USO DE SENSORES REMOTOS, GIS Y MODELOS ESPACIALES COMO APOYO AL PLAN DE ORDENACION TERRITORAL

 

AUTORES: Noemi De La Ville (Ph.D.)

Julian García (Ing.)

INSTITUCION: Soluciones Integrales C.A (SIGIS)

DIRECCION: Av. Libertador c/calle Alameda

Edif. EXA Piso 2 Ofc. 201 - 208

El Rosal, Caracas

E-mail: Noemi De La Ville (ndlv@telcel.net.ve)

Julian Garcia (julian@telcel.net.ve)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

RESUMEN

Se plantea una propuesta metodológica para promover la importancia que tiene el análisis espacial, como base para la formulación de políticas de manejo para el uso eficiente de los recursos naturales. El análisis de imágenes de satélite Landsat Thematic Mapper en conjunto con el uso de Sistemas de Información Geográfico (GIS) genera herramientas eficientes para la evaluación de cambios de uso y cobertura de tierra.

El uso combinado de Sensores Remotos y GIS permitió el análisis integrado de variables bióticas y abióticas. Las mismas fueron evaluadas cuantitativamente generando como productos finales un modelo espacial y mapas de riesgo.

INTRODUCCION

Tradicionalmente la utilización de Sensores Remotos en el área ambiental ha sido para la generación de mapas temáticos. Los cuales por lo general representan la fase final de un proyecto. Sin embargo en otros casos, como aquí planteamos, pueden constituir una fase intermedia del análisis, ya que la cartografía obtenida a partir de Sensores Remotos representan variables que se incorporan a un GIS.

Uno de los fundamentos básicos en el uso de los Sistemas de Información, radica en la calidad de la información almacenada en la base de datos. Si la misma no está actualizada, es incompleta o posee un origen dudoso, de nada sirve contar con un soporte físico para la implementación de un GIS. La utilización de variables a una escala adecuada, actualizadas y debidamente georeferenciada que puedan integrarse en una base de datos coherente, es crucial para la toma de decisiones en cualquier área del conocimiento, particularmente en el manejo de la política ambiental.

Muchas veces hemos encontrado situaciones en las que carecemos de cartografía básica o inventarios para la realización de un proyecto que involucra planificación ambiental y/o el manejo de recursos; bien sea porque no se han generado o porque no se encuentran actualizadas. Esto conlleva a enfatizar el interés de adoptar técnicas que permitan de una manera rápida y eficiente generar información precisa, de calidad y actualizada.

A este respecto la utilización de sensores remotos son una herramienta eficiente para la fase de inventario cartográfico, actualización de la información y continuo monitoreo de zonas criticas o prioritarias. La utilización de sensores remotos son recomendables en situaciones como:

- Zonas extensas de difícil acceso en las que el trabajo de campo resulte muy costoso; ej: detección de zonas de derrame de petróleo y el seguimiento de los mismos; detección y propagación de incendios.

- Observaciones de variables en regiones no visibles del espectro, útiles para la determinación del vigor y por ende la producción de los cultivos; ej: en viñedos.

- Cuando se requiera de una dinámica temporal alta y evaluaciones rápidas del evento a monitorear.

- Identificación de cambios en la cobertura y uso de la tierra. En este caso estudios intensivos en regiones seleccionadas llevaría a la identificación de los principales procesos de cambio y por ende a una adecuada planificación.

OBJETIVOS

El objetivo principal del presente estudio es la elaboración de una propuesta metodológica con un enfoque holístico que permita identificar los factores que afectan los cambios en la cobertura de la tierra, a modo de anticipar áreas bajo riesgo. Esta información básica es esencial como apoyo a la planificación de ordenamiento territorial. Específicamente se plantearon los siguientes objetivos:

  1. Detectar e identificar cambios en la cobertura y uso actual de la tierra por medio del análisis multitemporal de imágenes de satélite.

2) Integrar y analizar la información obtenida a partir de Sensores Remotos con información espacial almacenada en un Sistema de Información.

  1. Generar un modelo estadístico a modo de identificar los factores de cambio para identificación de áreas bajo riesgo de ser afectadas por la modificación en la cobertura y uso de la tierra.

PREMISAS

Se establecieron ciertas premisas para la generación del modelo de riesgo. Entre ellas se encuentran:

1) La información a analizar se agrupó en aspectos físicos abióticos (geomorfología, relieve, suelos, geología, etc.), bióticos (florística, fisionomía, fragmentación de la cobertura vegetal, fauna) y socioeconómicos.

2) Los aspectos socioeconómicos correspondieron a los efectos de las actividades humanas sobre la tierra: influencia de los centros poblados, uso de la tierra, densidad de caminos, etc.

3) La proximidad a las vías de acceso y densidad de las mismas se usó como una medida del desarrollo urbano. La relación entre la deforestación y densidad de caminos es una función logarítmica negativa, en donde la frecuencia de deforestación disminuye rápidamente a medida que nos alejamos de las vías de acceso.

  1. La frecuencia de deforestación presenta una relación inversa con la distancia a los centros poblados, grado de fragmentación de la cobertura vegetal, si como con la cercanía a los bordes de bosques.

AREA DE ESTUDIO

La zona de estudio se ubica en la región Nororiental del país (Ver fig. 1). La zona abarca una región costera seca y una franja mas húmeda y baja conformada por depósitos aluviales. Gran parte de la población se encuentra concentrada en los principales centros poblados del área, que incluye las ciudades de Cumaná y Cumanacoa. La región se comunica con el resto del país a través del sistema vial de la carretera de Oriente. La población del área se emplaza concentrándose sobre el eje costero donde se propicia el asentamiento humano (Ramirez & Castillo, 1993).

ANALISIS

El enfoque utilizado consistió en el análisis de los cambios en la cobertura de la tierra en relación a variables bióticas y abióticas que pudieran tener afectar el uso de la misma. Para ello se generó un mapa de cambio en la cobertura y uso de tierra generado a partir del análisis multitemporal de dos imágenes Landsat TM. Las mismas abarcaron un período de tiempo de 8 años (1989 - 1997). La imágenes fueron corregidas, georeferenciadas y procesadas usando una clasificación supervisada. Se utilizó la aplicación IMAGEWORKS de PCI. Los cambios en la cobertura de tierra fueron categorizados en 11 clases (Tabla 1).

Ambas imágenes fueron convertidas a formato ArcInfo (Version 7.1.1.) y analizadas usando el módulo Grid, manteniendo la resolución del sensor. El resultado fue un grid con tamaño de celda de 28.5 m, con 1218 filas y 1754 columnas.

Las nubes y sombras se eliminaron usando el comando [FOCALMAJORITY]. Con las clases correspondientes a Bosque Montano, de galeria y semideciduo, Matorral y cultivos se generó un grid de cambio de cobertura vegetal. El mismo reflejó las áreas que fueron deforestadas y transformadas a zonas cultivadas en el lapso de 8 años.

A partir de este grid de cambio se estimaron las frecuencias de cambio de: Bosque Montano a cultivo; Bosque de Galería/semidecíduo a cultivo y Matorral a cultivo. Finalmente se generó un grid en formato binario (0 = no cambio y 1 = cambio), usado como variable dependiente para la construcción de un modelo logístico.

Se utilizaron como variables independientes los factores socio-ecómicos, generados a partir de variables primarias almacenadas en ArcInfo en formato vector y transformadas a raster para su análisis espacial. Las variables secundarias (factores socio-económicos) usadas como variables independientes fueron: Densidad de caminos, distancia a los centros poblados, distancias a los cultivos y costo por la cercanía a un centro poblado. Se utilizó una función de distancia exponencial negativa (Distance cost decay).

Para la elaboración del modelo logístico se generó un grid a partir de un muestreo sistemático de cada 5 celdas. Este valor se obtuvo al estimar el índice de autocorrelación espacial de Moran. El grid con las celdas de entrenamiento (training-cells) se construyó con un 80% del total de celdas del grid original. El 20% restante se usó para la validación del modelo (De La Ville et al. 1998)

El resultado del modelo fue un grid de probabilidades que se combinó (weighted overlay) con los factores bióticos para así generar el mapa de riesgo a la deforestación. Las variables usadas como factores bióticos fueron la distancia al borde de los parches de bosque Montano y el tamaño de los parches de bosque de galería / semidecíduo.

RESULTADOS Y DISCUSION

El modelo multivariado generado por la integración en el GIS de la variable dependiente (cambio de la cobertura vegetal) y las variables independientes generó la siguiente observación: Los factores socioeconómicos que explicaron (95% de confianza) la variabilidad en el cambio de la cobertura de la tierra fueron: densidad de caminos y costo a la cercanía de un centro poblado. Esto sugiere que la vialidad y la proximidad a los centro poblados juegan un papel importante ya que generan vías de acceso para la penetración y expansión humana.

La frecuencia de deforestación estimada durante el período de 8 años, fue de 50% para la clase Bosque de Galería / Semidecíduo; 44% para el bosque Montano y solo de 6% para la clase de Matorral espinoso. Lo anteriormente expuesto señala que las áreas menos susceptibles a ser deforestadas en el área de estudio son las zonas correspondientes a la clase de Matorral.

El modelo logístico se combinó con las variables bióticas: tamaño de los parches de bosque de galería y la distancia más cercana al borde del bosque Montano, para generar un mapa de riesgo (ver figura 2).

Los resultados del análisis espacial confirman las premisas establecidas bajo las cuales se generó el mapa de riesgo. Esto sugiere que la expansión agrícola que conlleva a la deforestación en la zona de estudio está influenciada por el proceso de colonización humana y probablemente por un incremento en la comercialización de los rubros agrícolas en la zona. Sin embargo, lo anteriormente planteado debe ser sujeto a una validación de campo.

Basados en la generación de un modelo espacial de riesgo, es posible predecir las áreas con mayor probabilidad a ser deforestadas. Esto identifica las áreas que requieren atención al generar el plan de ordenamiento territorial.

CONCLUSION

La integración de información con el uso Sensores remotos y GIS proveen de una herramienta valiosa para estudios de impacto ambiental asociados con los procesos de expansión humana. El análisis multitemporal de imágenes de satélite es útil para identificar cambios en el tiempo del uso de la tierra y ayudar a predecir como esos cambios pueden variar en el tiempo. Areas susceptibles a la deforestación pueden ser identificados y modeladas espacialmente al combinar la información generada por el satélite con información almacenada en un GIS.

REFERENCIAS

- De La Ville, N.; S. Cousins and C. Bird (1998) Habitat suitability Analysis using logistic Regression and GIS to outline potential areas for conservation of the Grey Wolf. En: Innovation in GIS 5, Taylor & Francis, London UK

- Ramirez, D & D. Castillo (1993) Estudio Geográfico del área estratégica Nororiental de Venezuela. DIGECAFA

Tabla 1. Categorías obtenidas a partir de la clasificación supervisada

 

CATEGORIA

CLASE

Océano

1

Manglar

2

Ríos

3

Bosque de Galería y Semi-decíduo

4

Bosque Montano bajo

5

Matorral

6

Vialidad

7

Nubes

8

Sombras

9

Suelo desnudo

10

Cultivos

11

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Julian A. García Q.

Ingeniero Geodesta egresado de la Universidad Central de Venezuela en 1989, especializado en Cartografía Automatizada y Procesamiento Digital de Imágenes con varios cursos de especialización entre los que se destacan: Radarsat Data Processing and Integration (Radarsat, Canadá), The Quality Advantage (Intergraph), Image Processing of Satellite Data for Natural Applications (University of New México), Lenguaje C (UCV).

Con experiencia en la Gerencia de Proyectos GIS, CAD y prestando servicios de consultoría en Sensores remotos y Fotogrametria digital, particularmente relacionados a impacto ambiental, análisis demográfico, inventario de recursos naturales y exploración geológica y minera. Posee amplia experiencia en Procesamiento Digital de Imágenes provenientes de radar y sensores ópticos. Se destaca su participación en varios proyectos multidisciplinarios principalmente para la industria petrolera. Es instructor calificado en el área de procesamiento digital de imágenes e igualmente ha dictado varias conferencias en eventos nacionales e internacionales. También ha sido asesor y tutor académico.

Actualmente se desempeña como Gerente de Proyectos.

 

 

Noemi De La Ville

Ph.D. en "Innovation and Technology Assessment", Cranfield University, International Ecotechnology Research Centre (1998), Inglaterra (UK). Tópico de investigación: "Habitat suitability analysis using GIS and statistical modelling for wildlife conservation". Licenciado en Biología, Universidad Central de Venezuela (1989). Ha realizado diversos cursos de especialización entre los que se destacan Estadística Multivariada, Cartografía, Conservación y Biodiversidad.

Posee amplia experiencia en el desarrollo de Sistemas de Información Geográfica utilizando herramientas ARC/INFO, en el análisis de fotografías aéreas, manejo y análisis estadístico de base de datos, en diseños experimentales para muestreos de campo y monitoreo de vegetación. Se ha desempeñado como Instructor en diversos cursos, como asistente de campo en muestreos de vegetacion y erosión de suelos. Participó en el Estudio de Impacto Ambiental del Proyecto Siderúrgico Cañaveral, Enron Vensteel, Ltd. Se ha destacado por su participación en Congresos Nacionales e Internacionales y posee publicaciones en Revistas Científicas Internacionales.

 

Actualmente ocupa el cargo de Especialista GIS en el área ambiental.