Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 Instituto de Geografía Tropical, Grupo de Peligro, Vulnerabilidad y Riesgos de la Agencia de Medio Ambiente. Calle 13
esq. F. Plaza de la Revolución. La Habana Cuba. Email: juliap@ceniai.inf.cu
2 Instituto de Meteorología, Grupo de Evaluación de Peligro, Vulnerabilidad y Riesgos de la Agencia de Medio Ambiente.
Cuba. Email: enrique@ama.cu
ABSTRACT: The classification of vegetation cover density from remote sensing data contributes to
improve the precision in the modeling of coastal flooding. In this research different vegetation indices were
studied through the use of remote sensing, and land uses were incorporated, for the modeling of coastal
1
X CONGRESO INTERNACIONAL DE GEOMÁTICA 2018
flooding south of the municipalities of Los Palacios and Consolación del Sur, belonging to the provinces of
Pinar del Río and Artemisa, respectively. The map of the mangrove forest cover of the Macroproject
"Scenarios of hazard and vulnerability of the cuban coastal zone associated with the rise of the mean sea
level for the years 2050 and 2100", the land use map of the MINAGRI, an image Landsat 8, and the
LISFLOOD software to assess flood levels considering two models: the density of mangrove forest cover,
and land use including the density of this cover. The main objective of this work was to incorporate
roughness coefficients according to the density of the coverage of the mangrove forest and the land uses, in
comparison to two values of coefficients given by the coverage of mangrove forest (0.09) and the rest of the
territory (0.05), which was the initial scenario. The results show that, by improving the information on
vegetation density and land use, the prediction of the extent of this danger is improved.
KeyWords: manning roughness coefficient, coastal flood modeling, remote sensing, remote sensing,
vegetation indices, land cover, land use
3
X CONGRESO INTERNACIONAL DE GEOMÁTICA 2018
Tabla III: Coeficiente de rugosidad de Manning por uso del correspondiente y al resto del área 0.05. Se
suelo observa que el área afectable por la inundación
se estima en 142,9 km2 (142 469 088.182 m), 282
USO DEL SUELO COEFICIENTE 905.293 m más que el escenario inicial, y un
DE MANNING perímetro 116.5 km, 3 km más que el escenario
Arroz 0.040 inicial.
Caña de azúcar 0.10
Otras instalaciones e 0.020
inmuebles En el otro escenario estudiado, se incorporó la
Hidrografía 0.025 diferenciación espacial de los diferentes usos del
Superficie de uso forestal 0.32 suelo, incluyendo la densidad de cobertura de
Viales 0.012 bosque de manglar (Tabla 4 Escenario 3). Se
Área ociosa o 0.10 aprecia que el área afectable por la inundación se
deficientemente explotada estima en 142,8 km2 (142 415 476.457 m), 229
Áreas de apoyo a la 0.020 293.568 m más que el escenario inicial, y un
producción agropecuaria perímetro 116.5 km, 3 km más que el escenario
Áreas de producción 0.08
inicial. Se muestra en determinados sectores
agropecuaria
Granos, tubérculos y raíces 0.06 diferencias, por ejemplo, al este se muestra una
Pastos y forrajes 0.050 pequeña penetración del mar más teniendo en
Superficie no apta para la 0.03 cuenta el uso del suelo, al oeste hay una pequeña
agricultura penetración de la inundación más considerando la
Cobertura de mangle muy 0.20 cobertura de bosque de mangle (Fig. 2).
denso
Cobertura de mangle denso 0.18
Cobertura de mangle 0.12
moderado
Cobertura de mangle escaso 0.08
Cobertura de mangle con 0.06
individuos aislados
4
X CONGRESO INTERNACIONAL DE GEOMÁTICA 2018
Tabla IV: Área y perímetro de los diferentes escenarios de inundación modelados.
5
X CONGRESO INTERNACIONAL DE GEOMÁTICA 2018
3. Escenario de inundación 142.8 142 415 476.457 116.5
costera considerando en el (229 293.568 m más que el (3 km más que el
coeficiente de rugosidad el escenario inicial) escenario inicial)
uso del suelo y la densidad de
cobertura de bosque de
mangle.
6
X CONGRESO INTERNACIONAL DE GEOMÁTICA 2018
Conclusiones
Recomendaciones
1. Realizar comprobaciones de campo para validar los resultados entre los parámetros biofísicos
de las plantas y los índices de vegetación.
2. Continuar el estudio de los valores del coeficiente de rugosidad de maninng por uso del suelo.
Bibliografía
1. Álvarez et al. (2010): Oleaje generado por eventos meteorológicos extremos. Macroproyecto.
(Inf. Téc.). pp. 159
2. Bossard, M., Feranec, J. and Otahel, J. (2000): CORINE land cover technical guide–
Addendum 2000. pp. 105
3. Chuvieco, E. (1995): Fundamentos de teledetección especial. Segunda edición. pp. 449
4. ___________ (2008): Teledetección Ambiental. 2 ed. Barcelona, ES, Ariel. pp. 592
5. Eastman, J. (2012): IDRISI Selva. Guía para SIG y Procesamiento de imágenes. Manual
versión 17. pp. 321
6. European Environment Agency (2007): CLC2006 technical guidelines. pp. 70
7. Estado Mayor Nacional de la Defensa Civil (2002): Glosario de términos de Defensa Civil. pp.
29
8. Estrada, R. et al (2011): Elaboración de diferentes variantes de la cobertura vegetal actual de
la República de Cuba mediante el empleo de imágenes satelitales LANDSAT 7 ETM SLC-
OFF. pp. 9. Memoriasdel XIV Convención y Feria Internacional Informática 2011. [CD-ROM].
La Habana: Palacio de las Convenciones.
9. FAO (2005): Sistema de clasificación de la cobertura de la tierra. Conceptos de clasificación y
manual para el usuario. pp. 226
10. Galy, H. and Sanders, R. (2000): Using SAR Imagery for Flood Modelling. pp.14
11. Guillén Climent, M. L. et al (): Primera aproximación a la utilización de las imágenes de
satélite ASTER para la determinación automática la leyenda CorineLandCover. pp. 10
12. Haboudane D, Miller JR, Pattei E, Zarco-Tejada PJ, Strachan I (2004) Hyperspectral
vegetation indices and novel algorithms for predicting green LAI of crop canopies:
modeling and validation in the context of precision agriculture. Rem. Sens. Env. 90:337-352.
13. http://es.wikipedia.org/wiki/CORINE_Land_Cove Consultado: 3 junio 2015
14. https://en.wikipedia.org/wiki/Landsat_8
15. Joseph Mtamba et al (2015): Use of Radarsat-2 and Landsat TM Images for Spatial
Parameterization of Manning’s Roughness Coefficient in Hydraulic Modeling. pp. 29
16. Menéndez, L. et al (2013): Datos bosques de mangles para modelación matemática. pp. 28
17. Menéndez, L. et al (2014): Representatividad y estado actual de los bosques de mangle del
sector Laguna del Cobre-Itabo y Rincón de Guanabo, La Habana, Cuba. pp. 9
18. Mróz, M. and Sobieraj, A. (2004): Comparison of several vegetation Indices calculated on the
basis of a seasonal spot xs time series, and their suitability for land cover and agricultural crop
identification. pp. 28
7
X CONGRESO INTERNACIONAL DE GEOMÁTICA 2018
19. Pérez Parrado, R., Salar García, I., Sandra Samper, T., y J., D. C. (2009). Surgencia
provocada por los ciclones tropicales en el archipiélago cubano. Escenarios previstos por el
cambio climático para los años 2050 y 2100. Macroproyecto. (Inf. Téc.). Instituto de
Meteorología.
20. PNUD (2012): Proyecto “Reducción de la vulnerabilidad a las inundaciones costeras mediante
adaptaciones basadas en ecosistema en el sur de las provincias de Artemisa y Mayabeque”.
pp. 83
21. Sierra-Alcocer, R., Zenteno Jiménez, E. and Barrios, J. (2015): Automatic Land Use and Land
Cover Classification Using RapidEye Imagery in Mexico. pp. 3
22. Tempfli, K. et al (2009): Principles of Remote Sensing. An introductory textbook. pp. 591.
23. van der Sande, C.J. et al (2003): A segmentation and classification approach of IKONOS-2
imagery for land cover mapping to assist flood risk and flood damage assessment. pp. 13
24. Vegetation Analysis: Using Vegetation Indices in ENVI. Consultado: 10 septiembre 2015
http://webcache.googleusercontent.com/search?q=cache:mAm609hDhdQJ:www.exelisvis.co
m/Learn/WhitepapersDetail/TabId/802/ArtMID/2627/ArticleID/13742/Vegetation-Analysis-
Using-Vegetation-Indices-in-ENVI.aspx+&cd=4&hl=es&ct=clnk&gl=cu
25. VenTe Chow (1959): Open channel hydraulics. pp. 350
26. Waters, R. et al (2002): Manual of Surface Energy Balance Algorithms for Land (SEBAL). pp.
98
27. Wikipedia Landsat 8 Consultado 12 de octubre del 2015
28. WMO (2006): Observations and forecasts of storm tides. Workshop Topic Reports. Sixth
WMO International Workshop on Tropical Cyclone (IWTC-VI). Report Series TMRP No. 72.
San José, Costa Rica, 21-30 November 2006.
Índice de área foliar. Glosario de la Biblioteca de la Agricultura de los Estados Unidos. Consultado: 5
de noviembre del 2015
http://agclass.nal.usda.gov/mtwdk.exe?w=49423&k=2007es&s=5&t=2&n=1&l=115
8
X CONGRESO INTERNACIONAL DE GEOMÁTICA 2018