Escolar Documentos
Profissional Documentos
Cultura Documentos
FACULTAD DE INGENIERA
MAESTRA EN GEOMTICA
UNIVERSIDAD DE CUENCA
RESUMEN
Este estudio pretende analizar, clasificar y predecir los cambios que ha sufrido la
cobertura vegetal de la cuenca del Ro Paute (CRP), para la realizacin de este trabajo
se ha planteado el objetivo de clasificar la cobertura vegetal empleando tcnicas
geoinformticas tomando como partida la imagen de 1987 la cual fue clasificada y
proyectada conjuntamente con la imagen del 2001, para posteriormente ser verificada
con informacin real de la imagen clasificada del 2010. Las imgenes que intervienen
en esta investigacin fueron adquiridas del sensor Landsat 5 (sensor TM) y Landsat 7
(sensor ETM+), dichas imgenes fueron clasificadas utilizando un mtodo de
clasificacin hibrido, basada en pixeles y en segmentos.
Se calcularon los cambios, intercambios y transiciones sistemticas que afectan a las
diferentes coberturas de suelo: Bosques/vegetacin, Pasto /zonas de cultivo, Centros
Poblados, Cuerpos de agua, Pramo, Suelo descubierto/zonas con escasa vegetacin;
utilizando para ello mtodos estocsticos de prediccin. Para la prediccin se utiliz el
software de SIG IDRISI Selva, utilizando los mtodos de clasificacin de rgidos,
anlisis multicriterios y autmatas celulares integrados a cadenas de Markov. Las
validaciones de las clasificaciones y del modelo de prediccin se a empleados matrices
de confusin con niveles de concordancia adquiridos por el ndice kappa, superiores al
80% de fiabilidad y concordancia. Al final de esta investigacin se pudo demostrar
incrementos en un 5.07% de degradacin del suelo hasta el 2010 y un incremento
estimado del 6.32% en un lapso de 15 aos, disminucin de las principales coberturas
de suelo (Bosques/vegetacin), por el desplazamiento de la frontera agrcola en un
2.94% por causa de la expansin urbana que ha incrementado en los ltimos 23 aos
un 0.96%.
Palabras claves: Sistema de informacin geogrfica, Cobertura de Suelo, Cadenas de
Markcov, Idrisi Selva, Autmatas Celulares, Imgenes Satelitales, Cambio de
Cobertura.
UNIVERSIDAD DE CUENCA
ABSTRACT
This study aims to analyze, classify and predict the changes that have taken place in
land cover Advertise River Basin (CRP) for the realization of this work has been
proposed in order to classify the land cover using geoinformatics techniques taking as
starting image 1987 which was graded and designed in conjunction with the image,
2001, later to be verified with real information from the classified image 2010. the
images involved in this research were acquired from the Landsat 5 (sensor TM) and
Landsat sensor 7 (ETM + sensor), these images were classified using a hybrid method
of classification based on pixels and segments.
Changes, exchanges and systematic transitions involving different land cover were
calculated: Forest / vegetation, pasture / crop areas, population centers, bodies of water,
Paramo Ground bare / sparsely vegetated areas; stochastic methods using for this
prediction. GIS software IDRISI Selva was used for prediction, classification methods
using rigid, multi-criteria analysis and cellular automata integrated with Markov chains.
The validation of the classifications and model prediction of confusion matrices
employees with levels of agreement obtained by above 80% reliability and concordance
kappa. At the end of this research it was demonstrated increases in 5.07% of soil
degradation through 2010 and an estimated increase of 6.32% over a period of 15
years, reduction of principal land cover (forests / vegetation), the displacement of the
agricultural frontier into a 2.94% because of the urban sprawl that has increased over
the
past
23
years
0.96%.
UNIVERSIDAD DE CUENCA
ABREVIATURAS Y SIMBOLOGIA
AC
(Automata Celular)
AVHRR
BIL
BIP
BSQ
(Band Sequential)
CRP
DE
(DesviasionEstandar)
DTED
ERS
ETM+
GLCF
GPS
(Global PositioningSystem)
IGM
IRC
(Infrarojo Cercano)
KML
NASA
NDVI
NOAA
NV
(Nivel Digital)
PROMAS
SIG
SRTM
TM
(Thematic Mapper)
USGS
UNIVERSIDAD DE CUENCA
INDICE
RESUMEN ..................................................................................................................................... 2
ABREVIATURAS Y SIMBOLOGIA ............................................................................................ 4
INDICE............................................................................................................................................ 5
LISTA DE TABLAS ....................................................................................................................... 9
LISTA DE FIGURAS .................................................................................................................. 11
CLAUSULA DERECHOS DE AUTOR .................................................................................... 13
CLAUSULA PROPIEDAD INTELECTUAL ............................................................................. 14
1.1
1.2
1.3
1.4
2.1
2.2
Teledeteccin. ......................................................................................................................... 20
UNIVERSIDAD DE CUENCA
2.4
2.6
2.7
3.1
Insumos. ................................................................................................................................... 33
Mtodos: ................................................................................................................................... 35
UNIVERSIDAD DE CUENCA
Resultados. ...................................................................................................................... 48
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
Anlisis de Resultados........................................................................................................... 70
CAPTULO V: CONCLUSIONES Y RECOMENDACIONES ............................................... 73
5
5.1
. .................................................................................................................................................. 73
5.2
Recomendaciones. ................................................................................................................. 74
CAPTULO VI: BIBLIOGRAFIA Y ANEXOS........................................................................... 76
UNIVERSIDAD DE CUENCA
Bibliografa ....................................................................................................................... 76
Anexos. ............................................................................................................................. 80
UNIVERSIDAD DE CUENCA
LISTA DE TABLAS
TABLA 1. Rangos del espectro electromagntico imgenes Landsat. .................. 20
TABLA 2 Metodologa para la clasificacin no supervisada. ................................. 26
TABLA 3. Metodologas aplicadas para la clasificacin supervisada. ................... 27
TABLA 4. Procesos de veracidad de clasificaciones segn (Perea, Merocho, & Aguiera,
2009). ......................................................................................................... 29
TABLA 5. Imgenes Satelitales sensor Landsat TM ETM+ ................................... 33
TABLA 6. Coberturas de suelo de la CRP y su representacin en imgenes satelitales.
................................................................................................................... 40
TABLA 7 Parmetros para las distintas probabilidades de cambio. ...................... 45
TABLA 8. Extracto de matriz de probabilidad de cambio para el ao 2010 .......... 45
TABLA 9. Cdigos de las imgenes clasificadas para los aos de 1987 y 2001 .. 49
TABLA 10Estadstica descriptiva de la imagen satelital Landsat TM (1987) aplicando
mascara del rea de estudio. ..................................................................... 49
TABLA 11. Coberturas de suelo de la CRP hectreas y porcentajes (1987) ........ 57
TABLA 12. Numero muestras de sitios de entrenamiento para la clasificacion..... 59
TABLA 13. Matriz de confusin para la clasificacin de 1987 ............................... 59
TABLA 14. Matriz de confusin para la clasificacin de 2001 ............................... 60
TABLA 15. Valoracin para el Coeficiente kappa.................................................. 60
TABLA 16. Matriz de probabilidad de cambio 1987 al 2010 .................................. 63
UNIVERSIDAD DE CUENCA
TABLA 17. Cruce tabular entre la clasificacin real de 2010 y la proyectada CA Markov
2010, nivel de concordancia. ...................................................................... 64
TABLA 18. Matriz de probabilidad de cambio para el periodo 1987 a 2015 en
porcentajes. ................................................................................................ 66
TABLA 19. Porcentajes de cambios de cobertura de suelo periodo 2001 2015. 67
10
UNIVERSIDAD DE CUENCA
LISTA DE FIGURAS
FIG 1. rea de estudio Cuenca del Rio Paute....................................................... 17
FIG 2. Esquema del funcionamiento de teledeteccin. ......................................... 21
FIG 3: Vecindarios de AC para una dimensin. Adaptado: Martnez, G.J ............. 31
FIG 4: Vecindarios de AC para dos dimensin. Adaptado: Martnez, G.J ............. 31
FIG 5. Mascara aplicada al rea de estudio Cuenca del Ro Paute. ..................... 36
FIG 6. Diagrama de flujo para la clasificacin hibrida empleada para este estudio42
FIG 7. Clasificacin hibrida de imgenes satelitales de 1987 y 2001 .................... 43
FIG 8. Captura de pantalla del software IDRISI Mdulo Land Change Modeler .. 44
FIG 9. Captura de pantalla del Software IDRISI Modulo Markcov. ....................... 45
FIG 10. Diagrama de transicin de coberturas empleando cadenas de Markcov. 46
FIG 11. Captura de pantalla software IDRISI Selva Modulo CA_Markcov, materializacin
para el ao 2010. ........................................................................................ 47
FIG 12. Diagrama de proceso de perdicin de coberturas de la Cuenca del Rio Paute.
................................................................................................................... 47
FIG 13. Imgenes satelitales empleadas para este estudio izquierda imagen 1987
derecha 2001 .............................................................................................. 48
FIG 14. Histograma de las bandas de la imagen Landsat TM (1987) ................... 50
FIG 15. Mascara aplicada a las imgenes analizadas (zonas de nubosidad y sombra)
................................................................................................................... 51
FIG 16Discriminacin de nubes utilizando ndices Vegetales. .............................. 52
PABLO GONZALO PESANTEZ PACHECO
11
UNIVERSIDAD DE CUENCA
12
UNIVERSIDAD DE CUENCA
13
UNIVERSIDAD DE CUENCA
14
UNIVERSIDAD DE CUENCA
CAPITULO I: INTRODUCCIN.
El anlisis multitemporal, es una tcnicaque permite comparar y determinar el cambio
de la cobertura vegetal que acaece a lo largo del tiempo, por lo que se convierte en una
herramienta fundamental para la obtencin de la informacin que se emplea para la
toma de decisiones en la gestin y conservacin de la flora y fauna por parte de los
tcnicos de las entidades pertinentes. Estos procesos ayudan a determinar escenarios
a futuro que servirn para tener en cuenta el aumento de las acciones antrpicas que
sufren las cuencas en el lapso del tiempo, ya que si la degradacin del suelo y agua
aumentan puede ser irreversibles y no tener el tiempo necesario para la conservacin y
gestin de los recursos naturales.
El anlisis multitemporal se basa en la utilizacin de herramientas como son los
Sistemas de Informacin Geogrfica (SIG), imgenes de satlite y tcnicas como base
de los anlisis comparativos (Rao, 1998).
La cuenca del RoPaute (CRP) ha sufrido numerosas alteraciones en lo que respecta a
la cobertura vegetal.Estos cambios se han dado en el transcurso del tiempo sin que
sean percibidos de una manera alarmante, teniendo como resultado la erosin de la
gran mayora de los suelos de la cuenca.
La cuenca del RoPaute cuenta con una extensin de 64420.26ha, de las cuales
12296.32ha(19%) se encuentran erosionadas o en proceso de erosin (SIG Cuenca del
Rio Paute Cobertura del Suelos, 2001). Esta cifra se refleja en el estado de
conservacin o deterioro de la cuenca a lo largo de los corredores de los principales
ros.
15
UNIVERSIDAD DE CUENCA
1.1
Segn estudios publicados por ALMEIDA, INECEL-UMACPA 2005, las tasas de erosin
que se registran en la cuenca del Ro Paute son alrededor del 78.08 TM /Ha/ao, datos
que ratifican el grave proceso de degradacin de los suelos de la cuenca del Ro Paute.
Esto se debe fundamentalmente a factores tales como el incremento de la frontera
agrcola, la deforestacinde chaparros y bosques, adems de varios
procesos
antrpicos a los que est sujeta la cuenca del Paute.Este proceso seguir
incrementndose con el paso del tiempo, sin ser percibidos por los involucrados de la
cuenca, si no se toman medidas al respecto.
Sin embargo, este proceso podra ser mejor entendido si se contase con informacin
sobre los cambios de vegetacin que se producen a lo largo del tiempo dentro de la
cuenca. Los estudios realizados o publicados sobre anlisis multitemporal de la cuenca
del RoPaute, son limitados, razn por la que este trabajo pretende identificar los
cambios que ha sufrido la cobertura de suelo en el transcurso de los aos, informacin
que servir de base para poder realizar predicciones y adquirir el conocimiento
necesario para llevar a cabo acciones que posibiliten la conservacin de la cobertura
vegetal, lo que a su vez permitir realizar acciones necesarias para la conservacin de
los suelos y as evitar la erosin delos mismos.
1.2
16
UNIVERSIDAD DE CUENCA
Esta cuenca se encuentra delimitada hacia el norte por el nudo de Curiquingue, que
divide la hoya del Caar con la hoya del Paute; hacia el Sur por el nudo del Portete, que
divide la hoya del Jubones con la del Paute; hacia el Este por la cordillera Oriental de
los Andes, que divide la regin del Oriente con la Sierra; y hacia el Oeste por la
cordillera Occidental de los andes, que divide la regin de la Sierra con la Costa
(UMACPA, 1995)
17
UNIVERSIDAD DE CUENCA
Sus recursos hdricos constituyen la fuente de agua potable e irrigacin agrcola para la
mayor parte de cantones de las dos provincias; y es la fuente de abastecimiento para la
generacin hidroelctrica de las Represas Mazar y Daniel Palacios que dependen
directamente de los caudales regulados por los pramos y bosques nativos de la
regin.
En la cuenca se hallan los lmites del volcanismo antiguo y los valles Girn - Paute, los
mismos que conformaran una barrera geogrfica para la migracin de especies de la
flora andina; estos factores sugieren una riqueza biolgica muy importante en la regin.
(UDA, 2008)
Objetivos.
1.3
Objetivo General
1.4
Objetivos Especficos
Obtencin de las coberturas de suelo de la cuenca del Ro Paute a partir de
imgenes satelitales logradas en los ltimos aos.
Construir las predicciones de cambio de cobertura vegetal en periodos de 5 aos
utilizando la Cadena de Markov.
18
UNIVERSIDAD DE CUENCA
Sensores Remotos.
19
UNIVERSIDAD DE CUENCA
2.2
Resolucion Espectral
BANDA
1(Azul)
TM
30 m
ETM+
30 m
TM
0.45-0.52 m
ETM+
0.45-0.52 m
2(Verde)
3(Rojo)
30 m
30 m
30 m
30 m
0.52-0.60 m
0.63-0.69 m
0.52-0.61 m
0.63-0.69 m
4(Infrarojo Cercano)
5(Infrrarojo Medio)
6(Infrarojo Termico*)
7(Infrarojo Medio**)
8(Pancromatico)
30 m
30 m
120 m
30 m
30 m
30 m
30 m
60 m
30 m
15 m
0.76-0.90 m
1.55-1.75 m
10.4-12.5 m
2.08-2.35 m
0.76-0.90 m
1.55-1.75 m
10.4-12.5 m
2.08-2.35 m
0.52-0.90 m
Teledeteccin.
20
UNIVERSIDAD DE CUENCA
21
UNIVERSIDAD DE CUENCA
22
UNIVERSIDAD DE CUENCA
Junto a estos formatos tradicionales existen otros HDF (Hierarchical data Format),
GeoTIFF, KML (KeyholeMarkupLanguage), que son utilizados por el dominio pblico,
para difundir imgenes georreferenciadas. (Chuvieco, 2010)
2.3
23
UNIVERSIDAD DE CUENCA
2.4
Cobertura de la tierra
Se inicia con la clasificacin, por categoras de uso de la tierra, de una parcela dentro
de un espacio geogrfico delimitado para el propsito de anlisis, y la cual se obtiene a
partir de la interpretacin de informacin proveniente de los sensores remotos. (Briceo,
2003).
Algunos autores Meyer y Turner, 1994; Moser, (1996), citados por Briassoulis (1999),
separan los trminos uso y cobertura al definir esta ltima como la cantidad y tipo de
24
UNIVERSIDAD DE CUENCA
25
UNIVERSIDAD DE CUENCA
Clster media de K
Basada en Fractales
Wavelets
Clasificacin supervisada.
El primer paso en la clasificacin supervisada es identificar ejemplos de las clases de
informacin de inters (es decir, tipos de cubierta terrestre) en la imagen. stos se
llaman sitios de entrenamiento (training sites).
26
UNIVERSIDAD DE CUENCA
Clasificadores Rgidos
Clasificadores Blandos
Clasificadores Hiperespectrales
Se debe calcular las estadsticas elementales para cada categora, a partir de los ND de
todos los pixeles incluidos los sitios de entrenamiento, ya que las reas de
entrenamiento son fieles representantes de las distintas categoras. (Chuvieco, 2002).
En la ltima dcada los investigadores han desarrollado mtodos de clasificacin
supervisadas. Segn Rodriguez, (2011) las metodologas desarrolladas para la
clasificacin supervisada utilizadas en la ltima dcada 2000-2010 son:
TABLA 3. Metodologas aplicadas para la clasificacin supervisada.
Metodologa clasificacin supervisada
Redes neuronales
Vecino ms cercano
Clasifcador Malhanobis
Mxima vecindad
Mxima distancia
SOUTH et al , 2003
27
UNIVERSIDAD DE CUENCA
28
UNIVERSIDAD DE CUENCA
2.5
Concepto
ndice de fiabilidad
ndice Kappa
Verificacin
Segn Rodriguez, (2011) citando a LI et al., (2009), SANTOS, (2007) dice que, la matriz
de confusin o contingencia, permite comparar dos clasificaciones: una definida por el
usuario como base y la otra, la que se desea evaluar. Se construye una comparacin
matricial de clases realizadas de la clasificacin, ubicada generalmente en diferentes
sectores o en la totalidad del mapa, confrontando las clases de cada clasificacin.
29
UNIVERSIDAD DE CUENCA
2.6
Autmatas celulares
Segn Wolfram S. (1994) citado por Becerra & Castillo, (2009), los autmatas celulares
(AC) fueron diseados por StanislawUlam (1909-1984) y John vonNeumann (19031957) para proporcionar un marco formal a la investigacin del comportamiento de
sistemas complejos, donde la salida de informacin de la celda depende la varias
entradas, modificando su estado y de su celda vecina segn su funcin de transicin,
teniendo en cuenta que el tiempo y espacio son discretos(Lopez, 2007).
La estructura estudiada fue principalmente en uno y rejillas infinitas bidimensionales,
aunque las dimensiones superiores tambin fueron consideradas. Los fsicos y bilogos
empezaron a utilizar los AC con el propsito de modelar sus estudios. (Palash & Sarkar,
1999).
Segn la definicin de Palash & Sarkar (1999), los autmatas celulares se representa
por la siguiente visin matemtica:
A = (Sd, Q, N, )
Donde:
A = Representa un autmata celular
Sd = Representa el espacio de las celdas, y d la dimensin
Q = Corresponde al conjunto de estados
N = Representa el vecindario celular
= Corresponde a la regla de estado de transicin basada en el vecindario
Los AC pueden ser n-dimensional, pero para la simulacin en la realidad se fundamenta
bsicamente en 1,2 3 dimensiones, que presentan un tamao nito. Para que una
30
UNIVERSIDAD DE CUENCA
0 1 0
2 estados, 1 radio
de vecindad
0 0 1 0 0
2 estados, 2 radios
de vecindad
vecindad de Moore
31
UNIVERSIDAD DE CUENCA
Es por esta razn que los autmatas celulares se utilizan ampliamente en la prediccin
de cambios de coberturas en transiciones estocsticas, adems los autmatas celulares
han sido utilizados en el procesamiento de imgenes y reconocimiento de patrones.
teniendo mayor influencia de cambio los vecinos ms cercanos que los que se
encuentran en diagonal. (Padilla, 2005)
2.7
de Markov s;
32
UNIVERSIDAD DE CUENCA
donde
Insumos.
(GLCF)
de
la
University
of
Maryland
de
la
Global
33
UNIVERSIDAD DE CUENCA
BANDAS
6
NO
6
6
6
6
6
CODIGO
ID: LT50100621987085XXX10
ID: LT50100621998195XXX01
ID: LE70100622001307EDC00
ID: LE70100622001307EDC00
ID: LE70100622004364ASN00
ID: LE70100622007052ASN00
ID: LE70100622010236ASN00
% NUBOSIDAD
CC: 10%
CC: 30%
CC: 29%
CC: 29%
CC: 16%
CC: 32%
CC: 37%
FECHA
26/03/1987
14/07/1998
16/05/2000
3/11/32001
29/12/2004
21/02/2007
24/08/2010
PRODUCTO
Qlty: 9 Product: TM L1T
Qlty: 9 Product: TM L1T
Qlty: 9 Product: ETM+ L1T
Qlty: 9 Product: ETM+ L1T
Qlty: 9 Product: ETM+ L1T
Qlty: 9 Product: ETM+ L1T
Qlty: 9 Product: ETM+ L1T
3.1.2 Software
El software utilizado fue IDRISI,por ser un programa de fcil manejo que contiene ms
de 300 mdulos para el anlisis SIG y espacial, contiene adems herramientas
estadsticas y de superficie que ayudan a la toma de decisiones en el estudio de series
de tiempo. (Eastman, 2012). Plataforma desarrollada con fines de investigacin por la
Universidad de Clark, se utiliz licencia de prueba de 30 das.
En el planteamiento de estudio se propuso realizar una clasificacin supervisada y no
supervisada la misma que se partir con el apoyo de la plataforma IDRISI el cual cuenta
con un sistema de clasificacin ms extensa dura y blanda, la misma que se basa en el
clasificador de aprendizaje de mquinas como redes neuronales y anlisis de rbol de
clasificacin. (Eastman, 2012)
Tambin se utiliz como plataforma de apoyo ArcGis con licencia acadmica de la
ESPE (Universidad de las Fuerzas Armadas), para las distintas presentaciones de los
resultados y conversiones de archivo; ya que es un completo sistema informtico que
posee herramientas avanzadas de anlisis espacial, y tratamiento de datos.
34
UNIVERSIDAD DE CUENCA
red
vial,
red
hdrica,
entre
otros
fue
adquirida
del
Sistema
de
Mtodos:
35
UNIVERSIDAD DE CUENCA
36
UNIVERSIDAD DE CUENCA
Tambin se opt por adquirir la imagen satelital de la CRP del sensor RapidEye de una
resolucin espacial de 5m y espectral de 5 bandas, la cual sirvi para la validacin del
modelo de prediccin.
37
UNIVERSIDAD DE CUENCA
Esta clasificacin sirvi de gua para la obtencin de las distintas clases de coberturas y
se emple para predecirlas, ya que son las ms representativas de dicha cuenca,
comparadas con las clasificaciones realizadas por el CLIRSEN (Universidad del Azuay).
38
UNIVERSIDAD DE CUENCA
39
UNIVERSIDAD DE CUENCA
CRITERIOS DE
IDENTIFICACION
VISUALIZACION EN
LA IMAGEN
Centros Poblados
Cuerpos de agua
Pramo
Nubes
Sombra
satelitales.
PABLO GONZALO PESANTEZ PACHECO
40
UNIVERSIDAD DE CUENCA
Esta tipologa sirvi para obtenerla clasificacin de las imgenes satelitales de 1987 y
2001. Esta clasificacin se realiz con la implementacin de las plataformas antes
mencionados, dicha clasificacin fue empleada para los anlisis de prediccin.
41
UNIVERSIDAD DE CUENCA
FIG 6. Diagrama de flujo para la clasificacin hibrida empleada para este estudio
42
UNIVERSIDAD DE CUENCA
3.2.8 Dinmica del cambio de la cobertura vegetal de la cuenca del Rio Paute.
Realizado las clasificaciones de las imgenes de 1987 y 2001, se procedi al anlisis
estadstico descriptivo, para lo cual se hizo uso de la herramienta LCM del software
IDRISI; este mdulo permite realizar un anlisis de las ganancias y prdidas de
superficie experimentadas por las coberturas, as tambin como sus tendencias, la
proyeccin de su curso en el futuro, y la evaluacin e implicaciones del cambio de
hbitat y de la biodiversidad. (Eastman, 2012).
43
UNIVERSIDAD DE CUENCA
44
UNIVERSIDAD DE CUENCA
ao base (b)
2001
2001
2001
ao prediccion
2010*
2015
2025
# de periodos
entre (a -b)
14
14
14
# de periodos a
proyectar
9
14
24
error
proporcional
0.15
0.15
0.15
cuberturas
vegetales
Bosque
Pasto y cultivo
Centros poblados
cobertura vegetales
Bosque Pasto y cultivo
0.67
0.23
0.06
0.64
0.00
0.01
Centros poblados
0.00
0.05
0.43
45
UNIVERSIDAD DE CUENCA
0.15
0.06
0.
0.0
1
0. 6
5
0.6
6
01
C
0.60
46
UNIVERSIDAD DE CUENCA
FIG 11. Captura de pantalla software IDRISI Selva Modulo CA_Markcov, materializacin
para el ao 2010.
Para la materializacin de prediccin hace falta crear una serie de mapas de ocupacin
del suelo por cada cobertura obtenida para un tiempo dado, es donde a travs del
mdulo CA Markov se asigna un nivel digital a cada pxel el mismo que expresa la
probabilidad de pertenecer a la categora analizada y estimada en la matriz de
transicin.
FIG 12. Diagrama de proceso de perdicin de coberturas de la Cuenca del Rio Paute.
47
UNIVERSIDAD DE CUENCA
Resultados.
4.1
FIG 13. Imgenes satelitales empleadas para este estudio izquierda imagen 1987
derecha 2001
48
UNIVERSIDAD DE CUENCA
CODIGO
ID: LT50100621987085XXX10
ID: LE70100622001307EDC00
% NUBOSIDAD
CC: 10%
CC: 29%
FECHA
26/03/1987
3/11/32001
PRODUCTO
Qlty: 9 Product: TM L1T
Qlty: 9 Product: ETM+ L1T
Minima
38
12
8
5
6
2
Maxima
256
161
200
213
256
256
Madia
58.252
26.775
23.724
64.212
69.197
26.988
Desv. Estandar
8.53
6.081
7.987
20.55
24.67
11.443
49
UNIVERSIDAD DE CUENCA
Banda 1
Banda 2
Banda3
Banda 4
Banda 5
Banda 7
50
UNIVERSIDAD DE CUENCA
FIG 15. Mascara aplicada a las imgenes analizadas (zonas de nubosidad y sombra)
Con la ayuda del NDVI (NormalizedDifferenceVegetationIndex) el cual nosayuda a
discriminar la vegetacin, teniendo en cuenta las bandas 3 y 4, ya que mide las
longitudes de onda [0.63-0.69 m] en el rojo, [0,76-0,90 m] en el infrarrojo cercano
respectivamente, mediante la frmula 4.1.1(Cuesta et al, 2005), se deternimo las zonas
con nubosidad que posteriormete sirvio como base para determinar la mascara que se
plico a las imgenes.
51
UNIVERSIDAD DE CUENCA
4.1.1 NDVI
4.1.2
52
UNIVERSIDAD DE CUENCA
Imagen
Landsat
color432
indice de
vegatacion
4.2
53
UNIVERSIDAD DE CUENCA
propuesto por Rouseet al (1974), este ndice de vegetacin utiliza la banda del infrarrojo
cercano IRC y del rojo R, para determinar valores altos de reflectancialos mismos que
representan o indican mayor vigor vegetal, (3) Centros Poblados -la combinacin de las
bandas 2-3-4, (4) Cuerpos de agua para determinar esta clase se la discrimin por
medio del ndice e vegetacin formula 4.1.2 , (5) Paramo por medio de la combinacin
de las bandas 4-3-2 , (6) Suelo descubierto/zonas con escasa vegetacin utilizando
las bandas 2-3-4. En la figura 18 se observa la forma y tonalidad de las clases de
cobertura.
Bosque/vegetacin densa
Pasto/zonas cultivo
Centros poblados
54
UNIVERSIDAD DE CUENCA
Bosque/vegetacin
densa
Pasto/zonas cultivo
4.3
Este mtodo considera que los ND se ajustan a una distribucin normal, tomado una
decisin acerca de la clase de superficie terrestre a la que pertenece cualquier pixel.
(Chuvieco, 2010), (Eastman, 2012).Tomando en cuenta los valores medios, matriz de
varianza-covarianza permite calcular la probabilidad de que un pixel corresponda a la
categora seleccionada, este mtodo es el ms utilizado en la clasificacin hibrida en
teledeteccin.
Con la ayuda del mduloMaxlike de IDRISI el cual emplea sitios de entrenamiento,se
clasific las distintas imgenes de los aos de 1987 y 2001.
55
UNIVERSIDAD DE CUENCA
.
FIG 20Captura de pantalla Clasificacin final de la imagen 1987 - Clasificacin rgida,
mdulo Maxlike IDRISI.
Con el propsito de homogenizar la informacin de la clasificacin y presentar en una
escala acorde a la resolucin espacial de la imagen, se aplica a la imagen clasificada el
mdulo SEGGLAS el cual toma como referencia la clasificacin basada en segmentos y
la clasificacin basada en pixeles. Este mdulo agrupa los pixeles que se encuentran
en cada segmento tomando en cuentasu ND y sus vecinos prximos.(figura21).
56
UNIVERSIDAD DE CUENCA
4.4
Coberturas de suelo
Bosques/vegetacin densa
Pasto /zonas de cultivo
Centros Poblados
Cuerpos de agua
Paramo
Suelo descubierto/zonas con escasa vegetacion
HA
209555.28
132470.64
7596.9
3751.65
176386.77
37127.88
%
36.97%
23.37%
1.34%
0.66%
31.11%
6.55%
6.55%
31.11%
36.97%
1.34%
23.37%
0.66%
Cuerpos de agua
Paramo
57
UNIVERSIDAD DE CUENCA
% CLASIFICACION 2001
Bosques/vegetacin densa
13.81%
30.62%
25.62%
0.61%
1.64%
Centros Poblados
27.70%
Cuerpos de agua
Paramo
4.5
Validacin de la clasificacin.
58
UNIVERSIDAD DE CUENCA
Coberturas
# segmentos
24
Bosques/vegetacin densa
8
Pasto /zonas de cultivo
7
Centros Poblados
10
Cuerpos de agua
8
Paramo
Suelo descubierto/zonas con escasa vegetacion
19
4.6
Con la ayuda del mdulo Cross Tab de IDRISI, se obtuvo la matriz de confusin para
posteriormente realizar los anlisis respectivos como se muestran en las tablas 13-14
respectivamente.
TABLA 13. Matriz de confusin para la clasificacin de 1987
Clasificacin
1
2
3
4
5
6
1
5834
61
0
256
225
17
0
1827
0
0
6
0
0
0
1897
0
0
0
4
215
0
0
3847
0
0
5
0
0
0
0
4470
30
6
0
112
38
266
0
1761
total
6393
1833
1897
4062
4500
2177
Exactitud usuario 91.26% 99.67% 100.00% 94.71% 99.33% 80.89%
Error de omisin 8.74%
0.33%
0.00%
5.29%
0.67% 19.11%
total
6049
2000
1935
4369
4701
1808
Exactitud usuario
96.45%
91.35%
98.04%
88.05%
95.09%
97.40%
Error de comisin
3.55%
8.65%
1.96%
11.95%
4.91%
2.60%
20862
19636
Los nmeros hacen referencia a las categoras 1=Bosques/vegetacin densa, 2=Pasto /zonas de cultivo ,3=Centros Poblados, 4=Cuerpos de
agua, 5=Paramo, 6=Suelo descubierto/zonas con escasa vegetacin. Fiabilidad Global de 0.94 y un Indice kappa global de 0.93
59
UNIVERSIDAD DE CUENCA
1
7795
461
0
73
237
1
2
463
4867
0
0
0
0
3
0
68
2917
0
0
242
4
211
0
0
2220
1
0
5
9
408
0
28
6793
12
Referencia
6
0
207
452
65
0
1756
total
8478
6011
3369
2386
7031
2011
Exactitud usuario
91.94%
80.97%
86.58%
93.04%
96.61%
87.32%
total
8567
5330
3227
2432
7250
2480
Exactitud usuario 90.99% 91.31% 90.39% 91.28% 93.70% 70.81%
Error de omisin 9.01%
8.69%
9.61%
8.72%
6.30%
29.19%
Error de comisin
8.06%
19.03%
13.42%
6.96%
3.39%
12.68%
29286
26348
Los nmeros hacen referencia a las categoras 1=Bosques/vegetacin densa, 2=Pasto /zonas de cultivo ,3=Centros Poblados, 4=Cuerpos de
agua, 5=Paramo, 6=Suelo descubierto/zonas con escasa vegetacin. Fiabilidad Global de 0.90 y un Indice kappa global de 0.87
Para la imagen clasificada con fecha 1987 tabla 13 y 2001 tabla 14, se obtuvo un kappa
global de 0.87 y 0.93 una fiabilidad de 0.94 y 0.90 respectivamente. Estos parmetros
fueron calculados en hoja electrnica con los criterios ecuaciones citadas en el marco
terico.
Los anlisis anteriores sobre las matrices de confusin fueron interpretadas de acuerdo
a los valores de la tabla de concordancia tabla 15, para validacin de clasificaciones
segn Landis y Koch, (1977), citado por Cerda & Villarroel, (2008).
Fuerza de la concordancia
Pobre (Poor)
Leve (Slight)
Aceptable (Fair)
Moderada (Moderate)
Considerable (Substantial)
Casi perfecta (Almost perfect)
60
UNIVERSIDAD DE CUENCA
4.7
Realizada la clasificacin hbrida con las seis categoras antes mencionadas que se
sintetizan en el anexo 2,se analiz los cambios de forma general que ha sufrido esta
Cuenca hidrogrfica en el transcurso de 14 aos (1987 2001).
En la figura 24 se muestra en porcentaje, el ganancia y prdida de las distintas
coberturas vegetales de la cuenca del Ro Paute, estos resultados se obtuvieron con la
ayuda del mdulo LCM de IDRISI el cual determina de una manera rpida los cambios
sufridos en las coberturas, obteniendo resultados de prdidas o ganancias, netos en las
transiciones especificadas(Eastman, 2012).
61
UNIVERSIDAD DE CUENCA
4.8
Para el desarrollo de este estudio se consider las imgenes de 1987 y 2001 para la
construccin de un modelo de cambio de cobertura y su validacin ser realizada con la
cobertura conocida del 2010.
En esta prediccin del cambio de cobertura de suelo se utiliz un modelo basado en las
cadenas de Markovdonde la distribucin espacial de la cobertura de suelos tiene como
referencia el tiempo t, el mismo que es el resultado de un tiempo anterior t-1 ya que se
encuentra ntimamente relacionado al evento anterior.
el ao de 1987 y
donde para obtener el estado del sistema para el tiempo (t+1) se logro multiplicando el
vector por la matriz de probabilidad de cambio frmula 4.8.2:
PABLO GONZALO PESANTEZ PACHECO
62
UNIVERSIDAD DE CUENCA
4.8.2.
Se tiene que realizar la misma operacin para los dems estados o tiempos de
prediccin
4.8.3
1987 (%)
1
2
3
4
5
6
1
0.673
0.059
0.001
0.091
0.130
0.000
2
0.230
0.643
0.020
0.091
0.166
0.124
2010(%)
3
4
0.000
0.011
0.055
0.006
0.432
0.004
0.006
0.300
0.000
0.000
0.026
0.005
5
0.086
0.021
0.000
0.234
0.648
0.100
6
0.000
0.216
0.543
0.277
0.056
0.745
Los nmeros hacen referencia a las categoras 1=Bosques/vegetacin densa, 2=Pasto /zonas de cultivo
,3=Centros Poblados, 4=Cuerpos de agua, 5=Paramo, 6=Suelo descubierto/zonas con escasa vegetacin.
63
UNIVERSIDAD DE CUENCA
A partir de las imgenes de 1987 y 2001 se realiz la prediccin para el 2010, la imagen
obtenida fue comparada con la imagen real del 2010, la misma que posee una
concordancia espacial aceptable como se observa en la figura 25.
Para este anlisis se realiz una matriz de confusin de las capas temticas de las
imgenes del 2010 (imagen obtenida e imagen real), obteniendo el valor de fiabilidad de
0.93 y el ndice kappa de 0.91, que comparado con los valores de la tabla de
concordancia del ndice kappa representan una estimacin casi perfecta.
TABLA 17. Cruce tabular entre la clasificacin real de 2010 y la proyectada CA Markov
2010, nivel de concordancia.
64
Clasificacion prediccion
CA Markcov 2010
UNIVERSIDAD DE CUENCA
1
2
3
4
5
6
1
1894
447
0
0
5
12
2
24
707
0
0
30
0
total
2358
761
4104
519
2483
448
10673
Exactitud usuario 80.32% 92.90% 100.00% 99.23% 98.59% 63.39%
9952
Los nmeros hacen referencia a las categoras 1=Bosques/vegetacin densa, 2=Pasto /zonas de cultivo ,3=Centros
Poblados, 4=Cuerpos de agua, 5=Paramo, 6=Suelo descubierto/zonas con escasa vegetacin. Fiabilidad Global de 0.93 y
un Indice kappa global de 0.91
descubierto/zonas
con
escasa
vegetacin
con
el
80.32%
63.39%
respectivamente.
Teniendo en cuenta el coeficiente kappa para esta validacin K= 0.91;se puede
determinar que, desde el punto de vista alfanumrico la validacin presenta una muy
buena concordancia de la imagen proyectada con la situacin real del ao 2010.
Comparando la cobertura de Bosques/vegetacin densa para el ao estimado y el ao
real se determina que sobrepasa en un 4% del rea real, esto implica que los
autmatas celulares conjuntamente con las cadenas de Markov dan mejores resultados
y presentan una excelente alternativa en la estimacin del cambio de suelos que sufrira
cierta zona con un rango de error aceptable.
65
UNIVERSIDAD DE CUENCA
4.9
Tomando en cuenta la matriz de probabilidad de cambio para los aos de 1987, 2015 y
2025(anexo 3) se realiz la prediccin de los cambios de cobertura para la cuenca del
Ro Paute.
1987 (%)
2015(%)
1
2
3
5
6
6
1
0.603
0.068
0.002
0.106
0.151
0.008
2
0.265
0.569
0.041
0.123
0.198
0.144
3
0.002
0.055
0.333
0.009
0.000
0.028
4
0.010
0.006
0.005
0.215
0.001
0.005
5
0.100
0.033
0.012
0.242
0.570
0.112
6
0.020
0.270
0.608
0.306
0.080
0.703
Los nmeros hacen referencia a las categoras 1=Bosques/vegetacin densa, 2=Pasto /zonas de cultivo
,3=Centros Poblados, 4=Cuerpos de agua, 5=Paramo, 6=Suelo descubierto/zonas con escasa vegetacin.
66
UNIVERSIDAD DE CUENCA
Bosques/vegetacin densa
Pasto /zonas de cultivo
Centros Poblados
Cuerpos de agua
Paramo
Suelo descubierto/zonas con escasa vegetacin
67
UNIVERSIDAD DE CUENCA
FIG 26. Mapa de cobertura de suelo para la Cuenca del Rio Paute ao 2001.
FIG 27. Mapa de cobertura de suelo para la Cuenca del Rio Paute ao 2015.
68
UNIVERSIDAD DE CUENCA
FIG 28. Mapa de cobertura de suelo para la Cuenca del Rio Paute ao 2025.
En el siguiente figura(29), se presenta la dinmica de cambio de la cobertura de suelo
para la cuenca del Ro Paute desde los aos de 1987-2025.
Bosques/vegetacin densa
R = 0.703
35.00%
30.00%
25.00%
Centros Poblados
20.00%
15.00%
Cuerpos de agua
10.00%
Paramo
5.00%
0.00%
1987 (%)
2001(%)
2010(%)
2015(%)
2025(%)
R = 0.8353
Suelo descubierto/zonas con
escasa vegetacin
69
UNIVERSIDAD DE CUENCA
Analizando los datos de las simulaciones efectuadas al 2025, se puede observar que la
tendencia al cambio de la cobertura de Bosque /vegetacin densa est relacionada con
el paso del tiempo, ya que se obtiene un R = 0.703 con una tendencia lineal; esto
tambin sucede con el crecimiento de la cobertura de centros poblados que se obtiene
un R = 0.835 con una tendencia lineal hasta el ao simulado.
70
UNIVERSIDAD DE CUENCA
del territorio de la CRP y que en 2010 tena el 31,61%. Este cambio se relaciona
con el crecimiento de la frontera agrcola que existe en el territorio y se
demuestra en el incremento de la cobertura de pasto/zonas de cultivo que del
23,54% en 1987 pasa a 26,48% en el 2010, como se muestra en el mapa de
cambio de cobertura de suelo ver Anexo 7.
Del total de 24823,44ha que sufrieron cambios en su cobertura, el 35.75%
corresponde a la cobertura de bosque/vegetacin densa, el 32.73% a la
cobertura de paramo, el 26.91% corresponde a la cobertura de pasto/zonas de
cultivo, 2.23% a centros poblados, 1.23% y 1.15% a cuerpos de agua y suelo
descubierto/poca vegetacin respectivamente.
Teniendo en cuenta que la cobertura de bosque/vegetacin densa es la ms
notoria, se puede determinar que dicha cobertura sufri un cambio de un 26.05%
a pasto/zonas de cultivo, la cobertura de pasto/zonas de cultivo a suelo
descubierto/escasa vegetacin en un 21.33%, la cobertura de pramo a
pasto/zonas de cultivo en un 18.55%, al contrario, la cobertura de centros
poblados que tiene una ganancia del 4.96% (ver anexo 5).
Lo que se refiere a la prediccin del cambio de cobertura de suelo de esta
cuenca hidrogrfica se estima que la cobertura de bosque/vegetacin densa
disminuir de 31.61% a 27.99% (2010 - 2025), por otro lado la cobertura de
pastos/zonas de cultivo tendr un aumento en el ao de 2015 del 31.34% y una
disminucin en el 2025 a un 26.52%. Otra cobertura de inters que se debe
analizar es la de centros poblados que pasar de un 2.31% a 2.41% poseyendo
un tendencia lineal de crecimiento, lo mismo sucede con la cobertura de suelo
descubierto/zonas con escasa vegetacin que pasar de un 11.67% a 17.99%
para los aos estimados (anexo 6).
71
UNIVERSIDAD DE CUENCA
72
UNIVERSIDAD DE CUENCA
Conclusiones y Recomendaciones.
73
UNIVERSIDAD DE CUENCA
la cual es empleada por los autmatas celulares para materializar los cambios de
coberturas.
Se valid el modelo de prediccin utilizando los ndices de fiabilidad y kappa (valor
superior al 80%) los cuales resultan de la comparacin de la clasificacin predicha y la
clasificacin real de la imagen del 2010.
Los resultados de esta investigacin pueden servir para su aplicacin en los distintos
Planes de Desarrollo y Ordenamiento Territorial de los distintos niveles de Gobiernos
inmersos en el rea de estudio (CRP).
5.2
Recomendaciones.
74
UNIVERSIDAD DE CUENCA
Prediccin de los cambios de las coberturas vegetales de la Cuenca del Rio Paute
Al utilizar las Cadenas de Markovse puede llegar a predecir de una manera rpida ya
que toman en cuenta el estado anterior del actual y no permite explorar otras variables
que condicionan los cambios de usos del suelo, es por eso que para la presente
investigacin se combin con autmatas Celulares.
Se recomienda utilizar regresiones logsticas o anlisis multicriterio para generar mapas
de aptitud que se utilicen como base para el Autmata Celular y as comprarlos y
difundir sus resultados.
En lo referente al anlisis de prediccin de cambio de cobertura es recomendable no
establecer pocas muy distantespara mayor fiabilidad de resultados.
75
UNIVERSIDAD DE CUENCA
Bibliografa
76
UNIVERSIDAD DE CUENCA
etm+.
Rev.Fac.Nal.Agr.Medelln.Vol.58, 2611-2634.
Gutirrez, M. A., Bedoya, J. W., & Fernndez, V. B. (2005). Clasificacin no
Supervisada de Coberturas Vegetales sobre Imgenes Digitales de Sensores
Remotos: "Landsat - Etm+". Revista Facultad Nacional de Agronoma de
Medellin, pp. 2611-2634.
Harald, M. (1997). Fundamentos del procesamiento digital de imgenes. Mexico.
Hernandez, G., & Torres, L. G. (1994). Automatas celulares estocsticos. Lecturas
Matemticas, pp. 167191.
Lopez, A. f. (2007). Clasificacion de coberturas en imagenes satelitales multiespectrales
mediante automatas celulares con concepto de agricultura de precision. I2+D,
pp. 2 - 6 .
Martin Paegelow, M. T. (2003). Cadenas de Markov, evalucin multicriterio y evaluacin
multiobjetivo para la modelizacin prospectiva del paisaje. Revista Internacional
de Ciencia y Tecnologia de la Informacion geografica, 22-44.
Maryland, U. o. (1997). Global
http://glcfapp.glcf.umd.edu/
Land
Cover
Facility.
Obtenido
de
GLCF:
77
UNIVERSIDAD DE CUENCA
78
UNIVERSIDAD DE CUENCA
79
UNIVERSIDAD DE CUENCA
Anexos.
ANEXO 1
Anlisisestadstico imagen landsat 1987
1987
Banda 1
Banda 2
Banda 3
Banda 4
Banda 5
Banda 7
Minima
38
12
8
5
6
2
Maxima
256
161
200
213
256
256
Madia
58.252
26.775
23.724
64.212
69.197
26.988
Desv. Estandar
8.53
6.081
7.987
20.55
24.67
11.443
Madia
66.119
56.75
56.128
73.941
97.601
59.083
Desv. Estandar
11.744
14.391
21.717
19.542
1.965
25.351
2001
Banda 1
Banda 2
Banda 3
Banda 4
Banda 5
Banda 7
Minima
42
25
18
10
5
1
Maxima
256
256
256
256
256
256
80
UNIVERSIDAD DE CUENCA
ANEXO 2
Coberturas 1987
Bosques/vegetacin densa
Pasto /zonas de cultivo
Centros Poblados
Cuerpos de agua
Paramo
Suelo descubierto/zonas con escasa vegetacion
Coberturas 2001
Bosques/vegetacin densa
Pasto /zonas de cultivo
Centros Poblados
Cuerpos de agua
Paramo
Suelo descubierto/zonas con escasa vegetacion
Coberturas 2010
Bosques/vegetacin densa
Pasto /zonas de cultivo
Centros Poblados
Cuerpos de agua
Paramo
Suelo descubierto/zonas con escasa vegetacion
HA
209555.28
132470.64
7596.9
3751.65
176386.77
37127.88
HA
176701.14
159885.63
9450.45
3533.76
147855.78
79706.43
HA
192334.32
136693.53
13850.73
4397.76
135143.1
51204.87
%
36.97%
23.37%
1.34%
0.66%
31.11%
6.55%
%
30.62%
27.70%
1.64%
0.61%
25.62%
13.81%
%
0.3604302
0.2561606
0.025956
0.0082413
0.2532551
0.0959568
81
UNIVERSIDAD DE CUENCA
ANEXO 3
1987 (%)
1
2
3
4
5
6
1
0.673
0.059
0.001
0.091
0.130
0.000
2
0.230
0.643
0.020
0.091
0.166
0.124
2010(%)
3
4
0.000
0.011
0.055
0.006
0.432
0.004
0.006
0.300
0.000
0.000
0.026
0.005
5
0.086
0.021
0.000
0.234
0.648
0.100
6
0.000
0.216
0.543
0.277
0.056
0.745
Los nmeros hacen referencia a las categoras 1=Bosques/vegetacin densa, 2=Pasto /zonas de cultivo
,3=Centros Poblados, 4=Cuerpos de agua, 5=Paramo, 6=Suelo descubierto/zonas con escasa vegetacin.
1987 (%)
1
2
3
5
6
6
1
0.603
0.068
0.002
0.106
0.151
0.008
2
0.265
0.569
0.041
0.123
0.198
0.144
2015(%)
3
4
0.002
0.010
0.055
0.006
0.333
0.005
0.009
0.215
0.000
0.001
0.028
0.005
5
0.100
0.033
0.012
0.242
0.570
0.112
6
0.020
0.270
0.608
0.306
0.080
0.703
Los nmeros hacen referencia a las categoras 1=Bosques/vegetacin densa, 2=Pasto /zonas de cultivo
,3=Centros Poblados, 4=Cuerpos de agua, 5=Paramo, 6=Suelo descubierto/zonas con escasa vegetacin.
1987 (%)
1
2
3
5
6
6
1
0.481
0.083
0.006
0.129
0.185
0.021
2
0.319
0.443
0.077
0.175
0.250
0.179
2025(%)
3
4
0.009
0.010
0.057
0.006
0.168
0.005
0.014
0.073
0.006
0.003
0.031
0.005
5
0.122
0.052
0.039
0.253
0.434
0.134
6
0.059
0.360
0.705
0.357
0.123
0.630
Los nmeros hacen referencia a las categoras 1=Bosques/vegetacin densa, 2=Pasto /zonas de cultivo
,3=Centros Poblados, 4=Cuerpos de agua, 5=Paramo, 6=Suelo descubierto/zonas con escasa vegetacin.
82
UNIVERSIDAD DE CUENCA
ANEXO 4
83
UNIVERSIDAD DE CUENCA
84
UNIVERSIDAD DE CUENCA
ANEXO 5
COBERTURAS DE CAMBIO
Bosques vegetacin densa to Centros Poblados
Bosques vegetacin densa to Cuerpos de agua
Bosques vegetacin densa to Paramo
Bosques vegetacin densa to Pasto zonas de cultivo
Bosques vegetacin densa to Suelo descubierto poca vegetacin
perdida
Centros Poblados to Bosques vegetacin densa
Centros Poblados to Cuerpos de agua
Centros Poblados to Paramo
Centros Poblados to Pasto zonas de cultivo
Centros Poblados to Suelo descubierto poca vegetacin
perdida
Cuerpos de agua to Bosques vegetacin densa
Cuerpos de agua to Centros Poblados
Cuerpos de agua to Paramo
Cuerpos de agua to Pasto zonas de cultivo
Cuerpos de agua to Suelo descubierto poca vegetacin
perdida
Paramo to Bosques vegetacin densa
Paramo to Centros Poblados
Paramo to Cuerpos de agua
Paramo to Pasto zonas de cultivo
Paramo to Suelo descubierto poca vegetacin
perdida
Pasto zonas de cultivo to Bosques vegetacin densa
Pasto zonas de cultivo to Centros Poblados
Pasto zonas de cultivo to Cuerpos de agua
Pasto zonas de cultivo to Paramo
Pasto zonas de cultivo to Suelo descubierto poca vegetacin
perdida
Suelo descubierto poca vegetacin to Bosques vegetacin densa
Suelo descubierto poca vegetacin to Centros Poblados
Suelo descubierto poca vegetacin to Cuerpos de agua
Suelo descubierto poca vegetacin to Paramo
Suelo descubierto poca vegetacin to Pasto zonas de cultivo
perdida
rea cambio
rea no cambio
rea total
HA
PORCENTAJE
1491.84
0.62%
2652.48
1.10%
11554.02
4.80%
62722.89
26.05%
7684.83
3.19%
86106.06
35.75%
9.36
0.00%
17.82
0.01%
39.06
0.02%
35.37
0.01%
5258.61
2.18%
5360.22
2.23%
310.77
0.13%
27
0.01%
935.28
0.39%
342.99
0.14%
1355.13
0.56%
2971.17
1.23%
14874.48
6.18%
632.88
0.26%
149.4
0.06%
44675.91
18.55%
18489.87
7.68%
78822.54
32.73%
1859.85
0.77%
9558.54
3.97%
555.48
0.23%
1467.45
0.61%
51362.46
21.33%
64803.78
26.91%
57.51
0.02%
236.34
0.10%
35.82
0.01%
1548
0.64%
882
0.37%
2759.67
1.15%
240823.44
42.81%
321676.83
57.19%
562500.27
85
UNIVERSIDAD DE CUENCA
ANEXO 6
Cambio y estimacin de cobertura de suelos de 1987 a 2015 en porcentaje.
Bosques/vegetacin densa
Pasto /zonas de cultivo
Centros Poblados
Cuerpos de agua
Paramo
Suelo descubierto/zonas con escasa vegetacin
86
UNIVERSIDAD DE CUENCA
ANEXO 7
MAPAS DE CAMBIO DE COBERTURA DE SUELOS
87
UNIVERSIDAD DE CUENCA
88
UNIVERSIDAD DE CUENCA
89
UNIVERSIDAD DE CUENCA
90
UNIVERSIDAD DE CUENCA
91
UNIVERSIDAD DE CUENCA
92