ANLISIS HIDROLGICO DE LA CUENCA DE LA LAGUNA DE FQUENE.

Daniel David Crdenas, David Camilo Chaves, Juan Pablo Perez Rebolledo Pontificia Universidad Javeriana, Departamento Ingeniera de Sistemas, Bogot D.C. Colombia

RESUMEN
El siguiente artculo muestra la reduccin del cuerpo de agua que ha tenido la cuenca de la laguna de Fquene durante los ltimos 50 aos a causa de aumentar el rea de pastos para ganado y cultivo. Conclusin a la que se llega utilizando informacin de los sistemas de informacin geogrfica (en ste caso, del USGS y el IGAC) y analizada usando tcnicas de procesamiento de imgenes satelitales.

1.

INTRODUCCIN

La laguna de Fquene es un cuerpo de agua dulce ubicado en el departamento de Cundinamarca, que pertenece al gran sistema lagunar del valle del rio Ubat conformado tambin por las lagunas de Cucunub y Palacio ubicadas a 80 kilmetros de Bogot. Este sistema es de gran importancia ecolgica y socioeconmica para el pas ya que podemos encontrar diversidad de especies, entre ellas 91 de vertebrados y 32 especies de aves migratorias. Los principales afluentes de la laguna que son el rio Susa, rio Ubat y Quebrada Honda (Figura 1), cada uno de estos lugares cuenta con una estacin satelital de la CAR para as poder vigilar los caudales que le llegan a la laguna; y su principal efluente que es el rio Suarez el cual tiene la compuerta de Tolon que es la que regula todo el sistema.

terreno, la regin ha desarrollado una importante industria lechera que gracias al clima, la fertilidad y humedad del suelo secado de la laguna. Sin embargo, ste aprovechamiento del terreno al quitar tierra que antes perteneca a la laguna no slo ha reducido el cuerpo de agua si no que las actividades que derivan del nuevo terreno (ganadera y agricultura) contaminan las zonas restantes de la laguna, afectando la biodiversidad de las pocas zonas que quedan de la laguna. 2. 2.1. ZONA DE ESTUDIO Y DATOS

Zona de estudio

La zona de estudio es la cuenca de la Laguna de Fquene (527'43.12"N y 7344'38.41"O del centro de la laguna) que abarca unos 1974 km 2 que cubre 18 municipios de Cundinamarca (Figura 1y Figura 2)

Figura 1. Mapa de la Cuenca de la Laguna de Fquene con sus afluentes. Fuente: Instituto Geogrfico Agustn Codazzi La problemtica principal que se encuentra en la zona es la desecacin de la laguna y el deterioro progresivo de las condiciones ambientales del sistema. Desde el ao 1826 se vienen desarrollando obras de desecacin para aumentar el rea de terreno til para su aprovechamiento econmico, debido a ste aprovechamiento del

Figura 2. Imagen de la laguna de Fquene en su estado actual. Fuente: Google Earth 2.2. Datos de referencia

Los datos usados para realizar ste anlisis fueron las imgenes satelitales que obtiene el sistema LANDSAT de la USGS (United States Geographic System), especficamente del sensor ETM (para las imgenes del 2010) y una foto area tomada por la Fuerza Area de los Estados Unidos en el ao 1950 en la banda visible del espectro electromagntico. 3. ANLISIS Y TRANSFORMACIN DE LOS DATOS 3.1. Geo-referencia de las imgenes

Para lograr la geo-referencia de la imagen area (la cual no tena ningn sistema de referencia al ser tomada con un sensor que no almacenada esa informacin) fue necesaria la obtencin de 10 puntos de control (GCP) para usar una funcin cuadrtica de mapeo ms precisa que la ecuacin linear, que usa 7 GCPs para el proceso de mapeo.
ID 1 2 3 4 5 6 7 8 9 10 X entrada 3921.278652 9636.028557 11029.905411 5900.438589 6252.53769 8769.50178 10442.154004 12881.294780 11957.011115 15330.745913 Y entrada 14170.428242 13190.897803 11906.954075 10046.166063 8285.395407 4293.423627 9457.110359 11331.205549 9177.052993 10884.865353 X salida 635176.389776 638758.658147 639532.428115 636208.083067 636437.348243 638014.692652 639206.871565 640901.123748 640197.211144 642471.380147 Y salida 607783.443804 607151.974063 606520.504323 605056.642651 603673.149856 601046.235735 604628.391354 605876.978181 604375.641653 605528.576609

Tabla 1. Tabla de obtencin de GCP. Los datos de entrada corresponden a la imagen area, y los de salida a la imagen recortada del Landsat. Aunque la imagen area es ms grande, IDRISI toma las coordenadas de acuerdo a la imagen satelital original.

Figura 4. Comparacin de la imagen de la Banda 4 con la imagen area luego de ser geo-referenciada. La proporcin de pixeles por rea es casi idntica con un acercamiento del 600%. 3.2. Seleccin de bandas

Las bandas seleccionadas para el estudio fueron las banda 3 (del rojo), la banda 4 (del infrarrojo cercano) y la banda 7 (infrarrojo medio) ya que estas tres presentan los mejores contrastes entre el agua y la vegetacin de la zona gracias a los ndices de reflectancia que muestran la vegetacin y los cuerpos de agua.

Figura 3. Localizacin de los GCPs usados para geo-referenciar la fotografa area (imagen de la izquierda). Para la ubicacin de los GCP se us la paleta quant cuyo contraste de colores permite la ubicacin de los puntos ms fcilmente que usando una paleta greyscale.

Figura 6. Comparacin con una imagen con expansin lineal con saturacin: se puede ver cmo se reduce el ruido de la imagen al mismo tiempo que mejora el contraste de la imagen al hacer ms claros. 2. 3. Filtro pasa-alto: una imagen con mayor definicin permite identificar los bordes con mayor exactitud. Imagen original + filtro pasa-alto: realizando sta suma de pxeles es posible mejorar la claridad de la imagen, no obstante, la imagen pierde algo de contraste.

Figura 5. Comparacin de las Bandas 1, 2, 3, 4, 5 y 7. Las bandas que presentan mejor contraste y menor ruido son las bandas 3, 4, 5 y 7, correspondientes a la banda del rojo y del infrarrojo (cercano, medio y lejano). Para el proceso de clasificacin se usarn las bandas 3, 4 y 5 gracias a su alto contraste pueden reducir el porcentaje de error en la Clasificacin Supervisada. Adicionalmente, las Bandas 3, 4, 5 y 7 son las usadas para los clculos de ndice de vegetacin 3.3. Aplicacin de filtros para mejorar la imagen

3.4.

ndices de vegetacin

La obtencin de los ndices de vegetacin se hace usando la banda del rojo y del infrarrojo cercano usando la siguiente ecuacin para calcular la diferencia de cada pxel de ambas bandas: = +

Quedando la siguiente imagen resultante: Los filtros aplicados para mejorar las imgenes fueron los siguientes (en ese orden): 1. Expansin no linear con saturacin: se usa sta transformacin con saturacin ya que la simple expansin linear no logra generar resultados que mejoren la imagen para aumentar el contraste de la imagen (se us un valor de saturacin del 2.5%).

Figura 7. Izquierda: Imagen resultante luego de aplicar la transformacin NDVI usando la banda 3 (rojo) y la 4 (infrarrojo cercano). Usar estas dos bandas da la transformacin ms cercana a la realidad, a diferencia de aplicar las bandas 5 (infrarrojo medio) 7 (infrarrojo lejano) para la transformacin (derecha). Ahora, si realizamos la misma aplicacin pero usando el anlisis de ndices de vegetacin en NRVI:

Figura 8. Imagen resultante luego de aplicar la transformacin de ndices de vegetacin NRVI. Debido a que los cuerpos de agua se representan con pxeles con valores del 0 a 1 (que en ste caso son los ms claros), el ruido en la imagen es menor al de la Figura 7. Al final, obtenemos los mismos valores pero en escala invertida, tal como lo demuestran los histogramas correspondientes a cada imagen. No obstante el NRVI permite identificar los cuerpos de agua a simple vista con mayor precisin que el NDVI. 3.5. Tasseled Cap

Figura 9. Imagen del componente Greeness con la transformacin de Tesseled CAP. sta transformacin aclara y resalta los diferentes tipos de suelos 4. 4.1. IDENTIFICACIN DE COBERTURAS

Imgenes usadas para la clasificacin supervisada

Como se vio en la seccin 3.2, las imgenes seleccionadas para las reas de entrenamiento con la imagen de la banda ,4 ya que esta tiene el mejor contraste entre los diferentes componentes de informacin, adems de que la mejora del contraste.

Usando el anlisis de vegetacin que se obtiene del anlisis Tasselled CAP, nicamente la imagen del componente del verde resalta el contraste de las reas en vez de reducir el contraste, lo que nos permite identificar las zonas de vegetacin.

Figura 10. Grfico de comparacin de firmas espectrales en las diferentes bandas. 4.2. Imgenes a finales

Para la clasificacin de las imgenes se us el clasificador de mnima distancia, el cual es un algoritmo que utiliza todos los pixeles y los agrupa por cercana a sus respectivas firmas.

Ya con sta imagen binaria, podemos analizar los resultados numricos del histograma dados por IDRISI: Lower Upper Frequency Prop. Cum. Cum. Limit Limit Freq. Prop. 0.000 1.000 7592 0.076 7592 0.076 0 1.000 2.000 91676 0.924 99268 1.000 1 Tabla 2. Tabla de resultados de anlisis del histograma en formato numrico de IDRISI Taiga. Lo cual nos indica que hay 7592 de 99268 pxeles que pertenecen cuerpos de agua, es decir, un 7,6% de los pxeles totales de la imagen. En el caso de la imagen area, la imagen binaria se obtuvo por medio de analizar manual la imagen area, ya que no cuenta con la informacin multiespectral necesaria para diferenciar el agua de los distintos tipos de elementos que componen la imagen, por lo que se cre un polgono que luego fue convertido a una mscara. Debido a esto el porcentaje de precisin del proceso: Figura 11. Aplicacin de los clasificadores La aplicacin de estos clasificadores de cierta forma es muy precisa para el agua y la identificacin de la vegetacin en ella; pero es muy poco precisa respecto a sus alrededores debido a la diversidad de suelos que se encuentran en la imagen. 5. 5.1. COMPARACIN IMGENES 1950 VS. 2010 Aplicacin de la mscara Class

Para obtener la mscara de la imagen satelital, se utiliz la imagen resultante de aplicar el filtro NRVI el cual nos da valores decimales de -1 a 0 para los pxeles que representan vegetacin y de 0 a 1 para los cuerpos de agua. Gracias a ste resultado podemos obtener una imagen binaria usando la utilidad RECLASS que trae IDRISI. Figura 13. Obtencin de los cuerpos de agua en forma de una imagen binaria. Los cuerpos de agua estn con el 1 (blanco) y el resto en 0 (negro). Ya con sta imagen binaria, podemos analizar los resultados numricos del histograma dados por IDRISI: Class 0 1 Lower Limit 0.000 1.000 Upper Limit 1.000 2.000 Frequency 72661 26607 Prop. 0.732 0.268 Cum. Freq. 72661 99268

5.2.

Clculo de las zonas

Figura 12. Obtencin de los cuerpos de agua en forma de una imagen binaria. Los cuerpos de agua estn con el 0 (negro) y el resto en 1 (blanco).

Luego de obtener las imgenes con su respectivo conteo de pxeles, procedemos a calcular el rea total que esos pxeles representan. Para realizar ste clculo, es necesario conocer la resolucin radiomtrica del sensor (que tambin se llama Nadir) que es de 900m2, con ste valor podemos calcular el rea total multiplicando el rea por pixel por el nmero de pxeles:

 () = () = 9002 Donde x es el nmero de pxeles obtenidos de la imagen binaria (ver tablas Tabla 2 y 3). Reemplazando valores tendramos: (26607) = 9002 26607 = . (7592) = 9002 7592 = . Finalmente, usando el rea total del cuerpo de agua en el ao 1950 y el rea de los cuerpos de agua del 2010, podemos obtener el porcentaje de reduccin del rea as: = 100 (100 1950 )

2010 = 100% 28,53% = 71,47% 6. CONCLUSIONES

La contaminacin junto con la actividad de Ganadera intensiva ha reducido el cuerpo de agua de la Laguna de Fquene en un 71,47%. Esto significa que la tasa de reduccin del cuerpo de agua de la laguna ha sido de 342.270m2 por ao en promedio. A ste ritmo el cuerpo de la laguna de Fquene desaparecera en los siguientes 20 aos aproximadamente, eliminando por completo el poco ecosistema de peces y aves que habitan en la laguna. REFERENCIAS Mather, P.M. Computer Processing of Remotly Sensed Images, Tercera edicin ., Wiley , 2004. Threatened Lake of the Year 2011. Laguna de Fquene in Colombia. Important water source for 200,000 people in Colombia is threatened to suffocate. http://www.globalnature.org/20076/CAMPAIGNS/ThreatenedLake-of-the-Year-2011/02_vorlage.asp