EL USO DE IMÁGENES LANDSAT 8 EN EL COEFICIENTE DE

RUGOSIDAD DE MANNING PARA LA MODELACIÓN DE LA

INUNDACIÓN COSTERA AL SUROESTE DE CUBA

THE USE OF LANDSAT 8 IMAGES IN THE MANNING RUGGED

COEFFICIENT FOR THE MODELING OF THE COASTAL
FLOODING TO THE SOUTHWEST OF CUBA

Julia Rosa González Garciandía1, Osvaldo Enrique Pérez López2

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

RESUMEN: La clasificación de la densidad de la cobertura de la vegetación desde datos de percepción

remota, contribuye a mejorar la precisión en la modelación de la inundación costera. En esta investigación
se estudiaron diferentes índices de vegetación a través del empleo de la percepción remota, y se
incorporaron usos del suelo, para la modelación de la inundación costera al sur de los municipios Los
Palacios y Consolación del Sur, perteneciente a las provincias de Pinar del Río y Artemisa,
respectivamente. Se empleó el mapa de cobertura de bosque de mangle del Macroproyecto “Escenarios de
peligro y vulnerabilidad de la zona costera cubana asociados al ascenso del nivel medio del mar para los
años 2050 y 2100”, el mapa de uso del suelo del MINAGRI, una imagen Landsat 8, y el software LISFLOOD
para evaluar los niveles de inundación considerando dos modelos: la densidad de la cobertura del bosque
de mangle, y el uso del suelo incluyendo la densidad de esta cobertura. El principal objetivo de este trabajo
fue incorporar coeficientes de rugosidad acorde con la densidad de la cobertura del bosque de mangle y los
usos de suelo, en comparación a dos valores de coeficientes dado por la cobertura de bosque de mangle
(0.09) y al resto del territorio (0.05), que fue el escenario inicial. Los resultados muestran que, al mejorar la
información de la densidad de la vegetación y uso del suelo, se perfecciona la predicción del alcance de
este peligro.

Palabras claves: coeficiente de rugosidad de manning, modelación de inundación costera, sensores

remotos, percepción remota, índices de vegetación, cobertura de la tierra, uso del suelo

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

Las inundaciones costeras ocasionan pérdidas

1. INTRODUCCIÓN
Entre los efectos del cambio climático está el
aumento de eventos hidrometeorológicos
extremos, los cuales en los últimos años han
provocado fuertes inundaciones costeras en
diferentes partes del mundo, por lo que no es
necesaria la determinación de las zonas de riesgo
sólo para advertencia de inundación, sino también
para el control del desarrollo en el plano de
inundación. Según la Estrategia Ambiental 2011-
2015 entre los principales problemas ambientales
en nuestro país están los impactos del cambio
climático.
La modelación de la inundación a escala espacial
en una zona costera, es una herramienta útil para
entender este evento. Para modelar la
inundación, se usan diferentes tipos de modelos
que han sido desarrollados en décadas pasadas.
El alcance de la inundación depende de la
topografía del terreno, el coeficiente de rugosidad,
entre otros aspectos.
La rugosidad (Manning) es una variable en el
modelo hidráulico, en la cual el uso del suelo
juega un rol fundamental. Este parámetro es difícil
de obtener, pues información actual y en detalle
sobre uso del suelo no está disponible.
En los estudios de modelación de inundación en
nuestro país, para el cálculo del coeficiente de
rugosidad de manning se utilizan mapas de uso
del suelo que carecen de la densidad de ese uso,
o mediciones in situ de pequeñas parcelas, por
ejemplo, de mangle.
X CONGRESO INTERNACIONAL DE GEOMÁTICA 2018
económicas considerables, es por ello que se han
desarrollado numerosas investigaciones para
caracterizar, pronosticar y esclarecer las causas
que originan este complejo proceso natural (P.
Pérez Osorio, Casals, Díaz, Vega, & Sol, 1994;
Mitrani et al., 2001; P. J. Pérez Osorio, Casals,
Sol, & Díaz, 2003; P. Pérez Osorio & Casals,
2006; Casals Taylor et al., 2012).
Álvarez et al. (2010) determinaron la
sobrelevación del oleaje a lo largo de las costas
del archipiélago cubano en la situación actual y
para los cambios esperados para los años 2050 y
2100. Los valores de surgencia en el archipiélago
cubano para la situación actual y para los años
2050 y 2100 fueron calculadas en el proyecto
Macro No. 9 (R. Pérez Parrado, Salar García,
Sandra Samper, & J., 2009).
El objetivo del presente trabajo fue utilizar los
índices de vegetación obtenidos a través del
procesamiento digital de imágenes en el
coeficiente de rugosidad para la modelación de la
inundación costera en un sector de los municipios
Los Palacios y San Cristóbal, e investigar la
posible ventaja de que al aumentar la cantidad de
coeficientes de rugosidad acorde con la densidad
de la cobertura del bosque de mangle y los usos
de suelo, se perfecciona la predicción del alcance
de este peligro.
2. CONTENIDO
2.1 Materiales y métodos
Para cumplir con los objetivos propuestos en el
trabajo se utilizaron los materiales siguientes:
2
- Imagen satelital de Landsat 8 del 2014,
proporcionado por el Departamento de Geomática
del Instituto de Geografía Tropical. Este satélite
tiene dos sensores el OLI y TIRS con 9 y 2
bandas espectrales respectivamente.
- Mapa de uso del suelo del Ministerio de la
Agricultura (MINAGRI).
- Mapa de cobertura de bosque de mangle
del proyecto “Tendencias y respuestas
del manglar ante la elevación del nivel del
mar y los humedales costeros y
vegetación de las dunas” perteneciente al
Macroproyecto “Escenarios de peligro y
vulnerabilidad de la zona costera cubana
asociados al ascenso del nivel medio del
mar para los años 2050 y 2100
- Modelo Digital del Terreno, escala 1:25 000
proporcionado por GEOCUBA
- Se emplearon los softwares siguientes
(Tabla I):
Tabla I: Softwares utilizados
SOFTWARE USO
ArcGIS 10.1 Cálculo de los índices de
vegetación.
LISFLOOD 4.5 Modelación de la inundación
costera.
IDRISI 17.02 Estudio de los índices de
Selva vegetación.
SAGA 2.1.2 Estudio de los índices de
vegetación.
Métodos de trabajo investigativo empleados:
Métodos generales:
- Hipotético-deductivo: se empleó para la
organización del conocimiento experimental y la
demostración de los objetivos planteados.
- Documental y bibliográfico: en la recopilación de
antecedentes sobre el tema y sobre la región de
estudio, teniendo como base la documentación de
trabajos realizados con alto rigor científico, tanto
en el país como internacionalmente.
X CONGRESO INTERNACIONAL DE GEOMÁTICA 2018
- Analítico: consiste en la extracción de las
partes de un todo, con el objeto de estudiarlas y
examinarlas por separado, para ver, por ejemplo,
las relaciones entre las mismas. Se estudio el uso
del suelo, los índices de vegetación (densidad de
cobertura del bosque de mangle) y su influencia
en la modelación de la inundación costera.
- Criterios de expertos: se empleó en las
diferentes etapas del procesamiento digital de
imágenes.
Métodos específicos:
- Cartográfico: se utilizó como métodos de
representación cartográfica:
1. el de fondo cualitativo, el cual muestra
“las subdivisiones de un territorio –su
regionalización- por regiones naturales,
económicas o político-administrativas.
Se emplea para dar una característica
cualitativa de los fenómenos que se
extienden sobre la superficie terrestre”
(Salitchev, 1981, pág. 73).
2. el de áreas “(del latín área, que significa
superficie, espacio) se emplea para
destacar la región por donde el
fenómeno se extiende” (Salitchev, 1981,
pág. 80). Se utilizó para representar el
área afectable por inundación.
- Modelación: es el proceso mediante el cual se
crea una representación o modelo para investigar
la realidad (EcuRed, 20015).
- Medición: se obtiene información numérica
acerca de una propiedad o cualidad del objeto o
fenómeno, donde se comparan magnitudes
medibles y conocidas. A través de este método
se conoce el área y perímetro de los diferentes
escenarios de inundación modelados.
2.2 Área de estudio
La zona de estudio objeto de este trabajo es un
sector de los municipios Los Palacios y San
Cristóbal, al sur de las provincias Pinar del Río y
Artemisa (Fig. 1). Esta área se corresponde con
el Tramo 9S, uno de los 189 en que se dividió la
2
zona costera del país para la modelación de la 2.4 Resultados y discusión
inundación costera para el Macroproyecto, con un Se realizó primeramente una clasificación no
ancho promedio de 20 km. supervisada, con el método Isodata,
reconociéndose 5 clases.

Se analizaron seis índices de vegetación

relacionado con la pigmentación de las hojas:
Índice de Vegetación Resistente
Atmosféricamente (ARVI), Índice de Vegetación
Mejorado (EVI), Índice de Vegetación de
Diferencia Normalizada (NDVI), Índice de
Vegetación de Simple Cociente (SR), Índice
correlacionada con la pigmentación del follaje
(VARI), Índice del Verde Visible (VIg). Se requiere
seguir profundizando en el estudio de estos
índices, y su validación en el terreno. Se escogió
Figura 1: Ubicación del área de estudio
el VIg, pues con una interpretación visual con
respecto a la imagen color verdadero de Landsat,
se observa que tiene bastante correspondencia
Además, se corresponde con el tramo XII, de la en la respuesta espectral.
división en tramos de la costa de nuestro país,
propuesto por Iturralde Vinent (2013), para la Por lo anterior, se clasificó la densidad de la
caracterización de los ecosistemas marinos- cobertura de bosque de manglar (Tabla II), y se le
costeros, en donde se tuvo en cuenta la adiciono al mapa de uso del suelo (Tabla IV
morfología actual desde el canto del veril hasta la Escenario 3).
zona emergida colindante con la línea costera. Tabla II: Clasificación de la densidad de cobertura de
Este sector se caracteriza por ser una costa semi- bosque de manglar
inundada con manglares.
Índice del Verde Clasificación
2.3 Clasificación del uso del suelo Visible (VIg)
-0,139511213 - Con individuos
Teniendo en cuenta el mapa de uso del suelo del 0,004231763 aislados
sector de los municipios Los Palacios y San 0,004231763 - Escasa
Cristóbal, en el área objeto de estudio existen 12 0,066302594
usos de suelo, siendo el forestal el que ocupa el 0,066302594 - Moderada
borde costero. 0,125106539
0,125106539 - Densa
En el área existe cobertura de bosque de mangle, 0,180643598
delimitado por el proyecto “Tendencias y 0,180643598 - Muy densa
0,277016729
respuestas del manglar ante la elevación del nivel
del mar y los humedales costeros y vegetación de
las dunas” perteneciente al Macroproyecto
La Tabla III muestra los coeficientes de rugosidad
“Escenarios de peligro y vulnerabilidad de la zona
de maninng asociado a cada uso del suelo. Para
costera cubana asociados al ascenso del nivel
asignar los valores, se tuvo en cuenta diferentes
medio del mar para los años 2050 y 2100”.
bibliografías y la propuesta que hace el software
IBER

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

El plano de inundación máximo esperado ante la

afectación de un Huracán de Categoría V
empleando el Modelo Digital de Elevación 1:25
000, arroja que el área afectable por la inundación
es estimada en 142,6 km2 (142 186 182.889 m),
que representa el 46,6% de la superficie de este
estudio de caso.
Figura 2: Escenario de inundación costera por eventos
hidrometeorológicos extremos (con coeficiente de rugosidad
de cobertura de bosque de mangle y uso del suelo) Zona de
detalle

Dicho escenario se obtuvo utilizando un

coeficiente de rugosidad de 0.09 para la cobertura
de bosque de manglar, y 0.05 para todo el resto
del área de estudio (sin considerar uso del suelo),
valor designado para el procesamiento en
LISFLOOD. Este es el escenario inicial (Tabla IV
Escenario 1).

En otro escenario, se incorporó en el coeficiente

de rugosidad la densidad de cobertura de bosque
de mangle solamente (Tabla IV Escenario 2),
asignándosele los coeficientes de rugosidad

4
X CONGRESO INTERNACIONAL DE GEOMÁTICA 2018
 Tabla IV: Área y perímetro de los diferentes escenarios de inundación modelados.

Escenario Área total Perímetro total

Km2 m km
1. Escenario inicial de 142.6 142 186 182.889 113.0
inundación costera
considerando en el coeficiente
de rugosidad la cobertura de
bosque de mangle.

2. Escenario de inundación 142.9 142 469 088.182 116.5

costera considerando en el (282 905.293 m más que el (3 km más que el
coeficiente de rugosidad la escenario inicial) escenario inicial)
densidad de la cobertura de
bosque de mangle.

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

La percepción remota puede contribuir significativamente a mejorar los modelos de eventos de

inundación costera por penetración del mar. Mapas de uso del suelo detallados requieren de estas
aplicaciones. Los resultados muestran que, al mejorar la información de la densidad de la vegetación
y uso del suelo, en el coeficiente de rugosidad, se perfecciona la predicción del alcance de este
peligro.

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

Consultado: 5 de noviembre del 2015

http://idechg.chguadalquivir.es/geoportal/es/teledeteccion/introduccion.html

Consultado: 5 de noviembre del 2015. Capítulo II Índices de vegetación.

http://www.biblioteca.udep.edu.pe/BibVirUDEP/tesis/pdf/1_59_185_24_508.pdf

EcuRed Consultado: 5 de noviembre del 2015

http://www.ecured.cu/M%C3%A9todo_de_modelaci%C3%B3n

8
X CONGRESO INTERNACIONAL DE GEOMÁTICA 2018