Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Trabajo Final. Imagen Landsat de Barranca y Digital de Imágenes
Presentado a:
ORLANDO RIAÑO
Presentado por:
TABLA DE CONTENIDO
INTRODUCCIÓN 3
TRABAJO FINAL: IMAGEN LANDSAT DE BARRANCABERMEJA 4
1. ANÁLISIS ESTADÍSTICO UNIBANDA Y MULTIBANDA. 4
1.1. Análisis Estadístico Unibanda. 4
1.2. Análisis Estadístico Multibanda. 7
2. MEJORAMIENTOS VISUALES 9
2.1. Comparación del histograma de la banda 1 con el método de mejoramiento visual de
expansión lineal total (Stretch). 0
2.2. Ecualización del histograma, empleando el método de ecualización para cada banda a
10 intervalos el resultado es el siguiente: 15
3. CORRECCIÓN ATMOSFÉRICA 18
3.1. Histogramas antes del Procesamiento 18
3.2. Histogramas después del Procesamiento 19
4. SEGMENTACIÓN POR INTERVALOS 21
5. AL MENOS DOS COMPOSICIONES DE COLOR EN LAS QUE SE MUESTRE LA
INTERPRETACIÓN DE LOS COLORES QUE SE OBTIENEN. 22
6. ÍNDICE DE VEGETACIÓN (IV) E ÍNDICE DE VEGETACIÓN DE DIFERENCIA
NORMALIZADO (IVDN). 24
7. ANÁLISIS DE COMPONENTES PRINCIPALES CON LA INTERPRETACIÓN DE LOS
VECTORES PROPIOS Y VALORES PROPIOS 26
8. IMAGEN CON LAS ZONAS DE ENTRENAMIENTO SUPERPUESTAS 27
9. CLASIFICACIÓN NO SUPERVISADA CON SU RESPECTIVO ANÁLISIS Y LEYENDA. 29
10. AL MENOS DOS CLASIFICACIONES SUPERVISADAS PARA PODER EVALUAR LOS
PRODUCTOS OBTENIDOS EN 9 Y 10. 30
10.1. Box classifier (Con un factor de 2,2) 30
10.2. Mínima distancia 31
10.3. Máxima verosimilitud 31
11. ANÁLISIS ESPACIAL 32
11.1. Introducción 32
11.2. Metodología 32
11.3. Modelo de Análisis Espacial 32
11.4. Descripción de Parámetros 33
11.5. Análisis de Resultados 33
11.6. Fuente de la Información: 34
11.7. Servicios WFS: 35
CONCLUSIONES 36
BIBLIOGRAFÍA 37
Procesamiento Matemático
Trabajo Final. Imagen Landsat de Barranca y Digital de Imágenes
INTRODUCCIÓN
Para el análisis de los diferentes elementos del proceso digital y matemático de la imagen
Landsat, se utilizó el Software Ilwis 3.3. Academic, y para la edición y estructuración del
presente proyecto el paquete de edición Office 2010. En la adquisición de información
temática para el análisis espacial se utilizó el software Quantum 1.8 Lisboa y los servicios
WFS de la página web del Instituto Geográfico Agustín Codazzi para su correcta
localización.
Para la zona de interés se cortó la imagen de satélite Landsat, determinando dicha zona
de interés mediante una imagen Quickbird para observar el detalle y asi poder determinar
qué zona dentro de la escena Landsat presentaba mayor cantidad de variedad y de
elementos geográficos, esto con el fin de evitar que la zona de estudio fuera homogénea
en sus características Físicas. La imagen Quickbird se utilizó únicamente para determinar
dicha zona de interés, ya que solo se poseía una combinación de dicha imagen y no los
archivos banda por banda que se requerían para el procesamiento digital de imágenes.
Procesamiento Matemático
Trabajo Final. Imagen Landsat de Barranca y Digital de Imágenes
En este ítem se mostraran los Estadísticos Unibanda para cada una de las bandas de la
imagen Landsat de Barrancabermeja, en ellas se hace un resumen de los resultados y
graficas generadas en el software Ilwis.
Figura 1. Histograma Banda 1. Figura 2. Imagen Banda 1.
Procesamiento Matemático
Trabajo Final. Imagen Landsat de Barranca y Digital de Imágenes
Figura 3. Histograma Banda 2. Figura 4. Imagen Banda 2.
Figura 5. Histograma Banda 3. Figura 6. Imagen Banda 3.
Análisis de las estadísticas: Se observa a partir de todos los estadísticos de cada una
de las bandas que la banda que tiene mayor variabilidad es la banda 5 ya que presenta
una rango de 11 a 165, mostrando una distribución de los ND, esto también se puede
observar en el histograma de dicha banda y la banda que muestra menor variabilidad es
la 2 entre un rango de 34 a 81en la distribución de los ND.
En la matriz de correlación se puede analizar que para las bandas 2 y 3 se presenta una
alta correlación con un valor de 0.90, las bandas 3 y 4 indican una correlación negativa
Procesamiento Matemático
Trabajo Final. Imagen Landsat de Barranca y Digital de Imágenes
fuerte con un valor de correlación de -0.19 y las bandas 2 y 4 exhiben una correlación
débil con un valor de 0.01. Los datos anteriormente mencionados se observan en la tabla
11, los cuales se resaltan en color amarillo.
La mejor combinación de bandas es la 145, según el OIF que tiene menor valor el cual
corresponde a 34.49, este se indica en la tabla 15 en color amarillo. Se muestra dicha
combinación en la figura 11 y se puede observar cómo se diferencian las distintas
coberturas de la imagen, destacándose en color rojo el agua, en verde la vegetación, los
ríos en negro, entre otros.
Procesamiento Matemático
Trabajo Final. Imagen Landsat de Barranca y Digital de Imágenes
Figura 11. Combinación 145 (mayor OIF)
2. MEJORAMIENTOS VISUALES
El principal objetivo de las técnicas de mejoramiento de imagen es procesar una imagen
con el fin de hacerla más adecuada para una determinada aplicación o procesamiento
posterior. De acuerdo a la necesidad que se identifique al momento de resaltar o enfocar
la atención sobre la imagen, es cuando se decide emplear una u otra técnica.
Se generan cálculos de expansión lineal total (strecht) para cada banda al 1%-99%, 2%-
98% y 5%-95%, observando sus datos estadísticos como son la media, mediana,
desviación estándar, valor mínimo y máximo, como su histograma. Identificando su
comportamiento tanto visual en el contraste de la imagen resultado como en el histograma
en el agrupamiento y de los valores mínimos y máximos en 0 y 255.
Imagen
Tabla 16. Comparación de las imágenes sin mejoramiento visual por cada banda, generadas empleando software ILWIS 3.8.2.0
Procesamiento Matemático
Trabajo Final. Imagen Landsat de Barranca y Digital de Imágenes
80000 80000
50000
70000 70000
40000
60000 60000
Histograma
Number of pixels
Number of pixels
Number of pixels
30000 50000 50000
40000 40000
20000
30000 30000
10000 10000
0
90 100 110 120 130 140 150 160
value 0 0
35 40 45 50 55 60 65 70 75 80 35 40 45 50 55 60 65 70 75 80
value value
89:158 0.5% int= 92:111 81 0.5% int= 37: 49 81 0.5% int= 37: 49
1.0% int= 1.0% int= 37: 1.0% int= 37:
92:108 2.0% int= 93:107 48 2.0% int= 37: 46 48 2.0% int= 37: 46
5.0% int= 5.0% int= 38: 5.0% int= 38:
94:104 10.0% int= 95:103 45 10.0% int= 38: 44 45 10.0% int= 38: 44
Min 1 Min 34 Min 34
Max 55983 Max 81 Max 81
Avg 6806 Avg 54 Avg 54
StD 14450 StD 12 StD 12
Sum 381120 Sum 2156 Sum 2156
Tabla 17. Comparación de los histogramas y estadísticas de cada banda sin mejoramiento visual, generadas empleando software ILWIS 3.8.2.0
Procesamiento Matemático
Trabajo Final. Imagen Landsat de Barranca y Digital de Imágenes
BANDA 4 BANDA 5
BA
ND
AS
14000
20000
12000
15000 10000
Number of pixels
Histograma
Number of pixels
8000
10000
6000
4000
5000
2000
0 0
30 40 50 60 70 80 90 100 110 120 130 0 20 40 60 80 100 120 140 160
value value
0.0% int= 32:128 0.5% int= 42:109 0.0% int= 11:165 0.5% int= 16:112
1.0% int= 54:107 2.0% int= 65:105 1.0% int= 36:106 2.0% int= 48:101
5.0% int= 75:102 10.0% int= 79: 99 5.0% int= 54: 93 10.0% int= 57: 87
Min 32 Min 11
Max 128 Max 165
Avg 80 Avg 81
StD 28 StD 41
Sum 7635 Sum 11313
Tabla 18. Continuación.
2.1. Comparación del histograma de la banda 1 con el método de mejoramiento
visual de expansión lineal total (Stretch).
BANDA 1 (Original) BANDA 1 (Stretch al 1% - 99%)
Imagen
50000
50000
40000
Number of pixels
40000
30000
Histograma
Number of pixels
20000 30000
10000
20000
0
90 100 110 120 130 140 150 160
value
10000
0
0 50 100 150 200 250
50000
50000
40000
Number of pixels
40000
30000
Histograma
Number of pixels
30000
20000
10000
20000
0
90 100 110 120 130 140 150 160
value 10000
0
0 50 100 150 200 250
50000
50000
40000
Number of pixels
40000
30000
Histograma
Number of pixels
20000
30000
10000
20000
0
90 100 110 120 130 140 150 160
value
10000
0
0 50 100 150 200 250
Desviación Estándar
Media=98.97 =3.31 Desviación estándar
Mediana=98 Pred=97 (55983) Media = 122.97 = 70.28
0.0% int= Mediana = 127 Pred=77 (55983)
Datos estadísticos
80000
80000
70000
70000
60000
60000
Number of pixels
Histograma
50000
Number of pixels
50000
40000 40000
30000
30000
20000
20000
10000
0 10000
35 40 45 50 55 60 65 70 75 80
value
0
0 50 100 150 200 250
80000
80000
70000
70000
60000
60000
Number of pixels
Histograma
50000
Number of pixels
50000
40000 40000
30000
30000
20000
20000
10000
0 10000
35 40 45 50 55 60 65 70 75 80
value
0
0 50 100 150 200 250
80000
80000 70000
70000
60000
60000
Histograma
Number of pixels
50000
Number of pixels
50000
40000
40000
30000
30000
20000
10000 20000
0
35 40 45 50 55 60 65 70 75 80 10000
value
0
0 50 100 150 200 250
50000
45000
80000
40000
70000
35000
60000
Histograma
Number of pixels
30000
Number of pixels
50000
40000 25000
30000
20000
20000
15000
10000
10000
0
35 40 45 50 55 60 65 70 75 80
value
5000
0
0 50 100 150 200 250
50000
45000
80000
40000
70000
35000
60000
Histograma
Number of pixels
30000
Number of pixels
50000
40000 25000
30000
20000
20000
15000
10000
10000
0
35 40 45 50 55 60 65 70 75 80
value
5000
0
0 50 100 150 200 250
50000
45000
80000
40000
70000
35000
60000
Histograma
Number of pixels
30000
Number of pixels
50000
40000 25000
30000
20000
20000
15000
10000
10000
0
35 40 45 50 55 60 65 70 75 80
value
5000
0
0 50 100 150 200 250
20000
20000
15000
15000
Histograma
Number of pixels
Number of pixels
10000
10000
5000
5000
0
30 40 50 60 70 80 90 100 110 120 130
value
0
0 50 100 150 200 250
20000
20000
15000
Number of pixels
15000
Histograma
Number of pixels
10000
10000
5000
5000
0
30 40 50 60 70 80 90 100 110 120 130
value
0
0 50 100 150 200 250
20000
20000
15000
15000
Histograma
Number of pixels
Number of pixels
10000
10000
5000
5000
0
30 40 50 60 70 80 90 100 110 120 130
value
0
0 50 100 150 200 250
14000
14000
12000
12000
10000
10000
Histograma
Number of pixels
Number of pixels
8000 8000
6000
6000
4000
4000
2000
0 2000
0 20 40 60 80 100 120 140 160
value
0
0 50 100 150 200 250
14000
14000
12000
12000
10000
10000
Histograma
Number of pixels
Number of pixels
8000 8000
6000
6000
4000
4000
2000
0 2000
0 20 40 60 80 100 120 140 160
value
0
0 50 100 150 200 250
20000
14000
12000
15000
10000
Histograma
Number of pixels
Number of pixels
8000
10000
6000
4000
2000 5000
0
0 20 40 60 80 100 120 140 160
value
0
0 50 100 150 200 250
Tabla 34. Comparación de las imágenes de las cinco bandas empleando el método de ecualización del
histograma, generadas empleando software ILWIS 3.8.2.0
Desviación estándar =
50000
Media = 5.36 2.89
Mediana = 5 Pred=3 (55983)
40000 0.0% int=
1:10 0.5% int= 1:10
Number of pixels
1.0% int=
BANDA 1
30000
Desviacion estandar =
Media = 5.47 2.75
80000 Mediana = 5 Pred=5 (83511)
70000 0.0% int=
1:10 0.5% int= 1:10
Number of pixels
60000
50000 1.0% int=
BANDA 2
Desviación estándar =
60000
Media = 5.60 2.80
Mediana = 5 Pred=8 (62319)
50000
0.0% int=
1:10 0.5% int= 1:10
40000
1.0% int=
Number of pixels
BANDA 3
30000
1:10 2.0% int= 1:10
5.0% int=
20000
1:10 10.0% int= 1: 9
Min 1
10000
Max 10
0
Avg 5
0 1 2 3 4 5 6 7 8 9 10
value
StD 3
Sum 49
Tabla 37. Histograma y datos estadísticos de la Banda 3empleando el método de ecualización del
histograma, generadas empleando software ILWIS 3.8.2.0
Procesamiento Matemático
Trabajo final: Imagen Landsat Barrancabermeja. y Digital de Imágenes
1.0% int=
BANDA 4
25000
1:10 2.0% int= 1:10
20000 5.0% int= 1:
15000
9 10.0% int= 1: 9
Min 1
10000
Max 10
5000
Avg 6
0
0 1 2 3 4 5
value
6 7 8 9 10 StD 3
Sum 55
Tabla 38. Histograma y datos estadísticos de la Banda 4 empleando el método de ecualización del
histograma, generadas empleando software ILWIS 3.8.2.0
40000
Desviación estándar =
35000
Media = 5.54 2.84
Mediana = 5 Pred=5 (42931)
30000 0.0% int=
1:10 0.5% int= 1:10
Number of pixels
25000
1.0% int=
BANDA 5
Tabla 39. Histograma y datos estadísticos de la Banda 5 empleando el método de ecualización del
histograma, generadas empleando software ILWIS 3.8.2.0
Procesamiento Matemático
Trabajo final: Imagen Landsat Barrancabermeja. y Digital de Imágenes
3. CORRECCIÓN ATMOSFÉRICA
Se realiza una corrección atmosférica por valor mínimo en que se muestra a continuación
los histogramas de las Bandas 1, 2, 3, ya que son las bandas que sufre dispersión
únicamente de una imagen Landsat 1991, área ubicada en el municipio de
Barrancabermeja, departamento de Santander.
Banda 1: Perteneciente al rango del espectro visible. Se realizó la operación con m=89
como valor mínimo, obteniendo en la siguiente figura y tabla.
Banda 2: Perteneciente al rango del espectro visible. Se realizó la operación con m=34
como valor mínimo, obteniendo en la siguiente figura y tabla.
Banda 3: Perteneciente al rango del espectro visible. Se realizó la operación con m=34
como valor mínimo, obteniendo en la siguiente figura y tabla.
Se procede a construir los intervalos de acuerdo a los valores más altos de cada
cobertura que se presentan en la banda 2, como se muestra a continuación en la figura
18.
Posterior a construir los intervalos se asigna a estas categorías los dominios creados bajo
el nombre Slice, que la simbología de los colores serán los colores por defecto asignados
por el programa, rojo para vegetación espesa, amarillo para pastos y azul para suelo,
aunque es de aclarar que entre las categorías de pastos y suelo, hay valores que dichos
intervalos se sobre ponen haciéndose difícil la interpretación de dichas zonas con la
utilización de una interpretación unibanda. Ver figura 19.
Imagen generada con “Histogram Equalization” Imagen generada con “Linear Stretching”
Esta combinación de RGB permite identificar los trazados viales y tener una idea de la distribución
de las regiones de vegetación en contraste a las regiones urbanas.
Tabla 43. Composición RGB 123, generada empleando software ILWIS 3.8.2.0
Imagen generada con “Histogram Equalization” Imagen generada con “Linear Stretching”
Los pixeles de tonos rojos tienen mayor intensidad por el uso de la banda 4 en el primer cañon de
color y menor en las dos restantes. La combinación RGB permite identificar más claramente por
las texturas, tonalidades, geometrías una clasificación más próxima de las coberturas vegetales, el
estado de los cultivos, de los bosques por ejemplo.
Tabla 44. Composición RGB 432, generada empleando software ILWIS 3.8.2.0
Procesamiento Matemático
Trabajo final: Imagen Landsat Barrancabermeja. y Digital de Imágenes
Imagen generada con “Histogram Equalization” Imagen generada con “Linear Stretching”
Esta combinación RGB permite aproximar la salida visual al mundo real, identificando trazados
viales, bosques y zonas urbanas aunque a un nivel general.
Tabla 45. Composición RGB 321, generada empleando software ILWIS 3.8.2.0
IVDN
Figura 21. IV (Índice de Figura 22. IV (Índice de Vegetación
Vegetación) de Diferencia Normalizado)
Se puede ver que la representación que se obtiene con el IVDN es mejor que el IV, ya
que en la IVDN se puede realizar una mejor discriminación de la cobertura vegetal,
además del análisis de las diferentes coberturas que conforman la imagen Quickbird de la
zona de Barrancabermeja.
Comparando los ND de la Tmb4, Tmb3 y el mapa generado IVDN, los cuerpos de agua
en el mapa IVDN tienen valores negativos, en Tmb4 los valores son bajos mientras que
en Tmb3 sus valores se incrementan un poco más. Al igual que en los suelos
descubiertos se presenta valores negativos en el IVDN.
Procesamiento Matemático
Trabajo final: Imagen Landsat Barrancabermeja. y Digital de Imágenes
Figura 23. Lectura de los ND en las bandas 3 y 4 y los mapas de IV e IVDN.
Se observa que la vegetación en el mapa IVDN presenta un valor alto, dado que la escala
que posee este mapa va de -1 a 1.
Con estos valores se puede reafirmar que es mejor como se mencionó anteriormente,
para la discriminación de las coberturas vegetales el IVDN sobre el IV, ya que este
compensa las condiciones de iluminación, pendientes, orientación.
que se presenta el valor más alto en la banda 1 con un valor de -0.644, para destacar el
agua.
Tabla 49. Varianza por Banda.
VARIANZA POR BANDA
b1_corte b2_corte b3_corte b4_corte b5_corte
quickbird quickbird quickbird quickbird quickbird
193.24 74.68 11.97 1.70 0.49
Tabla 50. Varianza Porcentajes por Banda
VARIANZA PORCENTAJES POR BANDA
b1_corte b2_corte b3_corte b4_corte b5_corte
quickbird quickbird quickbird quickbird quickbird
68.50 26.48 4.24 0.60 0.17
Imagen con las zonas de entrenamiento superpuestas: Agua, bosques, cultivos, suelos
desnudos y vegetación secundaria. Para cada clase se analiza el comportamiento de la
desviación estándar para observar la variabilidad de los datos.
En los siguientes espacios de capas se observa las reflectividad de las coberturas entre
las dos bandas, donde se observa que la vegetación es la que más absorbe y los suelos
desnudos o el área urbana los que más reflejan.
Procesamiento Matemático
Trabajo final: Imagen Landsat Barrancabermeja. y Digital de Imágenes
Se realiza un mapa de clusters con las bandas 2, 3 y 4, con el mismo número de clases
que se van a usar para la clasificación supervisada que corresponde a 7 clases; el
resultado del mapa es el siguiente:
Se observa que hay una gran heterogeneidad (variabilidad) en la información, donde los
clusters son muy pequeños haciendo difícil la identificación y clasificación de los mismos.
En los tres resultados de clasificación supervisada se observa que son muchos más
precisos que con la no supervisada ya que los pixeles se agrupan de una forma más
Procesamiento Matemático
Trabajo final: Imagen Landsat Barrancabermeja. y Digital de Imágenes
11.1. Introducción
El presente análisis espacial pretende identificar y localizar los pozos que se encuentran
ubicados a una distancia de 100m con respecto a las vías pavimentadas y 50 m con los
drenajes permanentes. Esto con el fin que permita desarrollar estrategias para otras áreas
en planes de manejo y preservación ambiental. Es de mencionar que este análisis es
netamente académico, ya que la localización de los pozos y la información temática de la
zona, fueron adquiridas de manera gratuita.
11.2. Metodología
Se realiza el descargue de la información temática de la fuente que se menciona en este
trabajo, luego se digitalización los pozos que pertenecen al área de estudio.
Posteriormente se realiza un Modelo de Análisis Espacial para utilizar las herramientas
de geoprocesamiento del software Arcgis.
Una vez optimizado y ejecutado el modelo de análisis se procede a confirmar los datos
espacialmente en cuanto a su consistencia lógica y temática. Por último se analizan los
resultados encontrados.
A continuación se muestra el modelo que se utilizó para calcular los pozos de interés. Ver
figura 33.
Procesamiento Matemático
Trabajo final: Imagen Landsat Barrancabermeja. y Digital de Imágenes
Variables Independientes:
Herramientas:
Buffer: Crea un área de influencia de 100m para las vías y otra de 50m para drenajes.
Intersect: Intersecta dos capas o coberturas.
Variables Dependientes:
Para el caso del manejo ambiental se encontraron 7 Pozos que están cercanos a
un drenaje permanente igual o menor a 50m, para lo cual se recomienda revisar
dichos pozos si cumplen con las especificaciones ambientales.
Procesamiento Matemático
Trabajo final: Imagen Landsat Barrancabermeja. y Digital de Imágenes
Tabla 51. Pozos final transporte.
POZOS_FINAL_TRANSPORTE
OBJECTID * VIA_TEDS COD_DEPART BUFF_DIST X Y ID_POZO
1 Pavimentada 68 100 1034775,694 1251347,095 CP138
2 Pavimentada 68 100 1034789,327 1255127,251 CP126
3 Pavimentada 68 100 1035524,435 1256364,725 CP140
4 Pavimentada 68 100 1035826,496 1257503,214 CP121
5 Pavimentada 68 100 1035294,281 1259388,388 CP195
6 Pavimentada 68 100 1034199,239 1259626,015 CP119
7 Pavimentada 68 100 1035513,789 1259955,844 CP154
8 Pavimentada 68 100 1036244,788 1260271,664 CP167
9 Pavimentada 68 100 1033649,044 1260658,372 CP111
10 Pavimentada 68 100 1036305,113 1261020,405 CP171
11 Pavimentada 68 100 1036195,108 1261144,604 CP170
12 Pavimentada 68 100 1033160,967 1262794,077 CP92
13 Pavimentada 68 100 1032655,142 1263214,119 CP67
14 Pavimentada 68 100 1032542,737 1263897,426 CP55
15 Pavimentada 68 100 1032471,744 1264412,125 CP49
16 Pavimentada 68 100 1032471,744 1264412,125 CP49
17 Pavimentada 68 100 1032471,744 1264412,125 CP49
18 Pavimentada 68 100 1032377,086 1264781,88 CP40
19 Pavimentada 68 100 1032385,961 1265181,216 CP29
20 Pavimentada 68 100 1033021,939 1265370,53 CP32
21 Pavimentada 68 100 1033030,813 1265799,446 CP18
22 Pavimentada 68 100 1032699,513 1265820,152 CP15
23 Pavimentada 68 100 1033060,394 1266112,998 CP16
24 Pavimentada 68 100 1032542,737 1266698,69 CP23
Tabla 52. Pozos final derrame.
POZOS_FINAL_DERRAME
OBJECTID * nombre_geografico pk_cue BUFF_DIST X Y ID_POZO
1 Caño El Cuarenta 1832604 0,00045 1035435,72 1260949,43 CP165
2 Caño El Cuarenta 1832604 0,00045 1035684,12 1261563,33 CP173
3 Caño El Cuarenta 1832604 0,00045 1035815,41 1261786,89 CP177
4 ND 1829372 0,00045 1032755,72 1262024,99 CP96
5 ND 1829372 0,00045 1032134,53 1262953,81 CP68
6 ND 1829372 0,00045 1031812,1 1263406,39 CP73
7 ND 1829372 0,00045 1031578,42 1263651,91 CP58
CONCLUSIONES
BIBLIOGRAFÍA