Taller Final de Aplicación:

Proyecto Cartográfico

Alumna: Cecilia Berón

DNI: 37.566.082
Docentes: Caloni Nicolás, Miraglia Marina
Fecha: 15/12/2016

Metodología para la detección automática de vegetación

mediante imágenes satelitales

1
Tabla de contenido
Resumen: ................................................................................................................................................... 3
Introducción: ............................................................................................................................................ 3
Área de estudio:....................................................................................................................................... 4
Antecedentes: ........................................................................................................................................... 4
Objetivo general: ..................................................................................................................................... 5
Objetivos específicos: ............................................................................................................................ 6
Para el trabajo se considerarán los siguientes conceptos: ..................................................... 6
Conceptos principales de Teledetección: ............................................................................................. 6
Dispersión atmosférica: ............................................................................................................................... 9
Corrección Atmosférica: ............................................................................................................................ 11
Parámetros orbitales: ................................................................................................................................. 13
Órbitas geosincrónicos: ............................................................................................................................. 14
Órbitas Heliosincrónica: ............................................................................................................................ 14
Los Satélites y sus sensores: .............................................................................................................15
Tipos de resolución: ............................................................................................................................16
Resolución Espacial:.................................................................................................................................... 16
Resolución Espectral: ................................................................................................................................. 16
Resolución Radiométrica: ......................................................................................................................... 16
Resolución Temporal:................................................................................................................................. 17
Resolución angular: ..................................................................................................................................... 17
Tipos de filtros: ......................................................................................................................................18
● Filtro paso bajo .................................................................................................................................... 18
● Filtro paso alto ..................................................................................................................................... 18
Métodos supervisados, no supervisados y mixtos: .................................................................18
Método supervisado: .................................................................................................................................. 18
Método no supervisado ............................................................................................................................. 18
Método Mixto: ................................................................................................................................................ 18
Comportamiento espectral de la vegetación: ............................................................................19
Clasificación de vegetación, según el IGN: ..................................................................................21
Procedimientos para la Clasificación de vegetación: ..............................................................24
Metodología: ...........................................................................................................................................28
Automatización: ....................................................................................................................................40
Comentarios : .........................................................................................................................................49
Trabajos citados: ...................................................................................................................................50

2
Resumen:

En el siguiente trabajo, se desarrolla una herramienta, para el Instituto Geográfico

Nacional de Argentina, dentro de este instituto existe una de sus áreas que se encarga de
clasificar los objetos, para luego ser representado en la cartografía oficial.
La herramienta se diseña para poder diferenciar objetos geográficos de gran magnitud
como, agua, vegetación y áreas urbanas. Todo esto a partir de imágenes Satelitales y el
software que se utiliza actualmente ArcGis 10.3. La metodología utilizada para este
trabajo se orienta a obtener como resultado estos objetos clasificados, para luego, a
través del procedimiento realizado, poder automatizarlo, sirviendo para futuras áreas a
estudiar.

Introducción:

En el Instituto Geográfico Nacional Argentina (IGN) existen tres áreas encargadas en el

levantamiento de la información del terreno, el control de esta y luego la publicación
final, estas áreas están divididas en la Dirección General de planificación, Investigación y
Desarrollo, Dirección General de Servicios Geograficos y por ultimo Dirección General
de Producción Cartográfico, este trabajo se centrará en los servicios geográficos, el cual
dentro de todos sus trabajos a realizar se destaca las distintas escalas de captura de la
información dentro de la Infraestructura de Datos Espaciales (IDE).
La coordinación y gestión de la actualización de la información geográfica, interactuando
con organismos a nivel nacional, provincial, públicos y privados, a fin de integrarlo a la
Base de datos Geográficos del Instituto Geográfico Nacional.
Dentro del área, la actualización de la información es de modo manual, es decir un
operario observa la imagen que le brinda el sistema y debe verificar, si el objeto en
cuestión es o no de una u otra categoría, esta decisión es acompañada por la verificación
en otras fuentes de información, como google earth, bing, SAS planet, entre otros,
servidores y programas. Haciéndolo un proceso largo, ya que se utiliza un principio
subjetivo, depende del criterio que tenga el operario al determinar los objetos espaciales,
pudiendo ser rechazados a la hora de ser analizados por el área de control, retrasando la
actualización de la información y posibles entrega a publicar.
Teniendo en cuenta este problema se busca para este trabajo poder crear una herramienta
de fácil uso, con los datos y el programa que manejan los operarios, destinada a los
operarios que trabajan capturando objetos espaciales.
El objetivo para este trabajo es que la herramienta facilite la identificación de los distintos
tipos de elementos que se puedan clasificar, enfocándonos como objetivo principal en la
vegetación, y luego en los demás, como cuerpos de agua, ejidos urbanos, tipos de suelos,
elementos que se pueden visualizar fácilmente en escalas menores, y a su vez contribuya
para establecer un criterio general y de esa manera agilizar su trabajo.

3
Área de estudio:

Servicios Geograficos actualiza la base de datos por provincia, así a su vez puede
interactuar con las mismas y poder intercambiar información entre estos, para este trabajo
se utilizará la provincia de Neuquén. Esta provincia se ubica al norte con la provincia de
Mendoza, al este con La Pampa y Río Negro, al sur con Río Negro y al oeste con la
República de Chile. Su geografía presenta dos paisajes bien marcados: el de la Cordillera
de Los Andes, situado en la zona occidental, y el de la meseta, en la zona oriental.
Neuquén contiene tres ríos importantes el Río Colorado, límite con Mendoza, el Limay y
el Neuquén. Estos últimos funcionan como límites naturales con la Provincia de Río
Negro y cuando se unen conformar la denominada Confluencia y el nacimiento del Río
Negro. Los cursos de agua neuquinos son de origen glacial y de norte a sur, en el vértice
septentrional de la Provincia, se encuentran las lagunas Negra, Fea y Varvarco y al sur las
de Caviahue y Cari Lauquen.(casa de turismo provincial de Neuquén).
La flora y la fauna se agrupan de acuerdo al tipo de clima, y a la geografía de la
provincia, al contener una importante variedad de relieves y paisajes, constituyen el
hábitat de una fauna variopinta, integrada por especies autóctonas y exóticas.
Las producciones agrícolas, se desarrollan en mayor medida sobre los ríos principales
Limay y el Neuquén.

Antecedentes:

El Instituto Geográfico Nacional (IGN), en el año 1997, se introduce en los Sistemas de

Información Geográfica (SIG), produciendo capas temáticas extraídas de la cartografía
oficial a la escala 1:250000 denominadas “SIG-250”.

Este trabajo, básicamente, lo que realizaba era la conversión de archivos CAD a formatos
de SIG. Desde la creación de este conjunto de datos, a lo largo de los años se ha ido
modificando y actualizando en distintas escalas. Con el desarrollo de los SIG, el IGN ha
actualizado y migrado su información a formatos de base de datos alfanuméricos,
pudiendo promover una Infraestructura de Datos Espaciales (IDE) institucional,
respondiendo a estándares internacionales.
A través de una iniciativa global de desarrollo en la infraestructura de datos espaciales, en
el año 2012, se produce una propuesta para la conformación de una IDE institucional para
el IGN. Así, se puede comenzar un nuevo trabajo, que brinda la capacidad de almacenar
datos geográficos.

Este avance produjo la necesidad de adaptarse a los procesos de estandarización y

normalización internacionales vigentes. Por este motivo se determinó la creación del
Catálogo de Objetos Geográficos, es decir, un catálogo que almacena “fenómenos del
mundo real asociados a una localización relativa de la tierra que además poseen atributos
4
y pueden ser representado a través de una primitiva geométrica. El catálogo constituye un
documento que es una representación abstracta y simplificada de la realidad, y que
contiene una estructura que organiza los tipos de objetos geográficos, sus definiciones y
características (atributos, dominios, relaciones y operaciones).” (Instituto Geográfico
Nacional, 2016)

Este catálogo surge de la Norma Internacional ISO 19.110. El Instituto también ha

producido el Diccionario de Conceptos, de la norma ISO 19.126.

Para la elaboración de estos dos productos se tuvo en cuenta el Manual de Signos

Cartográficos (IGN, 2015) , antecedente y proveedor de información geográfica de la
cartografía oficial. El Instituto también ha avanzado en un perfil de metadatos: la
Infraestructura de Datos Espaciales de la República Argentina (IDERA).

El área de datos geoespaciales de la Dirección de Información Geoespacial del IGN, se

encargan tanto de la información de IDERA, publicaciones y convenios, como también
de la actualización de los datos espaciales. Operarios capacitados determinan, a través de
las imágenes satelitales, los objetos espaciales, definidos en el catálogo de objetos oficial,
los cuales simbolizan los distintos objetos que se encuentran dentro del territorio
argentino, representado de manera vectorial (puntos, líneas, polígonos).

Este tipo de trabajo se produce cuando el IGN hace convenios con las sedes provinciales,
con el objetivo de producir un atlas provincial a una escala de 1:100000. Toda actividad
y/o proyecto fija fechas de entrega para la salida del producto, como también realiza un
seguimiento mensual. Dentro de esta área, a pesar de contener los elementos necesarios
para una fiel captura de los objetos espaciales, suelen producirse discrepancias a la hora
de observar los mosaicos terminados de las hojas que representan la provincia,
ocasionando un atraso, ya que el producto debe volver a ser realizado, dilatando la
entrega del mismo.

Otro tema que se tuvo en cuenta en el area de produccionen, no todos los operarios tienen
conocimiento del concepto de clasificación de vegetación, pero si están familiarizados en
la agrupación por entidades teniendo en cuenta, la diferencia de colores y formas que
puede tener, debiendo agruparlas en una categoría, pudiendo ser una solución la
herramienta que se desarrollará en el trabajo.

Objetivo general:

La propuesta del trabajo es poder hacer útiles las imágenes satelitales de acceso libre para
lograr obtener los tipos de vegetación de la provincia y así poder conseguir un resultado
menos cualitativo y más cuantitativo, en el que el análisis teórico de la imágenes permite
5
determinar las distintas clases de vegetación, y no el criterio individual de los operarios,
maximizando de esta manera el aprovechamiento del tiempo del trabajo.

Objetivos específicos:

● Analizar los distintos tipos de vegetación dentro del área de trabajo, a través de un
modelo automatizado;
● Representar la clasificación en la imagen satelital seleccionada;
● Obtener una clasificación verificable (verificable cómo?)
● Determinar la mejor técnica para diferenciar los tipos de vegetación, teniendo en
cuenta los conceptos y métodos desarrollados en las materias Teledetección y
Procesamiento de Imágenes Satelitarias e Informática Aplicada a los SIG. Parte II.
● Realizar un modelo de clasificación y automatización del proceso de captura.

Para el trabajo se considerarán los siguientes conceptos:

● Principios de Teledetección
● Longitud de ondas
● Dispersión Atmosférica
● Absorción Atmosférica
● Correcciones Atmosféricas
● Parámetros orbitales
● Tipos de sensores
● Tipos de resolución
● Índices de vegetación
● Tipos de filtros
● Métodos supervisado, no supervisado y mixto
● Comportamiento espectral de la vegetación

Conceptos principales de Teledetección:

Teledetección: Es la técnica que permite la captación de información a distancia. Se

ocupa tanto de los procesos que permiten obtener imágenes de la superficie de la tierra
desde el espacio, como de sus posteriores tratamientos para una determinada aplicación.
(Ulberich, 2013)

La captación de información se obtiene a partir de sensores que se encargan de adquirir

una imagen de la tierra, por medio de sus sensores detectan la energía que recibe, esta
energía puede ser obtenida por el reflejo del sol o por un haz de energía emitido por el
mismo sensor: activos y pasivos.
Imagen 1. Sistema de teledetección terrestre.
6
 1

Para comprender el procedimiento de la percepción de los sensores, es necesario poder

comprender algunos principios físicos que lo hace posible. Se requiere conocimiento en
la radiación electromagnética y las interacciones que tiene con otros componentes del
medio ambiente como la fuente de energía, la atmósfera, el objeto geográfico y el sensor.
“La radiación electromagnética (EMR) es una forma de energía que puede ser
únicamente observada por su interacción con la materia. La EMR está hecha de
componentes eléctricos y magnéticos y es afectada por las propiedades eléctricas y
magnéticas de la materia con la cual entra en contacto. Dos hipótesis son generalmente
utilizadas para describir el comportamiento de la EMR: el modelo de onda y el modelo de
partículas. Ambos modelos son válidos y ambos son importantes para percepción remota:
para especialistas en aplicaciones, sin embargo, el modelo de onda es generalmente
favorecido.” (Reuter, 2009)
La radiación electromagnética depende básicamente de la Frecuencia, longitud y
amplitud o intensidad. La amplitud y la frecuencia están directamente relacionadas.
● La longitud de onda es la distancia entre dos ondas consecutivas de la onda. Se
mide en unidades de distancia por ejemplo el angstrom.
● La frecuencia se define como el número de máximos que pasan por un punto en
un tiempo determinado. Su unidad son los (Hz), equivaliendo 1 Hz a un ciclo por
segundo.
● La amplitud es la distancia que se encuentra entre el punto de inflexión de la onda
y el máximo. (Reuter, 2009)
Una característica importante de las ondas es que transporta energía. La energía de una

1
(Reuter, 2009)
7
onda electromagnética está relacionada directamente con su frecuencia.
Las ondas con frecuencias altas son muy energéticas, mientras que aquellas de frecuencia
baja, transportan menos energía. (Reuter, 2009)

Dentro de la longitud de la onda, se encuentran en diferentes porciones los espectros

electromagnéticos, denominados bandas. Las bandas de mayor interés son:
● La ultravioleta, con longitud de onda entre 0.3 y 0.4 micrómetros (300-400
nanómetros): la radiación ultravioleta de longitud de onda más corta es absorbida
por el ozono en la parte alta de la atmósfera. Los sensores de ultravioleta se han
utilizado, para estudios de la atmósfera y para estudios de superficie sin
atmósfera.
● La visible, con longitudes de onda entre 0.4 y 0.7; esta región contiene todos los
colores de la luz que pueden ser percibidos por el ojo humano.
● El infrarrojo cercano con longitudes de onda entre 0.7 y 3 micrómetros; no es
visible, esta radiación puede ser detectada por películas con emulsiones sensitivas
infrarrojas en el rango de 0.7 a 1.3 um.
● El infrarrojo media, con longitudes de onda entre 3 y 8 um; como en las
longitudes de onda más corta, la energía en esta región es primariamente de la
energía del sol reflejada y no contiene información de las propiedades térmicas de
los materiales.
● Infrarrojo lejana (térmica), con longitudes de onda desde 8 hasta 1000 um; esta
región incluye la radiación terrestre relacionada a la emisión térmica.
● La microonda, con longitudes de onda entre 1 milímetro y 100 centímetros; esta
región puede ser utilizada para medir la emisión terrestre pero es también
importante para sensores activos tales como sistemas de radar.
La región del infrarrojo se divide en subregiones llamadas submilimétricas, IR lejano, IR
mediano e IR próximo. En esta región se produce gran parte de la radiación
electromagnética debido a las rotaciones y vibraciones moleculares, se utilizan, para
teledetección. (Reuter, 2009)
Las bandas microondas cubren la región, siguiente a la citada, hasta una longitud de onda
de 1 mm. En esta región, la mayor parte de las interacciones están regidas por rotaciones
moleculares, particularmente en las longitudes de onda más cortas. Esta región es más
utilizada por los sistemas de radar.

8
Imagen 2. Emisión térmica en la tierra

La luz solar es absorbida y dispersada al tener contacto con los gases atmosféricos, nubes
y aerosoles. La dispersión no cambia las propiedades de la radiación sino que cambia su
dirección mientras que la absorción reduce la cantidad de energía disponible en una
longitud de onda determinada. Obteniendo como resultado una disminución del contraste
de los objetos observados, produciendo una degradación de los contornos. ( Reuter,
Fabián 2009) Este efecto de la atmosfera son mas regulares en la longitud de onda del
visible y del infrarrojo, distinto es el caso en el de microondas.

Dispersión atmosférica:

La dispersión afecta principalmente al espectro visible, pero puede alterar la distribución

espectral de las ondas cercanas a él.
Existen tres tipos de dispersiones:
● La dispersión Rayleigh, sucede cuando el tamaño de la longitud de onda es menor
al tamaño de la partícula dispersante. Ejemplo el azul del espectro visible, el cual
se ve muchas veces deteriorado.
● La dispersión Mie sucede cuando en la longitud de onda tiene casi el mismo
tamaño que el objeto a dispersar, normalmente esto ocurre cuando se producen
neblinas.
● Dispersión no selectiva, sucede cuando la longitud de onda es menor a la
partícula, produciéndose tres reacciones al mismo tiempo, reflexión en la
superficie de la partícula sin penetración; transmisión de la radiación a través de
las partículas con o sin reflexión internas; y refracción o difracción en los bordes
de la partícula. Se presenta cuando la atmósfera está muy cargada de polvo en
suspensión.

2
Imagen tomada de http://www.cell.com/trends/ecology-evolution/home
9
Imagen 3. Dispersiones atmosféricas

Absorción Atmosférica:

La absorción atmosférica afecta a las longitudes de onda que son más largas o cortas que
la luz visible. Esta absorción se produce cuando un atomo o molecula recibe radiación
electromagnética. Los absorbentes atmosfericos mas importantes son el vapor de agua, el
dióxido de carbono CO2, el oxígeno O2 y el ozono O3.
En lo que respecta al vapor de agua, es el mayor absorbente , existiendo diferentes bandas
de absorción entre las 0.7 y las 8 micras. La absorción más intensa se produce en torno a
las 6 micras donde llega al 100% si la humedad atmosférica es suficiente.

Como consecuencia de los procesos de absorción, sucede que la atmósfera es bastante

transparente en la zona visible del espectro. En la zona del infrarrojo alternan zonas de
transparencia con bandas de absorción. Estas zonas del espectro, en las cuales la
absorción atmosférica es baja, reciben el nombre de ventanas atmosféricas y es a través
de estas donde tiene lugar la teledetección de la superficie terrestre.
Los efectos atmosféricos son muy variable en el espacio y en el tiempo, afectando con los
efectos atmosféricos las ventanas.
4
Imagen 4. Absorción atmosférica

3
(Reuter, 2009)
4
Imagen obtenida del Food and Agriculture Organization of the United Nations

10
Corrección Atmosférica:

La dispersión de los aerosoles y la absorción por los mismos, son las principales variables
en los efectos atmosféricos sobre las imágenes de satelites. La dispersión por los
aerosoles es la principal componente variable de los efectos atmosféricos en superficies
oscuras, mientras que la absorción por aerosoles es más importante para superficies más
brillantes.
Para la realización de correcciones atmosféricas de datos de teledetección, deben de
conocerse las características ópticas de la atmósfera. El procedimiento de corrección
depende, en cierta medida, del tipo de efecto atmosférico y de la aplicación específica de
los datos de teledetección.
En principio, la información, en torno a las características ópticas de la atmósfera, puede
obtenerse de tres fuentes diferentes:
● Datos climatológicos. Se trata de información sobre las características
atmosféricas y su variación, la cual puede utilizarse para estimar el efecto
atmosférico en un lugar determinado.
● Medidas de campo, las mediciones realizadas directamente mediante fotómetros.
● Determinación a partir de las imágenes de satélite. Existe una serie de métodos
que utilizan las propias imágenes para estimar el efecto atmosférico, pudiendo
utilizarse imágenes multitemporales de una zona y analizando la diferencia entre
día claro y nublado para calcular la densidad óptica. (Reuter, Fabián 2009)

Para poder corregir las imágenes satelitales es necesario corregir la radiancia y la

reflectancia. La radiancia es la cantidad de energía electromagnética que pasa a través o
es emitida desde un área en particular, confinada en un ángulo sólido en una dirección
específica. El ángulo sólido tiene su vértice en la apertura del sistema sensor o del
sistema óptico y base en la fuente o superficie de reflexión.
Esta se calcula de la siguiente manera:

11
Imagen 5 cálculo de corrección de la radiancia.

Reflectividad o reflectancia es el cociente entre la energía reflejada y la energía incidente.

Los objetos presentan reflexión superficial que combina las dos formas, difusa y
especular. (Ed. Martin, 2007)
El procedimiento de corrección de los ND a valores de radiancia se utiliza para generar
imágenes de reflectividad o temperatura de la superficie. La información en los ND se
encuentra en modo relativo, es decir que a mayor ND mayor reflectividad, pero no es
adecuada para comparar bandas o imágenes de distinta fecha. Por el contrario la
reflectividad es una variable cuyos valores son comparables para distintos lugares y
distintas fechas, esto hace más sólida la interpretación de los datos y el análisis integrado
entre imágenes de distintos sensores. (Chuvieco, 2010).

Para la corrección de reflectancia. Se debe la radiancia espectral medida por el sensor

como consecuencia de la reflexión de la radiación electromagnética en las cubiertas
(junto con la influencia de la atmósfera). A partir de los coeficientes de calibración
específicos para cada sensor, podremos obtener la radiancia espectral sirviéndose de los
ND promedio para cada cubierta de estudio. Para ello utilizaremos la siguiente expresión:

5
(M. Fabián Marini, 2007)
6
(M. Fabián Marini, 2007)
12
Dónde:

Corresponde a la radiancia espectral recibida por el sensor en la banda k n

Son los coeficientes de calibración para esa banda NDk corresponde al nivel digital de la
imagen en la misma banda. (nota al pie, explicando ue para el trabajo se utilizaron
imágenes ya mejoradas de la pag) (Juan Gregorio Rejas Ayuga, 2008)

Con la reflectancia se puede determinar los valores de los suelos y la vegetación, cuanta
más vegetación allá en el suelo, menor será su reflectividad en el rojo y mayor será en el
infrarrojo cercano.

Parámetros orbitales:

La órbita teórica de un satélite es una elipse. En el caso de satélites ambientales, sin

embargo, esta elipse es generalmente considerada como un circulo teniendo a la tierra
como su centro. Las órbitas de los satélites se describen como:
● Ecuatorial, teniendo la órbita dentro del plano de los ejes de la tierra.
● Polar, su órbita se encuentra dentro de los ejes de la tierra
● Polar cercano, su órbita es oblicua a los ejes de la tierra
La mayoría de los satélites de comunicación tienen órbitas ecuatoriales, mientras que las
series de satelites de observacion de la tierra tienen órbitas polares o polares cercanas.
Los satélites orbitales polar cercano pueden ser de dos tipos:
1. Progrado, los cuales se mueven en la misma dirección de la rotación de la tierra,
esto es, que el ángulo formado por el plano orbital y el ecuatorial es menor de 90°.
2. Retrogrado, los cuales se mueven en dirección opuesta a la rotación de la tierra, el
ángulo formado por el plano orbital y el ecuatorial esta entre 90° y 180°.

7
(M. Fabián Marini, 2007)
8
(M. Fabián Marini, 2007)
13
Imagen 6 orbitas estacionarias.

Órbitas geosincrónicos:

Estas órbitas se encuentran a una distancia de hasta 36000 Km de la tierra, se mueven a la

misma dirección que la rotación de la tierra y su velocidad son ajustadas para mantener la
posición de los satélites sobre un punto designado sobre la superficie de la tierra. Cuando
el satélite geosincrónico “fluctúa” en el plano ecuatorial (la inclinación es igual a 0) es
llamado un satélite geoestacionario, satélites meteorológicos.

Órbitas Heliosincrónica:

Los satélites se encuentran a una distancia más baja de la órbita geosincrónica. Su

inclinación es relativa a los 90°, y los satélites cruzan el ecuador a la misma hora solar
cada dia. Esto significa que un punto particular de la tierra e visto regularmente a la
misma hora. Al seleccionar una órbita particular es posible no solamente obtener una

14
cobertura repetida de toda la superficie de la tierra, sino que permite seleccionar los
intervalos entre observaciones de un sitio específico.
Esto es logrado por satélites de bajo nivel con órbitas heliosincrónicos polares o polares
cercanas.

Los Satélites y sus sensores:

El segundo caso, los sensores pasivos, consigue la información de la superficie

dependiendo de la energía electromagnética obtenida por el reflejo del sol, existen varios
tipos de sensores pasivos, los mas antiguos contenian camaras analogicas, las cuales
almacenaban la información por medio de películas, las cuales eran pancromáticas,
capturaba todo el espectro visible sobre un solo film. El número de bandas correspondía
al método de toma de imagen, si iría una cámara con varios filtros, cada uno con un
propósito específico o ensamblar varias cámaras en el mismo soporte. Se podía observar
dos tipos de observación, las verticales, tomadas perpendicularmente y las oblicuas que
tenían una visión menor a 90º.
Como los sensores con camaras analogicas no permitian la obtención de imágenes
sistemáticamente, se desarrolló un sensor con la posibilidad de poder realizar este
requerimiento, denominado sensores ópticos-electrónicos, el cual combina la óptica de
una fotografía, con un sistema de detección electrónica, con un espejo móvil, oscila
perpendicularmente en dirección a su trayectoria. La radiancia que se recibe es
amplificada por los detectores del lente óptico, convirtiéndola en una señal eléctrica y así
se transforma en un valor numérico, pudiendo ser almacenada o transmitida a las antenas.
Luego de los sensores con barrido, se busco desarrollar y mejorar los, optando por
sustituir elementos del lente óptico, como el espejo de oscilación, cambiado por
detectores que se activan con el movimiento orbital, denominando a los sensores como
“Pushbroom” son dispositivos de acoplamiento, exploran cada momento, en línea
completa, desplazándose simultáneamente con plataforma. Permitiendo aumentar la
resolución espacial del sistema receptor, este sistema mejora la sincronía y facilita la
transmisión de datos a los receptores.
Los sensores Radiómetros de microondas, se diferencian del resto por la longitud de onda
que captura, entre 6,8 y 90 Ghz, no siendo afectado por las condiciones atmosféricas ni
las condiciones luminarias, siendo útil para estudios medioambientales.
Este sensor contiene una baja calidad de resolución espacial, por contener un sensor de
apertura circular.

15
Tipos de resolución:

La resolución de un sistema sensor es la habilidad para discriminar información de

detalle.
Se habla de resolución de un sistema sensor, indicando que se refiere al conjunto de
equipos y no a cada una de sus partes. Dependiendo del efecto combinado de sus distintos
componentes. Esta definición comprende un conjunto, que determina la cantidad y
anchura de las bandas, el espectro que captura, el tiempo de barrido, y la detección de
energía, todo esto sirve para poder establecer modelos de significado físico. En definitiva
el concepto está compuesto por las resoluciones espacial, espectral, radiométrica,
temporal y angular, cada una de ellas serán desarrolladas a continuación. (Chuvieco,
2010)

Resolución Espacial:

La resolución espacial determina el nivel de detalle que tendrá una imagen. Este detalle
se obtiene a partir de medir la distancia del suelo al sensor, esta distancia se corresponde
al tamaño de la mínima unidad de información denominada Píxel, es la medida más
generalizada y varía según el nivel de detalle que tenga el sensor. En consecuencia la
resolución espacial está estrechamente relacionada con la escala de trabajo, cuanto menor
sea el tamaño del píxel, menor también la probabilidad de que sea un compuesto de dos o
más cubiertas, dificultando su correcta identificación. (Chuvieco, 2010)
La resolución espacial de un sensor depende de varios factores, la altura orbital, la
longitud focal y el número de detectores. Los sensores de antena, depende de la altura de
la plataforma y del ángulo de incidencia. Cuanto mayor sea el radio y menor la latitud y
la longitud de onda, la resolucion sera tanto mas detallada. (Chuvieco, 2010)

Resolución Espectral:

Indica la cantidad de bandas y las dimensiones que puede discriminar el sensor. Esto
quiere decir que el sensor registra simultáneamente el comportamiento de los objetos en
distintos rangos espectrales.
El ideal de la resolución espectral sería que un sensor contenga un gran número de
bandas, esto facilita la característica espectral de las distintas cubiertas, también conviene
que las bandas sean estrechas con el objetivo de poder recoger la información con un
valor coherente del espectro. Si las bandas contienen una amplia captación del espectro,
suele suceder que se realiza un promedio de la información obtenida

Resolución Radiométrica:

Indica los valores de grises que puede almacenar el sensor, es decir la capacidad de
detectar la variación de la radiación espectral que recibe el sensor.
En el caso de los sistemas fotográficos, la resolución radiométrica del sensor se indica por
16
el número de niveles de gris distintos que aparecen en la fotografía. Para los equipos
digitales la imagen se decodifica en un formato binario, por lo que la resolución
radiométrica suele identificarse con el rango posible de valores que almacena el sensor
medido como el número de bits que necesita cada valor numérico para almacenarse.
(Chuvieco, 2010)
La resolución radiométrica resulta muy útil cuando se busca interpretar imágenes,
especialmente cuando se realiza análisis digital.
Cuando se produce una interpretación digital el ordenador aprovecha todo el rango
disponible, con lo que una mayor resolución radiométrica puede permitir discriminar
objetos con niveles muy similares de reflectividad, que no serían separables con otros
sensores menos sensibles. (Chuvieco, 2010)

Resolución Temporal:

La resolución temporal alude a la referencia de cobertura que brinda el sensor para

adquirir las imágenes del mismo punto. El tiempo se determinará según las características
orbitales de la plataforma, altura, inclinación, velocidad, y el tamaño de la imagen, el
ángulo de abertura. También depende de las condiciones atmosféricas, ya que no se podrá
observar observar áreas cubiertas por nubes.
La necesidad de obtener información, también produce distintos tipos de resoluciones.
Por ejemplo los sensores meteorológicos necesitan una trasmisión de mayor frecuencia,
ofreciendo información en periodos más cortos, siendo un sensor de menor resolución
espacial pero de mayor alcance territorial. Aquellos sensores que demanden resolución
espacial serán los que se encontraran más cerca de la órbita, tardarán más tiempo en
completar la ruta que hace el sensor y por ende en dar la información.

Resolución angular:

La resolución angular, refiere a la capacidad de un sensor para observar la misma zona

desde distintos ángulos. Las cubiertas presentan una reflectividad lambertiana, lo que
implica que ofrecerían una señal similar independientemente del ángulo con que se
observa.
La observación multiangular resulta de gran interés para estimar algunas variables
atmosféricas, ya que al variar el ángulo de mira se está observando la superficie con
distinto espesor atmosférico, variando en consecuencia los procesos de absorción y
dispersión.

17
Tipos de filtros:

El filtro se aplica en análisis digital para aislar componentes de interés, el propósito de los
filtros digitales es retener una información, en función del objetivo que se busca. Con la
herramienta se pueden suavizar o reforzar estos contrastes espaciales, de tal manera que
los ND de la imagen se asemejan o diferencian más de los correspondientes a los píxeles
que les rodean.

Existen varios tipos de filtros:

● Filtro paso bajo: retienen las bajas frecuencias y, por tanto, tienden a destacar el
componente de homogeneidad en la imagen, recalcando la variación regional de
los ND.

● Filtro paso alto: se dirigen a realzar los componentes de alta frecuencia,

aquellas áreas de alta variabilidad, donde el contraste espacial es intenso.

Métodos supervisados, no supervisados y mixtos:

La clasificación digital implica categorizar una imagen multibanda, supone reducir la

escala de medida, de una variable continua a una escala categórica u ordinal. La
clasificación no busca una definición absoluta de cada clase, pudiendo ser aplicable para
cualquier imagen, sino más bien una característica relativa, válida para determinadas
imágenes y un territorio concreto.

Método supervisado:
Se utiliza cuando existe un conocimiento previo de la zona de estudio, permitiendo al
operario poder delimitar las áreas correspondientes a las categorías, agrupando todos los
pixeles correspondientes a la clase producida.

Método no supervisado:
Se utiliza cuando no se tiene conocimiento en el área de estudio, en este caso se asume
que los píxeles (ND) de la imagen forman una serie de agrupaciones o conglomerados,
más o menos nítidos según el caso. Estos grupos contienen píxeles con el mismo
comportamiento espectral.

Método Mixto:
Este método se utiliza para poder combinar ambas maneras de clasificación, supervisada
y no supervisada, con el objetivo de cubrir la falencia de ambos métodos. Se lo puede
agrupar de dos formas:

18
Una busca emplear el análisis supervisado para “guiar” al no supervisado, utilizando el
conocimiento del usuario para orientar la búsqueda de esos grupos espectrales
homogéneos.

La otra combina ambos métodos, de manera separada, para luego sintetizar las medidas
extraídas por ambos, pudiendo complementarse, obteniendo tres resultados, para así el
usuario poder observarlos y poder refinar la categoría propuesta.

Comportamiento espectral de la vegetación:

Antes de abordar el catálogo de objetos realizado por el IGN, el cual explica la

subdivisión de clases que tiene la vegetación, nos pareció importante, primero hablar del
comportamiento espectral de este objeto geográfico. Tema relevante para el area de la
teledetección, por la alta cantidad de casos de estudios e investigaciones hechas.
Algunos ejemplos de estudios obtenidos, se utilizaron para analizar los procedimientos
establacidos que se llevaron a cabo para luego poder usarlas como ejemplo para la
metodología propuesta en el trabajo.
Por eso, es importante comprender que representa una firma espectral en el espectro
óptico, porque a partir de ella se puede comprender que existe una segregación de los
distintos tipos de vegetación, con un método más cuantitativo se puede establecer el
mejor los procediminetos para nuestro objetivo y posibles futuros trabajos a realizar con
esta información.

Para Chuvieco (2010), la característica espectral de la masa de vegetación constituye una

de las tareas más interesantes en la teledetección. A pesar de su importancia, ofrece
dificultades a la hora de analizarlo por tres factores fundamentales:

● La reflectividad de la hoja, suele ser el elemento mas visible desde una plataforma
espacial. Aqui los factores mas destacados son la presencia de pigmentos, la
estructura celular y su humedad.
● Las características geométricas de la planta, principalmente su área foliar, la
forma de la hoja, su distribución en la planta, la geometría del dosel, la
importancia del complemento leñoso, etc.
● Por último, se considera aquellos aspectos derivados de la situación geográfica de
la planta: pendiente, orientación, asociación con otras especies, reflectividad de
otros sustratos, geometría de la plantación, condiciones atmosféricas etc.

El autor propone una investigavion de la variacion de la vegetacion con estudios del

espectro radiómetro en laboratorio, para así poder obtener un patrón general de como
varía en cada una de las bandas, y como varía según la vegetación que se estudia.
Explica porque la variación en la longitud de onda y que representa cada bloque

19
obtenido, con respecto a la hoja.

Imagen 7. Longitud de onda

En esta imagen se puede observar dos cuadros uno representa la variacion que se ve en la
vegetacion vigorosa, como cultivos permanentes, y en la otra a la vegetacion menos
vigorosa, como bosques, pastizales y áreas de vegetaciones secas.
Se comprende que en el espectro visible, (del 0,4 al 0,7) lo que se observa es la
pigmentacion de la hoja, mientras que en el infrarrojo cercano e infrarrojo lejano se puede
observar una creciente reflectancia, esto sucede porque lo que se observa es la estructura
celular de la hoja. Esta esta compuesta por cuatro capas, la epidermis, superior e inferior,
el parénquima en empalizada y el mes o filo esponjoso. Las dos primeras sirven para
regular térmica mente a la planta y en absorber el CO2. El parénquima alberga los
cloroplastos, mientras que el mes o filo tiene lugar los intercambios gaseosos, necesarios
para la respiración de la planta. (Chuvieco, 2010)
Estas características que se comprenden de la estructura de la vegetación facilitan la
comprensión del motivo por el cual, se obtiene distintos valores de vegetación en el
infrarrojo. A su vez, esta banda facilita la discriminación de vegetaciones siendo de gran
ayuda en áreas donde, en el espectro visible no se las puede diferenciar.
Con esta información es posible poder determinar, la reflectancia que hay en bosque,
como en zonas arbustivas, zonas de cultivo y en zonas de vegetación hidrófila.

9
Imagen obtenida de la página: http://richardntapa.blogspot.com.ar/
20
Se puede proyectar como trabajo para otras investigaciones si es puede crear una firma
espectral para cada tipo de vegetación, por provincia o por regiones, tenida en cuenta en
el catálogo de objetos utilizado por el instituto.

Clasificación de vegetación, según el IGN:

Como se dijo anteriormente la vegetación tiende a variar según la hoja, el clima, el tipo
de absorción que presenta, entre otras cosas. Por ello se busca poder generalizar la
vegetación en categorías. Este trabajo ya fue realizado por el IGN en el año 2015, en el
marco de la elaboración del catálogo de objetos y el manual de captura, en estos se
determinó los tipos de vegetación que se tendrán en cuenta y que los componen.
Dentro del área de captura, se observan varios conceptos para la comprensión del espacio
trabajado, uno de estos es el catálogo de objetos, el cual brinda a todos los operarios una
herramienta donde explica que es cada sub clase y su definición en el espacio, y su
manera de capturarlo. A continuación, se mostrarán todas las clases que se trabajan
dentro del manual, para así poder comprender de qué se habla y luego una pequeña
definición en el área que se busca desarrollar para el trabajo.

La Estructura del Catálogo de Objetos Geográficos se divide en 11 clases:

● Industria y servicios
● Geografía social
● Transportes
● Hidrografía y oceanografía
● Geografía física
● Biota
● Demarcación
● Defensa y seguridad
● Clima y meteorología
● Catastro

En el caso de la clase de Biota se observan seis sub-clases:

✓ Vegetación herbácea
✓ Vegetación de cultivo
✓ Vegetación arbórea
✓ Vegetación Hidrófila
✓ Vegetación Arbustiva
✓ Sin Vegetación

Cuadro 1. La vegetación y su Sub clases

21
SUBCLASE DESCRIPCIÓN

Cultivo Objetos geográficos asociados al uso de la tierra para la agricultura

y producciones asociadas.

Vegetación Objetos geográficos asociados a áreas cubiertas de vegetación

Herbácea herbácea natural. (áreas sin cultivar y que suelen estar cubiertas de
hierbas naturales).

Vegetación Objetos geográficos asociados a áreas cubiertas de vegetación

Arbórea arbórea natural o implantada.

Vegetación Objetos geográficos relativos a la vegetación que crece en lugares

Hidrófila temporal o permanentemente húmedos o cubiertos por agua.

Vegetación Objetos geográficos referidos a áreas cubiertas con preponderancia

Arbustiva de arbustos.

Sin Vegetación Objetos geográficos referidos a áreas que por razones naturales o
antrópicas carecen de cubierta vegetal.

Cuadro elaborado con información del catálogo de objetos del IGN, representando la sub
clase de vegetación y los elementos que componen cada uno .

Cada elemento de la sub-clase contiene determinados objetos y sus definiciones que lo

componen:

Cuadro 2. Mapa conceptual de la vegetación

22
10

10
Elaboración propia a base de la información otorgada por el catálogo de objetos del IGN.
23
Procedimientos para la Clasificación de vegetación:

Antes de realizar la herramienta propuesta en el trabajo, se tuvieron en cuenta dos

investigaciones, donde ambas utilizan la clasificación de vegetación denominada Índice
de Vegetación de diferencia normalizada o también muy conocida por sus siglas NDVI,
este índice normalizado, permite generar una imagen que muestra el verdor (la biomasa
relativa). Este aprovecha el contraste de las características de dos bandas de un dataset
ráster multiespectral: las absorciones de pigmento de clorofila en la banda roja y la alta
reflectividad de los material de las plantas en la banda cercana al infrarrojo (NIR).
(Página web de ArcGis, consultada al año 2017).

La primera investigación que se tuvo en cuenta, fue la de Gilbert Amparo, para la autora
la teledetección se utiliza para poder identificar y caracterizar los materiales de la
superficie terrestre y los procesos que ocurren en ella a partir de la radiación
electromagnética procedente de la misma, entendiendo por tal tanto la emitida por la
propia superficie terrestre como la reflejada que proviene del sol, prevaleciendo una sobre
la otra, en función del intervalo espectral considerado. (cita)
Existinedo factores externos que irrumpen en el proceso de obtención de imágenes,
dificultando el proceso de categorisacion. Teniendo como reto, para la teledeteccion,
poder estudiar la vegetación a partir de medidas de reflectividad con una independencia
de todos los factores que perturban la señal radiométrica, pudiendo normalizar la
influencia de los factores.
Históricamente se desarrollaron varios índices de vegetación, propuesto por autores como
Roundeaux, Bannari y García-Haro. El objetivo propuesto es poder analizar los distintos
tipos de índices que ella cree mejor para la clasificación y luego determinar cuál es mejor
a la hora de procesar los datos. El estudio lo realizo en un laboratorio, con masetas que
iban de poco a mucha vegetación y proporcionándoles de menos a más intensidad de luz
al suelo.
Los resultados los divide en dos, los de baja resolución espectral, denominado así por la
utilización de valores de reflectancia de “bandas anchas”; en el plano de la reflectividad
del infrarrojo, los valores que va obteniendo la superficie desnuda se atribuye con mayor
o menor dispersión en función de la variación experimentada por los parámetros que
determinaron la reflectividad de los suelos que se representan. El resultado se expresó en
una formula lineal, obteniendo la representación de la línea del suelo y su distancia de los
suelos con contenido vegetaciones, cuando más arriba y a la izquierda se vea el punto (A’
denominada por la autora) es la proporción de vegetación que se encuentra, a su vez se
puede determinar la distancia de uno al otro. (M. A. Gilabert)

Imagen 8 reflectividad del suelo.

24
 11

Esquema de la línea del suelo, definida en el plano de reflectividad.

El punto A corresponde a un suelo desnudo y el A’ al mismo suelo recubierto con una
cierta cantidad de vegetación.
Luego se encuentran los índices índices de alta resolución espectral, que son aquellos que
contienen bandas con anchuras muy cortas, y datos de alta resolución espectral.
Este gran contenido, se puede analizar con técnicas de espectroscopia, utilizada en otras
áreas como la química analítica o la ciencia de materias.
Una de las técnicas consiste en analizar la derivación sucesiva de los espectros en función
de la longitud de onda, dado que permiten reconocer algunos rasgos de los mismos así
como resolver solapamientos de características espectrales. (cita)
Para el caso de la vegetación, esta derivada permite determinar el denominado límite rojo
y calcular algunas magnitudes asociadas al mismo. Su función es similar al índice de
vegetación, realzan la contribución de la vegetación en señal radiométrica y normalizan la
influencia del suelo de fondo.
Luego se procedio a analizar los distintos tipos de indices que se tuvieron en cuenta para
el trabajo

Imagen 9 Índices de Vegetación

11
(M. A. Gilabert)
25
 12

Y observar como reacciona cada uno en la muestra seleccionada para así poder
determinar cual es el mejor para su objetivo.
Teniendo en cuenta los resultados del cálculo de "eficacia de un índice", diseñado por la
autora, se obtuvo que el NDVI Y RVI fueron los que obtuvieron menor eficacia en áreas
de escasa vegetación por su dificultad de procesar la reflectancia del suelo.
Esta investigación se tuvo en cuenta para el trabajo, a pesar de que desestima el uso del
indicador que se seleccionó para el mismo; nos da un panorama de los distintos
indicadores que existen que clasifican vegetación y como cada uno puede servir en
distintas aéreas, abriendo el abanico de posibilidades a usarlas usarlas futuro para
determinar cual seria mejor o cual se podría adaptar mejor al área de trabajo.

El segundo trabajo tomando en cuenta para el trabajo fue el de Fabián Marini y

colaboradores que eligieron como área de estudio la provincia de Buenos Aires, partido
de Guamini, utilizando imágenes landsat y como clasificador de vegetación el NDVI.
El objetivo del trabajo es poder determinar el uso de la tierra, apartir de este objetivo se
obtuvo con información desde el campo, con ayuda de GPS, conocimiento de los cultivos
en ciertas areas y la selección de análisis periódicos entre los meses agosto, noviembre y
diciembre, para poder diferencias los cultivos de verano y los los de invierno.
Se utilizó el satélite Landsat 5, seleccionando 7 fechas, estas imágenes tuvieron una
12
Índices de vegetación tomados por la autora para su posterior análisis (M. A. Gilabert)
26
corrección geometrica, con el método de ve in más proximo, luego se procedió a realizar
la corrección radiométrica, seguidos por la reían cía y la reflectancia. Estos cálculos
permiten transformar los valores originales de cada imagen en parámetros fisicos,
permitiendo a a su ex que sea comparable con el tiempo, aun con condiciones
atmosféricas diferentes.
Luego de las correcciones se pro edio a realizar el índice del vegetación NDVI. Al
obtener la nueva imagen se procede procede a clasificar, una clasificación no supervisada
de ISO data, este método se utilizó para calcular el pro,edio de las clases o agrupaciones
que eventualmente están disponible en el espacio de decisión. Se realizó con 4 iteraciones
y posterior agrupamiento de clases utilizando todas las bandas .
En último lugar lugar se procedió al uso de un sistema sistema de información geográfica
(SIG) para realizar la cartografía y el cálculo de superficie correspondiente a cada uso de
suelo contabilizando el número total de polígonos (cita).
Se obtuvo como resultado general, que no se pudo distinguir los tipos de cultivos, si son
cultivos de verano y de invierno y las plantaciones correspondiente de cada uno). Si se
observa por períodos temporales la imagen correspondiente a verano se obtuvo los
mayores valores de NDVI. Mientras que en época estival se obtuvo los valores más bajos.
Se dividió lo que se denominaba cultivo de pastizales, en esta categoría se agrupó los
suelos sin vegetación y/o de vegetación temporal, no anual.
Como conclusión para el autor, el índice seleccionado sirve para clasificar y poder
estudiar los resultados temporalmente. Aunque el objetivo del trabajo no se pudo cumplir,
lograr poder diferenciar los cultivos de verano como los de épocas estivales, pudo hacer
una aproximación obteniendo tres categorías útiles y poder determinar un nivel de
confianza en el índice seleccionado para futuros trabajos.
Esta investigación se tuvo en cuenta a la hora de poder crear una metodología de trabajó,
ya que utiliza tanto el NDVI,como imágenes del satélite que se seleccionó usar y produce
una clasificación no supervisa, a pesar de tener información de campo.

Se tuvo en cuenta estas investigaciones para poder proceder a la metodología de trabajo

seleccionada y luego al desarrollo de la misma.

27
Metodología:

Para el trabajo se tuvieron en cuenta las delimitaciones que se presentaban, herramientas

de precisión y el trabajo de campo. Considerando la cantidad de clases que se obtiene a
partir de la clasificación no supervisada; se buscó poder determinar los tipos de clases
que se encuentran en el área seleccionada a partir de la verificación del terreno teniendo
en cuenta imágenes satelitales y detalles geográficos de la imagen seleccionada para
trabajar.

Como bien se dijo en el trabajo, la imagen corresponde a la provincia de Neuquén,

perteneciente a la región patagónica. Desde el punto de vista del relieve de la patagonia,
se caracteriza la provincia por poseer, en el sector oriental mesetas, la subregión de
Patagonia extraandina de planicies escalonadas cortadas por valles fluviales y el oeste
terreno de montañas. La subregión andina concuerda con los Andes patagónicos. La
vegetación se divide en grandes grupos, el bosque andino patagónico y bosque subpolar
magallánico; siendo también una zona rica en lagos. La mayor parte de este territorio se
encuentra integrado por parques nacionales. Los cultivos se concentran en el Alto Valle,
en la confluencia de los ríos Neuquén y Limay y la vitivinicultura, sobretodo, en San
Patricio del Chañar y alrededores, concentrando las bodegas y viñedos más importantes
de la zona. Como último grupo las zonas arbustivas que se presentan en la mayor parte de
la provincia.

28
Imagen 10. Eco regiones en la provincia de Neuquén

En esta imagen, obtenida del geoservicio del IGN, se pueden observar las ecorregiones
que se encuentran en la provincia, estos son los Bosques Patagónicos, los Altos Andes, la
Estepa y el Monte de llanura y mesetas.
A partir de esta información resulta factible determinar los tipos de vegetación y las áreas
potenciales, para su análisis y comparación.

Como primer paso se descarga la imagen de la página Science for a changing world
(USGS), las imágenes debes estar denominadas como superficie reflectancia, ya que estas
contienen la corrección atmosferica ya realizada, luego poder observar las bandas
correspondientes al rojo al infrarrojo cercano, en este caso las bandas tres y cuatro, la
cuales se utilizarán para la obtención del índice de NDVI.

Para nuestro trabajo se seleccionaron imágenes satelitales Landsat 5 y 8, perteneciente a

la provincia de Neuquén, correspondientes a periodos primavera/verano porque presentan
una mejor visualización con respecto a las otras estaciones, que contenían un alto
porcentaje de nubosidad
29
Cuadro 3. Área de Trabajo:

Nom. de la imagen Path Row Fecha Landsat Hoja de trabajo

LT52300872010281COA01 230/87 8/1/2010 5 3969-17

LC82320882014066LGN00 232/88 6/3/2014 8 4172-05

LC82320862015053LGN00 232/86 22/2/2015 8 3769-31

En el cuadro se puede observar las zonas seleccionadas, según hoja de escala 1:100000 y
los path row que pertenecería la imagen, con su periodo de captura satelital.

En la siguiente imagen se representa gráficamente la ubicación de cada hoja y de las

imágenes satelitales utilizadas para el trabajo.

30
Imagen 11. Áreas seleccionadas

13

Para el trabajo se presentan las herramientas usadas para obtener una clasificación
vectorial de vegetación a partir de una imagen satelital y luego el procedimiento para su
automatización. Se utilizó el software ArcGis 10.314, con la extensión de Spatial Analyst.
Esta extensión contiene herramientas necesarias para el análisis y procesamientos de
imágenes satelitales, también otro motivo de su elección fue que el organismo utiliza este
programa.

Lo primero que se hizo fue levantar las capas correspondientes a las bandas tres (rojo) y
banda cuatro (infrarrojo cercano) del landsat 5. Luego teniendo en cuenta las hojas
cartográficas de escala al 100, se seleccionó la hoja 3969-17, este polígono delimitará el
área de trabajo y, con la herramienta recortar, se recortaron ambas bandas, obteniendo el
recorte con los nombres, en este caso, como prueba3 y prueba 4.

13
Elaboración propia
14
ArcGIS es un completo sistema que permite recopilar, organizar, administrar, analizar, compartir y
distribuir información geográfica. Como la plataforma líder mundial para crear y utilizar sistemas de
información geográfica (SIG)
31
En la primera imagen se puede observar un landsat 5 correspondiente al path 230 y row
87 el cual limita con la provincia de Río Negro.En la captura se puede ver la imagen
satelital correspondiente a las bandas del rojo e infrarrojo cercano y la hoja de trabajo

Imagen 12. Procedimiento de la metodología

32
Imagen 13. Recorte del área de trabajo

Se procedió, a partir de estas dos imágenes, a calcular el Índice de clasificación de

vegetación NDVI.
Este índice puede ser realizado con la herramienta calculadora ráster, encontrado en la
caja de herramientas, extensión spatial analyst.

Imagen14.
15

En la fórmula se puede ver que NDVI es el resultado de la suma y resta de NIR es la

banda del infrarrojo cercano y VIS es la banda del espectro visible rojo y a su vez la
división de los resultados, para de este modo obtener como resultado pixeles con valores
que van del 0 al 1.

15
Imagen obtenida de internet https://mappinggis.com/2015/06/ndvi-que-es-y-como-calcularlo-con-saga-
desde-qgis/
33
Imagen 15. Calculo de NDVI

De esta manera se obtuvo una nueva matriz, con valores de píxeles que varían de -1 a 1,
esta variación representa la reflectividad que tendrá la vegetación en la imagen; cuanto
más se acerque al valor 1, más vigorosa será, mientras que si el valor se acerca a -1 se
está hablando de superficies con agua y/o de vegetación seca.

34
Imagen 16. Resultado de NDVI

Luego, con la herramienta filtro, al aparecer una ventana emergente con la pregunta sobre
qué tipo de filtro seleccionar, se eligió LOW, se realizó un filtro paso bajo 3X3 para
suavizar alteraciones que pueden encontrarse en la nueva imagen.

35
Imagen 17. Herramienta de filtro paso bajo.

Para este paso se tiene que tener seleccionado el ignorar los NoData, ya que pueden
presentar problemas al producir la clasificación no supervisada.

36
Imagen 18. Filtro paso bajo en la nueva Matriz

Se obtuvo así una nueva matriz re nombrada, que en este caso se llamó paso_bajo. Con la
capa filtros, se procedió a clasificar la imagen, con la herramienta clasificación no
supervisada, (se utiliza esta opción porque no se tiene conocimiento del área de trabajo).

37
Imagen 19. Proceso de clasificación no supervisada

En este cuadro se observa el proceso que realiza la herramienta de clasificación no

supervisada del programa, la cual selecciona la nueva imagen. Se determinó la cantidad
de clases, las interacciones que va a realizar el programa para determinar si el ND
corresponde o no a una u otra clase de vegetación y se obtuvieron dos resultados, la
imagen nueva, clasificada y un archivo del metadato con formato GSG.

Se eligieron para esta zona cinco clases, con un tamaño de clase 10, esto quiere decir que
se tendrán en cuenta para una clase una agrupación de por lo menos 10 pixeles del mismo
valor.
De esta forma se obtiene como resultado una nueva imagen denominada “clas”.

38
Imagen 20. Clases obtenidas

Para este caso se obtuvo una calificación de cinco clases donde se presentaban la
vegetación cultivo, los cuerpos de agua, suelos húmedos y suelos secos (este último se
confunde con la ciudad) y por último otro tipo de vegetación.
A partir de este resultado se procede a vectorizar el ráster obtenido. En la caja
herramienta de ráster, se va a convertir ráster a vector, seleccionando el vector polígono y
la capa que se convertirá, eligiendo por último el nombre de la nueva capa. Obteniendo
como resultado final un polígono con los tipo de vegetación.

39
Imagen 21. Vectorización del raster

Al obtener este resultado, se puede comenzar el procedimiento de automatización de los

pasos, así los operarios obtienen de una imagen satelital, un polígono con las
clasificaciones de los tipos de vegetación.

Automatización:

Como último paso, se realizó la automatización del procedimiento de los tipos de

vegetación, utilizando la herramienta de ArcGis 10.3, modelbuilder, este proporciona una
manera conveniente para automatizar y combinar el uso las herramientas de
geoprocesamiento contenidas en ArcToolbox.

Este modelo, muy sencillo de comprender, ayuda a producir un diagrama de las

herramientas que se utilizarán, donde se ubicará, uniéndose para obtener un resultado
final, en este caso de un ráster a un vector clasificado.

Se realizó un esquema del procedimiento que se busca automatizar. Se seleccionaron las

bandas que se usarán, en este caso la banda tres y cuatro y la hoja que se usará para
recortar el área de trabajo.

En la siguiente imagen se puede observar el proceso que automatiza el programa, del cual
el operario sólo verá las ventanas emergentes de las herramientas que necesitan el
agregado de operaciones o polígonos que debe determinar él.

Como por ejemplo, la selección de las bandas y del polígono los debe determinar el
40
operario, el recorte se hará automáticamente, obteniéndose dos nuevas imágenes
renombradas prueba 3 y prueba 4. Si la herramienta funciona adecuadamente, se debe
seleccionar las capas que levantaran información y agregar como opción el parámetro de
modelo, así en futuras imágenes el operario seleccionará su hoja de trabajo y las bandas
con las que se trabajará.

Imagen 22. Modelo de automatización

16

Fragmento del proceso del diagrama que sigue el modelo para la automatización visto
paso a paso anteriormente.
Luego se procede a realizar el cálculo del NDVI. Como la fórmula ya estará incluida no
es necesario que el operario la escriba a mano.
Se obtiene la nueva imagen denominada NDVI y se procede a utilizar la herramienta
filtro pasa Bajo.

Imagen 23. Paso a paso del proceso

17

16
Elaboración propia, utilizando el programa ArcGis 10.3
41
Se obtiene una nueva imagen denominada en este caso pasa_bajo, luego corresponde
clasificar esta nueva imagen en 4 clases.
La herramienta de clasificación no supervisada necesita en este caso que el operario
aclare la cantidad de clases que se utilizarán para clasificar.

Imagen 24. Clasificación no supervisada

18

Como paso final, la nueva imagen denominada Clas, se convertirá en formato SHP,
representada de manera poligonal, dando como resultados cuatro tipos de polígonos.

Imagen 25. Vectorización del raster

19

De esta forma se puede observar el esquema en su totalidad, se puede visualizar que los
objetos de color azul, es la información que el operador agregara, los amarillos las

17
Elaboración propia, utilizando el programa ArcGis 10.3
18
Elaboración propia, utilizando el programa ArcGis 10.3
19
Elaboración propia, utilizando el programa ArcGis 10.3
42
funciones que se realizan y lo verde el resultado.

Imagen 26. Esquema completo del modelo para la automatización del proceso

Diagrama de elaboración propia, proceso para automatizar el producto.

Al finalizar el proceso se deben crear los parámetros para que pueda ser reproducible con
cualquier otra imagen y en otra computadora.

Para ello se va al modelo y se seleccionan todos los resultados como parámetros, esto se
realizó así por el hecho de que, si solo se hace con los primeros tres elementos, las bandas
y el área para recortar, el modelo no entenderá la diferencia entre los archivos generados,
pisandolos y/o no pudiendo producir la herramienta. De esta manera, se le brinda al
operario la posibilidad de cambiarle los nombres a los resultados manteniendo todos los
archivos en la misma carpeta.

43
Imagen 27. Parámetros

Esta ventana es lo que verá el operario al arrancar la herramienta, donde pide

especificaciones de los archivos de entrada y la ubicación y nombre de los archivos de
salida.

44
Resultados:

Dentro de los parámetros de la clasificación no supervisada es necesario determinar las

clases, dependiendo la cantidad de vegetación que se observe en el área. Hace falta
producir en ciertas areas un ajuste de la cantidad de clases obtenidas, para poder
diferenciarse la vegetación de zonas urbanas y cuerpos de agua y/o agruparlas cuando el
operador lo crea conveniente.

En el ejemplo utilizado, para representar el proceso, al finalizar la clasificación y luego

producirse la conversión de ráster a polígono, el operador puede determinar qué es
vegetación y qué no, agrupando las clases de tal manera que solo queden los distintos
tipos de vegetación y una clase que sea la agrupación de todo lo demás que no
corresponde, y/o si lo cree pertinente se lo agrupa a la vegetación de mayor medida.

Obteniéndose como resultados las siguientes imágenes:

Imagen 28. Mapa de la clasificación.

En la siguiente imagen se puede obser una agrupación en la clasificación no supervisada,

donde los distintos tipos de suelo se agrupan, en este caso como vegetación arbustiva,
este tipo de vegetación predominante en la región. Seguida por la vegetación de cultivo, a
la rivera del río y áreas cercanas y en menor medida cuerpos de agua, pudiendo incluir
vegetación hidrófila.
Para esta clasificación se tuvo en cuenta la cantidad de clases obtenidas y se verificó con
imágenes temporales en Google Earth, si pertenecían o no a un mismo grupo de
vegetación, o si realmente era otra categoría, como por ejemplo “sin vegetación” término
utilizado, para áreas que no presentan ningún tipo de esta.
45
Se determinó que en esas zonas había vegetación pero en menor cantidad, decidiendo
agrupar la mayoría de las clases a la vegetación arbustiva, por el motivo de que al
analizar los tipos de vegetación que se encuentran en la provincia se presenta en mayor
medida de la región esta categoría.

De esta manera y siguiendo la agrupación que se hizo, se puede observar que el vector da
el mismo resultado, a esto se le puede producir una disolución, como final para poder
tener solo las clases de entidades tomadas, para esta zona de trabajo.

Imagen 29.

El programa se probó en distintas áreas seleccionadas y con distintos satélites landsat,

para poder determinar si en zonas de mayor altura o de mayor densidad de vegetación, la
clasificación se realiza de la misma manera o se pueden observar fallas, para ello se
eligieron una imagen del norte y una del Sur de la provincia de Neuquén.

46
Imagen 30. Prueba de la herramienta, primera recopilación de imágenes.

Se seleccionaron la hoja de trabajo 3769-31, perteneciente a la imágenes satelitales de

landsat 8 para el análisis de la superficie, ubicado en el path 232 y row 86 pertenecientes
a la zona montañosa y áreas cercanas.
En el primer caso, en que se utilizó un landsat 8, e imágenes temporales como
verificacion, se puede observar que no se pudo distinguir correctamente la vegetación en
áreas de gran altura. Lo que se denominaría vegetación hidrófila, representada en el lago,
se confunde con la zona en general, denominando grandes grupos, cuando a simple vista
toda esta área se representaría como vegetación arbustiva, y el cuerpo de agua con posible
contenido de vegetación hidrófila.

La siguiente prueba se realizó en la hoja de trabajo 4172-05, perteneciente a la imagen

satelital del landsat 8, del periodo de marzo del 2014, ubicada en el path 232 y row 88, en
la zona sur de la provincia.
En esta área se puede observar ya vegetación arbustiva, en conjunto de otro tipo de
vegetación, como cultivo y posible vegetación hidrófila, y de esta manera poder
determinar si se clasifica o no la imagen de manera adecuada.

47
Imagen 31. Prueba de la herramienta, segunda recopilación de imágenes.

A grandes rasgos se visualiza una zona de cultivos cerca del cuerpo de agua como así
también una zona montañosa de escasa altura sin vegetación, por la fecha de la imagen y
la clasificación que se obtuvo desde la automatización . Se determino que no se pudo
distinguir ninguna de estas, excepto el cuerpo de agua y la montaña, del resto de la
vegetación, se asume que se integró la vegetación cultivo con la vegetación arbórea.
De esta manera se observa que falla la categorización cuando se busca clasificar en áreas
montañosas, mientras que en el resto de las zonas mas bajas, dio un alto porcentaje de
exactitud cuándo se analizaba si corresponden o no las áreas.

Demostrándose, así, que es imprescindible que el operario determine la cantidad de clases

necesarias para la clasificación, y luego agrupar aquellas que no pertenezcan a las
mismas. Partiendo de ahí, establecer qué tipo de vegetación es, teniendo en cuenta las
eco- regiones que se pueden presentar en el área de estudio.

48
Comentarios :

Se debe tener en cuenta que los márgenes espectrales de las imágenes provenientes de los
landsat 5 y 7 son iguales, mientras que el del landsat 8, contiene márgenes distintos,
teniendo más cantidad de bandas que los otros dos satélites. Por este motivo, se debe
prestar atención porque las bandas tres y cuatro de los landsat anteriores, para este último
son las bandas cuatro y cinco, pudiendo dar resultados distintos e inexactos si no se
tienen en cuenta esas diferencias a la hora de ejecutar el programa.

Aunque se determinó que existen seis tipos de vegetación, resulta complicada la

separación precisa y verificable de los mismos, ya que no se cuenta con la información
fehaciente, que se puede obtener en trabajo de campo, siendo necesario para esta parte del
trabajo, incompleto por conocimiento del terreno y falta de instrumental.

Es por eso que se considera la posibilidad de que sea necesario modificar la cantidad de
clases que generará la clasificación no supervisada, dependiendo de la biodiversidad del
área. Así, poder diferenciar todas las clases que se encuentren en la imagen, pudiendo
distinguir vegetación cultivo del resto de clases, como también cuerpos de agua de suelos
húmedos y ejidos de suelos con poca densidad de vegetación, entre otros.

Luego de realizar un par de pruebas en el área de estudio elegida se determinó que las
categorías que más sobresalen son cultivo, arbórea, hidrófila y arbustiva en el área, en
este caso Neuquén.

Como cierre, se propone un modelo ideal, el cual podría determinar de manera correcta la
clasificación de los tipos de vegetación.
Primero se debería crear un plan de trabajo integrador entre las áreas correspondientes de
obtener información en elmcampo, ir al área de trabajo que se está capturando y con un
radiómetro y un GPS se pueden determinar los valores y la ubicación precisa, que
contiene cada vegetación, tanto en el espectro como su ubicación en el espacio.
Esta información, entregarla al área de imágenes para nalizarla y usarla para la
clasificación supervisada, la cual iría al operario procesada y lo único que tiene que hacer
éste, es elegir las áreas de entrenamiento, y así el programa las agrupará con los ND
semejantes a estos y descarta aquellos que no responden a ninguna semejanza. Se procede
a observar si la clasificación fue precisa o no en las zonas montañosas, para así saber si se
deben realizar dos modelos, con distintos tipos de cálculos de los índices de vegetación.
En el caso de dar correctamente la clasificación, se tiene como resultado una herramienta
que clasifica solamente las distintas clases de vegetación que se pueden presentar.

Si la clasificación no resulta en las áreas montañosas se debe investigar otro tipos de

indice que clasifique vegetacion pero wue tenga en vuenta areas de altura. Pudiendo
obtener de esta manera una automatización que pueda abarcar las distintas áreas, zonas
montañosas y no montañosas teniendo en cuenta los distintos índices de vegetación e

49
Trabajos citados:

Chuvieco, E. (2010). Teledetección Ambiental, la observación de la tierra desde el

espacio. España: Ariel.

Food and Agriculture Organization of the United Nations. (s.f.). Recuperado el 23 de

Enero de 2017, de http://www.fao.org/docrep/003/t0446s/T0446S04.htm

IGN. (2016). Instituto Geográfico Nacional de la República Argentina. Recuperado el

diciembre de 2016, de Mapa ANIDA:
https://ide.ign.gob.ar/portal/apps/webappviewer/index.html?id=789a114837b94a72a05c6
9b8456884b7

IGN. (s.f.). Instituto Geográfico Nacional de la República Argentina. Recuperado el

Septiembre de 2016, de http://www.ign.gob.ar/NuestasActividades/sigign

Instituto Geográfico Nacional de la República Argentina. (s.f.). Recuperado el

Noviembre de 2016, de www.ign.gob.ar

M. A. Gilbert, J. G.-P.-H. (s.f.). Revista Teledetección. Recuperado el 23 de Enero de

2017, de http://telenet.fa1.cie.uva.es/promotores/revista/revista_08/AET8_4.pdf

M. Fabián Marini, M. F. (2007). Revista Teledetección . Recuperado el 23 de enero de

2017, de http://www.aet.org.es/revistas/revista27/AET27-08.pdf

Ministerio del interior, O. P. (s.f.). Secretaria de Asuntos Municipales. Recuperado el

noviembre de 2016, de Region de la Patagonia.:
http://www.mininterior.gov.ar/inicio/index.php

Nacion, M. d. (s.f.). Patagonia. Recuperado el Diciembre de 2016, de

http://www.mininterior.gov.ar/municipios/gestion/regiones_archivos/Patagonia.pdf

Reuter, F. (2009). Principios de teledetección. Santiago del Estero: Universidad Nacional

Santiago del Estero.

Ulberich, A. (2011). Cartografía y teledetección, Teoría y Aplicaciones. Buenos Aires:

Universidad Nacional del Centro.

Universidad de Murcia. (s.f.). Recuperado el noviembre de 2016, de

www.um.es/geograf/sig/teledet/fundamento.html

USGS. (s.f.). Earth Explorer. Recuperado el septiembre de 2016, de

www.earthexplorer.usgs.gov

MappingGIS. (junio de 2015). mappingGIS. Recuperado el Diciembre de 2016, de

https://mappinggis.com/2015/06/ndvi-que-es-y-como-calcularlo-con-saga-desde-
qgis/

50
Nuevas Tecnologías. (s.f.). Recuperado el Enero de 2017, de
http://richardntapa.blogspot.com.ar/

USGS. (7 de Octubre de 2010). Earth Explorer. Recuperado el Noviembre de 2016, de

LT52300872010281COA01: https://earthexplorer.usgs.gov/

USGS. (3 de marzo de 2014). Earth Explorer. Recuperado el noviembre de 2016, de

LC82320882014066LGN00: https://earthexplorer.usgs.gov/

USGS. (22 de Febrero de 2015). Earth Explorer. Recuperado el Noviembre de 2016, de

LC82320862015053LGN00: https://earthexplorer.usgs.gov/

51