servirían posteriormente
como puntos de control terrestre para la georeferenciación de las imágenes de satélite.
Palabras claves: GPS diferencial, Georeferenciación, Teledetección.
INTRODUCCIÓN
En el marco del Proyecto “Análisis Espacio-temporal de la Afectación por Actividades de Minería
en el área del Proyecto las Cristinas, durante el período 2004 – 2009”; se necesita corregir
geométricamente (Georeferenciar), las imágenes de satélite que servirán de base para la interpretación
y generación de los niveles de afectación por minería del área de influencia de la concesión minera Las
Cristinas.
En este sentido la Ley de Geografía, Cartografía y Catastro Nacional, en su artículo 11, dictamina
“Todo aquel que realice levantamientos geodésicos o topográficos debe vincularlos al Sistema
Geodésico nacional de acuerdo a las normas elaboradas por el Instituto Geográfico de Venezuela
Simón Bolívar (IGVSB)”
Con el fin cumplir con la mencionada Ley y vincular cartográficamente las imágenes de satélite y los
resultados de la interpretaciones de las mismas, con la Red Geocéntrica venezolana REGVEN, se
requiere medir en campo, usando tecnología GPS (Global Positioning System), una serie de puntos de
control terrestre.
Para garantizar la relación de estos puntos con el Sistema Geodésico Nacional, se toma como base para
la realización de las mediciones, Los Vértices Certificados por el IGVSB dentro de la concesión
minera Las Cristinas.
OBJETIVOS
Establecer mediante mediciones GPS, vinculadas a la Red Geocéntrica venezolana (REGVEN), los
Puntos de Control Terrestre, para la corrección Geométrica de Imágenes de Satélite de alta resolución
espacial, en el área de influencia del Proyecto Las Cristinas.
METODOLOGÍA
Ubicación Geográfica: El levantamiento GPS, de los Puntos de Control Terrestre, para la
georeferenciación de Imágenes de Satélite, se desarrolló en una superficie de aproximadamente 150
Km2 en el área de influencia de la concesión minera de Las Cristinas (Figura 1), sector Las Claritas,
municipio Sifontes, estado Bolívar.
Figura 1: Área de Estudio
Actividades: De acuerdo a los planes y objetivos del proyecto se realizaron las actividades siguientes:
a) Planificación: En esta la fase se contemplaron los siguientes aspectos:
Diseño y localización preliminar de los puntos de control terrestre.
2
Selección de los vértices certificados por el IGVSB, que servirán como puntos de referencia
para la vinculación con la Red Geodésica de Venezuela.
Selección de equipos y materiales, requeridos para el levantamiento.
Definición de modos de captura y procesamiento de información satelital GPS.
Definición de las formas de identificación de los puntos de control terrestre.
Recopilación de información técnica complementaria.
Preparación de la logística de transporte y seguridad, para los trabajos de campo.
b) Selección de Punto de Origen para la medición: Se tomo como Punto de Control Maestro (Base), o
de vinculación al Sistema Geodésico Nacional el vértice identificado como “C-2” (Cuadro 1) ubicado
en la Pista Aérea de Las Cristinas; el cual fue certificado por el IGVSB (Anexo 1).
Cuadro 1: Coordenadas del Punto de Control Maestro (Base)
Latitud
Longitud
UTM Norte (m)
UTM Este (m)
06° 11’ 46,88194” N
61° 28’ 10,727160” W
685.154,392
669.321,573
Datum SIRGAS-REGVEN, Huso 20, Elipsoide GRS80
Cota Elipsoidal
(h): 125,398 m
Cota Ortométrica (H): 140,970 m
Es importante destacar que este vértice fue medido utilizando técnicas de procesamiento GPS de doble
frecuencia y tomando como base de referencia el Vértice de Orden “C” identificado como BMS-208,
ubicado en la Plaza del “Soldado Pionero” (Anexo 2), en la entrada a la Gran Sabana, el cual fue
convertido en vértice REGVEN mediante vinculación realizada por el Instituto Geográfico de
Venezuela Simón Bolívar, durante la campaña de densificación de la red SIRGAS realizada el año
1995.
c) Selección de Puntos de Control Terrestre: En esta fase se realizó la selección preliminar de los
puntos de control terrestre, en base a mapas e imágenes de satélite previas. En este sentido se consideró
el levantamiento de al menos un punto por cada 10 Km2 de Imagen; esta densidad se incrementó en el
área contemplada para el desarrollo directo del proyecto Minero (Figura 2).
Figura 2: Distribución preliminar de los Puntos de Control Terrestre
3
d) Ubicación de Puntos de Control Terrestre: En esta etapa se obtuvieron las coordenadas aproximadas
de los puntos de control terrestre seleccionados previamente. Para esto se utilizo como base
cartográfica las imágenes de satélite y las cartas topográficas contenido en el Sistema de Información
Geográfica Ambiental de las CristinasPosteriormente con el apoyo de los GPS Navegadores (Garmin
GPSMap 60) se localizaron los puntos en el campo. Para la ubicación final de los puntos de control
terrestre, se aseguró que los sitios cumplieran con los criterios técnicos para la captura de información
satelital GPS, de acuerdo a las normas establecidas por el IGVSB.
e) Identificación Puntos de Control Terrestre: A fin de garantizar la visualización de los puntos de
control, desde el espacio, se seleccionaron puntos como: Señales en el medio campo de las Canchas de
Baloncesto, señales de identificación de Helipuertos y Aeropuertos (Figura 3) e Infraestructuras y
objetos visibles como borde de techos de vivienda, borde de aceras, cercas, entre otros (Figura 4)
Figura 3: Selección de Puntos de Control Terrestre (Señales de identificación de aeropuertos, helipuertos y canchas
deportivas).
Figura 4: Selección de Puntos de Control Terrestre (borde de techos de vivienda, borde de aceras, cercas).
En los casos donde no se ubicaron puntos que cumplieran con las características previamente definidas,
se colocaron piedras pintadas de blanco con un radio no menor de 1,5 m alrededor del punto de control.
Igualmente en los sitios de difícil acceso se utilizó como señal de identificación mantos de tela blanco
con una superficie aproximada de 4 m2 (Figura 5).
4
Figura 5: Identificación de Puntos de Control Terrestre.
Esta etapa comprendió además el levantamiento de información descriptiva de cada vértice
(direcciones), toma de fotografías, elaboración de croquis y tomas de puntos GPS con navegadores.
f).- Captura y Procesamiento de datos GPS: Luego de seleccionar y ubicar, cada punto de control
terrestre se procedió a ejecutar las mediciones GPS con el método diferencial en modo estático; con
sesiones de medición entre 20 y 30 minutos; a intervalos de captura mínima de 5 segundos; máscara
de elevación máxima de 15 grados de elevación sobre el horizonte; mínimo seis (6) satélites en
observación; línea base menor a 10 Km; PDOP menor a 4 y error máximo permisible de 50 cm.
Se descargaron los datos capturados por los receptores GPS (Base y Móvil) en las Computadoras
Portátiles y usando el Programa Astech Solutions, se procesaron en forma diferencial con respecto al
punto de control maestro (Base) identificado como “C-2”; obteniendo como resultado las coordenadas
UTM (Datum SIRGAS-REGVEN, Elipsoide GRS 80), para cada punto de control terrestre medido.
RESULTADOS:
Como resultado final de este proyecto se establecieron veinte (20) vértices de control terrestre
(Figura 6); que permitirán la vinculación de las Imágenes de Satélite y los productos obtenidos de su
procesamiento al Sistema Geodésico Nacional, de acuerdo al artículo 11 de la Ley de Geografía,
Cartografía y Catastro Nacional y al artículo 4 de las normas técnicas para la formación y conservación
del catastro.
Figura 6: Puntos de Control Terrestre.
5
En el cuadro 2, se muestran las coordenadas UTM, Huso 20, Datum Sirgas-Regven, Elipsoide GRS80, de los puntos de control terrestre. La descripción detallada de los 20 puntos de control terrestres
levantados en campo.
Cuadro 2: Puntos de Control Terrestre, Proyecto Las Cristinas.
UTM
NORTE
(m)
UTM
ESTE
(m)
ALTURA
ELIPSOIDAL
(m)
PDOP
LINEA
BASE
(m)
ID
DESCRIPCION
BASE
Vértice “C-2” Aeropuerto
(BASE)
685.154,39
669.321,57
125,40
CGC-01 Zona Minera Las Delicias
688.945,31
663.361,54
110,67
1,3
7.064,0510
CGC-02 Vía Cristina 7
688.362,31
668.048,19
123,96
2,5
3.451,6460
CGC-03 Rio Cuyuni, en Cristinas 6
684.684,22
663.883,97
109,90
2,5
5.458,3270
CGC-06 Embarcadero Guarimba
Pista de Aterrizaje Cabecera
CGC-07 Norte
Vértice Topográfico en 4
CGC-08 muertos
Vértice Topográfico, cercano a
CGC-09 pila de Roca Estéril
Cancha Frente a Oficinas
CGC-10 Crystallex
682.899,74
665.964,94
107,66
1,4
4.043,8900
686.057,09
669.029,92
126,04
1,9
948,7100
684.867,07
670.257,75
120,07
1,4
979,3540
685.897,28
669.514,02
122,77
1,5
767,4680
684.578,95
669.304,05
110,65
1,2
575,9310
CGC-12 Cancha detrás del Comedor
685.155,72
669.029,99
116,28
2,3
290,5850
CGC-13 Helipuerto "LAS CRISTINAS"
685.095,98
669.220,42
117,18
1,0
117,0790
CGC-14 Kilómetro 81
685.823,63
678.070,63
148,41
1,6
8.775,0680
CGC-16 Ambulatorio Nuevo Las Claritas
684.011,75
674.089,25
135,12
1,2
4.902,9590
CGC-17 Planta de Tratamiento
Helipuerto, Sub Estación Las
CGC-18 Claritas (Edelca)
683.985,42
674.851,90
128,66
1,2
5.652,8220
681.553,34
673.893,51
127,45
1,3
5.819,7830
CGC-19 Cancha Teatro de Operaciones
679.902,52
673.441,02
139,71
1,5
6.674,7260
CGC-20 Embarcadero Aimara
679.981,70
668.141,89
110,08
1,5
5.305,8740
CGC-21 Caseta Vigilancia Águila 1
684.499,57
671.080,75
118,56
2,2
1.877,2210
CGC-22 Comunidad Indígena El Paují
691.401,68
661.054,09
108,76
1,3
10.363,2780
Sistema de Proyección UTM, Huso 20, Datum SIRGAS-REGVEN, Elipsoide GRS-80.
Finalmente, a fin de facilitar el reconocimiento de los puntos de control, en la imagen de satélite a
georeferenciar, se desarrollaron unas planillas con los datos geodésicos del vértice y referencias
fotográficas de su ubicación.
6
PUNTOS DE CONTROL TERRESTRE
VÉRTICE:
DATUM:
CGC03
SIRGAS-REGVEN
ESTADO:
Bolívar
ELIPSOIDE : GRS - 80
06˚11'32,0773''
61˚31'07,6542''
NUMERO:
3
Sifontes
mbr
FECHA: Dicie
e 2008
COORDENADAS UTM
COORDENADAS GEODÉSICAS
LATITUD:
LONGITUD:
MUNICIPIO:
Altitud h (m)
109,90
NORTE (m)
684.684,22
ESTE (m)
663.883,97
HUSO
20
UBICACIÓN
FOTOGRAFÍA
D E S C R I P C I Ó N:
El punto de control CG03, está ubicado en una zona de conucos abandonada (barbechos) en la ribera sur del Rio
Cuyuni, en las adyacencias de la esquina Sur-Este de la Concesión Cristina 6. Está señalizado con un manto
rectangular de tela blanca de cuatro (4) m2 de superficie.
CONCLUSIONES Y RECOMENDACIONES
Es importante destacar que el procedimiento empleado permitió ubicar e identificar elementos, aun
bajo cobertura boscosa, que permitieron la georeferenciación de imágenes de alta resolución con
precisión submétrica.
7
Conviene tener presente que las correcciones geométricas son de obligatoria realización y previo a
otros tipos de tratamiento digital de imágenes. Concretamente en caso de realización de proyectos
cartográficos en general y específicamente en lo referido a la realización de mosaicos (Hord, 1.982;
Verhoef y Peteri, 1.984); así, como los estudios espacio-temporales, o los que requieran de información
auxiliar. En todos los casos la exactitud en el ajuste resulta un elemento fundamental, sobre todo
cuando se trabaja con imágenes de alta resolución y se requiere generar productos a escalas detalladas.
El establecimiento de puntos de control resulta la fase crucial del proceso de corrección geométrica de
las imágenes de satélite de muy alta resolución espacial; y por ende requiere de una elevada
dedicación del talento humano y un apoyo logístico adecuado de forma que se garantice la correcta
distribución y medición de los puntos en campo.
La planificación del trabajo de levantamiento GPS, y la preparación de la logística de transporte y
seguridad tanto física como industrial durante los trabajos de campo, sobre todo en áreas de difícil
acceso, representan un factor clave para culminar exitosamente el trabajo sin sacrificar la calidad de los
resultados finales.
Par obtener resultados exitosos en los procesos de corrección geométrica se requiere prestar mucha
atención a (3) tres aspectos medulares en la selección de puntos de control, a saber: número,
localización y distribución.
El número idóneo de puntos de control dependerá de la complejidad geométrica de la imagen; a
mayor complejidad (Imágenes de terrenos montañosos) se requerirá un mayor número de puntos
de control, contrariamente mientras menos compleja sea la imagen a corregir (Imágenes de
terrenos planos); se requerirá un número menor de puntos de control. No obstante a lo anterior la
práctica nos ha sugerido que con un número no menor de 10 puntos por cada 100 Km2 de
superficie, se obtienen resultados satisfactorios en términos de precisión.
En cuanto a la localización y dimensionamiento de los puntos de control, se recomienda que sean
puntos claramente identificados en la imagen, preferiblemente rasgos antrópicos del paisaje no
sujetos al dinamismo temporal: intercepciones como lo serían , intercepciones viales, señales en el
medio campo de las canchas de baloncesto, Infraestructuras (Techos de vivienda, borde de aceras,
cercas), señales de los helipuertos números situados en las cabeceras de pistas de aterrizaje si
existen, en cuanto al dimensionamiento de los puntos en caso de que la corrección se realice en
terrenos prístinos , es conveniente improvisar puntos con elementos disponibles en el entorno
como serían piedras revestidas con pintura blanca no tóxica con base resistente al agua, o bien
material geotextil distribuidos en ambos casos en conjuntos con un radio no menor 1 ½ el tamaño
del pixel de la imagen.
Respecto a la distribución de los puntos de control es conveniente situar los mismos
uniformemente sobre todo el territorio abarcado en la imagen.
REFERENCIAS BIBLIOGRÁFICAS:
Chuvieco Salinero Emilio (2da Edición 2006) Teledetección Ambiental, La Observación de la Tierra
desde el espacio. Barcelona España, Ariel
Hord, R, M (1.982): Digital Image Processing of remotely Sensed Data, Nueva York, Academic Press.
Instituto Geográfico de Venezuela Simón Bolívar (IGVSB), 2006. Certificación de Vértices Ubicados
en la Concesión Minera Las Cristinas.
Oficina Técnica del Monte, S.G.A., C.A., 2006. Posicionamiento Geográfico de Puntos en las Áreas de
las Concesiones Cristina 4, 5, 6 Y 7.
8
República de Venezuela, 2000. Ley de Geografía, Cartografía y Catastro Nacional, Gaceta Oficial No.
37.002.
República de Venezuela, 2002. Normas técnicas para la formación y conservación del catastro
nacional, Gaceta Oficial No. 5590, Caracas.
Surco, C.A. 2007. Replanteo de los Botalones que definen los Límites de la Concesión Minera Las
Cristinas.
Verhoef W y Piteri. P.W., (1.984) Digital Mosaic of the Netherlands from Landsat MSS data in
natural color , International Journal of Remote Sensing, 5,pp. 749-751
9
AVANCES EN LA DETERMINACIÓN DE LAS ALTITUDES DE LOS PICOS MAS
ELEVADOS DE VENEZUELA UTILIZANDO GPS
José Napoleón Hernández
Instituto Geográfico de Venezuela Simón Bolívar
Edificio Camejo, Camejo a Colón, Av. Este 6, CSB, El Silencio, Caracas, Venezuela
[email protected]
RESUMEN
Actualmente el Instituto Geográfico de Venezuela Simón Bolívar, (IGVSB) como parte de los
proyectos para generar la información básica y con el objetivo de conocer de una mejor manera el
territorio nacional, viene ejecutado un estudio para determinar exactamente las altitudes de las
cumbres más elevadas del país.
Desde finales del siglo XIX y comienzos del XX, diferentes autores y científicos han realizado
diversas determinaciones altitudinales, tales como Alfredo Jahn (1867 – 1940), entre otros. Estas
determinaciones se realizaron a través de la utilización de técnicas “convencionales”, por
nivelaciones barométricas o trigonométricas. Posteriormente, a raíz de los trabajos de
establecimiento de la Red Geodésica de Triangulación desde comienzos de la década de 1950, se
continuó y logró determinar la altitud de algunos picos importantes de la cordillera andina. Luego,
con la operación y utilización de la técnica satelital GPS (Global Positioning System), se consideró
conveniente el uso de esta tecnología con el fin de determinar las principales altitudes y realizar así
un análisis entre los resultados obtenidos por GPS y por métodos convencionales.
Para este fin, se han realizado en los Andes merideños, dos campañas de mediciones GPS (2002 y
2009). En la primera campaña, participó el IGVSB, la Universidad Simón Bolívar (USB) y la
Universidad del Zulia (LUZ) y se determinó la altitud del Pico Bolívar en 4980 metros sobre el
nivel del mar, así como otras altitudes importantes, el Toro, Piedras Blancas y Mucuñuque. Luego
en la segunda, el IGVSB, determinó las altitudes de los picos Humboldt y Bonpland, segundo y
tercera cumbre más elevada luego del Pico Bolívar. Para las mediciones GPS se utilizaron
receptores GPS de una y doble frecuencia en modo diferencial, vinculado a SIRGAS – REGVEN
(Sistema de Referencia Geocéntrico para Las Américas – Red Geocéntrica Venezolana).
Se presenta en esta investigación los resultados y análisis generados en la última campaña de
mediciones GPS en el año 2009 en los picos Humboldt y Bonpland, con el fin de aportar datos más
exactos para el mejor conocimiento del territorio nacional.
Palabras claves: GPS, Andes Venezolanos, picos más altos de Venezuela, REGVEN, modo
diferencial GPS, modelos geoidales.
INTRODUCCION
Esta investigación forma parte del proyecto que adelanta el Instituto Geográfico de Venezuela
Simón Bolívar (IGVSB) sobre la determinación exacta de las máximas elevaciones del territorio
nacional. Se presenta en esta investigación la determinación altitudinal de los picos Humboldt y
Bonpland, continuando con los estudios que se realizaron para la determinación de las alturas de los
picos Bolívar, Toro, Piedras Blancas y Mucuñuque en el año 2002.
Históricamente, en Venezuela el Pico Bolívar es máxima elevación del relieve, determinada a
comienzos del siglo XX, cuando en 1907, la Cuarta Expedición de la Comisión Astronómica de la
Junta del Levantamiento del Plano Militar, determina la elevación del Pico La Columna, en 5002
metros, desde entonces se han publicado diferentes alturas para esta cima, desde 4976 (Saler y
Abad, 1992) hasta 5007 m, mientras que para los picos Humboldt y Bonpland se determinaron los
valores de 4942 y 4883 respectivamente.
El objetivo principal de este estudio es determinar exactitud submétrica la altitud de los picos
Humboldt y Bonpland, utilizando datos provenientes de observaciones geodésicas espaciales del
sistema GPS (Global Positioning System). Las coordenadas geodésicas estarán referidas al Sistema
Geodésico Nacional REGVEN – Red Geocéntrica Venezolana – (ITRF 94, época 1995.4)
(Hernández et al, 2000), utilizando receptores GPS en modo diferencial.
Area de
estudio
Figura 1: Ubicación relativa del estudio
El área de estudio se encuentra ubicada en la cordillera central andina en la Sierra Nevada del
Estado Mérida, entre las coordenadas REGVEN, 8º 32' y 8º 33' de latitud Norte y 70º 59' y 71º
01' longitud Oeste (fig. 1). La distancia entre ambos picos es de 1081 metros.
La Cordillera de Los Andes tiene una orientación Noreste, es una región tectónicamente activa,
atravesada por la falla de Boconó, siendo ésta el borde principal entre las placas tectónicas del
Caribe y Suramérica, donde varios autores consideran un desplazamiento entre 10 y 15 mm/año
(Pérez et al, 2001).
Los datos GPS se procesaron utilizando el software Trimble Total Control y para la reducción de
alturas elipsoidales a alturas cuasiortométricas, se utilizó el modelo nacional de geoide para
Venezuela desarrollado por el Instituto Geográfico de Venezuela Simón Bolívar y el Laboratorio de
Geodesia Física y Satelital de la Escuela de Ingeniería Geodésica de la Universidad de Zulia,
obteniéndose valores finales de 4916 m y 4863 m de altitud como resultado final para las picos
Humboldt y Bonpland respectivamente.
ANTECEDENTES
Luego que se define al Pico Bolívar como la elevación más prominente desde los comienzos del
siglo XX, cuando en 1907 la Cuarta Expedición de la Comisión Astronómica de la Junta del
Levantamiento del Plano Militar, creada por decreto el 27 de junio de 1904, midió en Mérida una
base para levantar por intersecciones los picos y nevados de la doble Serranía ( Sierra Nevada y La
Culata) que la circunda, quedan fijados los de La Corona (Humboldt y Bonpland), El León, El Toro,
El Salado, Los Conejos y La Columna (Bolívar).
Igualmente Alfredo Jahn, publica en 1912 las alturas del Pico Humboldt en 4942 m y el Bonpland
en 4883, siendo hasta el presente, los datos oficiales de estas cumbres. Para esta determinación Jahn
realizó mediciones barométricas combinadas con observaciones trigonométricas desde las alturas
de Apartaderos (Jahn, 1912).
Entre los primeros documentos que ubican a las máximas elevaciones de los Andes Venezolanos,
se refieren al Pico Bolívar con la determinación de su altura, se encuentra el “Plano Militar de
Venezuela”, carta N° 26, de 1909 a escala 1:250.000, en el que aparece el Pico Bolívar con el
nombre de La Columna y 5002 metros de altitud. Luego el “Diagrama Orográfico de la
Cordillera Venezolana de Los Andes “, a escala 1:500.000, levantado y construido por Alfredo
Jahn, ingeniero jefe de la Comisión Científica Exploradora del Occidente de Venezuela, con fecha
de 1910 – 1912, indica la altura de 5002 metros para esta cumbre. A. Jahn, además en 1912
presidió por disposición del Ministerio de Obras Públicas, la Comisión para realizar un estudio
completo de la Cordillera de Los Andes, ejecutando el levantamiento de los tres estados que
conforman la región andina. Posteriormente, la altura y nombre de La Columna fue traspasado a
los diferentes mapas, cartas y planos. El “Atlas de los Estados Unidos de Venezuela”, de Vicente
Lecuna de 1916 – 1921, aparece como La columna con una altura de 5002 metros. Luego en el
Mapa Físico y Político de los Estados Unidos de Venezuela, Primera edición de 1928, escala
1:1.000.000, se encuentra La Columna con 5007 metros. En relación a los datos geográficos
altitudinales relativos a los picos Humboldt y Bonpland, se encuentra en primer lugar que las cartas
de Codazzi de 1840 no poseen alguna indicación sobre estas elevaciones, mientras que en el Mapa
Físico y Político de Venezuela de 1909, hoja 26, escala 1: 250.000, se encuentra La Corona
(constituido por los picos Humboldt y Bonpland) con una elevación máxima de 4730 m.
Posteriormente en los mapas de Vicente Lecuna de 1916 no aparece mención alguna sobre estos
datos. Finalmente en el mapa Físico Político de la Republica Bolivariana de Venezuela 2001 del
IGVSB, se adopta para el pico Humboldt 4942 m y para el Bonpland 4883 m.
MEDICIONES GPS
Las mediciones GPS para la ejecución de la investigación se diseñaron de tal forma de cubrir en una
campaña simultánea la ocupación de las dos cumbres. Para ello se evalúo la necesidad de utilizar la
estación permanente GPS REMOS (Red de Monitoreo Satelital GPS) ubicada en la ciudad de
Barinas (www.igvsb.gob.ve/remos), considerando la logística necesaria para ascender a las dos
cumbres y al mismo tiempo poseer una estación fija de medición continua durante la etapa de
campo del proyecto.
La logística para ocupar las cumbres con los receptores GPS, se planificó conjuntamente con el
Instituto para la Prevención y Administración de Desastres del Estado Mérida, la Oficina Regional
de INPARQUES del Estado Mérida, el Sistema Teleférico de Mérida, el Programa Andes
Tropicales y el Centro de Integración y Capacitación para la Gestión de Riesgos Los
Conquistadores. Debido a que no se encontraba en funcionamiento normal el teleférico para los
traslados del personal técnico y de apoyo, se hizo necesario ascender utilizando los vagones de
carga hasta Pico Espejo, para luego establecer la Base de Operaciones en la Laguna El Suero,
equidistante a ambas cumbres.
El grupo de trabajo para los ascensos a las cumbres estuvo formada por tres técnicos del Instituto
Geográfico de Venezuela Simón Bolívar, dos escaladores-paramédicos del Instituto para la
Prevención y Administración de Desastres del Estado Mérida y cinco escaladores del Centro de
Integración y Capacitación para la Gestión de Riesgos Los Conquistadores.
Las mediciones GPS se realizaron en cada cumbre con sesiones de medición de una hora de captura
de datos GPS, con 10 segundos de captura de datos y 10º de máscara de elevación. Se establecieron
dos líneas bases GPS, Estación REMOS Barinas – Pico Humboldt (83,9 km)y Estación REMOS
Barinas – Pico Bonpland (84,7 km) con orientación N 100º W.
La campaña para las mediciones GPS se realizó entre el 20 y 23 de febrero de 2009.
Figura 2: Mediciones GPS en la cumbre del Pico Bonpland
Figura 3: Mediciones GPS en la cumbre del Pico Humboldt
PROCESAMIENTO DE DATOS GPS
Para el procesamiento de los datos GPS se utilizó el software Total Control de la empresa
Trimble, por medio de dobles diferencias de fase, con efemérides transmitidas. Todas las
coordenadas tridimensionales de los vértices se calcularon con respecto a la estación REMOS
Barinas.
En el cuadro 1 se presentan los resultados finales del cálculo para la obtención de las alturas
ortométricas y elipsoidales.
REDUCCIÓN DE ALTURAS POR MODELO GEOIDAL
Para determinar las ondulaciones geoidales por medio de la transformación de las alturas
elipsoidales de los picos Humboldt y Bonpland se utilizó el modelo geoidal GEOIDVEN,
desarrollado por el Instituto Geográfico de Venezuela Simón Bolívar y la Escuela de Geodesia de la
Universidad del Zulia. Este modelo geoidal resultó de la combinación del modelo geopotencial
EGM 96, diferentes modelos digitales de elevación, diversas fuentes de data gravimétrica (terrestre
y marina) y mediciones satelitales GPS sobre puntos de la red de nivelación (Hoyer et al, 2004).
RESULTADOS
En la tabla siguiente se presentan los resultados de la obtención de las altitudes finales utilizando
observaciones GPS, luego de ser reducidas las alturas elipsoidales a alturas ortométricas por medio
del modelo geoidal GEOIDVEN.
Cuadro 1: Resultados ( m) de la determinación de elevaciones
Pico
helip (m) H GEOIDVEN (m)
Humboldt
4918
4916
Bonpland
4865
4863
Cuadro 2: Cuadro comparativo de resultados
Pico
Altitud año 1912 (m)
Humboldt
Bonpland
4942
4883
Nueva Altitud por
GPS año 2009 (m)
4916
4863
Diferencia
(m)
-26
-20
Como resultado final se determinó la altitud para el pico Humboldt de 4916 m y para el pico
Bonpland de 4863 m.
CONCLUSIONES
Se han determinado nuevos valores con exactitud submétrica para los picos Humboldt y Bonpland
de 4916 y 4863 m respectivamente utilizando mediciones GPS y el modelo geoidal GEOIDVEN.
Del análisis de resultados y considerando que los últimos datos oficiales de los picos Humboldt y
Bonpland se corresponden a los plasmados en el Mapa Físico Político de la República Bolivariana
de Venezuela 2001 del Instituto Geográfico de Venezuela Simón Bolívar y con los determinados
por Jahn en 1912, correspondientes a 4942 m y 4883 m respectivamente, se observa una diferencia
con los nuevos valores obtenidos de -26 m y -20 m.
Estas diferencias de –26 m y – 20 m para ambos picos, junto a la diferencia obtenida durante el
cálculo de la nueva elevación del Pico Bolívar en la campaña del 2002 de –22 m, diferencia entre el
valor anterior de 5002 m y el nuevo valor de 4980 m, generan un promedio aproximado de -23 m.
Estas diferencias de altitudes en un mismo sentido puede ser atribuido a los errores sistemáticos del
instrumental utilizado en 1912 y a la definición no muy exacta de la superficie vertical de referencia
para las alturas por medio de métodos mareográficos de precisión.
Figura 4: Campamento Base en Laguna El Suero
AGRADECIMIENTOS
El Instituto Geográfico agradecen la colaboración de instituciones y personalidades que colaboraron
para la ejecución de las actividades de campo, Instituto para la Prevención y Administración de
Desastres del Estado Mérida, la Oficina Regional de INPARQUES - Mérida, el Sistema Teleférico
de Mérida, Jaime Bautista del Programa Andes Tropicales, Jairo Burguera de la Alcaldía de Ejido y
los escaladores del Centro de Integración y Capacitación para la Gestión de Riesgos Los
Conquistadores.
BIBLIOGRAFÍA
.-Hernández J, Balcázar F (1998), Evaluación de la Red de Triangulación del Área Metropolitana
de Caracas utilizando GPS, Memorias III Congreso Venezolano de Geodesia, Maracaibo.
.-Hernández J (1998), Evaluación del modelo EGM – 96 en Venezuela utilizando la Red
Geocéntrica Venezolana REGVEN, Memorias III Congreso Venezolano de Geodesia, Maracaibo.
.-Hernández J, Drewes H, Tremel H (2000), La Red Geodésica Venezolana REGVEN, Servicio
Autónomo de Geografía y Cartografía Nacional, Caracas.
.-Hoyer M, Wildermann E, Suárez H, Hernández J (2004), Modelo Geoidal Combinado para
Venezuela (MGCV04), INTERCIENCIA, Vol. 29 Nº 12.
.-Jahn A (1912), Mis ascensiones a la Sierra Nevada de Mérida, Revista El Cojo Ilustrado, Tomo
XXI, Nº 47, Caracas.
.-Lecuna V (1921), Atlas de los Estados Unidos de Venezuela, Caracas.
.-Lemoine F, Kenyon S, Factor J, Trimer R, Pavlis N, Chinn D, Cox C, Kloslo S, Luthcke S,
Torrence M, Wang Y, Willianson R, Pavlis E, Rapp R, Olson T (1998), The development of the
Joint NASA GSFC and the National Imagery and Mapping Agency (NIMA) Geopotencial Model
EGM 96, NASA Goddard Space Flight Center, Greenbelt, USA.
.-Márquez V (2003), Determinación de la altura ortométrica del Pico Bolívar en Los Andes
Venezolanos a partir de observaciones dentro del Sistema de Posicionamiento Global, Tesis de
Grado Ingeniería Geofísica, Universidad Simón Bolívar, 2003.
.-Pérez O, Bilham R, Bendick R, Velandia J, Hernández J, Moncayo C, Hoyer M, Kozuch M
(2001), Velocity field across the southern Caribbean plate boundary and estimates of
Caribbean/South-American plate motion using GPS geodesy 1994-2000, Geophysical research
letters, vol. 28, Nº 15.
.-Saler H, Abad C (1992), La Altura del Pico Bolívar, H. Saler, C. Abad, Revista Venezolana de
Geografía, Universidad de los Andes.
.-http:/igvsb.gob.ve/remos
EDUCACION
LOS SIG Y LA EDUCACION. DIPLOMADO BÁSICO EN
TECNOLOGIAS DE INFORMACION GEOGRÁFICA
Indriago A, José A, Arq. MSc; Cuberos, Ricardo, Arq. MSc; Molina, Nixón, Geog.
Vanga, María, Ing., MSc; Araujo, Carmen Cecilia, Lic. MSc
[email protected] , [email protected] , [email protected]
Instituto de Investigaciones de la Facultad de Arquitectura y Diseño (IFAD)
Universidad del Zulia
Calle 67 con Avenida 16 Núcleo Técnico, Bloque H, 1er Piso
Maracaibo, Estado Zulia
Tlf. 0261 7598503 – 0412 7715275
Apartado postal 15399, Venezuela
Tema: Ordenamiento Territorial.
Problema tratado: Diseño de curso técnicos que permitan la capacitación en el uso de SIG,
para la planificación y gestión del territorio.
Originalidad: Estrategias académicas de capacitación, preparación de cursos adaptados a
diversidad de profesionales con interés en los SIG.
Resultados: Programas Académicos para formación en SIG, profesionales preparados para
emprender proyectos con SIG.
Resumen
El auge que han tomado los Sistemas de Información Geográfica (SIG), en las empresas, la
docencia y la investigación, en numerosos ámbitos del sector productivo y de las ciencias, ha
propiciado la necesidad de formación académica de las personas involucradas o interesadas en
el uso de los SIG, que buscan mejorar sus conocimientos, para la generación y uso de
información espacializada, relevante en la toma de decisiones más eficiente, en sus respectivas
áreas.
El Instituto de Investigaciones de la Facultad de Arquitectura y Diseño (IFAD), de la
Universidad del Zulia, con una experiencia que se remonta desde finales los años 60, del siglo
XX, cuando en sus inicios, acogió proyectos sobre el fenómeno de urbanización en la Región
Zuliana (VEN-11), el ordenamiento territorial de la Micro Región Guasare-Socuy enmarcado
dentro del Programa Sidero-Carbonífero del Zulia, y los cursos Uso de la Computación en
Urbanismo y Sistemas Automáticos de Información Cartográfica, contando con un primer
“núcleo de computación” con “una unidad terminal, impresora, digitalizadora y plotter” (ISA,
1979), ha aceptado el reto formativo, cubriendo parte de estas necesidades en el occidente del
país.
Con una trayectoria de 40 años en el área de planificación, ordenamiento y gestión urbana,
territorial y ambiental, desde hace más de 15 años, el IFAD, viene capacitando a estudiantes,
profesores, investigadores y profesionales, en el área de los SIG, a través de cursos diversos de
pregrado, postgrado y formación continua, algunos orientados hacia los software abiertos (Open
Source GIS), otros de software propietario avalados por ESRI de Venezuela y en Gerencia SIG,
dictados por el IGVSB.
En el año 2008, se inicia la primera Cohorte del Diplomado Básico en Tecnologías de la
Información Geográfica, como un curso de mediano plazo, donde se imparten conocimientos
fundamentales sobre Cartografía, Geomática, Análisis de Datos Espaciales, Procesos de
Sensores Remotos y Funcionalidades Avanzadas (3D, Internet, multimedia), procurando
transmitir las ideas más actualizadas, y presentar el “estado del arte”, sobre aplicaciones de
licencia libre y comercial, que permitan a los participantes, a través de sesiones teóricopracticas, conocer sobre las diversas alternativas y herramientas, que acerca de los SIG, existen.
Como resultado de este primer curso, han egresado 29 participantes con conocimientos básicos
para organizar, administrar y evaluar la gestión del espacio geográfico en los ámbitos de
planificación urbana y territorial, apoyados con SIG, articulando, además la variedad de
especialidades de los cursantes, entre los cuales habían ingenieros geodestas, agrónomos,
arquitectos, biólogos, entre otros, pertenecientes a empresas públicas y privadas, así como
docentes universitarios.
Hay que destacar que la diversidad de profesiones, y posibilidades de aplicación de los SIG, en
las áreas de trabajo de los participantes, permitió el intercambio interesante de ideas, y
discusiones variadas acerca del potencial de los SIG, en innumerables ámbitos y actividades
empresariales y universitarias. También ha permitido la reflexión, por parte del Comité
Académico de Diplomado, para realizar propuestas de cursos más especializados o tratar de
acreditar, en un futuro próximo, ante las instancias respectivas, una Maestría en Geomática.
Palabras clave: Sistemas de Información Geográfico, SIG, Ordenación Territorial, Educación,
Diplomado.
Introducción
El importante crecimiento del uso de las Tecnologías de Información y Comunicación (TIC´s),
en todos los ámbitos de la vida humana, así como su indetenible globalización, resultado del
gran desarrollo técnico que se ha gestado desde finales del siglo XIX, hasta nuestro días, ha
propiciado que las personas involucradas en las diversas áreas de la producción busque mejorar
sus conocimientos y a elevar su nivel de desempeño acerca de la TIC,s.
Los Sistemas de Información Geográfica (SIG), no escapan a este auge, y surgen desde
mediados del siglo pasado, como una de las tecnologías de mayor proyección mundial, por sus
aportes a la productividad de empresas, seguridad, prevención de riegos, planificación
territorial, investigación, docencia, entre otros.
Los SIG conjugan 5 elementos claves necesarios para su óptimo funcionamiento: 1. Equipos o
Hardware, computadores o sistemas de computadores y periféricos, que permiten la entrada,
procesamiento y la salida de la información. 2. Los Programas o Software que proveen las
herramientas y funciones necesarias para almacenar, analizar y presentar la información espacial
y geográfica. 3. Los Procedimientos o Métodos, que permiten la gestión, mantenimiento y
análisis de datos según las características de los equipos y de los programas disponibles. 4. Los
Datos, una de las piezas más importantes del sistema, en ocasiones uno de los componentes más
costosos, y cuya verificación y certificación es muy importante, para la minimización de errores.
Y el quinto, es el Recurso Humano, que es son personas especializadas que desarrollan, operan
y administran el sistema. Este personal prepara el sistema para que actúe en aplicaciones del
mundo real, además de actualizar los datos, aplicaciones y equipos, para su adecuado
funcionamiento y prevenir la obsolescencia. Hay que tener en cuenta que existen diferentes
tipos de usuarios, desde especialistas técnicos que diseñan y mantienen el SIG, hasta las
personas que usan los resultados (mapas, tablas y gráficos), para resolver sus tareas diarias.
En muchas ocasiones, este último elemento de los SIG, es el más débil del sistema, porque
¿Dónde se forman a los expertos en SIG?. La mayoría de las ocasiones, los conocimientos y la
experticia se adquiere a pie de un proyecto, aprendiendo día a día con los programas y
procedimientos, experimentando con manuales, probando funcionalidades y programaciones
según las necesidades o exigencias del proyecto, y en el mejor de los casos, teniendo asesorías
de otros expertos que comparten el trabajo y sus capacidades.
Tratando de dar respuesta a la pregunta anteriormente formulada, el Instituto de Investigaciones
de la Facultad de Arquitectura y Diseño (IFAD), de la Universidad del Zulia, con 40 años de
experiencia en proyectos de planificación y gestión urbana, territorial y ambiental, con más de
20 años de experiencia, utilizando SIG, para la investigación y proyectos de servicio, y dictando
cursos de mejoramiento académico en urbanismo, ambiente y sistemas de información,
implementa un curso de mediano plazo, denominado Diplomado Básico en Tecnologías de la
Información Geográfica.
A través de este curso se imparten conocimientos fundamentales sobre Cartografía, Geomática,
Análisis de Datos Espaciales, Procesos de Sensores Remotos y Funcionalidades Avanzadas (3D,
Internet, multimedia), procurando transmitir las ideas más actualizadas, y presentar el “estado
del arte”, sobre aplicaciones de licencia libre y comercial, que permitan a los participantes, a
través de sesiones teórico-practicas, conocer sobre las diversas alternativas y herramientas, que
acerca de los SIG, existen.
Implementación del Diplomado.
El Diplomado en Tecnologías de la Información Geográfica, que comenzó a gestarse desde el
año 2007, y se implementa en el año 2008, surge de la necesidad de estructurar en un solo curso,
los conocimientos básicos, para que las personas interesadas en conocer los SIG aplicados a la
planificación y gestión del territorio. Su principal objetivo es capacitar a los participantes para
visualizar, modelar, construir, comunicar y analizar información georeferenciada, a través de la
utilización de tecnologías de avanzada, correspondientes al área de Geomática.
Para lograr este propósito, se establecieron los siguientes objetivos específicos, que permitirán
cumplir con el objetivo principal del Diplomado:
1. Brindar a los participantes los elementos conceptuales que les permitan competir a nivel
profesional en lo relacionado a las ciencias geoespaciales.
2. Contribuir en la comprensión de los principios de la Geomática: modelos cartográficos,
sistemas de proyecciones, infraestructura de datos espaciales, modelos digitales de
terreno, geoestadística, fotogrametría, sensores remotos, imágenes satelitales, sistemas
de posicionamiento global (SPG) y Sistemas de Información Geográfica (SIG).
3. Introducir a los estudiantes en los entornos distribuidos de datos geoespaciales, la
cartografía en internet y algunas de las herramientas informáticas más utilizadas.
4. Facilitar a los participantes las herramientas necesarias para el manejo de conceptos
básicos sobre el análisis espacial de los datos geográficos.
5. Apoyar el manejo y la gestión de un proyecto, a través de la realización de un trabajo
especial asignado a cada participante.
El egresado del Diplomado estará en capacidad de visualizar, modelar, construir, comunicar y
analizar información georeferenciada, a través de la utilización de tecnologías de información
del área de Geomática. Las competencias específicas a desarrollar y los indicadores de logro
serán:
1. Definir la aplicación de la Geomática en diversas áreas de conocimiento. Destreza para
definir la Geomática, su importancia y las disciplinas donde puede ser utilizada.
2. Identificar la esencia del espacio geográfico. Habilidad de usar los mapas como
herramienta de apoyo; capacidad de usar los mapas para el desarrollo y ordenamiento
de los recursos.
3. Distinguir y explicar principios de las proyecciones geodésicas. Habilidad para
identificar sistemas de coordenadas; distinguir las proyecciones cartográficas,
cilíndricas, cónicas, azimutales y tangenciales entre otras.
4. Comprender los componentes de un SIG y sus diferentes enfoques de desarrollo a nivel
institucional. Facultad de conocer el alcance de un SIG y su utilidad en cualquier
disciplina que se base en la combinación de planos cartográficos y bases de datos.
5. Manipular información geográfica a través de un SIG. Habilidad de planificar y ejecutar
la implementación de un SIG, estructurando bases de datos, desarrollando métodos de
análisis espacial y generando resultados gráficos.
6. Procesar digitalmente en forma elemental imágenes obtenidas de sensores remotos,
medios aerotransportados o digitalización de bases análogas. Capacidad de obtener,
transformar y adecuar digitalmente información de imágenes hacia modalidades útiles
para proyectos territoriales específicos.
7. Obtener información básica de imágenes territoriales. Capacidad de hacer
fotointerpretación sobre distintos modos de ocupación antrópica y natural de la
superficie terrestre.
8. Conocer los principios del funcionamiento de la constelación SPG. Capacidad de
reconocer en un navegador SPG los diferentes elementos que componen el
geoposicionamiento de un punto cualquiera de la superficie terrestre.
9. Conocer nuevas tendencias en el desarrollo de la geomática. Capacidad de identificar
recursos de información georeferenciada en entornos distribuidos y en Internet, así
como opciones de visualización 3D y multimedia.
El curso está diseñado de modo que estudiantes avanzados, técnicos y profesionales, interesados
en la Geomática, puedan realizar el Diplomado y cubrir de manera satisfactoria los contenidos
preparados, de manera que el curso está dirigido a:
Profesionales responsables de manejar un SIG.
Profesionales responsables de Catastro.
Profesionales relacionados directamente con la administración y gestión de información
territorial: Cartógrafos, Geógrafos, Ingenieros Forestales, Ingenieros Agrónomos,
Ingenieros Geomensores, Geodestas, Ingenieros Ambientales, Ingenieros Civiles,
Ingenieros de Vías y Transporte, Ingenieros Hidráulicos, Ambientales, estudiantes de
ingeniería entre otros.
También está dirigido a profesionales y estudiantes de otras áreas, que necesiten tomar
decisiones relacionadas al ámbito territorial, ambiental o de planificación urbana.
El proceso de enseñanza y la evaluación del aprendizaje se ajustará a los principios
andragógicos, dada la condición de adulto que caracteriza a los participantes; en consecuencia,
en cada módulo se establecerán contratos de aprendizaje producto de la negociación o acuerdo
entre el facilitador y los participantes.
Se entiende por contrato de aprendizaje, la modalidad de acuerdo formal que se establece entre
el facilitador y los participantes de un módulo acerca de las competencias a ser adquiridas,
estrategias y actividades de enseñanza y aprendizaje, recursos humanos y materiales,
distribución temporal y criterios de evaluación.
Al finalizar cada módulo, el facilitador responsable evaluará si los indicadores de logro
establecidos fueron alcanzados y si los conocimientos fueron integrados. El participante deberá
participar en todos los módulos para obtener el Diplomado.
Las estrategias de enseñanza están centradas en prácticas en el laboratorio para complementar el
conocimiento teórico adquirido:
Manejo de plataformas SIG.
Ejercicios de procesamiento digital de imágenes.
Tareas de fotointerpretación.
Revisión de recursos de información geoespacial en Internet.
Además, se desarrollan proyectos que simulen situaciones a la cual podrían enfrentarse los
participantes, en cada una de sus profesiones o en los cargos que actualmente estén ocupando, o
que ocuparán en el futuro.
El curso también busca, la enseñanza-aprendizaje a través de la concepción social de
constructivismo, considerándolo como una actividad colectiva, de intercambio de ideas, y
colaboración grupal y cooperativa, evidentemente, respetando el aprendizaje individual,
permitiendo el trabajo independiente de cada participante, y su propio ritmo de aprendizaje.
La característica de la pluralidad de profesiones y actividades laborales, que afortunadamente
convergen en el Diplomado, ha propiciado la discusión y discernimiento sano y positivo,
permitiendo establecer mejores relaciones entre los participantes, el intercambio de
experiencias, que permiten el desarrollo óptimo de los procesos de razonamiento, permitiendo a
los personas tomar conciencia de sus procesos y estrategias de pensamiento.
Además, de representan un reto, para los diseñadores del curso, ya que hay que nivelar los
conocimientos de los participantes, tratando de mantener un lenguaje y una comunicación, que
permita transmitir las ideas con claridad y ser compredidas por de aquellos que tengan ninguna
o poca experiencia sobre los SIG y la Geomática. En muchos casos podemos tener en un curso,
por ejemplo, Ingenieros Geodestas, con conocimientos sobre las ciencias geográficas,
compartiendo con Arquitectos, Comunicadores Sociales o Biólogos, con nociones espaciales o
geográficas, diferentes a otros profesionales preparados en ciencias afines.
La Geomática es una disciplina técnica, que engloba múltiples estudios y ciencias como la
Geografica, Cartografia, Física, Matemática, Computación, Geodesia, Sistemas de Información
Geográfica, Posicionamiento Satelital, Teledetección, Fotogrametría, Estadísticas, entre otros,
que la convierte al Diplomado, en un desafío transdisciplinario e interdisciplinario, al momento
de la enseñanza-aprendizaje, por la variedad y cantidad de conocimientos que deben ser
impartidos, y por el nivel de expertica que pueden tener los participantes, al comenzar los
estudios.
El curso también está dirigido a reforzar el pensamiento investigativo, buscando fortalecer en
los participantes, sus funciones como profesionales y gerentes proactivos y críticos, capaces de
estimularlos a utilizar poderosas herramientas TIC,s, que les permitirán ser más eficaces en la
toma de decisiones.
Contenido del Curso
El Diplomado tiene una duración de 170 horas, distribuidas en clases una vez a la semana (8
horas), durante 6 meses. El plan de estudio está dividido en 5 módulos, con los siguientes
contenidos generales:
Tabla 1: Diplomado Básico de Tecnologías de la Información Geográfica
Plan de Estudio – Contenido general
Módulo 1: Introducción a las Tecnologías de
Información Geográfica
Bases de la Geomática
Sistemas de Proyecciones
Cartografía y visualización de datos
Módulo 3: Procesos de Sensores Remotos
Percepción remota y teledetección
Modelos Digitales de Terreno
Tratamiento de Imágenes
Sistemas de Posicionamiento Satelital
Desarrollo e Implementación de proyectos
TIG
Módulo 2: Análisis de Datos Espaciales
Sistemas de Información Geográfica (SIG)
Modelos de datos en un SIG
Ingreso y edición de datos (vector – raster)
Análisis espacial y geoprocesamiento
Geoestadística, interpolación y simulación
Módulo 4: Funcionalidades avanzadas
Visualización 3D y multimedia
Infraestructura de Datos Espaciales
Servicios SIG a través de Internet
Módulo 5: Proyecto final
Es importante destacar, que el Diplomado Básico en Tecnologías de la Información Geográfica,
es la primera experiencia, en este tipo de formato académico en Venezuela. Evidentemente, con
anterioridad se imparten estudios de cuarto nivel en otras instituciones, como la Universidad
Central de Venezuela (UCV), que dicta a través de la Facultad de Agronomía, la Especialidad
en Geomática, o el caso del Instituto Geográfico Venezolano Simón Bolívar (IGVSB), que
imparte, desde hace varios años, cursos cortos en el área de Geomática, al igual que La
Universidad del Zulia (LUZ) y otros organismos públicos y privados.
También es conveniente comentar que, en los currículos académicos de pregrado y postgrado de
algunas carreras universitarias, técnicas y humanísticas, en instituciones públicas y privadas,
comienzan a incluirse cursos básicos en Sistemas de Información Geográfica, bien sea como
asignaturas obligatorias o electivas, resaltándose poco a poco la importancia de la Geomática,
en muchas de las profesiones y en innumerables actividades del quehacer y la vida humana.
El curso es dictado por profesionales expertos de LUZ, del Instituto de Investigaciones de la
Facultad de Arquitectura y Diseño (IFAD), y de la Escuela de Geodesia de la Facultad de
Ingeniería, con estudios nacionales e internacionales, en el área de Geomática, con una amplia
experiencia en investigación, proyectos y docencia en el área, y se realiza en la sede del IFAD,
que cuenta con laboratorios de computación, dotados de equipos preparados para proyectos de
Geomática, y software libre y comercial, especializados en SIG (vectoriales y raster), así como
aulas teóricas dotadas de equipos multimedia y conexión de banda ancha para Internet.
Resultados
Como producto, al finalizar el Diplomado, y como se ha precisado anteriormente, los
participantes estarán capacitados con los conocimientos técnicos básicos necesarios, para
abordar proyectos SIG aplicados a la planificación y gestión, permitiéndoles visualizar,
diseñar, modelar y analizar información espacializada y georreferenciada, utilizando
herramientas tecnológicas avanzadas, en el área de Geomática, las cuales con un uso
adecuado, permitirán gerenciar recursos espaciales y territoriales con mayor precisión,
minimizando errores al momento de la toma de decisiones. La Cohorte 2008, formó a 29
participantes.
A los organizadores del curso, les permitió diseñar y preparar, programas académicos,
contenidos y estrategias de enseñanza-aprendizaje, que permitiendo a los facilitadores
transmitir los conocimientos a los participantes, logrando su comprensión y posterior
aplicación, por parte de los cursantes.
Permitió mejorar las capacidades tecnológicas, equipos y software, del laboratorio de
Geomática del IFAD, ampliando la capacidad de atención académica a la comunidad.
Conclusiones
El Diplomado permitió estructurar en un solo curso, los conocimientos necesarios para
preparar a la personas con los conceptos básicos, teóricos y prácticos, que requieran
emprender proyectos de complejidad media, utilizando SIG u otras herramientas
tecnológicas utilizadas en Geomática.
Es necesario formular programas académicos básicos, intermedios y avanzados en
Geomática, en colegios, universidades e instituciones de capacitación, públicas y privadas,
para formar a los estudiantes y profesionales, que requieran conocimiento en el área.
Las estrategias combinadas (enseñanza tradicional y el uso de TIC,s), permiten transmitir
con mayor efectividad, los conocimientos diversos que engloba la Geomática, facilitando el
proceso de enseñanza-aprendizaje, socializado e individual, de forma que los participantes
puedan asimilar mejor los conocimientos impartidos.
!$\\^\^|~€^‚\~~\~
!$„†‡^|$\\~\~€^\\^~ˆ‰Š†\‹Œ
‘^Œˆ’Œ“\~~‘ˆ‹~Œ^‹
”‚!‚€!‚€
•Œ–\‹\Œ
—Œ!^^|Œ
˜Œ™\~\Š™Œ
šŒ–\~Œ
›Œ^~\Œ
œŒ‡’~ˆ‰Œ
~!$\ˆ^\„\\\~†‹|‡~‰“ž!$„†‡Ÿ^‹\\\^\‹\
\$\ˆ‰ˆ‰Š\~„\\~^\~\~‹|
\ˆ^Š\ \^~~‰^Š~\^~\\‹\\ˆ\ˆ‰
ˆ\\^ˆ‰\^\^|\‹^Š\~‹\\~ˆ\\^|\
‹^|^~\~^~\^ŠŒ^ ^\~\^~
\\^~ˆ‰~!‹^|ž!Ÿ\\^~™\\~\~
\^\^~ˆ‰\!!\‹\~~\“^’\~Š\^!\^\
‚ ^~\ $\\^~ \ „\\\~ ž!‚$\„\Ÿ \ \~ ^~ \ ’^ \’~\^\ ^ \ ~‰^ \\ \^~ˆ‰ Š \^ ¡‹ \^\ ¢
^\ ~‹^\ ’ ~ ‹^| ˆ\\\\^ \ ~ –\£’~^ ‡~“ \
„\\\~\‹\\ ~^|\~£’~^\ˆ\\~~ˆ\\\\^
ˆ\\ ~ ‹^| £’~^ žŸ ~\^\ ~ ’\‰ ^~ Š ‹“\ ~
\\\^\^~|ˆ^\\Œ
\\\Š^‹‹\\\\~~\~Š\^!‚$\„\\\\~~
\~$\~¤†‹|‡~‰“¥~¦\’ \~’\§\~’\’ ^\^£’~^
$\\~\$¨©ª¢\\‹^~‹\\~’~^^|\~^ˆ^
“\\~ \~’ \~ !$„†‡ Š \‹\\ ~ ‹^| ˆ\\ \~
 „\\~Œ  \~ ~^^\ \ ~ ‹\ \ \ \^\ ~ˆ\\“^¢\
^~Š\\¢\\\~\ˆ~\‹|\‹^|ˆ\ˆ^
\\ ~ ^~\ \\^« ¦™† ž‹ \ ¦\’Ÿ ¦¬† ž“\^\Ÿ Š ¦† ž‹ˆ\\ \
~\ŸŒ€\^‹’^\\\\~^~\’^\~
$\~Š~\\^\^~|ˆ^Œ
~’ \“^~\~$\~¤†‹|‡~‰“¥\\‹~’~^
Š \ ~ ~^^\ \~ £’~^ \ ˆ\\~ ~ ‹^| ˆ\ˆ^ \ \
\ “ \ ~ ¦\’Œ ~ ~ ¦\’ \‹ \\\ ~ ˆ\\\\^ ’\ ‹ ’ ~ “ Š \~ \ ¢\ ‹\ ^\ ~
‹^|Œ
~’^~“\«$\~!‚$\„\!‹^|ˆ\ˆ^Œ
!
~!$\ˆ^\„\\\~†‹|‡~‰“¡\’~\^\\^~\’ \“
~ \ \^^| \ Š\^ \^ ~ ˆ\| \~ \~~ \ ˆ\\\\^ ’ \\Š‹\~ˆ‰¢\\‹¡^\~~\ˆ~ˆ‹Š\\£’~^Š
\\\‰~‹^|ˆ\ˆ^\\\^‹~\~~\
!\^\‚^~^~\‹\~\\’~\\~
ˆ‹^\\‹^|ˆ\ˆ^Œ
\^‹\\\^\^^~\Œ~‹\\\~~\ª\~ˆ
\\~^^\~\~~Š\“~^|\~$\~¤†‹|‡~‰“¥\‹^\\~
Š\^ !‚$\„\Œ †\ˆ‹\\\¡’~’\~‹\~\Š‹\~~
ˆ‹\~^\’^\~‹\~^^\~¢\^’ \“Š~^\
¢\ \ ¡ \Œ \‹ \ \ª\ \ ’^ \~ ˆ\~ Š ~ ^‹’ ¢\ \
‹~^Œ£~‹\\~\\\\^^~\ˆ\\~\Œ
~!Š\~!$„†‡¡^\\~\~~\~$\~^\\~’\¢\\‹
\\“‹~Š\\~‹^|’^Š\‹^\~\^~
‹‹ ‰ \‹ \\ Š ˆ \ ~ ˆ‹ Š \\ \~ 
^\\‹^|ˆ\ˆ^Œ
""#$&
¢\^\~\‹“\~\§\\\^\\^\~ˆ\\‹\«
†\“ ¦‡ ™\ \ ‡\ \ ‚ ^~ †\“ \ ™ €‹^| \
†\“\™Š†\“\~ˆŒ\\\\‹\^~ˆ\\«
†\“¦\’«^¡\
™\ \‡\\‚«ˆ\†­®$!†
†\“\™«™\“\~\“^€$«¦™†
†\“\™«$\\“\~\“^€$«¦¬†
~\™«€\~Š\®ª¯†®~ˆ^‹\\™¬¡Œ
€‹^|\†\“^\™«~\^¡\
\ˆ \ˆ‹^|«°®°™†^®¯“†^®Š¡
'"* ~\^|\\\\\Š\^\^\~‹‹
“\~\~^^\§\“\~\\“^\‹^|ˆ\ˆ^Š“\~\
ˆ\ˆ‰‹\\Œ
;<"*†\\’~\^|\~\§\~’\\^‹~^‹~‹\^\~\^\
\\^~˜Œ˜²³’~^\$^\€^~´˜µŒ³²›\\^¡—µ¶•—¶—³³š¢\\’~\^\¢\
~‹^|£’~^^~\’\‹~\‹\†§\’\\\‹Š\^
Š\“^‹^Œ
[email protected]';*
“\~\\^|\\“^ˆ\ˆ^^‹\’~\^\~
!\^\‚^~\\~–\£’~^‡~“\„\\\~\\^|~~
\\‹~\\ˆ~€\$\\^~‹ž€$Ÿ¢\\’~\^\Šˆ
^\ˆ\~\“^~\\^\~~\\\Š\^·~~ˆ‰
\^‹\\ª\~\“^\‹^|ˆ\ˆ^~¢\‹~^\~
€$\^Š‹\’ ·Š~Š‹\‹\\ˆ~
‹\\\\’~\\~\\\§\\‹^|ˆ\ˆ^\ª\\
\§\~’\^‹\§\““Œ‹\\\\\\¢\Š\^\
\\ \¢\\ ^ ^ “| ^~ \ \^~ \~ ‹‹ ~ ^~ \
‹\ ^‹~ ^ \\ ¢\ \‹ ~ \\’~ Š ¢\ \ ~ ‹\ ‹
\^\~\^‹’\~‹^|ˆ\ˆ^Œ
""*~!$„†‡\|\~\~\¬$‚ž¬\\~$\ˆ¡^‚‹‹\\
~¨\‹^Ÿª‹‹\\\\~¸—³³—Œ~!\\~\
‹\~~‹ˆ^|~\!†€^\\~\~\‹\“\\~\~^~\
\~^~“\~^~~^\^|Š\~‹‹\~^~\\\~$\~
^~Œ¡\‹\~\\\\\$\\§¹^‹¡\‹\§\’~
ˆ\|’~^^|\~‹\Œ
;"! @@';"* ‚\ ^\ ~ \’~\^ \ ~ \Š \ $\ˆ‰ ˆ‰ Š
^~~Š\^^|~\~^ˆ‰\’\\–$„Œ†\‹’ˆ
\ “ ~ \^\ \~ \ ^\ ˆ\ˆ^ \« ‹\ ¢\ ~
–\£’~^‡~“\„\\\~\’^\\\°¨™ž•µ•²Š—³\Ÿ~^~
‹\~“~^|\\~\^~\‹\^Œ\ˆ\~^^\
\^~ \~ Š\^ ¢\ ‹~^ ¢\ ~ ‹^| ˆ\ˆ^ ’~^ Š\“ \’\
\\’~\‹\\ \ \ Š\^^| ¢\ \‹ ^~ ^~| \ \‹ \
‹^|\^‹~^^\\~!\^\‚^~\Œ¯‹\\
\\\^\ª\~\“^€$’~^^^\‹
“\\\$\ˆ^Š\^^|–$„Š~~\~\“^\
^‹\‹~\\~\\$\ˆ^\Š\^^|¦$†µšŒ
~ \\^ \ \ \ \’\ \^ ¢\ ’ \ \~ ~ˆ \ ‹\
$\^ \ \ ~ \ \~\‹ †“\Š $ ž†$Ÿ ~ ‹^|
ˆ\ˆ^“\^~Š\\\\Š\^¡^\~‹\†$«š•µ²Œ
’~^^|\\“^\\^\~^ˆ‰\~\\†$«š•µ²Š†$«š˜—œŒ
W[?\];
_"@"#";"!#
?""#^""
• ~‹^|\~^
ˆ\\!$„†‡ž\^|\
\@"\#`
‹’\ŸŒ
• ~^~‹^|\~^
ˆ\\\~!$„†‡ž^~^^|
^\ŸŒ
"""
• ‚^‹\\~^\\‹\¶
\‹\\ª\\Š
\^\Œ
• \‹\\~\\¶
\^|\‹\\~^\
\“^~ˆ
q"#"W""{"|\" • †\~\^^\~†\‹™\ \‡\
\‚ž†™‡‚Ÿ~’\
"!\"#";"!#
~~‰\§\~’\Š\\
\@"\#`
’\Œ
• ˆ~~’\‰\~†\‹
™\ \‡\\‚ž†™‡‚ŸŒ
_"##"\"##"
;"[email protected]""\#`
•
•
•
‚\¸\~$\~Œ
‚\~~\“\‹Œ
ˆ^\~~^^\
~~^\^|Š^ˆ^|\~
\“\‹\!\\Œ
"#^"\W"\""?;"#
;"!\#"
;"[email protected]@';"#]"`
"#^"#"";"
"#\"#@"\
#$\#q`
†‹~\~‹’\\\^^|\~\‹Œ
•  \^^|\^^«†\“\\
™«!~^|‹\^|
™\™\ \~$\~Š\~
†\“^Œ
#"«
• ^^\~ˆ\\\\^¢\\‹\ Š¢\\\~‹^~\
’ ‹\\~^\^|\’\\$\\^~Œ
• ^|\~ˆ\\\\^¢\\\^\\\~!$„†‡Œ
• ‹^|\~|\‹^|\~^\~!$„†‡Œ
• \ª|^†§\\\^Œ
‹ „\\~ \ \~~\ ¢\ ^~^\ ‹\ \ \~
ˆ\~Œ
‚\~~^~|\“\Œ
• ‚\~~\$\~~^~~\\~‹^|£’~^\
^^\~^|ˆ\~\~~\ˆ\~^‹~^ˆ‰’^
’~^\~!$„†‡Œ
q#
~ ! $\ˆ^ \ „\\\~ †‹| ‡~‰“ ^‹ |ˆ \^ \~ \ ˆ\ˆ^
^ˆ^Š^^~\\‹^|’^\\\\^~Š‹~
^~ \ ‹\^’~\ \ ~ \~’^| \ \ Š ~ ˆ\| \ Š\^ ^\ \ \\\ ‹’« ¨’ ‹^~ \~ \ˆ~ Š ^~ ~
\ˆ\\~Œ‹’\\¢\~$\\^~\\\\\‹~\^‹«
!\^‹’\\\^“\\^|‹^\~\^^|\\Œ
 \ ˆ\\ \\\ ^\ ~ ^~\ \\ ~ ^‹\\^ \
‹\\~ ^~ Š \‹ \’\ \~ ~ ^| \~ £’~^ \ ˆ\\~Œ †
\‹’ˆ ~ ‹^| ’~\ \ \^\ \ ‹^¡ \ ~ “\^\ ^‹’~\Š\ª\^~ˆ\~^‹\Œ
‰‹‹\~!\^|^~™\\~\~\^
\^~ˆ‰\!!\‹\\\^‹|\\\^~\\¢\\‹\
\‹^\\~~\\\~†\^$’\Š\~‹\€ˆ^\~
\ ^’ ~ \^\^ Š \\^“ \~  ‰ ^‹ ‹~ \~ \~~ Š
~\^‹\\~^^^~\~\^\~\^~ˆ‰\!‹^|Œ
~^^~¡\‹\¢\^~\\~^^\Š\~‹^|\ª\\‹‹‰
~~^^|\\\Š\^¡‹Š\^|‹^\~^\\“‰
\\\‹Šˆ\^·~~‹~^|\~$\~¤†‹|‡~‰“¥\
~\^‹\‹\\^\~^\Š‹~\\\¢\\\
‰ ¡ \ª\ \~ \¢\‹\ \ ‹^| ˆ\\^~ ~ \ \^^| \ ^“\Œ
;"
}`~ "" #" @"! # "" " W <€ #^!#"
! @? "" \ "" ‚ƒ\*„„<<<`@[email protected]`@?"`„`\ƒ\†
‡ˆ‰ˆŠ‹‡‰Œ`
ˆ`~""?\W#"!*ƒ\*„„<<<`\@\""#`@„""„<
˜Œ©""?\W#"!¦¬†«¡«¶¶§§§Œ\ˆ\~Œˆ¶¶§
Š`~""?\W#"!q*ƒ\*„„<<<`\@\""#`@„""„<
Ž`~ƒ\*„„<<<`ƒ"W#"@`„ˆ‰‰„}}„}‰„"\?~#"ƒ~\#"$~
„
`~ƒ\*„„["""`"\"ƒ`@„[„
‘`~ƒ\*„„<<<`#""`„[„W"`ƒ
SISTEMA DE INFORMACIÓN GEOGRÁFICA DEL INSTITUTO
UNIVERSITARIO DE TECNOLOGÍA ALONSO GAMERO (IUTAG)
Camejo López, Lyneth Haymara
Instituto Universitario de Tecnología Alonso Gamero (IUTAG), Venezuela
[email protected]
RESUMEN
Este trabajo de investigación estuvo dirigido a la Creación del Sistema de Información
Geográfica del Instituto Universitario de Tecnología Alonso Gamero (IUTAG), a los fines de que la
División de Planificación y Desarrollo Institucional tuviera acceso inmediato a la visualización de
los espacios físicos con que cuenta.
Es un proyecto factible apoyado en una investigación documental y de campo, en donde se
recopiló información sobre el tema de estudio, luego se clasificaron las cartografías existentes,
constatando la existencia de cartografías en formato .CAD, sin georeferenciación alguna y con
elementos faltantes de acuerdo a la realidad, posteriormente se ejecutaron levantamientos
topográficos que dieron origen a las Cartografías actualizadas del IUTAG, entre ellas las
mediciones con GPS para la georeferenciación al Sistema UTM-Regven-Huso19; después se creó el
Mapa Base definitivo, utilizando la cartografía .CAD e Imágenes Ikonos de la ciudad Santa Ana de
Coro; luego se generó la Base de Datos, contentiva de información cualitativa y cuantitativa sobre
los 682 espacios físicos levantados y por último se diseñó el SIG empleando para ello el Software
ArcGis 9.1., con el que se obtuvieron Mapas Temáticos y Datos Geográficos del IUTAG que
permiten conocer dónde están y que uso tienen los bienes muebles e inmuebles de la Institución.
Palabras Clave: Sistema de Información Geográfica, Bases de Datos, Cartografías, Sistemas de
Posicionamiento Global, Planificación y Gestión.
INTRODUCCIÓN
El Instituto Universitario de Tecnología Alonso Gamero (IUTAG), cuenta con una población de
más de siete mil personas entre alumnos, personal laboral, docentes e investigadores, y esto obligó a
la elaboración de una herramienta efectiva para la adopción de criterios de actuación y planificación
de la dotación y uso de equipos e infraestructuras en el campus universitario.
La referenciación geográfica de todos los inmuebles, instalaciones y estancias del instituto
permitirá que las relaciones geométricas de localización, extensión, dimensión, vecindad,
proximidad, acceso o superposición, entre otras, conviertan al espacio geográfico en el elemento
vertebrador de las diferentes fuentes de información, que por su diversidad temática son de gran
complejidad y variación (gestión de personal, gestión económica, gestión de espacios, oficina
técnica, etc.).
El Sistema de Información Geográfica del IUTAG, como sistema destinado a la gestión de los
espacios físicos, dará oportuna respuesta, de forma fácil e interactiva, a las necesidades de
información y organización de las instalaciones, partiendo de las bases de datos existentes, bajo la
premisa de utilización de cartografía "inteligente" como intermediario gráfico mas eficaz en la
consulta y tratamiento de bases de datos estratégicas para la resolución de problemas espaciales.
MATERIALES Y MÉTODOS
Fase I: Desarrollo Conceptual
El Desarrollo Conceptual permitió la descripción, explicación y predicción del fenómeno
estudiado, es decir, la planificación y gestión de los espacios físicos del Instituto Universitario de
Tecnología Alonso Gamero, a través de un Sistema de Información Geográfica; además, permitió
organizar el conocimiento y orientar la investigación hacia la meta deseada.
1
Fase II: Clasificación de las Cartografías existentes
Existían Cartografías vectoriales de cada una de las instalaciones del IUTAG, particularmente
para ésta investigación, se tomaron las cartografías de la Sede Principal, la Sede de Administración
de Empresas y la Sede del Departamento Académico de Ciencias Agropecuarias.
En vista de que las cartografías fueron desarrolladas de forma aislada, en fechas diferentes, fue
imprescindible la organización de las mismas, y la verificación en campo de los elementos
plasmados. Gracias a la validación de campo fue posible encontrar algunas variaciones entre lo
plasmado en el papel y la realidad, tal como infraestructuras recientemente construidas que no
aparecían reflejadas en el plano, espacios físicos que aparecían como una sola estructura y que en la
realidad tenían divisiones internas, medidas no reales de espacios físicos, entre otros; que motivaron
la ejecución de levantamientos topográficos tradicionales de actualización.
Adicional a la validación de la geometría de los espacios físicos, se corroboró la
georreferenciación de la cartografía, es decir, si presentaban algún sistema de coordenadas para la
ubicación geográfica real. A pesar de que las cartografías fueron elaboradas inicialmente con
levantamiento de posicionamiento global GPS, las mismas habían perdido confiabilidad de
georeferenciación por la constante manipulación de especialistas de dibujo CAD, los cuales copian
y pegan en otros formatos para trabajar un tema en específico, perdiendo la georeferenciación
original y los parámetros geodésicos.
Fase III: Levantamientos Topográficos
Se ejecutaron Levantamientos Topográficos de precisión, con la finalidad de plasmar en las
Cartografías de la Institución, los elementos que de acuerdo a la realidad observada, faltaban en la
misma.
De igual forma, los levantamientos topográficos permitieron la georeferenciación al Sistema
UTM, datum Sirgas-Regven y Huso 19, establecido en las Normas.
Las actividades ejecutadas fueron las siguientes:
Ejecución de Levantamientos Planimétricos. Medición de distancias Horizontales con
Cinta Métrica, de cada uno de los espacios físicos del IUTAG, que en la Cartografía no
concordaban con las características reales observadas; para ello se utilizó una Cinta
Métrica topográfica de 50 metros de longitud, de plástico reforzado.
Identificación de Puntos de Control Horizontal y Vertical. En las Sedes del IUTAG,
existían Puntos de Control que permiten la ejecución de Obras variadas de índole
topográfico, a los cuales se les validó las Coordenadas y Cotas, por medio de medición
con GPS bajo la modalidad Diferencial Estática, usando como estación base un Punto de
Control ubicado en la intersección de la carretera Falcón Zulia y Coro-Punto Fijo,
denominado Estación LARA, perteneciente a la Red Geodésica del Municipio Miranda,
y períodos de medición de 30 minutos cada punto; empleando para ello dos (2) equipos
Magellan Promark 3, con sus respectivos accesorios de medición.
Georeferenciación de las Cartografías del IUTAG. Con los Puntos de Control ubicados
en cada una de las Sedes de estudio, y empleando nuevamente los equipos GPS Magellan
Promark 3, se midieron cuatro (4) puntos en cada Sede, ubicados estratégicamente en el
conjunto general. La Medición se realizó bajo el Sistema Diferencial Estático – Rápido
con duración de 10 minutos cada punto. Los vértices medidos debían tener como
característica primordial, que fueran visibles tanto en el plano como en la realidad, a los
fines de que se permitiera la georeferenciación gráfica del conjunto, por medio de las
herramientas de Dibujo asistido por computador.
Fase IV: Creación del Mapa Base
El Mapa Base es la Cartografía definitiva del IUTAG, a incorporar al Sistema de Información
Geográfica; en el que se aprecien las sedes de estudio de la Institución en un solo formato; y en el
que se encuentren identificados todos los espacios físicos: docentes, administrativos, de
investigación, extensión y producción, que se desarrollan en la Institución.
2
A los fines de generar la Cartografía definitiva del IUTAG, se utilizó como base la sectorización
de las instalaciones definida en el Informe Diagnóstico de la Planta Física del IUTAG para la
Transformación en Universidad Politécnica (2008), avalado por la sección de Planta Física adscrita
a la División de Planificación y Desarrollo Institucional; de los cuales se tomaron los Sectores 1, 2,
3, 4, 5, 6, 7, 8 y 9 de la Sede Principal, Sectores 10 y 11 de la Sede de Administración y Sector 12
de la Sede de Agropecuaria. El resto de los sectores equivalen a terrenos adyacentes y
construcciones destinadas al uso de actividades de extensión, tal como Auditorio, Gimnasio
Cubierto, Canchas Deportivas al aire libre, Edificaciones en construcción, entre otros.
Cada uno de los sectores de estudio, fueron divididos de acuerdo a los espacios físicos presentes
en ellos, y numerados en orden ascendente desde el sector 1 hasta el sector 12, sin números
repetidos, para que el Sistema de Información Geográfica funcionara correctamente; de allí que
surgieron seiscientos ochenta y dos (682) espacios físicos totales, desglosados de la siguiente
manera:
Cuadro 01: Cantidad de Espacios Físicos en el IUTAG
SECTOR
CANTIDAD DE
ESPACIOS FÍSICOS
1
2
3
1
66
61
4
5
6
7
8
45
59
64
98
34
9
10
44
99
11
12
TOTAL
1
110
682
INICIA EN:
FINALIZA EN:
1
2
68
569
126
171
230
294
392
572
425
469
567
566
573
1
67
125
571
170
229
293
391
424
572
468
565
568
566
682
A los fines de poder visualizar las vías de acceso a las áreas de estudio, se superpuso la
Cartografía del IUTAG, sobre la Cartografía de la ciudad Santa Ana de Coro, también en formato
Autocad, georeferenciadas en el mismo sistema y como último paso para la creación del mapa base
definitivo del SIG-IUTAG, se superponen sobre el mosaico de imágenes del satélite IKONOS, que
abarca la zona de estudio, facilitadas por el Instituto de Patrimonio Cultural (IPC), y cuyas
características son las siguientes: píxel de 2,5 mts, año 2000, formato comprimido Mr.Sid,
precorregidas en coordenadas UTM con datum Sirgas-Regven, Huso 19; donde se puede apreciar
en falso color verdadero, el conjunto de elementos que dan forma a la ciudad.
Fase V: Generación de la Base de Datos
Usando el programa gestor de bases de datos Microsoft Access, se diseñaron dos (2) tablas de
información: Tabla de Identificación y Tabla de Elementos existentes, ambas tablas tienen en
común un campo de ID (Caracterización Numérica en orden ascendente sin repitencias) y un campo
de Identificación (Caracterización alfanumérica o nombre del espacio físico estudiado según la
actividad que se realiza en ella), además de contener los seiscientos ochenta y dos (682) espacios
físicos que se encuentran dentro de las sedes objeto de estudio del IUTAG.
Las Tablas pueden unirse a través del identificador único ó ID, generando una Base de datos que
caracteriza cada espacio geográfico y que permite posteriormente asignar atributos a la información
cartográfica existente.
3
La Tabla de Identificación es una tabla cualitativa, que presenta información sobre los Sectores y
las Sedes del IUTAG donde se encuentra el espacio físico estudiado, el Departamento o Unidad al
cual pertenece el espacio físico estudiado, la Clasificación correspondiente a la planificación y
control de los espacios físicos, la Sub-clasificación en donde se ubica dentro la Clase asignada y la
Fotografía digital del espacio físico estudiado.
Se diseñó una Clasificación General de veintidós (22) ítems, de los cuales algunos presentan una
sub-clasificación para detallar mejor su función
.
Cuadro 02: Clasificación y Sub-clasificación de Espacios Físicos en el IUTAG
NÚMERO
CLASIFICACIÓN GENERAL
1
2
3
Aulas de Clase
Laboratorios
Talleres
4
5
Cubículos
Salas
6
7
Bibliotecas
Oficinas
8
9
10
11
Comedores
Cafetines
Cocinas
Servicios
12
Depósitos
13
14
Zonas Rentables
Áreas Comunes
15
16
17
18
Vialidad
Estacionamientos
Baños
Casetas
19
20
Galpones
Áreas Agropecuarias
21
22
Dormitorios
Escaleras
SUB-CLASIFICACIÓN
Académicos, Administrativos
Mantenimiento
y
De
De Reuniones, De Conferencia, De
Computación y Con Características
Especiales
De Autoridades, De apoyo Directivo,
Departamentales,
De
apoyo
Departamental y De Sindicatos
Privadas y Públicas
Médicos, Odontológicos, De Gas, De
Agua y De Electricidad
De
Electricidad,
Sanitarios,
De
Construcción, De Mantenimiento, De
Productos Químicos, Académicos y
Administrativos
Pasillos
Peatonales,
Patios
de
Concentración, Áreas Verdes, Áreas de
Reserva y Áreas de Expansión
De Asfalto y De Tierra
De Caballeros, De Damas y Mixtos
De Electricidad, De Bombas,
Vigilancia y De Hidroneumáticos
De
Corrales, Cultivos, Pastizales, Potreros,
Vaqueras, Cochineras, Lombriculturas,
Represas y Herbarios
La Tabla de Elementos existentes es una tabla cuantitativa, que presenta las cantidades de
elementos a nivel de: Excusados, Urinarios, Lavamanos, Duchas, Luminarias, Interruptores, Aires
Acondicionados, Breakers, Tomacorrientes, Ventanas, Puertas, Cerraduras, Pupitres, Mesas de
Dibujo, Banquetas de Dibujo, Pizarrones, Escritorios, Mesas o Mesones, Modulares, Archivos,
Estantes, Sillas y Papeleras.
Fase VI: Diseño del Sistema de Información Geográfica.
El diseño del Sistema de Información Geográfica del IUTAG, se ejecutó a través del software
especializado ArcGis Versión 9.1, perteneciente a la Institución, para lo cual se requirió la
exportación del Mapa de la ciudad de Santa Ana de Coro, las Cartografías de la Sede Principal,
4
Sede de Administración, Sede de Agropecuaria y de la Red Geodésica ampliada del Municipio
Miranda.
Figura 01: Capas del Geodatabase Personal que conforman el SIG del IUTAG
Cargados todos los temas en el proyecto de ArcGis, se realiza la asignación de atributos de la
Base de Datos a cada espacio físico de la cartografía del IUTAG, en donde se puede revisar la tabla
de atributos del tema seleccionado y visualizar las fotos de los espacios físicos del IUTAG.
Figura 02: Foto de un espacio físico del IUTAG
Además de visualizar, de manera general, la información contentiva en cada uno de los espacios
físicos del IUTAG, se pueden realizar búsquedas especiales Con un SIG también se pueden realizar
mapas temáticos, es decir, mapas que reflejan mediante colores o simbologías especiales, las
características de los objetos seleccionados.
Se realizaron mapas temáticos utilizando datos cualitativos y datos cuantitativos. Un mapa
temático cualitativo realizado fue el mapa de espacios físicos de la Sede Principal del IUTAG según
su clasificación, donde aparecen desglosados por colores, cada uno de los espacios físicos de
acuerdo a la clasificación de uso.
Figura 03: Mapa Temático de espacios físicos según su clasificación
5
RESULTADOS
El SIG-IUTAG se presenta como una herramienta que contribuye a la optimización de las
actividades relacionadas con la planificación y gestión de los espacios físicos, ya que permite la
concentración de información en un formato digital, georeferenciado de acuerdo a las normativas
vigentes de la Ley de Geografía, Cartografía y Catastro Nacional, y versátil en la operación, entrada
y salida de datos y consulta, así como en la manutención de la data de espacios físicos con que se
cuenta en la Institución.
A nivel general se obtuvieron Mapas interactivos de cada una de las sedes de la institución,
tales como: Mapa de Clasificación General, Mapas de Sub-clasificaciones, Mapa de Sectores, Mapa
de Sedes, Mapa de Pertenencia y Mapa de Cantidades de Elementos. También se tienen Datos
Geográficos donde se visualiza la forma física de cada uno de los espacios de la Institución y su
ubicación con respecto al entorno y por último, permite la aplicación de Modelos de
Geoprocesamiento en donde se generan flujos de procesos con la información cualitativa y
cuantitativa del SIG, en el cual se pueden obtener otros mapas temáticos de acuerdo a las
necesidades del usuario.
CONCLUSIONES
A través de la metodología aplicada se creó el SIG-IUTAG, cuyas aplicaciones son un aporte
estratégico a la Institución, ya que la alta gerencia del IUTAG tendrá acceso inmediato a la
visualización de los distintos espacios con que cuenta, destacándose especialmente la ubicación,
distribución, manejo y tomas de decisiones para permitir la modernización constante de los bienes
muebles e inmuebles, el aprovechamiento positivo de los múltiples espacios y el desarrollo de
planes y mantenimiento a tiempo presente y a futuro.
Igualmente, será un aporte técnico, para todos los docentes y estudiantes de la Institución que
deseen profundizar en temas de nuevas tecnologías como lo son las aplicaciones de los Sistemas de
Información Geográfica (SIG).
BIBLIOGRAFÍA
[1] Bosque Sendra, J. (1997). Sistemas de Información Geográfica. 2da Edición. Editorial
Ediciones Rialp. S.A. Madrid, España.
[2] Camejo, L. (2008). Diagnóstico de la Planta Física del Instituto Universitario de Tecnología
Alonso Gamero. Sub-Comisión de Planta Física. Transformación del IUTAG en Universidad
Politécnica. Coro, Estado Falcón. Venezuela.
[3] Castellano, H. (1991). El Oficio del Planificador. Vadell Hermanos Editores. Caracas,
Venezuela.
[4] Gaceta Oficial de la República Bolivariana de Venezuela. Ley de Geografía,
Cartografía y Catastro Nacional. 28 de julio de 2000. Distribuidora Ronellys de Venezuela.
[5] Laboratorio de SIG y Cartografía Automatizada (LabSIG) (2000),
Sistema de
Información Geográfica de la Universidad de Alicante (SIGUA). Instituto Universitario de
Geografía. Alicante, México.
[6] Torres, A. y
Villate, E. (2001).
Topografía. 4ta Edición. Editorial Escuela
Colombiana de Ingeniería. Colombia.
[7] Universidad Pedagógica Experimental Libertador. (2003). Manual de Trabajos de Grado de
Especialización y Maestría y Tesis Doctorales. Editorial Fedupel. Caracas, Venezuela.
[8] Vera, J. (2005). Plan de Desarrollo Integral de la planta física del IUTAG. Instituto
Universitario de Tecnología Alonso Gamero. Coro, Estado Falcón. Venezuela.
6
Sistema de Solicitud de Imágenes de LPAIS
Rosa Aguilar1, Juan Rodríguez2, y Jesús Rodriguez3
Fundación Instituto de Ingeniería–Centro de Procesamiento Digital de Imágenes. Caracas, Venezuela.
Parque Tecnológico Sartenejas, Carretera Baruta – Hoyo de La Puerta. Caracas, Venezuela.
Tel: (58212) 903-4610. Fax: (58212) 903-4781
1
[email protected], 2 [email protected], y [email protected]
1. RESUMEN
En el marco de la creación y entrada en funcionamiento del Centro Venezolano de Percepción
remota (CVPR), el Instituto de Ingeniería (FII) realizó la adquisición del Terminal de Recepción de los
satélites Spot (TS-5) y la Telemetría Asociada.
El TS5 y LPAIS, permite al CPDI suministrar de forma gratuita, imágenes y productos con valor
agregado, a los organismos del Estado Venezolano, reforzando con ello su capacidad de gestión;
solventando su debilidad en la carencia de información actualizada y precisa sobre el espacio geográfico
venezolano, proporcionándoles, de forma continua, las imágenes capturadas por los satélites de observación
terrestre, inicialmente de la serie SPOT.
Actualmente el personal del CPDI procesa las solicitudes de los usuarios haciendo las búsquedas en
el Terminal Spot 5 (TS-5). No obstante esto genera ciertos retrasos por lo que es importante poner a
disposición de los usuarios (solo sector público) una herramienta amigable con la que puedan decidir con
precisión las imágenes que requieran y así, hacer más expedito el proceso de distribución de las mismas.
El sistema propuesto es un servicio WEB que está compuesto de un mapa interactivo, un formulario
y un carrito de compras. Mediante el mapa interactivo el usuario visualiza el área de interés; agrega criterios
de búsqueda adicionales con el formulario y una vez efectuada la búsqueda elige la(s) imagen(es) deseadas
conformando el carrito de compra. Luego de confirmada la orden, el usuario y el grupo de LPAIS recibe un
correo electrónico con los datos inequívocos de las imágenes para su producción.
El sistema ha sido diseñado siguiendo una metodología de desarrollo UP y se ha desarrollado
empleando tecnologías de software libre que incluyen PHP, AJAX, Postgres, Mapserver y Apache, todo ello
bajo Linux como sistema operativo.
Palabras claves: PHP, AJAX, Postgres, Mapserver, Apache, Linux.
2. INTRODUCCIÓN
En el marco de la creación y entrada en funcionamiento del Centro Venezolano de
Percepción remota (CVPR), que el Instituto Geográfico de Venezuela Simón Bolívar (IGVSB)
adelanta con la cooperación del Ministerio del Poder Popular para la Ciencia y la Tecnología
(MPPCT), a través del Instituto de Ingeniería, éste ultimo realizó la adquisición del Terminal de
Recepción de los satélites Spot (TS-5) y la Telemetría Asociada.
El Laboratorio de Procesamiento Avanzado de Imágenes de Satélites (LPAIS), es una
unidad dentro del Centro de Procesamiento Digital de Imágenes (CDPI) del Instituto de Ingeniería
(FII), cuyo objetivo primordial es la distribución de imágenes de satélites y productos de éstas con
valor agregado.
Un reto importante que está afrontando LPAIS es la distribución gratuita y oportuna de
imágenes de observación terrestre captadas por los satélites franceses SPOT; puesto que hay
gran cantidad de usuarios ávidos de datos de sensores remotos (insumo invaluable en la gestión
pública) y el proceso de dar respuesta a las solicitudes recibidas se ha tornado lento.
La debilidad principal del sistema actual de distribución radica en el flujo de comunicación
recursivo que debe producirse entre el cliente y el operador de LPAIS para la escogencia exacta
de las imágenes requeridas por el cliente, lo que provoca un “cuello de botella” y una escogencia
de la imagen que puede ser errada ya que el operador de LPAIS es quien toma la última decisión
sobre la imagen y no el cliente.
El sistema de información Web ha sido desarrollado para automatizar el proceso de
solicitud de las imágenes al CPDI. Tiene la capacidad de buscar las imágenes más recientes,
tomadas por los satélites Spot, sobre el territorio nacional y ponerlas a la disposición del sector
público venezolano en un portal WEB.
3. METODOLOGIA
Para el desarrollo del sistema, se empleó la metodología Unified Process (Proceso
Unificado de Desarrollo de Software) que se caracteriza por estar dirigido por casos de uso,
centrado en la arquitectura y por ser iterativo e incremental. Esta metodología esta compuesta de
cuatro fases denominadas Inicio, Elaboración, Construcción y Transición.
Fase de Inicio.
El propósito general de la fase de inicio es establecer los objetivos para el ciclo de vida del
proyecto. En esta fase se identifican los actores y los casos de usos y se define el alcance del
proyecto y la visión del sistema.
El sistema tiene como función automatizar y facilitar el proceso de solicitud de imágenes al
Centro de Procesamiento de solicitud de imágenes.
El sistema de información WEB busca alcanzar las siguientes metas:
Optimización del tiempo de producción de las imágenes.
Despliegue de vista previa y características técnicas de las imágenes
que satisfacen los criterios de búsqueda del cliente
Disposición de un buscador online de las imágenes existentes en el Catálogo de LPAIS
Escogencia precisa, por parte del usuario, de las imágenes a solicitar.
Minimización del intercambio de información cliente-usuario.
Los usuarios definidos para utilizar el sistema son:
Internauta: Este es el usuario principal del sistema, y son aquella persona que navega en Internet.
Este usuario se especializa en: El Sector Público y Los Visitantes.
Sector Público: Es el conjunto de organismos administrativos mediante los cuales se van a realizar
las solicitudes de las imágenes. Este es el usuario principal al que está dirigido el sistema ya que
podrá ver el catalogo de imágenes y realizar las ordenes a partir de las imágenes vistas en el
catalogo.
Visitantes: Son todos aquellos usuarios del sistema que utilizan el sistema para Ver el Catálogo de
Imágenes, hacer búsquedas y ver las características principales de las escenas, pero no pueden
realizar las solicitudes
Fase de Elaboración.
En esta fase se desarrolla el análisis y diseño del sistema. Tiene como propósito principal
lograr la arquitectura del software. Así mismo se elaboraron las narrativas de casos de usos para
explicar su funcionamiento en el sistema más detalladamente. También se hicieron los diagramas
principales para documentar la arquitectura del software, secuencias, clases, y actividades, entre
otros.
Noticias
<<extend>>
Info Institucional
Solo se muestra
información
institucional
<<extend>>
Ver Información
<<extend>> Preguntas Frecuentes
<<extend>>
Ver Galería
Buscar
<<include>>
ver catalogo
internautas
<<include>> Solicitar Servicio
Login
Sector Publico
Visitante
imprimir
Buscar orden
Gestionar Ordenes
<<extend>>
<<extend>>
Ordenes en Progreso
Cerrar
<<extend>>
<<extend>>
Consultar
Ordenes en Espera
Ver Detalle Orden
<<extend>>
<<extend>>
eliminar
<<extend>>
Ordenes Completas
Ordenes Cerradas
Figura 1. Diagrama de Casos de uso.
Fase de construcción.
El objetivo general de esta fase es alcanzar la capacidad operacional del producto de forma
incrementada a través de las sucesivas iteraciones. En esta fase se implementaron todos los
requerimientos, se probaron individualmente y en conjunto, obteniendose una versión aceptable
del producto, que llamamos versión beta.
Fase de Transición.
En esta fase del proceso unificado de desarrollo de se efectuaron las pruebas del sistema
para verificar los posibles errores y mejoras que pueden hacerse al sistema para asegurar un
sistema de alta calidad que cumpla con las necesidades y requerimientos de los usuarios.
4. RESULTADOS
Una vez culminadas dos iteraciones de la metodología UP, se puede describir el sistema y
su implementación.
Características
El sistema se conecta directamente al Terminal TS-5 del CDPI para realizar las búsquedas
de las imágenes
Ofrece al cliente las imágenes satelitales más recientes sobre el territorio venezolano
Posee un buscador de imágenes.
Se pueden realizar una solicitud con el resultado de búsquedas diferentes
Muestra las características técnicas y la localización geográfica exacta de las imágenes.
Muestra una vista previa de las imágenes seleccionadas.
Genera las órdenes automáticamente.
Beneficios
El Centro de procesamiento Digital de Imágenes al implementar el sistema obtiene los
siguientes beneficios:
Automatización del proceso de solicitud de imágenes satelitales así como la gestión y
control de las órdenes realizadas por el Sector Público Venezolano.
Optimización del tiempo de producción de las imágenes satelitales solicitadas aumentando
de esta forma el nivel de productividad del CPDI.
Se reduce el intercambio de información cliente-CPDI proporcionando mayor
independencia al usuario en la decisión sobre la imagen a solicitar.
Arquitectura
El sistema de información Web ha sido desarrollado bajo la siguiente arquitectura:
BD (Postgre)
Base de datos
(MAPSERVER)
(APACHE)
BD (Oracle)
Base de datos
SERVIDOR DE MAPAS
SERVIDOR WEB
Internet
ESTACIONES DE TRABAJO
Figura 2. Arquitectura de Sistema de Información Web.
Servidor WEB: configurado bajo Apache, y aloja todas las páginas involucradas que
constituyen el sistema.
Servidor de Bases de Datos Oracle: donde se encuentran los datos relacionados
con las imágenes que recibe el Terminal TS5.
Servidor de Mapas: la aplicación utiliza Mapserver como gestor de mapas, el cual se
encarga de publicar la representación gráfica de los datos geograficos.
Servidor de Bases de Datos Postgres: gestiona los datos referentes a las solicitudes
de imágenes satelitales
Esta arquitectura fue implementada bajo sistema operativo Linux.
Para el desarrollo del Sistema se utilizaron las tecnologías de PHP, CSS, HTML, JavaScript
y AJAX, basándose en el patrón de diseño MVC (Modelo Vista Controlador).
Implementación:
En seguida se tiene la pagina de inicio del sistema, para mayor información pueden verlo
en su sitio web: lpais.fii.org.
Figura 2. Página de Inicio del Sistema de Información Web.
5. CONCLUSIONES
El desarrollo de este sistema minimiza el tiempo de producción de las imágenes que
distribuye LPAIS, incrementando así su productividad y ofreciendo un mejor servicio a los clientes
o usuarios, lo cual se traduce además en una disminución de costos.
Se provee al cliente una herramienta con una interfaz sencilla de utilizar, otorgándole
mayor autonomía en la búsqueda y selección final de las imágenes satelitales que desea solicitar.
Se puede visualizar la imagen en miniatura y sus características técnicas . Todo esto con la
finalidad de procesar solicitudes màs precisas o exactas y minimizar el intercambio de información
entre los operadores del CPDI y el cliente.
El sistema hace posible la creación de las órdenes, lo que garantiza la integridad de la
misma; adicionalmente implementa cierta seguridad puesto que el usuario debe estar registrado y
previamente autorizado por el CPDI para realizar las solicitudes. Provee un documento de solicitud
donde se especifican todas las imágenes solicitadas y los datos de la institución u la organización
que la realiza. El usuario puede hacer seguimiento a su pedido desde el portal de LPAIS.
Como el sistema ha sido diseñado de manera incremental, siendo documentado para
facilitar las actualizaciones, modificaciones en el código, inclusiones de módulos, se facilita su
escalabilidad; en próximos desarrollos se profundizará en la gestión de las órdenes o pedidos,
siendo ésta una función de control interno del Laboratorio.
Al estar implementado sobre la Web, el sistema carece de restricciones por lo que puede
ser utilizado bajo cualquier plataforma y explorador de Internet, sin necesidad de instalar sistemas
especiales, esto garantiza su usabilidad por cualquier cliente sin obstáculos.
6. BIBLIOGRAFÍA
Textos
GIL (2006), “Creación de sitios web con PHP 5”. 1era Edición, Colombia: McGraw Hill
JACOBSON, Ivar (2000), “El proceso unificado de desarrollo de software”, 1era Edición,
Madrid: Pearson Education
LAUDON, K y Laudon, J. (1997), “Administración de los sistemas de información:
Organización y tecnología”. 3era Edición, México.
Sitios Web
P. MAPPER.
http://www.pmapper.net/index.shtml
MAPSERVER. http://mapserver.gis.umn.edu/
APACHE. http://www.apache.org/
PHP. www.php.net
Modelo Vista Controlador. http://heim.ifi.uio.no/~trygver/themes/mvc/mvc-index.html
AGRICULTURA
Segmentación Espacial - Espectral de espacios agrícolas
Wuilian Torres
Instituto de Ingeniería, Centro de Procesamiento Digital de Imágenes,
Carretera Nacional Hoyo de la Puerta, Urb. Monte Elena II
Sartenejas, Baruta, Caracas, Venezuela
2
Institución, Departamento, Dirección
[email protected]
RESUMEN
La segmentación de imágenes obtenidas por percepción remota correspondientes a espacios agrícolas localizados en
regiones tropicales, presenta limitaciones cuando se utilizan técnicas tradicionales de clasificación debido a la presencia
de gran variedad de rubros agrícolas con diferentes ciclos de crecimiento y calendarios de siembra no homogéneos. Los
métodos de clasificación supervisada basados en estadísticas sobre las firmas espectrales generan resultados con un
margen de error elevado por la dificultad para identificar las firmas espectrales de cada rubro en un instante particular de
su ciclo de crecimiento.
El trabajo que aquí se presenta tiene por objetivo proponer una metodología para la segmentación espacial de espacios
agrícolas que opera en dos fases, la primera corresponde a una segmentación espacial mediante morfología matemática
multidimensional, y la segunda a la segmentación espectral de los segmentos espaciales. Para la realización del trabajo se
utilizaron imágenes multiespectrales adquiridas por el satélite SPOT 5 en el estado Portuguesa localizado en el centrooeste de Venezuela.
1 Objetivo
Proponer una metodología que aprovecha el carácter multidimensional de las imágenes
satelitales para la segmentación de las áreas de producción agrícola situadas en regiones tropicales.
Se ejecuta en dos fases:
• Segmentación espacial mediante morfología matemática multidimensional
• Segmentación espectral de los segmentos espaciales.
2 Introducción
Las regiones tropicales, como las zonas de alta producción
agrícola en Venezuela, están caracterizadas por la diversidad de
rubros (maíz, caña de azúcar, sorgo, arroz, pastos, etc.) y una
dispersión importante de los calendarios de cultivos
(Aguerrevere 2008). En consecuencia, la estimación de la
producción agrícola utilizando percepción remota enfrenta
algunas dificultades. (Figura 1)
En este trabajo se presenta una técnica que permite
delimitar las parcelas de los cultivos y caracterizarlos por su
firma espectral. Para la continuación de este trabajo, se está
desarrollando una metodología para identificar los rubros
mediante técnicas de análisis multitemporal.
2 Materiales y métodos
Figura 1.-Imagen SPOT en el estado
Portuguesa, Venezuela
El área de estudio seleccionada corresponde a la zona del sistema bajo riego del embalse de
las Majaguas en Turen, estado Portuguesa. Para ello se dispone de una escena adquirida por el
sensor HRG del satélite SPOT 5 el 7 de febrero 2009.
La metodología para la segmentación del espacio agrícola se desarrolla en dos fases, la
primera, para delimitar los segmentos o lotes de producción, corresponde a una segmentación
espacial que utiliza como técnica la morfología matemática multidimensional. En la segunda fase se
realiza la segmentación espectral que asocia a cada segmento espacial la firma espectral dominante
dentro de cada lote de producción, para luego reducir su número utilizando un método de
agrupamiento jerárquico.
SEGMENTACIÓN ESPACIAL
La segmentación espacial tiene por objetivo delimitar los lotes de producción o segmentos;
para ello, se diseñaron operadores morfológicos multidimensionales adaptados al análisis de la
cobertura vegetal por medio de imágenes multiespectrales
Los píxeles de la imagen multiespectral son representados por vectores cuya dimensión
corresponde al número de canales o bandas de la imagen; en el procesamiento no se incorporan
nuevas firmas espectrales. Un píxel de una escena SPOT HRG presenta cuatro bandas [pv, pr, pirc,
pirm], y a partir de el se determina índice de vegetación piv. En este trabajo el píxel multidimensional
p tiene dimensión cinco, en el se combinan el índice de vegetación y el píxel de la imagen
multiespectral.
MORFOLOGÍA MATEMÁTICA MULTIDIMENSIONAL
La morfología matemática es una técnica para el análisis de imágenes basada en la
topología de los objetos presentes en ella, los operadores morfológicos se definen en base a
relaciones de orden entre los píxeles dentro de una vecindad delimitada por una referencia
geométrica con propiedades topológicas conocidas, denominado Elemento Estructurante (EE)
(Soillet 2003). Los operadores morfológicos actúan sobre conjuntos de datos definidos en un
retículo completo en el cual es posible establecer una relación de orden sobre sus elementos. En las
imágenes de intensidad, o en niveles de gris, es sencillo cumplir con este requerimiento ordenando
los píxeles de acuerdo con el valor del nivel digital de cada píxel. Así, las operaciones básicas de la
morfología matemática de dilatación (erosión) se obtienen determinando el máximo (mínimo) del
valor de los píxeles que se encuentran dentro de una vecindad delimitada por el EE.
En las imágenes multiespectrales, el ordenamiento de los píxeles no es inmediato y se debe
diseñar un esquema de ordenamiento acorde con el objetivo del estudio de la imagen bajo análisis.
Se propone un ordenamiento relativo (Aptoula 2008) que tiene como referencia el índice de
vegetación, seguido de un ordenamiento lexicográfico donde los píxeles de las bandas son
evaluados de acuerdo con la importancia de su interacción con la cobertura vegetal. La relación de
orden entre dos píxeles p y q se define por:
p=[ piv pIRC pV pR pIRM] ; q = [qiv qIRC qV qR qIRM],
piv qiv
!o
!
! piv qiv
!
!o
!
p q si " piv qiv
!o
!
! piv qiv
!
!o
!# piv qiv
y pIRC qIRC
, pIRC qIRC y pR qR
, pIRC qIRC , pR qR y pIRM qIRM
, pIRC qIRC , pR qR , pIRM qIRM y pV qV
Los operadores morfológicos de erosión y dilatación corresponden al mínimo y máximo
respectivamente de los píxeles dentro del EE. Considerando la posibilidad de la presencia de píxeles
dentro del EE pertenecientes a varios rubros, se propone la utilización de un EE adaptativo que sólo
toma en cuenta los píxeles que se encuentran a una distancia preestablecida de la mediana vectorial,
la figura 2a representa los píxeles vectoriales dentro del elemento estructurante y la figura 2b los
píxeles seleccionados para las operaciones morfológicas (Evans 2006) (Lerallut 2007). La mediana
vectorial corresponde al pixel con menor valor en la suma de distancias respecto a los otros píxeles
DB.
Figura 2a. Representación de los píxeles Figura 2b. Píxeles considerados
multidimensionales
operadores morfológicos.
por los
El efecto de la mezcla de píxeles en las fronteras entre parcelas, se reduce desechando los
píxeles dentro del EE más alejados espectralmente del grupo. Se obtienen los operadores
morfológicos básicos: Dilatación (máximo) y Erosión (mínimo). El gradiente se obtiene por la
norma de: |D – E| (figura 3).
Figura 3a. Imagen original
Figura 3b Dilatación
Figura 3c. Erosión
Figura 3d. Gradiente
A partir de la selección de los mínimos del gradiente se obtiene la delimitación espacial de
las parcelas presentes en la imagen mediante el operador morfológico de la divisoria de aguas, o
“watershed”.
Figura 4. Representación del watershed.
SEGMENTACIÓN ESPECTRAL
Cada segmento obtenido se va a caracterizar por una única firma espectral, ésta se
determina por el centroide de los píxeles dentro del segmento, desechando previamente los más
alejados.
La distancia entre dos píxeles de dimensión N, pi y pj :
pi $& pi ,1
pi ,2
pi ,3 pi , N %'
N
dist ( pi , p j ) pi ,k p j ,k
k 1
El centroide de los píxeles dentro de un segmento S se determina por el pixel cuya distancia
DS a sus vecinos dentro del segmento es la más pequeña.
DS pi dist ( pi , pk )
kS
Una clasificación preliminar de los segmentos se obtiene al de acuerdo a la cercanía de sus
respectivas firmas espectrales. El agrupamiento jerárquico ordena las firmas espectrales en función
de la distancia al origen, para luego agrupar las firmas más cercanas entre ellas hasta alcanzar un
número predeterminado de clases.
2. Resultados
La segmentación espacial permite identificar los lotes presentes en ella identificando al
elemento físico que lo delimita. En general se obtiene una imagen sobre-segmentada que se
simplifica al unir los segmentos que tienen firmas espectrales cercanas o desechando los que poseen
una cantidad de píxeles que no es significativo.
La figure 5a muestra el resultado del agrupamiento por el método jerárquico con 30 clases,
7 de ellas con índice de vegetación inferior a .25 y el resto con valor superior. La figura 5b presenta
la firma espectral de cada una de las 30 clases.
Figura 5a. Segmentación de los lotes de
producción b. Firmas espectrales de las clases
Figura 5b. Firma espectral de cada segmento
Conclusiones
•
•
•
•
La metodología propuesta permite segmentar imágenes en regiones de producción agrícola
que tradicionalmente presentan diversas prácticas de manejo agronómico y variados
calendarios de cultivo.
Se segmenta la imagen dando mayor peso a la presencia de cobertura vegetal, para ello se
definen los operadores básicos de la morfología matemática multidimensional utilizando como
parámetros para el ordenamiento, el índice de vegetación y las bandas asociadas a la actividad
clorofílica.
Cada parcela es representada por una única firma espectral, obtenida a partir del centroide de
las firmas espectrales de los píxeles presentes en la parcela.
Para la identificación de rubros es necesario el análisis multitemporal de las firmas en cada uno
de los segmentos. Esta investigación es objeto de trabajos que se ejecutan en el Centro de
Procesamiento Digital de Imágenes de la Fundación Instituto de Ingeniería en Caracas,
Venezuela.
BIBLIOGRAFIA
Aguerrevere, G., 2008.Sistema de información para el monitoreo y estimación de cosechas.
SELPER, La Habana, Cuba.
Aptoula, E. and Lefèvre, S. 2008. On lexicographical ordering in multivariate mathematical
morphology. Pattern Recognition Letters 29, pp 109 – 118.
Duda, R. O., Hart, P. E. and Stork, D. G. 2001. Pattern Classification. Wiley, New York
Evans, A. and Liu, X. U., 2006. A morphological gradient approach to color edge detection. IEEE
transactions on image processing, vol 15, 6, pp 1454-1463.
Lerallut, R., Decenciere, I. and Meyer, F. (2007). Image filtering using morphological amoebas.
ACM Image and vision computing, Vol 25, 4, pp 395-404
Soillet, P., 2003. Morphological Image Analysis. Springer, Berlin.
“Implantación de un Sistema de Información Geográfica (SIG) para el
manejo de una Unidad de Producción Agrícola (SIGUPAGRI).
Resultados Preliminares”
Martha Medina1 Nixon Molina2 Gilberto Ferrer3 José Dávila4 Eduar Díaz5 Eder Conde6
Universidad del Zulia, Facultad de Agronomía, Departamento de Ingeniería, Suelos y
Aguas, Av. 16 Guajira Ciudad Universitaria “Antonio Borjas Romero” Núcleo Agropecuario,
Maracaibo Estado Zulia
2
Universidad del Zulia, Facultad de Arquitectura, Instituto de Investigaciones, Av. 16 Guajira
Núcleo Técnico
1
[email protected], [email protected] , [email protected]
1, 3, 4,5,6
1. Sección 1
ÍNDICE DE CONTENIDOS
1. Resumen
2. Introducción
3. Materiales y Métodos
4. Resultados
5. Conclusiones
6. Bibliografía
2. Sección 2
1. Resumen
La Implantación de un Sistema de Información Geográfica (SIG) para el manejo de una
Unidad de Producción Agrícola (SIGUPAGRI) consiste en estructurar y elaborar una base de
datos para almacenar e integrar información georeferenciable, que sea de fácil acceso y facilite la
aplicación de metodologías que conlleven al manejo eficiente de Unidades de Producción. Para la
ejecución de este trabajo, se ha escogido como unidad piloto, la Hacienda “Alto Viento”, ubicada
en el Municipio La Cañada de Urdaneta, Estado Zulia, la cual se encuentra en un proceso de
organización y desarrollo de diversas actividades agrícolas. La base de datos inicial que se
estructuró incluye las unidades de suelo de la Hacienda, capacidad de uso, geomorfología, uso
potencial, levantamiento topográfico del perímetro de la hacienda y de los detalles internos,
aplicando el Sistema de Posicionamiento Global GPS. A partir de la misma, se pueden elaborar los
respectivos mapas temáticos, el reporte de coordenadas de puntos, el cálculo de áreas y de
perímetros. Este trabajo es el inicio de la consolidación del SIGUPAGRI en la Unidad Piloto, para
posteriormente hacerlo extensible al resto de las Unidades de Producción de la Facultad de
Agronomía y del Municipio. Con este sistema, se podría solventar la carencia o el pobre manejo y
falta de análisis de la información relacionada con los espacios rurales y/o unidades de producción,
aprovechándose las ventajas tecnológicas actuales, por lo que el mismo se puede convertir en un
instrumento de apoyo a la operacionalización de la planificación de las Unidades de Producción, lo
que conllevaría a una Gestión y Desarrollo Sostenible de las mismas.
Palabras Claves: SIGUPAGRI, base de datos, Unidad de Producción, actividad agrícola,
Desarrollo Sostenible.
2. Introducción
Actualmente, el desarrollo sostenible del medio rural ocupa un primer plano, tanto en la agenda
política mundial como en la nacional, junto con el impacto que las actividades económicas de ese
tienen sobre los recursos naturales. Esto amerita crear una nueva visión del entorno físico natural y
del manejo de las Unidades de Producción Agrícola que lo conforman, basada en el análisis de
múltiples factores tales como los geológicos, vegetación, hídricos, de uso de los recursos,
tecnológicos, económicos y sociales, que contribuya a lograr la organización eficiente de las
mismas y al desarrollo de las poblaciones rurales, evitándose la escasa planificación en el uso de
los recursos, la degradación de éstos, producto del manejo inadecuado de los mismos, la baja
producción de los cultivos, el manejo irracional de los recursos hídricos y todos los efectos
negativos que esto tiene sobre los aspectos económicos y sociales. La Implantación de un
Sistema de Información Geográfica (SIG) para el manejo de una Unidad de Producción
Agrícola (SIGUPAGRI) consiste en estructurar y elaborar una base de datos para almacenar e
integrar información georeferenciable, que sea de fácil acceso y facilite la aplicación de
metodologías que conlleven al manejo eficiente de las Unidades de Producción Agrícola. Esto
permitirá la planificación y manejo integrado de los recursos con la finalidad de lograr una alta
productividad de la misma, tanto en el aspecto económico como de impacto social en el entorno
donde se encuentra la Unidad de Producción. El SIGUPAGRI proporciona una herramienta para
colectar, inventariar y organizar la información existente en la Unidad de Producción con apoyo
además de la Percepción Remota y las modernas técnicas de medición como el Sistema de
Posicionamiento Global (GPS).
3. Materiales y Métodos
El trabajo se realizó en la Unidad de Producción Alto Viento perteneciente a la Facultad de
Agronomía de La Universidad del Zulia, que está ubicada según las coordenadas: Latitud
(»)=10°16´30”,11731 Norte, Longitud (()=71°55´45”, 87287 Oeste, en el Municipio La Cañada de
Urdaneta del estado Zulia, a aproximadamente 68 Km. de la ciudad de Maracaibo. Posee un área de
489,2 Ha. Actualmente se encuentra en proceso de reorganización y tiene como objetivo principal
el desarrollo de actividades relacionadas con la Docencia, la Extensión y la Investigación, de
acuerdo a los lineamientos de la Institución. Con referencia a las características generales de la
Unidad de Producción se tiene que el promedio de precipitación de la zona de aproximadamente
682.6 mm anual. La distribución de la precipitación es bimodal, es decir dos períodos secos
(Diciembre-Marzo, Junio-Julio) y dos períodos lluviosos (Abril-Junio, Agosto-Noviembre). En
ambos casos, los datos de evapotranspiración, se ubican entre 1800 y 2000 mm/ año, lo que indica
que existe un déficit de humedad. Por lo tanto para la producción de cultivos permanentes es
necesario realizar prácticas de riego. La temperatura media anual en la zona es de 28.9º C, con un
régimen de humedad de los suelos clasificado como “USTIC” y el régimen de temperatura como
“Isohipertérmico”, lo cual desde el punto de vista práctico determina la producción de una cosecha
al año de cultivos anuales bajo agricultura de secano (Peters y col. 1990) La fuente principal de
agua superficial es el río Palmar, el cual está ubicado fuera de los límites de la Unidad de
Producción. También, se utiliza el agua de lluvia, la cual es retenida en cajones. Existen nueve
pozos profundos que proveen el agua para el riego, los animales y otras actividades. La Unidad de
Producción Alto Viento, se ubica en el área de Bosque Seco Tropical,siendo las especies más
comunes el Dividive, Lara o Saman (Samanea samán), Gateado (Astronum graucolens), Ébano
(Caesalpineae granadilla), Membrillo (Phyllostyllam brasilians) y algunos arbustos de mediano
tamaño. Posee además una zona de reserva forestal. En cuanto al uso de la tierra, es
fundamentalmente pecuario por lo que más del 70% de la unidad de producción está cubierta de
pastos artificiales en los que predominan, en orden de importancia, el Alemán (Echinocloa
polystachia), bajo riego y una pequeña superficie cultivada con guinea pero sin riego. La totalidad
de los suelos de la Hacienda Alto Viento se formaron a partir de sedimentos arrastrados y
depositados por el río Palmar, los cuales provienen de la cuenca de ablación del río donde se
encuentran conglomerados y afloramientos de rocas ígneas y metamórficas, que proporcionan por
su alteración materiales finos, más que todo limosos. La litología de la cuneca de ablación
determina suelos de texturas finas y valores significativos de salinidad (Peters y col. 1990). Desde
el punto de vista Geomorfológico, se caracteriza por presentar pendientes menores al 0,1%,
encontrándose las siguientes posiciones geomorfológicas: Cubeta de Desborde, Cubeta de
Decantación, Explayamiento de Ruptura, Napas de limos de desborde, Napa sobre Cubeta (Peters
y col. 1990). Las Actividades de producción que se desarrollan en la Finca, se tienen:
¾ Producción de Bovinos (Producción de leche) ,
¾ Manejo de pastos y forrajes (recuperación y división de potreros),
¾ Diversas labores mecanizadas,
¾ Programa de manejo de cultivos, especialmente de Cereales (Álvarez, 2004 ; Faría, 2009)
Este trabajo se encuentra ubicado dentro del tipo de Investigación aplicada, ya que está orientada a
la búsqueda y consolidación del saber y a la aplicación de los conocimientos para el
enriquecimiento del acervo cultural y científico, así como la producción de tecnología al servicio
del desarrollo integral del país y específicamente del sector agrícola. Corresponde además, al Nivel
de Investigación Descriptiva, ya que utiliza el método de análisis, se logra caracterizar un objeto de
estudio o una situación concreta, señalar sus características y propiedades. Combinada con ciertos
criterios de clasificación sirve para ordenar, agrupar o sistematizar los objetivos involucrados en el
trabajo y puede servir de base para investigaciones que requieran un mayor nivel de profundidad.
Para la Implantación del SIGUPAGRI en la Unidad de Producción Alto Viento, se evaluó la
cartografía disponible para ese momento, la cual consistía en:
¾ Un plano topográfico a escala 1: 3000, elaborado a partir del la medición clásica,
utilizando Teodolito y Cinta y referido a un sistema de Coordenadas Locales con
orientación magnética.
¾ Un plano producto de la medición efectuada con un equipo receptor GPS tipo
navegador, el cual fue realizado por los estudiantes de la asignatura electiva
Forrajicultura Avanzada, en el que se presenta la distribución general de potreros y
áreas de cultivo, a escala 1: 5000
¾ Un ortofotomapa, a escala 1: 25000, elaborado por el Instituto Geográfico de
Venezuela Simón Bolívar.
Sin embargo, es necesario elaborar una Cartografía Base, inicialmente a escalas de 1:5.000 –
1:25.000 para satisfacer las Normas Técnicas para la Formación y Conservación del Catastro
Nacional,2001 (Artículo 5), referido al ámbito rural y los requerimientos establecidos en la Ley de
Tierras y Desarrollo Agrario, 2001 referente a la determinación de las tierras con vocación agraria
(Título I, Capítulo III, Art.29) y a la certificación de finca productiva (Título II, Capítulo III)
.Posteriormente, se elaborará la Cartografía Base a escalas 1:2.500 – 1: 5.000 para que pueda ser
utilizado para el Registro Agrario establecido en la Ley de Tierras y desarrollo Agrario (Título I,
Capítulo III) y que contribuya a aportar la información que pueda ser utilizada para el Catastro.
Como Levantamiento Topográfico, se planificó la medición de una poligonal perimetral y los
detalles internos de la hacienda , utilizando el Sistema de Posicionamiento Global (GPS), moderna
técnica de medición que permite obtener coordenadas de puntos con la exactitud requerida para
levantamientos topográficos con fines catastrales, en este caso del catastro rural, a partir de señales
emitidas por satélites artificiales y almacenadas en un receptor apropiado para tal fin (Medina,
1999). Para el levantamiento, se utilizó un receptor GPS, Marca Ashtech Promark 2 de una
frecuencia (Figura No.1), realizándose un posicionamiento relativo aplicando el modo de medición
Estático-Rápido, ocupando cada punto durante cinco minutos con una rata de captura de la
información satelital, cada 5 segundos de Tiempo. Este método de medición es rápido y de alta
productividad, y en este caso se tenían distancias desde los puntos a medir hasta el punto de de
apoyo con coordenadas conocidas, menores de cinco kilómetros (5 Km.). Para ello, se colocó uno
de los receptores en el punto de apoyo con coordenadas conocidas referidas a la Red Geodésica de
Venezuela (REGVEN), el cual permaneció fijo durante toda la jornada de medición.
Simultáneamente, el otro equipo (equipo rover) se fue moviendo alrededor del perímetro de la
hacienda, montado sobre un bastón especial para ello, se colocó en las madrina o estantillos que
fueron necesarios, permaneciendo en cada uno de ellos cinco (5) minutos. Una vez realizado el
trabajo de campo, en gabinete se efectuó la transferencia de la información de los receptores al
computador para proceder a llevar a cabo el procesamiento de los datos crudos con el Software del
equipo Ashtech Solutions obteniéndose las Coordenadas Norte y Este (UTM) del perímetro y
detalles de la Unidad de Producción. Por otra parte, se inició la base de datos, basada en los
aspectos que están presentes en una Unidad de Producción Agrícola, efectuándose una verificación
en campo de la información existente y actual. Para iniciar el SIGUPAGRI, se utilizó un software
libre, de fácil acceso y sencillo de utilizar.
4. Resultados.
De acuerdo a la base de datos que se elaboró, se obtuvo las siguientes capas de información,
considerándose éstos los primeros resultados:
Cartografía:
El Ortofotomapa a escala 1:25000, cuya capa recibe el nombre de los Claros_geo.
Figura No. 2.
Se incorporó el plano elaborado a partir de la medición con el Navegador GPS, siendo el
nombre de la capa altoviento_geo. (Figura No. 3.)
Ubicación de los puntos medidos con el Levantamiento topográfico GPS, sobre el
Ortofotomapa, referidos al actual Sistema de referencia venezolano REGVEN (Datum
SIRGAS-REGVEN) y al Sistema de referencia del Ortofotomapa (Datum Venezolano
anterior La Canoa). (Figuras No. 4 y 5).
Presentación de información numérica mediante el reporte de las Coordenadas UTM de los
Puntos en ambos Sistemas de Referencia. (Figura No. 6)
Localización de aspectos físicos naturales.
Unidades Integradas de terreno: Capa que representa los aspectos físicos naturales de la
Unidad de Producción
Variables físicas: Suelo, geomorfología taxonomía de suelo capacidad de uso. (Figura No.
7)
El resto de las capas están referidas a la misma división, de acuerdo a la clasificación de las
Unidades de Suelo, solo cambia la leyenda asignada a cada capa. El resto de las capas son:
Capacidad de Uso: Clases, Subclases; Posición Geomorfológica; Taxonomía de Suelos.
Variables productivas de la Unidad de Producción
Cálculo de Áreas.
Es posible también, obtener información de áreas y perímetros de la zonificación realizada para
cuantificar los tipos de suelos, en este caso. (Figura No. 8)
5. Conclusiones
El SIGUPAGRI representa un proceso de transformación en el manejo de las Unidades de
Producción Agrícola, constituyéndose en una herramienta útil para los Planes de Ordenamiento
Territorial de la Nación, con miras a incrementar el desarrollo del sector rural.
El SIGUPAGRI de la Unidad seleccionada (Alto Viento) puede ser implantado sin ninguna
dificultad, puesto que en la actualidad existe una variedad de software libres accesibles para
cualquier tipo de usuarios.
La Base de Datos que se elaboró y los resultados que se presentan, son apenas el inicio de la base
de datos definitiva, por lo que el proyecto se seguirá desarrollando para beneficio de dicha
Unidad de Producción.
La implantación del SIGUPAGRI puede constituirse en un modelo a seguir para otras Unidades
de Producción de la zona o municipio en el que se encuentra la hacienda Alto Viento, al poderse
extender esta experiencia a la comunidad, destacándose los beneficios del manejo sostenible de
los recursos que conforman dichas Unidades.
6. Referencias Bibliográficas
1. Álvarez, R. 2004. Informe Técnico Administrativo de la Hacienda Alto Viento. Período
01/01/03 – 31/12/03. La Universidad del Zulia. Facultad de Agronomía. Maracaibo, Estado. Zulia.
República Bolivariana de Venezuela.
2. Chinchilla, S.; Sepúlveda, S. 1998. Gestión Sostenible de Espacios Rurales. Sistema de
Información. Cuadernos Técnicos 6. IICA. San José de Costa Rica.
3. FAO. 1999. Organización de las Naciones Unidas para la Agricultura y la Alimentación
Sistema
de
Información
Geográfica
en
el
desarrollo
sostenible.
http://www.fao.org/sd/spdirect/gis/EIgis000.htm (Agosto, 2007)
4. FAO. 2005. Organización de las Naciones Unidas para la Agricultura y la Alimentación.
Ordenamiento Territorial Rural Sostenible, sistemático y participativo a nivel local en América
Latina y el Caribe. http://www.fao.org/Regional/LAmerica/proyecto/139jpn/proyecto.htm
(Agosto, 2007).
5. Faría, J. 2009. Informe Anual. Hacienda Alto Viento. Período 01/01/07 – 31/12/07. La
Universidad del Zulia. Facultad de Agronomía. Maracaibo, Estado. Zulia. República Bolivariana de
Venezuela.
6. Francois M., J.; Díaz-Gallegos, J.; Pérez V., A. 2003. Evaluación de la confiabilidad temática
de mapas o de imágenes clasificadas: una revisión. Investigaciones Geográficas. Boletín del
Instituto de Geografía. Universidad Nacional de Méjico. Num. 51, pp. 53-72.
7. Instituto Geográfico de Venezuela Simón Bolívar. 2001. Normas y Especificaciones Técnicas
para la Formación y Conservación del Catastro Nacional. Dirección de Catastro. Ministerio del
Ambiente y de los Recursos Naturales. Caracas. Republica Bolivariana de Venezuela.
8. Internet Microsoft Explorer. 2006. http://w.w.w.mapwindow.com
9. Ley de Geografía, Cartografía y Catastro Nacional. 2000. Titulo II. De la Geografía y La
Cartografía. Titulo III. Del Catastro. Asamblea Nacional. Republica Bolivariana de Venezuela.
10. Ley de Tierras y Desarrollo Agrario. 2001. Decreto No. 1546 dictado por el presidente de la
Republica con fuerza de Ley en Consejo de Ministros. Caracas. Republica Bolivariana de
Venezuela.
11. López, R. 1991. La Planificación Conservacionista del Uso de las Tierras. Centro
Interamericano de Desarrollo Integral de Aguas y Tierras. CIDIAT. Mérida. Republica Bolivariana
de Venezuela.
12. Medina, M. 1999. El Sistema de Posicionamiento Global GPS y su aplicación a la Ingeniería
Agronómica. Trabajo de Ascenso. Facultad de Agronomía. LUZ. Maracaibo. Estado Zulia.
Republica bolivariana de Venezuela.
13. Ministerio de Planificación y Desarrollo. 1998. Programa de Gobierno de Hugo Chávez.
Equilibrio Territorial. Republica Bolivariana de Venezuela.
14. Ortiz G. Que son los Sistemas de Información Geográfica. Tipos de SIG y modelos de datos.
Un artículo introductorio para entender la base de los SIG. http://w.w.w.gabrielortiz.com/
(Septiembre, 2006)
15. Peters, W.; Noguera, N.; Materano, G. 1990. Estudio Detallado de los Suelos de La hacienda
“Alto Viento”. Departamento de Edafología. Facultad de Agronomía. La Universidad del Zulia.
Maracaibo, Estado Zulia. Republica Bolivariana de Venezuela.
16. Zinck, A. 1981. Definición del Ambiente Geomorfológico con fines de Descripción de Suelos.
Series: Suelos y Clima. SC-46. Centro Interamericano de Desarrollo Integral de Aguas y Tierras.
CIDIAT. Mérida. Republica Bolivariana de Venezuela.
3. Seccion 3
Figura No. 1. Receptor GPS Astech Promark 2
Figura No. 2. Ortofotomapa Área de Estudio
Figura No. 3. Plano del Levantamiento con Navegador GPS.
Figura No. 4. Puntos Topográficos referidos al Datum La Canoa.
Figura No. 5. Puntos Topográficos referidos al Datum SIRGAS-REGVEN.
Figura No. 6. Coordenadas referidas al Datum SIRGAS-REGVEN y La Canoa
Figura No. 7. Capa que representa las Unidades de Suelo.
Figura No. 8. Áreas y Perímetros de los polígonos establecidos.
APLICACIÓN DE TÉCNICAS DE INTERPOLACIÓN
GEOESTADÍSTICA Y DE REGRESIÓN LINEAL EN UN SIG PARA
DETERMINAR VARIABLES CLIMÁTICAS EN VALLES
CACAOTEROS DEL ESTADO ARAGUA
Alexis Izquierdo1 y Diego Machado2
1
INIA CENIAP y 2 SIGPER Consultores
[email protected] y [email protected]
1
Resumen
El cultivo de cacao en Venezuela, establecido desde la época de la colonia es reconocido
internacionalmente por su alta calidad. La zona productora del estudio, está ubicada en la Zona
Norte Costera del estado Aragua; políticamente comprende los valles de Ocumare-Cumboto, Cata y
Cuyagua en jurisdicción de los municipios Ocumare de la Costa de Oro, Choroní del municipio
Girardot, Chuao y Cepe pertenecientes al municipio Mariño. Geográficamente se encuentra
localizado entre 10° 23´41´´ y 10° 31´ 39´´ de latitud norte y 61°29´28´´ y 61° 47 ´ 43´´ de longitud
oeste. (Datum La Canoa, PSAD56). El modelo digital de elevación (MDE) del área de influencia de
la zona de estudio se generó tomando como referencia los valores de altura de los puntos de control
de elevación y de las curvas de nivel; así como la dirección de la red hidrográfica, la línea de costa y
la presencia de lagos y lagunas; derivada de las cartas topográficas 1:5000 y 1:25.000 de la zona de
estudio. El producto fue generado usando el Modulo TOPOGRID de Arc Info, resultando un MDE
en formato grid, con tamaño de celdas de 3 m. A partir del MDE se generó digitalmente un mapa de
clases de pendientes. Para la definición de las Unidades de Tierra, se utilizó como criterio de
delimitación climática, las Zonas de Vida de Holdridge, metodología de clasificación climática que
integra las variables: precipitación, temperatura y evaporación. En la espacialización cartográfica de
las variables climáticas, se emplearon técnicas de interpolación geoestadística y de regresión lineal
que consideran directa o indirectamente el relieve como elemento de análisis. Fueron comprobados
los supuestos de normalidad y homocedasticidad de los datos. Para el análisis de la precipitación se
escogieron las estaciones pluviográficas, tanto del INIA, MARN y privadas, presentes en el lado de
Barlovento de los valles cacaoteros del estado Aragua, donde considerando la precipitación, la
altura y la ubicación de cada una, aplicamos el método geoestadístico cokriging. Los valores de
temperatura media anual por unidad de tierra, se generó un gradiente altotérmico específico para el
área en estudio, con base a un modelo de regresión lineal entre los valores de temperatura de las
estaciones en el área de influencia de la zona y su altura sobre el nivel del mar; tomada del Modelo
Digital de Elevación de la Costa de Aragua. Para la geoespacialización de los valores de
evaporación anual por unidad de tierra se generó una ecuación de regresión lineal específico para
los valles de la costa aragüeña, con base en la correlación entre los valores de evaporación. Como
herramienta para el análisis integral de las variables climáticas empleadas en el estudio se utilizo la
metodología de clasificación de Zonas de Vida de Holdridge. Esta metodología es una herramienta
útil para estimar valores y cartografiar parámetros climáticos en áreas con baja densidad de
estaciones pero con calidad de registros, obteniéndose resultados confiables.
Introducción
El cultivo de cacao (Theobroma cacao L), se establece en la época de la colonia, este cultivo es
reconocido internacionalmente por su alta la calidad. Llegó a ser la única fuente de ingreso del país
en la época de la colonia, antes del desarrollo de la producción cafetalera y petrolera. Su producción
se mantenido hasta nuestros días, en la actualidad en el país existe gran interés por el cultivo de
cacao considerado un rubro estratégico, de allí la importancia de identificar las zonas de mayor
factibilidad para su establecimiento.
La calidad es uno de los aspectos de mayor importancia en el proceso productivo cacaotero y el
nivel que se logre conseguir de la misma, determinará la mayor o menor demanda que tenga en el
mercado el producto final del proceso agrícola; esto es, el cacao en grano. La obtención de cacao de
alta calidad exige que se cumpla con una serie de requisitos que se inician con la escogencia del
sitio de siembra y los suelos que lo caracterizan, hasta la aplicación de una tecnología postcosecha
adecuada y precisa.
La calidad del cacao se manifiesta a través de las características físicas (tamaño, peso, grosor de
cáscara, color, contenido de grasa) y las características organolépticas de las almendras. El sabor,
determinado por el gusto y el aroma, refleja los efectos combinados del genotipo, de los factores
edafoclimáticos, del manejo agronómico recibido en la plantación y de la tecnología postcosecha
utilizada.
A través del proyecto titulado Evaluación Ecológica Económica de Tierras de la Zona Cacaotera del
Estado Aragua, con fines de Sostenibilidad Proyecto INIA-FONACIT Nº PCAG 2000001614.
Donde se encuentra un cacao de alta calidad de renombre internacional y una zona donde no se
aprecia en el estudio a nivel nacional. Esta región, comprendida por las localidades de Ocumare de
la Costa, Cumboto, Cuyagua, Cata, Chuao, Cepe y Costa de Maya, existe un frágil equilibrio
ecológico, debido a que son suelos con predominio de texturas arenosas, de bajo a moderado
contenido de nutrimentos y sobre todo, al bajo régimen pluviométrico. Por ello, desde un inicio, en
la época colonial se establecieron sistemas de riego de los cuales dependen para su desarrollo,
siendo el único lugar en el mundo donde se le riega. Siendo además, una zona que protege al parque
nacional Henri Pittier.
Materiales y Métodos
Se utilizó como base geoespacial para el desarrollo del estudio, las cartas topográficas a escala
1:5.000 (MINDUR) y los ortofotmapas a escala 1:25.000 (IGVSB) disponibles en el área de
influencia del proyecto. La Cartografía base, en formato raster, tanto a escala 1:5.000 como
1:25.000 fueron Geo-referenciadas en el Sistema de Proyección UTM, Datum la Canoa (PSA 56),
Meridiano Central 69; utilizando los comandos Register y Rectify de Arc Info, tomando como
mínimo 9 puntos de coordenadas conocidas por cada carta. El error máximo permitido fue de 1,5 m
para las cartas 1:5.000 y 8 m para las de escala 1:25.000. A partir de las referidas cartas se
vectorizaron las curvas de nivel, los puntos de control de elevación, la red hidrográfica, la vialidad,
los centros poblados, la línea de costa y las lagunas. La red hidrográfica proveniente tanto de las
cartas 1:5.000 como 1:25.000 se digitalizó siguiendo el sentido de la corriente.
El modelo digital de elevación (MDE) del área de influencia de la zona de estudio se generó
tomando como referencia los valores de altura de los puntos de control de elevación y de las curvas
de nivel; así como la dirección de la red hidrográfica, la línea de costa y la presencia de lagos y
lagunas. El producto fue generado usando el Modulo TOPOGRID de Arc Info, resultando un MDE
en formato grid, con tamaño de celdas de 3 m. A partir del MDE se generó digitalmente un mapa
de clases de pendientes.
Para la definición de las Unidades de Clima, se utilizó como criterio de delimitación las Zonas de
Vida de Holdridge, metodología de clasificación climática que integra las variables: precipitación,
temperatura y evaporación.
Los valles costeros de Aragua, están situados en la vertiente norte de la Cordillera de la Costa. Esta
zona se caracteriza por estar bajo la influencia de los vientos alisios del noreste. Estos vientos
cargados de humedad del Mar Caribe, al chocar contra la cordillera ascienden, ocurriendo un
enfriamiento adiabático del aire, lo que trae como consecuencia que exista un régimen húmedo a
superhúmedo en la parte alta de la vertiente y un régimen subhúmedo a semiárido en las zonas bajas
(Huber 1986, López 2004). De lo anterior se reafirma que las condiciones orográficas presentan una
marcada influencia en el comportamiento climáticas de la zona en estudio.
Tomando como referencia este fenómeno, para la espacialización cartográfica de las variables
climáticas: precipitación, temperatura y evaporación, se emplearon técnicas de interpolación
geoestadística y de regresión lineal que consideran directa o indirectamente el relieve como
elemento de análisis.
Previo a la aplicación de estos análisis, fueron comprobados los supuestos de normalidad y
homocedasticidad de los datos de las estaciones climáticas utilizadas en este estudio (Cuadro 1).
Cuadro 1. Estaciones Meteorológicas
SERIAL
NOMBRE
ALT
(msnm)
TIPO
EDO
UTM
NORTE
UTM
ESTE
PP
(mm)
TMED
(ºC)
26,0
EVA
(mm)
1
CHORONI ONIX
20
PT
ARA
1.161.457
652.531
460,6
2
155
PR
ARA
1.157.173
653.444
1.245,7
403
SABANETA
RANCHO GRANDEREGRESIVA
1090
PT
ARA
1.151.053
643.404
1.893,0
23,6
405
OCUMARE DE LA COSTA
15
C2
ARA
1.157.654
634.619
998,1
25,3
1.696
1.774
408
CHUAO-PASAGUACA
35
C2
ARA
1.159.615
661.978
511,7
24,2
416
CHORONI-CABECERAS
1310
PT
ARA
1.146.676
654.372
1.974,5
19,7
426
RANCHO GRANDE
1160
PT
ARA
1.149.952
644.503
1.751,7
21,1
1328
PUERTO CABELLO BN
5
C2
CAR
1.157.561
608.349
540,5
26,1
1402
PUERTO DE MAYA
3
PR
ARA
1.164.466
673.873
526,6
1404
PUERTO CRUZ
5
PR
VAR
1.164.494
679.346
605,1
1425
ALTO ÑO LEON
2.101
PR
VAR
1.154.660
701.419
938,7
1432
EL PORTACHUELO
1300
C2
ARA
1.153.433
679.404
1.338,6
20,8
852
1433
COLONIA TOVAR
1.790
C2
ARA
1.155.782
698.827
1.251,3
15,8
510
1434
BUENA VISTA
2.160
PR
VAR
1.152.035
693.708
1.111,4
1442
EL ROBLE
1.678
PR
VAR
1.146.503
693.434
1.006,9
9304
PUERTO ORICAO
12
PR
VAR
1.167.799
699.153
479,3
9311
CARAYACA
972
C2
VAR
1.164.636
704.645
826,4
9321
COSTA DE PARAULATA
900
C2
ARA
1.158.936
673.901
1.645,0
22,2
1.019
2.026
Resultados
Para la definición de las Unidades de Tierra, se utilizó como criterio de delimitación climática, las
Zonas de Vida de Holdridge, metodología de clasificación climática que integra las variables:
precipitación, temperatura y evaporación. En la espacialización cartográfica de las variables
climáticas, se emplearon técnicas de interpolación geoestadística y de regresión lineal que
consideran directa o indirectamente el relieve como elemento de análisis.
Precipitación:
Para el análisis de esta variable se escogieron las estaciones pluviográficas, tanto del INIA, MARN
y privadas, presentes en el lado de Barlovento de los valles cacaoteros del estado Aragua, donde
considerando la precipitación y la ubicación de cada una, aplicamos el método geoestadístico
cokriging, que considera la estimación de puntos que utiliza un modelo de variograma para la
obtención de datos espaciales. Este método calculó los pesos que se darán a cada punto de
referencia usado en la valoración, a partir del análisis el modelo digital de elevación.
En la figura 1, se muestran los valores de precipitación anual por Unidad de Tierra, estimados a
partir de la aplicación de Cokriging a los valores de precipitación y altura media derivados del
Modelo Digital de Elevación.
Figura 1: Espacialización cartográfica de la precipitación.
Temperatura:
Para la representación cartográfica de los valores de temperatura media anual por unidad de tierra,
se generó un gradiente altotérmico específico para el área en estudio, con base a un modelo de
regresión lineal entre los valores de temperatura de las estaciones en el área de influencia de la zona
y su altura sobre el nivel del mar; tomada del Modelo Digital de Elevación de la Costa de Aragua.
De la relación entre los valores de temperatura media (Tmed) y su altura (m.s.n.m) se obtuvo la
siguiente ecuación:
Tmed (ºC )= 26, 0267081 – 0,00469376 * Altura
R2= 0,876
En la figura 2, se muestran los valores de la temperatura media anual por Unidad de Tierra,
estimados a partir de la aplicación de la referida ecuación de regresión a los valores de altura media
derivados del Modelo Digital de Elevación.
Evaporación: Para la geoespacialización de los valores de evaporación anual por unidad de tierra
se generó una ecuación de regresión lineal específico para los valles de la costa aragueña, con base
en la correlación entre los valores de evaporación de las estaciones en el área de influencia de la
zona y los valores de temperatura media y precipitación.
De la relación entre los valores de evaporación anual (Evap), temperatura media (Tmed) y
precipitación (Pp) se obtuvo la siguiente ecuación:
Evap (mm)= -656,9967575 – 0,531924199 * Pp + 112,8737476 * Tmed
R2= 0,987
En la figura 3, se muestran los valores de la evaporación anual por Unidad de Tierra, estimados a
partir de la aplicación de la referida ecuación de regresión.
Zonas de Vida:
Finalmente como herramienta para el análisis integral de las variables climáticas empleadas en el
estudio se utilizo la metodología de clasificación de Zonas de Vida de Holdridge (figura 4).
Fig. 2. Espacialización cartográfica de la temperatura media
Fig. 3. Espacialización cartográfica de la evaporación
Figura 4: Zonas de Vida, definidas para los valles costeros de Aragua.
Conclusiones
Esta metodología es una herramienta útil para estimar valores y cartografiar parámetros climáticos
en áreas con baja densidad de estaciones pero con calidad de registros, obteniéndose resultados
confiables, que permiten ser utilizados tanto para realizar caracterización actuales de uso de la tierra
como para planificaciones futuras tanto en tipos de uso de tierra potenciales, base para
ordenamiento del territorio, estudios de biodiversidad, estudios de posibles dinámicas de
propagación de enfermedades, insectos plagas y de especies vegetales.
El cultivo de cacao del estado Aragua es uno de los pocos que se establece bajo riego de todas las
zonas del mundo donde se cultiva. Toda el área de estudio cuenta con riego desde la época de la
colonia excepto la zona sur de la cuenca del río Ocumare que tal como se ve reflejada en la
espacialización cartográfica de la precipitación, cuenta con suficiente agua para su desarrollo.
Bibliografía
Apollin, F.; C. Eberhart. 1999. Análisis y Diagnostico de los sistemas de producción en el medio
rural: Guía Metodológica. CICDA-RURALTER, CAMAREN, CARE IEDECA, Ministerio
Francés de asuntos Exteriores, COSUDE. Unión Europea. 29-55 p.
Alvim, P. de T. 1965. Ecología do Cacaueiro. CEPLAC. Itabana, Bahía. Brasil.
Balairón, L. (1995): Análisis de la variabilidad espacial y temporal de los procesos meteorológicos.
J.J.
Braudeau, J. 1970. El Cacao. Colección Agricultura Tropical. Editorial Blume. Madrid. España. 297
p.
Burgos, J. y Reyes, H. 1965. Tipos Agroclimáticos Mundiales del Cacaotero (Theobroma cacao L.)
p.169-191. Agronomía Tropical. 15 (1-4) Caracas. Venezuela.
Comerma, J.; D. Machado, 1991. Los Sistemas de evaluación de Tierra de la FAO. Memorias II
Seminario sobre Clasificaciones Interpretativas de Suelos con fines Agropecuarios. 15-21p.
Comerma J.; A. Izquierdo; D. Machado; J. Araujo, 1999. Evaluación de Tierras para la Producción
de Cacao en Venezuela. XIV Congreso Latinoamericano de la Ciencia del Suelo. Chile.
Ciferri, R. y F. Ciferri. 1949. Reconocimiento de la explotación cacaotera de los valles de riego del
sector central (Estado Aragua). Ministerio de Agricultura y Cría. Caracas. Venezuela. 175 p.
FAO. 1967. La selección de suelos para el cultivo del cacao. Boletín N° 5, Roma. Italia.
FAO. 1976. Esquema para la Evaluación de Tierras. Boletín de suelos N° 32, Roma. Italia.
FAO. 1985. Directivas. Evaluación de Tierras para la Agricultura en Secano. Boletín de suelos N°
52, Roma. Italia.
FAO. 1990. Directivas. Evaluación de Tierras para la Agricultura en regadío. Boletín de suelos N°
55, Roma. Italia.
FAO, DGIS, Secretaria Pro Tempore (1998). Zonificación Ecológica Económica, Una propuesta
Metodológica para el Amazonía. Caracas, Venezuela 272 p.
Hudson, G. y Wackernagel, H. (1994): Mapping temperature using kriging with external drift:
theory and an example from Scotland. International Journal of Climatology, 14: 77-91.
Izquierdo, A. y R. González. 1997. Caracterización edafoclimática de las zonas cacaoteras de los
estados Aragua y Miranda. 1er Congreso Venezolano del Cacao y su Industria. Maracay.
Venezuela. 10 p.
Machado D., A. Izquierdo, C. Pineda y V. Trujillo. 2005. Desarrollo de un SIG como Instrumento
para la Zonificación Económica y Ecológica de los Valles Costeros de Aragua. I Jornadas
Nacionales de Geomática. Caracas.
Portillo, E., R. Vidal, A. Izquierdo y R. Navarro. 1997. Cultivo de Cacao. Universidad del Zulia.
Facultad de Agronomía y Fondo Nacional de Investigaciones Agropecuarias. Maracaibo.
Venezuela. 68 p.
Sirotti, L. 1949. Estudio Agrológico de la Zona Cacaotera Central (Estados Aragua y Carabobo).
Estados Unidos de Venezuela, Ministerio de Agricultura y Cría, Dirección de Agricultura,
División de Suelos, Sección Agrología. 63p.
Trujillo V. Izquierdo A., Machado D., Pineda C., Martín E., Contreras F., Donado G., Bastardo K.
2004. La Zonificación Ecológica Económica (ZEE) como Metodología para la Planificación
del Desarrollo Rural Sostenible Bajo un Enfoque Territorial. Caso Valles de las Costas de
Aragua. Seminario de Desarrollo Rural Sostenible, Universidad Central de Venezuela.
Maracay.
Sys, C., 1985. Land Evaluation. State University of Ghent. ITC. Ghent. Belgium.
1
APLICACIÓN DE TÉCNICAS HIPER-ESPECTRALES A
IMÁGENES MULTI-ESPECTRALES (ASTER), PARA
IDENTIFICAR SUPERFICIES CULTIVADAS CON MAÍZ, EN LA
LOCALIDAD DE SABANETA, ESTADO BARINAS
JESÚS ALEJANDRO RUIZ C.
Fundación Instituto de Ingeniería – Centro de Procesamiento Digital de Imágenes
[email protected]
1. Resumen
Los productores agrícolas hacen estimaciones de producción a lo largo del Ciclo de Vida de los
Cultivos de manera empírica o formal. Ésto permite a gerentes y autoridades planificar y aplicar
políticas agro-alimentarias. Por más de dos décadas la Teledetección ha hecho grandes aportes
en la identificación de elementos incluyendo cultivos. En busca de un método idóneo para la
detección de cultivos de maíz se propuso la utilización de técnicas Hiper-Espectrales, aplicado a
imágenes Multi-Espectrales ASTER. Se seleccionó el maíz por la importancia que tiene en la
cadena alimenticia, bajo costo y alto contenido nutritivo. Las bases teóricas que sustentan el
trabajo son La Teledetección y la Espectroscopía. La identificación de los cultivos de maíz se
hizo en base a la respuesta espectral del sensor ASTER. A las imágenes se les aplicaron los
pasos del tratamiento Hiper-Espectral y del procesamiento de imágenes en general. La
Identificación del Maíz, consistió en comparar espectros conocidos (firmas espectrales
generadas a partir de las áreas muestra) con espectros de la imagen, por diferentes métodos.
También se identificaron cultivos de Caña y Arroz. Se ponderaron los resultados para evaluar
tanto el poder de identificación del Maíz, como la confusión con el Arroz y la Caña. Los
métodos que lograron una mejor identificación con menor confusión, fueron el SAM aplicado a
la Fracción Mínima de Ruido y el Filtro de Coincidencias aplicado a las bandas en reflectancia.
Todas las técnicas Hiperespectrales utilizadas, presentan algún grado de subjetividad en su
aplicación. Se Recomienda hacer seguimiento al la incorporación de nuevos Sensores
Hiperespectrales satelitales.
2. Introducción:
En el presente estudio se propuso el empleo de técnicas Hiper-Espectrales en la
identificación de cultivos, ya que son más rigurosas que las técnicas convencionales de
procesamiento de imágenes.
Objetivo General:
Aplicar Técnicas del procesamiento Hiper-Espectral a Imágenes del Sensor ASTER,
con la finalidad de identificar superficies cultivadas con Maíz, en la localidad de Sabaneta,
Estado Barinas.
Objetivos Específicos:
Para el logro del Objetivo General es preciso:
Aplicar Técnicas del procesamiento Hiper-Espectral a Imágenes del Sensor
ASTER en la identificación del maíz.
Verificar los resultados obtenidos.
Seleccionar Método(s) de Identificación más idóneo(s) en la identificación
del Maíz.
2
Las imágenes Hiper-Espectrales son producidas por instrumentos llamados
Espectrómetros de Imágenes. El desarrollo de esos complejos sensores se debió a la
convergencia de dos tecnologías distintas aunque relacionadas: Espectroscopía y el uso de
Sensores Remotos o Teledetección.
3. Materiales y Métodos
Como insumos se utilizaron dos imágenes del sensor ASTER, de la época de lluvia
(01/08/06), así como datos de campo colectados en la misma época, en el marco del proyecto
con BOLPRIAVEN. El procesamiento dichas imágenes se llevó a cabo en una computadora
personal, utilizando el software ENVI, por ser el más completo en el manejo de imágenes
Hiper-Espectrales.
La identificación de los cultivos de maíz se hizo en base a la respuesta espectral en los
rangos visibles (VNIR) e infrarojo cercano (SWIR) y medio del espectro electromagnético con
que cuenta el sensor ASTER, a las cuales se les aplicaron los pasos del tratamiento HiperEspectral. De forma general, el método comprende tres fases: Identificación de Cultivos,
Verificación de los Resultados y Selección de Método(s) Idóneo(s). Debido a las características
de las imágenes obtenidas por el ASTER y a la adaptación de técnicas Hiper-Espectrales a
imágenes Multiespectrales:
3.1 Corrección Atmosférica: Los sensores Hiper-Espectrales capturan datos de
radiancia que deben convertirse en reflectancia aparente en la superficie antes de aplicarles las
Técnicas de Análisis, es decir, la Identificación de Elementos presentes en la imagen.
Consiste en eliminar o reducir el efecto de absorción, dispersión o reflexión, producida
por los gases atmosféricos: (H2O), (CO2), (O3), (N2O), (CO), (CH4) y (O2). Después de este
procesamiento, se puede comparar el espectro de la imagen con espectros tomados en campo o
en laboratorio para reconocer y elaborar mapas de materiales, incluyendo tipos de vegetación.
Se utilizó el programa FLAASH por manejar una gran cantidad de parámetros, por lo
cual resulta ser uno de los más idóneos. Como parte de dicho proceso, se realizaron dos
conversiones de unidades de energía, de niveles digitales (ND) a Radiancia y de Radiancia a
Reflectancia.
3.2 Corrección Geométrica: Fue indispensable para la posterior superposición y
asociación a la imagen, de la información de tipo vectorial y atributiva de las parcelas visitadas
en campo.
Se utilizaron dos imágenes ASTER contiguas, de un mismo pase del satélite, con fecha
01/08/2006, para cubrir completamente el área de estudio. A cada imagen se le aplicó el
procedimiento de Unión de Capas. El resultado fue un archivo con 9 bandas de 15 metros de
resolución espacial, con los dos subsistemas, georeferenciado en la proyección UTM, Huso 19,
Dátum WGS84.
3.3 Elaboración del Mosaico y Extracción del Área de trabajo: Luego de la
georeferenciación de las imágenes, se procedió a unirlas en un mosaico. Posteriormente se
extrajo el Área de Trabajo, el cual cuenta con un tamaño aproximado de 33,7 x 40,4 kms ~
1.361,48 kms2.
3.4 Generación de Máscaras: Se construyó una máscara, para evitar la influencia de
elementos como los Centros Poblados, Nubes, Sombras de Nubes, Ríos y Vialidad.
3
3.5 Selección de Áreas Muestra: Es uno de los pasos más importantes por cuanto los
resultados obtenidos mediante la aplicación de las técnicas Hiper-Espectrales, son altamente
dependientes de las áreas muestra a partir de las cuales se elaboraron las firmas espectrales, las
cuales conforman la base del análisis y la identificación de materiales.
Para la selección de las áreas muestra: Se superpusieron a la imagen los 32 polígonos
de las áreas visitadas en campo. 29 de Maíz, 2 de Arroz y 1 de Caña. Se recopiló información
Agronómica y Agrológica. Se seleccionaron solamente las parcelas de cultivos de avanzado
crecimiento, según la fecha de siembra de los cultivos. Se dibujaron los polígonos de las
muestras dentro de las áreas visitadas en campo. Los polígonos de Maíz se les dio el color
amarillo, rojo a la Caña y blanco al Arroz.
Se decidió trabajar con seis (6) firmas espectrales: Cuatro (4) de Maíz, una de Caña y
una de Arroz.
El procesamiento Hiperespectral persigue en la mayoría de los casos identificar un(os)
elemento(s), en base a las firmas espectrales de ese (esos) elemento(s) en particular.
3.6 Generación de la fracción Mínima de Ruido (MNF): La transformación de la
Fracción Mínima de Ruido, se usa para reducir el número de bandas a utilizar, desechando
aquellas que son redundantes o que contienen solamente ruido y determinar la dimensionalidad
de la imagen (Boardman and Kruse, 1994). Tal como es implementada en ENVI (Green et al,
1988) es el equivalente a dos transformaciones de Componentes Principales en Cascada. La
mayor cantidad de información se encuentra concentrada en las primeras 4 MNF, razón por la
cual se decidió trabajar con las MNF 1, 2, 3 y 4.
Índice de Pureza del Píxel (Píxel Purity Index - PPI): Este índice ayuda a encontrar
los píxels más “puros” o “extremos” (endmembers) desde el punto de vista espectral. La
separación de píxels puros o mezclados, reduce la cantidad de píxels a ser analizados en la
determinación de “endmembers” y facilita la separación e identificación de “endmembers”.
Se crea una imagen en la cual cada píxel representa el total de veces que un píxel es
marcado como extremo. Los valores más altos indican píxels más puros. Se debe seleccionar un
umbral a partir del histograma para determinar los píxels que serán utilizados en el próximo
paso.
Visualización n-Dimensional: Es una herramienta interactiva para la selección de
píxels puros en un espacio de n-dimensiones. Como entrada se deben utilizar los píxels que se
encuentran dentro de los umbrales seleccionados en el PPI, del paso anterior.
Identificación de Elementos Puros (Endmembers): Una vez seleccionados los
endmembers, se necesita saber a cuales materiales corresponden. Esto se logra haciendo un
Análisis Espectral que compara el espectro creado a partir de los endmembers con una librería
espectral de materiales conocidos. A cada espectro comparado se le asigna un puntaje según la
correlación con el elemento a estudiar. Si dentro de la librería no se encuentra el elemento de
interés, entonces podrá ser incluido o creado utilizando una imagen.
Se seleccionaron los miembros puros o extremos, se compararon con la imagen y se
observó que ninguno correspondía a los cultivos de interés, razón por la cual se decidió crear las
firmas espectrales a partir de la misma imagen.
3.7 Generación de Firmas Espectrales: La base del tratamiento Hiper-Espectral lo
constituyen las firmas espectrales. Una Firma Espectral es la caracterización de la respuesta de
4
un elemento determinado en un rango de longitudes de onda determinado (con frecuencia entre
0,4 y 2,4 µm). Con la finalidad de hacer dos tipos de Análisis Hiperespectral en paralelo y
comparar los resultados, se generaron dos grupos de firmas espectrales de las seis (6) áreas
muestra, tomando como datos de entrada por una parte las 9 bandas en unidades de reflectancia
y por otra las 4 primeras Fracciones Mínimas de Ruido (MNF).
Firmas Espectrales de las Bandas y de las MNF.
En la gráfica de las firmas espectrales de las Bandas en Reflectancia (izquierda) se
mostró la dificultad de la identificación o de la separación del Maíz, del Arroz y de la Caña. Las
curvas del Arroz y la Caña siguen una trayectoria similar y se encuentran muy cercanas a las
curvas del Maíz, a lo largo del espectro cubierto por las nueve bandas del sensor ASTER (0.52 2.43 µm).
En la gráfica de las firmas espectrales de las Fracciones Mínimas de Ruido (derecha) se
observó mayor diferenciación en la dirección de las curvas, así como en los valores en las 4
MNF, del Maíz, Arroz y la Caña.
3.8 Aplicación de Técnicas Hiper-Espectrales en la Identificación de Maíz:
Consistió en comparar directamente los espectros conocidos con espectros de la imagen, por
diferentes métodos. También se identificaron cultivos de Caña y Arroz con la finalidad de
estudiar la confusión entre los tres rubros.
3.8.1 Clasificación Según el Ángulo Espectral (Spectral Angle Mapper Clessification
- SAM): Es un método automatizado para comparar directamente la imagen con espectros
conocidos o con un endmember. Este método trata ambos espectros como vectores en un
espacio espectral de n dimensiones. Cada espectro define un punto en el espacio espectral y ese
punto puede ser tratado como el extremo de un vector que comienza en el origen del eje de
coordenadas. Se calcula el ángulo espectral existente entre ellos:
Como parámetro se debe definir el umbral, es decir, el ángulo mínimo para asignar un
píxel a una clase determinada. Ángulos más pequeños indican una mejor correspondencia con
una firma espectral determinada.
Esta técnica se aplicó tanto a las 9 bandas en unidades de reflectancia (grupo 1), como
a las 4 bandas de la Fracción Mínima de Ruido – MNF (grupo 2). Como resultado de la
aplicación del SAM, se obtuvo al final por cada grupo 1 imagen correspondientes al Maíz, 1 a
la Caña y 1 al Arroz.
5
Cultivos de Caña, Maíz y Arroz obtenidos por método SAM.
Píxels blancos: Identificación positiva de cada rubro. Píxels negros: No clasificados.
3.8.2
Separación Espectral Lineal (Linear Spectral Unmixing - LSU): Es una
alternativa de identificación espectral simple que determina la abundancia de los materiales de
los píxels de la imagen, suponiendo que la reflectancia de cada píxel en cada banda, es igual a la
combinación lineal de las reflectancias de cada material presente dentro del píxel.
Como resultado se obtiene una serie de imágenes en escalas de grises (una para cada
miembro puro), mas una imagen de error RMS. Altas abundancias se representan con tonos más
claros, al igual que los grandes errores.
Se aplicó solamente a las 9 bandas en unidades de reflectancia, ya que con las MNF se
pierde la relación de combinación lineal de los elementos que componen el píxel, la cual es la
base de ésta técnica. Como resultado se obtuvieron 3 bandas correspondientes al Maíz, 1 a la
Caña y 1 al Arroz, y 1 banda de Error Medio Cuadrático (RMS).
Para llegar a los resultados finales de la identificación del Maíz, se seleccionaron los
píxels con valores de abundancia cercanos a 1 en la banda de separación (unmix) y bajo RMS
de cada rubro. Esta labor se facilitó mediante una gráfica de dos dimensiones. Los píxels que
cumplieron ambas condiciones se les dio el valor 1 y al resto el valor 0.
3.8.3 Filtro de Coincidencias (Matched Filter - MF): Localiza las abundancias de
los miembros puros definidos por el usuario utilizando la Separación Parcial, por lo tanto, no
todos los materiales deben ser conocidos. Se basa en el procesamiento de señales. maximiza la
respuesta de un endmember conocido y suprime la respuesta de los componentes desconocidos,
facilitando la coincidencia de un elemento de la imagen con una firma conocida o con el
espectro del endmember de la imagen (Chen y Reed, 1987). Los resultados de la comparación
se presentan como imágenes en escalas de grises con valores entre 0 y 1, donde 1 es una
perfecta coincidencia. Se pueden presentar “falsos positivos” para algunos materiales.
Se aplicó tanto a las 9 bandas en unidades de reflectancia (grupo 1), como a las 4
bandas MNF (grupo 2). Solamente produce las bandas correspondientes a las muestras de
entrada.
La identificación final se hizo graficando el histograma y seleccionando en el mismo un
rango de valores cercano al 1. Se seleccionaron los valores de 0,7 al 1,2. Los píxels que se
encuentran dentro de dicho rango se les dio el valor 1 y al resto el valor 0.
Las bandas de Maíz se unieron para tener al final: 1 banda de identificación de Maíz, 1
banda de identificación de Caña y 1 banda de identificación de Arroz, por cada grupo.
6
3.8.4
Filtro de Coincidencia de Mezcla Sintonizado (Mixture Tuned Matched
Filtering - MTMF): Es una variante del Filtro de Coincidencias anterior. El MTMF difiere del
MF en que genera una medida (imagen) de “No Factibilidad” o “Inviabilidad” de los resultados,
basado en la mezcla entre el fondo (background) y el espectro a comparar. Dicha imagen se
utiliza para reducir el número de “Falsos Positivos”. Los píxels identificados correctamente
tendrán un MF por encima de la distribución del fondo, el cual tiene un valor cercano al cero, y
una baja Inviabilidad.
Para la determinación de los “verdaderos positivos” se puede representar en un
diagrama de dispersión de dos dimensiones (2D) el MF y la Inviabilidad correspondiente y
seleccionar mediante zonas o áreas de interés alto MF con baja Inviabilidad. Como entrada el
MTMF requiere la Fracción Mínima de Ruido (MNF).
El MTMF arroja dos imágenes por cada miembro puro (Identificación e Inviabilidad).
Este método también exige la Remoción del Continuo (Continuum Removal) con la finalidad
de normalizar el espectro de reflectancia, para permitir una adecuada comparación de las
características de absorción a partir de una base común.
Tanto en el MTMF como en los métodos restantes, el software sólo admite como
entradas las 4 bandas MNF. La aplicación generó un par de bandas por cada muestra:
Identificación e Inviabilidad. Para llegar a los resultados finales de la identificación del Maíz, se
seleccionaron los píxels con coincidencia cercana al valor 1 (MF Score) y baja inviabilidad
(infeasibility).
Selección de elementos por MTMF.
Al final se obtuvo 1 banda de identificación de Maíz, 1 banda de Caña y 1 banda de
Arroz.
3.8.5
Ajuste de Características Espectrales (Spectral Feature Fitting - SFF):
Compara las características de absorción del espectro de la imagen con las del espectro de
referencia, utilizando la técnica de mínimos cuadrados.
Los espectros de referencia son escalados (ajustados) para que coincidan con los
espectros de la imagen, para lo cual se debe remover el continuo de ambos archivos. Se mide la
profundidad de la característica de absorción, la cual está relacionada con la abundancia de un
material. Los espectros de la imagen y el de referencia se comparan en cada longitud de onda
seleccionada mediante mínimos cuadrados y se determina el error medio cuadrático (RMS) para
cada espectro de referencia.
Como resultado se obtienen una imagen escalada y una imagen RMS por cada espectro
de referencia o una imagen combinada escalada/RMS.
Los píxels más brillantes en la imagen escalada (tonos claros) que además presenten un
bajo RMS (tonos oscuros), indican una mejor coincidencia con el material de referencia. La
identificación final se realiza visualizando los resultados mediante un diagrama de dispersión
2D y dibujando un área o región de interés, que cumpla la condición anterior. Se tomaron los
valores de bandas escaladas entre 0.5 y 1.5 (eje x) y RMS entre 0 y 1 (eje y), para la Caña, el
7
Maíz y el Arroz. Los píxels que cumplieron ambas condiciones se les dio el valor 1 y al resto el
valor 0.
3.8.6
Ajuste de Características Espectrales de Múltiples Rangos (Multi Range
Spectral Feature Fitting - MRSFF): Es similar al SFF, pero además permite seleccionar
múltiples rangos de longitudes de onda en los cuales se encuentran las características de
absorción, para cada miembro puro.
Se pueden establecer pesos a cada rango espectral de manera de enfatizar las
características más importantes. Los resultados son mejores que los obtenidos con el método
anterior si los elementos puros y los rangos de absorción están bien definidos y se interpretan de
manera similar. Se definió un rango único de longitudes de onda para la discriminación de los
rubros: 0.556 – 1.656.
Los valores de la identificación fueron muy pequeños, lo cual dificultó la selección de
los rangos y por ende, de los resultados finales
3.9 Aplicación de Filtros: Se aplicó un filtro de mediana con un tamaño de ventana de
3x3, el cual conserva en gran medida los valores de los píxels, con la finalidad de reducir la
cantidad de píxels aislados y de homogeneizar las parcelas de cultivos.
3.10
Selección de Áreas de Verificación: Debido a la escasa cantidad de
parcelas encuestadas en la visita de campo de invierno de 2006 y a que solamente se utilizó una
porción de dichas parcelas como áreas muestra, se decidió tomar otra parte de las mismas
parcelas como área de verificación de cada rubro.
Área Muestra (amarillo), Área de Verificación (azul).
En total se emplearon 6 áreas de verificación diferentes a las utilizadas como insumo
en la aplicación de las técnicas del procesamiento Hiper-Espectral.
4. Presentación y Evaluación de Resultados:
En líneas generales, se obtuvieron dos grupos de resultados: Los obtenidos a partir de
las 9 bandas en reflectancia y los obtenidos de la Fracción Mínima de Ruido (MNF). Por cada
grupo, se generaron imágenes temáticas de identificación de Maíz, Caña y Arroz, por seis
métodos distintos. Se cuantificó la cantidad de píxels de identificación de los rubros
mencionados en áreas muestra y de verificación. Se calcularon los porcentajes correspondientes
y se evaluó tanto el poder de identificación del Maíz, como la confusión con el Arroz y la Caña.
Para la selección del (los) método(s) idóneos se recurrió a la ponderación de los resultados.
4.1 Presentación de Resultados:
Verificación de Resultados (Matriz de Resultados):
Con la finalidad de dar validez a los resultados obtenidos, se procedió a la verificación
de los mismos calculando el porcentaje de píxels asignados en la identificación del Maíz en
8
base a las Áreas Muestra (Fiabilidad Global) y con respecto a las Áreas de Verificación
(Porcentaje de Aciertos). En el proceso se utilizaron 6 muestras (la misma cantidad de zonas
utilizadas el entrenamiento), distintas a las áreas Muestra. También se calculó el porcentaje de
Confusión del Maíz con respecto a la Caña y al Arroz. Para ello se hizo uso de la herramienta
de Cálculo de Estadísticas de las Regiones de Interés (ROIs).
Las fórmulas que se utilizaron en el cálculo de la Fiabilidad Global (F) y en la
verificación fueron:
Identificación
F = No. Píxels Identificación en el polígono * 100
No. Píxels Total polígono
Verificación
F = No. Píxels Verificación en el polígono * 100
No. Píxels Total polígono
El 1 fue el valor que se tomó en cuenta en el cálculo de los porcentajes. En la columna
3 de la tabla, se copió el porcentaje de identificación de Maíz en base a los polígonos de las
Áreas Muestras (Fiabilidad Global). En la columna 5, se transcribió el porcentaje de
identificación de Maíz en base a los polígonos de las Áreas de Verificación (Porcentaje de
Aciertos). Esto se hizo para cada uno de los 8 resultados obtenidos de identificación de Maíz
(SAM, SAM-MNF, LSU, MF, MF-MNF, MTMF, SFF y MRSFF), con lo cual se comenzó a
construir la Matriz de Resultados.
Adicionalmente y con la finalidad de identificar gráficamente los resultados, se coloreó
en color azul claro el fondo de las casillas con identificación Muy Alta, en amarillo los
valores con identificación Alta y en anaranjado la Baja identificación. En todos los casos se
representaron en color azul los mejores resultados. Se definieron los rangos de valores para
categorizar los resultados según la distribución.
Para calcular el porcentaje de confusión del Maíz con el Arroz y la Caña, se
superpusieron las mismas Áreas de Muestra a los resultados de identificación de Arroz y Caña.
Se calcularon los porcentajes de píxels que fueron asignados al Arroz y a la Caña que también
habían sido identificados como Maíz.
Para manejar solamente valores altos en los mejores resultados, a las columnas de la
confusión con Caña y Arroz, se le invirtieron los valores restándole 100 y se crearon dos nuevas
columnas 6 y 7.
4.2 Evaluación de Resultados: Para la evaluación de los resultados y la posible
selección de uno o varios métodos de identificación de Maíz con imágenes ASTER, se le
asignaron los pesos 10, 10, 40 y 40% a las columnas 3, 5, 6 y 7 respectivamente, como se
muestra en la última fila de la tabla. Con ello se evaluó tanto el poder de identificación del
Maíz, como la confusión con el Arroz y la Caña. Se Aplicó la siguiente fórmula:
R = % Fiab. Global * 0,1 + % Acierto * 0,1 + % Conf. Caña * 0,4 + Conf. Arroz * 0,4
Los Resultados (R) se llenaron en una nueva columna de la Tabla:
9
Creación de Matriz de Resultados aplicando el Modelo.
Según se mostró en la columna de los Resultados los métodos que lograron una mejor
identificación con menor confusión, es decir, los que resultaron con valores más altos fueron: 1) El
Filtro de Coincidencias (MF) aplicado a las 9 bandas en reflectancia, con 97,5 puntos. 2) El SAM
aplicado a la Fracción Mínima de Ruido (MNF) con 94,88 puntos. 3) El SAM aplicado a las
Bandas en reflectancia, con 89,16 puntos.
En la Figura siguiente se presentan los resultados obtenidos para algunos métodos, en una
porción de la imagen del área de trabajo:
Los resultados números 1, 2 y 4 fueron los de mayor puntuación según el método de evaluación
aplicado. En blanco aparecen los píxels o las zonas de maíz y en azul la vialidad de la zona del
sistema de riego localizada cercana a la población de Sabaneta de Barinas.
5.
Conclusiones y Recomendaciones:
Luego de haber aplicado las Técnicas Hiper-Espectrales a las imágenes ASTER, con fines
de identificación de cultivos de Maíz, en la localidad de Sabaneta, estado Barinas, de haber
verificado, presentado y analizado los resultados obtenidos, se llegó a las siguientes Conclusiones y
Recomendaciones:
5.1 Conclusiones:
Con base en los resultados obtenidos y al análisis posterior de los mismos se llegó a las
siguientes conclusiones:
1. Los métodos que arrojaron mejores resultados, según la evaluación realizada fueron el
Filtro de Coincidencias aplicado a las 9 Bandas en Reflectancia (MF), la Clasificación
Según el Ángulo Espectral aplicado a las Bandas de la Fracción Mínima de Ruido (SAMMNF) y la Clasificación Según el Ángulo Espectral aplicado a las Bandas en Reflectancia
(SAM), los cuales obtuvieron los puntajes (97,50, 94,88 y 89,16), respectivamente.
10
2. Los métodos que dieron mejores resultados son las de menor grado de dificultad y menor
grado de subjetividad en su aplicación.
3. Los resultados de Identificación del Maíz obtenidos aplicando los métodos: LSU, MFMNF, MTMF, SFF y MRSFF, presentan la mayor confusión con los rubros Caña y Arroz,
en avanzado estado de crecimiento, analizados tanto cualitativa como cuantitativamente.
4. Los resultados de Identificación del Maíz con mayor evaluación (los procedimientos Filtro
de Coincidencias aplicado a las 9 bandas en reflectancia, SAM aplicado a la Fracción
Mínima de Ruido y el SAM aplicado a las Bandas en Reflectancia), cualitativamente
presentan diferencias apreciables a pesar de tener magnitudes cercanas.
5. Las diferencias del punto anterior se deben al carácter subjetivo de la escogencia del ángulo
en el método SAM, a la selección del rango de valores en el Filtro de Coincidencias (MF) y
a las diferencias de los métodos mencionados.
6. Todas las técnicas Hiperespectrales utilizadas, presentan algún grado de subjetividad en su
aplicación, lo que dificulta la estandarización de la aplicación en los entornos de trabajo.
7. La utilización de la Fracción Mínima de Ruido significó una mejora con el método SAM
(de 89,16 a 94,88), pero sucedió lo contrario con el procedimiento MF (97,50 a 28,59).
5.2 Recomendaciones:
Como sugerencias a los trabajos posteriores relacionados con la Aplicación de Técnicas
Hiper-Espectrales se tienen:
1. Verificar la posible confusión del Maíz con otros rubros, además de la Caña y del Arroz.
2. Realizar un estudio similar en una zona donde se cuente con cifras confiables de producción
para darle mayor precisión a la identificación y mayor fiabilidad a la validación.
3. Hacer seguimiento a la incorporación de nuevos Sensores Hiperespectrales satelitales, con
la finalidad de hacer estudios similares.
4. Utilizar un Espectroradiómetro de campo para la generación de librerías espectrales de
cultivos en estado avanzado de crecimiento.
5. Incrementar la cantidad de muestras de campo para utilizar un grupo como zonas de
entrenamiento y otro grupo como áreas de verificación.
REFERENCIAS BIBLIOGRÁFICAS
1. Cabrera, Samuel. 2000. Agronomía del Cultivo: Épocas de Siembra y Densidades Óptimas en
Maíz. En: Fontana, H; González, C, eds. El Maíz en Venezuela, Caracas, Venezuela, Fundación
Polar. 530p.
2. Center for Space Research. (18/07/07). Analysis of Hyperspectral Imagery. [En línea].
http://www.csr.utexas.edu/projects/rs/hrs/analysis.html.
3. Center for Space Research. (18/07/07). Processing of Hyperspectral Imagery. [En línea].
http://www.csr.utexas.edu/projects/rs/hrs/process.html
4. Chuvieco, E. 1996. Fundamentos de Teledetección Espacial, Madrid, Rialp, 453 pp.
5. Chuvieco, E. 2002. Teledetección Ambiental: La Observación de la Tierra Desde el Espacio.
Editorial Ariel. 568 pp. 2da edición.
6. Hyperspectrum News Letter. (18/07/07). Spectral Imaging: Technology & Applications. Vol 3,
No.
1,
1997.
[En
línea].
http://www.techexpo.com/WWW/optoknowledge/hyperspectrum/index.html.
7. MicroImages, Inc. (18/07/07). Analyzing Hiperspectral Images. [En línea].
http://www.microimages.com/getstart/hypanly.htm.
8. Primera, María. 2008. Clasificación por Redes Neuronales de imágenes ASTER para la
determinación de los rubros maíz y arroz. Trabajo Especial de Grado. UCV.
Evaluación del Índice de vegetación de diferencia normalizado (NDVI)
en la clasificación de las coberturas vegetales dominantes de un área en
el complejo Guerrero en imágenes Spot de los años 1988, 2004 y 2007.
Ivon Fernanda Almonacid Velosa1
1
Universidad Distrital Francisco José de Caldas, Ingeniería Forestal, Avenida circunvalar venado de oro
(Bogotá, Colombia)
1
[email protected]
1. Resumen
El enfoque del presente trabajo se orienta a la evaluación de la variabilidad que presenta el
Índice de vegetación de diferencia normalizado (NDVI) en las coberturas vegetales dominantes
del complejo Guerrero utilizando imágenes Spot de los años 1988, 2004 y 2007. El área
específica a estudiar corresponde a la región de los municipios de Tausa, Cogua y Zipaquirá
(Departamento de Cundinamarca, Colombia); en ella se valorará el NDVI a partir de imágenes
Spot de diferentes años a través de una metodología basada en la clasificación supervisada de
las imágenes inicialmente obtenidas, y la creación de imágenes NDVI para su posterior
evaluación en el análisis del cambio y diferenciación en la cobertura que ha presentado
temporalmente.
2. Introducción
Estudios sobre cobertura y uso de la tierra que se desarrollan en Colombia, han demostrado la
riqueza y cobertura potencial de la vegetación. En la región andina la vegetación de páramo es
la más representativa, caracterizado por la gran diversidad y la presencia de comunidades
vegetales con especies arbustivas y que presentan una fisionomía de porte bajo, achaparrado y
en forma de rosetas, que dan respuesta a las condiciones que el entorno ofrece para su
establecimiento. Solo hasta hace pocos años el estudio de estos ecosistemas y su vegetación ha
tenido una relevante importancia con respecto a otros, debido no solamente a la amplia
diversidad florística y faunística, sino a su endemismo y su importancia en la regulación y
producción hídrica (IGAC & CORPOICA, 2002; Cantillo et al, 2005; Alzate, 2006).
El lugar sujeto a estudio para la presente investigación se estableció en el llamado complejo de
Guerreo. Debido a la extensidad del lugar, la zona a evaluar se especificó en el área que incluye
los municipios de Tausa, Cogua y Zipaquirá; zona que específicamente ha sido estudiada por
Alzate (2006) en su tesis de maestría, en ella resalta que las principales actividades económicas
de los municipios que albergan el páramo de Guerrero corresponde a la ganadería, la agricultura
y la extracción de carbón, mencionando además los efectos que ha traído la dinámica de estas
actividades en los sistemas ecológicos y las coberturas vegetales naturales en estos ecosistemas,
como lo es la expansión de la frontera agrícola y ganadera, generando una sobre-utilización de
los recursos y poniendo en riesgo los bienes y servicios ambientales que el páramo brinda.
Teniendo en cuenta lo mencionado anteriormente, la percepción remota se expone como una
herramienta perfecta para el seguimiento y monitoreo de este tipo de estudios. De esta manera,
se hizo uso de imágenes Spot, que debido a la gran cantidad de información que se registra en
estas, tanto espacial como espectralmente, la utilidad de divisiones entre bandas que se pueden
efectuar en ellas se pauta como una combinación matemática útil para discriminar sutiles
diferencias en las variaciones espectrales. Así, los índices de vegetación se presentan como
indicadores susceptibles a la presencia de la vegetación verde. El índice de vegetación de
diferencia normalizado (NDVI), se basa en propiedades de reflectancia de las áreas con
vegetación comparadas, por un lado con las nubes, nieve y el agua, y, por otro lado por el suelo
desnudo y las rocas (Riaño, 1999; Chuvieco et al., 2002; Luévano et al., 2006; Campo et al; Li,
2008; Alcazar-segura, et al, 2009; Tittebrand, 2009).
En el presente artículo se pretende mostrar la evaluación de la variabilidad que presenta el
Índice de vegetación de diferencia normalizado (NDVI) en la imágenes Spot de tres diferentes
años, a partir de la clasificación de las coberturas vegetales dominantes del área a estudiar del
complejo Guerrero; debido a que dicho índice permite dar en primera medida una probabilidad
de encontrar presencia de cobertura vegetal, seguido de reconocer una buena estimación de la
productividad (entendido como desarrollo y estado) de la vegetación, pudiendo observar la
dinámica de la transformación de diferentes coberturas vegetales dominantes del área sujeto a
estudio del complejo Guerrero con valoraciones temporales de las imágenes (Campo et al; Li,
2008; Alcazar-segura, et al, 2009; Tittebrand, 2009).
3. Materiales y métodos
El área de estudio corresponde a un fragmento del complejo de Guerrero, el cuál abarca los
municipios de Tausa, Cogua y Zipaquirá (figura 1, tomado de Morales et al, 2007), ubicados en
el departamento de Cundinamarca.
Figura 1: Complejo Guerrero
Para la evaluación de la zona de estudio se utilizaron imágenes Spot georeferenciadas de los
años 1988, 2004 y 2007. El procesamiento de dichas imágenes se realizó por medio del software
ERDAS imagine 9.1 e ILWIS 3.3.
Inicialmente se realizó un mejoramiento de contraste para cada una de las bandas de cada
imagen con el fin de que la imagen cruda fuera procesada para obtener información espectral
más precisa, distinguible e interpretable para la clasificación y obtención del NDVI.
La metodología que se realizó en esta investigación se basó en la que Sebem et al (2005)
propone en “Aportación del NDVI y los sistemas expertos en la mejora de la clasificación
temática de imágenes espectrales”, de esta manera: se comenzó por realizar una selección de
bandas, con el fin de realizar una composición a color óptima para la discriminación de los
detalles necesarios a evaluar en las imágenes, para esto se siguió el método de el Optimun Index
Factor (OIF), el cuál se basa en considerar la composición a color más adecuada para la
clasificación como aquella que presenta la máxima varianza, para esto se utilizan las
desviaciones típicas y coeficientes de correlación de cada una de las bandas que componen la
imagen (Sebem et al, 2005; Chieh et al, 2008). De esta manera el algoritmo se describe de la
siguiente manera:
En primer lugar, elige el número posible de combinaciones de tres bandas que se pueden
obtener de cada imagen, obteniéndose así:
N =
N!
3
(3! × (N-3)!)
Donde N es el número total de bandas de la imagen.
Seguidamente, para la combinación de tres bandas, el OIF se calcula como:
OIF =
Stdi + Stdj + Stdk
Corr i,j + Corr i,k + Corr j,k
Donde:
Stdi = desviación típica de la banda i
Stdj = desviación típica de la banda j
Stdk = desviación típica de la banda k
Corr i,j = coeficiente de correlación de banda i y banda j
Corr i,k = coeficiente de correlación de banda i y banda k
Corr j,k = coeficiente de correlación de banda j y banda k
Haciendo uso del algoritmo se seleccionó la combinación óptima de tres bandas en cada una de
las imágenes Spot.
Ya obtenida la combinación de bandas idónea para cada imagen, se prosiguió a la clasificación
supervisada. Para esto, anticipadamente se realizó un muestreo, el cuál consistió en dos fases:
una fase de entrenamiento, seguida por una fase de decisión. Para clasificación se utilizó el
clasificador del paralelepípedo, el cuál usa rangos de clases determinados por los valores de los
NDs observados en la fase de entrenamiento.
En esta etapa de clasificación se uso como verdad-terreno el mapa de ecosistemas del Complejo
Guerrero expuesto en el Atlas de páramos de Colombia. Las clases determinadas a identificar en
cada imagen se basaron en la leyenda de dicho documento, en el cuál describe los ecosistemas
dominantes de acuerdo con el IAvH (2006). Así se clasificó la imagen determinando las
siguientes coberturas vegetales como dominantes: áreas con predominancias de pastos y
cultivos, agroecosistemas de cultivos mixtos, agroecosistemas ganaderos, arbustos secundarios,
páramo húmedo en montaña estructural erosional, subpáramo húmedo en montaña estructural
erosional, bosque medio denso húmedo en montaña estructural erosional, plantaciones
forestales y cuerpos de agua.
Posteriormente, se siguió con la creación de las imágenes NDVI, a partir de las bandas 4 y 3 de
las imágenes 2004 y 2007, debido a que estas contenían 4 bandas en la lista de mapa, y, 3 y 2 en
la imagen 1988 porque esta contenía 3 bandas en su lista. Asimismo, su cálculo se realizó de la
siguiente manera:
NDVI = B4 – B3
B4 + B3
para las imágenes 2004 y 2007
Y,
NDVI =
B3 – B2
B3 + B2
para las imagen de 1988
4. Resultados
A partir de los valores obtenidos en la matriz de varianza y covarianza, se observa el número de
posibles composiciones que se pueden obtener de cada imagen.
Cuadro 1: Matriz de varianza-covarianza de la imagen de 1988
Banda 1
Banda 2
Banda 3
Banda 1
5795.06
5451.74
5570.73
Banda 2
5451.74
5265.01
5151.84
Banda 3
5570.73
5151.84
6403.51
Debido a que la imagen Spot de 1988 presenta 3 bandas, se determina que existen solo una
posible composición a color para esta imagen; de esta manera se tiene que la única permisible
composición a color es la RGB-1,2,3; con un valor OIF de 94.45.
Figura 2: Imagen Spot 1988. Composición a color RGB- 1,2,3.
Cuadro 2: Matriz de varianza-covarianza de la imagen de 2004
Banda 1
Banda 2
Banda 3
Banda 4
Banda 1
2111.31
2207.53
1773.32
1904.92
Banda 2
2207.53
2374.76
1948.41
2166.47
Banda 3
1773.32
1948.41
2227.39
2226.78
Banda 4
1904.92
2166.47
2226.78
2559.44
La imagen 2004 presentaba 4 bandas, determinando 4 posibles composiciones a color. Como los
valores de OIF más altos se presentan en estas bandas 1,3,4; se asumió esta como la
composición a color a establecer.
Figura 3: Imagen spot 2004. Composición a color RGB-1,3,4
Cuadro 3: Matriz de varianza-covarianza de la imagen de 2007
Banda 1
Banda 2
Banda 3
Banda 4
Banda 1 4875.18
Banda 2 3278.79
Banda 3 3079.79
Banda 4 4569.65
3278.79
3558.26
3185.75
4147.78
3079.79
3185.75
2962.00
3641.50
4569.65
4147.78
3641.50
5862.28
La imagen 2007 presenta 4 bandas, teniendo a su vez 4 posibles composiciones a color,
determinando la composición 1,2,4 como la óptima por su mayor valor (80.65).
Figura 4: Imagen spot 2007. Composición a color RGB-1,2,4
En las matrices de varianza y covarianza de cada imagen, se puede notar la información de la
relación bivariada de las bandas de cada una de ellas. La diagonal principal de la matriz
contiene la información de la varianza de las bandas, mientras que el resto de celdas refleja la
covarianza para cada par de variables. La interpretación y toma de decisión para la composición
a color se determina a partir de los valores altos de la varianza más no de la covarianza, debido
principalmente porque lo que se busca con el OIF, es obtener la mejor combinación de tres
bandas que no solo me permita discriminar la mayor cantidad de información, es decir, tener la
mayor suma de desviaciones estándar de cada una de las bandas, sino permitir además la menor
cantidad de duplicidad entre ellas, lográndose con la menor correlación entre banda y banda. De
esta manera, entre mayor sea la sumatoria de las desviaciones estándar y menor sea la sumatoria
de las correlaciones entre banda y banda, las condiciones para obtener la combinación óptima
será cada vez mayor, mostrándose por valores de OIF mayores. Ahora bien, la varianza permite
dar una estimativo comparable entre banda y banda, permitiendo elegir la combinación entre
bandas ideal, así se determinó que para la imagen de 1988 la mejor composición era la RGB1,2,3; para la 2004 RGB-1,3,4; y para la 2007 RGB-1,2,4; con esto se garantizó que la
información de los niveles digitales de cada píxel será más aprovechable sin sobreponer sus
valores entre sí por la combinación de las bandas.
A partir de la composición a color obtenida para cada imagen se realizó la clasificación de cada
una de ellas:
Figura 5: Clasificación imagen 1988.
Figura 6: Clasificación imagen 2004.
Figura 7: Clasificación imagen 2007.
En la clasificación para cada una de las imágenes se puede observar que las coberturas vegetales
dominantes que se plantearon han tenido una dinámica paulatina a través de los años. Nótese
que mientras en el año 1988, la cobertura dominante correspondía a Páramo húmedo en
montaña estructural adicional (PH-ME), seguido de áreas con predominio de pastos y
cultivos(D3) y subpármao húmedo de montaña estructural erosional(SH-ME) (Figura 5); en el
año 2004 la cobertura que dominaba era subpáramo húmedo de montaña estructural erosional
(SH-ME), agroecosistemas ganaderos (D2), y arbustales secundarios (D6) (Figura 6); y en el
2007 predomina el Páramo húmedo de montaña estructural erosional (PH-ME), subpáramo
húmedo en montaña estructural erosional, seguido de arbustales secundarios (D6) y
agroecosistemas ganaderos (D2) (Figura 7).
Posteriormente se realizó el NDVI para cada una de las imágenes:
Figura 8: NDVI imagen 1988.
Figura 9: NDVI imagen 2004.
Figura 10: NDVI imagen 2007.
La imagen NDVI de 1988 presenta en su mayoría valores entre 0.23 y 0.45, expresando una
media de 0.34 (Figura 8), sin embargo debe notarse que, aunque en menor proporción, también
se tiene una expresión de valores que van de -0.04 y -0.08. Comparando estos valores con la
clasificación obtenida para esta imagen, se notará que las áreas en donde sobresalen los mayores
valores NDVI corresponden a vegetación de páramo y subpáramo, sin embargo, debido a que
dicha vegetación esta representada por estratos arbustivos, herbáceos y rasantes, y se presenta
sobre paisaje de montaña estructural erosional, los valores NDVI son expresados en un rango
que va de 0 a 0.7, indicando una cobertura que aunque con presencia de vegetación, representa
ciertas proporciones de suelo desnudo. Conjuntamente, debido a que dichas comunidades
vegetales se están desarrollando sobre ciertos parámetros ambientales en donde predomina,
según Koppen, el clima Húmedo de alta montaña, la expresión de un rango de valores negativos
se atribuye principalmente a ello. Además, IGAC (1985), en un estudio realizado sobre al
vegetación del páramo de la Laguna Verde, ubicado dentro del complejo Guerrero, concluyo
que en su mayoría la composición florística encontrada para esta zona es de comunidades de
pajonal abierto y semiabierto, el cuál se desarrolla sobre nichos de denudación cerca del
nacimiento de quebradas, suelos superficiales y pedregosos; argumentando la representación
obtenida para la imagen NDVI de este año.
Si se comparan los resultados que se muestran en la figura 6 y la figura 9, se puede notar que
debido a que las coberturas que presentan dominancia para el 2004 son el subpáramo húmedo,
arbustales secundarios y agorecosistemas ganaderos, en donde predomina el porte bajo de la
vegetación, la expresión en las imágenes NDVI se expone con valores cercanos a cero lo que
indica una propiedad de reflectancia correspondiente al suelo desnudo, especialmente en las
zonas más altas. Si se compara los resultados obtenidos en la clasificación y la imagen NDVI
obtenidas de 1988, con los resultados obtenidos en el 2004, se puede notar que las coberturas
correspondientes a páramo húmedo, el cual se ubica en las zonas más altas, disminuyó
considerablemente. Ahora, teniendo en cuenta esto se observa que la alteración de estos
ecosistemas fue considerable dejando grandes áreas sin vegetación, lo cuál se evidencia en la
respuesta de la imagen NDVI del 2004.
En cuanto a las repuestas encontradas en las figuras 7 y 10, se puede notar una definitiva
relación directa no solo en la clasificación obtenida de la imagen 2007 con respecto a la NDVI,
sino a la secuencia de la dinámica de los ecosistemas en los dos años anteriores evaluados. Esto
se evidencia porque, en primer lugar se puede notar que venimos inicialmente de la imagen
1988 con una cobertura dominante de páramo húmedo, seguido de una cobertura dominante de
subpáramo húmedo, agroecosistemas ganaderos y arbustales secundarios para el 2004,
concluyendo para esta última escena con prevalencia de nuevo con cobertura de páramo
húmedo, pero un considerable aumento en el bosque medio denso, con respecto a las imágenes
anteriores. Si se enfatiza se nota que la vegetación siguió una sucesión en donde pasó de ser una
vegetación inicialmente considerada como arbustos secundarios y demás, a bosque medio denso
producto del dinamismo del ecosistema. Además nótese que las zonas aledañas al Neusa las
cuáles corresponden a plantaciones forestales establecidas desde 1951 (Guillot & Gómez,
1995), se clasifican como bosque medio denso y vegetación secundaria, argumentando esto
principalmente por el poco manejo silvicultural que se ha realizado a esta plantaciones desde su
establecimiento (Herrera; comunicación personal, 18 de mayo de 2009).
5. Conclusiones
Debido a que la zona de estudio ha estado sometida actividades persistentes a través del tiempo,
al realizar la evaluación temporal del área, a través de las imágenes, se observa la variabilidad
de la clasificación de las mismas. Mostrando, que el NDVI no solo se debe considerar como
indicador para determinar la probabilidad de presencia o no de vegetación, sino como una
muestra del estado, desarrollo y situación de esta.
Aunque la repuesta del NDVI presenta relación directa con los resultados obtenidos de la
clasificación, como indicador aislado no se puede confiar, debido a que las interpretaciones y
suposiciones pueden llegar a ser erróneas, así que el uso de información adicional será
imprescindible para la utilidad de este índice. Como lo expone Campo e investigadores en su
artículo, proponiendo para resultados como estos en otras investigaciones el desarrollo de
nuevos algoritmos que corrijan errores y tengan en cuentan más factores que no se aprecian con
el NDVI, conduciendo una errónea interpretación de la información obtenida (Luévano et al,
2006).
Por otro lado, en la realización de estudios en los que sea necesario realizar una clasificación, se
debe tener en cuenta la situación y las condiciones a las cuáles está sometida la región de
estudio, de esta manera la decisión de realizar una clasificación supervisada fue la mejor opción
si se tiene en cuenta que el área de estudio es influenciada por una constante dinámica en las
coberturas vegetales, y el análisis se hace sobre imágenes de satélite, las cuáles presentan gran
información espectral. Así, la variabilidad observada en las imágenes NDVI conduce a
conclusiones relacionadas con la problemática que persiste en los ecosistemas de páramo. Con
esto solo se quiere dar un motivo más para que se ponga especial énfasis en la conservación y
recuperación de estos ecosistemas.
6. Bibliografía
Alcazar-Segura, D., J, Cabello & J, Paruelo. 2008. Baseline characterization of major Iberian
vegetation types base on the NDVI dynamics. Plant ecology. 202: 13-29.
Alcaraz-Segura, D., G. Baldi, P. Durante, M.F. Garbulsky. 2009. Análisis de la dinámica
temporal del NDVI en áreas protegidas: tres casos de estudio a distintas escalas espaciales,
temporales y de gestión. Ecosistemas. 17 (3): 108-117.
Alzate, Beatriz. 2006. Indicadores de sostenibilidad ambiental de tercera generación en la
gestión ambiental sistémica. Caso páramo de Guerrero. Cundinamarca. Informe presentado a
Universidad Nacional de Colombia, Instituto de estudios ambientales-IDEA. 168 pg. Bogotá,
Colombia.
Campo, A., R. García-González, A. Marinas & M. Gartzia. Relaciones entre el índice de
vegetación NDVI y la cobertura vegetal en pastos de puerto de pirineo occidental. XLV
Reunión Científica de la SEEP, Sesión: Sistemas Agrosilvopastorales, pp. 304-310.
Cantillo, E, E. Avella & K. Rodriguez. 2005. Vegetación leñosa de la reserva forestal
Cárpatos. Esfera editores. 109 pg. Bogotá, Colombia.
Chou, W., W. Lin & Ch. Lin. 2008. Vegetation recovery patterns assessment at landslides
caused by catastrophic earthquake: A case study in central Taiwan. Environmental
monitoring and assessment. 152: 245-257.
Chuvieco, E., J. Salas, E. Meza & F. Vargas. 2002. Empleo de la teledetección en el análisis
de la deforestación tropical: el caso de la reserva forestal de Ticoporo (Venezuela). Serie
geográfica. 10: 55-76.
Fernández, F. 2000. Introducción a la fotointerpretación. 150 pg. Ariel. España.
Guillot, G., G. Gómez & R. Medina. 1995. Estudio limnológico del embalse del Neusa.
Bogotá. 40 p.
IGAC. 1985. La vegetación del Páramo de la Laguna Verde. Bogotá.193 p.
IGAC & CORPOICA. 2002. Zonificación de los conflictos de uso de la tierra en Colombia:
Cobertura y uso actual de las coberturas en Colombia. Bogotá, Colombia.
Li, S.C., Z.Q, Zhao, & F.Y. Liu. 2008. Identifying spatial pattern of NDVI series dynamics
using recurrence quantification analysis. The european physical journal special topics. 164:
127-139.
Luévano, R., K. Luévano de la Cruz, G. Reyes, W. Ritter, G. Martínez, H. RodrígueZ, E.
Olivares. 2006. El índice KA: un nuevo algoritmo para analizar los componentes de la
superficie terrestre en imágenes de satélite. Ciencia UANL. 9: 171-178.
Morales M., Otero J., Van Der Hammen T., Torres A., Cadena C., Pedraza C., Rodríguez N.,
Franco C., Betancourth J.C., Olaya E., Posada E. Y Cárdenas L. 2007. Atlas de páramos de
Colombia. Instituto de Investigación de Recursos Biológicos Alexander von Humboldt.
208pg. Bogotá, Colombia.
Riaño, O. 1999. Procesamiento digital de imágenes en ILWIS (Traducción y adaptación).
Sebem, E., C. González, R. García, R. de la Vega & A. Valverde. 2005. Aportación del
NDVI y los sistemas expertos en la mejora de la clasificación temática de imágenes
multiespectrales. Anais XII Simpósio Brasileiro de Sensoriamento Remoto, Goiânia, Brasil.
2763-2771.
Tittebrand, A., U. Spank & CH. Bernhofer. 2009. Comparison of satellite- and ground-based
NDVI above different land-use types. Theoretical and Applied Climatology.

Documentos relacionados