Hidrología Urbana: Utilización de un SIG para la Estimación de Impermeabilidad

Aplicable a un Modelo Hidrológico Concentrado

Pilar, Jorge V. - Depettris, Carlos A.

Departamento de Hidráulica – Facultad de Ingeniería – U.N.N.E.

Av. Las Heras 727 - (3500) Resistencia - Chaco - Argentina.
Tel./Fax: +54 (03722) 425064 / 420076 / 428106
E-mail: jpilar@mail.ing.unne.edu.ar - cdepettris@ing.unne.edu.ar

RESUMEN
En este trabajo se describe brevemente la metodología utilizada por los autores para estimar el parámetro
impermeabilidad del modelo hidrológico concentrado ARHYMO para las subcuencas urbanas de la zona
norte de la ciudad de Resistencia. El objetivo de este estudio era aplicar este modelo hidrológico para definir
los valores de proyecto de la futura obra de control en la desembocadura del río Negro, que integra el sistema
de defensas contra inundaciones del área metropolitana del Gran resistencia.
Se utilizó como información de base la siguiente: 1) imágenes satelitales LANSAT TM5 en las 7 bandas, 2)
fotografías aéreas a escala 1:5000, aproximadamente, y 3) cartografía de las lagunas de la región
metropolitana de Resistencia confeccionada por la Administración Provincial del Agua del Chaco. El SIG
utilizado fue el IDRISI.
La metodología se mostró eficaz y eficiente, ya que se obtuvieron resultados de buena calidad, con una
relativa baja inversión de esfuerzo humano y utilizando como herramienta informática simples computadores
personales.

INTRODUCCIÓN
En la modelación hidrológica de áreas urbanas, un parámetro de difícil cuantificación es el porcentaje de áreas
impermeables. Un aspecto que complica la tarea de estimar este parámetro es la complejidad intrínseca de las
áreas urbanas, donde es posible encontrar varios tipos de uso en espacios muy reducidos. Otra complicación
es el hecho que este porcentaje de áreas impermeables es un parámetro muy sensible de cualquier modelo de
Hidrología Urbana.
La estimación de la impermeabilidad a través de visitas de campo, en un área de la extensión de la zona norte
de la región metropolitana de Resistencia (de aproximadamente 2700 ha) se torna una actividad difícil, tanto
por el tiempo medido en horas-hombre como por la imposibilidad práctica de conseguir un criterio uniforme
en la evaluación por las distintas personas que integren el equipo de trabajo. Realizar esta tarea utilizando
fotografías aéreas a escala 1:5000 también sería extremamente complicado ya que requeriría el análisis de
aproximadamente 100 fotografías aéreas – teniendo en cuenta el área de cobertura efectiva – para luego
conformar empalmes y georeferenciamiento. En tales trabajos, la utilización de técnicas de clasificación de
imágenes satelitales facilita mucho esta tarea, siempre y cuando la definición espacial de cada píxel ( en este
caso 30m x 30 m) cubre el grado de detalle que el trabajo necesita.
Las técnicas de clasificación de imágenes se pueden dividir en métodos tradicionales y métodos alternativos.
Las técnicas tradicionales buscan asociar cada pixel de una imagen a una de las clases presentes en la escena.
Para ello recurren a métodos como los de “máxima verosimilitud gaussiana”, “mínima distancia euclideana”,
“método del paralelepípedo”, “distancia de Mahalanobis”, entre otros (Swan y Davis, 1978).
La aplicación de estos métodos se complica bastante en áreas urbanas, por el hecho que las clases se presentan
intercaladas (muy mezcladas) en áreas pequeñas (Campana, 1995).
Para superar estos problemas surgieron técnicas alternativas, como el “modelo lineal de mezcla” y aquellos
que utilizan conceptos de lógica “Fuzzy”. El software Idrisi, utilizado en este trabajo, incluye un módulo de
clasificación que utiliza lógica fuzzy y que requiere la elaboración de una “matriz de pertenencia” (Eastman,
1998). En ella se debe indicar el grado de “pureza” de cada área de entrenamiento, estimando el grado de
pertenencia a las otras clases. Esto es una gran fuente de incertidumbres que puede llegar a perjudicar la
clasificación de las imágenes y por este motivo, luego de varias pruebas de entrenamiento poco convincentes,
se decidió no utilizar el clasificador “fuzzy”.
AREA DE ESTUDIO
Fueron estudiadas las siete subcuencas urbanas de la zona norte del área metropolitana del Gran Resistencia:
Fortini, Avalos, Villa Gonzalito, Los Teros, Villa Prosperidad, Rissione y La Toma. Las mismas involucran
los municipios de Fontana, Resistencia y Barranqueras con una superficie total de 2718 has.

METODOLOGÍA
La determinación de los porcentajes de áreas permeables e impermeables fue realizada a través de la
clasificación de imágenes “Lansat TM5” en las siete bandas, correspondientes al 4 de mayo de 1998. Se contó
además con fotografías aéreas del área metropolitana de Resistencia, sin restituir y en una escala aproximada
de 1:5000, correspondientes a abril de 1997. Estas fotografías aéreas sirvieron para identificar “áreas de
entrenamiento” para la clasificación de las imágenes satelitales.
La clasificación de las imágenes se realizó utilizando las siguientes técnicas: realce espectral, vectorización de
áreas “objetivo” conocidas y clasificación automática supervisada.

Realce Multiespectral
El realce multiespectral fue utilizado, sobre todo, para detectar las áreas con agua y áreas con alto grado de
urbanización. Se aplicó sobre la composición RGB 4-3-2 y sobre imágenes de “índices normalizados de
vegetación”, NDVI y TVI.
En la imagen compuesta se verificó que aquellos píxeles con reflectancia inferior a doce correspondían a
áreas con agua. Estas áreas fueron individualizadas utilizando la opción (comando) “reclass” de Idrisi.
Los índices normalizados de vegetación son utilizados para identificar masa vegetal y aplican las respuestas
espectrales de las bandas 3 (rojo) y 4 (infrarrojo cercano). La utilización de estos índices se basa en el hecho
que los pigmentos verdes de las plantas reflejan poco el rojo, mientras que su estructura celular refleja
bastante la radiación infrarroja cercana.
El índice NDVI puede dar valores negativos, lo que puede producir algún inconveniente a la hora de
visualizar la imagen. El índice TVI elimina los valores negativos.
En las imágenes generadas con estos índices, el agua y las áreas densamente urbanas aparecen con un valor
muy bajo, mientras que la vegetación verde aparece con un valor mucho más alto.

Vectorización de “objetivos” conocidos

Con base en el mapa de las lagunas de dominio público dentro del área defendida de la región metropolitana
de Resistencia, elaborado por la APA, se procedió a vectorizar en forma manual la localización de estas
lagunas.

Clasificación Supervisada
La disponibilidad de fotografías aéreas color, en escala aproximada de 1:5000 y de 1998, permitió identificar
áreas de entrenamiento bien definidas.
La clasificación se realizó con base en áreas de entrenamiento comunes para todas las subcuencas.
Las clases adoptadas fueron: 1) áreas impermeables; 2) áreas con alta densidad de urbanización; 3) áreas con
mediana densidad de urbanización; 4) áreas con baja densidad de urbanización; 5) áreas con muy baja
densidad de urbanización; 6) áreas con pasto verde; 7) áreas con pasto ralo; 8) áreas con árboles y arbustos; 9)
áreas con tierra arada y 10) agua.
La clasificación propiamente dicha fue realizada utilizando la técnica conocida como de “máxima
verosimilitud gaussiana”. Este clasificador debe ser usado cuando las áreas de entrenamiento son de muy
buena calidad. Se consideró que las fotografías aéreas disponibles son una muy buena fuente de información
para identificar las áreas de entrenamiento.

RESULTADOS Y CONCLUSIONES
En las Tabla 1 y 2 se muestra una síntesis de los resultados de la clasificación y de la estimativa del porcentaje
de impermeabilidad para las subcuencas Villa Prosperidad y Rissione, respectivamente. Los imágenes de la
clasificación de estas dos subcuencas son mostradas en las Figuras 1 y 2.
Los resultados obtenidos pueden ser considerados como de buena calidad, por lo que se concluye que la
metodología es eficaz. Además, tanto el esfuerzo humano como las necesidades de equipamiento fueron
mínimos, lo que muestra que la metodología empleada es también eficiente.
El conocimiento que los autores tienen del área de trabajo, sumado a una puntual verificación de campo de
algunos de los sectores clasificados automáticamente por el programa – y no pertenecientes a las áreas de
entrenamiento – permite convalidar la afirmación.
La potencialidad del trabajo realizado se extiende más allá de la determinación de la impermeabilidad total de
cada subcuenca, que es el dato utilizado por el Modelo Hidrológico, pues permite inferir la distribución
espacial de la densidad poblacional por lo menos en los cuatro niveles urbanos mencionados. Esa información
conforma una herramienta comparativa de la ubicación de población en relación con las áreas que se quieren
y necesitan preservar como por ejemplo los cuerpos lagunares.

REFERENCIAS BIBLIOGRÁFICAS
AFIN. 1999. Plan de manejo pluvial para la cuenca inferior del río Negro dentro del área metropolitana del
Gran Resistencia – Etapa 2 – Informe final. Resistencia: Grupo de investigación del Departamento de
Hidráulica de la Facultad de Ingeniería de la UNNE.
CAMPANA, A.N. 1995. Impacto da urbanização nas cheias urbanas. Porto Alegre: UFRGS-Programa de
Pós-Graduação em Engenharia, Recursos Hídricos e Saneamento Ambiental. Tesis de doctorado.
EASTMAN, J.R. 1998. IDRISI for Windows: Introdução e exercícios tutoriais. Porto Alegre: UFRGS –
Centro de recursos IDRISI.
MENDES, C.A.B. & BELTRAME, L.F.S. 1995. Estudo da dinâmica da vegetação associada a índices
espectrais derivados de imagens de satélite. In: XXIV Congresso Brasileiro de Engenharia Agrícola, 1995,
Viçosa. Anais.
SWAIN, P.H. & DAVIS, S.N. 1978. Remote sensing: the quantitative aproach. New York: McGraw-Hill.

Tabla 1 Resumen de la clasificación de la subcuenca Villa Prosperidad

CLASE FREC. ABSOLUTAS FREC. RELAT. IMPERMEAB.
CUENCA DESCRIPCION
Nº EN PIXELES EN ha % Coeficiente
1 URBANO DENSO 411 39.80 5.69% 0.90
2 URBANO MEDIA DENS. 2839 274.93 39.32% 0.80
Va. PROSPERIDAD

3 URBANO BAJA DENS. 1623 157.17 22.48% 0.70

4 URBANO MUY BAJA DENS. 542 52.49 7.51% 0.60
5 IMPERMEABLE (>85%) 130 12.59 1.80% 0.95
6 PASTO VERDE 494 47.84 6.84% 0.25
7 PASTO RALO 124 12.01 1.72% 0.30
8 MONTE (ARBOLES Y ARBUSTOS) 17 1.65 0.24% 0.15
9 TIERRA ARADA 292 28.28 4.04% 0.35
10 AGUA 748 72.44 10.36% 1.00
TOTAL 7220 699.18 100.00% 507.38
% total de impermeabilidad = 72.57

Tabla 2 Resumen de la clasificación de la subcuenca Rissione

CLASE FREC. ABSOLUTAS FREC. RELAT. IMPERMEAB.
CUENCA DESCRIPCION
Nº EN PIXELES EN ha % Coeficiente
1 URBANO DENSO 25 3.08 0.51% 0.90
2 URBANO MEDIA DENS. 1465 180.63 29.90% 0.80
3 URBANO BAJA DENS. 840 103.57 17.15% 0.70
RISSIONE

4 URBANO MUY BAJA DENS. 502 61.90 10.25% 0.60

5 IMPERMEABLE (>85%) 30 3.70 0.61% 0.95
6 PASTO VERDE 773 95.31 15.78% 0.25
7 PASTO RALO 160 19.73 3.27% 0.30
8 MONTE (ARBOLES Y ARBUSTOS) 41 5.06 0.84% 0.15
9 TIERRA ARADA 413 50.92 8.43% 0.35
10 AGUA 650 80.15 13.27% 1.00
TOTAL 4282 604.05 100.00% 388.91
% total de impermeabilidad = 64.38
Figura 1 Imagen de la clasificación de la subcuenca Villa Prosperidad

Figura 2 Imagen de la clasificación de la subcuenca Rissione