VOL. 26, Nº 1 JUNIO2008 ISSN 0717-2915 - selper.infoselper.info/pdf/Revista-Selper-200806_5348_vol26_Junio08.pdf · E-mail: [email protected] COLOMBIA Myriam Ardila PROSIS S.A

ISSN 0717-2915VOL. 26, Nº 1 JUNIO2008

SOCIEDAD LATINOAMERICANA DE PERCEPCIÓN REMOTA Y SISTEMAS DE INFORMACIÓN ESPACIALSOCIEDADE LATINO-AMERICANA EM SENSORIAMENTO REMOTO E SISTEMAS DE INFORMACAO ESPACIAILATINAMERICAN SOCIETY FOR REMOTE SENSING AND SPACE INFORMATION SYSTEMS

Ciudad de San Carlos de Bariloche - Argentina Imágen de satélite QuickBird de DigitalGlobe

FOTO PORTADA

VOL. 26 Nº 1 JUNIO 2008 ISSN 0717-2915

EJEMPLAR DE DISTRIBUCION GRATUITA. PROHIBIDA SU VENTA

SELPERSOCIEDAD LATINOAMERICANA DE PERCEPCION REMOTA Y SISTEMAS DEINFORMACION ESPACIAL SOCIEDADE LATINO-AMERICANA EM SENSORIAMENTOREMOTO E SISTEMAS DE INFORMACAO ESPACIAI LATINAMERICAN SOCIETY ON

REMOTE SENSING AND SPACE INFORMATION SYSTEM

San Carlos de Bariloche - Argentina

Imagen de sa té l i te Qu ickB i rd de DigitalGlobe, producto Pansharpened resolución espacial 0.60 metros, en composición Color Natural (3,2,1) de la Ciudad de San Carlos de Bariloche. Esta majestuosa ciudad se encuentra a orillas del lago Nahuel Huapi, espejo de agua que junto a montaña y bosques integra el contexto de uno de los lugares más bellos del mundo. Esta ubicada al oeste de la provincia de Río Negro y a 1.640 kilómetros de la ciudad de Buenos Aires.En la imagen se observa el Centro Cívico de Bariloche y el puerto de la ciudad a orillas del Lago Nahuel Huapi.Esta ciudad fue sede del V Simposio Latinoamericano de Percepción Remota, en el año 1989.

REVISTA2 VOL. 26 Nº 1JUNIO 2008 SELPERDIRECCIONES DE CONTACTO

RESPONSABLE DE DIVULGACIÓN ELECTRÓNICAWalter F. Sione

Argentina

CAPÍTULOS CONSTITUIDOS

ARGENTINAFrancisca Celia GonzálezUniversidad Nacional del SurDepartamento de GeologíaSan Juan 670 (8000)Bahía Blanca, ArgentinaTel: 54 - 291 - 459 5102 - int. 4360Fax: 54 - 291 - 459 5127E-mail: [email protected]

BOLIVIARodolfo AyalaCarrera de Topografía y GeodesiaFacultad Técnica Universidad Mayor de San AndrésAv. Arce 2299 1º PisoLa Paz, BoliviaTel.: 591-2-2441401

BRASILLeila María García FonsecaINPEAv. Dos Astronautas 1758, Sao José dos CamposSan Pablo, BrasilTel: 55 - 12-39456000E-mail: [email protected]

CHILEGina GhioAYS LtdaCalle Teatinos 258 of 811Santiago, Chile.Tel: 562 - 6903768Fax: 562 - 6903790E-mail: [email protected]

COLOMBIAMyriam ArdilaPROSIS S.A.Calle 94 A n° 11 A-70Santa Fe de Bogota, ColombiaTel: 57-1-6357272Fax: 57-1-6357190E-mail: [email protected]

CUBAEloy Pérez García

ECUADOR

CLIRSENEdif. Instituto Geográfico Militar, Piso 4Seniergues s/n y Paz y MiñoApartado Postal 17-08-8216Quito, EcuadorTel.: 593- 2- 254-3193Fax: 593- 2- 255-5454E-mail: [email protected]

UCT GEOCUBA ICCalle 4 No. 304, e/ 3ra y 3ra A Miramar, Playa, La Habana, Cuba CP 11 [email protected]

José R. Aguiar V.

GUATEMALACarlos Alberto DuarteIngeniería VirtualRuta 4, 6-49 Zona 4, Oficina 14Ciudad de Guatemala (01004), GuatemalaTel: 502 - 334-1039/4038Fax: 502 - 331-9390E-mail: [email protected]

GUYANA FRANCESALaurent PolidoriIDirecteur de Recherche IRD / US ESPACE 140Institut de Recherche pour le Développement (ex-ORSTOM)Route de Montabo - BP 165 - 97323 Cayenne cedexTel. (+594) 594 29 92 81Fax (+594) 594 31 98 55 E-mail:[email protected]

MÉXICOSilvia Lucero CasasUAM Agronomía y CienciasUniversidad Autónoma de TamaulipasCentro Universitario VictoriaCd. Victoria Tamaulipas, MéxicoE-mail: [email protected]

URUGUAYAntonio AlarcónServicio de Sensores Remotos Aeroespaciales Fuerza Aérea UruguayaRuta 101 s/n Km. 19500Carrasco, Canelones, UruguayTel.: 598 -2 601 4083Fax: 598 -2 601 4090E-mail: [email protected]

VENEZUELARamiro SalcedoCentro de Procesamiento Digital del Instituto de Ingenieria en CaracasApdo. Postal 40200 / Caracas, VenezuelaTel/fax: 58 - 212 - 903 -4682E-mail: [email protected]

PERÚVictor Barrena ArroyoUniversidad Nacional Agraria La MolinaAv. La Universidad s/nLa Molina, Lima, PerúTel / Fax: 51-1-349-5647 anexo 232/349-2041E-mail: [email protected]

CAPÍTULOS EN FORMACIÓN

PARAGUAYSergio M. Burgos SosaIPPADr. César Sánchez 431San Lorenzo, ParaguayTel/Fax: 595- 21-574909Email: [email protected]

CAPÍTULOS ESPECIALES

ALEMANIAKlaus ReinigerDLRD-8031 OberpfaffenohfenAlemaniaTel: 49- 8153- 281.189Fax: 49- 8153- 281.443

CANADÁFritz P. Dubois25 NidlandCrs Nepean Ontario Kh2-8n2 Ontario, Canadá Tel: 613- 596-4164 Fax: 613- 723-9626

ESPAÑAJosé L. LabranderoConsejo Superior de Investigaciones Científicas (CSIC)Pinar 25- Madrid 28006, EspañaTel: 34- 411.10.98Fax: 34- 562.55.67

FRANCIAJean-Luc DevynckCNESChef Dpt. Cooperation et Dévelopement2, Place Maurice Quentín, 75039 París Cedes 01París, FranciaTel: 33-1- 447.67500Fax: 33-1-447.67849E-mail: [email protected]

HOLANDACarlos ValenzuelaITC350 Boulevard 1945, P.O.X. 6. 7500 AAEnschede, HolandaTel.: 31 53 874-444Fax: 31 53 874-400

ITALIAMaurizio FeaESA/ESRINVia Galileo Galilei, 00044Frascati, ItaliaCasilla Postal 64Tel: 39 - 694180940Fax: 39 - 694180942E-mail: [email protected]

USAPatricia M. RaveloSPOTEstados UnidosTel: 1-800-ask-spot ext. 137Fax: 703-648.1813E-mail: [email protected]

DIRECTORIO SELPER, SEDE COLOMBIA, 2006 - 2008Centro para el Estudio de Sensores Remotos y SIG

Av. 11 de Septiembre 2155 - A Of. 902Tel.: 562 - 334 - 3923/946 - 0302

E-mail: [email protected]

PRESIDENTEMyriam Ardila Torres

Colombia

VICE-PRESIDENTEEloy Pérez

Cuba

VICE-PRESIDENTECarlos Pattillo

Chile

VICE-PRESIDENTEJaime Molina

Colombia

SECRETARIO GENERAL Luz Angela Rocha

Colombia

TESOREROCarlos NiñoColombia

COMITÉ EDITORIAL

PresidenteMaría Cristina Serafini (Argentina)

Miriam Esther Antes – Argentina Leila María Fonseca – Brasil Eder Gutierrez – Colombia Fabián Lozano – MéxicoJorge Luis Martin – Cuba

Stephan Dalence M. – Bolivia

COMITÉ DE RELACIONES INTERNACIONALESPaulo Roberto Martini (Brasil)

Presidente Aurelie Sand – Francia

Maurizio Fea – Italia Alfredo Cuello – Argentina

Victor Barrena - Perú Lissette Correa – Bolivia Rodolfo Ayala – Bolivia

María Elena Pezoa - Chile Olga Piedad Rudas - Colombia

Anyul del Pilar Mora - Colombia Luis Geraldo Ferreira - Brasil

COMITÉ DE EDUCACIÓNTania María Sausen (Brasil)

PresidenteJosé Luis Lizeca - Bolivia

Silvia Casas - MéxicoAlina Ariñez. - BoliviaMirta Raed - Argentina

Sandra Huerta Bustamante - ChileMaria Antonia García Cisnero - Cuba

Glenda Lee - GuatemalaLaurent Polidori, Guayana Francesa

Monica Rabolli - ArgentinaAndres Cárdenas - Colombia

Ethel Rubín de Celís Llanos - Perú

VOL. 26 Nº 1JUNIO 2008

REVISTA

SELPER 03

ÍNDICE TEMÁTICO

EJEMPLAR DE DISTRIBUCIÓN GRATUITA PROHIBIDA SU VENTA

COMITÉ EDITORIAL

Editado por: SELPER InternacionalUniversidad Nacional de Luján

Rutas 5 y ex 7, (6700) Luján - Bs. As. - ARGENTINA

María Cristina Serafini (Argentina)PRODITELUniversidad Nacional de LujánCruce rutas 5 y ex 7 (6700) Luján, Buenos Aires, ArgentinaTel: 54-2323-423171 int 248Fax: 54-2323-425795E-mail: [email protected]

Miriam Esther Antes (Argentina)PRODITELUniversidad Nacional de LujánCruce rutas 5 y ex 7 Luján, Buenos Aires, ArgentinaTel: 54-2323-423171 int 248Fax: 54-2323-425795E-mail: [email protected]

Leila María Fonseca (Brasil)INPEAv. Dos Astronautas 1758, Sao José dos Campos, Sao Paulo, BrasilTel: 55 - 12-39456000E-mail: [email protected]

Fabián Lozano (Mexico)Instituto Tecnológico y de Estudios Superiores de MonterreyAv. Euganio Garza Sada # 2501 sur, Col. Tecnológico, Monterrey, Nuevo León, MéxicoTel: 52 - 81 - 8358 - 1400 ext 5275 Fax: 52 - 81 - 8358 - 6280E-mail: [email protected]

Eder Gutierrez (Colombia)SELPER Capítulo ColombiaCarrera 30 No. 48-51 Edificio IGAC-CIAF Of. 212Bogotá, ColombiaTel: 57-1-369-4096 Fax:57-1-369-4096 E-mail: [email protected]

Jorge Luis Martìn (Cuba)

Stephan Dalence (Bolivia)

E-mail: [email protected]

Héctor del Valle (CENPAT - Argentina)Alfredo Cuello(UNLu - Argentina)Francisca González(UNS -Graciela Marín(SEGEMAR - Argentina

SVD SAMontevideo 451 2º 24Capital Federal - ArgentinaTel: 54 - 11 4371 - 8441 / 9547E-mail: [email protected]

ABTEMAReyes Ortíz No 41 - Piso 13 Casilla 14248La Paz, BoliviaTel: 591 - 2 - 521 259 / 113 Fax: 591 - 2 - 315 220

Argentina)

)

COMITÉ DE EVALUADORES

ANÁLISIS ESPACIO-TEMPORAL DE LA EVAPOTRANSPIRACIÓN DE REFERENCIA (ETo) EN CUBA

Alberto A. Méndez Jocik

Oscar José Solano Ojeda

Diuris Ruiseco Hernández

Felicita González Robaina .......................................................................5

IMAGE CLASSIFICATION ON A MOUNTAINOUS AREA

USING OBJECT-BASED IMAGE ANÁLISIS

Yan Gao

Jean François Mas................................................................................. 15

TELEOBSERVACIÓN APLICADA A LA

CARACTERIZACIÓN MORFOÓGICA Y EVOLUTIVA DE

COBERTURAS DE SUELOS EN LA LLANURA DE

INUNDACIÓN DEL RÍO PARANÁ

..................................................................................... 24

MAPEAMENTO DE ÁREAS URBANIZADAS COM O

USO DE IMAGENS LANDSAT E ANÁLISE ORIENTADA

A OBJETO

............................................................... 33

Lisandra P. Zamboni

Pablo Aceñolaza

Walter Sione

Fabio Kalesnik

Cristina Serafini

Claudia Durand Alves

Íris De Marcelhas E Souza

Madalena Niero Pereira

Teresa Galloti Florenzano.......

INDICE TEMÁTICO Y COMITÉ EDITORIAL

Los artículos recibidos serán enviados a tres (3) f) Resultados obtenidosexpertos en la temática para su revisión. Los g) Conclusionestrabajos aprobados serán publicados en estricto h) Bibliografía: sólo se incluirá la citada en el orden, de acuerdo a las fechas de llegada de las texto. Se indicarán los autores, por orden contribuciones. alfabético, año, título, revista o medio donde fue

Los idiomas oficiales SELPER son: Español, publicado, incluyendo volumen y páginas, cuando Portugués e Inglés. corresponda.

L o s t r a b a j o s d e b e r á n e s t r u c t u r a r s e contemplando las siguientes secciones: Los títulos y subtítulos de cada sección deberán

estar c laramente ind icados (ya sea con a) Título del trabajo. Nombre de los autores y numeración o tamaño de letras). Las tablas, fotos

direcciones completas y figuras deberán ser suficientemente nítidas, b) Resumen (no más de 150 palabras) llevar un título y estar numeradas en forma

indicando al final las palabras claves. Deberá consecutiva. incluirse en Español o Portugués, además de Se deberá enviar una copia del trabajo en Inglés formato Word y una copia papel. La extensión

c) Introducción total del trabajo no deberá superar las 12 páginas, d) Objetivos (DIN-A4). e) Metodología empleada y materiales Los trabajos se enviarán a: [email protected]

NORMAS PARA LOS AUTORES

PLAN EDITORIAL SELPER 2006 - 2008

PLAN EDITORIAL SELPER

A partir de las decisiones adoptadas en el marco del X Simposio Latinoamericano de Percepción Remota y Sistemas de Información Espacial, organizado por nuestra Sociedad; llevado a cabo en Cochabamba, Bolivia, en noviembre de 2002, el Comité Editorial ha tomado el compromiso de regularizar las publicaciones de la Revista Técnica Científica.

En este sentido es necesario destacar el invalorable apoyo obtenido de la Agencia Espacial Europea (ESA) por la impresión de los volúmenes correspondientes a los años 2000, 2001, 2002, 2003, 2004, 2005 y 2006 respectivamente, los cuales se encuentran disponibles para los miembros de nuestra Sociedad.

La 1º edición del año 2007 se llevó a cabo gracias al importante aporte recibido por parte del Capítulo Nacional Selper México.

En esta oportunidad hacemos llegar la publicación del volumen 26 número 1, donde se incluyen trabajos que han sido enviados por especialistas en el área de Teledetección y SIG que desarrollan sus actividades en diferentes instituciones de América Latina, los cuales han sido remitidos a expertos evaluadores para su revisión y aprobación.

Nos toca agradecer muy especialmente la labor llevada a cabo por el grupo de evaluadores que ha participado en la revisión de los mismos.

4 REVISTAVOL. 26 Nº 1JUNIO 2008 SELPERPRESENTACIÓN DEL PRESIDENTE DE SELPER

05 REVISTA

SELPER

RESUMEN años 90 la FAO establece el método de Penman-Monteith como procedimientoestándar para su

La evapotranspiración (ET) constituye el segundo determinación donde se requiere de observaciones elemento del ciclo hidrológico del agua en la sinópticas de estaciones meteorológicas, las cuales atmósfera, a ella están ligados diversos y complejos no siempre están disponibles ni distribuidas procesos en el que intervienen agua, suelo planta así espac ia lmen te de fo rma que med ian te como otros aspectos medioambientales y de manejo, interpolaciones se pudiera suplir de información de su determinación y utilización hace imperante por algunas zonas adyacentes, con un nivel de confianza especialistas que planifican, toman decisiones, requerido o al menos informarlo.explotan los recursos hídricos, ambientales y las El área de Cuba es de110 860 Km2 (ACC 1989), de geociencias en general. acuerdo a informaciones del Instituto de Meteorología En los años 90 la FAO establece el método de existen unas 68 estaciones climáticas de diversas Penman-Monteith como procedimiento estándar para categorías que realizan observaciones del clima de su determinación donde se requiere de observa- ellas 62 pueden proveer de informaciones necesarias ciones sinópticas de estaciones meteoro-lógicas las para la estimación de de la evapotranspiración de cuales generalmente no están distribuidas referencia lo que daría una densidad de cubrimiento espacialmente que mediante herramientas de 1788 K2, estas estaciones fueron situadas no geoestadísticas se pudiera suplir de información atendiendo a un objetivo agroclimático (algunas de precisa de algunas zonas adyacentes con un nivel de ellas situadas en puntos como cayos, costas etc.) por confianza requerido. tal motivo si se pretende realizar un análisis para En Cuba uno de lo trabajos mas relevantes y actuales áreas de interés agropecuario debe tenerse en son los desarrollados por el Instituto de Meteorología cuenta cuales deben seleccionarse a fin de no (Solano 2003), donde publica las tasas de generalizar información (propagación de errores), al evapotranspiración de referencia del Territorio realizar una interpolación utilizando cualquiera de los Nacional, el presente trabajo pretende complementar métodos existentes siempre el número de datos estos estudios ofreciendo una metodología de trabajo disponibles y su distribución espacial constituye la para la obtención de mapas de intervalos de primera limitante, pero haciendo un análisis objetivo confianza dotando al estudio de resultados para poder realizar cualquier estudio relacionado con cualitativos. la evapotranspiración de referencia es obligado a

recurrir a esta fuente de información al no existir otra, INTRODUCCIÓN si se consulta información a cerca de la variabilidad

espacial y temporal de la evapotranspiración en Cuba, La evapotranspiración (ET) constituye el segundo las publicaciones son insuficientes y algunas carecen elemento del ciclo hidrológico del agua en la de un nivel de robustez requerido ya que están atmósfera, a ella están ligados diversos y complejos basados en análisis de datos los cuales fueronprocesos en el que intervienen agua, suelo planta así generalizados a niveles mensuales y de períodos como otros aspectos medioambientales y de manejo; hidrológicos donde se enmascara la verdadera su determinación y uso se hace imperante naturaleza de la variabilidad espacial y temporal de laporespecialistas que planifican, toman decisiones y ET; la FAO recomienda la utilización de informaciones explotan los recursos hídricos, ambientales y las decenales para este tipo de estudio (Smith 1990), geociencias en general. Desde siglos pasados se han entre los trabajos relevantes son de obligada consulta generado una serie de modelos biofísicos y empíricos los desarrollados por el Instituto de Meteorología para lograr su aproximación pero siempre ha existido "Zonificación de la evapotranspiración de referencia una limitación que es la alta variabilidad espacial y en Cuba. Atlas Agrometeorológico detemporal de cada uno de sus componentes, en los disponibilidades hídricas para una agricultura de

Análisis espacio – temporal de la evapotranspiración de referencia (ETo)en Cuba.

Alberto A. Méndez Jocik * Oscar José Solano Ojeda ** Diuris Ruiseco Hernández *** Felicita González Robaina ****

* Dpto. de Geomática. Empresa Nacional de Proyectos Agropecuarios de Cuba. [email protected] Conill y Ave. Boyeros. Ministerio de la Agricultura de Cuba, Piso 10. ** Dpto. de Agrometerelogía. Instituto de Meteorología de Cuba.

[email protected] *** Diuris Ruiseco Hernández . Universidad Nacional Agraria de la Habana, UNAH. Cuba. [email protected] **** Dpto. de Investigaciones del Instituto de Investigaciones de Riego y Drenaje de Cuba. IIRD.

[email protected]

ANÁLISIS ESPACIO-TEMPORAL DE LA EVAPOTRANSPIRACIÓN...VOL. 26 Nº 1JUNIO 2008

secano" (Solano 2003) al no existir otros autor fue el seleccionado y utilizado (cortesía de su antecedentes basados en análisis de series a nivel autor) en los posteriores análisis de este trabajo.decenal en el país. Como procedimiento de trabajo se estableció el El presente trabajo t iene como objet ivo siguiente:complementar este estudio estableciendo una metodología para el manejo de datos geoespaciales · Análisis estadístico exploratorio descriptivo de la de esta naturaleza haciendo un análisis espacio totalidad de los datos sin realizar ninguna temporal de esta variable y determinando los transformación.intervalos de confianza para las tasas de evapotranspiración de referencia, dotando al mismo · Prueba de Normalidad de Anderson - Darling la cual de un análisis cualitativo necesario para la toma de es recomendada como la prueba más robusta decisiones económicas, ambientales y de seguridad existente y valida cuando se quiere precisar los alimentaría. limites de la serie en cuanto a la normalidad, varios

autores (Brown 1974; Filliben 1975; Sheather 1986) MATERIALES Y MÉTODOS la consideran superior a las pruebas de Ryan-Joiner y

Kolmogorov-Smirnov.Para el presente estudio fueron utilizados datos decenales de series históricas (30 años), mapas e · Análisis grafo - analítico de la distribución espacial y informaciones obtenidas del Atlas Agrometeorológico temporal de la ETo.de disponibilidades hídricas para una agricultura de secano publicados por el Instituto de Meteorología · Estratificación de las poblaciones de la series de ETo (Solano 2003) (cortesía de sus autores), donde se a partir de la geomorfología .ofrecen los datos de ETo para el Territorio Nacional de 62 estaciones climáticas determinados por el · Establecimiento de las nuevas clases a partir de las procedimiento estándar de FAO-Penman-Monteith series de ETo obtenidas.(Allen 1998).

· Verificación de la normalidad de las clases.

·Anál isis de patrones para identi f icar el comportamiento espacial de los datos.

· Cálculo de los semi-variogramas experimentales.

· Modelación de los semi-variogramas y establecimiento de los modelos.

· Interpolación mediante el método del Kriging.

· Cálculos de los errores (desviación estándar).

· Estadística descriptiva y prueba de normalidad de los errores.

Para la aplicación de la metodología es necesario · Establecimiento de los intervalos de confianza.realizar una estratificación de los valores de ETo mediante la geomorfología del relieve por la influencia ·Mapificación y despliegue de los resultados que este aporta a la variable de estudio (Smith 1990), mediante sistemas de información geográficos (SIG).por este motivo se necesitan informaciones de esta naturaleza. Al consultar información al respecto de ANÁLISIS Y DISCUSIÓN DE LOS RESULTADOSlos estudios realizados en Cuba existen diferentes criterios (Hernández S.J 1993) señala que los Estadística exploratoria descriptiva: Se realizó un resultados actuales de investigación de la análisis estadístico exploratorio con la totalidad de los geomorfología cubana obtenidos hasta hoy, reflejan datos sin realizar ninguna transformación según lo un grado desigual e insufic iente de estudio dado por que sugiere Rossiter (2003) para determinar la diversas causas. Uno de los trabajos más recientes naturaleza de los datos y en qué sentido se debe que considera los estudios antes realizados y utiliza orientar los siguientes pasos de la investigación . técnicas más avanzadas es el desarrollado por Reyes (Rossiter 2003) La Prueba de Normalidad de (2004) donde utiliza procesamientos utilizando Anderson - Darling en todos los casos muestra técnicas de radar (Shuttle Radar Topography Misión. suficiente evidencia para afirmar que ninguna de las Jet Propulsión ) con resoluciones espaciales de 90 m series se comportan como una distribución normal (NASA 2002). para el nivel de significación (a=0.05), entre las El modelo digital de elevaciones propuesto por su muestras se observa que existen diferencias entre las

06 REVISTA

SELPERANÁLISIS ESPACIO-TEMPORAL DE LA EVAPOTRANSPIRACIÓN...

FIG. 1. Localización de las estacionesclimáticas en Cuba


07 REVISTA


Fig.2 Histograma ETo de todas las series Fig. 3 Evapotranspiración de refe rencia por estaciones climáticas

Tabla 1. Estadística descriptiva exploratoria de todas las series


medias (Min.= 26.871 y Máx.=52.853) con La introducción del Lapso Adiabático para varias coeficientes de variación (CV min.= 6.590 y CV Máx.= alturas fue introducido por Hargreaves (1980) y el 11.810) provocadas a que los datos se distribuyen en factor de índice de aridez presentado por Allen y Pruittdiferentes poblaciones como se muestra en el (1986) son útiles ejemplos de esto; el panel señalaba histograma de la Fig. 2 lo que permite suponer que los además que las técnicas de teledetección pueden datos obedecen a una distribución que pudiera proveer de adicional información sobre la variabilidaddepender de la va riabilidad espacial (X, Y, Z) y espacial (Smith 1990). Por este motivo la temporal (T) como se muestra en la Fig. 3, este estratificación de las series de ETo se realizó teniendo análisis define 3 direcciones de la investigación: en cuenta la geomorfología del relieve atendiendo a la 1-Los análisis deben considerar la variabilidad clasificación antes mencionada (Reyes 2004).temporal de la evapotranspiración de referencia para Sobre la transformación de series para su lo cual hay que decidir cual es el periodo en el cual se normalización algunos autores (Rossiter 2003) establecen los valores más representativos de la sugieren trabajar con datos sin transformar serie . estratificándolos de forma tal que los agrupe en 2-Los datos pueden estar influenciados por una poblaciones cuyos extremos se encuentren dentro de variabilidad espacial (X, Y, Z) que pudiera determinar una serie normalizada, respondiendo a un principio su agrupamiento. biofísico y no matemático.3- Las series no presentan un comportamiento Los datos de evapotranspiración de referencia fueron Normal lo que implica su transformación para poder estratificados quedando normalizados excepto en el emplear métodos de interpolación basados en el primer estrato (0 – 40 m) donde fue necesario supuesto de obedecer a una distribución Gausiana. reclasificarlo en 2 partes (0 -15 m) y (16 - 40 m) ya que Para decidir el período donde la variabilidad temporal aun existen 2 poblaciones en una misma serie, en el sea representativa de la serie, al analizar la Fig.3 se caso de las series 85-125, 459-800 y 800-1500 se muestra la alta variabilidad temporal de la ET aún agruparon normalmente dentro de una misma serie. cuando se utilizaran series diarias u horarias. Las diferentes series quedaron agrupadas en las Sobre la variabilidad temporal de la evapo- clases que se muestran en la Tabla No 2.transpiración existen pocos trabajos realizados, sobre esto en un panel de expertos agrupados por la FAO en Roma, Smith (1990) señalaba que los procedimientos para analizar la varianza estadística de las precipitaciones se ha convertido en calculo de rutina, tales procedimientos no han sido llevados a cabo en el caso de la evapotranspiración y otras variables climáticas de un comportamiento no normal, estudios comparativos adicionales para estimar la var iab i l idad tempora l y recomendar los procedimientos prácticos en la planificación y explotación de los recursos hídricos necesitan ser Para la estimación de la evapotranspiración (ETo) la realizados. determinación del número de datos necesarios para Este panel de expertos establecía tiempos escala en que los resultados se encuentren dentro del intervalo el estudio de la evapotranspiración y señalaba que de confianza (en este caso un 95 % de probabilidad), estos están en dependencia del propósito de la lo deseable es que la ETo se estime con un máximo aplicación que se quiera realizar y la precisión del valor de confiabilidad y teniendo en cuenta que esta método de predicción con que se trabaje variable está expresada en lámina (1 mm – 10 m3/ha) recomendando intervalos diarios, decenales y consideraremos 0.5 mm de margen de error.mensuales para el método utilizado.(Smith 1990)Por lo antes señalado y teniendo en cuenta que el Intervalo de confianza para la población de una mediapresente estudio pretende obtención de valores de ET con fines de planeamiento hidráulico y explotaciónpara usos de regadíos estableceremos el tiempo escala de 10 días.

( 1)Variabilidad espacial de la ET

Donde:El panel de expertos antes mencionado señalaba a su Valores medios de la serievez que el uso de datos climáticos de estaciones Valores tabulados de la distribución normal para un meteorológicas para áreas agrícolas presenta nivel de confianza (1.960 para un 95 % de diferentes limitaciones, los procedimientos en que se probabilidad)trabaje para la determinación de la evapo- ? : Desviación estándar de la serietranspiración deben tomar en cuenta las diferencias n : Número de observacionesmicro climáticas, vegetación, suelos y cambios de altitud.

Tabla 2. Clases obtenidas de la estratificación geomorfológica

08 REVISTA

SELPERANÁLISIS ESPACIO-TEMPORAL DE LA EVAPOTRANSPIRACIÓN...VOL. 26 Nº 1JUNIO 2008

Tabla 3 Número de datos necesarios para un margen de error de 0.5 mm deETo de intervalo de confianza de la media para un 95 % de probabilidad

Trabajar con datos insuficientes puede provocar márgenes de errores (Tabla No.4) con valores sobreestimados o subestimados de evapotrans-piración. Por otra parte si se quiere lograr una interpolac ión precisa ut i l izando técnicas geoestadisticas como el Kriging (interpolador óptimo) sería necesario estimar de forma fiable los semivariogramas experimentales lo que requiere un tamaño de muestras mínimo. Gascuel (1994) en su trabajo sobre la variabilidad de estimaciones espaciales considera 150 datos y apunta como un número suficiente, mientras Webster (1992) considera esta cantidad como el límite inferior y recomienda un tamaño de muestra de 225.

En las figuras (Fig.5-9) cual se muestran los semivariogramas experimentales para cada clase

Análisis de patrones

En las interpolaciones se asume que existe una aleatoriedad espacial de los puntos, para examinar el comportamiento de los datos de puntos en el espacio e investigar si estos están distribuidos al azar se utiliza el análisis de patrones (Fig 4), dos técnicas básicas se utilizaron para examinar el modelo espacial de puntos, distancia de vecinos más cercanos y reflexivos vecinos más cercanos.

Tabla 4. Cuantificación en unidades de norma de riego del margen de error

Fig. 4. Análisis de patrones de la evapotranspiración de referencia.

Fig. 5 0-15 m

09 REVISTA


Como se observa en la tabla No. 3 en todas las clases estaciones climáticas con informaciones para estimar es necesario un número de datos superior a los la evapotranspiración de referencia, estas deberían existentes para obtener un margen de error adecuado estar situadas a su vez con una distribución espacial lo que implicaría que existieran en el país unas 684 que se lograra una densidad adecuada en cada lugar.


De acuerdo a los semivariogramas se observan que 2- 3.5 mm altos si se compara con los valores medios existen dependencias espaciales entre los rangos de que se sitúan entre Min.= 2.6871 mm y Máx.=5.2853 0-400 Km. respecto a la evapotranspiración de mm en este rango de distancias.referencia, esta información puede servir de base en En las Fig. 10-19 se muestran los resultados la distribución de las estaciones climáticas, por otra obtenidos de la interpolación de la evapotrans-parte la semivarianza oscila entre rangos de 4-12.5 piración de referencia mediante un Kriging ordinario y mm que implican desviaciones estándar de la media sus respectivos mapas de errores.

Fig. 6 16-40 m

Fig.8 85-1500 m

Fig. 9 Semivariograma experimental todas las clases.

Fig. 7 41-85 m

Tabla 5 Parámetros de los semivariograma para todas las clases

10 REVISTA


A partir de la combinación de los mapas estimados comportamiento normal de los errores, los valores mediante el Kriging ordinario y sus mapas de errores críticos de intervalos de confianza se obtuvieron de lase crearon mapas de intervalos de confianza tabla de valores estándar de la curva norma (Tabla 6)l.mediante mapas de cálculos, verificando el

Fig. 10-11 Clase 0-15 m

Fig. 12-13 Clase 16 -40 m

Fig. 14-15 Clase 41-85 m

Fig. 16-17 Clase 85-1500m

Fig. 18-19 Evapotranspiración de referencia I decena mes de enero y mapa de errores.

11 REVISTA


Donde son los valores de Kriging estimado y el error estimado (estándar desviación). La multiplicación del factor c (Valor critico) por los valoresestimados en el mapa de errores de una cara de los intervalos de confianza provoca la obtención de los mapas de intervalos de confianza para la media.Del histograma del mapa de errores se evalúa la estadística descriptiva y la prueba de Anderson – Darling para verificar la normalidad, en los gráficos delas Fig., 20 y Fig.21 Se muestra la normalidad de los errores lo que permite estimar los intervalos de confianza.

Los resultados del análisis del mapa de intervalos de confianza y el histograma (Fig 22 y 23), nos muestran zonas de "incertidumbres " donde los intervalos de confianza presentan desviaciones entre 5-6 mm, esto coincide con las zonas donde la densidad de estaciones climáticas es baja e inclusive nula situadas en las zonas oeste de la Isla en las regiones centrales de la Provincia de Pinar del Rió pertenecientes a los municipios de San Juan y Martínez , Minas de Matahambre, Viñales, La Palma, Bahía Honda y San Cristóbal, similar comportamiento aparece en la región este del país en los municipios costeros de la Provincia de Granma como son Campechuela, Media Luna y Niquero y en la provincia de Holguín en el municipio de Moa, otras de las regiones del mismo comportamiento es la región mas oriental de la isla en la Provincia de Guantánamo en los municipios de Yateras, San Antonio del Sur, Manuel Tames, Baracoa, Imias y Maisi todas estas áreas representan un 7.2 % del territorio nacional, en las restantes zonas del país unas 10,713,750 ha se comportan dentro de los rangos de intervalos de confianza de 0.5-4 mm, yrepresentan el 92.6 % de las áreas de Cuba.Diferentes autores coinciden que las medidas de teledetección espacial permiten extender los modelos de cálculo a zonas amplias donde no se dispone de datos meteorológicos (Rivas 2004; Rivas. R 2004) y proponen una serie de modelos basados en el estudio de diferentes sensores y variables

En la figura 22 se muestra el mapa de los intervalos de confianza para la media de la evapotranspiración de referencia de la primera decena de enero evaluado para un 95% de probabilidad.

Tabla 6 Intervalos de confianza y valores críticos de la curva normal.

Fig. 21 Intervalos de confianza de la Prueba Anderson Darling

Fig. 23 Histograma Intervalos de confianza

12 REVISTA


Fig. 20 Estadística descriptiva mapa de Errores

Fig. 22 Intervalos de confianza de la evapotranspiración de referencia


obtenidas a partir de técnicas de teledetección (Jiang que limita el uso de datos puntuales de estaciones 2003; Batra 2005; Batra climáticas cuando estas no se encuentran con una 2006; Wang 2006; Bisht 2005). densidad adecuada y distribuidas uniformemente, Por otra parte existe una tendencia mundial a la aún cuando se utilicen procedimientos y métodos utilización sistemas inteligentes para la modelación geoestad?sticos avanzados (interpolador óptimo) lo de la evapotranspiración debido a la imposibilidad de que constituye una limitante al sobrestimar o medir directamente y de forma precisa (error subestimar los valores reales de la misma, debe instrumental), este parámetro, así como limitaciones restarse atención su utilización para evitar la en cuanto al conocimiento de las leyes biofísicas que propagación de errores o al menos informar el grado rigen este comportamiento, sobre este aspecto de confiabilidad con que se trabaja .Obregón (2002) (2003) señalaba que el estudio de 1. Es importante considerar las escalas de tiempo en sistemas complejos como es el caso de la la estimación de la evapotranspiración como lo evapotranspiración tal como se puede evidenciar no recomienda la literatura internacional y no trabajar en sólo en la “textura” de las diferentes variables de escalas superiores de una década, la generalización entrada y salida, sino también en el carácter no lineal de información a otras escalas utilizando estadígrafos de las funciones de transferencia y heterogeneidad de tendencia central como la media, desviación de sus parámetros, los modelos empleados en estándar y pruebas de normalidad enmascaran el ingeniería procuran incorporar expresiones que verdadero comportamiento de la serie.consideran la complejidad de dichos sistemas. Para 2. La metodología ofrecida puede servir de herra-tal efecto se acostumbra a generar aproximaciones mienta en el análisis y procesamiento de este tipo de que pueden ser empleadas en los diferentes información que presenta un carácter estocástico, ejercicios de modelación. Una primera discriminación probabilístico y difuso, la utilización de otros incluye los denominados modelos de “caja negra” y procedimientos estándar pueden inducirle otras los de “caja blanca”. En los primeros la característica fuentes de error.principal es la ausencia de algún principio físico como 3. Este estudio no es conclusivo solo tiene un carácter por ejemplo alguna de las leyes de conservación metodológico encaminado a proponer este (masa, momento o energía). Para los segundos por lo procedimiento de trabajo para la evaluación posterior menos se incluye una o varias de estas leyes. En los de todas las series históricas de la base de datos con primeros es común también hablar de dos tipos de que se cuenta pero es indicativo de similares modelos aquellos que se encuentran guiados por resultados a obtener al analizar otros períodos ya que datos y los basados en el conocimiento. Como los intervalos de confianza están determinados por laherramientas de éstos se destacan los denominados cantidad de estaciones climáticas existentes, su SISTEMAS INTELIGENTES. distribución geográfica y su densidad.

4. Recomendamos la combinación de estos CONCLUSIONES Y RECOMENDACIONES procedimientos de trabajo con técnicas de

teledetección espacial modelados a partir de A la vista de los resultados obtenidos podemos sistemas inteligentes para tratar de reducir las concluir que:En las condiciones de Cuba la incertidumbres de algunas zonas donde la estimación evapotranspiración de referencia presenta una alta no ha alcanzado los valores deseados.variabilidad espacial (x,y,z) y temporal (t) coincidente con lo reportado por la bibliografía internacional, lo

REFERENCIAS University Cincinnati.Master of Science 120.

ACC, Ed. (1989). Nuevo Atlas Nacional de Cuba, Editado por el Instituto de Geografía de la Academia Batra, N., S., Islam, V., Venturini, G., Bisht, and L., de Ciencias de Cuba, el Instituto Cubano de Jiang. (2006). "Estimation and comparison of Geodesia y Cartografía y el Instituto Geográfico evapotrasnpiration from MODIS and AVHRR sensors Nacional de España for clear sky days over the Southern Great Plains. ."

Remote Sens. of Environ. 103: 1-15.Allen, R., Pereira, L., Raes, D. and Smith, M. (1998). Evapotranspiración del cultivo. Guía para la Bisht, G., V., Venturini, S., Islam, and L., Jiang. ( 2005). determinación de los requerimientos de agua de los "Estimation of the net radiation using MODIS cultivos. Estudio FAO Riego y Drenaje No. 56. FAO: (Moderate Resolution Imaging Spectroradiometer) 298. data for clear sky days." Remote Sens. of Environ. .

97: 52-67.Batra, N. (2005). Estimation and comparation of Brown, M. B., Forsythe (1974). "Robust Tests for the Evapotranspiration from multiple satellites for clear Equality of Variances." Journal of the American sky days. Department of Civil & Environmental Statistical Association 69: 364-367.Engineering of the College of Engineering. Ohio, USA. , Filliben (1975). "The Probability Plot Correlation

13 REVISTA


Coefficient Test for Normality." Technometrics 17: 111. estimate spatial reference evaporation from remote sensing-based surface temperature and local

Gascuel, O. (1994). "Variability of variograms and meteorological data." Remote Sensing of spatial estimates due to soil sampling: a case study." Enviromental 93: 68-76.Geoderma 62: 165- 182.

Rossiter, D. G. (2003). "Spatial Analysis & Hernández S.J, D. J. L., Portela P.A, Magaz G.A Geostatistics." Department of Earth Systems Analysis (1993). "Geomorfologia de Cuba." La evalolucion de International Institute for Geo-information Science & la morfologia. Academia de Ciencias de Cuba. Earth Observation (ITC): 283.Habana. Cuba.13

Sheather , H. (1986). "Confidence Intervals Based on Jiang, L., and S., Islam. (2003). "Estimation of surface Interpolated Order Statistics." Statistics and evaporation map over southern Great Plains using Probability Letters 4: 75-79.remote sensing data." Water Resources Research. 37(2): 329-340. Smith, M. (1990). Expert Consultation on Revision of

FAO Methodologies for Crop water requirements. NASA (2002). Shuttle Radar Topography Mission, Land and Water Development Division. L. a. W. D. NASA. Division. Rome, Italy, FAO: 57.

Obregón, N., & F. Fragala (2002). "Sistemas Solano, O., C. J. Menéndez, R. J. Vázquez y J. A. Inteligentes, Ingeniería e Hidroinformática." Ciencias Menéndez . I . (2003). Zonificación de la e Ingeniería Neogranadina Vol. 13. evapotranspiración de referencia en Cuba. Atlas

agrometeorológico de disponibilidades hídricas para Obregón, N., & F. Fragala (2003 ). Some Applications una agricultura de secano 2 p, 4 Anexos, 102 mapas. of Artificial Intelligent Systems in Hydroinformatics. La Habana, Cuba, Instituto de Meteorología.Eighteeen International Joint Conference on Artificial Intelligence. Workshop Acapulco, Mexico. Wang, K., Li, Z., M., Cribb. (2006). "Estimation of

evaporative fraction from a combination of day and Reyes, R. (2004). Geomorphometry characterization night land surface temperatures and NDVI: A new of Cuba by use Digital Elevation Model (DEM) From method to determine the Priestley – Taylor Shuttle Radar Topography Mission (SRTM) with 90 m parameter." Remote Sens. of Environ. 102: 293-305.of resolution. Netherland, International Institute for Geo-information Science and Earth Observation Webster, R., Oliver, M.A. (1992). "Sample adequately Msc.: 50. to estimate variograms of soil properties." Journal of

Soil Science 43: 177– 192.Rivas, R., Caselies (2004). "A simplified equation to

14 REVISTA


15 REVISTA

SELPER

Image classification on a mountainous area using object-basedimage analysis

1Yan Gao* and Jean François Mas*

* Centro de Investigaciones en Geografía Ambiental, Universidad Nacional Autónoma de México(UNAM), Antigua Carretera a Pátzcuaro No. 8701, Col. Ex-Hacienda de San José de La Huerta C.P.

58190 Morelia Michoacán MÉXICO, Tel. (443) 322 38 35, E-mail: [email protected],[email protected]

IMAGE CLASSIFICATION ON A MOUNTAINOUS AREA...

ABSTRACT bear either very general land-cover information, or else detailed information with limited accuracies

Object-based image analysis classifies image objects (Franklin et al. 2003). In object based image analysis, which are created by image segmentation. Image homogeneous image objects at a chosen resolution segmentation delineates image objects according to a are first extracted and subsequently classified and the certain homogeneity criteria, and at the same time, results produced are smoother and closer to the requires spatial contingency. Since objects are human vision. The development of object based comprised of a group of pixels, the objects properties image analysis stems primarily from the desire to use such as mean, standard deviation, shape, texture, etc. the semantic information to interpret an image, which can thus be calculated and used in the image analysis. is not presented in single pixels but rather in Object-based image analysis uses object’s spectral meaningful objects and their mutual relations. Objects and spatial information, and information pertaining to are composed of groups of homogeneous pixels, and an object’s sub-or super-objects if a multi-level image thus more information than just the grey value can be object hierarchy has been created. With all these used in the classification, which considerably extendsavailable features, it is critical the proper the possibilities for image analysis. Object based selection of features and thresholds to differentiate image analysis intends to do what an image the classes of interest. Normally, this selection of the interpreter does: recognizing the colour, shapes, proper features and thresholds relies on the expertise textures and coherent regions presented within an of the analyst and is performed on a trial and error image and associating meaningful objects and their process. In this paper, a SEaTH algorithm was used to contextual relations.calculate the proper features and thresholds based on A feature represents certain information concerning the properties of the selected representative objects objects of interest, such as spectral related of class. This paper performed land cover information, shape, texture, etc. It is important to classification using object based image analysis on identify the characteristic features for objects of Landsat-7 ETM+ imagery in a mountainous area with interest in order to differentiate objects of different complex land cover classes. In the definition of the land cover types. Usually, it is based on a time classifiers of the land cover classes, the used features consuming trial and error process. According to the and thresholds were calculated by SEaTH algorithm. selected training objects and features,Eight land cover classes were produced: temperate SEparability and Threshold (SEaTH) algorithm forest, tropical dry forest, orchards, grassland, calculates the proper features and thresholds that are irrigated agriculture, rain-fed agriculture, lava flow, best fit for the separation of interested classes. Based and human settlements. In this paper, it is on a statistical approach, it calculates the features and differentiated between object primitives and object of thresholds for any number of given features and any interest. Object primitives are building blocks in object number of interested classes, so it avoided the time-based image analysis and are produced by image consuming trial and error process. This paper segmentation; object of interest here corresponds to investigates the performance of object based image the earth objects. analysis for mapping land-covers in a mountainous Key words: Multi-resolution segmentation, Object- forested area, using the features and thresholds based image analysis, Separability and thresholds. identified by the SEaTH algorithm.

1. INTRODUCTION 2. METHODS2.1. Object based image analysis in eCognition

Pixel-based image classification usually produces highly freckled results in classifying images of Object based image analysis in eCognition (Definiens heterogeneous areas. The resulting thematic maps 2006) comprises two parts: multi -resolution

1 Corresponding author. [email protected]


segmentation and context-based classification. Multi - the maximum allowed heterogeneity for the resulting resolution segmentation allows generating image image objects. With a certain scale parameter, objects objects on an arbitrary number of scales considering are formed based on “colour” and “shape” homogeneity in colour and shape. characteristics, and the relation between these two Additionally, the created segments/objects are criteria is colour + shape = 1. “Colour” defines the embedded into a hierarchical network in which each weight the spectral values of the image layers object knows its neighbouring objects in horizontal contribute to image segmentation. Shape criterion is and vertical direction (figure 1) (Baatz and Schape represented by smoothness and compactness. 1999). The classification is based either on a fuzzy Smoothness is to optimize image objects with regard nearest neighbour classifier or membership function. to smooth borders, and compactness with regard to

compact borders (Baatz et al. 2004).2.1.1. Multi-resolution image segmentation Besides, for a given set of segmentation parameters,

heterogeneous image data result in smaller image Multi -resolution image segmentation extracts objects objects than homogeneous image data.in a number of hierarchical segmentation levels, and each subsequent level yields image objects of a larger 2.1.2. The fuzzy classifier and hierarchical average size by combining objects from a level below, network classifierwhich represents image information on different scales simultaneously (figure1). The classification uses either nearest neighbour In image segmentation, scale parameter determines classifier (NN) or membership function, or a means

Figure 1: Image object hierarchy. Source: Definiens professional 5 user guide

combination of both. Object features can be used approach based on training objects. It measures the either to describe membership functions, or to statistical distance (Jeffries-Matusita distance) to determine the feature space for NN (Baatz and compare the feature separability of two interested Schape 1999). NN classifier is based on fuzzy logic, classes. The measure result is in interval of [0, 2], in which replaces the two Boolean logical statements which 0 implies that the class distributions in these two “true” and “false” by the continuous range of (0…1) features are completely correlated and 2 implies the where 0 means false and 1 means true and all values complete uncorrelation.between 0 and 1 represent a transition in between. The features in which the class has the high To guarantee a definite hierarchy the segmentation separability (high J value) are the optimum features. procedures follow two rules: 1) object borders must To apply this method in the classification in eCognition, follow borders of objects on the next lower level; 2) first of all, samples of the interested classes are segmentation is constrained by the border of the selected and the statistics (feature values) of those object on the next upper level. Different hierarchical samples are exported.levels can be segmented using different data, an The separability of the classes represented by J upper level, for example, can be built using thematic distance is then calculated, and the features with the information, whereas a lower layer is segmented high J distance are favorable features to differentiate using remote sensing data. Classifying the upper level, between land-cover classes. The selected favorable each object can be analyzed based on the features can then be used to build the rule base. It is a composition of its classified sub-objects. By means of parametric approach and the assumption is that all the this technique different data types can be analyzed in random variables encountered during the processing relation to each other. can be approximated as Gaussian distributions.

2.2. SEaTH algorithm 3. THE STUDY AREA AND DATA

SEaTH algorithm was proposed by Marpu et al. The study area is located in Michoacán state, central (2006) and Nussbaum et al. (2006), the algorithm west of Mexico, covering an area of approximately identifies the characteristic features with a statistical 58*60 km 2 , within the longitude of 102° 00’ W and

16 REVISTA

SELPERIMAGE CLASSIFICATION ON A MOUNTAINOUS AREA...VOL. 26 Nº 1JUNIO 2008

102° 32’ W, and latitude of 19° 02’ N and 19° 36’ N (figure 2).

Figure 2: The study area. Left side of the figure are two sketch maps indicating Mexico and Michoacán statewhere the study area is located; right side is the false colour composite of Landsat-7 ETM+ image with red,

green, and blue bands of 4, 5, and 7.

The available data are comprised of a Landsat-7 different information that is defined in the attached ETM+ image obtained on 16 February 2003, with 6 attribute list. To be able to clearly define the affiliation bands and a spatial resolution of 30m, a mosaic of 25 of an object to a thematic class given by the themati c ortho-corrected photos taken in 1995 with 2 meters layer, it is not possible to create image objects which spatial resolution, and a land-cover map from the belong to different thematic classes. To ensure this, Forest Inventory generated in the year 2000. Eight the borders separating different thematic classes are land-cover types need to be classified: ‘orchards’, restrictive for further segmentation whenever a ‘temperate forest’, ‘irrigated agriculture’, ‘rain-fed thematic layer is used. For this reason, thematic agriculture’, ‘lava flow’, ‘tropical dry forest’, ‘grass layers can not be given different weights but can land’, and ‘human settlement’. merely be selected for use or not. In this case, of

course, the thematic layer which contains the 4. RESULTS AND DISCUSSION settlements information was given the weight one to

include it in the segmentation. Meanwhile, the image Principal component analysis was carried out to the layers can also be given to different weights. If switch six Landsat-7 ETM+ spectral bands and three PCA the weights for all image layers to 0, the produced bands were generated. NDVI was calculated based image objects are based exclusively on thematic layer on bands 3 (red), and 4 (near infrared) and its value information and the obtained objects do not represent was calibrated into the range of 0-300. The three PCA the averaging of layer values. The purpose of the bands, the calibrated NDVI, and the six Landsat segmentation in this level was to create only spectral bands were used in the object based image settlement and non-settlement objects. In order to analysis. Two segmentation levels were created by group all the objects which are not the settlement multi -resolution segmentation. In the first level image objects into one object for facilitating the object was segmented using both image layers and thematic allocation, an extremely large scale factor 10000 was layer which contains ‘human settlement’ information. used and the segmentation created ‘human Including the information of a thematic layer in the settlement’ objects and one non-settlement object segmentation influences the generation of image (figure 3). This level acted as super level in class objects. Thematic layers contain discrete information, hierarchy.which means that related layer values can carry

17 REVISTA


The rest seven class use also class related features from the super level class ‘non-settlement’: “class related features, relation to super class ‘non-settlement’. Besides this class related feature, other features used were calculated using the SEaTH algorithm. For SEaTH analysis about 2-5% sample objects of each land cover class were selected as training data. Then 104 characteristic features including spectral related, shape, and texture features were selected for the training objects. Based on the training objects and selected features, SEaTH tool calculated, for every object class combination, the separability and thresholds for each of the 104 features. Based on the separability value, the “best” among 104 features are selected for each object class combination, and the features with maximum separability are used for classification. The selected features and thresholds based on SEaTH results for the land-cover classes were shown in the figure 5.The calculated features and thresholds are presented in the “class description” in eCognition. A class description is composed of expressions which describe a class through fuzzy or crisp terms and are connected by logical operators. Logical operators are needed because usually there are multidimensional dependencies in the feature space and a logical combination of features is used to represent this

A second segmentation level was created with the condition. The most common operators are “and three PCA bands and the calibrated NDVI with (min)” and “or (max)” which are used in the following parameters of scale factor 25, colour factor 0.7, way:compactness 0.5. The selection of appropriate segmentation factors was based on trial and error with the segmentation procedure until a satisfactory pattern was found. In this case, the produced segments are smaller than the objects of interest. The importance of visual inspection in segmentation result evaluation was addressed in Pal and Pal (1993) and Benz (2004) and it is still a common practice in segmentation parameters selection. The settings of all segmentation parameters are very much dependent on the image data, study area, and the desired land cover types, which gives the segmentation black box characteristics, though several groups are working on approaches to overcome this limitation (e.g. Espindola et al. 2006).These two levels were differentiated using hierarchical membership function. The second level isthe actually classification level (figure 4). The smaller objects (in level 2) are nested within larger 5 ones (in level 1) and inherit any characteristics of a larger image object. First the super-level was classified. Two child classes were created in this level: ‘human settlement’ and ‘non human settlement’. Eight classes were created in the classification level: ‘human settlement’, ‘irrigated agriculture’, ‘rain-fed agriculture’, ‘grassland’, ‘tropical dry forest’, ‘orchards’, ‘temperate forest’, and ‘lava flow’. ‘Human settlement’ at this level was classified using the classification result from its super level “class related features, relation to super class ‘human settlement’.

Figure 3: Segmentation using the thematic layer(level 1)

Figure 4: Segmentation by scale factor 20,colour 0.7, and compactness 0.5 (level 2)

18 REVISTA


19 REVISTA


20 REVISTA


In the classification scheme, class ‘irrigated thresholds can be adjusted in order that the feature agriculture’ has three sub-classes and ‘temperate values of those objects are being included and thus forest’ has five sub-classes. Using SEaTH algorithm, they can be classified.the training objects were selected for each of the sub- First it needs to be clear which classes those classes and SEaTH calculated the features and unclassified objects should belong to, and then the threshold for the sub-classes. In eCognition, after the object feature values are compared with those classification of the sub-classes, they can be grouped desired classes. However, adjusting the calculated together as the classes of interest. threshold could cause the mis-classification of other Most of the object primitives were classified correctly objects and it should be done carefully. When very few into the classes of interest. This classification does not objects remain unclassified, manual classification can produce fuzzy results. Due to the spectral variety of be used to allocate them to the correct classes. In this objects of interest, it is possible that the selected case, there were only a reduced number of objects training samples do not always fully represent the unclassified. By observing the characteristics of those characteristics of those objects, and thus there are objects and comparing them with the features and objects that were not classified. If there are a large thresholds of the desired classes, the thresholds of amount of objects unclassified, the process of the classes were adjusted and the objects were selecting the training objects and calculating the reclassified.features and thresholds should be re-done; if the The classification result is shown in figure 6 and 7.unclassified objects are relatively few , the calculated

Figure 5: The calculated features and thresholds for the land cover classification by SEaTH algorithm

Figure 6: Classification result of level 2.

Figure 7: Legend of SEaTH classification result (level 2)

21 REVISTA


Accuracy assessment was carried out based on 600 classification.stratified random points. 75 random points were put to The desirable features and thresholds are then put each of the eight classes of interest in a land use map back to the class hierarchy to define the classifiers for (2000). These points were interpreted based on the each of the classes in eCognition. The classification ortho-corrected photographs, land use map 2000, with the features and thresholds calculated by this data from field survey, and Landsat-7 ETM+ images. SEaTH algorithm does not produce fuzzy results, and The accuracy assessment result was then put into an each classified object has the full membership to its error matrix based on the ground data and class. SEaTH algorithm calculates the features and classification data. Indices such as the overall thresholds based on the selected training objects, accuracy, the producer’s and user’s accuracies were which should be representative enough to cover the calculated and it obtained an overall accuracy 78.7%. entire spectral range of the class. Usually, the classifi

cation using the features and thresholds calculated by5. CONCLUSIONS 9 SEaTH do not classify all the objects due to that

there are objects with feature values outside of the Image objects are characterized by a variety of range of the selected training objects. So, using spectral, spatial, texture, and contextual features. SEaTH algorithm, there will often be a “back and forth” The usually trial and error process of searching the process. After select the training objects, calculate the proper features is time consuming and thus hinders features and thresholds, and classify the image, it is the utilization of the strength of object based image needed to observe which objects are not included analysis. Separability and Threshold (SEaTH) (classified), and then reselect the training objects algorithm is able to evaluate statistically any number again, include those objects, and recalculate the of given features for any number of object classes of features and thresholds, and classify the image again. interest and to identify the optimum features and To avoid this back and forth process, based on the thresholds for the separation of objects of interest. observed values of those not-classified objects, the The working process of SEaTH algorithm can be thresholds of the calculated features can be adjusted generally described as the following: first, training in order to include those values, but it is objects for the classes of interest were selected. If a recommended only when the missing objects are few, class has several subclasses, training objects should because adjusting the thresholds without be selected for each of the sub-class. Then the feature recalculating can cause the mis-classification of other values of those training objects are exported and the objects. All in all, the object based image analysis with desirable features and thresholds are calculated features and thresholds identified by SEaTH based on the separability. For each class, SEaTH algorithm produced a good classification result. With compares it other classes using each of the selected SEaTH, the time-consuming trial and error practice forfeatures. The features and thresholds were listed in seeking significant features and proper thresholds the sequence of the separability values. Based on the can be avoided; it also helps to minimize human calculation, features and thresholds with the highest involvement in classification steps and speeds up the separability-the highest Jeffries-Matusita (J) value, process of classification when huge data is to be dealt which is in the range of (0, 2), are selected for the with, however, it could be at the expense of accuracy.

REFERENCES Mathematical Society 35, pp. 99-109.

Baatz, M., and Schaepe, A., 1999. Object-oriented Definiens, 2006. Definiens professional User Guide 5. and multi -scale image analysis in semantic networks. Definiens AG, Munich. Espindola, G. M.,2nd International Symposium: Operationalization of Remote Sensing, 16-20 August, ITC, the Netherlands. Camara, G., Reis, I. A., Bins, L. S., and Monteiro, A. M.,

2006. Parameter selection for region-growing image Baatz, M., Heyen, M., and Hofman, P., 2004. segmentation algorithms using spatial autocorrelation. eCognition professional, user guide 4. User guide. International Journal of Remote Sensing, 27, pp. Definiens AG. http://www.definiens-imaging.com 3035-3040.

Baatz, M., and Schaepe, A., 2000. Multiresolution Franklin, J., Woodcock, C. E., and Warbington, R., segmentation optimization approach for high quality 2000. Multi-Attribute Vegetation Maps of Forest multi-scale image segmentation. In: J. Strobl, T. Services Lands in California Supporting Resource Blaschke and G. Griesebner (eds), Angewandte Management Decis ions. Photogrammetr ic Geographische Informations-Verarbeitung XII, Engineering & Remote Sensing, 66, 1209-1217.Wichmann, Karlsruhe, pp. 12-23.

Fukunaga, K., 1990, Introduction to Statistical Pattern Bhattacharyya, A., 1943, On a measure of divergence Recognition. 2nd ed. Academic Press, London.between two statistical populations defined by their probability distributions, Bulletin of the Calcutta Hay, G.L., Gastilla, G., Wulder, M., Ruiz, J.R., 2005, An

22 REVISTA


automated object-based approach for the multi-scale SEaTH-A new tool for automated feature extraction in image segmentation of forest scenes. International the context of object-based image analysis. In: Proc. Journal of Applied Earth Observation and 1st International Conference on Object-based Image Geoinformation 7, pp. 339-359. Analysis (OBJECT BASED IMAGE ANALYSIS 2006),

Salzburg, 4-5 July 2006, ISPRS Volume No. XXXVI – Marpu P.R., Niemeyer I., Nussbaum S., Gloaguen R., 4/C42.102006. A procedure for automatic objectbased classification. In: Proc. 1st International Conference Shackelford A. K., and Davis C. H., 2003. A combined on Object-based Image Analysis (OBJECT BASED fuzzy pixel-based and object-based approach for IMAGE ANALYSIS 2006), Salzburg, 4-5 July 2006, classification of high-resolution multispectral data ISPRS Volume No. XXXVI - 4/C42. over urban areas. IEEE Transactions on Geoscience

and Remote Sensing, 41, pp. 2354-2364.Nussbaum, S., Niemeyer, I., & Canty, M. J., 2005. Feature Rcognition in the Context of Automated Tahir, M. A., and J. Smith, 2006, Improving Nearest Object-Oriented Analysis of Remote Sensing Data Neighbour Classifier Using Tabu Search and Monitoring the Iranian Nuclear Sites. In: Proc. SPIE’s Enhance Distance Metrics. Icdm, Sixth IEEE Europe Symposium Optics/Photonics in Security & International Conference on Data Mining (ICDM’ 06), Defense, Bruges, 26-29 September 2005, SPIE Vol. pp. 1086-1090.ED103 (CD-Rom).

Nussbaum S., Niemeyer I., Canty M. L., 2006.

23 REVISTA


24 REVISTA

SELPER

RESUMEN sedimentación de mayor granulometría y vinculadas directamente al régimen hidrológico de alta energía.

La llanura aluvial actual del Paraná, conforma una Se identificaron así mismo, sistemas más estables, llanura viva, compleja, dendrítica, la porción entre de tierras altas (porción mas externa de la Dorsal del Santa Fe y Rosario con una compleja red de drenaje Paraná) y bajas (sistema Coronda y parte sur de la anastomosado con una alta densidad de cuerpos de porción superior del Complejo Deltaico).agua grandes, irregulares e interconectados, con Palabras clave: unidades de ambiente, Río Paran á, islas de mayor tamaño hacia el sur, y con áreas coberturas, geomorfología, vegetación, hidrología.geomorfológicamente más activas son las ubi cadas en o cerca de los canales. El área de estudio, ABSTRACTdelimitada desde la diagonal Paraná/Santa Fe (31º40´S) hasta Puerto Gaboto/Arroyo Las Ceibas The current floodplain of Paraná, forms a living, (32º30´S), corresponde a un área de ambientes complex and dendritic plain, the portion between lóticos, lénticos, y de islas con diferente tamaños y Santa Fe and Rosario with a complex network of dinámicas de inundación. El sistema hidrológico del drainage anastomosed with a high density of large Río Paraná en este tramo ejerce a escala regional un irregular and interconnected bodies of water, with efecto de control. A escala local los principales larger islands towards the south, and with areas procesos de transformación están ligados a las geomorphology more active are located on or near the historias de uso del suelo. La Teleobservación se canals. The area of study, bounded from the diagonal presenta como una herramienta de análisis Parana / Santa Fe (31 ° 40'S) to Puerto Gaboto / The apropiada, y una fuente de datos adecuada para el Arroyo Ceiba (32 º 30'S), corresponds to an area of estudio de las características y dinámicas lotic and lénticos environments, and islands with morfológicas y evolutivas de la cobertura del suelo de different sizes and dynamics of flooding. The ambientes de la llanura aluvial del Paraná. Se ha hydrological system in Rio Parana in this stretch definido como objetivo general del trabajo ensayar exercises at regional level an effect of control. At local técnicas de procesamiento de imágenes para la level major transformation processes are linked to the caracterización de la cobertura de suelo en la llanura stories of land use. Remote sensing is presented as aluvial del Río Paraná de acuerdo a su geomorfología, an appropriate analysis tool, and a source of data topografía e hidrología. Se trabajó sobre una ventana suitable for studying the characteristics and de la imagen Landsat TM5 del 13 de febrero de 2007, morphological and evolutional dynamics of ground Path/Row 227/082. Se utilizaron también cartas cover in environments of the floodplain from Parana. It topográficas del Instituto Geográfico Militar (IGM) has been defined as a general objective in this study escalas 1:100.000 y 1:50.000. Se generó cartografía to try out image processing techniques for the temática correspondiente a geomorfología, characterization of covering ground on the floodplain topografía e hidrología. Los resultados obtenidos of the Parana River according to its geomorphology, indican que el área estudiada presenta una alta topography and hydrology. We worked on a window of heterogeneidad espacial (y temporal) dada the Landsat image TM5 from February 13, 2007, Path fundamentalmente por la dinámica de los procesos / Row 227/082. It was also used topographic charts geomorfológicos y fluviales, modeladores principales from the military geographic institute (IGM) scales del paisaje. Se diferenciaron grandes unidades 1:100.000 and 1:50.000. It was generated thematic ambientales asociadas a diferentes procesos cartography for geomorphology, topography and modeladores, con caracte-rísticas y evolución hydrology.propias. Se reconocen sistemas de islas The results obtained indicate that the studied area has evolutivamente clasificadas en complejas y simples, a high spatial heterogeneity (and temporary) given correspondientes a depósitos de cauce, con mainly by the dynamics of the fluvial and

Teleobservación aplicada a la caracterización morfológica yevolutiva de coberturas de suelos en la llanura de inundación

del río Paraná1 1 2 1 3 4Lisandra P. Zamboni , Pablo Aceñolaza , ; Walter Sione , ; Fabio Kalesnik ;

3Cristina Serafini .

1: CEREGEO-UADER, Urquiza 980 (3100) Paraná, Entre Ríos Argentina. 2: CICyTTP -CONICET y FCAUNER,Materi y España (3105) Diamante, Entre Ríos, Argentina. 3: PRODITEL-UNLU, Ruta 5 y 7 (6700)

Luján, Buenos Aires, Argentina. 4: GIEH FCEyN -UBA, Intendente Güiraldes 2160 – Ciudad de BuenosAires. [email protected] , [email protected] , [email protected], [email protected],

[email protected]

TELEOBSERVACIÓN APLICADA A LA CARACTERIZACIÓN...VOL. 26 Nº 1JUNIO 2008

geomorphologic processes, main modell ers of the 2002) y Casco (2004) estudiaron la distribución de la landscape. Several environmental units associated vegetación en relación con la hidrología. Para el with different processes modellers with own sector del Delta del Río Paraná, Malvárez (1999) characteristics and evolution were differed. It can be integró unidades de paisaje, suelos y vegetación; recognized systems of islands evolutionarily correspondiendo al sur del sector estudiado en el classified in complex and simple, for deposits channel, presente trabajo la unidad de “bosques, praderas y with sedimentation of greater particle size and link lagunas de llanuras de meandros”.directly to the high energy hydrological regime. Los autores previamente citados coinciden en que las Moreover, more stable systems were identified, fisonomías arbóreas ocupan las porciones altas, las higher land (largest portion of the Dorsal Parana) and herbáceas porciones intermedias y las acuáticas las low land (Coronda system and southern part of the porciones más bajas del gradiente topográfico; upper portion of the deltaic Complex). estableciendo que gran parte de la vegetación fluvial Key words: environmental units, Paraná River, se distribuye en un amplio rango de condiciones de coverage, geomorphology, vegetation, hydrology. hábitats, expresando así su plasticidad a las

variaciones ambientales.INTRODUCCIÓN En este contexto, se plantea como objetivo general

del presente trabajo el ensayo de técnicas de Los sistemas de humedales están estrechamente procesamiento de imágenes para la caracterización vinculados al régimen hidrológico (Neiff, 1996) de la cobertura de suelo en la llanura aluvial del Río ;dentro del paisaje de la llanura de inundación, la Paraná de acuerdo a su geomorfología, topografía e morfología y los depósitos sedimentarios están hidrología. El desarrollo del mismo permitirá generar determinados por el régimen de flujos y el grado de herramientas para estudios científicos y técnicos conectividad entre sistemas lóticos y lénticos que lo regionales, así como para la planificación e constituyen (Drago, 1990; Drago et al., 2003; Drago, implementación de estrategias de gestión del 2007; Iriondo, 2007). Así, el flujo lateral de agua territorio coherentes con sus características durante los períodos de inundación, se convierte en la ambientales.fuerza principal que organiza y regula el funcionamiento de los humedales riparios (Malanson, EL ÁREA DE ESTUDIO1993).Diversos estudios realizados sobre la llanura aluvial El área de estudio queda delimitada a la región del Río Paraná (Iriondo, 1972, 1991, 2004, 2007; superior del complejo Deltaico del Río Paraná, desde Iriondo y Drago, 1972; Drago, 1973, 1981, 1990, la diagonal Paraná/Santa Fe (31º40´S) hasta Puerto 2007; Iriondo y Paira , 2007) reconocen la Gaboto/Arroyo Las Ceibas (32º30´S) (Figura 1).heterogeneidad y complejidad regional, la dificultad Las características climáticas del área la ubican de consensuar terminología dada las diferentes dentro de un clima templado/cálido y húmedo.escalas a las que se expresan diversos procesos, y la Las temperaturas medias anuales se encuentran estrecha vinculación de los procesos geomor- cercanas a los 19ºC. El régimen pluviométrico es de fológicos e hidrológicos , que convergen en la 900/1000 mm, con precipitaciones que se registran geomorfología fluvial. La conectividad entre estos principalmente en el período de octubre a abril (73%) subsistemas se ha utilizado para clasificar los (Rojas et. al, 1987). Dentro del contexto regional, la ambientes acuáticos (Drago 1973, 1990; Paira y llanur a aluvial del Paraná contribuye a morigerar las Drago, 2006). condiciones climáticas del corredor, lo que estaría Oakley et al. (2005) proponen una regionalización del dado por la influencia de un gran volumen de agua Corredor Fluvial Paraguay-Paraná, donde el sector fluyendo en dirección norte -sur (Iriondo, 2007).caracterizado en presente trabajo es incluido en la Desde un punto de vista geomorfológico el área de “Gran Unidad Natural Paranaense”, y en la “Gran estudio forma parte de la Llanura aluvial actu al del Unidad Natural Delta del Paraná” . Paraná (Iriondo, 1991), limitada hacia el Este por el Para el Valle de aluvial del Paraná, el primer modelo bloque mesopotámico y por el Oeste por las regiones interpretativo sobre la vegetación utilizando métodos del Chaco y la Pampa (Iriondo y Paira, 2007) ; y se va fitosociológicos fue realizado por Morello (1949) en ensanchando a medida que el río se extiende hacia el las islas del río Paraná situadas al sur de nuestra área, sur. A la altura de la Ciudad de Diamante el cauce se frente a la cuidad de Rosario. Lewis y Franceschi separa de la margen izquierda (Iriondo, 1972; Drago (1979) y Franceschi y Lewis (1979) caracterizaron la 1973; Iriondo 2007). Conforma una llanura viva, vegetación y elaboraron un concepto dinámico de las compleja, dendrítica (Drago, 1973), con su parte alta mismas. Aceñolaza et al. (2005) y Aceñolaza y en subsidencia, la porción entre Santa Fe y Rosario Marchet t i (2005) determinaron unidades con una compleja red de drenaje anastomosado con homogéneas de vegetación para islas del Bajo una alta densidad de cuerpos de agua grandes, Paraná ; bosques de barranca, bosques simples de irregulares e interconectados (Paira y Drago, 2007) y albardones marginales y mixtos de albardones con las islas de mayor tamaño hacia el sur (Iriondo, internos, unidades de ambientes intermedios, 2007). Las áreas geomorfol ógicamente más activas vegetación lacunar y pastizales degradados. son las ubicadas en o cerca de los canales (Paira y Para el extremo superior del Bajo Paraná, Neiff (1999, Drago, 2006).

REVISTA

SELPERTELEOBSERVACIÓN APLICADA A LA CARACTERIZACIÓN...25 VOL. 26 Nº 1JUNIO 2008

Iriondo (1972), Iriondo y Drago (1972) y Drago (1973) oriental de la llanura, y recorriendo 1200 km. y con 30 identificaron depósitos producidos en el cauce y fuera a 50 mts. de elevación se encuentran las barrancas, del mismo por inundación (áreas más antiguas). Los nicho para la vegetación tropical en latitudes más primeros conforman llanuras de bancos (con bancos templadas (Aceñolaza et al., 2005; Iriondo, 2007).con sus ejes mayores paralelos a la dirección del flujo; El patrón hidrológico del río Paraná a esta latitud, Drago, 1990) , derrames y llanuras de meandros posee un régimen pulsátil anual de inundación. La (Iriondo, 2007) . Las islas evolucionan de formas época de estiaje (bajante) se produce en agosto -simples, hacia formas con lagunas en su interior, y septiembre, mientras que el pulso de inundación bancos en áreas vecinas que posteriormente se suele darse sobre fines del verano a principios del adosan por acumulación de sedimento en las bocas otoño (Drago, 1990; 2007). En esta región, el río de los cauces, resultando islas más complejas y con Paraná contiene un mosaico heterogéneo de cuerpos menor influencia directa del curso de agua adyacente de agua lóticos y lénti cos que cambian de forma y (Drago, 1973). área de acuerdo a las dinámicas fluviales (Paira y Los depósitos de Inundación, forman llanuras con Drago, 2007). El régimen hidrológico actúa como avenamiento impedido y dendrítico (con lagunas modelador formando canales entrelazados con circulares, de poca profundidad y menos extensión, ensanchamientos y estrangulamientos (Drago et al.,cauces divagantes y alta densidad hidrográfica) 2003), con procesos de erosión y sedimentación bañados, pantanos y albardones (Drago, 1973). Otro lateral que originan la formación y desaparición de tipo de depósitos (derrames) corresponde al delta del islas (Drago, 1990; Iriondo 1991; Iriondo, 2007 ; río Coronda, que sedimenta lateralmente dentro de la Iriondo y Paira, 2007). En los períodos de inundación llanura aluvial, con llanuras de meandro y de suele haber erosión en las partes anteriores de las avenamiento impedido vinculadas a este sistema islas y sedimentación en las posteriores, causando la(Iriondo, 1972, 1991). Como depósitos antiguos variación de formas y migración de las islas aguas Iriondo (2007) reconoce áreas adyacentes elevadas abajo (Drago, 1990).formando terrazas, superficies con relieves bajos mayormente no visibles. Ubicadas en el sector

Figura 1: Área de estudio.

REVISTA


MATERIALES Y MÉTODOS diferentes unidades de vegetación y ambiente en el área de estudio, para los cuales se tomaron

Para caracterizar el área de estudio, se realizó una composiciones florísticas , cobertura y tipo de estrato revisión de los trabajos existentes, su cartografía e vegetal presente. Para cada uno de los sitios interpretaciones. A partir de esos datos y del análisis relevados a campo se registraron coordenadas GPS de imágen es satelitales, se estructuró una nueva y se tomaron fotografías.serie de mapas correspondientes a las unidades geomorfológicas, hidrología y de paisaje. RESULTADOS Y DISCUSIÓNLas interpretaciones se realizaron a partir del análisis visual y digital de imágenes satelitales. Para el A partir del análisis de la cartografía vigente, y del procesamiento de imágenes satelitales se trabajó propio análisis, se presentan una serie de mapas sobre una ventana de la imagen Landsat TM5 del 13 correspondientes a las interpretaciones de las de febrero de 2007, Path/Row 227/082. Se utilizaron unidades Geomorfológicas , hidrología y de paisaje.también cartas topográficas del Instituto Geográfico Iriondo (2007) distingue 3 tipos de procesos de Militar (IGM) escalas 1:100.000 y 1:50.000. La sedimentación (Figura 2): correspondientes a ventana de imagen fue pre - procesada, georrefe- depósitos de cauce (1), antiguos (2), y de inundación renciándose a partir de puntos obtenidos sobre (3). Los depósitos de cauce se distribuyen cercanos a imágenes de alta resolución del Google Earth y de los cursos de agua principales , corresponden a coordenadas propias obtenidas con GPS. El método sedimentación de textura más gruesa generada por la utilizado fue el de vecino más próximo para preservar mayor energía del río y su corriente turbulenta. Son los valores originales de la ventana correspondiente a depósitos dinámicos con continua remodelación por la imagen seleccionada de 2902 por 4516 píxeles. No erosión y deposición de nuevos sedimentos se efectuó corrección radiométrica de los datos ya transportados. Los depósitos de inundación siguen que el presente estudio no fue de carácter multi una línea paralela al margen por el cual el cauce se temporal. Para el proceso de clasificación fueron desborda, reconociéndose depósitos de inundación considerados los ND originales de la imagen. asociados al sistema río Paraná (Fig.2) y otros al río Para la identificación de unidades de paisaje y la Coronda (Fig. 2) .vegetación característica de las mismas, se realizó Estos depósitos de textura más fina, sedimentan una clasificación no supervisada (ISODATA) (Tou et al., durante o después del pico de inundación, por 1973; Chuvieco, 2002) con 15 clases. Posterior- disminución de la corriente del agua y fijación por la mente se procedió a asignar cada una de las clases vegetación.generadas a las diferentes unidades de vegetación y ambiente definidas en la leyenda. Para la correcta asignación se utilizó información propia de terreno e imágenes de alta resolución disponibles desde el Google Earth. Estas clases fueron luego reagrupadas en 4 clases en base a los datos relevados en te rreno.Para la determinación de cuerpos de agua y su posterior discriminación entre cuerpos con mayor presencia de sedimentos en suspensión (frecuentemente lóticos ) y de aquellos con menor proporción de sedimentos en suspensión (lénticos ), se utilizó un proceso de segmentación basado en los niveles digitales de los píxeles. Se determinaron sobre la imagen los umbrales mínimos y máximos para los diferentes cuerpos de agua y a partir de esos rangos de valores se procedió a segmentar la imagen en base a los niveles digitales de los canales correspondientes al azul, infrarrojo cercano e infrarrojo medio.El criterio de segmentación sobre los niveles digitales para la identificación de todos los cuerpos de agua sobre la imagen fueron: Azul (Banda 1 Landsat 5TM ) > 45, Infrarrojo Cercano (Banda 4 Landsat 5TM ) < 32, Infrarrojo Medio (Banda 5 Landsat 5TM ) < 22.Para la identificación de los cuerpos de agua Lénticos sobre la imagen se utilizaron los siguientes criterios de segmentación sobre los niveles digitales de la imagen: Azul (Banda 1 Landsat 5TM ) > 45 y < 65, Infrarrojo Cercano (Banda 4 Landsat 5TM ) < 20 , Infrarrojo Medio (Banda 5 Landsat 5TM ) < 15.Por último, se visitaron sitios representativos de las

Figura 2: Mapa de depósitos elaborado apartir de Iriondo (1972).

REVISTA


acuerdo al gradiente topográfico. Las tierras altas dentro de la llanura de inundación, han sido construidas mayoritariamente por el sistema del Paraná, y su hidrología está determinada por el patrón de pulsos de este sistema fluvial. Por otro lado las tierras bajas responden a dos dinámicas fluviales: la del río Coronda en el segmento occidental del área de estudio y la del Paraná en el oriental. Las otras categorías corresponden a las islas, las que presentan diferentes grados de evolución, diferenciándose en complejas (con cuerpos de agua en su interior, con menor conectividad al cauce principal) e islas simples. Para el área considerada, los cuerpos de agua (Figura 5) suman 111.200 has de las que 66.900 has. corresponden a sistemas con mayor contenido de sedimentos en suspensión. Esto se asocia a una mayor movilidad de agua ya sea por tratarse de agua corriente (sistemas lóticos) y/o grandes lagunas con circulación asociada a remoción por vientos (Coronda, Campo Grande, etc.). De las 44.300 has de cuerpos de agua con baja cantidad de sedimentos en suspensión, 18.500 has corresponden a la Provincia de Entre Ríos, aunque quedan excluidas grandes áreas de lagunas de la provincia de Santa Fe por haber sido categorizadas como “con sedimentos en suspensión”. En líneas generales puede observarse la presencia de grandes lagunas asociadas al margen derecho y lagunas de tamañosmenores sobre el margen izquierdo del área de trabajo. La relación de superficies entre laguna/tierra, es mayor sobre el margen santafecino que en la

En la figura 3 se identifican 5 sistemas que confluyen porción que se encuentra al este del cauce del río en el área a partir de la interpretación de las Paraná.cartografías existentes y las propias. Hacia el centro del corredor fluvial se diferencia un sector de islas del cauce principal e islas adyacentes (Fig. 3). Las islas adyacentes al cauce son depósitos que, en algunos casos, conforman la desembocadura de ríos y arroyos de la Provincia de Entre Ríos sobre el Río Paraná. Algunas de estas islas fueron descriptas por Iriondo (2007) como “depósitos antiguos”. En el sector central del área de estudio se encuentra una unidad que corresponde a lo que hemos denominado dorsal del Paraná, que representa una zona de mayor elevación topográfica que recorre el margen occidental del río, con un gradiente de mayor a menor hacia el oeste, estructura similar a la observada en latitudes menores (sistema Saladillo). El sector occidental corresponde a la cuenca del río Coronda (Sistema Coronda), que representa una estructura con derrames secundarios laterales. Hacia el sur se ha identificado un sector construido a ambas márgenes del actual cauce principal del Paraná, que se extiende desde la altura de la localidad de General Alvear (Entre Ríos), formando un abanico que va ensanchándose hasta alcanzar más de 30 km a la altura de la desembocadura del Río Coronda al Paraná y constituye la porción superior del complejo Deltaico (Fig. 3, 5).La figura 4 revisa los criterios previamente mencionados , identificando 4 categorías. En primer lugar se diferencian tierras altas y bajas , definidas de

Figura 3: Cartografía con visualización desistemas.

Figura 4: Caracterización de áreas por alturas relativas e islas por grado de desarrollo.

REVISTA


(pendiente, exposición, forma) y a sus respectivos estadíos sucesionales . Entre los primeros se destaca la presencia de Prosopis nigra, Capparis tweediana, Celtis spp. Porlieria microphylla, Dodon aea viscosa, etc. En los bosques de mayor cobertura, y en una etapa sucesional posterior, aparecen enriqueciendo: Phytolacca dioica , Myrcianthes cisplatensis, Ruprechtia laxiflora, Myrcianthes pungens, Myrsine laetevirens, Fagara hyemalis , Coccoloba argentinensis. El estrato herbáceo es muy rico en especies con numerosas especies de gramíneas y latifoliadas y con dominancia de unas sobre otras dependiendo del grado de cobertura vegetal.Sobre el valle aluvial propiamente dicho, encontramos los bosques simples de albardones marg ina les , los que es tán cons t i tu idos mayoritariamente por stands monoespecíficos y coetáneos de Salix humboldtiana y se distribuyen a lo largo de los albardones marginales de los ríos y arroyos principales con una baja recurrencia de inundaciones. También se encuentran bosques con similares características de Tessaria integrifolia, o aquellos constituidos conjuntamente por estas dos especies. Sobre los albardones internos de las islas pueden encontrarse dos tipos de bosques, los bosques mixtos, ricos en especies y asociados a albardones más altos (marginales de arroyos de alta energia) y los bosques simples asociados a áreas

En relación al análisis de unidades de vegetación, el más planas o albardones más bajos. Los primeros, análisis espectral de las imágenes satelitales, son las comunidades de mayor riqueza específica de muestra un patrón general que presentan fisonomías las islas, y en él se conjugan algunas especies de los arbóreas dominando las áreas altas, fisonomías bosques simples de albardones marginales herbáceas altas o arbustivas en topografías acompañadas con Nectandra angustifolia, Albiziaintermedias y herbáceas bajas en las áreas planas inundata, Inga verna , Myrsine laetevirens y más de más bajas. En este sentido, la vegetación del área 40 especies del sotobosque. Los segundos, son puede agruparse en cuatro clases: bosques; coetáneos y monoespecíf icos de Sapium arbustiva/herbácea alta; herbácea baja y acuática. haematospermum o Albizia inundata. Estos bosques La vegetación de bosque esta conformada por cuatro poseen una riqueza menor y proporcionalmente un tipos diferentes: bosques de barranca, bosques mayor número de especies hidrófilas.simples de albardones marginales, bosques simples La vegetación Arbustiva/herbácea alta conforma una de albardones internos y bosques mixtos de unidad caracterizada por una serie de comunidades albardones internos. Asimismo, es frecuente vegetales que se distribuyen por lo general en la encontrar áreas cubiertas por bosques de baja porción alta de las medias lomas limitando con las densidad (tipo sabana ) en áreas ecotonales entre unidades boscosas de isla y alternando en algunos estos bosques y los pastizales/arbustales vecinos . casos con bosques abiertos de Salix humboldtiana o Un patrón común para esta fisonomía, es una Acacia caven con fisonomía de sabana. Suelen tener importante relación largo/ancho, condicionada por las suelos con mayor contenido de limo y arcilla que características morfológicas de los sitios de aquellos de los albardones marginales. Como colonización, generados por la actividad fluvial. comunidad herbácea alta, el pajonal de Panicum Los bosques de barranca recorren el margen prionitis es una de las más representativas de la isla izquierdo del área de estudio, cubriendo las por su extensión espacial; asociada al disturbio del barrancas entrerrianas del río Para ná y no sufren fuego e inundación recurrente que le permite inundaciones . En los mismos, se conjugan tanto mantener su estructura y composición . La vegetación especies de la llanura de inundación propiamente Herbácea baja corresponde a una unidad que surge dicha como especies del Espinal, confiriéndole en época de estiaje sobre las áreas cedidas por las especial singularidad algunas pocas especies lagunas. Esta área posee un alto dinamismo de subtropicales que llegan a estas latitudes gracias a su cambio intra-anual ya que puede encontrarse en sola presencia y que no forman parte de las dos situaciones alternadas de inundación y tierra firme unidades anteriormente mencionadas para esta que no permite la instalación del pajonal ni la latitud (Aceñolaza et al. 2005) . En el área de estudio subsistencia de plantas acuáticas sumergidas o esta unidad presenta variabilidad florística asociada a flotantes. En esta circunstancia, estas amplias áreas las características geomorfológicas de la barranc a son cubiertas por Alternanthera philoxeroides,

Figura 5: Cuerpos de agua. 1: Con mayor proporción de sedimentos en suspensión; 2: con menor proporción de

sedimentos en suspensión.

REVISTA


Ludwigia peploides, Paspalum spp., Polygonum spp. lateral: Ej. Sistema Coronda). La alteración de estos e Hydrocotyle bonariensis entre otras. Esta unidad flujos (y por lo tanto de la conectividad) significa la posee alta productividad, siendo un área sometida a transformación de estos sistemas ecológicos.intenso pastoreo y quema por lo que se pueden Se reconocen sistemas de islas, complejas (en su encontrar situaciones diversas en cuanto a su mayoría) y simples, correspondientes a depósitos de composición florística, estado sucesional y biomasa. cauce, con textura de mayor granulometría y En este ambiente, se encontró que las comunidades dinámica mas vinculada al régimen hidrológico. herbáceas se regeneran rápidamente luego de También se reconocen los sistemas más estables, de disturbios catastróficos , como los de inundaciones tierras altas (porción mas externa de la Dorsal del extraordinarias, por lo que en su conjunto son Paraná) y bajas (sistema Coronda y parte sur de la resilientes a este tipo de eventos (Franceschi et al., porción superior del Complejo Deltaico).2000). La presencia del Sistema Coronda y la Dorsal del Por último, la vegetación Acuática se caracteriza por Paraná, genera una mayor proporción de cuerpos de distintas comunidades flotantes , arraigadas y agua sobre la margen occidental del río . La comunidades de plantas sumergidas. Prácticamente vegetación presenta patrones definidos (aunque toda el área está permanentemente inundada, o se acotados espacialmente) de distribución, asociados a inunda con alta periodicidad, por lo que estas gradientes topográficos (e indirectamente de comunidades pueden cambiar en su importancia conectividad fluvial).relativa por el cambio de extensión de las superficies Por último, a los fines de la planificación y ordenación que abarcan, siendo mayores en las zonas internas del territorio estudiado será de importancia tener en y/o bajas de las islas, y menores en los márgenes de cuenta las siguientes consideraciones:los cursos de agua de alta energía (albardones). Se diferencian grandes unidades ambientales Entre la vegetación acuática arraigada, encontramos asociadas a diferentes procesos modeladores, con Nymphoides indica, Victoria cruziana, Polygonum características y evolución propias. Es importante acuminatum, Sagittaria montevidensis, Ludwigia reconocer las dinámicas (e interconexión) de cadapeploides y Enhydra anagallis entre otras. Las unidad.comunidades acuáticas flotantes están constituidas No se observan sistemas altamente antropizados, o por Salvinia biloba, Pistia stratiotes, Limnobium con fuerte alteración de sus elementos y procesos, spongia, Azolla filiculoides, Wolffia spp., Lilaeopsis sp. por lo que puede considerarse un área apropiada Eichhornia azurea y E. crassipes. Por ultimo, para concentrar esfuerzos de conservación, encontramos una serie de especies vasculares que aumentando así la representatividad en el Sistema de conforman comunidades acuáticas sumergidas. Áreas protegidas. El área estudiada está Estas se encuentran en madrejones y lagunas comprendida por las jurisdicciones de la Provincia de Ceratophyllum demersum, Utricularia gibba, Elodea Entre Ríos (margencallitrichoides, Egeria spp., que constituyen tapices oriental) y la de Santa Fe (margen occidental). Estos subacuáticos en ambientes con bajo contenido de límites políticos no deberían ser los únicossólidos en suspensión como madrejones, lagunas y considerados a los fines de la gestión, ya que las arroyos de baja energia. Integrando los resultados unidades identificadas no responden a los mismos . hasta aquí obtenidos se pueden plantear los Es importante en este punto reconocer la necesidad siguientes puntos: de consenso de las políticas territoriales de las El área estudiada presenta una alta heterogeneidad diferentes administraciones.espacial (y temporal) dada fundamentalmente por las dinámicas de los procesos geomorfológicos y AGRADECIMIENTOS:fluviales, modeladores principales del paisaje. Esta heterogeneidad puede ser interpretada como una alta Trabajo parcialmente financiado por PICT 11928, capacidad de resiliencia de los sistemas que PID-UNER 2089, PIP -CONICET 6374.conforman las unidades ambientales. A la Dirección de Ciencia y Técnica de la Provincia de Los flujos de materia, energía y especies indican las Entre Ríos y a la CONAE por la sesión de las direcciones de estos procesos modeladores. Así, la imágenes .formación y desaparición de sedimentos en islas del Al Prof. Edmundo Drago por el tiempo dispensado, su cauce principal responde a la dirección del río Paraná información y colaboración.(“migración de islas” en sentido N-S) mientras que en otros sectores el sentido de la deposición de sedimentos es perpendicular al cauce principal (flujo

REVISTA


REFERENCIAS: - Iriondo. M. H., 1991. El Holoceno en el Litoral. Comunicaciones Museo Prov. Ciencias Naturales

- Aceñolaza, P. G.; W. F. Sione, F. Kalesnik y M. C. “Florentino Ameghino”. 3: 1-39Serafín, 2005. Determinación de unidades homogéneas de vegetación en el Parque Nacional - Iriondo, M, 2004. The Littoral complex at the Paraná Pre-Delta (Argentina). Serie Miscelánea. INSUGEO - mouth. Quaternary International. 114. 143-154.CONICET, Tucumán, Argentina 14:81-90.

- Iriondo, M. H.Geomorphology, 2007En: M. H. Iriondo, - Aceñolaza, P. y Z. Marchetti, 2005. Detección J. C. Paggi y M. J. Parma (Eds). The Middle Paraná satelital y descripción de patrones de vegetación en River: Limnology of a Subtropical Wetland. Springer. -islas del Paraná medio. Serie Miscelánea. INSUGEO- Verlag. Berlin. Heidelberg. 33-51pp.CONICET, Tucumán, Argentina 14:151-158.

- Iriondo, M. H y A. R. Paira, 2007. Physical - Casco, S., 2004. Distribución de la vegetación fluvial Geography of theBasin. En: M. H. Iriondo, J. C. Paggi y su relación con el régimen de pulsos en el bajo y M. J. Parma (Eds). The Middle Paraná River: Paraná. Serie Miscelánea INSUGEO-CONICET, Limnology of a Subtropical Wetland. Springer.-Verlag. 12:125-130. Berlin. Heidelberg.8-31 pp.

- Chuvieco, E., 2002. Teledetección Ambiental. - Iriondo. M. y E. C. Drago, 1972. Descripción Ediciones Ariel Ciencia, Madrid, 586 p. Cuantitativa de dos unidades geomorfológicas de la

llanura aluvial del Paraná Medio. República Argentina. - Drago, E. C., 1973. Caracterización de la llanura Revista de la Asociación Geológica Argentina. 27-aluvial del Paraná Medio y de sus cuerpos de agua. 2:143-154.Boletim Paranaense de Geociencias. 31: 32-44.

- Lewis J. J. y E. A. Franceschi, 1979. Notas sobre la - Drago, E. C. , 1981. Grados de conexión y fases dinámica de la vegetación del valle del río Paraná. hidrológicas en ambientes leníticos de la llanura Ecosur 6: 145-163.aluvial del Río Paraná (Argentina). Ecología Argentina. 6 : 27-33. - Malanson, G. P. 1993. Riparian landscapes.

Cambridge Studies in Ecology. 287 pp.- Drago, E. C. 1990. Hydro logica l and Geomorphological characteristics of the hydrosystem - Malvárez, A. I., 1999. El delta del Río Paraná como of the Middle Paraná River. Acta Limnologica mosaico de humedales. En: A .I. Malvárez y P. Kandus Brasileira 3: 907-930. (Eds.), Tópicos sobre grandes humedales

sudamericanos. ORCYT -MAB (UNESCO) - Drago, E. C. , 2007. The Physical Dynamics of the Montevideo, Uruguay. 35-53 pp.River – Lake Floodplain System. En: M. H. Iriondo, J. C. Paggi y M. J. Parma (Eds). The Middle Paraná - Morello, J. H., 1949. Las comunidades vegetales de River: Limnology of a Subtropical Wetland. Springer.- las islas cercanas al puerto de Rosario. Tesis del Verlag. Berlin. Heidelberg. 83- 122 pp. Museo de La Plata No 133. La Plata

- Drago, E. C., I. E. de Drago, O.B. Oliveros y A.R. - Neiff, J.J., 1996. Large rivers of South America: Paira, 2003. Aquatic habitats, fish and invertebrate Toward a new approach. Verh. International Verein. assemblages of the Middle Paraná River. Limnologie 26 26: 167-180.Amazoniana 17 (3 -4):291 -341.

- Neiff, J. J., 1999. El régimen de pulsos en ríos y - Franceschi. E. A. y J. J. Lewis, 1979. Notas sobre la grandes humedales de Sudamérica. En: A .I. vegetación del valle Santafesino del Río Paraná Malvárez y P. Kandus (Eds.), Tópicos sobre grandes (República Argentina). Ecosur 6: 55-82. humedales sudamer icanos. ORCYT-MAB

(UNESCO) Montevideo, Uruguay. 1-49 pp.- Franceschi. E. A., P. Torres, D. Prado y J. J. Lewis, 2000. Disturbance, succession and stability: a ten - Neiff, J. J., 2002. Bosques Fluviales de la Cuenca del year study of temporal variation of species Paraná y de otros ríos tropicales de Sudamérica. En: composition after a catastrophic flood in the river Frangi J. L. et al. (Eds.): Los Bosques de la Argentina. Paraná, Argentina. Community Ecology 1(2): 205-214. La Plata, Argentina, pp 1-31.

- Oakley, L. J.; D. Prado y J. Adamoli. 2005. Aspectos - Iriondo, M. 1972. Mapa geomorfológico de la llanura biogeográficos del Corredor Fluvial Paraguay-Paraná. aluvial del río Paraná desde Helvecia hasta San Serie Miscelánea. INSUGEO-CONICET, Tucumán, Nicolás. República Argentina. Revista de la Argentina 14:245-258.Asociación Geológica Argentina. 27-2: 155-160. - Paira, A. R. y E. C. Drago, 2006. Genetical,

Morphological and Evolutional relationships of the

31 REVISTA

SELPERTELEOBSERVACIÓN APLICADA A LA CARACTERIZACIÓN...VOL. 26 Nº 1JUNIO 2008

floodplain lakes in the Middle Parana river - Rojas, A.E. y J. H. Salusso, 1987. Informe climático hydrosystem. Zentralblat fur Geomorphologie de la provincia de Entre Ríos. Publicación técnica nº 145:207-228. 14. INTA. Paraná. 20 p.- Paira, A. R. y E. C. Drago, 2007. Origin, Evolution - Tou, J. T., y R. C. González, 1974. Pattern and Types of Floodplain Water Bodies. En: M. H. Recognition Principles. Reading, Massachusetts: Iriondo, J. C. Paggi y M. J. Parma (Eds). The Middle Addison-Wesley Publishing Company.Paraná River: Limnology of a Subtropical Wetland. Springer.-Verlag. Berlin. Heidelberg. 53-81 pp.

32 REVISTA

SELPERTELEOBSERVACIÓN APLICADA A LA CARACTERIZACIÓN...VOL. 26 Nº 1JUNIO 2008

33 REVISTA

SELPER

Mapeamento de Áreas Urbanizadas com o uso de Imagens LANDSAT eAnálise Orientada a Objeto

1 1 1Claudia Durand Alves Íris De Marcelhas E Souza Madalena Niero Pereira 1Teresa Galloti Florenzano

1 Instituto Nacional de Pesquisas Espaciais - INPECaixa Postal 515 - 12245-970 - São José dos Campos - SP, Brasil

{durand, iris, madalena, teresa}@dsr.inpe.br

MAPEAMENTO DE ÁREAS URBANIZADAS COM USO DE IMAGENS..

RESUMO urban sprawl, remote sensing,

Este estudo tem como objetivo o desenvolvimento de INTRODUÇÃOuma metodologia para a classificação automática de manchas urbanas contínuas e dispersas, em regiões As cidades brasileiras apresentam crescimento com altos índices de urbanização no Estado de São rápido dado às elevadas taxas de crescimento natural Paulo. Busca-se desenvolver uma metodologia que da população e migração rural urbana, quando permita repetir o procedimento em outras regiões do comparadas com países com alto desenvolvimento país, com o aumento da exatidão do mapeamento, tecnológico. O monitoramento deste crescimento assim como a redução do tempo e a subjetividade. torna-se difícil, e oneroso, se realizado com técnicas Para este fim utilizou-se a classificação Orientada a convencionais de obtenção de dados como Objeto em imagens LANDSAT relativas a 1985 e levantamento de campo, levantamentos aero-1999. Este procedimento consiste na segmentação fotogramétricos tradicionais embora este último multiresolução das imagens e na classificação tenha tentado ajustar-se paratornar-se competitivo.baseada na lógica fuzzy. Os resultados mostraram Desde o lançamento de satélites Landsat específicos que a classificação orientada a objetos tem um bom para levantamento de recursos naturais iniciado em desempenho para mapeamento de áreas urbanas 1972 tem-se através de suas imagens nova com um índice kappa de 0,70 para o Município e 0,55 ferramenta para realização de estudos urbanos para a área de uso dominantemente urbano. devido à repetitividade dos dados e visão sinótica

fornecida pelas imagens associada à extensão da Palavras-chave: Análise orientada a objeto, área abrangida por uma única cena.urbanização dispersa, sensoriamento remoto. Em um primeiro momento o uso de imagens de

satélite direcionou-se para estudos de crescimento ABSTRACT urbano horizontal com o mapeamento de mancha

urbana, e estes apresentavam precisão compatível This study attempts to develop an automatic com estudos regionais em função da resolução dos approach to map urban areas and urban sprawl in dados e número de bandas espectrais dos sensores. high urbanization regions of São Paulo State. The As áreas de solo exposto preparadas para agricultura objective is to achieve a methodology for the increase ou áreas de mineração, localizadas na franja rural-of precision and reduction of processing time, to be urbana, eram em sua quase totalidade classificadas applied in other regions of Brazil. Object Oriented como urbana.Image Analysis with eCognition software and Com o avanço tecnológico no desenvolvimento de LANDSAT images of 1985 and 1999 were used. The novos sensores resultando na melhoria da resolução object-oriented approach is an areal analysis method espacial, radiométrica e espectral dos dados surgem based essentially on segmentation and classification novas possibilidades de uso de imagens orbitais para outputs. Primitive objects are created on given space estudos urbanos mais detalhados. Ocorre também scale levels with different resolution, and um avanço na melhoria da precisão das informações classification rules are applied based on a fuzzy rule geradas.decision tree classifier. The results show that the Devido ao grande número de satélites existentes, Object Oriented Image Analysis have a good aqueles desenvolvidos por órgãos governamentais e performance to detect urban features with kappa os comerciais, gerando grande oferta de dados, os index of 0.70 (county) and 0.55 (principal urban area custos na aquisição dos dados para estudos of county). apresentam-se em declínio facilitando o acesso a

estes dados.Palavras-chave: object oriented image analysis, O lançamento dos satélites da série CBERS


resultante da cooperação China - Brasil abriu novas do cotidiano das pessoas que adotam novos modos perspectivas para uso sistemático das imagens de vida devido à mobilidade; com novas formas de orbitais em estudos urbanos, principalmente em um gestão do espaço pelo surgimento de formas país de dimensões continentais como o Brasil. A condominiais diversificadas como condomínios melhoria na resolução espacial prevista para os residenciais, grandes shoppings centers, complexos novos satélites é importante para monitoramento das universitários, entre outras. Os problemas dessa áreas urbanizadas e estudos do uso do solo urbano urbanização são enumerados em estudo desen-que além da complexidade os alvos urbanos têm volvido por Hasse e Lathrop (2003) para elaboração pequena dimensão associada a poucos metros. de medidas espaciais para melhor identificar e As informações retiradas das imagens a um baixo quantificar as características da dispersão urbana.custo e em curto espaço de tempo poderão ser As fragilidades ecossistêmicas segundo Carmo e integradas às informações obtidas por meio dos Hogan (2006) exigem que no planejamento e na censos demográficos, pesquisas Institucionais implementação de políticas públicas, a questão da realizadas, dados levantados por prefeituras, a partir sustentabilidade seja priorizada desde o início.do uso de Sistemas Geográficos de Informação e Ainda de acordo com estes autores os instrumentos utilizados não somente para o planejamento racional de controle ambiental revelam-se frágeis frente às do uso de solo como também para a verificação da pressões políticas.implantação das medidas estabelecidas pelos De acordo Maktav (2005), o crescimento não estudos desenvolvidos para elaboração de Planos controlado da população e a urbanização rápida Diretores. A lei, portanto, passará da teoria a prática. especialmente em países em desenvolvimento têm Com o avanço das técnicas de interpretação de grande impacto no meio ambiente podendo acarretar dados através da automatização dos processos de mudanças irreversíveis. Segundo Bonduki (2005) as tratamento, uma grande quantidade de informação cidades têm condições de planejar seu futuro, poderá ser gerada de forma sistemática e objetiva. reduzirem as desigualdades, promover um adequado Neste contexto o presente trabalho tem como objetivo uso do solo para evitar desastres ambientais. Para a otimização do processo de mapeamento que isto, o poder público deverá intensificar a automático de áreas urbanizadas de imagens do fiscalização da aplicação das leis , para que não se satélite Landsat, as quais serão utilizadas em estudos transformem em meras formalidades que não saíram relativos ao novo processo de urbanização do papel.denominado urbanização dispersa, que se caracteriza pela ocorrência de pequenos núcleos Classificação orientada a objetoafastados do tecido urbano contínuo. Com isto pretende-se diminuir a subjetividade associada à Conforme Lee and Lathrop (2006) o aumento da interpretação manual de dados de sensoriamento preocupação com a urbanização dispersa de muitas remoto, acelerar o processo de obtenção de zonas metropolitanas nos EEUU como também do informações atualizadas e subsidiar políticas globo tem provocado maior desenvolvimento de públicas e atuação de diferentes profissionais que pesquisas interessadas no mapeamento e tem como objeto de estudo o espaço urbano. O caracterização do uso do solo urbano e suburbano, espaço urbano analisado neste estudo é o do utilizando-se técnicas automáticas de interpretação município de São José dos Campos, estado de São dos dados. O problema do uso de imagens de Paulo, Brasil. resolução moderada para estes mapeamentos é a

presença de pixels mistos, compostos de superfícies Fenômeno Urbano impermeáveis, gramas, árvores resultando em uma

mistura de respostas espectrais individualizadas. Os Dada a importância e porte das modificações que sistemas tradicionais de classificação de associar umestão ocorrendo quanto à forma de crescimento das pixel a um único uso do solo ou cobertura tornam-se cidades brasileiras estão sendo desenvolvidos problemáticos em áreas urbanas espacialmente estudos que apresentam um diagnóstico das áreas heterogêneas com alta proporção pixels mistos. No urbanizadas. Para Small (2005) embora as áreas trabalho desenvolvido por eles, que trata do urbanas ocupem uma porção relativamente pequena desenvolvimento de sistema de classificação da superfície terrestre sua extensão, distribuição e automática para caracterização de tipos de evolução tem grande impacto no meio ambiente e na coberturas urbanas, este problema é abordado.dinâmica sócio- econômica mundial. Segundo Maktav (2005) em adição aos Segundo Reis (2006) que desenvolve estudos das melhoramentos tecnológicos na obtenção de mudanças que estão ocorrendo no processo de imagens de satélite as análises das imagens também urbanização do Brasil estas ocorrem : com a tiveram que ser melhoradas. As abordagens formação de áreas de urbanização dispersa, que se orientadas a objetos estão se mostrando melhores estendem por vasto território, separadas no espaço em muitas aplicações. A classificação orientada ao físico mas mantendo estreitos vínculos entre si, como objeto consiste no agrupamento de pixels a partir da elemento de um único sistema; com a regionalização segmentação da imagem. A segmentação é o passo

34 REVISTA

SELPERMAPEAMENTO DE ÁREAS URBANIZADAS COM USO DE IMAGENS..VOL. 26 Nº 1JUNIO 2008

preliminar que divide a imagem em objetos objetos são criados usando as variáveis espectrais e homogêneos e contíguos. A acurácia da espaciais. Neste procedimento foi diferenciada a segmentação afeta diretamente o desempenho da classe área urbana construída.classificação. Segundo Geneletti and Gorte (2003) as Tullis e Jensen (2003) desenvolveram trabalho cujo técnicas de classificação orientadas a objetos propósito foi demonstrar e testar um método baseadas em segmentação das imagens estão automático para extrair unidades residenciais de despertando interesse como método de produzir dados multiespectrais de satélite, pois estes podem mapas que são diretamente utilizáveis em Sistemas ser adquiridos para grandes áreas com alta resolução de Informação Geográfica (GIS). temporal. Foram utilizadas imagens IKONOS para Nos sistemas de análise orientada a objeto os objetos detecção de unidades residenciais usando imagem se relacionam por meio da definição da rede NDVI, como um canal, e as variáveis: forma, tamanho, hierárquica (herança dos atributos que descrevem a e contexto. Yan et al. (2006) testaram o desempenho classe) e da rede semântica (estrutura lógica de da classificação baseada em pixel (Máxima relação entre as classes). Para a classificação é Verossimilhança) e da orientada a objeto para o utilizado o maior grau de pertinência dos objetos à mapeamento de classes de uso e cobertura do solo determinada classe por meio da lógica fuzzy. visando à definição de áreas potenciais de queima de Bruzzone and Carlin (2006) em trabalho desen- carvão em território chinês. O mapa temático volvido para a criação de um sistema de classificação resultante da análise orientada a objeto apresentou baseado em contexto multi-níveis para imagens de uma precisão total de 83,25%, maior que aquela alta resolução espacial coloca que a classificação obtida pela classificação pixel a pixel, de 46,48%. As orientada a objeto e/ou estratégias multi-níveis/ multi- áreas construídas/edificadas foram somente escala é baseada no sistema de comportamento discriminadas no mapa temático resultante da humano na interpretação visual de dados. A classificação orientada a objeto. Ouros estudos como racionalidade desta abordagem é que cada imagem é os de Mitri and Gitas (2004) e Chubey et al. (2006), feita de objetos de diferentes tamanhos e formas mostram a vantagem da classificação orientada a interrelacionados. objeto.Assim cada objeto pode ser modelado pela forma e por medidas topológicas que podem ser usadas e MATERIAL E METODOLOGIAintegradas com características espectrais para melhorar a precisão da classificação. Os objetos são Neste estudo foram utilizadas as imagens do satélite extraídos das imagens com técnicas de segmentação. Landsat, órbita/ponto 219/76, bandas 3, 4 e 5 de Em estudo desenvolvido por Lee and Warner (2006) 12/03/1985 e 03/09/1999, referentes ao município de na comparação entre classificação orientada a objeto São José dos Campos, localizado no Estado de São com aquela pixel a pixel, a vantagem da primeira foi Paulo (Figura 1).significante por combinar informação espacial e espectral já no processo de segmentação no qual os

FIGURA 1 – Área de Estudo

35 REVISTA


Inicialmente, foi calculado o NDVI (bandas 4 e 3 do considerando uma distância espectral 10 (valor TM Landsat) visando uma melhor separação entre as definido empiricamente). Em função do resultado classes de vegetação e as áreas urbanizadas. No obtido repetiuse o procedimento de segmentação por mapeamento dos núcleos urbanos aplicou-se a Diferença Espectral, com uma distância espectral de classificação orientada a objeto utilizando o Software 20, visando a melhor separabilidade do objeto de eCognition 5.0 (DEFINIENS, 2006) na classificação interesse, no caso, a mancha urbana.das imagens Landsat e da imagem NDVI gerada. A Esta abordagem de segmentação permite que se análise orientada a objeto disponível neste software escolha o layer que melhor discrimina uma se baseia em 2 passos: Segmentação Multiresolução determinada classe. Os objetos obtidos na e Classificação. segmentação podem se relacionar por meio de umaEm seguida foi feita a segmentação Multiresolução, relação semântica, hierárquica, ou ambas. Para se baseada nos parâmetros de escala, cor ou forma e estabelecer estes relacionamentos entre as classes textura, utilizando as bandas 3, 4 e 5 e a imagem definidas para este estudo foram criadas duas redes, NDVI. Optou-se pelo valor 10, com peso maior para o as redes semântica e hierárquica (Figura 2). As redes parâmetro cor. Posteriormente, foi realizada uma foram criadas em função dos objetivos aqui propostos segmentação denominada Diferença Espectral, na e das características espectrais e espaciais das qual os objetos obtidos na segmentação anterior imagens utilizadas. Os objetos de cada classe foram foram fundidos em função dos valores médios de classificados de acordo com seus atributos de intensidade que estes apresentavam em cada banda, relação semântica, hierárquica, ou ambas.

FIGURA 2- Redes Semântica (a) e Hierárquica (b)

A rede semântica mostra a relação entre as classes Todos os atributos, disponíveis no eCognition, ou de interesse definidas no projeto, por exemplo: em criados a partir da necessidade de classificação e áreas urbanizadas há vegetação rasteira e arbórea, características dos dados, foram espacializados para corpos d´água e solo exposto. que fossem selecionados aqueles que melhor Atributos relacionais podem ser criados para a discriminam os objetos de uma determinada classe caracterização de uma determinada classe. A rede em relação a toda a área de estudo.hierárquica define as heranças de atributos “físicos” Com base nessa espacialização foram selecionados entre as classes, tais como características espectrais, os atributos que melhor caracterizavam as classes espaciais de forma, textura, etc. por meio da análise visual. Na imagem Landsat A próxima etapa é a determinação dos atributos que segmentada foram selecionados os polígonos descrevem as classes de interesse. Foram utilizados amostrais referentes a cada classe analisada.aqueles atributos que apresentaram melhores A partir das amostras foram gerados gráficos resultados na discriminação das classes. utilizando os valores dos atributos de cada classe.Cada classe foi determinada por atributos de forma, Com isso foram obtidas as funções de pertinência dos cor, textura e contexto que, isoladamente ou em atributos descritores de cada classe. Esta análise conjunto, melhor as caracterizam, permitindo um auxilia tanto no processo de seleção dos próprios melhor resultado na classificação final. No software atributos e na definição do range de cada um deles, utilizado, eCognition 5.0, existem diversos atributos quanto no refinamento da seleção das amostras de pré-definidos, podendo-se criar um número indefinido cada classe. Nesta etapa, os valores obtidos para as de atributos relacionais ou aritméticos a partir das amostras das diferentes classes foram comparados características do objeto que o intérprete julgar visualmente nos gráficos gerados e por meio de relevantes. valores de overlap e desvio padrão. Para a classe

36 REVISTA


área urbanizada, de interesse deste trabalho, foram ao mosaico aerofotogramétrico. Os erros de omissão utilizados os atributos de nível de cinza na banda 3 e e inclusão foram identificados a partir da comparação na imagem NDVI e homogeneidade de textura. visual entre os resultados da classificação digital e o O atributo de textura foi utilizado para a mosaico. O critério utilizado na avaliação das separabilidade entre as classes área urbanizada e quadrículas foi o de considerar o erro dominante em solo exposto, devido à confusão que ocorre entre situações em que foram observados os dois tipos de estas duas classes. Dentre os atributos de textura erros.disponíveis foi selecionada a feição homogeneidade, já que as áreas urbanizadas apresentam-se com um RESULTADOSpadrão rugoso em relação às áreas com solo exposto.Como etapa final do processo de mapeamento das Durante o processo de classificação verificou-se que áreas urbanizadas foi feita a classificação a partir dos na classe Áreas Urbanizadas foram incluídas áreas atributos e seus intervalos de valores, definidos por de Solo Exposto. Isto ocorre devido às semelhanças meio das amostras selecionadas. O mapeamento por espectrais destas duas classes, pois mesmo com a meio do sistema de classificação orientada a objeto utilização do atributo de textura, que reduz, mas não apresentado foi realizado para as imagens de 1985 e elimina totalmente a confusão entre elas, nas áreas 1999. em que o relevo é acentuado, o sombreamento nas A avaliação da precisão da classificação, para a área encostas fornece valores de textura semelhantes de estudo foi feita, para o ano de 1985, a partir da para ambas. Neste caso, deve-se ter cautela, pois comparação do mapa obtido pela interpretação áreas de transição de uso com solo exposto, como automática com o mapeamento do município obtido loteamentos novos, áreas industriais e shopping por meio da interpretação manual de fotografias centers em implantação correspondem à classe de aéreas na escala 1:25.000 (São José dos Campos, interesse, ou seja, urbana.Prefeitura Municipal, 1985), em função da Estes erros poderiam ser reduzidos utilizando-se disponibilidade de um mapeamento obtido por meio dados auxiliares no processo de classificação como, da interpretação manual de fotografias aéreas na por exemplo, uma malha viária completa. Neste caso, escala 1:25.000. Para este cálculo as classes a proximidade em relação às estradas poderia ser analisadas foram agrupadas em áreas urbanizadas e utilizada como um atributo de restrição espacial na não urbanizadas. classificação A classe área urbanizada foi separada Os resultados da classificação do ano de 1999 foram da classe vegetação por meio do atributo NDVI, avaliados tendo como base de referência o mosaico inclusive no interior das áreas urbanizadas (mata aerofotogramétrico digital do ano 2000 (São José dos ciliar, parques, bosques, praças).Campos, Prefeitura Municipal) da área urbanizada de Os resultados finais para a classe Área Urbanizada, São José dos Campos. Esta área corresponde à obtidos nas classificações sobre as imagens dos maior parte do perímetro urbano e de expansão anos de 1985 e 1999, podem ser verificados na urbana que ocupa a região sul do Município. Figura 3.Para a avaliação dos dados foram utilizadas quadrículas amostrais de 1Km por 1Km superpostas

FIGURA 3 Classificações obtidas por análise orientada a objeto, realizada no eCognition, sobre imagensLandsat 5/TM de 1985 (a) e 1999 (b)

37 REVISTA


Pela análise dos resultados apresentados na Figura 3 loteamento de chácaras, não puderam ser verificou-se que as áreas agrícolas com solo classificados como áreas urbanizadas devido aos preparado para plantio não foram classificadas como altos índices de vegetação na imagem de 1985 urbanas como ocorre nas classificações pixel a pixel (Figura 3a). Isto pode ser resolvido dentro da própria em que é considerada apenas a característica rede hierárquica, subdividindo-se a área urbanizada espectral dos alvos. Outro aspecto observado é que em consolidada e não-consolidada.muitas áreas de pastagem em relevo colinoso com A Tabela 1 mostra o resultado da comparação entre a elevada porcentagem de solo exposto gerando classificação realizada no eCognition para o ano de resposta espectral semelhante às áreas urbanizadas, 1985 e o Mapeamento de Uso da Terra de São José embora de textura diferente, não foram incluídas dos Campos quanto à classe Área Urbanizada. As como classe urbana. demais classes obtidas foram agrupadas em Não-Os loteamentos com baixa densidade de construção, Urbanizada.como aqueles que apresentavam um padrão de

TABELA 1 – Matriz de confusão da Classificação Orientada a Objeto da imagem Landsat de 1985

A classificação é considerada como muito boa, de diferentes classes de uso do solo foram determinados acordo com a tabela de conceitos de eficiência dos a partir da interpretação de fotografias aéreas, índices Kappa. Os erros de omissão e inclusão representando, na maioria dos casos, os limites dos representam, além dos erros de classificação lotes. No método automático de classificação aqui propriamente ditos, a diferença na identificação dos avaliado, estas propriedades são representadas usos nos sistemas manuais e automáticos de pelos limites de suas coberturas naturais do solo e classificação. Essa dificuldade se dá devido à áreas impermeabilizadas, já que o uso do solo não diversidade dos alvos urbanos que ocorre em um pode ser inferido, principalmente devido à resoluçãoúnico uso funcional do solo urbano. No caso da espacial das imagens de satélite aqui utilizadas.interpretação de dados de alta resolução osdiferentes A Figura 4 mostra a distribuição espacial dos erros de usos são mapeados considerando-se todos os omissão e inclusão resultantes da classificação da elementos que podem constituí-lo como áreas imagem do ano 1999. De um total de 423 quadrículas construídas, vegetação e água. analisadas, 329 tiveram concordância com o mosaico Quanto ao Mapa de Uso da Terra do Município de São de referência utilizado; 26 apresentaram erros de José dos Campos (São José dos Campos, Prefeitura, omissão, enquanto 68 apresentaram erros de 1985), utilizado como referência, os limites das inclusão.

FIGURA 4 – Distribuição espacial dos erros de omissão e inclusão obtidos na classificação da imagem de 1999

38 REVISTA


Os erros de omissão ocorreram em menor número campos antrópicos e de relevo colinoso com em relação aos erros de inclusão e encontramse vertentes iluminadas. associados: a áreas edificadas junto a estradas Embora ocorra a dominância de áreas não vicinais com arruamento formado apenas por uma ou urbanizadas estas áreas apresentam ocupação duas vias, constituindo-se em aglomerações de rarefeita em edificações isoladas. Junto à área desenvolvimento linear junto a estradas que urbanizada consolidada principal verificaram-se funcionam como ponto inicial e a partir das quais se problemas de classificação relativos a áreas em que desenvolvem transversalmente; a áreas em há presença de solo exposto devido à erosão.consolidação com baixa densidade de residências. Na franja rural urbana houve erro relacionado à Os erros de inclusão que provocaram super- classificação de áreas de granjas. O material utilizado estimativa das áreas urbanizadas foram ocasionados na cobertura dos galpões usados para a confinação pela classificação de áreas de pastagem, na maior das aves apresentou a mesma resposta espectral e parte dos casos, ou campo antrópico com edificações forma regular que as áreas urbanizadas.esparsas. Na região sul do município a rotatória do Grandes áreas em extensão territorial adjacentes às entroncamento de rodovias intermunicipais foi edificações isoladas, principalmente no norte do classificada como urbana caracterizando assim erro município foram classificadas como urbana. Elas de inclusão. A Tabela 2 mostra os erros de omissão e correspondem a áreas ocupadas por vegetação de inclusão relativos à classificação do ano 1999.gramíneas podendo ser áreas de pastagem ou

TABELA 2 – Matriz de confusão da Classificação Orientada a Objeto da imagem Landsat de 1999

A classificação é considerada boa, de acordo com a compõem a área urbana, quando comparada com tabela de conceitos de eficiência dos índices Kappa classificações pixel a pixel, podendo ser utilizada com 0.55. O índice inferior deste em relação àquele maior grau de confiabilidade e objetividade na referente ao obtido na classificação da imagem de identificação dos vetores de crescimento urbano.1985, pode estar relacionado ao procedimento Com as novas formas de urbanização que estão utilizado, bem como aos dados de referência. Um ocorrendo, através da formação de núcleos dispersos, outro fator que pode explicar esse resultado, é que surge a necessidade de dados atualizados sobre a para 1985 foi considerado todo o município e, distribuição espacial destas áreas, para a orientação consequentemente, há uma ocorrência maior de de políticas públicas em direção a um crescimento áreas não urbanizadas classificadas corretamente. urbano inteligente em equilíbrio com o meio ambiente

natural. Estes dados poderão ser obtidos em um CONCLUSÕES primeiro momento a partir da classificação orientada

a objeto de imagens orbitais, como mostrado no Os resultados mostraram um bom desempenho das trabalho desenvolvido, e refinados através de classificações realizadas ao separar os objetos que verificação de campo.

BIBLIOGRAFIA Vulnerabilidade e Segregação, Campinas, Unicamp, (2006) pp.581-604.

Bonduki, N. Sem erros do Passado. Jornal Folha de São Paulo, 28 de abril de 2005. Chubey, M.S.; Franklin, E.; Wulder, M.A. Object –

Based Analysis of Ikonos -2 Imagery for Extraction of Bruzzone, L.; Carlin, L. A Multilevel Context- Based Forest Inventory Parameters. Photogrammetric System for Classification of Very High Spatial Engineering & Remote Sensing, vol. 72, No.4, April Resolution Images. IEEE Transactions on 2006, pp.383 - 394.Geoscience and Remote Sensing, vol. 44, No. 9, September 2006, pp. 2587 – 2600. DEFINIENS, eCognition: User Guide 5, 44 p., 2005.

Disponível em: <http://www.definiens.com/ Carmo, P. L.; Hogan, D. J.Questões ambientais e services/faq/Definiens_Professional5_InstallationGuriscos na Região Metropolitana de Campinas in ide.pdf>,. Acesso em 09 de maio 2006.Novas Met rópo les Pau l is tas Popu lação, Geneletti, D.; Gorte, G. H. A method for Object-

39 REVISTA


Oriented Land Cover Classification combining Landsat TM and Aerial Photographs. International International Journal of Remote Sensing, vol.25, Journal of Remote Sensing, vol. 24, No.6, March 2003, No.14, july 2004, pp.2863-2870.pp.1273-1286.

Reis, N. G. Notas Sobre Urbanização Dispersa e Hasse e Lathrop A Housing-Unit Level Approach to Novas Formas de Tecido Urbano. São Paulo, Via das Characterizing Residential Sprawl. Photogrammetric Artes, 2006.Engineering & Remote Sensing, V.69, No.9, September 2003, pp. 1021-1030. São José dos Campos, Prefeitura Municipal. Mapa de

Uso da Terra do Município de São José dos Campos , Lee, S.; Lathrop, G. Subpixel Analysis of Landsat São José dos Campos,1985.ETM+ Using Self- Organizing Map (SOM) Neural Networks for Urban Land Cover Characterization. Small, C. A global analysis of urban reflectance, IEEE Transactions on Geoscience and Remote International Journal of Remote Sensing, v.26, No.4, Sensing, vol. 44, No. 6, June 2006, pp. 1642 – 1654. February 2005, pp.3403-3412.

Lee, J. Y.; Warner, T. A. Segment Based Image Tullis, J.A.; Jensen, J.R. Expert System House Classification. International Journal of Remote Detection in High Spatial Resolution Imagery Using Sensing, v.27, Nos.15 -16, August 2006, pp.3403- Size, Shape, and Context Geocarto International, 3412. Vol.18, No.1, March 2003.

Maktav, D. Remote Sensing of Urban Areas. Yan, Gao; Mas, J. –F.; Maathuis, B.H.P.; Xiangmin, Z.; International Journal of Remote Sensing, v.26, No.4, Van Disk, P. M. Comparison of pixel – based and February 2005 object oriented image classification approach – a

case study in a coal fire area , Wuda China. Mitri, G.H.; Gitas, I. Z. A performance evaluation of a International Journal of Remote Sensing, vol. 27, burned area object-based classification model when No.18 – 20, September – October 2006, pp.4039 – applied to topographically and non-topographically 4055.correct TM imagery.

40 REVISTA


VOL. 26, Nº 1, 2008REVISTA - JOURNAL SELPER

ESA - ESRIN

ESA - Asuntos Internacionales

Att: Sr. Francesco Sarti (América Latina)

Att: Sra. Marie Elisabeth De Vel (América Latina)

Via Galileo Galilei,Casella Postale 64.

00044 Frascati (Roma)ITALIA

Tel: (39.06) 94180.409Fax: (39.06) 94180.280

8-10 rue Mario Nikis,75738 PARIS Cedex 15, FRANCIA

Tel: (33.1) 5369.7731, Fax: (33.1) 5369.7627

ECUADOR1980 - 1983

CHILE1983 - 1986

BRASIL1986 - 1989

ARGENTINA1989 - 1991

PERU1991 - 1993

COLOMBIA1993 - 1995

MEXICO1995 - 1997

VENEZUELA1997 - 1999

ARGENTINA2000 - 2002

BOLIVIA2002 - 2004

... y Envisat sigue observando el lugardel próximo simposio (arriba izquierda)

CHILE2004 - 2006

COLOMBIA2006 - 2008

Documents

VOL. 26, Nº 1 JUNIO2008 ISSN 0717-2915 - selper.infoselper.info/pdf/Revista-Selper-200806_5348_vol26_Junio08.pdf · E-mail: [email protected] COLOMBIA Myriam Ardila PROSIS S.A