Ingenierı́a Catastral y Geodesia

Uso y Cobertura a Partir de Imagen de

Radar de la zona suroccidental de Bogotá
(y otros municipios de Cundinamarca)
Trabajo no. 1

por

Nicolás Córdoba Castelblanco

20151025087

Joan Sebastian Diaz Gomez

20151025049

Resumen (La interpretación de las imágenes de radar es muy diferente a la usada

para las imágenes capturadas con sensores ópticos, por ejemplo, es necesario tener
en cuenta el patron y la textura que hay en dichas imágenes para poder distinguir,
en este tipo de imágenes, una región de otra. En este trabajo, se hará (en el software
PCIGeomatics) la elección del filtro que mejor facilite la diferenciación las regiones
en la imagen, después se hará una clasificación supervisada en ArcGIS siguiendo la
metodologı́a del sistema de clasificación CIAF, finalmente se describirá si la imagen
permite hacer clasificaciones de nivel superior.)

025–63
Sistemas de Radar (3 créditos)
Mayo, 2019
Profesor: Mgtr. José Luis Herrera Escorcia
Índice general

1. Introducción 5
1.1. Teorı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1. Descripción de la Zona . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Métodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2. Teorı́a 6
2.1. Satélites ERS–1 y ERS–2 . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2. Radar de Apertura Sintética (SAR) . . . . . . . . . . . . . . . . . . . 7
2.3. Interpretación de las Imágenes de Radar . . . . . . . . . . . . . . . . 8
2.4. Speckle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4.1. SAR Image Multi–Look Processing . . . . . . . . . . . . . . . 9
2.4.2. Técnicas de Filtrado . . . . . . . . . . . . . . . . . . . . . . . 9
2.5. Sistema de Clasificación CIAF (Cobertura y Uso de la Tierra) . . . . 10

3. Descripción de la Zona 11
3.1. Bogotá . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.1.1. Posición Geográfica y Descripción . . . . . . . . . . . . . . . . 12
3.2. Soacha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3. Mosquera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.4. Bojacá . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.5. Madrid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.6. San Antonio del Tequendama . . . . . . . . . . . . . . . . . . . . . . 14

4. Datos 16
4.1. Imagen de radar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.2. PCI Geomatics y ArcGIS . . . . . . . . . . . . . . . . . . . . . . . . . 16

5. Métodos 18
5.1. Imagen de radar escogida . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.2. Filtración de la imagen de radar para reducir el ruido sistémico . . . 19
5.3. Cálculo del Histograma . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5.4. Rescalización de la Imagen . . . . . . . . . . . . . . . . . . . . . . . . 20
5.5. Digitalización de unidades de Uso y Cobertura . . . . . . . . . . . . . 21
5.6. Caracterı́sticas Pictórico–Morfológicas . . . . . . . . . . . . . . . . . . 23
5.7. La imagen ERS-1 permite llegar al segundo y tercer nivel de CIAF . . 26
5.8. Composición Multitemporal a Color . . . . . . . . . . . . . . . . . . . 27

2
Índice de figuras

3.1. Zona de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3.2. Imagen de Radar de antena de apertura sintética . . . . . . . . . . . 11

5.1. Imagen de radar escogida . . . . . . . . . . . . . . . . . . . . . . . . 18

5.2. Filtro Frost 9 ∗ 9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5.3. Histograma del filtro . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5.4. Imagen rescalada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5.5. Unidades de Uso y Cobertura . . . . . . . . . . . . . . . . . . . . . . 21
5.6. Mapa de Uso y Cobertura . . . . . . . . . . . . . . . . . . . . . . . . 22
5.7. Elementos de segundo y tercer nivel . . . . . . . . . . . . . . . . . . . 26
5.8. Composición falso color multitemporal . . . . . . . . . . . . . . . . . 27
5.9. Análisis multitemporal del rı́o Bogotá . . . . . . . . . . . . . . . . . 28
5.10. Análisis multitemporal del crecimiento del área urbana de Bogotá . . 28
5.11. Análisis multitemporal del crecimiento del área urbana de Bogotá . . 29
5.12. Análisis multitemporal de los cerros surorientales de Bogotá . . . . . 29
5.13. Análisis multitemporal de los cerros surorientales de Bogotá . . . . . 30
5.14. Cultivos temporales . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

3
Índice de cuadros

2.1. Caracterı́sticas de ERS 1 y 2 (CREPAD, 2015) . . . . . . . . . . . . . 7

2.2. Caracterı́sticas Pictorico-Morfológicas . . . . . . . . . . . . . . . . . . 8
2.3. CIAF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

5.1. Caracterı́sticas Pictorico-Morfológicas de las zona de Uso y Cobertura 24

5.2. Área y cantidad de zonas . . . . . . . . . . . . . . . . . . . . . . . . . 25

4
Capı́tulo 1

Introducción

(En esta introducción se proporcionará al lector una breve descripción acerca de

cada capı́tulo de este documento en el que se explica y se muestra gráficamente el
proceso necesario para hacer una clasificación supervisada (con enfoque a la creación
de un mapa de Uso y Cobertura) teniendo como insumo a una imagen de radar
obtenida por un SAR, entre otras consideraciones.)

1.1. Teorı́a
En este capı́tulo se explican los parámetros teóricos necesarios para la compren-
sión y desarrollo de este proyecto, ası́ explicándose brevemente consideraciones gene-
rales acerca de: los satélites ERS-1 y ERS-2, el radar de apertura sintética (SAR), la
metodologı́a para la interpretación de las imágenes de radar, el fenómeno del Speckle
y dos formas de mitigarlo, y el sistema de clasificación CIAF.

1.1.1. Descripción de la Zona

En este capı́tulo se muestran ilustraciones (archivo kml e imagen de radar) que
permiten entender la posición de la imagen de radar en el territorio. Además se
hace una breve descripción fisiográfica acerca de las regiones que abarca la imagen
de radar de estudio, entre dichas regiones esta: Bogotá, Soacha, Mosquera, Bojacá,
Madrid y San Antonio del Tequendama.

1.2. Datos
El capı́tulo describe de una manera general y básica los datos que hay en una
imagen de radar, y el software necesario para realizar el trabajo.

1.3. Métodos
Este es el capı́tulo central del trabajo, en el que se muestra todo el desarrollo
metodológico para: escoger la imagen de radar y el método de edición (usando PCI
Geomatics) necesario para poder visualizar y diferenciar regiones; digitalizar las
zonas de Uso y Cobertura (usando la imagen de radar editada y con la ayuda de
ArcGis) siguiendo parámetros como las caracterı́sticas Pictorico–Morfológicas.

5
Capı́tulo 2

Teorı́a

Bajo la dirección de la Agencia Espacial Europea (ESA), se lanzaron los satéli-

tes ERS–1 y ERS–2, aclárese que estos satélites fueron construidos por industria
Europea. El primero de este par de satélites fue lanzado en 1991, el segundo, en
1995.

2.1. Satélites ERS–1 y ERS–2

Este par de satélites está dotado por un sistema activo de microondas que ob-
tiene datos atravesando gruesas masas de nubes, además, gracias a que emite su
propia energı́a, es capaz de captar información durante el tiempo nocturno de la
región objetivo. Cada uno de estos dos satélites cuenta también con un difusómetro
que mide la dirección y la velocidad del viento sobre los océanos, por su parte, el
altı́metro es capaz de medir la altura de las olas. El instrumento insignia de estos
satélites es el radar de apertura sintética (SAR) obtiene imágenes de la superficie
terrestre, estas imágnes generalmente se usan para confeccionar mapas. La diferen-
cia de los sensores ópticos (o infrarrojos) y este sistema, es la interpretación de sus
productos, sus imágenes. Las imágenes captadas por un SAR no muestran colores,
en cambio, proporcionan datos acerca de la rugosidad de la superficie. (ESA, 2011)
El instrumento SAR de los satélites ERS, sólo puede durante catorce minutos en
cada órbita de 100 minutos. Las imágenes solo pueden ser adquiridas en zonas donde
los datos pueden ser transmitidos en tiempo real a una estación de recepción, en
Bolovı́a hay dos estaciones de recepción, en Brazil existe una en Cuiaba y en Ecua-
dor en la región de Cotopaxi. (Beaulieu et al., 1994) En la tabla 2.1 se mostrarán
algunas caracterı́sticas de este satélite. Téngase en cuenta que por su alto consumo
de energı́a.

6
 Cuadro 2.1: Caracterı́sticas de ERS 1 y 2 (CREPAD, 2015)

2.2. Radar de Apertura Sintética (SAR)

Los Sistemas de Radar de Apertura Sintética son capaces de proporcionar imáge-
nes de microondas de alta resolución. Gracias a la propiedad de estas ondas (mayor
longitud de onda que la radiación visible e infrarroja: entre 1 cm y 1 m), la energı́a
emitida por un SAR es capaz de atravesar nubes, niebla, cobertura aérea de cenizas
o polvo (en caso de la erupción de un volcán o un edificio derrumbado). La propiedad
nombrada antes proporciona una capacidad de captación de imágenes en cualquier
condicion climática o ambiental, no obstante, algunas perturbaciones atmosféricas
pueden afectar tanto la amplitud como la fase de una imagen SAR. (Sansosti et al.,
2015)
El algoritmo de procesamiento para Sistemas SAR es conocido como algoritmo
de imágenes rectangulares, el accionar de este algoritmo hace que a medida que el
radar se mueve a lo largo de su trayectoria de vuelo, transmite pulsos de energı́a
con una frecuencia conocida como frecuencia de repetición de pusos. El eco de cada
pulso emitido recibido es digitalizado y almacenado en una columna de una gran

7
matriz. (Zyl and Njoku, 2014)

2.3. Interpretación de las Imágenes de Radar

Los objetos observados en las imágenes de radar a menudo se ven absolutamente
diferentes de los mismos objetos en las imágenes ópticas, porque las caracterı́sticas
de dispersión de la señal de radio y la luz solar de los elementos del objeto mapeado
pueden diferir sustancialmente. (Zakharova et al., 2011)
Para interpretar adecuadamente una imagen de radar es necesario tener un co-
nocimiento previo acerca de las siguientes variables. (Escorcia, 2019)
Potencia emitida y potencia recibida por la antena
Ángulo de depresión y de incidencia
Tiempo del pulso
Velocidad y altura de la plataforma
Longitud de onda de la energı́a emitida
Tamaño de la antena
Geometrı́a de toma (rango cercano y lejano)
Rango en terreno e inclinado
Resolución en rango y azimut
Tipo de relieve
Coberturas tipo
Ruido sistémico
Para separar regiones, es necesario conocer las caracterı́sticas pictórico–morfológi-
cas. En la siguiente tabla se describirán los casos de dichas caracterı́sticas. (Escorcia,
2019)

Caracterı́stica Variable
Forma Lineal, rectangular, cuadrada, triangular,
cilı́ndrica, elipsoidal e irregular
Tamaño (escala: que permite Pequeño, mediano o grande
definir el área mı́nima de mapeo)
Textura Muy fina, fina, media, gruesa y muy gruesa
Patrón Drenaje, vial
Sombras Existen o no
Densidad (de un elemento Alta, media, baja, nula
por unidad de área)
Contexto Espacial Vecindad o contigüidad
Cuadro 2.2: Caracterı́sticas Pictorico-Morfológicas

Abajo serán descritas las caracterı́sticas Pictorico-Morfológicas. (Arenas, 2014)

8
 Forma: rasgos que son inherentes a los objetos y que permiten su identificación
en la imagen

Tamaño: determinado por la medida de un objeto y permite al intérprete

reducir de su consideración gran parte de las posibilidades de identificación de
los diferentes elementos

Sombras: región o espacio de ausenciade luz la cual no llega a la región porque

es obstaculizada por un objeto, puede ayudar al intérprete a juzgar el tamaño
y la forma de un elemento, además de brindar la sensación de profundidad

Tono y color: el tono se define como los grados de variación de gris que existe
entre el engro y el blanco, el color es una percepción visual del cerebro a través
de información recibida por el ojo

Patrón: es un arreglo espacial de un conjunto de objetos o asociaciones de

objetos similares, acı́ como la repetición sistemática de formas

Textura: definida como una técnica de interpretación de imágenes y que se re-

fiere a la repetición de tonos en grupos de objetos que son demasiado pequeños
para ser discriminados individualmente

Asociación: permite la identificación de un elemento a partir de otros elementos

ya sean naturales o culturales, o accidentes geográficos relacionados

2.4. Speckle
El sistema SAR puede penetrar en las nubes, y operar dı́a y noche, produciendo
imágenes con alta resolución, es por ello que tiene un uso importante en la construc-
ción de la economı́a y la defensa de las naciones. Pero el speckle (moteo) presente en
las imágenes SAR, no permite obtener un buen resultado del análisis de la imagen
con los métodos de análisis tradicionales, por lo tanto, es necesario estudiar métodos
para analizar imágenes de radar SAR con speckle. (de Souza et al., 2006)
Existen dos métodos para reducir el speckle

2.4.1. SAR Image Multi–Look Processing

Se hace mediante un suma de las L vistas (looks) independientes del mismo
punto obtenidas con sub–aperturas, luego se calcula el promedio de las mediciones
diviendo la apertura sintética entre las sub–aperturas. (Lopes et al., 1992)

2.4.2. Técnicas de Filtrado

Los filtros usados para reducir el speckle tienen buenos resultados para suavizar
tal fenómeno de las imágenes, aunque las imágenes resultantes pierden resolución
espacial y radiométrica. Por lot tanto, esta técnica es eficiente cuando se van a hacer
interpretaciones a gran escala en donde los detalles pueden ser ignorados. (Herranz
and Tita, 2012)

9
2.5. Sistema de Clasificación CIAF (Cobertura y
Uso de la Tierra)
Este sistema de clasificación representa un nivel jerárquico cuyos niveles de de-
talle se basan en estudios muy generales. Gracias a lo anterior, es posible generar
un gran número de formas de agrupación y criterior de clasificación diversos, sin
embargo, este sistema es inconsistente en levantamientos cartográficos de mayor de-
talle. (Gamez, 1992) A continuación, se mostrará una tabla que muestra una visión
general (hasta el segundo nivel de detalle porque no se espera llegar a un mejor
detalle dado que la resolución espacial de la imagen de radar no lo permite) de este
sistema de clasificación.

1◦ Nivel exploratorio 2◦ Nivel reconocimiento

a. Urbano
1. Construcciones
b. Rural
a. Perennes o semiperennes
2. Cultivos y parcelas b. Temporales
c. Confinados
a. Pastizales naturales
3. Vegetación herbácea descubierta b. Potreros o dehesas
c. Tundras o páramos
a. Natural
4. Bosques y/o montes
b. Plantado
a. Superficies libres
5. Cuerpos de agua
b. Pantanos
a. Rocas expuestas
6. Tierras eriales
b. Suelo desnudo
Cuadro 2.3: CIAF

10
Capı́tulo 3

Descripción de la Zona

La zona en la que se desarrollará este trabajo de investigación (área de la ima-

gen satelital, de radar de apertura sintética, G11 ) es comprendida por las regiones
descritas en esta sección en las siguientes sub-secciones.

Figura 3.1: Zona de estudio

Figura 3.2: Imagen de Radar de antena de apertura sintética

11
3.1. Bogotá
Las zonas de la ciudad de Bogotá que abarca la imagen satelital son las localida-
des de: Bosa, Ciudad Bolı́var, San Cristobal, La Candelaria, Puenta Aranda, Bosa,
Teusaquillo, Kennedy y Fontibón. A continuación, se hará una descripción de las
variables geográficas y fı́sicas de esta ciudad.

3.1.1. Posición Geográfica y Descripción

Bogotá está en la región geográfica central de Colombia y en la cuenca alta del
rı́o Bogotá, su área total es de 1775 km2 , sus limites se denotan ası́: por el norte con
Chı́a, por el oriente con los cerros orientales, La Calera, Choachı́, Ubaque, Chipaque,
Une y Gutiérrez, por el sur con Meta y Huila, por el occidente con el rı́o Bogotá,
Cabrera, Venecia, San Bernardo, Arbeláez, Pasca, Sibaté, Soacha, Mosquera, Funza
y Cota; su posición geográfica es la siguiente: 4◦ 350 56,5700 N y 74◦ 040 51,3000 W; la
altura media snmm es de 2630 m. El 75 % de su suelo es rural, el 23 % es de tipo
urbano y el 2 % es de expansión urbana. Del suelo urbano, 88.8 % es suelo ubanizado
y 11.2 % es suelo por desarrollar.
En el municipio de Bogotá, existen aguas superficiales y subterráneas que pro-
ceden de la cuenca del rı́o Bogotá (que nace en el municipio de Villapinzón). La
cuenca del rı́o Bogotá, tiene un área total de 4321 km2 y 15 subcuencas. En la lo-
calidad de Samapaz, la oferta hı́drica es ofrecida por la cuenca del rio Sumapaz y
el rı́o Tunjuelito. Varias corrientes hı́dricas se originan en los cerros orientales de la
ciudad, como las quebradas: Torca, Novita, La Floresta, La Cita y la Chorrera. (SH,
b)
El temperatura de esta ciudad responde a un régimen isotérmico, con una tem-
peratura media de 14◦ C. Una distribución bimodal sigue su precipitación, con dos
periodos de valores máximos relativos, dos me mı́nimos relativos. (SH, a)

3.2. Soacha
Soacha tiene la mayor población de la cuenca alta del rı́o Bogotá, además perte-
nece a la subcuenca del rı́o Soacha. Limita al norte con Bojacá y Mosquera; al sur
con Sibaté y Pasca; al oriente con Bogotá y al occidente con Granada y San Anto-
nio de Tequendama. En Soacha convergen distintos distritos geográficos y distintas
zonas de vida, ya que dentro del municipio confluyen el distrito biogegráfico andino
oriental, el distrito biogeográfico de páramos de la Cordillera Oriental y el distrito
biogeográfico selvas nubladas occidentales de la cordillera Oriental.
Los suelos rurales se dedican mayormente a la industrı́a extractivista, el suelo
urbano es de 18.6 %: donde el 85 % de este tipo de suelo nombrado está destinado
al uso residencial y mixto, 10 % a industrial y el 5 % a otras actividades. (Garzón,
2015)
La temperatura de este municipio oscila entre 23◦ C y 8◦ C y su precipitación
media anual es de 698 mm, como Bogotá, su precipitación sigue una distribución
binomial.

12
3.3. Mosquera
El municipio de Mosquera está localizado a 4◦ 420 2800 N y 74◦ 130 5800 W, en la
región natural del altiplano cundinamarquéz formado por la Sabana de Bogotá, a
2546 msnmm y a 23 km de la ciudad de Bogotá. Su temperatura media es de 14◦
C. Este municipio tiene los siguientes limites: al norte con Madrid y Funza, al sur
con Soacha, con Bojacá por el occidente y con Bogotá por el oriente. De su área
total de 107 km2 , 3638 ha son conformadas por una zona montañosa (en esta zona
sobresalen los cerros de La Herrera, Las Canteras, Los Antes, Mondoñedo, La Piedra
de Fierro y El Gordo) con relieve ondulado que alcanza alturas de 2800 msnmm, esta
región está compuesta por valles intermontañosos y depresiones semicerradas con
drenajes internos extremadamente erosionados; las hectáreas restantes son planas
y hacen parte de la zona lacustre marginal de Bogotá, esta zona lacustre es un
fondo lacustre conformado por una franja de terrazas lacustres con inclinación muy
baja y la atraviesan arroyos de poca profundidad. En la zona plana descrita antes,
se encuentran los principales asentamientos urbanos del municipio y las áreas de
explotación agrı́cola (que son afecatadas por el distrito de riego y drenaje de La
Ramada).
El clima de Mosquera oscila entre 0◦ C y 18◦ , su temperatura media es de 14◦ C.
Las lluvias que caen en esta región son erosivos con intensidades con más de 10 mm
por hora.

3.4. Bojacá
El municipio de Bojacá tiene una extensión de 10400 hectáreas y está ubicado
en la Provincia de Sabana Occidente del Departamento de Cundinamarca, a los
4◦ 440 0500 N y 74◦ 200 4200 W. Está ubicado 2598 msnmm, con una temperatura media
de 14◦ C tiene una precipitación anual media de 750 mm. Se encuentra a 40 km de
la ciudad de Bogotá. Sus lı́mites son: por el norte con Zipacón, Madrid y Facatativa;
por el oriente con Madrid y Mosquera; por el sur con Soacha y San Antonio del
Tequendama; por el occidente con Tena, La Mesa y Zipacón. (AMB, 2008)
La hidrografı́a de este municipio comprende a las cuencas de los rı́os Bojacá
y Apulo, además de estas cuencas, su hidrografı́a comprende a las quebradas de
Coloncio, Santa Rosa, El Obispo y la Reforma que alimentan a la subcuenca de la
quebrada Honda que desemboca en el rı́o Bogotá. (AMB, 2008)

3.5. Madrid
El municipio de Madrid está localizado sobre la cordillera oriental y el altiplano
Cundiboyacense, su casco urbano se encuentra a 2554 m.s.n.m. y a 28 Km. de la
ciudad de Bogotá; es atravesado por el rı́o Subachoque que entra al municipio desde
la vereda la cuesta (al norte del municipio), cruzando por el perı́metro urbano hacia
el municipio de Mosquera por el sector oriental y por Bojacá desde la vereda el corzo
colindado con las veredas Potrero Grande y la Estancia, que se unen y forman la
laguna de la Herrera en el municipio de Mosquera. Se encuentra al occidente del
Distrito Capital y del Rı́o Bogotá. (Villa, 2012)
Los lı́mites del municipio se describirán a continuación: al norte con Subachoque

13
en una distancia de 2.3 km y con el municipio del Rosal en una distancia de 6.6
km; al noroccidente con el municipio de Facatativá en una distancia de 16.2 km;
al suroccidente con el municipio de Bojacá en una distancia de 8.5 km; al sur con
el municipio de Mosquera en una distancia de 8.5 km; al oriente con el municipio
de Funza en una distanciade 8.9 km; al nororiente con el municipio de Tenjo en
una distancia de 9.8 km. En este municipio hay 2187 hectáreas destinadas al uso
agrı́cola. (Villa, 2012)
Dos rı́os llegan al Municipio de Madrid, el rı́o Subachoque y el rı́o Bojacá; de
la unión de los mencionados antes nace el rı́o Balsillas, que recorre unos 8 kilóme-
tros hasta desembocar en el rı́o Bogotá. El municipio tiene sectores en las siguien-
tes cuencas: cuenca Hidrográfica rı́o Chicu; cuenca hidrográfica sector Tibito; salto
Tequendama; y cuenca hidrográfica rı́o Balsillas. A la subcuenca hidrográfica rı́o
Subachoque pertenece el 70 % del Municipio. La cuenca hidrográfica del rı́o Subacho-
que incluye casi toda el área del Municipio de Madrid. El rı́o drena un área de 450
kilómetros cuadrados; en su nacimiento a una altura de 3.700 metros sobre el nivel
del mar, riega áreas quebradas, para después correr sobre tierras planas y unirse al
rı́o Bojacá. (Villa, 2012)

3.6. San Antonio del Tequendama

La cabecera municipal se encuentra a 1540 metros snmm, la parte más alta co-
rresponde a los lı́mites con el municipio de Soacha con una altitud de 2400 msnmm,
y la cota mı́nima se encuentra en los lı́mites con los Municipios de Tena y el Colegio
con una altitud de 1100 msnm. El municipio de San Antonio del Tequendama hace
parte de la Región del Tequendama, Departamento de Cundinamarca. San Antonio
del Tequendama, pertenece a la cordillera oriental, por lo que la mayor parte de
su territorio es quebrado, con una topografı́a plana del 10 %, ondulada 25 % y que-
brada el 65 %, cuenta con una extensión territorial de 8200 Has de las cuales 8188
corresponden a zona rural y 12 a zona urbana. Las principales formas fisiográficas
observadas, son las cimas, lomas y valles. Las cimas se ubican principalmente sobre
el escarpe en los estratos planos que forman un cordón a lo largo del escarpe, estas
cimas también se presentan en algunas colinas como la del Alto del Indo. Las lomas
son la forma de la tierra más frecuente en el municipio y se ubican en toda la parte
alta del mismo, en los sectores del escarpe que presentan las más altas pendientes
y van formando los resaltos que entallan los valles de las distintas quebradas que
tienen origen en el municipio. El fondo de los valles presentan topografı́as planas
que se ubicadas principalmente en las veredas de Cubsio, Chicaque y Lagunagran-
de.(AMSAT, 2012)
En relación con el clima San Antonio del Tequendama presenta una precipitación
que varı́a entre 900 y 1700 mm anuales, siendo su precipitación media anual 1500
mm. El régimen de lluvias es de carácter bimodal caracterizado por la presencia
de 2 periodos lluviosos al año uno en cada semestre abril — junio y octubre — di-
ciembre, los periodos secos corresponden de enero — marzo y de Julio – septiembre.
Teniendo en cuenta lo anterior es importante considerar que los bosque nublados
aumentan la precipitación neta, muestran bajas tasas de evapotranspiración y re-
gulan el régimen hı́drico, es por esto que el sector del DMI peñas blancas presenta
una mayor regularidad en las lluvias manteniendo estable la oferta hı́drica de cada
una de las micro cuencas de este sector. San Antonio del Tequendama cuenta con

14
los tres pisos térmicos clima frı́o (2405 Has), clima medio (3788 Has) y clima cálido
(2007 Has), las temperaturas medias varı́an entre 22,0◦ C y 25,1◦ C; las temperatu-
ras máximas varı́an entre 25◦ C y 27,5◦ C; las temperaturas mı́nimas fluctúan entre
20,4◦ C a 23,2◦ C. Su temperatura media es de 20◦ C. (AMSAT, 2012)

15
Capı́tulo 4

Datos

En este capı́tulo se describirán los datos e insumos necesarios para desarrollar una
clasificación supervisada, enfocada en la creación de un mapa de uso y cobertura,
en una imagen de radar tomada por un sistema SAR del satélite ERS-1.
1. Imagen de radar
2. Softwares PCI Geomatics y ArcGIS
3. Determinaciones necesarias para diferenciar regiones en la imagen usando las
caracterı́sticas de la imagen.

4.1. Imagen de radar

La imagen cuyo estudio será descrito en este documento, es una configuración
bidimensional de datos obtenidos por un sistema SAR (Banda C: 5.3 GHz) de las
regiones que ya fueron descritas antes. Estos datos son el producto de transmitir
y recibir radiación electromagnética polarizada usando el sistema SAR. Los ima-
gen creada con los datos obtenidos con SAR, como ya se ha escrito, necesita un
tratamiento previo antes de poder utilizarla para procesos cartográficos.

4.2. PCI Geomatics y ArcGIS

PCI Geomatics
Este software cuenta con las herramientas necesarias para el desarrollo de la fo-
togramertı́a digital, el análisis de imágenes, la producción de mapas, la creación
de mosaicos, entre otros. Esta diseñado especı́ficamente para proporcionar he-
rramientas especializadas para procesar datos de radar en un entorno estándar
de sensores remotos o SIG. (PCIGeomatics, 2019a) Las herramientas de ra-
dar de PCI Geomatics hacen que sea posible imágenes de radar con imágenes
capturadas por sensores ópticos y de microondas, ası́ como datos vectoriales
para maximizar la utilidad de la información. (PCIGeomatics, 2019b) Con este
software se aplicaron los filtros en la imagen de radar. Analizando de manera
visual las imágenes que resultaron después de haber aplicado los filtros, y con
la ayuda de los histogramas de dichas imágenes filtradas, se escogió el mejor
filtro para este estudio.

16
ArcGIS
Como se sabe, este software permite una gran cantidad de posibilidades, entre
dichas posibilidades están: análisis de imágenes raster, creación cartográfica,
edición de layers vector, entre otros. Este programa se usó en este trabajo para
hacer el mapa de uso y cobertura usando la imagen de radar ya filtrada en
PCI Geomatics.

17
Capı́tulo 5

Métodos

En este capı́tulo se describirá la metodologı́a ejecutada para: filtrar la imagen

de radar y escoger el filtro adecuado; calcular el histograma para el canal que con-
tiene a imagen con filtro; transformar la imagen ya filtrada de 16 bits a 8 bits,
digitalización de las unidades de uso y cobertura de la imagen exportada (.tif);
explicar caracterı́sticas Pictórico–Morfológicas de cada unidad de uso y cobertura;
argumentación para determinar si la imagen ERS1 permite llegar a segundo nivel
de clasificación CIAF; realizar una composición a color, para el cañón rojo, verde y
azul.

5.1. Imagen de radar escogida

Figura 5.1: Imagen de radar escogida

La imagen de radar elegida para este estudio es la capturada el 11 de Agosto de

1993. Se eligió esta imagen dado que tiene una gama de grises más amplia que las
otras, y es más fácil con ella diferenciar distribuciones espaciales en las áreas con
cultivos, cuerpos de agua, montañas y construcciones.

18
5.2. Filtración de la imagen de radar para reducir
el ruido sistémico
A continuación, mostrará la imagen con el filtro escogido para este trabajo y se
explicará la razon por la cual se escogió.

Figura 5.2: Filtro Frost 9 ∗ 9

Nótese que la imagen filtrada con el filtro Frost 9 ∗ 9 permite una clasificación de
primer nivel CIAF, esto es ası́ porque se reduce el ruido en la imagen y la resolución
espacial no se reduce de una forma considerable, además, el contraste entre los grises
de la imagen, aumenta. Es un resultado que elimina por completo el ruido, resaltando
la información útil para este taller, es posible visualizar las áreas de construcciones
con una respuesta brillante, se distinguen bastante bien de los terrenos parcelados,
que a su vez se distinguen de las montañas y cuerpos de agua. Lo mas importante
es que se distingue con un buen nivel de detalle el cause meándrico del rı́o Bogotá.
Los filtros descartados, fueron: Frost 3 ∗ 3, Kuan 5 ∗ 5, Gamma 3 ∗ 3, Lee 3 ∗ 3 y
Frost 5 ∗ 5.

5.3. Cálculo del Histograma

El filtro que se seleccionó, como se sabe, fue el Frost 9 ∗ 9. En la siguiente página,
se mostrará su histograma y se hará una breve descripción de este. Nótese que el
histograma de la imagen filtrada es asimétrico hacia la derecha, esto es ası́ porque
hay pı́xeles o datos con números bajos. Como este comportamiento es asimétrico,
es evidente que los datos de la imagen no siguien una distribucion normal. El his-
tograma nos muestra que la imagen de radar esta entre los valores de 39 y 918, lo
cual indica que tiene un rango de 879 valores de pixel, al hacer la exportación a bits
se espera que la calidad radiométrica no se vea muy afectada.

19
 Figura 5.3: Histograma del filtro

5.4. Rescalización de la Imagen

A continuación, se mostrará la imagen de radar rescalada, los niveles digitales
de la imagen de 16 bits pasan a ser de 8 bits, este proceeso se llevó efectuó con la
herramienta SCALE de PCI Geomatics.

Figura 5.4: Imagen rescalada

La figura 5.4 es el resultado que se obtiene luego de exportar la imagen rescalada

a 8 bits en PCI, como se puede apreciar, en general, todos los elementos espaciales
discriminados en la imagen de radar sufrieron un leve aclaramiento, hecho que facilita
en cierta medida la digitalización ya que homogeniza las regiones y las heterogeniza
con respecto a otras regiones.

20
5.5. Digitalización de unidades de Uso y Cober-
tura
Esta vez, como la resolución espacial de la imagen de radar es muy baja, es
decir, que no se pueden discernir objetos pequeños en ella, tan sólo se pudo llegar
al primer nivel de la clasificación CIAF. Una vez exportada la imagen de radar
filtrada y rescalada, en formato tif, se digitalizaron las unidades de Uso y Cobertura
en ArcGIS. Abajo se mostrarán las unidades que se observaron en el paisaje de la
imagen.

Figura 5.5: Unidades de Uso y Cobertura

Con el fin de garantizar un adecuado modelamiento de la realidad, se hizo uso

de las herramientas de análisis espacial de ArcGIS (erase, Symetrical Diference,
Intersection, entre otras). Para lograr la digitalización del rı́o Bogota, en primer
lugar, se digitalizaron sus bordes en un shapefile de tipo lı́nea, que luego, con la
herramienta feature to polygon se transformaron en polı́gono como lo especificaban
las condiciones.
El resultado de la digitalización de las unidades de uso y cobertura el mapa
expresado en la figura 5.5, que aparece en la siguiente página.

21
Figura 5.6: Mapa de Uso y Cobertura

22
5.6. Caracterı́sticas Pictórico–Morfológicas
Las caracterı́sticas Pictórico–Morfológicas de una imagen satelital o fotografı́a
aérea, son importantes para poder identificar objetos y diferenciarlos de los demás
presentes en el paisaje de la escena. Estas caracterı́sticas son (como ya se explicó en
la tabla 2.2): forma, tamaño, patrones, sombras, tono y color, textura, asociación y
ubicación.

Construcciones
Tono Forma Tamaño Textura Patrón Somb Densd. Obsv.
Fragmenta-
do por ca-
lles y carre-
ras, rodeado
1.1 2.1 3.1 4.2 5.1 No 130.95
de parcelas
al sur y mon-
tes al oriente,
nucleado
Cultivos y parcelas
Fragmenta-
do rectan-
gularmente,
rodeado de
1.3, 1.4 2.1 3.2 4.3 5.2 No 9.78 montes, nu-
cleado, con-
tiguo al rı́o
Bogota al
norte.
Vegetación herbácea
Rodeado
de constru-
cciones, dis-
perso, siem-
pre presente
1.3 2.3 3.2 4.4 5.4 No 0.01
cuando hay
vegetación
dentro del
casco urba-
no

23
Bosques y montes
Tono Forma Tamaño Textura Patrón Somb Densd. Obsv.
Contiguo a
construcci-
ones y par-
celas, nu-
cleado en
1.4 2.3 3.3 4.5 5.4 Sı́ 0.01 los lı́mites
de la imagen,
siempre pre-
sente en al-
tas pendien-
tes
Cuerpos de agua
Elemento
unitario,
longitudinal,
meándrico
1.5 2.2 3.1 4.1 5.3 No 0.002 contiguo a
cultivos y a
una parte
del casco ur-
bano
Tierras eriales
Disperso,
contiguo al
casco urba-
no al oriente,
1.2 2.3 3.1 4.3 5.4 NO 0.02 presente en-
tre los mon-
tes y las
construccio-
nes
Sombras
Nucleado
en relacion
con las altas
pendientes
de los montes,
1.5 2.3 3.2 4.4 5.4 SÍ 0.01
siempre pre-
sente opuesto
al sensor en
las altas pen-
dientes
Cuadro 5.1: Caracterı́sticas Pictorico-Morfológicas de las zona de Uso y Cobertura

24
 Donde,

Tono Forma Tamaño Textura Patrón

Rec-
Blan- Peque- Muy
1.1 tangu- 2.1 3.1 4.1 Malla 5.1
co ño fina
lar
Gris Me- Parce-
1.2 Lineal 2.2 3.2 Fina 4.2 5.2
claro diano lario
Gran- Meán-
Gris 1.3 3.3 Media 4.3 5.3
de drico
Gris
oscu- 1.4 Gruesa 4.4 N/A 5.4
ro
Muy
Negro 1.5 4.5
gruesa

En la tabla que será mostrada a continuación, se presenta el área (medida en

Google Earth Pro) y cantidad de cada una de las zonas de Uso y Cobertura.

Área # de elementos Área # de elementos

Casco urbano Cuerpos de agua
2.94 km2 385 390 km2 1
Cultivos y parcelas Tierras eriales
3.68 km2 36 390 m2 10
Vegetación herbácea Sombras
390 m2 4 390 m2 5
Bosques y/o montes
0.1 km2 145
Cuadro 5.2: Área y cantidad de zonas

25
5.7. La imagen ERS-1 permite llegar al segundo
y tercer nivel de CIAF
Con la imagen de radar proporcionada es posible distinguir elementos propios
del segundo y tercer nivel de la clasificación CIAF, en el caso de las áreas urbanas.
Nótese que es posible distinguir con claridad la Avenida de las Américas, los parques
Simón Bolı́var y de Los Novios, la Universidad Nacional y parte del aeropuerto
Internacional del Dorado.

(a) Avenida de las Américas

(b) Parque Simón Bolı́var (c) Parque de Los Novios

(d) Universidad Nacional (e) Aeropuerto el Dorado

Figura 5.7: Elementos de segundo y tercer nivel

26
5.8. Composición Multitemporal a Color
Uno de los beneficios de las imágenes de radar, es que permiten un análisis mil-
titemporal. La composición en falso color (multitemporal) se consigue mediante la
unión de imágenes recolectadas en distintos momentos en el tiempo. Esta composi-
ción permite la detección de diversos cambios ocurridos en los periodos comprendidos
entre los momentos en los que fueron capturadas dichas imágenes.
Para este trabajo se usaron imágenes captadas por ERS–1 en tres momentos
distintos en el tiempo. A continuación se expondrá un análisis gráfico de los cambios
que ocurrieron a través del tiempo. La configuración de la composición es: para el
cañón rojo, imagen de octubre de 1997, canal 3; para el cañón verde, imagen de
agosto de 1993, canal 2; para el cañón azul, imagen de febrero de 1993, canal 1.

Figura 5.8: Composición falso color multitemporal

La figura 5.8 es la imagen que hace referencia a la composición multiespectral

a falso color creada para un intérvalo de tiempo que está entre febrero de 1993 y
octubre de 1997.
Como es posible apreciar en la figura 5.9, el color del rı́o Bogotá no se ve alterado
luego de la combinación pan sharpening, al no existir un cambio en la reflexión
especular entre los canales, es posible argumentar que dentro del rango de tiempo
de la toma de las imágenes de radar, dicho elemento espacial no cambió su cauce, y
sus variaciones volumétricas no fueron significativas.

27
 Figura 5.9: Análisis multitemporal del rı́o Bogotá

Figura 5.10: Análisis multitemporal del crecimiento del área urbana de Bogotá

En la figura 5.10, las pigmentaciones rojas en áreas aparentemente rurales limı́tro-

fes de la capital, indican una respuesta brillante (caracterı́stica de casco urbano) en
el canal rojo (de 1997). Lo anterior sugiere que hubo un crecimiento urbano de
la ciudad entre 1993 y 1997 hacia el occidente, en una dinámica inmobiliaria que
sustituye un uso del suelo parcelario rural por uno urbano.

28
 Figura 5.11: Análisis multitemporal del crecimiento del área urbana de Bogotá

Nótese que el fenómeno ocurrido en la zona de la figura 5.10 se repite en la zona

suroccidental de la ciudad, como se vio en la figura 5.11.

Figura 5.12: Análisis multitemporal de los cerros surorientales de Bogotá

La pigmentación grisácea, mostrada en la figura 5.12, de la imagen en los montes

del sur oriente del distrito capital sugieren una baja variación de Layover y Forest
Shortening durante el periodo de captura de las imágenes, con dichos fenómenos
estáticos vistos en la imagen se infiere que la estructura geológica y topográfica
del suelo, en esta zona no sufrieron muchas alteraciones conforme al trascurso del
tiempo.

29
 Figura 5.13: Análisis multitemporal de los cerros surorientales de Bogotá

Obsérvese que las coloraciones rojizas mostradas en la figura 5.13, entre las mon-
tañas, son un claro ı́ndice de una respuesta significativamente mas brillante del canal
rojo (imagen capturada en 1997) con respecto a los demás, por la alta pendiente
del terreno, su topografı́a quebrada, y su ubicación aislada de cetros poblados; se
descarta que se trate de un área construida. Esta respuesta de (gris claro/blanco),
es caracterı́stica de una cobertura árida, con lo anterior puede argumentarse que la
zona sufrió probablemente una remoción en masa y por ello perdió su capa vegetal
(esta podrı́a ser la explicación sin embargo harı́a falta una verificación de campo
para asegurarlo).

Figura 5.14: Cultivos temporales

Note, en la figura 5.14, una alta gama de combinaciones de color en las parcelas
respetando su forma, es un claro indicio de que el uso del suelo en estas pequeñas

30
porciones de terreno ha cambiado a lo largo del tiempo. Esto se debe a que un cambio
de uso sugiere un cambio de cobertura y por ende una respuesta diferente detectada
por la antena de radar. Con lo anterior se concluye que dicha área describe una
zona de cultivos temporales. La coloración azul y verde afirma que dicho cambio ha
ocurrido no solo en el lapso de tiempo entre 1993–1997, sino también entre febrero
y agosto de 1993, con esto se puede inferir que, muchas de estas parcelas manejan
cultivos semestrales (caracterı́stica del segundo nivel en la tabla CIAF).

31
Bibliografı́a

AMB. Plan de desarrollo 2008–2011. Technical report, Alcaldı́a Municipal de

Bojacá, 2008. URL http://cdim.esap.edu.co/BancoMedios/Documentos%
20PDF/plan%20de%20desarrollo%20bojaca%20-%20cundinamarca%20-%20%
202008%20-%202011.pdf. Accessed 2019/05/23.

AMSAT. Plan de desarrollo 2012–2015 çonstruyendo un futuro me-

jor”. Technical report, Alcaldı́a Municipal de San Antonio del Tequen-
dama, 2012. URL http://cdim.esap.edu.co/BancoMedios/Documentos%
20PDF/sanantoniodeltequendamacundinamarcapd2012-2015.pdf. Accessed
2019/05/23.

D. Arenas. Patrones coberturas de la tierra escala 1:25.000 en los pára-

mos priorizados, proyecto fondo adaptación (metodologı́a corine land co-
ver adaptada para colombia). Technical report, Instituto Humboldt Colom-
bia, 2014. URL http://repository.humboldt.org.co/bitstream/handle/20.
500.11761/9630/13-13-014-307PS.pdf?sequence=13&isAllowed=y.

N. Beaulieu, G. Leclerc, and S. Velásquez. Imágenes de radar: concep-

tos generales. 1994. URL https://books.google.com.co/books?id=
7NYOAQAAIAAJ&pg=PA65&lpg=PA65&dq=im%C3%A1genes+ers&source=bl&ots=
Bc8ydWWffn&sig=ACfU3U2k-MnqkEMYx1rmMXrdi7uijgFtVg&hl=es-419&sa=X&
ved=2ahUKEwjzn7rHmrLiAhVtdt8KHRHJClQQ6AEwD3oECAgQAQ#v=onepage&q=im%
C3%A1genes%20ers&f=false. Accessed 2019/05/23.

CREPAD. Ers. Web page, 2015. URL http://crepadweb.cec.inta.es/es/npoc/

ERS/ERS_presentacion.html. Accessed 2019/05/23.

D. de Souza, A. Neto, and W. da Mata. Neural Information Proces-

sing. 2006. URL https://link-springer-com.bdigital.udistrital.edu.co/
content/pdf/10.1007%2F11893257.pdf. Accessed 2019/05/23.

ESA. Ers. Technical report, European Space Agency, 2011. URL http://www.esa.
int/SPECIALS/Eduspace_ES/SEMX05E3GXF_0.html. Accessed 2019/05/23.

J. L. H. Escorcia. SISTEMAS DE RADAR (JLHE) G63 2019-I: Módulo 6 Intro-

ducción a la interpretación, 2019. URL https://ingenieria.udistrital.edu.
co/mod/page/view.php?id=4022.

E. V. Gamez. Análisis y Clasificación del Uso y Cobertura de la Tierra con Inter-

pretación de Imágenes. 1992. Accessed 2019/05/23.

32
L. Garzón. Análisis espacial del cambio del uso del suelo en la estructura ru-
ral y urbana de la comuna altos de cazucá, por efecto del desplazamiento po-
blacional mediante técnicas cartográficas. Master’s thesis, Universidad Distrital
Francisco José de Caldas, 2015. URL http://repository.udistrital.edu.co/
bitstream/11349/4909/1/VargasS%C3%A1nchezEdnaMargarita2015.pdf.

M. Herranz and J. Tita. Filtros de ruido speckle y tecnicas de clasificación para

imágenes sar implementadas en python. Master’s thesis, Universidad Nacional de
Córdoba, 2012. URL http://documents.famaf.unc.edu.ar/institucional/
biblioteca/trabajos/638/16612.pdf.

A. Lopes, E. Nezry, S. Goze, R. Touzi, and G. Aarbakke. Adaptive processing of

multilook complex sar images. IGARSS ’92 International Geoscience and Remote
Sensing Symposium, pages 890–892, 1992. URL https://ieeexplore-ieee-org.
bdigital.udistrital.edu.co/document/578288. Accessed 2019/05/23.

PCIGeomatics. Our strengths. Technical report, PCI Geomatics, 2019a.

URL https://ingenieria.udistrital.edu.co/course/view.php?id=1014#
section-2.

PCIGeomatics. See what you’ve been missing. Technical report, PCI Geo-
matics, 2019b. URL https://www.pcigeomatics.com/software/geomatica/
radar-suite.

E. Sansosti, M. Manunta, F. Casu, M. Bonano, C. Ojha, M. Marsella, and R. Lanari.

Radar remote sensing from space for surface deformation analysis: present and
future opportunities from the new sar sensor generation. Geodesy and Geomatics
to the edge, 26:75–84, 2015. Accessed 2019/05/23.

SH. Clima. Web page, a. URL https://www.institutodeestudiosurbanos.info/

endatos/0100/0110/0116-clima/index.html.

SH. Hidrografı́a. Web page, b. URL https://www.institutodeestudiosurbanos.

info/endatos/0100/0110/0112-hidro/index.htm.

A. G. Villa. Plan de emergencias y contingencias: municipio de madrid (cun-

dinamarca). Technical report, Alcaldı́a Municipal de Madrid, 2012. URL
http://repository.udistrital.edu.co/bitstream/11349/4766/5/6.D.
%20PLAN%20DE%20EMERGENCIAS%20Y%20CONTINGENCIAS%20MUNICIPIO%20DE%
20MADRID%20%28CUNDINAMARCA%29.pdf. Accessed 2019/05/23.

L. N. Zakharova, A. I. Zakharov, M. V. Sorochinskii, G. P. Ryabokon’, and V. M.

Leonov. Joint Analysis of the Data of Optical and Radar Sensors: Potentialities,
Limitations, and Prospects. 56(1):13, 2011.

J. V. Zyl and E. G. Njoku. Encyclopedia of Remote Sensing (2014). 2014. Accessed

2019/05/23.

33