Sie sind auf Seite 1von 7

IV Congreso Argentino de Tecnologa Espacial 2007

DETERMINACION DE LA COBERTURA DEL SUELO DEL CENTRO-ESTE DE


LA PROVINCIA DEL NEUQUEN MEDIANTE ESCENAS MMRS/SAC-C
Claudia Palese
LISaMet, Facultad de Ingeniera, Universidad Nacional del Comahue
Buenos Aires 1400 (8300) Neuqun, Neuqun, Argentina
claudiapalese@yahoo.com.ar; lassig@uncoma.edu.ar
En este trabajo se elabor un mapa en el que se determinaron los tipos de cobertura del suelo en el centroeste de la provincia mediante datos del sensor MMRS/SAC-C. Las escenas satelitales fueron corregidas
geomtricamente y fueron calibradas radiomtricamente. Se generaron las imgenes de reflectividad de
cada una de las bandas del sensor. Se defini un esquema de clasificacin para identificar los 6 tipos de
cobertura. Se utiliz una clasificacin en forma no supervisada basada en la habilidad del sensor en
detectar las firmas espectrales de los distintos tipos de cobertura del suelo. Dado que las reas urbanas se
confunden con suelo desnudo se procedi a delinear manualmente esta categora. La modalidad de
clasificacin utilizada dio un resultado aceptable ( 0.82). El mayor porcentaje corresponde a suelos
cubiertos con la vegetacin arbustiva tpica de la zona y el menor porcentaje de suelo lo ocupan las
ciudades.
Seccin F. Sensores Remotos.
1.- INTRODUCION
En el centro-este de la provincia del
Neuqun
se
desarrollarn
proyectos
agroforestales, convirtiendo el tipo de produccin
actual dedicada a la explotacin de gas y petrleo
y pecuaria (cra de ganado caprino) a la
produccin fruti-hortcola y forestal que se
llevar adelante mediante la construccin de un
canal de agua para riego y consumo.
Para
desarrollar
emprendimientos
agroforestales se necesita el conocimiento de la
distribucin espacial y temporal de variables
agrometeorolgicas. Una de estas variables es el
viento que depende en gran medida de las
caractersticas geofsicas (topografa y rugosidad
superficial) del rea en estudio, entre otros
factores.
Los datos satelitales de la radiacin solar
reflejada en el espectro visible e infrarrojo
cercano son frecuentemente utilizados para
estimar atributos del suelo y de la canopia

vegetal. Los niveles digitales (ND) adquiridos por


el sensor pueden ser convertidos en categoras
que suponen un mejor conocimiento del
territorio. A travs de la clasificacin digital de la
informacin multi-espectral se obtiene una
cartografa de estas categoras objeto de estudio.
En este trabajo se elabor un mapa en el
que se determinaron los tipos de cobertura del
suelo en el centro-este de la provincia mediante
datos del sensor MMRS/SAC-C.
Esta
informacin
se
utilizar
posteriormente para elaborar el mapa de la
rugosidad superficial del rea en estudio, con el
objetivo de calcular el campo de viento.
2.- METODOLOGA Y DESARROLLO
2.1.- Lugar
El rea abarca el Departamento
Confluencia de la Provincia del Neuqun que se

IV Congreso Argentino de Tecnologa Espacial 2007

encuentra comprendida entre 38.00 S y 39.50 S


de latitud y entre 67.70 W y 70.00 W de
longitud. En la Figura 1 se observa que en esta
regin la meseta patagnica est interrumpida por
la depresin que constituye el valle de los ros
Neuqun, Limay y parte del Negro y la presencia
de los embalses Los Barreales, Mari Menuco y
Pellegrini (cuenca del Neuqun).
La meseta est cubierta en su mayor parte
por vegetacin baja con tronco muy corto o
ramificado desde la base y asimilan energa con
su follaje estacional o permanente, o con sus
ramas verdes. La vegetacin se ubica en forma
muy dispersa dejando superficies de suelo
desnudo. En un estrato inferior los acompaan
plantas menores: suculentas, con bulbos o
tubrculos, y efmeras.
Los suelos de los valles irrigados estn
cultivados por especies caducas, principalmente
rboles frutales: manzanos y perales, cercados en
su mayora por alamedas que se utilizan como
cortinas rompevientos.

Resolution Scanner) del 20 de Diciembre de 2002


que se puede apreciar en la Figura 2. Este sensor
tiene una resolucin espacial de 175 m y cinco
bandas espectrales: azul 480 500 nm, verde 540
560 nm, rojo 630 690 nm, infrarrojo cercano
NIR 795 835 nm e infrarrojo de onda corta
SWIR 1550 1700 nm. El satlite SAC-C fue
lanzado el 21 de Noviembre del 2000, con una
rbita de 705 km de altitud, es sincrnico con el
sol y la inclinacin de la rbita es de 98.2,
atraviesa la zona de estudio a las 11:30 hora local
en el modo descendente y tiene un ciclo de
revisita de 16 das [1].
La imagen utilizada es en alta resolucin,
en el modo de 8 bit, con lo que la resolucin
radiomtrica es de 256 ND.
La fecha seleccionada corresponde a una
de las pasadas disponibles sin nubosidad que
cubre el rea de estudio. Se prefiri una imagen
de verano para que se pudiera identificar, sin
confusiones, las condiciones de los cultivares en
los valles irrigados y la vegetacin de hoja caduca
que crece en los cauces de los ros afluentes.
La elevacin y el azimut solar, en el
momento de la adquisicin de la imagen, fueron
de 26 y 80, respectivamente.
2.3.- Correccin geomtrica
La
escena
MMRS/SAC-C
fue
georreferenciada utilizando los puntos de control
orbitales que se reciben con la imagen.
Se us una funcin de transformacin
cbica (1) dado el alto grado de deformacin
requerido en la modificacin de la imagen.

Figura 1: Imagen de la zona de estudio en la que se


observa los embalses de Los Barreales, Mari Menuco
y Pellegrini, las ciudades de Neuqun y Cipolletti. En
tono marrn grisceo se aprecia la meseta
patagnica y el valle irrigado en un color verde oscuro
(Mosaico construido con las escenas ISS 012-E-13153 y 13154).

2.2.- Datos Satelitales


Se utiliz en este estudio una escena del
sensor MMRS/SAC-C (Multispectral Medium

m j

s = a jk c j l k (1)
j =0 k =0

En esta expresin indica la coordenada


de la imagen corregida (X o Y) que se estima a
partir de las coordenadas (c = longitud, l =
latitud) de la imagen de entrada que, como ya se
dijo, se reciben con la misma.

IV Congreso Argentino de Tecnologa Espacial 2007

Los coeficientes de las funciones de


transformacin (coeficientes de una regresin
mltiple cbica) se calcularon a partir de las
coordenadas de los 40 puntos de control
seleccionados, mediante un ajuste de cuadrados
mnimos.
La bondad del grado de ajuste se mide por
la importancia de los residuos, que es la
diferencia entre el valor estimado y el real, para
cada uno de los puntos de control empleados. Se
utiliz como indicador el error cuadrado medio
(RMSE por sus siglas en ingls) (2) para cada
uno de los puntos de control y el promedio para
evaluar la calidad general del ajuste.

RMSE = ( X i ci ) 2 + (Yi l i ) 2

(2)

El RMSE promedio fue 0.001746, que


resulta satisfactorio para esta primera instancia de
ajuste, dado que se requerir una posterior
transformacin cuando se necesite superponer a
un mapa topogrfico de otra fuente.
Para la transferencia de los ND originales
a la posicin corregida se utiliz el mtodo de
muestreo del vecino ms cercano con la finalidad
de preservar los valores originales.
2.4.- Calibracin radiomtrica

La calibracin radiomtrica de la imagen


MMRS consiste en la conversin de los ND a
valores de radiancia, para luego poder calcular los
valores de reflectividad. Esta conversin
permitir realizar con mayor rigor las relaciones
entre bandas; dar un significado fsico a la
definicin de las clases de cobertura del suelo; y
poder posteriormente hacer relaciones con
imgenes adquiridas en otras fechas.
La radiancia, Lk [mW/sr cm2] (3), que es
el total de energa radiada por unidad de rea y
por ngulo slido de medida, describe lo que
mide el sensor, y se calcula aplicando para cada
banda la siguiente ecuacin (www.conae.gov.ar):

Lk max Lk min
L =
NDmax
k

ND k + Lk min

(3)

donde k es la banda (k: 1, 2, 3, 4, 5); NDmax es el


nivel digital mximo (254); Lkmax es la radiancia
correspondiente a NDk = NDmax para k: 1, 2, 3, 4,
5, Lkmin es la radiancia correspondiente a NDk = 0
para k: 1, 2, 3, 4, 5.
Por otra parte la radiancia detectada por el
sensor es una funcin de la proveniente del sol en
esa banda del espectro como se mide en el suelo,
de la reflectividad espectral de la cubierta, de la
transmisividad de la atmsfera y de la radiancia
aportada por la dispersin atmosfrica. De esta
relacin puede despejarse la reflectividad
espectral, k (relacin entre el flujo incidente y el
reflejado por una superficie), obtenindose la
ecuacin simplificada (4) puesto que no tiene la
influencia atmosfrica:

k sen =

Lk
E0

corr

cos( 0 )

(4)

donde 0 es el ngulo cenital solar; E0corr es la


irradiancia solar exoatmosfrica efectiva,
corregida por da sideral calculada a partir de
E0corr = E0 dsol; con dsol = (1-0.01673 cos ())-2;
siendo = 0.9856 (dj-4) 180-1; dj es el da del
ao.
2.5.- Esquema de la clasificacin digital

La definicin del esquema de clasificacin


es la primera etapa en cualquier trabajo de
clasificacin y se refiere a qu es lo que se quiere
identificar en la imagen a travs del proceso de
clasificacin. Para ello debe existir una
experiencia previa, que permita identificar cada
una de las categoras de inters
Dado que el conocimiento del tipo de
cobertura del suelo se utilizar en un estudio de
vientos, en el que interesa saber la altura de los
elementos que forman dicha cubierta, se

IV Congreso Argentino de Tecnologa Espacial 2007

necesitan detectar 6 clases que se presentan en la


Tabla 1.
Tabla 1: definicin del esquema de clasificacin.
N
DESCRIPCIN DE CADA CLASE
Suelo cubierto con jarilla de 2 m de altura con
1
suelo desnudo.
Vegetacin arbrea: en el valle cultivado hay
frutales de 4-5 m de altura aprox., las parcelas
estn rodeadas por alamedas con alturas en
2
promedio de 15 m; en las orillas de los cursos de
agua y lagos hay especialmente sauces cuyas
alturas no superan los 3 m.
Suelo desnudo o con muy escasa vegetacin
3
baja (0.30 m.).
Superficie libre de agua: ros, lagunas, lagos.
4
Pueblos (Cutral-C, Plaza Huincul, Senillosa,
Plottier, Centenario, Vista Alegre, Cinco Saltos) o
5
los barrios de casas en las ciudades de Neuqun
y Cipolletti.
Centro de las ciudades de Neuqun y Cipolletti
6
con edificios altos.

2.4. Asignacin de clases

Una vez definidas las clases se proces la


imagen satelital mediante una clasificacin no
supervisada de las bandas 3, 4 y 5, que tiende a
identificar las clases espectrales presentes en la
imagen basndose exclusivamente en la habilidad
del sensor en detectar las firmas espectrales de los
distintos tipos de cobertura y usos del suelo. Este
tipo de clasificador examina los datos de
reflectividad de la imagen y los agrupa en
conglomerados con un comportamiento espectral
homogneo que, por lo tanto, deben definir clases
temticas de inters.
La lgica con la que la clasificacin no
supervisada trabaja, se conoce como cluster
analysis. Basada en un conjunto de imgenes de
entrada, se realiza la clasificacin utilizando la
tcnica del pico del histograma multidimensional. Este tipo de clasificacin fina
impone que una clase debe contener una alta
frecuencia en el anlisis de dicho histograma.
Es importante reconocer, sin embargo,
que los productos de este tipo de agrupamiento no
son las clases informacionales, sino clases

espectrales, es decir, se agrupan reflectividades


semejantes. Por lo tanto, se necesit reclasificar
la informacin obtenida [2].
Se eliminaron las clases menos
significativas (menor que el 1 % del rea total)
como opcin de agrupamiento.
Dado que las reas urbanas se confunden
con suelo desnudo se procedi a separarlas de la
imagen [3]. Luego se realiz una nueva
clasificacin del mismo tipo que la anterior para
mejorar la identificacin visual de las clases, y se
procedi a delinear manualmente dos tipos de
zonas, una de menor densidad poblacional con
casas bajas y algunas arboledas y otra con alta
densidad poblacional que corresponde al centro
de las ciudades de Neuqun y Cipolletti que
tienen construcciones altas.
2.5.- Verificacin de los resultados

Toda clasificacin digital lleva aparejado


un grado de error por ello se procedi a la
verificacin de los resultados mediante la
cuantificacin del error y en funcin de este la
valoracin de la calidad de la clasificacin
efectuada.
En este trabajo la estimacin de la
exactitud alcanzada por el mapa temtico se
realiz comparando el inventario de la
clasificacin contra reas de verificacin, para
construirse luego una matriz de error en donde se
resumen los aciertos y desaciertos entre las clases
del mapa y del terreno. Esta base de datos del
verdadero terreno (reas test) no exista y tuvo
que ser creada. Para ello se recurri a
verificaciones a campo, en los lugares ms
cercanos y accesibles, y a imgenes Ikonos de
Google Earth.
El muestreo se realiz mediante el mtodo
aleatorio simple. En cuanto al tamao de la
muestra segn algunos autores [4, 5] se precisan
unos 50 puntos para obtener una estimacin
fiable, en este trabajo se utilizaron 37 muestras de
terreno-verdadero.
Con estos datos se gener una tabla de
contingencia o matriz de confusin para valorar

IV Congreso Argentino de Tecnologa Espacial 2007

los errores de omisin y comisin. Tambin se


calcul el ndice para evaluar el resultado
general. Este ndice se obtiene de (5)
=

N X ii X i + X + i
N 2 X i + X +i

(5)

donde Xii indica el acuerdo observado y Xi+ X+i


(producto de marginales) el acuerdo esperado, N
es el tamao de la muestra.
Dado que las dos clases correspondientes
a las zonas urbanas se las demarc manualmente
no se incluyeron en el anlisis precedente.
3.- RESULTADOS

La ventana utilizada cubre 1131 x 946


pxeles, que representan una superficie de 198 km

x 166 km. La cuya resolucin espacial, en ambas


direcciones horizontales, es de 175 m, que es la
que otorga el sensor.
En la Figura 2 se muestran los tipos
cobertura del suelo en el Departamento de
Confluencia de la Provincia del Neuqun,
estimados a travs de sensores remotos.
En la Figura 3 se observa el rea relativa
que se encontr de cada tipo. El mayor porcentaje
corresponde a suelos cubiertos con la vegetacin
arbustiva tpica de la zona, con un total de 75.6 %
del rea (24787 km2). El suelo desnudo ocupa el
18.7 %, (6141 km2) mientras que las ciudades
representan el 0.4%. La vegetacin arbrea ocupa
557 km2 que representan el 1.7 % de la superficie
total. La superficie libre de agua de los embalses
y ros ocupa 1236 km2. Las ciudades representan
el 0.2% con un rea de 68 km2.

Figura 2: mapa temtico en el que se distinguen las 6 clases de cubierta del terreno.

IV Congreso Argentino de Tecnologa Espacial 2007

Clase del
Mapa

Figura 3: frecuencias relativas porcentuales del rea de cada clase.

1
2
3
4
Total
Error omisin
KIA (%)

Tabla II: valoracin del ajuste en la asignacin de clases.


Clase real
Total
1
2
3
4
8
1
1
0
10
1
6
0
1
8
1
0
9
9
10
0
0
0
0
9
10
7
10
10
37
0.20
0.14
0.10
0.10
72.59
81.77
86.30
86.79

En la Tabla II se presenta la precisin


obtenida en el mapa temtico observndose la
variacin de una clase a otra. El agua (clase 4)
ofrece un porcentaje de exactitud bastante alto,
seguido por la clase 3 de suelo desnudo, aunque
no se arriban a conclusiones rigurosas debido a la
escasa representacin de las muestras, por el
pequeo nmero de puntos test asignado a cada
clase.
El error general fue de 13.51 % mientras
que el ndice de ajuste general (Kappa Index of
Agreement KIA-) result 81.92 %.
4.- DISCUSIN

En este trabajo se obtuvo el mapa de la


cobertura del suelo del centro-este de la Provincia

Error comisin
0.20
0.25
0.10
0
0.1351

del Neuqun. Para ello se utilizaron las bandas


reflectivas de una escena satelital de verano del
sensor MMRS SAC-C, que fueron corregidas
geomtricamente y calibradas radiomtricamente.
Para realizar este mapa temtico se us un
clasificador rgido con una metodologa no
supervisada. La post-clasificacin incluy una
reclasificacin para transformar las clases
espectrales en las 6 clases informacionales
requeridas.
El mapa de cobertura del terreno obtenido
tiene una precisin aceptable, con un ndice de
ajuste de 81.92 %, sin embargo, no resulta una
conclusin rigurosa debido al pequeo nmero de
puntos test asignados a cada clase en la etapa de
valoracin.
Futuras investigaciones incluirn una subclasificacin por cada uno de los tipos de

IV Congreso Argentino de Tecnologa Espacial 2007

cobertura (clases 1, 2, 3, 5) y se perfeccionar la


verificacin de los resultados.
Agradecimientos. La imagen SAC-C la
proporcion el Laboratorio LANTEL (UNCo).
REFERENCIAS

[1] COLOMB, F.R., ALONSO C., HOFMANN


C. Y NOLLMANN I. (2004), SAC-C mission,
an example of international cooperation,
Advances in Space Research, 34 (10), 2194-2199.
[2] CHUVIEDO, E. (1990), Fundamentos de la
teledeteccin espacial, Ediciones Rialp, Madrid,
453 pp.
[3] REESE, H.M., LILLESAND, T.M., NAGEL,
D.E., STEWART, J.S., GOLDMANN, R.A.,
SIMMONS, T.E., CHIPMAN, J.W. y TESSAR,
P.A. (2002), Statewide land cover derived from
multiseasonal
Landsat
TM
data.
A
retrospective of the WISCLAND project,
Remote Sensing of Environment, 82, 224-237.
[4] HAY, A.M. (1979), Sampling designs to test
land-use map accuracy, Photogrammetric
Engineering and Remote Sensing, 45, 529-533
[5] CONGALTON, R.G. (1991), A review of
assessing the accuracy of classifications of
remotely sensed data, Remote Sensing of
Environment, 37, 35-46.