Generación de coberturas geográficas a partir de un Análisis Espectral

de Vegetación y Uso del suelo, así como el cálculo de Temperaturas

superficiales a partir de la banda térmica con apoyo en imágenes
Landsat ETM+ para el Departamento de Boyacá

RESUMEN

En este documento se presenta la metodología usada para la estimación de uso de suelo y cálculos
de temperatura superficial a partir de la teledetección y clasificaciones tanto supervisada como no
supervisada, con el fin de realizar una representación geográfica de las condiciones reales del
departamento de Boyacá a la fecha 24 de enero de 2016.

INTRODUCCIÓN

En la página web de Earth Explorer, se descarga una imagen del 24 de enero de 2016, dado que
cumple con los requerimientos básicos de poca nubosidad (<10%) y que ocupe la mayor extensión
posible del Departamento de Boyacá.

1. DETERMINACIÓN DE LA ZONA DE ESTUDIO

EL departamento de Boyacá está situado en el centro-este del país, en la región Andina. Cuenta con
una superficie de 23 189 km² lo que representa el 2,03 % del territorio nacional. Limita al norte
con Santander y Norte de Santander, al noreste con Venezuela y Arauca, al este con Casanare,
al sur con Cundinamarca y al oeste con Caldas y Antioquia.

1.1. Características de la imagen

- Tabla de características de la imagen

Identificador LE70070562016024EDC00
Fecha de captura 24 de enero de 2016
Path 7
Row 56
Nubosidad 7%
Sistema de coordenadas Datum de referencia “WGS84” y elipsoide de
referencia “WGS84”.
tabla 1. Imagen landsat departamento de Boyacá
Fuente: earth Explorer
 - Imagen Landsad del departamento de Boyacá

Figura 1. Imagen landsat departamento de Boyacá

Fuente: EarthExplorer

2. CORRECCIÓN GEOMÉTRICA Y RADIOMETRICA DE LA IMAGEN

- Banda 1 sin corregir

Figura 2. Imagen sin corregir

Fuente: software ARGIS 10.4.1
- Diagrama de flujo de correccion geométrica y radiométrica de la imagen

Seleccionar Raster de
INICIO Copiar raster
banda salida

Ignorar
FIN Tipo de pixel
valores nulos

gráfico 1. Proceso metodológico de corrección geométrica y radiométrica de la imagen

Fuente: Elaboración propia

- Banda 1 corregida

Figura 3. Corrección geométrica y radiométrica de la imagen.

Fuente: software ARGIS 10.4.1
3. ANÁLISIS ESTADÍSTICO UNIBANDA

Este tipo de análisis estadístico es básico y aplicado a una banda por separado, permitiendo obtener
una descripción de la tendencia central y dispersión de los niveles digitales de la imagen, tales como
valores mínimo y máximo, rango, media aritmética, moda, mediana, varianza, desviación estándar,
histogramas y el comportamiento espectral de la cobertura terrestre en las bandas en particular.
Estas medidas nos permiten valorar información radiométrica de una imagen, así como la
comparación con respecto a las otras bandas y tener una idea sobre el nivel de su calidad,
heterogeneidad y separabilidad.

- Datos estadísticos de las bandas

MIN MAX MEDIA DESVIACIÓN

ESTANDAR

banda 1 1 255 57,24 40,47

banda 2 1 255 48,47 39,26
banda 3 1 255 48,08 42,36
banda 4 1 255 77,43 32,11
banda 5 1 255 69,87 33,11
banda 7 1 255 42,98 27,43
banda 8 1 255 64,55 37,09

Tabla 2. Análisis estadístico unibanda.

Fuente: elaboración propia.
3.1. histogramas de frecuencia

 Histograma de la banda 1

Figura 4. Histograma de la banda 1.

Fuente: software ARGIS 10.4.1

 Histograma de la banda 2

Figura 5. Histograma de la banda 2.

Fuente: software ARGIS 10.4.1
 Histograma de la banda 3

Figura 6. Histograma de la banda 3.

Fuente: software ARGIS 10.4.1

 Histograma de la banda 4

Figura 7. Histograma de la banda 4.

Fuente: software ARGIS 10.4.1
 Histograma de la banda 5

Figura 8. Histograma de la banda 5.

Fuente: software ARGIS 10.4.1

 Histograma de la banda 7

Figura 9. Histograma de la banda 7.

Fuente: software ARGIS 10.4.1
  Histograma de la banda 8

Figura 10. Histograma de la banda 8.

Fuente: software ARGIS 10.4.1

Los histogramas de las bandas 1,2,3,7 y 8 presentan tonalidades oscuras mientras que los
histogramas de las bandas 4 y 5 presentan tonalidades grises.

Los valores máximos en las bandas tienen el valor de 255, lo que representa la presencia de señales
no deseadas, al igual que la nubosidad que en este caso es del 7%

Todas las bandas presentan histogramas en forma de campana porque se presentó poca o casi nula
presencia de cobertura nubosa y sombras y condiciones climáticas favorables el día de toma.

Los histogramas presentan forma de campana debido a la poca nubosidad y pocas sombras además
de que evidencia las condiciones favorables de clima para la toma de la imagen.

Las bandas 1, 2, 3, 7 y 8, son homogéneas; mientras que las bandas 4 y 5 son heterogéneas.
4. ANÁLISIS ESTADÍSTICO MULTIBANDA

4.1. Matriz de covarianza y matriz de correlación

MATRIZ DE VARIANZA-COVARIANZA
1 2 3 4 5 6 7
1 925,97118 886,7099 939,23122 594,86659 552,06508 493,62905 803,08359
2 886,7099 871,45336 924,60335 595,45911 564,81701 499,63388 785,07123
3 939,23122 924,60335 1014,33119 620,38334 645,87024 570,52479 827,45618
4 594,86659 595,45911 620,38334 583,07143 429,38178 334,91729 613,41081
5 552,06508 564,81701 645,87024 429,38178 619,81152 492,63086 539,69521
6 493,62905 499,63388 570,52479 334,91729 492,63086 425,6159 454,66907
7 803,08359 785,07123 827,45618 613,41081 539,69521 454,66907 777,94211
Tabla 4. Matriz de varianza- covarianza.
Fuente: software ARGIS 10.4.1

MATRIZ DE CORRELACIÓN
1 2 3 4 5 6 7
1 1,0000 0,9871 0,9691 0,8096 0,7287 0,7863 0,9462
2 0,9871 1,0000 0,9834 0,8354 0,7685 0,8204 0,9535
3 0,9691 0,9834 1,0000 0,8067 0,8146 0,8683 0,9315
4 0,8096 0,8354 0,8067 1,0000 0,7143 0,6723 0,9108
5 0,7287 0,7685 0,8146 0,7143 1,0000 0,9591 0,7772
6 0,7863 0,8204 0,8683 0,6723 0,9591 1,0000 0,7902
7 0,9462 0,9535 0,9315 0,9108 0,7772 0,7902 1,0000
Tabla 5. Matriz de correlación
Fuente: software ARGIS 10.4.1

4.2. Factor de índice optimo

Es un valor estadístico que puede ser usado para seleccionar la combinación a color óptima de tres
bandas de una imagen satelital. El cálculo de OIF se realiza sobre todas las posibles combinaciones
de la imagen, y se basa en la selección de las bandas que conserven la mayor información espectral
(mayores covarianzas entre bandas) y la menor duplicidad de información (menores correlaciones
entre bandas), matemáticamente se expresa por la siguiente ecuación (Kerle et al, 2004):

𝐒𝐮𝐦𝐚 𝐝𝐞 𝐝𝐞𝐬𝐯𝐢𝐚𝐜𝐢ó𝐧 𝐞𝐬𝐭á𝐧𝐝𝐚𝐫 𝐝𝐞 𝟑 𝐛𝐚𝐧𝐝𝐚𝐬 𝐢𝐧𝐝𝐢𝐯𝐢𝐝𝐮𝐚𝐥𝐞𝐬

𝐎𝐈𝐅 =
𝐒𝐮𝐦𝐚 𝐝𝐞 𝐜𝐨𝐞𝐟𝐢𝐜𝐢𝐞𝐧𝐭𝐞 𝐝𝐞 𝐜𝐨𝐫𝐫𝐞𝐥𝐚𝐜𝐢ó𝐧 𝐩𝐚𝐫𝐚 𝟑 𝐛𝐚𝐧𝐝𝐚𝐬
El mayor valor de OIF corresponde a la combinación de bandas con menor correlación entre ellas y
con mayor desviación estándar para cada banda indicando la mayor posibilidad de discriminación
de coberturas estudiadas.

MULTIBANDA
OIF VALOR
1 TM4 TM3 TM2 43,317
2 TM4 TM5 TM3 46,062
3 TM7 TM4 TM2 36,597
4 TM3 TM4 TM1 44,457
5 TM5 TM3 TM1 46,146
Tabla 6. factor de índice óptimo.
Fuente: elaboración propia

5. CLASIFICACIÓN MULTIESPECTRAL

5.1 Composición de bandas

 Procedimiento metodológico de composición de bandas

Procesamiento Bandas
INICIO Raster
de raster compuestas

Raster de Rasteres de
FIN salida entrada
(combinación) (bandas)

Gráfico 2. Proceso metodológico de composición de bandas.

Fuente: elaboración propia.
5.2. Clasificación multiespectral no supervisada

 Procedimiento metodológico de clasificación multiespectral no supervisada

INICIO

Composición
de bandas

Número de
clases

Clasificación
no supervisada

Interpretación

cumple NO

si

FIN

Gráfico 3. Proceso metodológico de clasificación multiespectral no supervisada.

Fuente: Elaboración propia.

NO
  mapa de clasificación multiespectral no supervisada

Figura 11. clasificación multiespectral no supervisada.

Fuente: software ARGIS 10.4.1

Figura 12. Tabla de convenciones clasificación multiespectral

no supervisada.
Fuente: software ARGIS 10.4.1
  validación y sustentación de la clasificación e interpretación de resultados

En el caso de la clasificación no supervisada es muy importante tener en cuenta el factor de índice

óptimo (OIF), el cual indica cual sería la mejor combinación de bandas para el análisis espectral de
la imagen, en este caso fue usado primero el mayor OIF calculado, sin embargo, también se utilizó
otras combinaciones que ayudaron a identificar de mejor forma los objetos en la imagen.

Otra herramienta útil es Google earth, ya que mediante este programa se pueden identificar de
mejor forma zonas urbanas, zonas con vegetación, zonas de suelo desnudo y cuerpos de agua, sin
embargo, no es tan eficiente a la hora de clasificar la vegetación.

Las nubes y el nevado se pueden identificar a simple vista por lo que no presentaron dificultad para
su identificación

En el mapa puede observarse que hay gran cantidad de vegetación maltratada lo cual se confirma
debido a que para el mes de enero de 2016 el departamento de Boyacá se vio altamente afectado
por el fenómeno del niño. Las zonas en color gris además de representar las ciudades también hacen
referencia a los suelos destapados, que se dan a causa de las altas temperaturas, además de que el
departamento de Boyacá posee una alta explotación minera y en el centro del mismo se encuentra
una zona hondonada conocida como el desierto de la Candelaria .

También se puede apreciar en el mapa mucha diversidad de vegetación, y que Boyacá cuenta con
parques naturales zonas de grandes pastizales y un nevado por lo que presenta diversidad
topográfica.

5.3. Clasificación multiespectral supervisada

 Procedimiento metodológico de clasificación multiespectral supervisada

Selección de Asignación de
INICIO
puntos número

Clasificación
FIN Interpretación
supevisada

Gráfico 3. Proceso metodológico de clasificación multiespectral supervisada.

Fuente: Elaboración propia.
  Mapa de clasificación multiespectral no supervisada

Figura 13. clasificación multiespectral supervisada.

Fuente: software ARGIS 10.4.1

Figura 12. Tabla de convenciones clasificación multiespectral

supervisada.
Fuente: software ARGIS 10.4.1
  validación y sustentación de la clasificación e interpretación de resultados

En el caso de la vegetación y suelos desnudos, la clasificación se realizó mediante la imagen obtenida

de índice de vegetación diferencial normalizada (NDVI), ya que esta imagen proporciona
información respecto a la calidad, cantidad y desarrollo de la vegetación. El resultado obtenido
concuerda con la realidad del periodo de tiempo en el que se obtuvo la imagen lansat ya que como
se mencionó anteriormente en este lapso de tiempo el departamento de Boyacá presentaba altas
temperaturas en el día y heladas en las noches, de ahí que haya grandes extensiones de vegetación
maltratada y suelos desnudos que también se ven favorecidos por el proceso minero de la región.

Hacia el centro del departamento se aprecia una coloración café que representa suelos desnudos
debido a que en esa zona existe un área se suelos desnudos conocida como el desierto de la
Candelaria .

Por otra parte, las ciudades y cuerpos de agua se pudieron identificar mediante Google Earth y
también con ayuda de la imagen NDVI.

Las nubes y el nevado se pueden identificar a simple vista por lo que no presentaron dificultad para
su identificación

5.4. Índice de vegetación diferencial normalizada (NDVI)

Los índices de vegetación son combinaciones de las bandas espectrales registradas por los satélites
de Teledetección, cuya función es realzar la vegetación en función de su respuesta espectral y
atenuar los detalles de otros elementos como el suelo, la iluminación, el agua, etc. El Índice de
Vegetación de Diferencia Normalizada, también conocido como NDVI por sus siglas en inglés, es
un índice de vegetación que se utiliza para estimar la cantidad, calidad y desarrollo de la vegetación
con base a la medición de la intensidad de la radiación de ciertas bandas del espectro
electromagnético que la vegetación emite o refleja.
  Imagen índice de vegetación diferencial normalizada NDVI

Figura 13. Imagen NDVI.

Fuente: software ARGIS 10.4.1

 tabla de interpretación NDVI

Criterio Uso del Suelo

NDVI < 0 Agua o cubiertas artificiales

0 < NDVI 0.2 Suelo desnudo o vegetación muerta

0.2 < NDVI < 0.4 Vegetación dispersa o poco vigorosa

0.4 < NDVI < 0.6 Vegetación abundante y vigorosa

NDVI > 0.6 Vegetación muy densa y vigorosa

Tabla 7. Interpretación NDVI

Fuente: elaboración propia
6. CÁLCULO DE TEMPERATURAS SUPERFICIALES

 Procedimiento metodológico para la realización de una unión de puntos

Convertir
INICIO Banda 6
ráster a vector

Asignar
Crear puntos
Spatial join sistemas de
de control
coordenadas

Gráfico 4. Proceso metodológico para la realización de una unión de puntos.

Fuente: Elaboración propia.

 procedimiento metodológico para la realización del cálculo de temperatura

Calcular Exportar tabla

1 coordenadas XY de atributos
dbf

Realizar
Importar excel
2 operaciones ND
desde Arcmap
 °C

Gráfico 5. Proceso metodológico para la realización del cálculo de temperatura.

Fuente: Elaboración propia.
  procedimiento metodológico para la generación de mapa de temperatura superficial

2 Crear shapfile Crear TIN

Generar mapa Aplicar

FIN
temático simbología

Gráfico 6. Proceso metodológico para la generación de mapa de temperatura superficial.

Fuente: Elaboración propia.

 Mapa de temperatura superficial

Figura 14. Mapa de temperatura superficial.

Fuente: software ARGIS 10.4.1
 Figura 15. Convenciones Mapa de temperatura superficial.
Fuente: software ARGIS 10.4.1

 Interpretación y validación de resultados

En enero del año 2016 Boyacá presentó un ascenso de temperatura debido al fenómeno del niño
de más o menos 2,3°C lo que significa que en este periodo la temperatura promedio estuvo entre
26°C y 28°C durante el día y grandes descensos de temperatura en las noches, según lo
anteriormente mencionado se puede establecer que la imagen fue tomada en el día y que adicional
a esto los resultados que se observan en el mapa de temperatura concuerdan con las condiciones
reales del territorio del departamento de Boyacá ya que en su mayoría el mapa se encuentra de
color amarillo el cual representa temperaturas entre 24,617°C y 29,75°C.

7. CONCLUSIONES

 Comparando los mapas obtenidos tanto para la clasificación supervisada como para la no
supervisada se puede afirmar que, las dos clasificaciones concuerdan entre sí y que además
se ajustan a la realidad del departamento teniendo en cuenta que la fecha de toma de la
imagen lansat fue el 24 de enero de 2016.
 El departamento de Boyacá presenta gran diversidad en su vegetación, en este
departamento se encuentran Parque nacional natural Pisba, Santuario de fauna y flora
Guanentá Alto Río Fonce, Parque nacional natural Cocuy y Santuario de fauna y flora
 Iguaque, además de que es un departamento rico en agua, sus tierras están surcadas por
numerosos ríos que constituyen un gran potencial eléctrico para el departamento y el país,
ejemplo de ello es la represa de Chivor.
 Teniendo en cuenta el mapa de temperaturas obtenido se puede concluir que el
departamento de Boyacá posee todos los pisos térmicos con temperaturas desde los 35°C
hasta temperaturas bajo cero.

8. BIBLIOGRAFÍA

 Software Argis
 EarthExplorer
 Google earth