06 Tesis Rafael Corrales 2010

UNIVERSIDAD NACIONAL AUTONOMA DE HONDURAS
FACULTAD DE CIENCIAS ESPACIALES
Maestría en Ordenamiento y Gestión del Territorio
CARACTERIZACIÓN DE ALTERACION HIDROTERMAL Y DINAMICA DE

COBERTURA DE SUELOS MEDIANTE METODOS DE TELEDETECCIÓN, EN
EL VALLE DE CHOLUTECA, HONDURAS.
RAFAEL ENRIQUE CORRALES ANDINO
Máster en Ordenamiento y Gestión del Territorio
Dr. JUAN GREGORIO REJAS AYUGA
Tutor
Ciudad Universitaria, Tegucigalpa, M.D.C. Honduras, América Central
Octubre 11 de 2010
AUTORIDADES UNIVERSITARIAS:
Julieta Gonzalina Castellanos Ruíz
Rectora
Rutilia Calderón Padilla
Vice-Rectora Académica
Ernesto Paz Aguilar
Vice-Rector de Relaciones Internacionales
América Alvarado Díaz
Vice-Rectora de Asuntos Estudiantiles
Emma Virginia Rivera Mejía
Secretaría General
Olga Marina Joya
Director de Estudios de Posgrados
María Cristina Pineda de Carías
Decana Facultad de Ciencias Espaciales
Tribunal Examinador:
Francisco Maza Vásquez
Universidad de Alcalá de Henares
Gustavo Daniel Buzai
Universidad Nacional de Luján
Francisco Aguilera
Universidad de Alcalá de Henares

Caracterización de Alteración Hidrotermal y Dinámica de Cobertura de Suelos mediante métodos
de Teledetección, en El Valle de Choluteca, Honduras. Tesis MOGT/UNAH
RESUMEN
La Alteración Hidrotermal, es un cambio ambiental sobre las rocas, que provoca

una respuesta mineralógica, química y textural, en presencia de agua caliente,
vapor o gas.
Se realizó un estudio del suelo con tecnología de Percepción Remota o

Teledetección, para caracterizar alteraciones hidrotermales y su comportamiento
en dinámica de coberturas. El objetivo fue la generación de cartografía temática
que pueda integrarse en un Sistema de Información Geográfica como capas de
valor añadido para futuros estudios ambientales, de modelización y su relación
con investigaciones arqueológicas en la región del Valle de Choluteca.
Marco Metodológico, los materiales que se utilizaron fueron: Imágenes TM (año

1990), y ETM+ (año 2002) del sensor Landsat, , Librerías de firmas espectrales
(USGS), Cartografía vectorial y MDT de 30 m. La metodología: 1) Tratamiento
Digital de Imágenes (Clasificación por cobertura y uso del suelo) y Verificación
de Campo; 2) Dinámica de Cambio del Suelo y 3) Caracterización de Alteración
Hidrotermal del Suelo.
Entre los resultados podemos decir que la clasificación genero las siguientes
coberturas: Bosques, Matorrales, Pastos, Cultivos, Suelo desnudo y Agua, de la
dinámica de cambios podemos decir que un 53.4%, se mantuvo sin cambios,
mientras que se produjo un 25.6% de cambio negativo y un 21.0% de cambio
positivo, Las alteraciones hidrotermales se caracterizan por óxidos de hierro y
material arcilloso, integrando los resultados en un SIG de uso libre.
Palabra Clave: Alteraciones, Hidrotermal, Cambios, Suelos, Choluteca.
Rafael E. Corrales, 2010 i

AGRADECIMIENTO
A mi tutor Dr. Juan Gregorio Rejas Ayuga, por toda la ayuda brindada en el
desarrollo y elaboración del trabajo de investigación, sus conocimientos y
criterios siempre fueron oportunos.
A los Directores de la Maestría en Ordenamiento y Gestión del Territorio, Dr.

Joaquín Bosque Sendra y Dra. María Cristina Pineda de Carías, por la
oportunidad que me brindaron de ser parte de este programa.
A la Coordinadora de la Maestría MsC. Vilma Lorena Ochoa López, por su

apoyo desinteresado y buena voluntad, así como su cooperación para que este
trabajo se culminara con satisfacción.
A mis compañeros y amigos que de una u otra manera contribuyeron en la

formación de criterios, desde sus diferentes ámbitos de trabajo.
A mi Familia por el apoyo que siempre me ha brindado y que sin lugar a duda,
me seguirá brindando.
Rafael E. Corrales, 2010 ii

DEDICATORIA
Este trabajo está dedicado a mi Querida Abuela;
Doña Laura Estela Rodríguez viuda de Vijil, su templanza es ejemplo en mi

vida.
A mi Esposa:
Dra. Ana Lucia Kuhl de Corrales y a mis Hijos Rafael Enrique Corrales Kuhl y
Lucia Corrales Kuhl.
El hombre nada puede aprender sino en virtud de lo que sabe.

Aristóteles
Rafael E. Corrales, 2010 iii

CONTENIDO
RESUMEN…………………………………………………………………………………………i
AGRADECIMIENTOS……………………………………………………………………………ii
DEDICATORIA…………………………………………………………………………………..iii
I. INTRODUCCIÓN………………………………………………………………………01
II. IDENTIFICACIÓN DEL PROBLEMA…………………………...............................02
III. MARCO TEORICO Y CONTEXTUAL……………………………………………….03
III.1. MARCO TEÓRICO…………………………………………….........................03
III.2. MARCO CONTEXTUAL…………………………………................................11
III.2.1. Ubicación Geográfica…………………….…………………………..11

III.2.2 Condiciones Estratigráficas………………….……………………….12
IV. OBJETIVOS Y ALCANCE…………………………………….................................16
V. MARCO METODOLÓGICO……………………………….………………………….17
V.I. MATERIALES Y EQUIPO…………………………….………………………….17
V.II. MÉTODOS……………………………………………….……………………….17
V.II.1. Pre Procesamiento de imágenes Satelitales………………………………..17
V.II.1.1. Layer Stake…………………………………………………………..18
V.II.1.2. SubSet……………………………………….……………………….20
V.II.1.3. Corrección Radiométrica de Imágenes…...................................23
V.II.2. Clasificación por Cobertura y Uso del Suelo…..……………………………26
V.II.2.1. Método ISODATA…………………………………………………...26
V.II.3. Dinámica de Cambios en el Suelo…………………...................................27
V.II.3.1. Operación Matrix…………………………….................................27
V.II.4. Caracterización de Alteraciones Hidrotermales del Suelo………………..29
Rafael E. Corrales, 2010 iv

V.II.4.1. Análisis de Componentes Principales
(Técnica de Crosta)…………………………………………………………...30
V.II.4.1.a. Método Crosta 6 bandas TM…………………………………….32
V.II.4.1.b. Método Crosta 4 bandas TM
para Óxidos de Hierro………………….……………………………………..33
V.II.4.1.c. Método Crosta 4 bandas
TM para Hidroxilos……………………...…………………………………….33
V.II.4.1.d. Índice de relación mineral
con ERDAS (Minerales Arcillosos,
Minerales Ferrosos y Óxidos de Hierro)……………………………………34
V.II.4.1.e. Transformación IHS – RGB……………………………………...34
V.II.4.1.f. Índice de Alteración Hidrotermal con ERDAS…………………..35
V.II.4.1.g. Índice de Óxidos de Hierro con ERDAS………………………..35
V.II.4.1.h. Índice de Mineral Arcilloso con ERDAS………………………...35
V.II.5. Integración de los datos al Sistema de
Información Geográfica (SIG)………………………………………………………..36
VI. RESULTADOS…………………………………………………………………………38
VI.I. Clasificación por Cobertura y Uso del Suelo………………………………….38
VI.II. Dinámica de Cambios…………………………………...................................48
VI.III. Alteración Hidrotermal……………………………........................................50
VI.IV. Sistema de Información Geográfica (SIG)……..........................................60
VII. DISCUSIÓN…………………………………………………………………………….63
VIII. CONCLUSIONES………………………………………….......................................65
IX. RECOMENDACIONES……………………………………......................................68
BIBLIOGRAFÍA…………………………………………………………………………………70
Rafael E. Corrales, 2010 v

ANEXOS…………………………………………………………….......................................73
ANEXO I. SISTEMA DE TELEDETECCIÓN ESPACIAL.....................................74
ANEXO II. SISTEMA DE INFORMACIÓN GEOGRÁFICA……………….............75
ANEXO III. METADATOS IMAGEN LANDSAT DE 06
DE FEBRERO DE 1910…………………………...................................................76
ANEXO IV. METADATO DE IMAGEN LANDSAT 06
DE MAYO DE 2002…………………………………..………………………………..98
ANEXO V. ÍNDICE PATH ROW DE IMÁGENESLANDSAT…………………….102
ANEXO VI. VERIFICACIÓN DE CAMPO, VALLE DE CHOLUTECA…………..103
ANEXO VII. MAPA DE CLASIFICACIÓN POR COBERTURA
Y USO DEL SUELO EN EL VALLE DE CHOLUTECA…………………………..109
ANEXO VIII. MAPA DE ALTERACIÓN HIDROTERMAL
EN EL VALLE DE CHOLUTECA…………………………………………………...110
ANEXO IX. FUTURA LÍNEA DE INVESTIGACIÓN………………………………112
INDICE DE FIGURAS
Figura 3.1.1. Matríz de Filas y Columnas de una Imagen Digital Multibanda. IAFE........7
Figura 3.1.2. Longitud de Onda, en el espectro electromagnético. IAFE…………………8
Figura 3.1.3. Firma Espectral de la Vegetación. Elaboración propia……………………...8
Figura 3.1.4. Clasificación Digital de Imágenes. IAFE………………………………………9
Figura 3.2.1. Ubicación Geográfica del valle de Choluteca. Elaboración propia……….11
Figura 3.2.2.a. Mapa Geológico de Honduras. Honduras Geology……………………...14
Figura 3.2.2.b. Mapa de Fallas y Lineamientos de Honduras. Honduras Geology…….14
Rafael E. Corrales, 2010 vi

Figura 3.3.2.c. Mapa de CuadrangulosGeológicos de Honduras.Honduras Geology…15
Figura 5.2.1.1.a. Interpreter del Menú ERDAS……………………………………………...18
Figura 5.2.1.1.b. Utilities/Layer Stake ERDAS………………………………………………19
Figura 5.2.1.1.c. Layer Stake ERDAS………………………………………………………..19
Figura 5.2.1.1.d. Imágenes LandSat, bandas unidas en mismo archivo………………..20
Figura 5.2.1.2.a. Interpreter del Menú ERDAS……………………...................................20
Figura 5.2.1.2.b. Utilities/Subset del Menú ERDAS………………………………………...21
Figura 5.2.1.2.c. Herramienta de AOI, ERDAS…………………………………………….22
Figura 5.2.1.2.d. Utilities/Subset del Menú ERDAS………………………………………...23
Figura 5.2.1.3.a. Modelo para calculo de Radiancia……………………………………….24
Figura 5.2.1.3.c. Modelo para calculo de Reflectancia…………………………………….25
Figura 5.2.1.3.d. Imagen Izquierda con ND, a la derecha imagen de Reflectancia…….26
Figura 5.2.3.1.a. Dialogo de Interpreter/GIS Analysis para opción Matrix……………….28
Figura 5.2.3.1.b. Ejemplo: Imagen de Matriz de Cambios y su tabla de Atributos……..28
Figura 5.2.4. Firmas espectrales de diferentes minerales alterados.Delendetti………...29
Figura 5.2.4.1.a. Modelo de Componente Principal………………………………………..33
Figura 5.2.4.1.d. Realce a Intensidad, Mezcla y Saturación del Índice…………………..34
Figura 5.2.4.1.e. Realce Final de IHS a RGB……………………………………………….35
Figura 5.2.5. Estructura de Sistema de Información Geográfica………………………….36
Figura 6.1.a. Identificación de clases para aplicación de Recodificación.
Imagen superior: ISODATA 1990; Imagen posterior: Sin Clasificación 1990
Rafael E. Corrales, 2010 vii

y Dialogo de Atributos de cada clase………………………………………………………...42
Figura 6.1.b. Identificación de clases para aplicación de Recodificación.
Imagen superior: ISODATA 2002; Imagen posterior: Sin Clasificación 2002
y Dialogo de Atributos de cada clase………………………………………………………...43
Figura 6.2.a. Matriz de Cambios entre imágenes p18r51 de 1990 y 2002………………48
Figura 6.3.a. Imagen Crosta de 6 bandas no térmicas, para detectar
anomalías hidrotermales………………………………………………………………………51
Figura 6.3.b. Imagen CP4, mostrando hidroxilos en tonos oscuros………………………52
Figura 6.3.c. Imagen CP5, mostrando Óxidos de hierro en tonos oscuros……………..53
Figura 6.3.d. Imagen de R4-G2-B1 (Crosta 4 bandas), para materiales hidroxilos…….54
Figura 6.3.e. Imagen individual del CP4, material hidroxilo en tonos claros…………….55
Figura 6.3.f. Imagen R4-G2-B1 (Crosta 4 bandas) para detección
de Óxidos de Hierro. En este caso los rojos oscuros corresponden
a áreas alteradas hidrotermalmente con óxidos…………………………………………….56
Figura 6.3.g. Imagen de cociente 3/1, para detección de óxidos de hierro……………...57
Figura 6.3.h. Imagen de índice de arcillas (bandas 5/7)…………………………………..58
Figura 6.3.i. Gráfico de RGB y su relación a IHS…………………………………………...58
Figura 6.3.j. Imagen de Composición Mineral R1G2B3……………………………………59
Figura 6.3.k. Imagen de Composición Mineral R3G2B1…………………………………...59
Figura 6.4.a. Estructura del SIG de integración…………………………………………….60
Figura 6.4.b. Visualización del SIG, desde formato ArcGIS……………………………….61

Rafael E. Corrales, 2010
viii
Figura 6.4.c. Visualización del SIG, desde ArcReader, de acceso público……………...61
Figura 6.4.d. Mapa de Modelo Digital del Terrero del área de estudio…………………..62
Figura A.I.a. Sistema de Percepción Remota. Por James Tindall………………………..74
Figura A.I.b. Espectro Electromagnético…………………................................................74
INDICE DE CUADRO
Cuadro 5.2.1. Bandas Espectrales del sensor LandSat 5 y 7…………………………….18
Cuadro 5.2.4.1. Reflectancia y Absorción de minerales al sensor LandSat……………..32
Cuadro 6.1.a. Clasificación Tipo Muchos a Uno, Imagen p18r51 de 1990 y 2002……..41
Cuadro 6.1.c. Matriz de Error para Clasificación deimagen p18r51 de 1990……………44
Cuadro 6.1.d. Precisión Total de la Clasificación en la imagen p18r51 de 1990………..44
Cuadro 6.1.e. Índice Kappa, Clasificación p18r51 de 1990……………………………….45
Cuadro 6.1.f. Matriz de Error para Clasificación de imagen p18r51 de 2002……………46
Cuadro 6.1.g. Precisión Total de la Clasificación en la imagen p18r51 de 2002………..47
Cuadro 6.1.h. Índice Kappa, Clasificación p18r51 de 2002……………………………….47
Cuadro 6.2.a. Dinámica de Cambio de las 6 coberturas entre 1990 y 2002,
correspondiente al Valle de Choluteca. Código de cobertura: 1= Bosques,
2 = Matorrales, 3 = Pastos, 4 = Cultivos, 5 = Suelo Desnudo y 6 = Agua……………….50
Cuadro 6.3.a. Matriz Cargas de Crosta de 6 bandas no térmicas.
Muestra valores para Vegetación (v), Hidroxilos (h) y Óxidos (o)………………………...53
Cuadro 6.3.b. Matriz de Cragas, (Crosta 4 bandas) para Hidroxilos……………………..54
Cuadro 6.3.c. Matriz de Cargas, (Crosta 4 bandas) para Óxidos…………………………56
Rafael E. Corrales, 2010 ix

I. INTRODUCCIÓN
Si partimos del punto que La Tierra es un sistema abierto, por lo tanto, dinámico,
en el cual los distintos materiales que lo conforman se mueven de un sitio a otro,
cambian de forma y también de composición a través de distintos procesos.
Desde el punto de vista de la geoquímica, existen dos grandes divisiones

cuando se hacen consideraciones inherentes a la Tierra como sistema de
estudio: ambiente geoquímico profundo y ambiente geoquímico superficial,
divisiones que han sido hechas en función de las variables que caracterizan o
que actúan de manera más notoria en cada uno de estos sub sistemas. En
cualquiera de estos ambientes una masa de material, raramente conserva su
identidad, ya que esta pasa a través de una serie de transformaciones mayores
conocidas como ciclo geoquímico, de esta manera todo material contenido en
el sistema tierra, tiende en intervalos de tiempo muy variables, a ser
redistribuido, alterado, fraccionado, y mezclado con otros materiales. Este
proceso en el cual átomos y partículas se mueven de un ambiente o localidad a
un nuevo ambiente ha sido descrito a través de los conceptos de diferenciación
geoquímica y dispersión geoquímica.
Así, en el ambiente geoquímico profundo, la dispersión de elementos químicos

está controlada principalmente por la composición de las fases derivadas del
manto, la presión del medio y la temperatura, siendo los procesos de fusión,
cristalización, re cristalización, y alteración hidrotermal los que controlan de
manera más pronunciada la dispersión de elementos.
En este sentido, los datos de percepción remota y el tratamiento digital de las

imágenes vienen utilizándose desde hace décadas para la generación de
cartografía temática de varios tipos, dos de ellos objetivos prioritarios del
proyecto de Tesis: (1) cubiertas terrestres -cultivos, vegetación, urbano- y (2)
posibles alteraciones hidrotermales.
Rafael E. Corrales, 2010 1

Para ello, las investigaciones se han centrado en mejorar dos técnicas

habituales, clasificación digital por un lado, y Técnica Crosta (Crosta et al. 2000)
en lo referente a la detección de superficies alteradas hidrotermalmente; esta
última ha sido validada y contrastada científicamente para diferentes escenarios
geológicos. Permite discriminar a partir de las imágenes que adquieren sensores
espaciales entre la respuesta espectral de las arcillas y la de los óxidos de
hierro, que se pueden interpretar como alteraciones argilíticas y limoníticas,
respectivamente.
El presente proyecto incide en el desarrollo de estas metodologías para el

estudio de las coberturas de suelos y su dinámica temporal en un caso concreto.
II. IDENTIFICACION DEL PROBLEMA
La escasa información sobre la mineralogía de los suelos, su poca actualización,

la poca importancia ante sus características, físicas y químicas, tales como
alteraciones hidrotermales, que establecen cambios en las capacidades del uso
del suelo y cambios en su cobertura vegetal, hace que en su mayoría, se
subutilice o sobre utilice un suelo.
En este sentido se ha planteado realizar un estudio del suelo con tecnología de

Percepción Remota, para caracterizar alteraciones hidrotermales y su
comportamiento en dinámica de coberturas. Con esto se pretende establecer, si
dichas alteraciones hidrotermales tienen influencia directa en los cambios de
cobertura del suelo. Es decir establecer, si la presencia de materiales formados
en condiciones de alteración hidrotermal, marca cambios en el uso del suelo,
afectan a la geomorfología de la zona o a su estabilidad, o si estos evidencian
rastros de utilidad arqueológica para establecer rutas y patrones de
desplazamiento de poblaciones humanas.

III. MARCO TEÓRICO Y CONTEXTUAL

En este capítulo se describirá el ámbito conceptual a utilizarse durante el
desarrollo de la investigación, así como del marco contextual del área sujeta a
estudio.
III.1. MARCO TEÓRICO
Dentro del marco teórico encontraremos a continuación las definiciones más

relevantes dentro del campo.
Alteración Hidrotermal
Todo cambio ambiental sobre las rocas, provoca una respuesta mineralógica,
química y textural, (en presencia de agua caliente, vapor o gas) conocida en
términos generales como alteración hidrotermal.
La alteración hidrotermal ocurre a través de la transformación de fases

minerales, crecimiento de nuevos minerales, disolución de minerales y/o
precipitación, y reacciones de intercambio iónico entre los minerales
constituyentes de una roca y el fluido caliente que circuló por la misma. Aunque
la composición litológica inicial tiene una influencia en la mineralogía secundaria
(hidrotermal), su efecto es menor que el debido a la permeabilidad, temperatura
y composición del fluido (Maksaev V., 2003).
En efecto, la temperatura del fluido y el pH del mismo son los factores más
relevantes en la asociación mineralógica resultante de los procesos de alteración
hidrotermal, más que la litología.
Factores que controlan a la alteración hidrotermal de las rocas.
a) Temperatura y la diferencia de temperatura (Δtº) entre la roca y el

fluido que la invade: mientras más caliente el fluido mayor será el efecto
sobre la mineralogía original.

b) Composición del fluido; sobre todo el pH del fluido hidrotermal:

mientras más bajo el pH (fluido más ácido) mayor será el efecto sobre los
minerales originales.
c) Permeabilidad de la roca: Una roca compacta y sin permeabilidad no

podrá ser invadida por fluidos hidrotermales para causar efectos de
alteración. Sin embargo, los fluidos pueden producir fracturas hidráulicas
de las rocas o disolución de minerales generando permeabilidad
secundaria en ellas.
d) Duración de la interacción agua/roca y variaciones de la razón

agua/roca. Mientras mayor volumen de aguas calientes circulen por las
rocas y por mayor tiempo, las modificaciones mineralógicas serán más
completas.
e) Composición de la roca; la proporción de minerales es relevante para

grados menos intensos de alteración, dado que los distintos minerales
tienen distinta susceptibilidad a ser alterados, pero en alteraciones
intensas la mineralogía resultante es esencialmente independiente del
tipo de roca original.
f) Presión: este es un efecto indirecto, pero controla procesos

secundarios como la profundidad de ebullición de fluidos, fracturas
hidráulicas (generación de brechas hidrotermales) y erupción o
explosiones hidrotermales (Maksaev V., 2003).
Percepción Remota o Teledetección
Es la ciencia que se encarga de la adquisición de información a través de

sensores sin entrar en contacto directo entre el sensor y el objeto o fenómeno
sujeto de estudio. Generalmente consiste de un sistema fotográfico u óptico-
electrónico capaces de detectar y registrar, en forma de imágenes o no, el flujo
de energía radiante reflejado o emitido por objetos distantes (Anexo I).

Leyes Físicas de la radiación Electromagnética
La fuente de energía principal en un sistema de Teledetección es la radiación

solar, misma que pasa por interacciones con la atmósfera y la tierra.
Según la Ley de Planck la energía Qi de un cuerpo negro (para dar una

determinada temperatura de emisión) en función de la frecuencia de la emisión
“f” (por tanto su longitud de onda).
Qi = ħ.f siendo ħ = cte de Planck
Tanto el flujo radiante, como la emitancia depende la la longitud de onda (λ)

emitida. Planck definió la emitancia de un cuerpo negro para una λi como:
Siendo: ħ = cte de Planck 6.266x10-34J.s
K = cte de Boltzman 1.38x10-23ws2.k-1
T = Temperatura absoluta de un cuerpo negro en grados Kelvin (⁰K)
La Ley de Desplazamiento de Wien, define la λi a la que se emite a la máxima

cantidad de energía (λmax) en función de la temperatura del foco emisor:
λmax = A/T
Donde A = 2898 µm . ⁰K; y T = temperatura en ⁰K
De manera que si conocemos la temperatura de emisión de un objeto,

podríamos conocerla λ en que se emite la mayor cantidad de energía. Si
integramos todas las λ, tendremos la Ley de Stefan Boltzman:
Mn = σ.T4

Siendo σ = la cte de Stefan Boltzman = 5.6697x10-8W.m-2k-4
Como la energía incide tanto en las leyes del movimiento ondulatorio y de la

teoría cuántica, al fusionar ambos principios tendremos:
C = λ.f (Ley Ondulatoria, C = Velocidad de la Luz)
Qi = ħ.f (Teoría de Partículas, f = frecuencia en Herzios)
Qi = ħ.c / λ (uniendo ambos principios)
Propagación de la Energía en la Atmosfera y la Terra
La Energía interacciona con la atmosfera, que está compuesta por moléculas

gaseosas y partículas en suspensión (CO2, O2, O3, N2, Argón y vapor de H2O).
La interacción con estas partículas produce dos tipos de fenómenos:
Absorsión: implica una reducción de la energía debido principalmente al CO 2,

O2, O3, las zonas del espectro electromagnético donde existe menor absorción,
son las destinadas para el diseño de los sensores, estas zonas son conocidas
como ventanas atmosféricas.
Dispersión: en este caso la energía incidente se refleja o refracta, variando su

dirección e intensidad (por lo tanto hay una disminución de la misma). Este
fenómeno varía según la λ de la radiación incidente y del tamaño de la partícula:
Dispersión de Rayleygh (cielo azul), Dispersión de Mie (brumas) y Dispersión no
selectiva (nubes blancas).
En el suelo la propagación depende de la composición, estructura y

emplazamiento de los materiales de la superficie terrestre, de la geometría de la
observación y de la λ incidente. Todo ello implica que la energía incidente sea
Reflejada (forma especular en todas direcciones), Absorbida (que
posteriormente se transformará en energía emitida) y transmitida (energía
geotérmica.

Imagen Digital
Según Pinilla (1995), es una función discretizada de la imagen analógica, en las

dimensiones geométricas, por la generación de celdas por muestreo
equiespaciado de la superficie (Figura 3.1.1), como en sentido radiométrico, por
la asignación de valores enteros o Niveles Digitales (ND), que están
comprendidos entre 0 y k1, siendo k el margen dinámico del sistema,
determinado a su vez por su resolución radiométrica.
Figura 3.1.1. Matríz de Filas y Columnas de una Imagen Digital Multibanda. IAFE.
Longitud de Onda
Distancia entre dos nodos o dos valles consecutivos de una onda. En el caso de
la radiación electromagnética, es el recíproco de la frecuencia de dicha radiación
multiplicada por la velocidad de la luz. De su λ derivan la mayor parte de las
propiedades de la radiación electromagnética (Figura 3.1.2). La clasificación del
espectro electromagnético en regiones consiste en la agrupación de aquellos
intervalos de λ en los cuales la radiación tiene comportamientos
electromagnéticos similares.

Figura 3.1.2. Longitud de Onda, en el espectro electromagnético. IAFE.
Firma Espectral
Forma característica del espectro de emisión/reflexión de una determinada

superficie. Como cada material posee bandas de absorción diferentes de
acuerdo a su composición química, la energía solar reflejada será el
complemento a la incidente más la emitida por aquélla. (Figura 3.1.3).
Figura 3.1.3. Firma Espectral de la Vegetación. Elaboración propia.

Clasificación de Imágenes Satelitales
La clasificación es el proceso por el cual se agrupan los pixeles en un número

determinado o finito de clases individuales con base en los niveles digitales de
los datos (Figura 3.1.4). Cuando un pixel cumple satisfactoriamente los
requisitos (criterios), este es asignado a la clase que corresponda a ese requisito
(Corrales, 2004).
Figura 3.1.4. Clasificación Digital de Imágenes. IAFE.
La única restricción que se impone a la identificación de superficies mediante la

teledetección deriva de la propia resolución espectral del sensor, el cual no es
capaz de proporcionar un espectro continuo de la superficie observada sino de
un número finito de bandas, dentro de cuyos intervalos espectrales no puede
hacer distinción alguna. La teledetección hiperespectral, que proporciona una
gran cantidad de bandas para cada imagen, acerca las firmas obtenidas a la
verdadera firma espectral de la superficie, y con ello facilita su identificación.
Detección de Cambios
Es un método de análisis multitemporal de cambios, en el cual se hace una

comparación digital de imágenes obtenidas en diferentes fechas.

Sistema de Información Geográfica
Un Sistema de Información Geográfico "SIG o GIS", es una integración

organizada de hardware, software, datos geográficos y personal, diseñado para
capturar, almacenar, manipular, analizar y desplegar en todas sus formas la
información geográficamente referenciada con el fin de resolver problemas
complejos de planificación y gestión. También puede definirse como un modelo
de una parte de la realidad referido a un sistema de coordenadas terrestre y
construido para satisfacer unas necesidades concretas de información,
(GEOINFO).
Los SIGs pueden ser utilizados y manejados como bases de datos

convencionales manejando todas las opciones de análisis, búsqueda selectiva,
realización de estadísticos, etc., propias de cualquier Sistema Gestor de Bases
de Datos y como bases de datos georreferenciados. La información es integrada
en un sistema que facilitaría las tareas organizativas y que ayudaría a observar
más intuitivamente toda la información necesaria, aprovechando la característica
propia de los SIGs, es decir, la georreferenciación de la información, para el
análisis o evaluación de los programas desarrollados (Rodríguez et al, 2000).
Un SIG desde el punto de vista de software (programa) está compuesto de

cuatro componentes que operan de manera secuencial y combinada (Buzai,
2007):
 Almacenamiento y Organización de Datos Geográficos Espaciales
 Almacenamiento y Organización de datos Geográficos Tabulares
 Tratamiento de Datos, o Rutinas de Análisis Espacial
 Reporte de Resultados en Mapas, Tablas y Gráficos.
Un SIG debe ser una herramienta funcional, que brinde seguridad, pero que a la
vez sea flexible con respecto a los datos de entrada y salida (Anexo II).

III.2. MARCO CONTEXTUAL
III.2.1. Ubicación Geográfica

El área de estudio se encuentra en el “Valle” de Choluteca, es un rectángulo de
una superficie de 6,318.4 km2, ubicado en la siguiente coordenada de
proyección UTM, en el centroide 479348.3128 E 1668742.421 N. El área
comparte los departamentos de Choluteca (municipios de Choluteca, Marcovia,
Namasigue y Santa Ana de Yusguare, El Corpus, El Triunfo, Orocuina y Liure) y
una pequeña fracción de Valle (municipio de San Lorenzo). El valle es irrigado
principalmente por el Río Grande o Choluteca, el Río Sampile, Estero Real y Río
Istoca.
Figura 3.2.1. Ubicación Geográfica del valle de Choluteca. Elaboración propia.

III.2.2 Condiciones Estratigráficas

La estratigrafía del lugar está conformada según Kozuch, 1991 en las
siguientes formaciones y grupos (Figura 3.2.2.a):
Formación Matagalpa (Tm):
Afloramientos de andesitas, basaltos y depósitos piroclásticos de la parte

Norte de América Central fue designada como Formación Matagalpa.
Rocas frescas revelan un color de morado oscuro o negro y una textura
porfiritica, muchas veces zonas silisificadas se encuentran en estas rocas
que forman pequeños picos resistentes a la erosión. Estudios muestran
que poseen un espesor variable entre20 a 350 metros.
Originalmente se le había asignado una edad Oligoceno a Mioceno

temprano, mas tarde estudios en el cuadrángulo Siguatepeque revelaron
que hay basaltos y andesitas que datan del Paleoceno. A estas rocas se
les dio el nombre de Agua Dulce. Muestras del cuadrángulo San Pedro
Zacapa se encontraron algunas muestras de rocas volcánicas que se
mapearon como Formación Matagalpa y que tenían que ser más antiguas
que el Oligoceno tardío. Hasta establecer el rango de edades exactas
tanto como su identidad real (Matagalpa o Agua Dulce) a estas rocas se
les dará el nombre de una sola formación Matagalpa con una edad amplia
del Paleoceno al Mioceno medio.
Grupo Padre Miguel (Tpm):
Una secuencia gruesa de ignimbritas cubre la mayoría del Occidente de

honduras y descansan en una relación disconforme sobre la Formación
Matagalpa, se ha calculado que puede haber 5, 000 kilómetros cúbicos de
material volcánico cubriendo el país. Estas ignimbritas fueron
originalmente designadas Grupo Jutiapa. Subsecuentemente fueron

correlacionadas con el Grupo Padre Miguel de Guatemala y el nombre de

Jutiapa fue abandonado a favor de Padre Miguel.
Las rocas más notables son las ignimbritas riolíticas blancas, pero entre
ellas hay también tobas, lahars, sillars, y sedimentos piroclásticos. Las
rocas sedimentarias derivadas de coladas de basaltos, andesita y riolita,
contienen pómez y fragmentos piroclasticos. Se estima una edad del
Oligoceno al Mioceno en muestras tomadas en varias partes del país.
Aluviones del Cuaternario (Qal):
Los aluviones del cuaternario generalmente ocupan los pisos de los

grandes valles, las costas, y los pies de las montañas. Por lo general se
presentan como terrazas de grava o depósitos de cauce. En algunos
lugares las terrazas forman varios niveles de las cuales los superiores se
encuentran a veces muy erosionadas.
Cuerpos Intrusivos (Pzi, Ki, Kti y Ti):
Desde los pequeños diques que penetran las formaciones más recientes
hasta los enormes cuerpos intrusivos, la distribución, composición y edad
de estas rocas es muy extensa y variable en todo el país. Generalmente,
estos cuerpos intrusivos son granitos, grano de oritas, dioritas y tonalitas.
En cada ocasión se hizo lo posible por distinguir las rocas en el mapa de
acuerdo con su edad respectiva, la cual puede ser del Paleozoico (Pzi),
Cretacico (Ki), Terciario (Ti), o una edad entre los dos períodos (KTi).
En la zona se presentan fallas geológicas ni lineamientos importantes

(Figura 3.2.2.b), por lo menos no aparecen reportes hasta lo investigado,
tampoco existen cuadrángulos geológicos en escala 1:50,000 para la
zona (Figura 3.2.2.c).

Figura 3.2.2.a. Mapa Geológico de Honduras. Honduras Geology.
Figura 3.3.2.b. Mapa de Fallas y Lineamientos de Honduras. Honduras Geology.

Figura 3.2.2.c. Mapa de CuadrangulosGeológicos de Honduras. Honduras Geology.

IV. OBJETIVOS Y ALCANCE
Objetivo General
El objetivo de este trabajo es la generación de cartografía temática que pueda

integrarse en un Sistema de Información Geográfica (S.I.G.) como capas de
valor añadido para futuros estudios ambientales, de modelización y su relación
con investigaciones arqueológicas en la región del Valle de Choluteca.
Objetivos Específicos
Objetivos específicos del proyecto de Tesis son:
- Generación de cartografía de cobertura de suelos y su dinámica mediante

técnicas y datos de Percepción Remota (Teledetección).
- Delimitación de posibles materiales alterados hidrotermalmente presentes

en el área de estudio y sus alrededores mediante Técnica de Crosta.
- Generación de distintos índices de suelos, estudio de cambios y su

relación con posibles efectos de erosión de ladera e inundación.
Alcance
El interés de la detección de posible actividad de alteración en laderas y lugares

expuestos se debe a que la acción hidrotermal junto con la meteorización puede
favorecer deslizamientos en un terreno ya de por sí proclive a sufrir este tipo de
fenómeno, lo cual entraña en sí mismo un riesgo potencial para los núcleos de
población y lugares de valor patrimonial del área.

La mayor parte de estudios de alteraciones hidrotermales se han realizado en

zonas desprovistas de vegetación. En este caso, resulta de especial interés el
estudio de las diferentes coberturas vegetales y su dinámica temporal, ya que
puede aportar datos significativos sobre su efecto en la técnica y sobre
investigaciones similares que se desarrollen en zonas tropicales.
El proyecto de Tesis permitirá avanzar en el desarrollo de las metodologías de

percepción remota dentro del marco general de proyectos de investigación
aplicables como nuevas tecnologías para la exploración de sitios considerados
de interés cultural y antropológicos.
V. MARCO METODOLÓGICO
V.I MATERIALES Y EQUIPO
Los materiales y equipo que se utilizarán en el proyecto de Tesis son los

siguientes:
- Imágenes TM, y ETM+ del satélite Landsat (Anexo III y IV)

- Modelo digital del terreno de 30 mt de paso de malla.
- Librerías de firmas espectrales del USGS
- Cartografía vectorial
- Programas Utilizados: ArcGIS 9.3 y ERDAS IMAGINE 8.5
V.II MÉTODOS
2.1. Pre-procesamiento de Imágenes Satelitales

El pre-procesamiento de las imágenes satelitales, consistió en la unión de las
bandas espectrales, sin las bandas terminas, tanto para la imagen p18r51 de
06 de febrero de 1990 y p18r51 del 06 de mayo del 2022, (Anexo V) la

primera del sensor Thematic Mapper 5 y la segunda del Enhancement

Thematic Mapper 7 (TM5 y ETM 7) del proyecto LandSat , (Cuadro 5.2.1).
Cuadro 5.2.1. Bandas Espectrales del sensor LandSat 5 y 7.
2.1.1. Layer Stake:
Para el desarrollo de estos procesos se utilizo el programa de tratamiento

digital de imágenes ERDAS Imagine, como se explica a continuación:
a) Desde ERDAS Imagine, abra el modulo Interpreter, (Figura

5.2.1.1.a).
Figura 5.2.1.1.a. Interpreter del Menú ERDAS.
b) Seleccione la opción Utilities/Layer Stake, para que aparezca la caja

de dialogo Layer Selection and Staking, en donde cargamos las
diferentes bandas espectrales que corresponden a la misma escena
de imagen satelital, (Figura 5.2.1.1.b).

Figura 5.2.1.1.b. Utilities/Layer Stake ERDAS.
c) Para cargar las bandas, es necesario introducir como archivo de

entrada (Input File) la primera banda de la imagen, luego para ir
agregando las demás bandas hacemos un clic en el botón Add, para
las siguientes banda en el orden correspondientes a banda 2, 3, 4,
sucesivamente hasta llegar a la ultima banda. (Figura 5.2.1.1.c).
Figura 5.2.1.1.c. Layer Stake ERDAS.

d) Creando un archivo nuevo de imagen, para esto fue necesario dar un

nombre de salida (Output File), hacer un clic en el Radio Union y un
clic en el botón OK. De esta forma visualizamos las imágenes de
forma multibanda (Figura 5.2.1.1.d) en la combinación escogida (R4,
G5, B3),
Figura 5.2.1.1.d. Imágenes LandSat, bandas unidas en mismo archivo.
2.1.2. SubSet
a) Para ello utilizamos el Modulo de Interpreter del programa ERDAS
Imagen, (Figura 5.2.1.2.a).
Figura 5.2.1.2.a. Interpreter del Menú ERDAS.

b) Seleccionamos la opción Utilities, la cual desplegó diferentes

opciones operacionales de las cuales la que necesitamos fue la opción
Subset. Esto fue importante ya que no queríamos trabajar con toda la
imagen, sino que únicamente una porción poligonal, (Figura 5.2.1.2.b).
Figura 5.2.1.2.b. Utilities/Subset del Menú ERDAS.
c) Para la aplicación correcta de cortado fue necesario introducir la imagen

que queremos cortar, dar un nombre de salida y seleccionar el método
adecuado que en este caso se realizo por Área de Interés (AOI), la cual
se establece previo al corte con el área que queremos estudiar, esto se
logró escogiendo desde la vista la opción AOI y de ella las herramientas
(Tool) de la cual tomamos la herramienta de creación de polígonos para
establecer el área de estudio, que este caso atiende la porción
continental del territorio cercano al Golfo de Fonseca en los
departamentos de Valle y Choluteca, en lo que hemos llamado Valle de
Choluteca, (Figura 5.2.1.2.c).

Figura 5.2.1.2.c. Herramienta de AOI, ERDAS.
d) Luego de crear el polígono debemos salvarlo para utilizarlo en la caja

de dialogo del cortador (Subset).este se guardara con el formato *.aoi.
En este paso tenemos el cuidado de cortar un fragmento de imagen
que no contenga datos 0 (cero), para poder realizar satisfactoriamente
las correcciones de magnitudes físicas a radiancia y reflectividad,
(Figura 5.2.1.2.d)

Figura 5.2.1.2.d. Utilities/Subset del Menú ERDAS.
2.1.3. Corrección Radiométrica de Imágenes (Radiancia y Reflectancia)
a) Una vez que hemos cortado la imagen con el área objeto de estudio y
que ésta a su vez no contenga datos cero (0), introducidos
generalmente por los bordes de las imágenes, se procedió a calcular
su radiancia, como fase primordial para establecer la reflectancia de
las diferentes cubiertas de la superficie terrestre capturada en la
imagen.

b) El cálculo de la radiancia se realizo con la utilización del modelador de

ERDAS IMAGINE y el algoritmo L= G*DN + B, como se muestra en la
siguiente Figura 5.2.1.3.a:
Figura 5.2.1.3.a. Modelo para calculo de Radiancia.
En donde:
L: Radiancia
G: Gain
B: Bias
DN: Numero Digital

c) Una vez que obtuvimos una nueva imagen de la misma escena de

estudio pero con datos de radiancia, proseguimos a calcular la
reflectividad a través del algoritmo basado en la reflectividad de TOA a
través de la radiancia, o la reflectancia al tope de la atmósfera, la cual
indica la relación entre la energía incidente y la reflejada (solo se
puede expresar en porcentajes). A continuación se puede observar en
la Figura 5.2.1.3.c:
Figura 5.2.1.3.c. Modelo para calculo de Reflectancia.
d) Una vez calculados los valores de la reflectancia de la imagen, los

datos están listos para el procesamiento de obtención de
Clasificaciones Digitales por Cobertura y Uso del Suelo, como parte
importante en el análisis de cambios multitemporal y de los cocientes
de minerales ferrosos y arcillosos, tal como observamos en la Figura
5.2.1.3.d.

Figura 5.2.1.3.d. Imagen Izquierda con ND, a la derecha imagen de Reflectancia.
2.2. Clasificación por Cobertura y Uso del Suelo

Existen dos tipos de clasificación una supervisada, donde el intérprete
asigna muestras de entrenamiento de las diferentes clases o cluster y otra
donde el intérprete asigna un número máximo de clases por cercanía
espectral, en este proyecto hemos seleccionado el método no
supervisado.
2.2.1. Método ISODATA

a) Clasificador ISODATA, se uso para realizar una clasificación no
supervisada, utiliza la formula de la distancia espectral mínima para
formar cluster, comenzando arbitrariamente con un cluster
promedio (de firmas espectrales existentes). cada vez que se repite
el proceso de formación de cluster, el promedio de estos se
modifica. Los nuevos cluster se usan para las siguientes
Iteraciones. La utilidad isodata se repite hasta que se ejecuta el
número máximo de iteraciones o se alcance el máximo porcentaje
de asignaciones de pixeles sin cambios entre varias iteraciones.

b) En este trabajo se generaron 100 cluster, a un nivel de 12

iteraciones, la combinación de bandas utilizada fue Banda TM4 en
Rojo, Banda TM5 en Verde y Banda TM3 en Azul, se corrió una
matriz de confusión para conocer su confiabilidad, siendo aprobada
si presenta un mínimo de 85% de acierto.
c) Recodificación, la recodificación constituye la fusión de las

diferentes muestras de entrenamiento (Anexo V, VI) una vez que
estas se han analizado por separabilidad por banda espectral.
d) Filtros, Los filtros se encuentran basados en la técnica de vecino

más cercano con un kernel menor de 3x3, para evitar pérdidas
mayores de información, luego se establece un Clump, proceso
intermedio de filtrado, para terminar con el Eliminate, en donde se
establece el área mínima que se eliminará de las coberturas
aisladas, lo que evita que la clasificación contenga efectos de
salpicaduras.
2.3. Dinámica de Cambios en el Suelo

2.3.1. Operación Matrix
a) Una vez que se tienes las dos imágenes clasificadas con la misma
nomenclatura, se pude aplicar la detección de cambios, utilizando
desde Interpreter/GIS Analysis/ Matrix, (Figura 5.2.3.1.a) del cual
seleccionamos como Vector 1 a la imagen de Fecha 1, y para el
Vector 2 la imagen de Fecha 2, generando una nueva imagen con
los datos de la Fecha 1 y la Fecha 2 como relación de cambio por
lo que fue necesario crear una nueva columna llamada cambios, al

igual que una de Área por Hectáreas y la asignación de color a

cambios positivos, cambios negativos y áreas sin cambio (Figura
5.2.3.1.b).
Figura 5.2.3.1.a. Dialogo de Interpreter/GIS Analysis para opción Matrix.
Figura 5.2.3.1.b. Ejemplo: Imagen de Matriz de Cambios y su tabla de Atributos.

2.3.2. Una vez generada esta información se puede realizar diferentes

análisis de los cambios ocurridos entre ambas imágenes, relacionándolas
con aspectos socio-económicos y ambientales.
2.4. Caracterización de Alteración Hidrotermal del Suelo

El método para la caracterización de alteraciones hidrotermales del suelo por
técnicas de teledetección (Figura 5.2.4), consiste en un análisis de
componentes principales (ACP) selectivos aplicados para la cartografía de
óxido de hierro y minerales arcillosos. Estos materiales están directamente
relacionados con varios tipos de alteración hidrotermal tales como
alteraciones potásicas, filíticas y propilíticas (Bragado, E., Rejas, J.G.,
Marchamalo M. and Martínez, R. 2008).
Figura 5.2.4. Firmas espectrales de diferentes minerales alterados.Delendetti.

2.4.1. Análisis de Componentes Principales (Técnica de Crosta)
La ACP es una poderosa técnica que puede utilizarse para los efectos de la
supresión de la irradiancia que dominan todas las bandas, resaltando las
características de reflectancia espectral de materiales geológicos. ACP se
puede aplicar a conjuntos de datos multivariantes, como las imágenes
multiespectrales de teledetección, con el fin de obtener respuestas
espectrales concretas, como en el caso de minerales de alteración
hidrotermal.
Investigadores como Delendatti, describe un ACP como una combinación

lineal por la cual un conjunto de variables correlacionadas se transforma en
un sistema de variables no correlacionadas llamadas componentes
principales (CP) las cuales pueden describir en un espacio menos complejo
la variabilidad total de los datos originales. Esto quiere decir que las
transformaciones iniciales de los datos estarán referidas a un nuevo sistema
de ejes ortogonales en el cual la varianza en la dirección del primer eje está
maximizada. La varianza total de los componentes es igual a la varianza de
las variables originales y los CP se ordenan según varianza decreciente.
Según Chuvieco (1990), Las bandas del Thematic Mapper del Proyecto
LandSat (TM) son variables correlacionables porque comparten información
espectral debido a que los distintos tipos de superficies tienden a presentar
comportamientos similares en regiones próximas del espectro
electromagnético.
Aplicando ACP a un número n de bandas (las cuales definen un espacio n-

dimensional) se generan n componentes principales (CP) o nuevas bandas
en las que la información espectral original se reorganiza de forma más
sencilla reduciendo al mínimo la redundancia de la información (y por lo tanto
la correlación) entre las nuevas bandas sin que esto implique la pérdida de

datos ya que la varianza total del sistema permanece constante después de

la transformación.
La literatura cita que al correr un ACP, la secuencia de cálculos efectuados

son los siguiente: 1) matriz de varianza/covarianza; 2) matriz de correlación
entre bandas originales; 3) matriz de eigenvectores por eigenvalor y 4) matriz
de pesos (loadings). Observando las correspondientes matrices se puede ver
que todas las variables aportan información a las CP´s.
Los eigenvalores expresan la longitud de cada una de las nuevas

componentes y permiten ver la distribución de la varianza total del sistema en
las nuevas bandas.
La primera CP retiene el mayor porcentaje de información original y las

siguientes componentes retienen proporciones cada vez menores. Los
eigenvectores representan los pesos sobre cada una de las variables
originales en la ecuación para calcular una CP y el signo de los mismos
indica el sentido de variación de las nuevas variables en relación con las
originales.
Los elementos de la matriz de cargas o loadings miden la correlación de las

variables originales con las CP y en el cálculo del peso entre una CP y una
banda intervienen el eigenvector de la componente en la banda, el eigenvalor
del componente y la desviación típica de la banda (Chuvieco 1990).
Una vez comprendidas las interacciones entre los fluidos hidrotermales

formados por variables proporciones de líquidos magmáticos y/o meteóricos
con la roca, producen asociaciones de minerales de alteración en la zona de
acción; óxidos de hierro, (hematita, goethita y jarosita); así como, materiales
arcillosos alterados. Espectralmente cada roca alterada es sensible a un
rango específico del espectro electromagnético; los óxidos de hierro son más
sensibles a ser detectados en el visible (400 – 700 nm) con máxima

reflectancia en la banda roja TM3 y las alteraciones arcillosas presentan

refletancia y absorción en el rango de los infrarrojos de onda corta (SWIR) o
bandas TM5 y TM7. (Cuadro.5.2.4.1)
Cuadro 5.2.4.1. Reflectancia y Absorción de minerales al sensor LandSat
Material Reflectancia Absorción

Carbonatos TM5 TM7
Filosilicatos
Sulfatos
Hematita TM3 TM2
Goethita TM3, TM2 TM1
Jarosita TM3, TM2, TM1 TM1
a) Método Costa de 6 bandas TM

En este caso se utilizo una imagen con 6 bandas de LandSat TM,
básicamente no térmicas. La imagen fue procesada por análisis de
componente principal de las 6 bandas (Figura 5.2.4.1.a), por lo que se
generó una nueva imagen con 6 componentes principales (CP1, CP2,
CP3, CP4, CP5 y CP6), con una matriz de covarianza y de cargas, que
determinan la brillantez de los elementos minerales detectados en las
imágenes de CP´s.
Cuando el resultado son áreas oscuras en una imagen de las CP´s, esta
debieron ser separadas para poderlas representar como capas
individuales .

Figura 5.2.4.1.a. Modelo de Componente Principal.
b) Método Crosta 4 Bandas TM para Óxidos de Hierro

Para la detección de óxidos de hierro se utilizó una imagen de cuatro
bandas, específicamente las primeras cuatro del sensor LandSat TM (1,
3, 4 y 5) la banda del rango azul, rojo y la infrarroja cercana y media,
como la presencia de oxido de hierro se observa en tonos oscuros en la
imagen resultante de los cuadro componentes principales (CP1, CP2,
CP3 y CP4), esta se debe invertir para observar las áreas de óxidos de
hierro en tonos brillantes.
c) Método Crosta 4 Bandas TM para Hidroxilos

Para la detección de hidroxilos se utilizó una imagen de cuatro bandas,
del sensor LandSat TM (1, 4, 5 y 7) se excluyeron las bandas 2 y 3, para
evitar la mezcla de óxidos de hierro como la presencia de oxido de hierro
se observa en tonos oscuros en la imagen resultante de los cuadro

componentes principales (CP1, CP2, CP3 y CP4), esta se debe invertir

para observar las áreas de óxidos de hierro en tonos brillantes.
d) Índice de relación mineral con ERDAS (Minerales Arcillosos, Minerales

Ferrosos y Óxidos de Hierro), en ingles Ferrous Mineral.
En este índice se utilizaron los cocientes de banda 5 / banda 7, para
detectar mineral arcilloso, banda 5 / Banda 4, para minerales ferrosos y la
banda 3 / banda 1, para material de óxidos de hierro, dando como
resultado una imagen de tres bandas, en el orden antes mencionado. Se
adapto un realce RGB a IHS (Figura 5.2.4.1.d).
e) Tranformación IHS – RGB: a la imagen IHS se vuelve a transformar a
RGB, recordando invertir las bandas espectrales (Figura 5.2.4.1.e)
Figura 5.2.4.1.d. Realce a Intensidad, Mezcla y Saturación del Índice

Figura 5.2.4.1.e. Realce Final de IHS a RGB.
f) Índice de Alteraciones Hidrotermales con ERDAS

Conocida en ingles como Hydrothermal Composite, en la que las bandas
TM utilizadas son las siguientes: (5 / 7), (3 / 1), (4 / 3).
g) Índice de Óxidos de Hierro con ERDAS
También llamada Iron Óxide , con las bandas TM (3 / 1).
h) Índice de mineral Arcilloso con ERDAS
Este índice utiliza las bandas TM (5 / 7), en ingles Clay Mineral.

2.5. Integración de los datos al Sistema de Información Geográfica (SIG)
La integración de los datos comenzó por organizar los por categorías vectorial, y
raster tal como se presenta en la Figura 5.2.5.
Figura 5.2.5. Estructura de Sistema de Información Geográfica.
Con la integración de los datos al SIG, se procedió a realizar los diferentes

análisis de relación de zonas alteradas con las áreas de cambio en la cobertura
y uso del suelo, así como de posibles áreas de riesgo natural y antrópico, por lo

que cada imagen tuvo que ser reclasificada de forma binaria (0/1) tomando en
consideración las áreas con alteraciones hidrotermales (1) y las áreas sin
alteraciones (0), lo misma para las áreas de mayor cambio y para las coberturas
de intersección.
El SIG también integra capas vectoriales de la división política administrativa por

país, departamento y aldeas, datos de infraestructura vial, capas temáticas de
fisiografía y recursos naturales.

VI. RESULTADOS
Los resultados se presentan, en el siguiente orden: 1) Clasificación por

Cobertura y Uso del Suelo de ambas fechas (1990 y 2002); 2) Dinámica de
Cambios entre imágenes Clasificadas por Cobertura y Uso del Suelo; 3)
Anomalías Hidrotermales y 4) Integración de Sistema de Información
Geográfica.
VI.I. Clasificación por Cobertura y Uso del Suelo
Los datos resultados de la clasificación por cobertura y uso del suelo a nivel de
familiarización de la imagen p18r51, tanto de 1990 como del 2002, fue la
siguiente:
Bosque Latifoliado: Predominio de árboles de hoja ancha, altura de la

cobertura variable según la topografía y suelo, lo que favorece que los
árboles alcancen una altura de 40 m. Especies predominantes:
liquidámbar (Liquidambar sp), roble o encino (Quercus sp), aguacatillo
(Persea sp), guayabillo (Ficus), varias especies de moraceas y helechos,
en general los árboles poseen una altura de 15 a 60 m. según su edad.
Bosque Mixto: Los remanentes modificados del bosque original pueden

presentar árboles dominantes con altura de hasta 25 a 30 metros;
constituido principalmente por especies de Pino y Roble, acompañadas
por árboles de Nance, Acacias, Guayabas, entre otras.
Bosque de Pino: Constituido por diferentes especies de pino ubicadas en

el centro y oeste del país. Estas especies cambian según la altitud.
Generalmente cubren suelos no agrícolas, su heterogeneidad es debido a
su madurez y al porcentaje de mezcla con otras coberturas. Las especies
más frecuentes son:Pinus maximinoii, P. oocarpa y P. pseudostrobus

Bosque seco: Constituido por especies arbustales deciduas latifoliadas,

donde podemos encontrar algunas leguminosas como el carbón, se
encuentra ubicado en las zonas poca altura (entre los 600 – 1000 m.) y
con pendientes suaves.
Matorral: Cobertura que generalmente se encuentra en los bordes de los

bosques, en donde ha ocurrido algún tipo de intervención, las especies
con frecuencia son una mezcla de arbustos rudimentarios así con
especies del bosque original.
Pastizal: Cobertura constituida principalmente y casi de forma exclusiva

por pastos de 1 a 2 m de alto. Este puede ser verde o seco, según la
estación climática.
Cultivo: Esta cobertura puede definirse como tierra utilizada para la

producción de alimentos y granos. Pueden ser zonas con cultivos a gran
escala en suelos planos o con poca pendiente, generalmente cerca de los
ríos y con sistema de riego permanente, o incluir áreas cultivadas en
zonas de laderas sin mucha mecanización, con variedad de cultivos.
Suelo labrado: Son áreas preparadas para el cultivo, de siembra reciente,

o que han quedado expuestas después de la cosecha.
Suelo desnudo: Se incluye todas las áreas desprovistas de cobertura,

como playas de río, zonas de deslizamiento o zonas degradas por efecto
de la agricultura o la escorrentía.
Río: Cuerpo de agua que recorre las montañas, valles y desemboca en el

mar. Generalmente se tomaron en cuenta ríos de cauce mayor de 10 m
de ancho, identificables digital y visualmente, que siguen patrones lineales
sinuosos y muchas veces son respuesta de la combinación de la
cobertura vegetal asociada a los márgenes.

Suelo quemado: Esta clase incluye áreas afectadas por los incendios y/o
que se encuentran en recuperación, con rastros de ceniza en la cobertura
vegetal.
Humo: Esta categoría identifica aquellas áreas que al momento de

adquirir la imagen, estaban siendo afectadas por el fuego.
De la anterior clasificación se agruparon algunas clases mientras que

otras no quedaron dentro del área de estudio seleccionada para el
análisis de la detección de las anomalías hidrotermales.
Urbano: Incluye áreas pobladas, como cabeceras municipales, pueblos y

aldeas grandes, siendo la ciudad de Santa Rosa de Copán y otras
comunidades las que digital y visualmente se observan.
Nube: Acumulación atmosférica de vapor de agua.
Sombras: Ausencia de reflectancia causada por nubes y montañas.
Bosque de Manglar: Son áreas de vegetación arbustal salobres, se

encuentra como barrera de playas.
Una vez que conocimos las diferentes coberturas que enmarcan la imagen
completa, fue necesario reclasificar las coberturas para el área de interés que le
llamamos “Valle de Choluteca”, de la cual nos quedaron seis (6) coberturas a
nivel uno (p. e.: en lugar de bosque de manglar, mixto, latifoliado, micro
latifoliado o seco, la cobertura queda únicamente como Bosque), lo que significa
que se elaboró una clasificación conocida como de muchos a uno, en el Cuadro
6.1.a, muestra dicha clasificación correspondiente a ambas fechas.
Como el método que se utilizó fue no supervisado, con el algoritmo ISODATA,

se generaron 100 cluster con las bandas 4 (Infrarrojo cercano), 5 (Infrarrojo
medio) y 3 (Rojo) en RGB, como resultado obtuvimos las imágenes clasificadas,

mismas que verificamos posteriormente su pertenencia a las seis (6) clases

antes mencionadas.
Cuadro 6.1.a. Clasificación Tipo Muchos a Uno, Imagen p18r51 de 1990 y 2002.
CLASE COLOR CÓDIGO
Sin Dato Negro 00
Bosque Verde Oscuro 01
Matorral Verde Claro 02
Pasto Tan 03
Cultivo Amarillo 04
Suelo Desnudo Violeta 05
Agua Azul 06

Las imágenes resultantes de las clasificaciones ISOTADA, necesitaron ser

recodificadas, al identificar cuáles de las cien (100) clases pertenecían a las seis
(6) clases del área de interés (Figura 6.1.a y Figura 6.1.b))
Figura 6.1.a. Identificación de clases para aplicación de Recodificación. Imagen

superior: ISODATA 1990; Imagen posterior: Sin Clasificación 1990 y Dialogo de
Atributos de cada clase.
La validación de la Clasificación, se realizo con el Accuracy Assessment, de la

cual se generó una Matriz de Error, la Precisión Total de la clasificación y el
Índice Kappa, que para la imagen LandSat p18r51 con fecha 06 de Febrero de
1990, arrojo los siguientes resultados:

Figura 6.1.b. Identificación de clases para aplicación de Recodificación. Imagen

superior: ISODATA 2002; Imagen posterior: Sin Clasificación 2002 y Dialogo de
Atributos de cada clase.
Matriz de Error (Cuadro 6.1.b) para la Imagen Clasificada de 1990: 90%
Precisión Total (Cuadro 6.1.c), para la Imagen Clasificada de 1990: 90%
Índice Kappa (Cuadro 6.1.d), para la Imagen Clasificada de 1990: 0.86
Los matorrales se mezclan con los pastos, debido a las condiciones ecológicas
presentes en el área de estudio del valle de Choluteca.

Cuadro 6.1.b. Matriz de Error para Clasificación de imagen p18r51 de 1990.
Cuadro 6.1.c. Precisión Total de la Clasificación en la imagen p18r51 de 1990.

Cuadro 6.1.d. Índice Kappa, Clasificación p18r51 de 1990.
Los resultados del Accurary Assessment para la imagen del 06 de Mayo del
2002, fueron los siguientes:
Matriz de Error (Cuadro 6.1.e),para la Imagen Clasificada de 2002: 0.87
Precisión Total (Cuadro 6.1.f), para la Imagen Clasificada de 2002: 87%
Índice Kappa (Cuadro 6.1.g), para la Imagen Clasificada de 2002: 0.87
Los datos de ambas clasificaciones fueron comprobadas con visitas de campo

con el levantamiento de las coberturas colecta de coordenadas geográficas y
toma de fotografías de las coberturas.

Cuadro 6.1.f. Matriz de Error para Clasificación de imagen p18r51 de 2002.
En este caso los resultados indican que los matorrales se mezclan con los
pastizales, esto se debe a que se encuentran en un ecosistema seco, donde
tanto bosque, matorral y pastizal, se mantienen en condiciones de humedad muy
parecidas, siendo muy difíciles de separar, aun con las giras de campo (Anexo
VI). Este resultado se mantuvo en todas las estadísticas de esta clasificación,
pero de forma general se logro alcanzar una precisión de 87%, siendo aceptable
en términos de cobertura a nivel de imágenes LandSat.

Cuadro 6.1.g. Precisión Total de la Clasificación en la imagen p18r51 de 2002.
Cuadro 6.1.h. Índice Kappa, Clasificación p18r51 de 2002.

6.2. Dinámica de Cambios
El área total de la zona de estudio es de 293,378.04 ha, los resultados obtenidos

para la dinámica en el cambio de las coberturas del suelo fueron de sin cambio,
cuando la cobertura se mantuvo de una fecha 1 (1990) a una fecha 2 (2002);
cambio negativo, cuando en la fecha 1 tenemos una cobertura ecológicamente
mayor y en la fecha 2, paso a una cobertura de menor grado ecológico; y cambio
positivo, cuando en la fecha 1 tenemos una cobertura de menor grado ecológico
y en la fecha 2, paso a un nivel ecológico más alto, lo que se conoce como
alcanzar el estado clímax, en total tenemos 36 combinaciones, ya que son 6
coberturas (Figura 6.2.a).
Figura 6.2.a. Matriz de Cambios entre imágenes p18r51 de 1990 y 2002.

La tasa en la dinámica de cambio de las coberturas para aproximadamente 12

años, fue la siguiente:
 Tasa en la dinámica de cambio negativo en la cobertura fue del 25.6%, lo

que quiere decir que tiene la cantidad de 75,147.26 ha.
 Tasa en la dinámica de cambio positivo en la cobertura fue del 21.0%, o

61,642.71 ha.
 Tasa sin cambios en la dinámica del suelo fue de 53.4%, o la cantidad de

156,518.95 ha.
Cuando vemos los datos de la cobertura correspondiente a los Bosques, misma

que ecológicamente se encuentra en una posición más alta que las demás
coberturas, notamos los siguientes resultados:
 La Tasa de Ganancia de Bosque fue de 44.2%, o 30,644.65 ha.
 La Tasa de Pérdida de cobertura de Bosque fue del 43.0%, o la cantidad

de 29,821.60 ha.
 Manteniéndose un 12.8% sin cambios, por lo que tenemos un 57.0% de

cobertura de bosque, entre la cobertura de cambio positivo y la cobertura
sin cambio.
De manera general encontramos un cambio de 25.6% en pérdidas desde el

punto de vista ecológico y una ganancia general de 74.4% del área de estudio.
Dentro del punto de vista antropológico, el dinamismo de las coberturas se
centra entre los pastos, los cultivos y los suelos desnudos (Cuadro 6.2.a), en
donde la mayor parte de los cultivos pasaron a ser pastos (8,467.95 ha), lo
mismo que el suelo desnudo a pastos (11,586.8 ha).

Cuadro 6.2.a. Dinámica de Cambio de las 6 coberturas entre 1990 y 2002,

correspondiente al Valle de Choluteca. Código de cobertura: 1= Bosques, 2 =
Matorrales, 3 = Pastos, 4 = Cultivos, 5 = Suelo Desnudo y 6 = Agua.
6.3. Alteración Hidrotermal
Los resultados de la detección de alteraciones hidrotermales a través de su

caracterización por la presencia o ausencia de minerales, se encuentra
caracterizada por Óxidos de Hierro, Hidroxilos y Materiales Ferrosos.

En la Figura 6.3.a, se muestra el resultado del componente principal dirigido

(Crosta) de 6 bandas no térmicas, los CP4= Hidroxilos, CP5= Óxidos de Hierro.
Figura 6.3.a. Imagen Crosta de 6 bandas no térmicas, para detectar anomalías

hidrotermales.
Al estudiar los valores de la matriz de relaciones de varianza covarianza (Cuadro

6.3.a) y las cargas (+, -) de los coeficientes, las imágenes indican que
encontramos en el componente CP1 valores correspondientes a la topografía y
al albedo (coeficiente de reflexón, igual a Energía reflejada entre unidad de
superficie) , el CP2, corresponde a las características de la vegetación, la CP4,
corresponde a minerales hidroxilos (Figura 6.3.b), los que se ven en tonos
claros, el CP5, corresponde óxidos de hierro, en tonos oscuros (Figura 6.3.c),
mientras que la CP6, revela Hematita, también en tonos oscuros.

Figura 6.3.b. Imagen CP4, mostrando hidroxilos en tonos claros.
Figura 6.3.c. Imagen CP5, mostrando Óxidos de hierro en tonos oscuros.

Cuadro 6.3.a. Matriz Cargas de Crosta de 6 bandas no térmicas. Muestra valores para
Vegetación (v), Hidroxilos (h) y Óxidos (o).
Otra de las técnicas aplicadas fue el método Crosta de 4 bandas espectrales, al

utilizar las bandas 1, 4, 5 y 7, como si fueran 1, 2, 3, 4, respectivamente, el
resultado fue una imagen de cuatro componentes principales, donde la CP4,
muestra o detecta los minerales hidroxilos en tonos brillantes. En la Figura 6.3.d,
muestra la combinación de bandas R4-G2-B1, por lo que los tonos rojos
brillantes corresponden efectivamente a los materiales hidroxilos (Cuadro 6.3.b).
Para efecto de visualizar en una banda separada los materiales hidroxilos, en

tonos de grises, concentrándose en los tonos claros o brillantes, los cuales
pueden ser objeto de reclasificación o enmascaramiento para resaltar
únicamente el material alterado, de esta forma es más accesible a la integración
con otros datos, esto se puede observar en la Figura 6.3.e.

Cuadro 6.3.b. Matriz de Cargas, (Crosta 4 bandas) para Hidroxilos.
En el cuadro anterior notamos que en la CP4, tenemos un aporte importante de

la banda espectral 7, también observamos que los mismos se observan en tonos
oscuros opuesto a lo esperado debido a la carga (-), de esta manera
aseguramos que los materiales hidroxilos de alteración hidrotermal los
encontraremos solo en los tonos oscuros.
Figura 6.3.d. Imagen de R4-G2-B1 (Crosta 4 bandas), para materiales hidroxilos.

Otro aspecto importante a destacar es que en este proceso no se incluyeron las

bandas 2 y 3, ya que dichas bandas se utilizan para la detección de óxidos de
hierro.
Figura 6.3.e. Imagen individual del CP4, material hidroxilo en tonos oscuros.
Para la detección de los Óxidos de Hierro, al aplicar el método de Crosta de 4

bandas espectrales, de las cuales se incluyeron las 1,3,4,5, tal como en las
anteriores operaciones la CP1 siempre corresponde a características de la
topografía y al albedo, siendo la CP4, la correspondiente a las características de
alteración hidrotermal de Óxidos de Hierro.
En este caso la máxima aportación de los valores la encontramos en la banda

TM3, la que se expresa en la CP4, en este caso la carga negativa nos indica que
los tonos característicos para los óxidos se verán en la imagen en tonos
oscuros. En el Cuadro 6.3.c., se resumen los valores para la interpretación de
dicha alteración hidrotermal, lo mismo que en la Figura 6.3.f.

Cuadro 6.3.c. Matriz de Cargas, (Crosta 4 bandas) para Óxidos.
Figura 6.3.f. Imagen R4-G2-B1 (Crosta 4 bandas) para detección de Óxidos de Hierro.
En este caso los rojos oscuros corresponden a áreas alteradas hidrotermalmente con
óxidos.
Los Índices o cocientes arrojaron las imágenes de material arcilloso (Bandas

5/7), óxidos de hierro (bandas 3/1) y mineral ferroso (Bandas 5/4).

En el índice para los óxidos (Bandas 3/1), los valores se observan en tonos
claros, contrarias a las anteriores imágenes de óxidos, en este caso, como
tienen alta Reflectancia en la banda 3 y Absorción en la banda 1, lo que la
vuelve sensible para combinarla en falso color (Figura 6.3.g).
Figura 6.3.g. Imagen de cociente 3/1, para detección de óxidos de hierro.
Mientras que en el índice para detección de arcillas, se utilizó el cociente 5/7, en

donde la Reflectancia se produce en la banda 5, y la Absorción se da en la
banda 7, (Figura 6.3.h).
También se genero una imagen de la combinación de los diferentes minerales

característico de las alteraciones hidrotermales, a la cual se le llama
composición de minerales o mineral composite, la cual agrupa los tres
minerales, y es representable en las tres bandas R(5/7)-G(5/4)-B(3/1).

Figura 6.3.h. Imagen de índice de arcillas (bandas 5/7).
También se aplicó la técnica de realce radiométrico para resaltar el resultado de

los componentes de los minerales (Figura 6.3.i), esto produce una imagen
intermedia de Intensidad, Matiz y Saturación (IHS) (Figura 6.3.j), para luego
volver a transformarla a RED GREEN y BLUE (RGB). Con el cuidado de invertir
el orden de las imágenes para la imagen resultante (Figura 6.3.k).
Figura 6.3.i. Gráfico de RGB y su relación a IHS.

Figura 6.3.j. Imagen de Composición Mineral R1G2B3.
Figura 6.3.k. Imagen de Composición Mineral R3G2B1.

6.4. Sistema de Información Geográfica (SIG)
El resultado del SIG de Anomalías Hidrotermales y Dinámica del Suelo del valle
de Choluteca (SIG AHDS) tiene como estructura 6 grupos de Capas o Layers:
 Clasificación: donde se encuentran las clasificaciones para las imágenes

del valle de Choluteca para las fechas 06 de febrero de 1990 y 06 de
mayo del 2002 (Figura 6.4.a).
 Crosta: con las imágenes de Crosta de 4 bandas, para Hidroxilos y
Óxidos.
 Crosta de 6 bandas: con la imagen Crosta de 6 bandas, para Hidroxilos y
Óxidos.
 Dinámica de Cambios: con la imagen de Cambios en la Cobertura.
 Índices ERDAS: con las imágenes de los cocientes de Alteraciones
Hidrotermal.
 MDT: con la imagen del Modelo Digital del Terreno.
Figura 6.4.a. Estructura del SIG de integración

El SIG, fue creado en la plataforma ArcGIS, como muestra la Figura 6.4.b, y para
acceso a todo público se transformó a la plataforma ArcReader ver figura 6.4.c.
Figura 6.4.b. Visualización del SIG, desde formato ArcGIS.
Figura 6.4.c. Visualización del SIG, desde ArcReader, de acceso público.

De esta forma el usuario tiene la posibilidad de cruzar información temática y

crear cartografía según las necesidades, dependiendo de sus capacidades y
conocimientos, tal como se muestra en la Figura 6.4.d.
Figura 6.4.d. Mapa de Modelo Digital del Terrero del área de estudio.

VII. DISCUSIÓN
 La Percepción Remota o Teledetección, se ha vuelta una de las

herramientas aliadas en muchas disciplinas científicas, sobre todo de las
que son objeto a cartografiar para generar nuevas formas de análisis, así
como de las demás técnicas aplicadas por las Tecnologías de la
Información Geográfica o TIG.
 Desde el punto de vista de las TIG, el Ordenamiento del Territorio (OT),

es una de las disciplinas de mayor producción cartográfica, volviendo al
OT eje transversal en los contextos socioeconómicos, políticos y de
recursos naturales.
 En este sentido el trabajo realizado en esta investigación, contempló lo

que se conoce como Clasificación por Cobertura y Uso del Suelo, así
como la Dinámica de Cambio en el tiempo o como se conoce en el mundo
académico: Análisis Multitemporal de Imágenes Satelitales.
 Sumado a esto, tenemos las Técnicas de Detección de Minerales de

Alteraciones Hidrotermales, que determinan los cambios en las
composiciones físicas y químicas del suelo, lo que establece el porqué,
en un área que es característica a cierta vegetación, estas se ven
interrumpidas por dichos cambios. Interesante sería que este tipo de
técnicas se empezaran a aplicar en los diferentes estudios territoriales
con aspectos geológicos, tanto para apoyar el conocimiento ante las
condiciones del suelo para la agricultura, o para la industria de
explotación mineral, temas que se encuentran vedados y que dicha
información se mantiene hermética, cuando esta existe.

 Entre más información tengamos de nuestro territorio, más variables

tendremos para la planificación de un país (Honduras), que tiene la
estructura legal para su ordenamiento territorial, pero que carece de la
información actualizada para llevarla a cabo.
 Con esta investigación se espera que se comiencen a desarrollar las

nuevas formas de análisis territorial, incluso con variables que antes
pensábamos eran imposibles de estudiar, o que considerábamos como
tabú, por ejemplo: hablar de desarrollar un ordenamiento del país
tomando en cuenta sus atributos minerales, ya que estos siempre se han
visto como enemigos del ambiente, dicho sea de paso que un mal
enfoque o sondeo de este sí se convierte en un problema ambiental.
 Sabemos que en el país existen condiciones para cartografiar las

diferentes actividades del hombre, para mejor el manejo de sus recursos
(sean de origen natural o antrópicos). Solo falta apuntar en la dirección
correcta, lo que lograremos al generar información que nos diga hacia
donde tenemos que caminar, comenzando por fortalecer los estándares
de las bases cartográficas del país.

VIII. CONCLUSIONES
 En conclusión podemos decir que tanto una clasificación supervisada

como una no supervisada, brindan resultados satisfactorios cuando se
sabe que es lo que se quiere obtener, por lo que para este trabajo de
investigación se utilizo la clasificó por el método ISODATA, con 100
clusters, y apoyo de campo, para su precisión.
 Para garantizar la confiabilidad de las clasificaciones generalmente el

análisis de los datos se hizo a través de una matriz de confusión que
permitió confrontar la información de los sitios de verificación con aquella
de la base cartográfica que se evaluó.
 Se logro clasificar la cobertura a primer nivel con grandes categorías:

Bosques, Matorrales, Pastos, Cultivos, Suelo Desnudo y Agua. Aunque la
mayoría de los autores no incluyen el agua en sus clasificaciones, el
motivo se incluyó fue por un aumento en el caudal del cuerpo de agua
entre ambas fechas en la zona norte del área de estudio.
 La clasificación fue lo suficientemente confiable para concluir que en el

área se produjo un cambio en las coberturas menor a la que se esperaba,
ya que la dinámica indicó que un 53.4%, o 156,518.95 ha. Se
mantuvieron sin cambio, mientras que el cambio positivo fue de 21.0%,
para un total de 74.4%, en relación al 25.6% de cambio negativo.
 También podemos decir que fueron los pastos los que interactuaron con
mayores porcentajes, tanto con los cultivos como con el suelo desnudo,
mismo que puede tanto ser suelo labrado, como propiamente desnudo,
con algún porcentaje de erosión. En otras palabras los pastos vienen a

ser zonas de descanso o barbecho, combinadas para la agricultura y para

la pastura de ganado vacuno y caprino.
 En el caso de los bosques, estos no representan un atractivo directo en

las poblaciones humanas nativas, ya que es un bosque microlatifoliado
seco, con muchas leguminosas adaptadas al déficit de precipitación y a
altas temperaturas, por lo que es razonable que los números indiquen un
57.0% de ganancia de cobertura de bosque, entre lo que no cambio y lo
que cambio de manera positiva, desde el punto de vista ecológico.
 Cabe apuntar que los bosques secos se encuentran en peligro de

extinción y que hay proyectos propuestos para comenzar a protegerlos y
educar a los pobladores locales los beneficios de este tipo de bosques a
nivel ecológico y ecoturístico.
 De las imágenes procesadas para detectar alteraciones hidrotermales,

por las diferentes técnicas, podemos decir que efectivamente el método
de Crosta o de Componente Principal Dirigido, destaca las características
espectrales a las cuales son sensibles los diferentes materiales minerales
asociados con las alteraciones hidrotermales. Por lo que para detectar
minerales arcillosos la utilización de las Bandas 1, 4, 5 y 7 del sensor
LandSat, nos dio muy buenos resultados, en este caso evitando las
bandas 2 y 3 del mismo sensor, ya que estas bandas son sensibles a los
óxidos de hierro. También fue importante conocer como estos se
comportan espectralmente, como referencia a los aportes que se generan
como Componente Principal, al igual que la carga positiva o negativa que
estos desarrollen, lo cual nos indicó si estos se ven identificados brillantes
u oscuros en las imágenes producidas.

 Lo mismo al utilizar 6 bandas no térmicas del mismo sensor LandSat, de

la cual los óxidos se pueden ver con éxito en la banda CP5, y los
hidroxilos o material de arcillas se pueden identificar en la CP4, esta se
logra detectar con la variabilidad de las bandas en la estadística de los
eigevalores y los coeficientes positivo o negativo en las bandas de
Reflectancia y Absorvancia.
 Se puede destacar que al procesar por análisis de Componente Principal

para materiales alterados hidrotermalmente, nos provee de las tablas
estadísticas, que indican efectivamente como se muestras los minerales y
en que componente se producen, esto es realmente una ventaja, en
comparación con los índices que existen en algunos programas , de los
cuales producen de forma directa imágenes de cocientes, de las cuales
generalmente no podemos ver las tablas de los datos estadísticos.
 El uso de los índices o cocientes directos, solo se deben utilizar cuando el

usuario ha alcanzado cierta experiencia para poder identificar los
materiales característicos de las alteraciones hidrotermales.
 Una de las posibles dificultades para la detección de materiales

hidrotermales es la cobertura vegetal, por lo que resulto indispensable
saber cómo se comportan las diferentes coberturas en las bandas
espectrales de diferentes sensores, de esta manera se puede conocer
que bandas son las mejores combinaciones para los propósitos
deseados, tal es el caso de los Componentes Principales, en donde en el
CP2, se refleja la aportación de la banda del infrarrojo cercano (Banda 4
de LandSat).

 Uno de los resultados esperados en este trabajo es la creación de

cartografía temática, y para ello se decidió establecer un Sistema de
Información Geográfica SIG, con la integración de los productos de la
Clasificación por cobertura y uso del Suelo, la Dinámica del Cambio entre
ambas clasificaciones, los productos de las imágenes con alteraciones
hidrotermales y vectores de la división política administrativa, así como de
infraestructura vial y de recursos naturales. Todo esto a ser manejado por
un programa gratuito de manejo de datos espaciales, llamado ArcReader.
IX. RECOMENDACIONES
 Una de las recomendaciones más importantes en todo trabajo de tesis es

determinar la nueva línea de investigación que se deriva del mismo
trabajo, por lo que en este caso no será diferente.
 Al terminar este trabajo, una de las líneas de futuro desarrollo es la radio

espectrometría de campo y de ambientes controlados, para caracterizar
los diferentes materiales de la cubierta espectral, en un grafico de firma
espectral más definido (Continuo), que los datos discretos que
manejamos con imágenes multitemporales.
 Esto a la vez desarrollaría la implementación de sensores

hiperespectrales tales como Hiperion o ALI, específicamente para
desarrollar librerías de nuestras propias coberturas del suelo.
 El seguir utilizando el método Crosta para materiales alterados

hidrotermalmente, posibilita, la idea de realizar estudios de detección de
lineamientos o fallas geológicas, que estarían apoyando a conocer mejor

las condiciones de nuetras rocas y al mismo tiempo es un tema de interés

nacional en la actualidad.
 Otra recomendación es utilizar la información de las alteraciones para

buscar edificios arqueológicos en zonas donde se tengan sospechas de
rutas de comercio antiguas, o donde se hayan encontrado artefactos de
civilizaciones anteriores a nuestro periodo.

BIBLIOGRAFIA
1. Bragado, E., Rejas, J.G., Marchamalo M. and Martínez, R. 2008.

Characterization of hydrothermally altered materials in the Central
Volcanic Range, Costa Rica, using TM data. PROCEEDINGS OF THE
REMOTE SENSING AND PHOTOGRAMMETRY SOCIETY
CONFERENCE 2008 “Measuring change in the Earth system”.
University of Exeter.
2. Buzai, G. 2007. Sistemas de Información Geográfica y Geografía.

Lineas de Avance Teorico-Metodologico a comienzos del siglo XXI.
Daniel Hiernaux y Alicia Lindón (comp.) Tratado de Geografía
Humana. Anthropos. Barcelona. pp. 582-600.
3. Corrales, R., 2004. Caracterización y Detección de cambios en 14

Áreas Protegidas de Honduras, a partir del Estudio de Datos
Geoespaciales. Trabajo de Tesis previa opción a Licenciatura, en
Biología. UNAH.
4. Delendatti, G., 2003. Caracterización de Zonas alteración hidrotermal

en las imágenes del Río Castaño, provincia de San Juan, mediante
procesamiento digital de imágenes TM. Revista de la Asociación
Geológica de Argentina, 58 (1): 97-108(2003).
5. F. J. Salas, E. Chuvieco. 1995. Aplicación de Imágenes LandSat-TM

en la Cartografía de Modelos Combustibles. Revista de Teledetección.

6. GEOINFO. http://www.geoinfo-int.com/htmls/sig.html
7. Honduras Geology. http://geology.csustan.edu/rrogers/honduras/
8. James Tindall. Deconvolution of Plant Type(s) for Homeland Security

Enforcement Using Remote Sensing on a UAV Collection Platform.
Homeland Security Affairs. http://www.hsaj.org/?fullarticle=2.1.4
9. Kozuch, M., 1991. Mapa Geológico de Honduras. Instituto Geográfico

Nacional de Honduras.
10. Maksaev V., 2003. GL 54 A. Metalogénesis. Capitulo 8. Alteraciones

Hidrotermales. Facultad de Ciencias Físicas y Matemáticas,
Universidad de Chile. Departamento de Geología.
http://www.cec.uchile.cl/~vmaksaev/metalogenesis.html.
11. Petroglia, C., Acosta & Sergio Lara. 2008. Sistema de Clasificación de
la Cobertura de la Tierra, FOA.
12. Pinilla, C. 1995. Elementos de teledetección. Rama. Madrid.

http://personal.telefonica.terra.es/web/pinillaweb/glosario.htm
13. Rodríguez V, C Díaz Castillo, J Bosque Sendra, La Aplicación de los

SIG a la Actividad de las Organizaciones No Gubertamentales.
Tecnologías Geográficas para el Desarrollo Sostenible. Departamento
de Geografía. Universidad de Alcalá, 2000: 655-675.

14. Sader, E., D., Hayes, D. Irwin, S., Saatchi. 2001. Preliminary Forest
Cover Change Estimates for Central America (1990’s), whit reference
to the proposed Mesoamerican Biological Corridor.11p.

ANEXOS

ANEXO I. SISTEMA DE TELEDETECCIÓN ESPACIAL
Figura A.I.a. Sistema de Percepción Remota. Por James Tindall.
Figura A.I.b. Espectro Electromagnético

ANEXO II. SISTEMA DE INFORMACIÓN GEOGRÁFICA
Figura A.II. Sistema de Información Geográfica

ANEXO III. METADATOS IMAGEN LANDSAT DE 06 DE FEBRERO DE 1910
NDF_REVISION=0.00;
PRODUCT_NUMBER=01499050500020017;
DATA_FILE_INTERLEAVING=BSQ;
TAPE_SPANNING_FLAG=1/1;
START_LINE_NUMBER=1;
START_DATA_FILE=1;
BLOCKING_FACTOR=1;
MAP_PROJECTION_NAME=SPACE_OBLIQUE_MERC;
USGS_PROJECTION_NUMBER=22;
USGS_MAP_ZONE=62;
USGS_PROJECTION_PARAMETERS=6378137.000000000000000,6356752.31
4140000400000,5.000000000000000,18.000000000000000,0.00000000000000
0,0.000000000000000,0.000000000000000,0.000000000000000,0.0000000000
00000,0.000000000000000,0.000000000000000,0.000000000000000,1.000000
000000000,0.000000000000000,0.000000000000000;
HORIZONTAL_DATUM=WGS84;
EARTH_ELLIPSOID_SEMI-MAJOR_AXIS=6378137.000;
EARTH_ELLIPSOID_SEMI-MINOR_AXIS=6356752.314;
EARTH_ELLIPSOID_ORIGIN_OFFSET=0.000,0.000,0.000;
EARTH_ELLIPSOID_ROTATION_OFFSET=0.000000,0.000000,0.000000;
PRODUCT_SIZE=FULL_SCENE;
RESAMPLING=CC;
PROCESSING_DATE/TIME=050699/11570900;
PROCESSING_SOFTWARE=NLAPS_3_5_4E;
DATA_SET_TYPE=EDC_TM;
PIXEL_FORMAT=BYTE;
PIXEL_ORDER=NOT_INVERTED;
BITS_PER_PIXEL=8;
PIXELS_PER_LINE=6922;
LINES_PER_DATA_FILE=6433;
DATA_ORIENTATION=UPPER_LEFT/RIGHT;
NUMBER_OF_DATA_FILES=7;
LINES_PER_VOLUME=45031;
RECORD_SIZE=6922;
UPPER_LEFT_CORNER=0885329.0912W,0135807.7457N,18572336.808,1025
50.038;
UPPER_RIGHT_CORNER=0870510.8001W,0134234.5468N,18585374.581,299
367.178;
LOWER_RIGHT_CORNER=0872013.2062W,0120416.1242N,18768285.700,28
7250.583;
LOWER_LEFT_CORNER=0890749.8165W,0121943.4069N,18755247.927,904
33.442;

REFERENCE_POINT=SCENE_CENTER;
REFERENCE_POSITION=0880640.5011W,0130116.2370N,18670311.253,1949
00.315,3461.50,3217.00;
REFERENCE_OFFSET=170.44,-7.29;
ORIENTATION=273.789912;
WRS=018/051.0;
ACQUISITION_DATE/TIME=020690/15335649;
SATELLITE=LANDSAT_5;
SATELLITE_INSTRUMENT=TM;
PIXEL_SPACING=28.5000,28.5000;
PIXEL_SPACING_UNITS=METERS;
PROCESSING_LEVEL=08;
SUN_ELEVATION=43.31;
SUN_AZIMUTH=127.02;
NUMBER_OF_BANDS_IN_VOLUME=7;
BAND1_NAME=TM_BAND_1;
BAND1_WAVELENGTHS=0.45,0.52;
BAND1_RADIOMETRIC_GAINS/BIAS=0.6024314,-1.5200000;
BAND6_RADIOMETRIC_GAINS/BIAS=0.0551582,1.2377996;
END_OF_HDR;

GROUP = INVENTORYMETADATA
GROUPTYPE = MASTERGROUP
GROUP = ECSDATAGRANULE
OBJECT = SIZEMBECSDATAGRANULE
NUM_VAL =1
VALUE = 404.561
END_OBJECT = SIZEMBECSDATAGRANULE
OBJECT = REPROCESSINGPLANNED
NUM_VAL =1
VALUE = "no further update anticipated"
END_OBJECT = REPROCESSINGPLANNED
OBJECT = REPROCESSINGACTUAL
NUM_VAL =1
VALUE = "processed once"
END_OBJECT = REPROCESSINGACTUAL
OBJECT = LOCALGRANULEID
NUM_VAL =1
VALUE = "p018r51_5t19900206"
END_OBJECT = LOCALGRANULEID
OBJECT = DAYNIGHTFLAG
NUM_VAL =1
VALUE = "Day"
END_OBJECT = DAYNIGHTFLAG
OBJECT = PRODUCTIONDATETIME
NUM_VAL =1
VALUE = "2002-03-27-T17:16:02.0Z"
END_OBJECT = PRODUCTIONDATETIME
OBJECT = LOCALVERSIONID
NUM_VAL =1
VALUE = "001"
END_OBJECT = LOCALVERSIONID
END_GROUP = ECSDATAGRANULE
GROUP = MEASUREDPARAMETER

OBJECT = MEASUREDPARAMETERCONTAINER
CLASS = "1"
OBJECT = PARAMETERNAME
NUM_VAL =1
CLASS = "1"
VALUE = "Geospatial Image"
END_OBJECT = PARAMETERNAME
GROUP = QASTATS
CLASS = "1"
OBJECT = QAPERCENTMISSINGDATA
NUM_VAL =1
CLASS = "1"
VALUE =0
END_OBJECT = QAPERCENTMISSINGDATA
OBJECT = QAPERCENTCLOUDCOVER
NUM_VAL =1
CLASS = "1"
VALUE =0
END_OBJECT = QAPERCENTCLOUDCOVER
END_GROUP = QASTATS
END_OBJECT = MEASUREDPARAMETERCONTAINER
END_GROUP = MEASUREDPARAMETER
GROUP = COLLECTIONDESCRIPTIONCLASS
OBJECT = SHORTNAME
NUM_VAL =1
VALUE = "GeoCvTM"
END_OBJECT = SHORTNAME
OBJECT = VERSIONID
NUM_VAL =1
VALUE =1
END_OBJECT = VERSIONID
END_GROUP = COLLECTIONDESCRIPTIONCLASS

GROUP = INPUTGRANULE
OBJECT = INPUTPOINTER
NUM_VAL = 11
VALUE = ("p018r51_5t19900206_nn1.tif",
"p018r51_5t19900206_nn2.tif", "p018r51_5t19900206_nn3.tif",
"p018r51_5t19900206_nn4.tif",
"p018r51_5t19900206_nn5.tif","p018r51_5t19900206_nn6.tif",
"p018r51_5t19900206_nn7.tif", "p018r51_5t19900206.met",
"p018r51_5t19900206.hdr", "p018r51_5t19900206.jpg",
"p018r51_5t19900206.htm")
END_OBJECT = INPUTPOINTER
END_GROUP = INPUTGRANULE
GROUP = SPATIALDOMAINCONTAINER
GROUP = HORIZONTALSPATIALDOMAINCONTAINER
GROUP = ZONEIDENTIFIERCLASS
OBJECT = ZONEIDENTIFIER
NUM_VAL =1
VALUE = "16"
END_OBJECT = ZONEIDENTIFIER
END_GROUP = ZONEIDENTIFIERCLASS
GROUP = GPOLYGON
OBJECT = GPOLYGONCONTAINER
CLASS = "1"
GROUP = GRING
CLASS = "1"
OBJECT = EXCLUSIONGRINGFLAG
NUM_VAL =1
CLASS = "1"
VALUE = "N"
END_OBJECT = EXCLUSIONGRINGFLAG
END_GROUP = GRING

GROUP = GRINGPOINT
CLASS = "1"
OBJECT = GRINGPOINTLATITUDE
NUM_VAL =4
CLASS = "1"
VALUE = (13.949384, 13.707439, 12.106640, 12.346948)
END_OBJECT = GRINGPOINTLATITUDE
OBJECT = GRINGPOINTLONGITUDE
NUM_VAL =4
CLASS = "1"
VALUE = (-88.778611, -87.108558, -87.463277, -89.123166)
END_OBJECT = GRINGPOINTLONGITUDE
OBJECT = GRINGPOINTSEQUENCENO
NUM_VAL =4
CLASS = "1"
VALUE = (0, 1, 2, 3)
END_OBJECT = GRINGPOINTSEQUENCENO
END_GROUP = GRINGPOINT
END_OBJECT = GPOLYGONCONTAINER
END_GROUP = GPOLYGON
END_GROUP = HORIZONTALSPATIALDOMAINCONTAINER
END_GROUP = SPATIALDOMAINCONTAINER
GROUP = SINGLEDATETIME
OBJECT = TIMEOFDAY
NUM_VAL =1
VALUE = "15:41:00.0"
END_OBJECT = TIMEOFDAY
OBJECT = CALENDARDATE
NUM_VAL =1
VALUE = "1990-02-06"
END_OBJECT = CALENDARDATE
END_GROUP = SINGLEDATETIME

GROUP = SENSORCHARACTERISTIC
OBJECT = SENSORCHARACTERISTICCONTAINER
CLASS = "1"
OBJECT = PLATFORMSHORTNAME
NUM_VAL =1
CLASS = "1"
VALUE = "Landsat 5"
END_OBJECT = PLATFORMSHORTNAME
OBJECT = INSTRUMENTSHORTNAME
NUM_VAL =1
CLASS = "1"
VALUE = "Landsat 5"
END_OBJECT = INSTRUMENTSHORTNAME
OBJECT = SENSORSHORTNAME
NUM_VAL =1
CLASS = "1"
VALUE = "TM"
END_OBJECT = SENSORSHORTNAME
END_OBJECT = SENSORCHARACTERISTICCONTAINER
END_GROUP = SENSORCHARACTERISTIC
GROUP = ADDITIONALATTRIBUTES
OBJECT = ADDITIONALATTRIBUTESCONTAINER
CLASS = "1"
OBJECT = ADDITIONALATTRIBUTENAME
CLASS = "1"
NUM_VAL =1
VALUE = "SolarAzimuth"
END_OBJECT = ADDITIONALATTRIBUTENAME
GROUP = INFORMATIONCONTENT
CLASS = "1"
OBJECT = PARAMETERVALUE
NUM_VAL =1

CLASS = "1"
VALUE = "127.02"
END_OBJECT = PARAMETERVALUE
END_GROUP = INFORMATIONCONTENT
END_OBJECT = ADDITIONALATTRIBUTESCONTAINER
CLASS = "2"
CLASS = "2"
NUM_VAL =1
VALUE = "SolarElevation"
CLASS = "2"
NUM_VAL =1
CLASS = "2"
VALUE = "43.31"
CLASS = "3"
CLASS = "3"
NUM_VAL =1
VALUE = "MaxBlockRMSE"
CLASS = "3"
NUM_VAL =1

CLASS = "3"
VALUE = "50"
CLASS = "4"
CLASS = "4"
NUM_VAL =1
VALUE = "Band1GainSetting"
CLASS = "4"
NUM_VAL =1
CLASS = "4"
VALUE = "0.6024314"
CLASS = "5"
CLASS = "5"
NUM_VAL =1
VALUE = "Band1BiasSetting"
CLASS = "5"
NUM_VAL =1

CLASS = "5"
VALUE = "-1.5200000"
CLASS = "6"
CLASS = "6"
NUM_VAL =1
CLASS = "6"
NUM_VAL =1
CLASS = "6"
VALUE = "1.1750981"
CLASS = "7"
CLASS = "7"
NUM_VAL =1
CLASS = "7"
NUM_VAL =1

CLASS = "7"
VALUE = "-2.8399999"
CLASS = "8"
CLASS = "8"
NUM_VAL =1
CLASS = "8"
NUM_VAL =1
CLASS = "8"
VALUE = "0.8057647"
CLASS = "9"
CLASS = "9"
NUM_VAL =1
CLASS = "9"
NUM_VAL =1

CLASS = "9"
VALUE = "-1.1700000"
CLASS = "10"
CLASS = "10"
NUM_VAL =1
CLASS = "10"
NUM_VAL =1
CLASS = "10"
VALUE = "0.8145490"
CLASS = "11"
CLASS = "11"
NUM_VAL =1
CLASS = "11"
NUM_VAL =1

CLASS = "11"
VALUE = "-1.5100000"
CLASS = "12"
CLASS = "12"
NUM_VAL =1
CLASS = "12"
NUM_VAL =1
CLASS = "12"
VALUE = "0.1080784"
CLASS = "13"
CLASS = "13"
NUM_VAL =1
CLASS = "13"
NUM_VAL =1

CLASS = "13"
VALUE = "-0.3700000"
CLASS = "14"
CLASS = "14"
NUM_VAL =1
CLASS = "14"
NUM_VAL =1
CLASS = "14"
VALUE = "0.0551582"
CLASS = "15"
CLASS = "15"
NUM_VAL =1
CLASS = "15"
NUM_VAL =1

CLASS = "15"
VALUE = "1.2377996"
CLASS = "16"
CLASS = "16"
NUM_VAL =1
CLASS = "16"
NUM_VAL =1
CLASS = "16"
VALUE = "0.0569804"
CLASS = "17"
CLASS = "17"
NUM_VAL =1
CLASS = "17"
NUM_VAL =1

CLASS = "17"
VALUE = "-0.1500000"
CLASS = "18"
CLASS = "18"
NUM_VAL =1
VALUE = "Landsat4WRSPath"
CLASS = "18"
NUM_VAL =1
CLASS = "18"
VALUE = "018"
CLASS = "19"
CLASS = "19"
NUM_VAL =1
VALUE = "Landsat4WRSRow"
CLASS = "19"
NUM_VAL =1

CLASS = "19"
VALUE = "51"
CLASS = "20"
CLASS = "20"
NUM_VAL =1
VALUE = "NumberofRows"
CLASS = "20"
NUM_VAL =1
CLASS = "20"
VALUE = "7407"
CLASS = "21"
CLASS = "21"
NUM_VAL =1
VALUE = "NumberofColumns"
CLASS = "21"
NUM_VAL =1

CLASS = "21"
VALUE = "7802"
CLASS = "22"
CLASS = "22"
NUM_VAL =1
VALUE = "ReferencePixelOrigin"
CLASS = "22"
NUM_VAL =1
CLASS = "22"
VALUE = "Center of Reference Pixel"
CLASS = "23"
CLASS = "23"
NUM_VAL =1
VALUE = "ReferencePixelRowNumber"
CLASS = "23"
NUM_VAL =1

CLASS = "23"
VALUE = "1"
CLASS = "24"
CLASS = "24"
NUM_VAL =1
VALUE = "ReferencePixelColumnNumber"
CLASS = "24"
NUM_VAL =1
CLASS = "24"
VALUE = "1"
CLASS = "25"
CLASS = "25"
NUM_VAL =1
VALUE = "PixelIncrementUnit"
CLASS = "25"
NUM_VAL =1

CLASS = "25"
VALUE = "meters"
CLASS = "26"
CLASS = "26"
NUM_VAL =1
VALUE = "ReferencePixelNorthing"
CLASS = "26"
NUM_VAL =1
CLASS = "26"
VALUE = "1546267.50"
CLASS = "27"
CLASS = "27"
NUM_VAL =1
VALUE = "ReferencePixelEasting"
CLASS = "27"
NUM_VAL =1

CLASS = "27"
VALUE = "267216.00"
CLASS = "28"
CLASS = "28"
NUM_VAL =1
VALUE = "NorthingIncrement"
CLASS = "28"
NUM_VAL =1
CLASS = "28"
VALUE = "-28.5"
CLASS = "29"
CLASS = "29"
NUM_VAL =1
VALUE = "EastingIncrement"
CLASS = "29"
NUM_VAL =1

CLASS = "29"
VALUE = "28.5"
CLASS = "30"
CLASS = "30"
NUM_VAL =1
VALUE = "RawSceneProvider"
CLASS = "30"
NUM_VAL =1
CLASS = "30"
VALUE = "Not Available"
END_GROUP = ADDITIONALATTRIBUTES
END_GROUP = INVENTORYMETADATA
END

ANEXO IV. METADATO DE IMAGEN LANDSAT 06 DE MAYO DE 2002
GROUP = METADATA_FILE
PRODUCT_CREATION_TIME = 2002-12-20T20:31:30Z
PRODUCT_FILE_SIZE = 681.4
STATION_ID = "EDC"
GROUND_STATION = "PFS"
GROUP = ORTHO_PRODUCT_METADATA
SPACECRAFT_ID = "Landsat7"
SENSOR_ID = "ETM+"
ACQUISITION_DATE = 2002-05-06
WRS_PATH = 018
WRS_ROW = 051
SCENE_CENTER_LAT = +13.0263933
SCENE_CENTER_LON = -88.1131041
SCENE_UL_CORNER_LAT = +13.9636060
SCENE_UL_CORNER_LON = -88.7710710
SCENE_UR_CORNER_LAT = +13.7187828
SCENE_UR_CORNER_LON = -87.0959112
SCENE_LL_CORNER_LAT = +12.3301912
SCENE_LL_CORNER_LON = -89.1251271
SCENE_LR_CORNER_LAT = +12.0873169
SCENE_LR_CORNER_LON = -87.4595773
SCENE_UL_CORNER_MAPX = 308683.500
SCENE_UL_CORNER_MAPY = 1544415.000
SCENE_UR_CORNER_MAPX = 489630.000
SCENE_UR_CORNER_MAPY = 1516627.500
SCENE_LL_CORNER_MAPX = 268897.500
SCENE_LL_CORNER_MAPY = 1363981.500
SCENE_LR_CORNER_MAPX = 449986.500
SCENE_LR_CORNER_MAPY = 1336251.000
BAND1_FILE_NAME = "p018r051_7t20020506_z16_nn10.tif"
BAND61_FILE_NAME = "p018r051_7k20020506_z16_nn61.tif"
BAND62_FILE_NAME = "p018r051_7k20020506_z16_nn62.tif"
BAND8_FILE_NAME = "p018r051_7p20020506_z16_nn80.tif"
GROUP = PROJECTION_PARAMETERS
REFERENCE_DATUM = "WGS84"
REFERENCE_ELLIPSOID = "WGS84"
GRID_CELL_ORIGIN = "Center"

UL_GRID_LINE_NUMBER = 1
UL_GRID_SAMPLE_NUMBER = 1
GRID_INCREMENT_UNIT = "Meters"
GRID_CELL_SIZE_PAN = 14.250
GRID_CELL_SIZE_THM = 57.000
GRID_CELL_SIZE_REF = 28.500
FALSE_NORTHING = 0
ORIENTATION = "NUP"
RESAMPLING_OPTION = "NN"
MAP_PROJECTION = "UTM"
END_GROUP = PROJECTION_PARAMETERS
GROUP = UTM_PARAMETERS
ZONE_NUMBER = +16
END_GROUP = UTM_PARAMETERS
SUN_AZIMUTH = 78.7757475
SUN_ELEVATION = 63.6386760
QA_PERCENT_MISSING_DATA = 66
CLOUD_COVER = 60
PRODUCT_SAMPLES_PAN = 17754
PRODUCT_LINES_PAN = 15318
PRODUCT_SAMPLES_REF = 8877
PRODUCT_LINES_REF = 7659
PRODUCT_SAMPLES_THM = 4439
PRODUCT_LINES_THM = 3830
OUTPUT_FORMAT = "GEOTIFF"
END_GROUP = ORTHO_PRODUCT_METADATA
GROUP = L1G_PRODUCT_METADATA
BAND_COMBINATION = "123456678"
CPF_FILE_NAME = "L7CPF20020401_20020630_03"
GROUP = MIN_MAX_RADIANCE
LMAX_BAND1 = 191.600
LMIN_BAND1 = -6.200
LMIN_BAND2 = -6.400
LMIN_BAND3 = -5.000
LMIN_BAND4 = -5.100
LMAX_BAND5 = 31.060
LMIN_BAND5 = -1.000
LMIN_BAND61 = 0.000
LMIN_BAND62 = 3.200

LMAX_BAND7 = 10.800
LMIN_BAND7 = -0.350
LMIN_BAND8 = -4.700
END_GROUP = MIN_MAX_RADIANCE
GROUP = MIN_MAX_PIXEL_VALUE
QCALMAX_BAND1 = 255.0
QCALMIN_BAND1 = 1.0
QCALMIN_BAND2 = 1.0
QCALMIN_BAND3 = 1.0
QCALMIN_BAND4 = 1.0
QCALMIN_BAND5 = 1.0
QCALMIN_BAND61 = 1.0
QCALMIN_BAND62 = 1.0
QCALMIN_BAND7 = 1.0
QCALMIN_BAND8 = 1.0
END_GROUP = MIN_MAX_PIXEL_VALUE
GROUP = PRODUCT_PARAMETERS
CORRECTION_METHOD_GAIN_BAND1 = "CPF"
CORRECTION_METHOD_BIAS = "IC"
BAND1_GAIN = "H"
BAND2_GAIN = "H"
BAND3_GAIN = "H"
BAND4_GAIN = "L"
BAND5_GAIN = "H"
BAND6_GAIN1 = "L"
BAND6_GAIN2 = "H"
BAND7_GAIN = "H"

BAND8_GAIN = "L"
BAND1_GAIN_CHANGE = "0"
BAND6_GAIN_CHANGE1 = "0"
BAND6_GAIN_CHANGE2 = "0"
BAND1_SL_GAIN_CHANGE = "0"
BAND6_SL_GAIN_CHANGE1 = "0"
BAND6_SL_GAIN_CHANGE2 = "0"
END_GROUP = PRODUCT_PARAMETERS
GROUP = CORRECTIONS_APPLIED
STRIPING_BAND1 = "NONE"
BANDING = "N"
COHERENT_NOISE = "N"
MEMORY_EFFECT = "N"
SCAN_CORRELATED_SHIFT = "N"
INOPERABLE_DETECTORS = "N"
DROPPED_LINES = Y
END_GROUP = CORRECTIONS_APPLIED
END_GROUP = L1G_PRODUCT_METADATA
END_GROUP = METADATA_FILE
END

ANEXO V. ÍNDICE PATH ROW DE IMÁGENES LANDSAT
Figura V.I. Path 18 Row 51, imagen del Valle de Choluteca
Cuadro de Gain y Bias para las imágenes Landsat.

Anexo VI. VERIFICACIÓN DE CAMPO, VALLE DE CHOLUTECA
Figura A. VI.a. Fotografías de Puntos de Control para la clasificación por

cobertura y uso del suelo.
Lugar:
Choluteca, carretera San Lorenzo – Choluteca
Coordenadas:
0467442 E
1479757 N
Cobertura:
Bosque seco microlatifoliado, con árboles y arbustos de las familias

Leguminosas, Burseraceas y Asteraceas.

Figura A. VI.b. Fotografías de Puntos de Control para la clasificación por

cobertura y uso del suelo.
Lugar:
Río Grande o Nacaome, carretera departamento de Valle.
Coordenadas:
0449745 E
14796485 N
Cobertura:
Bosque de galería con especies arbóreas de Sauce (Salix spp.),

Palmas y Leguminosas.

Figura A. VI.c. Fotografía de Punto de Control para la clasificación por cobertura y uso
del suelo.
Lugar:
Cultivos departamento de Valle
Coordenadas:
0449727 E
1497102 N
Cobertura:
Cultivos de Melón, al margen del Río Grande o Nacaome.

Figura A. VI.b. Fotografía de Punto de Control para la clasificación por cobertura y uso
del suelo.
Lugar:
Pastos en la Carretera Nacaome – San Lorenzo, Valle
Coordenadas:
0452147 E
1491443 N
Cobertura:
Área de pastoreo, especies predominantes: gramíneas y arboles de

Leguminosas para sombra de ganado.

Figura A. VI.e. Fotografía de Punto de Control para la clasificación por cobertura y uso
del suelo
Lugar:
Coordenadas:
0452147 E
1491443 N
Cobertura:
Área de pastoreo, especies predominantes: gramíneas y arboles de

Leguminosas para sombra de ganado.

Figura A. VI.d. Fotografía de Punto de Control para la clasificación por cobertura y uso
del suelo.(Bosque II).
Lugar:
Coordenadas:
0467442 E
1479757 N
Cobertura:
Bosque seco microlatifoliado, donde predominan árboles y arbustos

de las familias Leguminosas de hojas delgadas, algunas especies
caducifolias y espinosas.

ANEXO VII. MAPA DE CLASIFICACIÓN POR COBERTURA Y USO DEL

SUELO Y DINÁMICA DE CAMBIO, IMÁGENES 1990 – 2002.
Figura A.VII. Clasificación por Cobertura y Uso del Suelo y sus Cambios

ANEXO VIII. MAPA DE ALTERACIONES HIDROTERMALES
Figura A.VIII.a. Alteración Hidrotermal por Cocientes Dirigidos

Figura A.VIII. Alteraciones Hidrotermales, Método Crosta de 6 y 4 Bandas.

ANEXO IX. FUTURA LÍNEA DE INVESTIGACIÓN
Posible Cráter en la imagen del a´rea de estudio del valle de Choluteca
Tipos de cráter: Simples y Complejos.

Ejemplo de MDT de Cráter de Península de Yucatán

06 Tesis Rafael Corrales 2010

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

06 Tesis Rafael Corrales 2010

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL AUTONOMA DE HONDURAS

FACULTAD DE CIENCIAS ESPACIALES

Maestría en Ordenamiento y Gestión del Territorio

CARACTERIZACIÓN DE ALTERACION HIDROTERMAL Y DINAMICA DE

RAFAEL ENRIQUE CORRALES ANDINO

Máster en Ordenamiento y Gestión del Territorio

Dr. JUAN GREGORIO REJAS AYUGA

Ciudad Universitaria, Tegucigalpa, M.D.C. Honduras, América Central

Universidad Nacional de Luján

Universidad de Alcalá de Henares

La Alteración Hidrotermal, es un cambio ambiental sobre las rocas, que provoca

Se realizó un estudio del suelo con tecnología de Percepción Remota o

Marco Metodológico, los materiales que se utilizaron fueron: Imágenes TM (año

Palabra Clave: Alteraciones, Hidrotermal, Cambios, Suelos, Choluteca.

Rafael E. Corrales, 2010 i

A los Directores de la Maestría en Ordenamiento y Gestión del Territorio, Dr.

A la Coordinadora de la Maestría MsC. Vilma Lorena Ochoa López, por su

A mis compañeros y amigos que de una u otra manera contribuyeron en la

Rafael E. Corrales, 2010 ii

Este trabajo está dedicado a mi Querida Abuela;

Doña Laura Estela Rodríguez viuda de Vijil, su templanza es ejemplo en mi

El hombre nada puede aprender sino en virtud de lo que sabe.

Rafael E. Corrales, 2010 iii

II. IDENTIFICACIÓN DEL PROBLEMA…………………………...............................02

III. MARCO TEORICO Y CONTEXTUAL……………………………………………….03

III.1. MARCO TEÓRICO…………………………………………….........................03

III.2. MARCO CONTEXTUAL…………………………………................................11

III.2.1. Ubicación Geográfica…………………….…………………………..11

V.I. MATERIALES Y EQUIPO…………………………….………………………….17

V.II.1. Pre Procesamiento de imágenes Satelitales………………………………..17

V.II.1.1. Layer Stake…………………………………………………………..18

V.II.1.3. Corrección Radiométrica de Imágenes…...................................23

V.II.2. Clasificación por Cobertura y Uso del Suelo…..……………………………26

V.II.2.1. Método ISODATA…………………………………………………...26

V.II.3. Dinámica de Cambios en el Suelo…………………...................................27

V.II.3.1. Operación Matrix…………………………….................................27

V.II.4. Caracterización de Alteraciones Hidrotermales del Suelo………………..29

Rafael E. Corrales, 2010 iv

V.II.4.1. Análisis de Componentes Principales

V.II.4.1.a. Método Crosta 6 bandas TM…………………………………….32

V.II.4.1.b. Método Crosta 4 bandas TM

para Óxidos de Hierro………………….……………………………………..33

V.II.4.1.c. Método Crosta 4 bandas

V.II.4.1.d. Índice de relación mineral

con ERDAS (Minerales Arcillosos,

Minerales Ferrosos y Óxidos de Hierro)……………………………………34

V.II.4.1.e. Transformación IHS – RGB……………………………………...34

V.II.4.1.f. Índice de Alteración Hidrotermal con ERDAS…………………..35

V.II.4.1.g. Índice de Óxidos de Hierro con ERDAS………………………..35

V.II.4.1.h. Índice de Mineral Arcilloso con ERDAS………………………...35

V.II.5. Integración de los datos al Sistema de

Información Geográfica (SIG)………………………………………………………..36

VI.I. Clasificación por Cobertura y Uso del Suelo………………………………….38

VI.II. Dinámica de Cambios…………………………………...................................48

VI.III. Alteración Hidrotermal……………………………........................................50

VI.IV. Sistema de Información Geográfica (SIG)……..........................................60

Rafael E. Corrales, 2010 v

ANEXO I. SISTEMA DE TELEDETECCIÓN ESPACIAL.....................................74

ANEXO II. SISTEMA DE INFORMACIÓN GEOGRÁFICA……………….............75

ANEXO III. METADATOS IMAGEN LANDSAT DE 06

ANEXO IV. METADATO DE IMAGEN LANDSAT 06

ANEXO V. ÍNDICE PATH ROW DE IMÁGENESLANDSAT…………………….102

ANEXO VI. VERIFICACIÓN DE CAMPO, VALLE DE CHOLUTECA…………..103

ANEXO VII. MAPA DE CLASIFICACIÓN POR COBERTURA