Investigacin

Anlisis de textura en imgenes de satlite

en el mbito de la biodiversidad y la estructura en un bosque de los Andes Colombianos
Recibidoparaevaluacin:21deFebrerode2008 Aceptacin:25deNoviembrede2008 Recibidoversinfinal:10deDiciembrede2008
1 Jess Adolfo Anaya Acevedo 2 RosaAlexandraDuqueLondoo 3 GermnMauricioValenciaHernndez

RESUMEN
EstetrabajoevalalarelacinentrelatexturacalculadaapartirdeunaimagendesatliteIkonoscon ladiversidadylaestructuraalolargodeuncorredorcon43parcelasenlosbosquesandinosdeColombia. Paraello,utilizandicesdediversidadcalculadosen43parcelasymapasdetalladosdeUsosdelSueloque separanlosbosquesdesdeunpuntode vistaestructural.Apartirdelaimagense obtuvieronvaloresde texturautilizandomatricesdecoocurrenciadenivelesdegris,GLCM(porsussiglasenIngls GrayLevelCo occurrencematrix)yGLDV(GreyLevelDifferenceVector).Tradicionalmentelatexturasehainterpretado desde el punto de vistacualitativo entre lisoy rugoso,sin embargo nuestraaproximacin con eluso de matricespermiteunamedicincuantitativa. Losvaloresdetexturaserelacionanconinformacindecampocondosnivelesdedetalledistintos: primero con estudios de biodiversidad (ndice de Shannon y riqueza) en zonas de bosque a partir de levantamientodeparcelasencampoy segundoconelmapadeUsodelSuelo(bosquenatural,bosque plantado,bosquesecundario,cultivosypastos),zonasconsideradascomorepresentativasdelaestructura delavegetacin.Losresultadossebasanenlasrelacionesentreestructuraydiversidad,texturaydiversidad ytexturayestructura.LatexturaenIkonosmuestraunaaltopotencialparasepararbosquesendiferentes estadossucesionalessinembargo,larelacinentredatosobtenidosporteledeteccinydiversidadsigue siendo dbil. Se alude frecuentemente a imgenes Landsat de la misma zona a modo de referencia o comparacin. PALABRASCLAVE: Biodiversidad,EstructuradelBosque,Textura,Ikonos.

ABSTRACT
TherelationshipbetweentexturecalculatedfromanIkonosimagewithdiversityandstructurewas evaluatedalongacorridorwith43fieldplotsintheColombianAndes.Diversityindexeswerecalculatedatthe 43plotsandLandUsemapswereusedasanapproachtovegetationstructure.Texturewasobtainedfrom anIkonosimageusingGrayLevelCooccurrenceMatrixGLCMandGrayLevelDifferenceVectorGLDV. Traditionally,texturehasbeeninterpretedfromaqualitativelypointofviewfromsmoothtorough,howeverour approachusingamatrixallowsforaquantitativemeasurement. Texturewasrelatedtofieldinformationattwodifferentdetaillevels:firstwithdiversitymeasurements (Shannon Index and Richness) established at forest plots and second, with classes of a land use map (primaryforest,secondaryforests,forestplantation,cropsandpastures)consideredtoberepresentativeof vegetationstructure.Resultsarebasedonrelationsbetweenstructurediversity,texturediversityandtexture structure.Ikonostexturepresentsalargepotentialtoclassifyforestsatdifferentsucessionalstageshowever, the relation between diversity and data gathered with remote sensing is still weak. Landsat images are mentionedthroughoutthetextasareferenceorcomparisonwithIkonosimages. KEYWORDS: Biodiversity,ForestStructure,Texture,Ikonos.

1. Mg., Dr. (C), Profesor Universidad de Medelln. 2.Mg.,ProfesoraUniversidad de Medelln. 3. I.A.,ProfesorUniversidadde Medelln. janaya@udem.edu.co

Volumen11No.3Diciembrede2008

Gestin y Ambiente

137

Investigacin

1.INTRODUCCIN
Los bosquestropicales sonaltamente heterogneos y su caracterizacin a travsdel uso de sensores remotos es un gran reto, no solo por la gran cantidad de especies que pueden existir en pocos metros cuadrados sino a la imposibilidad de acceder a los estratos bajos del dosel. Adicionalmente Kalacska et al., (2007) advierte que independientemente de los sensores utilizados, la mayor dificultad para identificar especies en bosques tropicales es su compleja dinmica fenolgica. A pesar de las limitaciones propias de esta tecnologa, la tendencia en productosobtenidosporplataformassatelitaleseshaciaelaumentoen lasresolucionesespacial, espectral y radiomtrica, mejorando la separabilidad entre distintos tipos de bosque (Boyd y Danson, 2005) y la discriminacin entre especies forestales demostrada a travs de espectro radiometra(VanAardtyWynne,2001,FoodyyCutler,2003). Distintos tipos de resolucin ofrecen ventajas y desventajas en los dominios espaciales y espectrales (Thenkabail et al., 2003). Una de las ventajas de utilizar imgenes de resolucin espacial media, como Landsat, ha sido la posibilidad de estimar indirectamente la estructura de los bosques, dado que los valores de los pxeles integran el dosel, el sotobosque, el suelo y las sombras, permitiendo generalizarlareflectividad dentrodeunmismo tipodecobertura (Asner et al., 1998). Por otro lado la utilizacin de imgenes de mayor resolucin espacial, tipo Ikonos, ofrecen pxeles de mayor purezay por tantocon mayor capacidadde discernir entreespecies o individuos(Wang et al.,2004). Wulder etal.(2004) cita varios estudios dondese hanseparado diferentesespecies de conferas (Franklinet al., 2000,Key etal., 2001)y selogra laestimacin individual de especies arbreas (Cohen et al., 1995, 2001, Gougeon, 1995). Existennumerososmtodosdeclasificacinbasadoseneldominioespectralparaasignar el valor de un pxel a un tipo de vegetacin determinado. Sin embargo en imgenes Ikonos el dominio espacial adquiere gran importancia por su alta resolucin y los anlisis de textura se hacenrelevantesenlosprocesos declasificacin.LaFigura1muestraclaramenteelefectodel tamaodelpxelenunazonaboscosa.Porejemplo,lacopadeunmismorbolpuedepresentar distintosvaloresdepxelen elespacioespectral conpxel de4m (coronailuminada,coronaa la sombra, diferencias morfolgicas, etc) mientras que un pxel de 28.5 m slo representara la continuidad de muchas copas. El color y el brillo de los pxeles son utilizados comnmente como parmetros para la descripcinde imgenes de satlite sin embargoun parmetro menosutilizado peroigualmente importante es la textura(grano) que se calcula en un conjunto depxeles conectados y contiene informacin espacialsobre lasvariaciones tonales en cada banda. Dado quela texturase basa en las diferencias entre valores de pxeles adyacentes es mejor utilizar este tipo de anlisis sin haber realizado ningn filtrado previo a las bandas, tales como los promedios por convolucin (PCI,2003),mientrasquelabandamsadecuadapararealizaranlisisdetexturasenvegetacin eselinfrarrojocercanoalrededorde0.83m(Asner,etal.,2003).Haralicketal.(1973)definieron 14 caractersticas inherentes al anlisis de la textura, entre ellas la entropa, la variancia, la correlacinyelcontraste.Cadaunadeestascaractersticasvaradeacuerdoaltipode imagen enfuncindeldominio espectral,laresolucinespacial ylascaractersticasdelobjetoenestudio (dimensin, forma y distribucin espacial) (Kayitakire et al., 2006). Con este estudio se exploraron las posibilidades de imgenes pticas para hacer una aproximacin al estado de conservacin de los bosquesy su diversidad utilizando latextura. La ecologaactualenfatizalaimportanciadetenerencuentalaperspectivaespacialenlosprocesos y patrones ecolgicos. Sin embargo el levantamiento y el anlisis de informacin espacial es costoso (Perry y Enright, 2007), por lo que parece razonable que la teledeteccin se presente como una herramienta de apoyo importante.

138

Gestin y Ambiente

Volumen11No.3Diciembrede2008

Investigacin

Figura 1. Comparacin del mximo nivel de detalle posible enzonaboscosacorrespondiente aunaimagenLandsat(fondo)con pxel de 28.5 m y una imagen Ikonosconpxelde4m.

El primer objetivo fue relacionar valores de riqueza obtenidos en campo con datos de teledeteccin.Paraellosevisitaronparcelaspreviamenteestablecidasenla zonaporelproyecto OIMTPD54/99Rev.2(F),atravsdeCORNARE,enconvenioconlaUniversidadNacionalestas parcelastenancomofincaracterizarlavegetacindelazona.Elsegundoobjetivofueencontrar el potencial de la textura para separar coberturas vegetales, haciendo nfasis en bosques en distintos estados sucesionales identificados en mapas de Usos del Suelo. El mapa de Usos delSueloutilizadoestacompuestotantodeusos(p.e.plantacionesocultivos)comodecoberturas (bosque primario o rastrojo alto).

2.METODOLOGIA
2.1.readeestudio
Esteestudio fuellevadoa cabo dentrodeuna franjaubicadaentrelas reasestratgicas definidas como reas de Plantaciones y Bosques Secundarios FMHC1 y reas de caones con Bosques Secundarios Pluviales MMHM3 (Figura 2), entre las veredas Normanda del municipio de El Retiro y La Cristalina del municipio de El Carmen de Viboral, jurisdiccin de CORNARE, con coordenadasgeogrficas mnimas75.62oeste y5.87 norte ymximas 75.16 oeste y 6.18 norte con referencia al elipsoide WGS84. Debido a la influencia antrpica, los bosquesseencuentranaltamentefragmentadosen unamatrizcompuestaporpastizales,cultivos e infraestructura, incluyendo zonas donde el valor del suelo es particularmente alto. Desde el puntodevistageomorfolgicoseencuentraenlacordilleracentraldelosAndesconalturasentre 900 y 2700 msnm, se extiende desde el occidente hacia el oriente por una zona de cimas seguidas de filas y vigas intercaladas con colinas y lomas hacia el centro en el oriente se encuentra una zona de caones caracterizado por vertientes largas y pendientes fuertes. Las precipitaciones en El Retiro tienen una media cercana a los 2000 mm mientras que hacia el Carmen de Viboral superan los 4000 mm con alta nubosidad a lo largo del ao.

Volumen11No.3Diciembrede2008

Gestin y Ambiente

139

Investigacin

Figura 2. rea de Estudio. Divisin poltica y corredor OccidenteOrienteenlacordillera CentraldelosAndesColombianos.

2.2.Imgenes desatlite
Paraeste estudio, se adquiriuna imagenLandsat ETM+de archivoy se solicit latoma de una imagen Ikonos para todo el corredor. La imagen Ikonos tiene su mayor fortaleza en estudios de diversidad en el tamao del pxel, mientras que su mayor debilidad es su baja resolucinespectral(Tabla1).LaimagenLandsatfueutilizadaparaevaluarelefectodeltamao del pxel en los anlisis. Para el procesamiento se conserv el sistema de coordenadas y proyeccin original de las imgenes UTM 18N y elipsoide WGS84.

Tabla 1. Caractersticas de las imgenes.

2.3.UsodelSuelo
Seactualiz elmapadeUsosdelSuelode1992con laimagenIkonosde2006siguiendo la metodologaCorine Land Cover CLC (PerdiagaoyAnnoni, 1997).Cada polgono de1992 fue actualizado siguiendo los contornos identificados en la imagen Ikonos y se realizaron visitas de campoen polgonosdedifcil identificacin.Estemtodopermiti definirelnmerodepolgonos paracadaclasedecoberturavegetalysurespectivareaenhectreaspara2006.Elobjetivode este mapa es tratar cada polgono como una caracterstica estructural de los bosques desde el punto de vista de la sucesin, siendo los bosques naturales los menos intervenidos y por tanto losquetienenmayoresvaloresdebiomasa,seguidosporlosbosquessecundariosylosrastrojos altos. La Tabla 2 presenta el detalle al que se separan los bosques se asume que el estado sucesionalcorresponde alestadodesuconservacin. Porotraparteno seincluyenlosbosques plantados dentro de los otros estados sucesionales por tratarse de una cobertura boscosa generalmente en monocultivo de conferas.

140

Gestin y Ambiente

Volumen11No.3Diciembrede2008

Investigacin

Tabla 2. Uso de Suelo en Bosques.

Bn1i:Bosquesnaturalesprimariosintervenidos Bn1m:Bosquesnaturalesprimariosmuyintervenidos Bn2a:Bosquesnaturalessecundariossucesintemprana Bn2i:Bosquesnaturalessecundariossucesinintermedia

Bn2t:Bosquesnaturalessecundariossucesintarda Bp1cBosquesplantadosmadurosconferas Bp1lBosquesplantadosmaduroslatifoliadas Bp2cBosquesplantadosjuvenilesconferas

DadoqueestaclasificacindeUsosdelSuelohasidogeneradainicialmentecontcnicas de interpretacin de fotos areas y trabajo de campo se considera de alta calidad para ser utilizada como verdad de campo.

2.4.Parcelaspermanentes
Las parcelas estn ubicadas en la zona de estudio y establecidas dentro del proyecto ModelodeFinanciamientoAlternativoparaelManejoSostenibledelosBosquesdeSanNicols (Cornare OIMT) y se cuenta con su caracterizacin estructural y florstica. En total son 235 parcelas de las que se seleccionaron 43 ubicadas en bosque hmedo montano bajo y bosque 2 muy hmedo tropical las reas de las parcelas son de 500 y 200 m para bosques naturales y 2 2 250 y 100 m para bosques secundarios y de 100 y 50 m para rastrojos (Universidad Nacional de Colombia, 2002). Es de esperar que la reflectividad no sea la misma en el momento del establecimientodelasparcelasqueenlafechadelatomadelasimgenes.Dehechoelcambio enreflectividades muyrpidoyestfuertementeinfluenciado alolargodelaoporlahumedad oporlafenologa,esdecirporvariacionestemporales.Sinembargoseasumequelavariabilidad en reflectividad (en trminos de textura) al interior de las parcelas permanece relativamente constanteentre 2002y 2006.

2.5.Clculos 2.5.1Parcelas
Se realizaron mltiples salidas de campo para georreferenciar con GPS cada una de las parcelas y corroborar la existencia de los individuos previamente identificados en los formularios de campo. Con los medios disponibles no fue posible realizar una correccin diferencial de los datos. Sin embargo se tomaron puntos GPS en sitios de control fcilmente identificables en las imgenes, lo cual corrobor que la exactitud se encontraba dentro de los rangos esperados y prximos omenores a15m.Para cadaparcelasedeterminelnmerodeespecies presentes (riqueza), el ndice de Shannon, y la abundancia relativa de las especies, llamada en general regularidad o equitabilidad (Qinghong, 1995). El ndice de diversidad de Shannon (H) se calcula como:

H= pilnpi
Siendopilaproporcin deindividuosde laespecie i,esdecir,p=ni/N.Estendicerequiere que todas las especies estn representadas en la muestra. Es un ndice muy susceptible a la abundancia. Mide la heterogeneidad de la comunidad y el valor mximo ser indicador de una situacin en la cual todas las especies son igualmente abundantes. La Equitatividad se calcula como:

E=H/HmaxoH/lnS
siendo S el nmero total de especies.

Volumen11No.3Diciembrede2008

Gestin y Ambiente

141

Investigacin

2.5.2Imgenesdesatlite
Para determinar la textura, se utiliz la matriz de coocurrencia de niveles de gris GLCM (delInglsGreyLevelCooccurrenceMatrix).LaGLCMesunhistogramadedosdimensionesde nivelesdegrisporparesdepxeles(referencia,vecino),loscualesseencuentrana unadistancia fijada por una relacin espacial. La relacin espacial de vecindad para conformar pares de pxelespuededefinirsecomoencualquierotroprocesoqueutiliceunaventana enunprocesode convolucin. Las direcciones enel espacio pueden ser de 0, 45, 90 o135 grados. El siguiente ejemplo muestra una GLCM definiendo la vecindad espacialmente como (0,1), es decir que el pxel vecino estunpxel debajo del pxeldereferencia.

Figura 3. Obtencin de una matriz GLCM a partir de una ventanade5*5pixeles.

Laprimerafila ylaprimeracolumna en la Figura3(b)contienen losvaloresdelospxeles y en su interior se encuentra el nmero de veces que se presenta la relacin entre el pxel referenciayel vecino.Adicionalmentealadistribucindelasocurrencias entrepxelesvecinosy de referencia se puede tener una aproximacin a la magnitud en diferencia entre Nmeros DigitalesconunacoocurrenciamayoraceroGLDV(GrayLevelDifferenceVector).Ntesequela diferencia absoluta ms alta (5), viene de 94 slo ocurre una vez, mientras que la diferencia absolutamsbajaeslamscomn(1)porotroladoningnparpresentaunadiferenciaabsoluta de4. De esta forma cabe esperar que coberturas vegetales cuya reflectividad sea muy homognea (textura lisa) presente nmeros digitales muy similares o iguales, es decir con valoresGLCM altos, mientras quelos valoresGLDVsern bajos. Porel contrarioGLCM bajoy GLDV alto indicara una textura rugosa. Otro parmetro importante es el tamao de la ventana para el clculo dado que ventanas muy grandes podran incluir pxeles que no fueran representativos delas parcelasyventanasmuypequeasexcluirala variabilidaddelasmismas. Enestecasoseseleccionunaventanade11x11,loqueequivalea44metrosdeladoounrea 2 aproximada de 1950 m . Este tamao de ventana se seleccion con el fin de conservar el nmero de pxeles necesario para representar la variabilidad del dosel a nivel de parcela y con baseenestudiosprevioscomoeldeFrohnyHao(2006)oeldeKayitakire,etal.,(2006)dondese demuestra la prdida de detalle en la medida en que se aumenta el tamao de la ventana. Con las parcelas, el mapa de Usos del Suelo actualizado y las imgenes de satlite georreferenciadas en un mismo sistema, fue posible establecer relaciones entre la informacin de campo (mapas e inventarios) con la textura de las imgenes. Se calcul el mapa de textura GLDVparatodalareginenestudioysedeterminaronlosestadsticosGLDVparacadacobertura y uso delsuelo. Enelcasodelasparcelas segenerunaventanacon 20 pxelesde ladocuyo centroideesla parcelaconelfindedeterminarlazonaparaelclculodeestadsticosdetextura. La textura puede ser obtenida de forma independiente para cada banda sin embargo se seleccion slo la banda del infrarrojo cercano (0.701.32 m) por presentar mayor sensibilidad paraladiscriminacindeespecies(Clarketal,2005,Asner, et al.,2003),lamayor dispersin en nmeros digitales y la mayor desviacin estndar.

142

Gestin y Ambiente

Volumen11No.3Diciembrede2008

Investigacin

3. RESULTADOS
Inicialmente se hace un anlisis entre la estructura de los bosques y su relacin con la diversidad sin considerar la textura. En total se calcularon los valores de riqueza e ndice de Shannon para 43 parcelas. A partir de estos valores se calcularon los estadsticos bsicos con el fin de determinarla biodiversidad en cada una de las tresclases estructurales definidas en el mapa de coberturas y usos del suelo: rastrojo alto RA, bosque secundario BS y bosque natural BN. La Tabla 3 indica que se encuentran pocas diferencias en biodiversidad dentro de los tres tipos de estructura de bosque,es decir, que losbosques tropicales desde estadiossucesionales tempranos presentan altos valores de diversidad. De esta forma se sugiere que ante distintas estructuras del bosque no se puede determinar una tendencia clara en los indicadores de diversidad, por ejemplo, mientras se encuentran Rastrojos con alta diversidad de especies (riqueza 59 endice de Shannon 3.7),tambin se encuentran Bosques Naturales como aquellos dominados por Quercus humoldtii con baja diversidad (riqueza 19 e ndice de Shannon 2.1).

Tabla 3. Valores de biodiversidadriqueza,Shannon portipodebosque.Separadospor coma aparecen el mnimo y el mximo y entre parntesis la media.

PosteriormentesecalculladesviacinestndardelatexturaGLDValinteriordepolgonos para distintas estructuras del bosque, incluyendo otros usos como cultivos y pastos. El tamao del pxel afecta notablemente el anlisis de textura en la Figura 4 se observa cmo los valores ms bajos de la textura de la imagen Ikonos estn asociados a las coberturas vegetales altamente modificadas por el hombre como cultivos, pastos y bosques plantados mientras que losmayoresvaloresdetexturaestnasociadosabosquesnaturalespocointervenidos.Porotro ladoelcomportamiento en Landsates opuestoaldeIkonosycon menorvariabilidad,los pastos y cultivos resultan con altos valores de textura probablemente debido a lo fragmentado de este tipo de coberturas y usos del suelo mientras que los bosques aparecen con bajos valores de textura.

18 16 Textura(GLDV) 14 12 10 8 6 4 2 0

TexturaporCober turadeSuelo

Landsat Ikonos

Bn2t

Bn1i

Pn2k

Bp1c

Bp1c

Pn3k

Ct2p

Bp2c

Bn1m

Bn1i

Ct3f

BpBosqueplantado Bn1Bosquenaturalprimario Bn2Bosquenaturalsecundario Ct3f Cultivo bajo invernadero

Pn2kPastosnomejoradosarbolados Pn3kPastosnomejorados Ct2pCultivostransitoriostecnificadosenrotacin

Figura 4. Variabilidad de la textura para diferentes tipos de coberturas y usos del suelo. Ntese el aumento de valores hacialasclasesdeBosqueNatural paraIkonos.

Volumen11No.3Diciembrede2008

Gestin y Ambiente

143

Investigacin

Finalmenteserelaciona la desviacinestndar de latextura GLDVIkonos conlosvalores de diversidad obtenidos en cada parcela. La figura 5 muestra la variabilidad en textura entre las 43parcelasamedidaenqueaumentaelvalorde riqueza,siendolaparceladelaizquierdalade menorvalor(16)queaumentanenelejeXhasta elmayorvalor(59), losvaloresdelasparcelas 8 y 33estn asociados aparcelas conaltoefecto deborde por la existencia de vasy portanto presentan altos valores de textura. Excluyendo estos valores y ajustando una regresin lineal con la textura como variable independiente, se obtiene un ajuste muy bajo y no significativo. Sin embargollama laatencinque su pendienteseanegativa, locual podra indicar unadisminucin en el nmero de especies al aumentar la rugosidad, es decir el estado sucesional. A pesar de la alta resolucin espacial de Ikonos no existe una tendencia clara que permita inferir una correlacin entre la riqueza observada al interior de las parcelas con la textura calculada en la imagen,esportantoinnecesariohacerunanlisissimilarconpxelesdemayortamaocomoen elcasodeLandsat.Losdatosdecamposugierenqueenestasparcelaslariquezanopresenta un comportamiento claro frente al estado sucesional de los bosques.

VariabilidaddeTexturaentreParcelas
70 Riqueza 60 50 Riqueza 40 30 20 10 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 Parcelas Text ura 100 90 80 Textura(GLDV) 70 60 50 40 30 20 10 0

Figura 5. Comportamiento de latexturaGLDVIkonosenparcelas de bosque con medicin de riqueza.Elgrficopresentalas43 parcelas organizadas segn los valores de Riqueza, siendo la primeraalaizquierdalademenor valorylaltima delademayor valor.

4.CONCLUSIONES
A pesar de la alta resolucin de las imgenes Ikonos, no se encontr ninguna relacin entrelavariabilidadentexturaalinteriordelasparcelasdebosquesnointervenidosysurespectivo valor de riqueza o ndices de diversidad. Entre los mltiples factores que inciden en estos 2 resultados, se enfatiza la diferencia entre el tamao de las parcelas (> 500 m ) y la ventana 2 definida para la textura (H1950 m ) esta ltima aunque muy pequea (solo incluye 11 x 11 pxeles) sigue siendo muy superior al rea del inventario por parcela en campo. Observaciones de campo y estudios experimentales previos han sugerido que la diversidad encuentra su punto ms alto a niveles intermedios de perturbacin disminuyendo paulatinamente hasta alcanzar la biomasa potencial (Guo, 2007). Aunque en estetrabajo no se logr confirmar una tendencia en este sentido, s se observaron altos valores de diversidad en estados sucesionales tempranos que pueden llegar incluso a ser ms altos que en bosques no intervenidos. Por otro lado se encontraron diferencias en textura para diferentes estados sucesionales por loque se concluye que las diferenciasen textura se asocian msa la estructuradel bosque que a las especies que lo componen. Se encontraron altos valores de textura en los bosques naturalesybajosvaloresdetexturaenloscultivosypastizalesalutilizarlasimgenesIkonos.Es interesantenotarqueelefectodetexturaenlaimagenLandsatnoestanmarcado ypresentaun comportamientoprcticamenteopuestodebidoalefectodelpxelmixto.Latexturanoslopermite

144

Gestin y Ambiente

Volumen11No.3Diciembrede2008

Investigacin

definir el nmero de veces que se repite cierta combinacin entre pares de pxeles, sino que adems permite determinar la magnitud de su diferencia. Esto ha resultado de valor para el anlisisdetexturasrugosascomo lascoberturasboscosas,dondeladiferencianoesperceptible con pxeles de 28.5 metros, pero resulta evidente con pxeles de 4 metros. De esta forma la textura posee un alto potencial de ser incluida en clasificaciones automatizadas de coberturas vegetales, permitiendo incluso separar bosques en distintos estados sucesionales. Finalmente es importante resaltar que el nivelde detalle entre las imgenes Ikonos sigue siendomuyinferioral nivel dedetalle conel quese trabajaen campo.Adicionalmente el diseo de las parcelas nunca ha considerado que puedan ser relacionadas con datos obtenidos por teledeteccin. A lo largo de este estudio no se ha encontrado literatura sobre un diseo de parcelas en Colombiaacordeal detallede unaimagende satlite.Se sugierela continuidad de estudios de textura como una forma automtica de caracterizar bosques y dems usos del suelo. En la actualidad se encuentran disponibles imgenes del satlite de recursos terrestres China Brasil CBERS de 20 m con cobertura de laAmazona y con alto potencial para apoyar proyectos en conservacin, o seguimiento de cambios en el uso del suelo.

AGRADECIMIENTOS
Este proyecto se realiz dentro del Modelo de financiacin alternativo para el manejo sostenibledelosbosquesdeSanNicols.IIfase.reasnoKyotoderestauracin.PD240/03 Rev. 1 (f). Con la cofinanciacin de La Universidad de Medelln, la Corporacin Autnoma Regional Rionegro Nare, CORNARE, y la Organizacin Internacional de Maderas Tropicales (OIMT).

BIBLIOGRAFIA
Asner,G.P.,1998,Biophysicalandbiochemicalsourcesofvariabilityincanopyreflectance.RemoteSensing oftheEnvironment64,pp.234253 Asner, G.P. y Bustamante, M.M.C., et al., 2003, Scale dependence of biophysical structure in deforested areas borderingtheTapajosNationalForest,CentralAmazon.RemoteSensingofEnvironment87,pp.507520. Boyd,D.S. yDanson, F.M., 2005.SatelliteRemoteSensingofForestResources:threedecadesofresearch development.Progress in PhysicalGeography29, pp. 126. Clark,M.L.,Roberts,D.A.,etal.,2005.Hypersectraldiscriminationoftropicalrainforesttreespeciesatleafto crownscales. RemoteSensingofEnvironment 96, pp. 375398. Cohen,W.B.,SpiesT.A.,etal.,1995.Estimatingtheageandstructureofforestinamultiownershiplandscape ofwestern Oregon, USA. InternationalJournalofRemoteSensing16,pp. 721746. Cohen, W.B., MaierspergerT.K., et al., 2001. Modelling forest cover attributes as continuous variables in a regionalcontextwithThematicMapperdata.InternationalJournalofRemoteSensing22,pp.22792310. Foody,G.M.yCutler,M.E.J.,2003.TreebiodiversityinprotectedandloggedBorneantropicalrainforestsand itsmeasurement bysatelliteremote sensing. JournalofBiogeography 30, pp.10531066. Franklin, S.E., Hall, R.J., et al., 2000. Incorporating texture into classification of forest species composition fromairbornemultispectralimages.InternationalJournalofRemoteSensing21,pp. 6179 Frohn, R.C. y HaoY.,2006.Landscape metricperformance inanalyzingtwodecadesof deforestationin the AmazonBasinofRondonia,Brazil.RemoteSensingoftheEnvironment100,pp.237251 Gougeon,F.A.,1995. Comparisonofpossiblemultispectralclassification schemesfortreecrownsindividually delineatedonhighspatialresolutionMEISimages.CanadianJournalofRemoteSensing21, pp.19. Guo, Q., 2007. The diversitybiomassproductivity relationships in grassland management and restoration. BasicandApplied Ecology 8,pp.199208 Haralick,R.M.,Shanmugan, K.,etal., 1973.Texturalfeaturesforimage classification.IEEETransactionson Systems,Manand Cybernetics 3, pp. 610621.

Volumen11No.3Diciembrede2008

Gestin y Ambiente

145

Investigacin

Kalacska, M., SanchezAzofeifa, G.A., et al., 2007. Ecological fingerprinting of ecosystem succession: Estimatingsecondarydryforeststructureand diversity usingimagingspectroscopy. RemoteSensing ofEnvironment 108,pp.8289. Kayitakire,F.,Hamel,C.,etal.,2006.Retrievingforeststructurevariablesbasedonimagetextureanalysisand IKONOS2imagery.RemoteSensingoftheEnvironment102,pp.390401. Key, T.,WarnerT.A.,etal., 2001.Acomparison of multispectralandMultitemporal information in highspatial resolution imagery for classification of individual trees species in a temperate hardwood forest. RemoteSensingofEnvironment75,pp.100112. PCI Geomatics.,2003. Version 9.1. Online help, Ontario, Canada www.pcigeomatics.com Perdigao,V.yAnnoni,A.,1997.TechnicalandmethodologicalguideforupdatingCORINELandCoverdatabase. JointResearchCentre(JRC)andEuropeanEnvironmentAgency(EEA),Italy,EUR17288EN. Perry, G.L. y Enright, N.J., 2007. Contrasting outcomes of spatially implicit and spatially explicit models of vegetation dynamics in a forestshrubland mosaic. Ecological Modelling (en prensa). Qinghong,L., 1995.Amodelforspeciesdiversitymonitoringat communitylevelanditsapplications. Environ. Monit.Assess34, pp.271287. Thenkabail,P.S.,etal,2003.Detectingfloristicstructureandpatternacrosstropographicandmoisturegradients ina mixedspecies CentralAfrican forest using IKONOSand Landsat7 ETM+ images. International Journal ofApplied EarthObservation andGeoinformation 4, pp. 255270. Universidad Nacional de Colombia, 2002. Inventario Forestal, informe tcnico final. Modelo de financiacin alternativoparaelmanejosostenibledelosbosquesdeSanNicols.Medelln.CORNAREOIMT.150P. VanAart,J.A.N,Wynne,R.H., 2001.Spectralseparabilityamongsixsoutherntreespecies.Photogrammetric EngineeringandRemoteSensing67,pp.13671375. Wang,L.,etal., 2004. ComparisonofIKONOSand QuickBirdimagesformapping mangrovespeciesonthe CaribbeancoastofPanam. RemoteSensingofEnvironment91,pp. 432440. Wulder,M.A.,HallR.J.,etal.,2004.HighspatialresolutionRemotelySensedDataforEcosystemCharacterization. BioScience54,pp.511521

146

Gestin y Ambiente

Volumen11No.3Diciembrede2008