TTULO.

TELEDETECCIN PARA EL ANLISIS MULTITEMPORAL DE LA VEGETACIN DEL

PRAMO DE QUMIAG CON IMGENES LANDSAT.

RESUMEN.
El pramo es un ecosistema alto andino que se localiza en la parte norte de la cordillera de los
Andes tropicales (Venezuela, Colombia y Ecuador), entre el lmite superior del bosque Andino (3200 m) y las nieves perpetuas (- 4500 m) (Podwojewski,2002). La prdida y fragmentacin de
hbitat son dos de las principales causas que afectan la supervivencia de especies silvestres a
escala global (Myers et al. 2000). El estudio de la cobertura vegetal en los pramos llevado a
cabo en la provincia de Chimborazo, cantn Riobamba, parroquia Qumiag implica el proceso de
datos de imgenes satelitales del LANDSAT 7 y 8 para monitorear la cobertura vegetal, mediante
la utilizacin de informacin satelital y software SIG (Envi 10.1 ArcGis 10.2) , se plantea
procesar

la informacin de imagines de satelitales que cubra el rea de estudio con la

informacin complementaria necesaria para llevar a cabo la interpretacin de imgenes al generar

un mapa temtico clasificado del cubrimiento del tipo de suelo y la variabilidad presentada a
travs de la teledeteccin de la vegetacin, en vista de su dinmica espacio-temporal.
Esta teledeteccin de paramo se realiza con el propsito de producir informacin til para la toma
de decisiones ambientales. En contexto el proyecto presentar el proceso de clasificacin en la
zona pramo a partir de imgenes LANDSAT de 2007, 2014 y 2016. Para ello, se ha dividido el
texto en tres partes. Primero, se presentarn las caractersticas de las imgenes y el mtodo de
correccin, clasificacin y validacin. Luego, se analizarn los resultados de las respuestas
espectrales de las clases no supervisadas, finalmente se discutir el alcance de la teledeteccin de
la vegetacin, en vista de su dinmica espacio-temporal.

PALABRAS CLAVE.
Teledeteccin, LANDSAT, Vegetacin, Clasificacin, Pramo

TTULO
TELEDETECO TO ANLISE MULTI- VEGETAO COM O MOURO DE IMAGENS
QUIMIAG LANDSAT.

RESUMO
A charneca uma alta ecossistema andino que est localizada na parte norte da faixa dos Andes
tropicais (Venezuela, Colmbia e Equador), entre o limite superior da floresta andina (- 3200 m) e
da linha de neve (- 4500 m) (Podwojewski, 2002). A perda e fragmentao do habitat so duas
das principais causas que afetam a sobrevivncia de espcies selvagens em todo o mundo (Myers
et al., 2000). O estudo da cobertura vegetal sobre os mouros realizados na provncia de
Chimborazo, Riobamba Canton, freguesia Qumiag envolve imagens de processamento de dados
de satlite Landsat 7 e 8 para monitorar a cobertura vegetal usando dados de satlite e software
SIG (Envi 10.1 ArcGis 10,2) surge processar informaes a partir de imagens de satlite cobrindo
a rea de estudo, com a informao adicional necessria para realizar a interpretao da imagem
para gerar um mapa temtico de classificados que cobre o tipo de solo e variabilidade apresentada
atravs de sensoriamento remoto da vegetao, tendo em vista a sua dinmica espao-temporais.
Este paramo sensoriamento remoto feito com a finalidade de produzir til para a tomada de
decises ambientais. No contexto, o projeto ir apresentar o processo de classificao na rea de
deserto imagens Landsat de 2007, 2014 e 2016. Para fazer isso, o texto dividido em trs partes.
Em primeiro lugar, as caractersticas das imagens e o mtodo de correco, classificao e
validao ser apresentada. Em seguida, os resultados das respostas espectrais classes de
supervisionado so analisados, finalmente ser discutido o mbito de deteco remota de
vegetao, em vista da sua dinmica espao-temporais.

PALAVRAS CHAVE.
Sensoriamento remoto, LANDSAT, vegetao, classificao, Paramo

TITLE
REMOTE

MULTITEMPORAL

SENSING

ANALYSIS

OF

PARAMO

QUMIAG

VEGETATION WITH LANDSAT IMAGERY

ABSTRACT.
The moor is a high Andean ecosystem that is located in the northern part of the range of the
tropical Andes (Venezuela, Colombia and Ecuador), between the upper limit of the Andean forest
(- 3200 m) and the snow line (- 4500 m) (Podwojewski, 2002). The loss and fragmentation of
habitat are two of the main causes that affect the survival of wild species worldwide (Myers et al.
2000). The study of vegetation cover on the moors carried out in the province of Chimborazo,
Riobamba Canton, parish Qumiag involves data processing satellite images Landsat 7 and 8 to
monitor vegetation cover using satellite data and software SIG (Envi 10.1 ArcGis 10.2) arises
process information from images of satellite covering the study area with the additional
information necessary to perform image interpretation to generate a classified thematic map
covering the soil type and variability presented through remote sensing of vegetation, in view of
their spatiotemporal dynamics.
This remote sensing paramo is done with the purpose of producing useful for making
environmental decisions. In context, the project will present the classification process in the
wilderness area Landsat images from 2007, 2014 and 2016. To do this, the text is divided into
three parts. First, the characteristics of the images and the correction method, classification and
validation will be presented. Then, the results of spectral responses Unsupervised classes are
analyzed, finally the scope of remote sensing of vegetation, in view of their spatiotemporal
dynamics will be discussed.

KEYWORDS.
Remote sensing analysis, LANDSAT, Vegetation, Classification, Paramo

INTRODUCCIN
El Ecuador presenta zonas alto andinas y de alto inters como el ecosistema paramo donde existe
un inters creciente de cuantificar los cambios en la cobertura superficial, que ocurren por
actividades antrpicas y/o naturales. Estos cambios, pueden ser utilizados como indicadores,
particularmente, como indicador de presin cambio en el uso de la tierra (SUMMER, 2009;
MAIRURA, 2007) y asociados a uno de los fenmenos considerado como responsable de las
emisiones de gases efecto invernadero en el contexto de cambio climtico (POORTINGA, 2011).
El suelo es uno de los recursos ms preciosos. La prdida de ste recurso, a travs del proceso de
degradacin de la tierra como son la erosin por viento y agua, es uno de los problemas
ambientales ms serios que estamos encarando al destruir los medios que producen nuestros
alimentos. (Orozco, 2011)
En la provincia de Chimborazo cantn Riobamba, los trabajos enfocados a determinar
variaciones temporales en el uso del suelo son escasos, particularmente no se reportan estudios de
dinmica de cambios en el uso de suelo. Tampoco se evidencia reportes del uso de la metodologa
de clasificacin de imgenes orientada a la deteccin de cobertura vegetal. En razn a lo
expuesto, el objetivo general de esta investigacin fue desarrollar una metodologa de
clasificacin de imgenes de sensores remotos, para determinar la cobertura y uso del suelo para
conocer posteriormente su dinmica espacio-temporal ocurridos en la misma.
La deteccin de los cambios que ocurren a travs del tiempo en la superficie terrestre (coberturas,
suelos, clima, uso de la tierra, entre otras), ha sido uno de los procesos espaciales que ms le ha
interesado al hombre cuantificar. En trminos generales, es definida por SINGH (1989), como: el
proceso que identifica las diferencias en el estado de un objeto o fenmeno por medio de la
observacin a diferentes escalas temporales, siendo un factor indispensable para la supervisin y
manejo de los recursos naturales, ya que permite cuantificar su distribucin espacial. Se han
desarrollado mltiples aplicaciones que buscan detectar los cambios de uso en coberturas del
suelo (SANTANA, 2010), apoyadas en la clasificacin de productos provenientes de sensores
remotos, que regularmente, utilizan la agrupacin de pxeles

Los mtodos convencionales de clasificacin, requieren de la experticia y conocimiento tcnico

en procesamiento digital de imgenes. La clasificacin necesita adems reconocer sus atributos
geomtricos (BLASCHKE, 2010; SANTOS, 2007), se hace necesario contar con programas y
metodologas que faciliten la aplicacin de esta tcnica y que estn al alcance de los usuarios de
manera ms amigable y econmica.
El desarrollo y aplicacin de diversos algoritmos para la clasificacin de coberturas con sensores
remotos, valindose de los valores espectrales que representa un pxel y agrupados en dos tipos
de clasificacin Supervisada y No Supervisada (SANTOS, 2007). Un Pxel, del ingls pixel, es
la superficie homognea ms pequea de las que se compone una imagen, definido por brillo y
color.
Es decir, se quiere distinguir la dinmica del pramo de Qumiag situado Norte: Cantn Penipe
Sur: Cantn Chambo Este: Cantn Guamboya (Prov. Santiago) Parque Nacional Oeste: Parroquia
Cubijies (QUIMIAG, 2015), de las dems coberturas del suelo en diferentes fechas. Esto con el
nimo de construir el insumo apropiado para conocer posteriormente su dinmica espaciotemporal.

MATERIAL Y MTODOS
MATERIALES

Software ArcGis 10.2

Software Envi 10.1

Imagen Satelital (Landsat 8)

Imagen Satelital (Landsat 7)

MTODOS
El esquema de la Figura 1, ilustra los procesos metodolgicos realizados para alcanzar los
objetivos trazados en la investigacin.

Figura 1: Metodologa general para el desarrollo de la investigacin. Fuente: elaboracin propia.

El proceso se inici con la revisin de literatura (bibliogrfica) de los aspectos relevantes a

clasificacin de imgenes y las temticas que involucraron la investigacin, la recopilacin de la
informacin existente del rea, para el desarrollo del proyecto.
rea de Estudio
El estudio se realiz en la provincia de Chimborazo, cantn Riobamba parroquia rural Qumiag,
la identificacin se realiz por medio del Software ArcGis 10.2. En el Mapa 1 se puede observar
la ubicacin exacta de los pramos del lugar.

Mapa 1. Ubicacin geogrfica de los pramos en Quimiag. Fuente: elaboracin propia.

Anlisis de imgenes satelitales.
Correccin atmosfrica para datos Landsat 8 y landsat 7
Para la correccin atmosfrica adecuada se utiliz la versin ENVI 5.1. El primer paso es acceder
al archivo que contiene la extensin _MTl.txt, que corresponde al formato de imagen con
metadatos

disponible

para

Landsat,

este

se abre

desde

la

opcin

de

File/Open

as/Landsat/GeoTIFF with Metadata.

El siguiente paso para la correccin es la conversin a radiancia. Para esto se debe ir a la opcin
de Toolbox/Radiometric Correction/ Radiometric Calibration; la imagen inicialmente se
despliega dividida en 5 segmentos: se debe seleccionar la que termina con MultiSpectral y
asignar los diferentes valores de calibracin radiomtrica segn se especifica en la Tabla 1.
Campo
Tipo de calibracin
Intervalo de salida
Tipo de dato de salida

Valor
Radiancia
BIL
Flotante

Factor de escala
0.10
Directorio de salida
Nombre y directorio de salida
Tabla 1. Parmetros de calibracin radiomtrica Landsat 8 y 7. Fuente: elaboracin propia.
Al finalizar se obtuvo una imagen con el cambio de valores de Nmeros Digitales a valores de
radiancia, adems el tipo de formato de imagen en el archivo de salida es .dat. Esta imagen de
datos conserva la informacin que viene del metadato en formato BIL.
A continuacin, ubicarse en Toolbox /Radiometric Correction/Atmospheric Correction
Module/FLAASH Atmospheric Correction y se desplegara la siguiente ventana donde llenaremos
segn lo indicado en la Tabla 2.
Campo
Entrada de radiancia
Tipo de Sensor
Modelo atmosfrico
Modelo aerosol
Elevacin de suelo

Valor
Generada anteriormente
Landsat 8/7
El tipo de estacin climtica
Rural/urbano
Se us la elevacin promedio obtenida

del google earth

Directorio de salida
Nombre y directorio de salida
Tabla 2. Datos a llenar en la ventana de Correccin Atmosfrica. Fuente: elaboracin propia.
Generalizacin del modelo.
Procesamiento digital. - La clasificacin de imgenes satelitales ha sido utilizada para diferentes
propsitos, con un nico objetivo: agrupar o zonificar los pxeles de una imagen, para delimitar
una clase temtica de inters a priori (GAMANYA; MAEYER; DAPPER, 2009.)

Clasificacin No Supervisada
La clasificacin no supervisada, agrupa pxeles de manera automtica a una clase que no ha sido
entrenada previamente, tiene en cuenta parmetros estadsticos, que buscan minimizar las
desviaciones de las clases y maximizar la distancia al centro de cada grupo de pxeles
encontrados. (CRUZ, 2010; LANG, 2008). es utilizado para aquellas reas donde no se conoce
detalles de la zona de estudio, generando un nmero arbitrario de clases consideradas por el
investigador.
El mtodo empieza con una agrupacin promedio al azar de acurdo al criterio del investigador,
para este proyecto se realiz 3 tipos de clasificacin (cuerpos de agua, vegetacin densa y
vegetacin rala) utilizando el Software ArcGis 10.2. El cual determinara la distancia espectral
mnima para formar agrupaciones de pxeles que representan las clases.
ndice de vegetacin diferencial normalizado (NDVI)
Para corroborar la informacin obtenida de la clasificacin no supervisada se obtuvo tambin el
ndice de vegetacin diferencial normalizado (NDVI) que puede ser definido como un parmetro
calculado a partir de los valores de la reflectancia a distintas longitudes de onda, y es
particularmente sensible a la cubierta vegetal (Gilabert, 1997).
Este ndice no mide directamente productividad ni disponibilidad forrajera, pero tienen una
estrecha relacin con estas variables, lo que permite utilizarlos para anlisis regionales. Es decir,
que los cambios del ndice de vegetacin permiten decir si un determinado mes o ao es mejor o
peor respecto al valor histrico. (dpa.gov.ar, 2011). El ndice de Vegetacin Diferencial
Normalizado se calcula mediante la siguiente expresin:
NDVI = ((IR - R) / (IR + R))
IR = valores de pxel de la banda infrarroja

R = valores de pxel de la banda roja

Para el clculo del NDVI es necesario conocer las bandas que sern usadas con los distintos
satlites lo cual se da a conocer en la Tabla 3.
Satlite

Visible (R)

Infrarrojo (IR)

Landsat 7
Banda 3
Banda 4
Landsat 8
Banda 4
Banda 5
Tabla 3. Bandas espectrales para el clculo del NDVI. Fuente: elaboracin propia

RESULTADOS Y DISCUSIN
Se dispone de tres imgenes de satlite, la Imagen 1 del satlite Landsat 7, fechada Julio de 2007,
y la Imagen 2

y 3 del satlite Landsat 8, de fechas octubre del 2014 y junio del 2016

respectivamente. Mediante las mismas se evidencia a continuacin la variacin presentada a

partir de la clasificacin no supervisada a partir del Software ArcGis 10.2.

Imagen 1. Clasificacin No supervisada Julio 2007 (landsat 7). Fuente: Elaboracin propia.

Imagen 2. Clasificacin No supervisada octubre 2007 (landsat 8). Fuente: Elaboracin propia.

Imagen 3. Clasificacin No supervisada junio 2016 (landsat 8). Fuente: Elaboracin propia.

El siguiente cuadro presenta un anlisis de la variacion del NDVI en los paramos de Quimiag.
NDVI julio 2007 (landsat 7) Fuente: elaboracin propia
La imagen a continuacin
presenta la variacin efectuada en
el ao 2007 donde el valor
procedente del NDVI varia de
-0.16 a 0.68 esto nos evidencia la
presencia de agua en este ao, fue
considerable al existir ms
cuerpos de agua que tiene una
reflectancia R>IRC, por lo tanto,
valores negativos de NDVI.

NDVI octubre 2014 (landsat 8) Fuente: elaboracin propia

La imagen a continuacin presenta la

variacin efectuada del ao 2014
donde el valor procedente del NDVI
varia de 0.59 a 0.025 por la presencia
de suelo descubierto y con
vegetacin rala presenta valores
positivos, aunque no muy elevados a
su vez el valor casi cercano a 0
representa tambin que hubo la
presencia de nubosidad en la zona de
estudio.

NDVI junio 2016 (landsat 8) Fuente: elaboracin propia

La imagen a continuacin presenta la

variacin efectuada o mostrada en el ao
2016 donde el valor procedente del
NDVI varia de 0.61 a 0.01 por el suelo
descubierto y con vegetacin rala
presenta valores positivos, a su vez la
presencia de vegetacin densa y cierta
cantidad de humedad presenta valores
tambin elevados que pasan los 0.5 de
ndice a su vez el valor casi cercano a 0
representa tambin que hubo la presencia
de nubosidad en la zona de estudio.

Con el siguiente grafico (Grafico 1) se pretende dar a conocer el rea de la cobertura de suelo
obtenido en ArcGis para los aos 2007, 2014 y 2016.

ESTUDIO MULTITEMPORAL
CLASIFICACION NO SUPERVISADA
9.92
HECTARIAS
4.2

2.67

2.86

Julio_2007

4.2

5.7
2.8

Octubre_2014

2.4

2.3
junio_2016

AOS DE ESTUDIO
VEGETACION DENSA

VEGETACION RALA

CUERPOS DE AGUA

Grafico 1. rea de la cobertura de suelo obtenido en ArcGis para los aos 2007, 2014 y 2016. Fuente:
elaboracin propia

Los datos obtenidos del cambio del uso de suelo a travs del software ArcGis nos permite realizar
un anlisis estadstico donde se puede observar a travs del estudio multitemporal como ha ido
variando, si nos fijamos en el ao 2007 observamos que exista una vegetacin ms densa que
sobrepasa en cierta cantidad a la vegetacin rala a medida que los cuerpos se encuentran
equilibrados para este ao, al analizar los datos respecto al ao 2014 se observa un considerable
aumento de a la vegetacin densa ya sea por la incorporacin de accin antrpica en sitios ya
definidos y los cuerpos de agua permanecen constantes en cambio en el ao 2016 se observa
considerablemente que los cuerpos de agua han aumentado todo esto se debe a la presencia del
fenmeno del nio ocurrido en este ao que aportado una gran cantidad de agua a la zona a su
vez se ha visto un equilibrio en cuanto a vegetacin densa y vegetacin rala en la zona de estudio.

CONCLUSIONES
Landsat 7 y 8 brinda imgenes que tienen un aspecto bastante decente no siempre las imgenes
obtenidas de esta plataforma son favorables para arrancar con un estudio, debido a ciertos
inconvenientes que presenta ya sea la gran cantidad de nubosidad presente en ciertas imgenes
satelitales donde a pesar de realizar la correccin atmosfrica estas imgenes son desfavorables
para el estudio
Con los principios de la clasificacin orientada a objetos y principios de teledeteccin para el
estudio multitemporal, con los procedimientos propuestos fue posible delimitar las reas de tres
coberturas de mayor importancia en el ecosistema paramo presente en la parroquia qumiag, a
partir de imgenes satelitales, con el uso del software ArcGis 10.2 en el proceso de clasificacin
no supervisada es una gran herramienta para la deteccin del estudio multitemporal procedente
del rea de estudio, al fundamentarse bsicamente en la agrupacin de pixeles de manera
automtica, si bien para la determinacin de clases se debe tener un cierto criterio de la zona de
estudio, con el tratamiento y posterior visualizacin de imgenes satelitales esta tarea se vuelve
menos compleja.
El ndice de vegetacin es un parmetro calculado a partir de los valores de la reflectancia a
distintas longitudes de onda, y que es particularmente sensible a la cubierta vegetal, a travs de
este clculo se pudo corroborar la informacin arrojada a partir de la clasificacin no supervisada
donde el NDVI presenta variaciones que indican el grado de afectacin multitemporal presente en
la zona de estudio.

REFERENCIAS
1. Orozco, S. (2011). ELABORACIN DE UN PLAN DE MANEJO DE SUELOS, EN
LAS COMUNIDADES DE CALERITA SANTA ROSA Y SHOBOL LLIN LLIN,
PARROQUIA

SAN

JUAN,

CANTN

RIOBAMBA.

PRESENTADO

COMO

REQUISISTO PARA OBTENER EL TITULO DE INGENIERA FORESTAL. Riobamba,

Chimborazo, Ecuador: ESCUELA SUPERIOR POLITECNICA DE CHIMBORAZO.
2. dpa.gov.ar. (6 de Mayo de 2011). NDICE DE VEGETACIN DIFERENCIAL
NORMALIZADO (NDVI). Obtenido de http://www.dpa.gov.ar/clima/informes/NDVI.pdf

3. QUIMIAG,

G.

TERRITORIAL.

A.

(2015).

Recuperado

PLAN
el

DE
24

DESARROLLO
de

Julio

ORDENAMIENTO
de

2016,

de

http://app.sni.gob.ec/visorseguimiento/DescargaGAD/data/sigadplusdiagnostico/0660821
990001_Diagnostico_24-06-2015_22-18-04.pdf
4. SINGH, A. 1989. Review Article Digital change detection techniques using remotelysensed data. International Journal of Remote Sensing, v.10, n.6, p.989-1003.
5. SANTANA, O.A.; CARVALHO JNIOR, O.A..; PIMETNEL, C.M.M.; GOMES, R.AT.;
OLIVEIRA, S.N. 2010. Modelagem de espectros temporais NDVI-MODIS, no perodo
de 2000 a 2008, na bacia do rio Paracatu, Brasil. Revista Brasilera de Geografa, v.28, n.1,
p.47-60.
6. SANTOS, J.C. 2007 .Extrao de atributos de forma e seleo de atributos usando
algoritmos genticos para classificao de reges. Tesis de maestra. Instituto Nacional
de Pesquisas Espaciais (INPE), Brasil, p.1-102.
7. BLASCHKE, T. 2010. Object based image analysis for remote sensing. Journal of
Photogrammetry and Remote Sensing, v.65, n.1, p.2-16.
8. GAMANYA, R.; DE MAEYER, P.; DE DAPPER, M. 2009. Object-oriented change
detection for the city of Harare, Zimbabwe. Expert Systems with Applications, v.36, n. 1,
p.571-588.
9. MACEDO-CRUZ, A.; PAJARES-MSRTINSANZ, G.; SANTOS-PENAS, M. 2010.
Clasificacin no supervisada con imgenes a color de cobertura terrestre. Agrociencia,
v.44, n.6, p.711-722.
10. LANG, R., SHAO, G.; PIJANOWSKI, B.C.; FARNSWORTH, R.L. 2008. Optimizing
unsupervised classifications of remotely sensed imagery with a data - assisted labeling
approach. Computers and Geosciences, v.34, n.12, p.1877-1885.