INFORME FINAL

ANALISIS DE COBERTURAS E ÍNDICES ESPECTRALES

PRESENTA:

JOSE ANTONIO SIERRA MACEA

TELEDETECCIÓN GEOGRAFICA

DOCENTE: JUAN CAMILO OSPINO CONTRERAS

UNIVERSIDAD DE CÓRDOBA

FACULTAD DE CIENCIAS BASICAS

DEPARTAMENTO DE GEOGRAFIA Y MEDIO AMBIENTE

2023
 Página |2

Resumen

Para realizar un análisis de coberturas e índices espectrales, se utilizan una serie de índices del

espectro, que son fórmulas matemáticas que combinan las bandas espectrales de una imagen

satelital. Los índices espectrales se utilizan para cuantificar propiedades de la vegetación, como

el vigor vegetal, el contenido de clorofila, el estado hídrico, etc. De tal manera, en este presente

informe se realizarán procesos para hallar la variabilidad de un área de estudio en cuanto a su

índice de NDVI y NDWI, al igual que un análisis de su respectiva clasificación supervisada

estimados a partir de imágenes aéreas, en donde se analizarán el por qué sucede este

comportamiento dando resultados debido a la cantidad de radiación electromagnética que es

reflejada o absorbida por la superficie. Resaltando que existen diferentes coberturas del suelo que

tienen distintas propiedades espectrales, por lo que se pueden distinguir entre sí mediante el

análisis de su respuesta espectral.

Palabras Clave: Percepción Remota, Imágenes Landsat, Clasificación, supervisada, Análisis.

 Página |3

Abstract

To carry out an analysis of coverage and spectral indices, a series of spectrum indices are

used, which are mathematical formulas that combine the spectral bands of a satellite image.

Spectral indices are used to quantify vegetation properties, such as plant vigor, chlorophyll

content, water status, etc. Thus, in this report processes will be carried out to find the variability

of a study area in terms of its NDVI and NDWI index, estimated from aerial images and analyze

why this behavior happens, giving results due to the amount of electromagnetic radiation. that is

reflected or absorbed by the surface. Highlighting that there are different land covers that have

different spectral properties, so they can be distinguished from each other by analyzing their

spectral response.

Keywords: Remote Sensing, Landsat Images, Classification, Supervised, Analysis.

 Página |4

Tabla de Contenidos

Capítulo 1.........................................................................................................................................5
Introducción.................................................................................................................................5
Objetivos......................................................................................................................................6
Objetivo General........................................................................................................................6
Objetivos específicos...................................................................................................................6
Justificación.................................................................................................................................7
Capitulo 2........................................................................................................................................8
Áreas de estudios.........................................................................................................................8
Generalidades del área de estudio..............................................................................................10
Información general del insumo remoto asignado.....................................................................11
Metodología...............................................................................................................................12
Capitulo 3.......................................................................................................................................17
Resultados y análisis..................................................................................................................17
Firmas espectrales......................................................................................................................26
Conclusión.................................................................................................................................28
Lista de referencias bibliograficas.............................................................................................30
 5

Capítulo 1

Introducción

El uso de sensores remotos en plataformas espaciales ha aumentado

significativamente en las últimas décadas, en gran parte debido a la disponibilidad de

software de procesamiento de imágenes satelitales de bajo costo o gratuito. Sin embargo,

aún existe el desafío de desarrollar aplicaciones que se basen en fundamentos teóricos y

empíricos sólidos para mejorar la estimación de variables biofísicas de manera sólida y

confiable. Gracias a lo anteriormente mencionado se es capaz de captar las diferentes

coberturas e índices espectrales que existen en la superficie terrestre, lo que ha

conllevado al ser humano obtener imágenes satelitales debido al uso de los datos

provenientes de sensores remotos que explican, en buena parte, los patrones espectrales

de la reluctancia del follaje de la vegetación, la cual obedece a principios biofísicos y

bioquímicos.

Según Esperanza, “los índices de vegetación, son transformaciones que implican

efectuar una combinación matemática entre los niveles digitales almacenados en dos o

más bandas espectrales de la misma imagen, permitiendo estimar la cantidad, calidad y

desarrollo del cultivo” (Esperanza F, 2002)

Por ende, para el procesamiento de la imagen satelital suministrada en este caso por

el sensor Lansadt 8, se utilizará el programa QGis, versión 3.32.3 que, si bien no es la

versión más reciente, pero sí es la versión más estable actualmente, el cual ofrece

diferentes herramientas que permiten el pre-procesamiento y procesamiento de imágenes

 6

para poder aprovechar y decodificar la información contenida y simplificarla de forma

legible para todas las personas, a través de mapas.

Objetivos

Objetivo General

 Analizar los resultados obtenidos en el procesamiento digital de imágenes

satelitales elaborados para las coberturas e índices de NDVI y NDWI en el

área de estudio.

Objetivos específicos

 Aplicar los conceptos fundamentales y técnicas para el procesamiento

digital de imágenes satelitales suministrados.

 Cartografiar las coberturas e índices espectrales del área de estudio.

 7

Justificación

El análisis de coberturas e índices espectrales es una técnica la cual se utiliza en una

amplia gama de aplicaciones. La implementación de este análisis de coberturas e índices

espectrales se utiliza para monitorear la dinámica de la cobertura vegetal, como la

deforestación, la reforestación, los cambios en el uso del suelo, etc. Esto es importante

para la gestión de los recursos naturales y la conservación del medio ambiente debido a

que hay diferentes coberturas del suelo que tienen distintas propiedades espectrales, por

lo que se pueden distinguir entre sí mediante el análisis de su respuesta espectral. Esto es

importante para una variedad de aplicaciones, como el monitoreo de la cobertura vegetal,

la gestión de recursos naturales y el análisis ambiental. Es de resaltar lo que planeó

González “el NDVI se utiliza en todo el mundo para hacer un seguimiento de las sequías,

supervisar y predecir la producción agrícola, ayudar en la predicción de las zonas con

riesgo de incendio y cartografiar la desertización. El NDVI es muy utilizado en el

seguimiento de la vegetación global porque ayuda a compensar los cambios en las

condiciones de iluminación, la pendiente de la superficie, la orientación y otros factores

extraños” (González et al. 2016).

Dado esto se justifica que la realización de este informe es para analizar la cubertura

terrestre y los índices espectrales en donde se dará una serie de resultados lo cual

permitirá identificar la presencia de vegetación verde en la superficie, presencia de

humedad en area de estudio y caracterizar su distribución espacial.

 8

Capitulo 2

Áreas de estudios

Figura 1. Mapa de localización del área de estudio para los índices de NDVI y NDWI. Elaboración

propia
 9

Figura 2. Mapa de localización del área de estudio para la clasificación supervisada.

 10

Generalidades del área de estudio.

El presente informe toma zonas de estudio, las cuales analizaran el índice de NDVI

(Índice de Vegetación de Diferencia Normalizada), NDWI (Detección de áreas húmedas)

y el análisis por medio de la clasificación supervisada.

El área de estudio está ubicada en la parte céntrica del Departamento del Meta e

incluyendo la parte norte del Departamento del Guaviare, el cual está situado en la parte

central del país, en la región de la Orinoquia, localizado entre los 04º54’25’’ y los

01º36’52’’ de latitud norte, y los 71º4’38’’ y 74º53’57’’ de longitud oeste. Limita por el

Norte con el departamento de Cundinamarca y los ríos Upía y Meta que lo separan del

departamento del Casanare; por el Este con Vichada, por el Sur con el departamento

del Caquetá y el río Guaviare que lo separa del departamento de Guaviare; y por el Oeste

con los departamentos de Huila y Cundinamarca. Y para la clasificacion supervisada se

toma como area de estudio los municipios, San Juan de Arama, Fuente de Oro, Puerto

Lleras, Puerto Concordia, Puerto Rico, Villa hermosa que están ubicados en el

departamento del Meta y parte oeste del municipio de San Jose del Guaviare, ubicado en

departamento del Guaviare.

 11

Información general del insumo remoto asignado

Información general del insumo remoto asignado.

NOMBRE LC09_L2SP_007058_20230127_20230312_02_T1
SATELITE Landsat 8
FECHA 2023/01/27
TAMAÑO TOTAL 685.21 MB
TIPO DE DATOS Float32 - Número de coma flotante de 32 bits
DIMENSIONES Y BANDAS X: 5799 Y: 6224 Bandas: 8
TAMAÑO DE PIXEL 30,-30
SISTEMA DE REFERENCIA
EPSG:32618 - WGS 84 / UTM zone 18N
DE COORDENADAS
METODO Universal Transverse Mercator (UTM)

Tabla 1: Información general del insumo remoto asignado. Elaboración propia basada en la información
general del insumo remoto asignado.

BANDAS
Número Banda Sin datos Mínima Máxima
1 Banda 1 -3.40282e+38 0.0000000000 0.2335307300
2 Banda 2 -3.40282e+38 0.0000000000 0.2366327494
3 Banda 3 -3.40282e+38 0.0056194561 0.2514253259
4 Banda 4 -3.40282e+38 0.0070300978 0.2885517180
5 Banda 5 -3.40282e+38 0.0000000000 0.5293915868
6 Banda 6 -3.40282e+38 0.0040603410 1.0000000000
7 Banda 7 -3.40282e+38 0.0073765675 1.0000000000
8 Banda 8 -32768 67.9743347168 95.9524536133

Tabla 2: Información general de las bandas espectrales. Elaboración propia basada en la información
general del insumo remoto asignado.
 12

Metodología

Con el fin de ejecutar los objetivos específicos planteamos en este informe, se

aplican las técnicas necesarias e implementación de las herramientas de procesamiento

digital de imágenes satelitales elaborados para las coberturas e índices de NDVI y AH y

la clasificación supervisada de este en el área de estudio. Por ende, como se muestra en la

figura 3 la cual plantea de forma gráfica la metodología plasmada en este presente.

Figura 3: Modelo conceptual de la metodología utilizada. Elaboración propia.

 13

Aplicando todo el modelo metodológico que se ejerció en este informe, se da la

importancia de una buena metodología, debido a que permite obtener resultados que sean

válidos y confiables, es decir, que sean precisos y consistentes.

De tal forma se tomaron evidencia del proceso aplicado.

Figura 4. Area de Figura 5. Area de

estudio sin correccion estudio con correccion
atmosferica. atmosferica.

Figura 6. Recorte del Figura 7. Juego de

poligono asignado. bandas aplicado.
Combinación (4-3-2)
 14

Figura 8. Indice NDVI calculado.

Figura 9. Indice NDWI calculado.

 15

Figura 10. Recorte del area de estudio para la

clasificación supervisada estudio en juego de
banda color natural (4-3-2)

Figura 11. Recorte del area de estudio en juego Figura 12. Recorte del area de estudio en juego
de banda inflarrojo (5-4-3) de banda para areas urbanas (7-6-4)
 16

Figura 13. Areas de entrenamientos tomadas Figura 14. Evidencia de la clasificacion

para la clasificacion supervisada. supervisada.

Figura 15. Evidencia de conversion de raster a

vector.
 17

Capitulo 3

Resultados y análisis

Al haber realizado todos los parámetros y aplicado las herramientas para el proceso

de imágenes satelitales, las cuales fueron aplicadas para obtener los índices de NDVI y

NDWI y la clasificación supervisada, se dan a conocer los siguientes resultados.

Figura 16. Mapa del indice NDVI aplicado en el area de estudio. Elaboración propia
 18

El NDVI (Vegetación de la Diferencia Normalizada) es un indicador que señala el

verdor, densidad y salud de la vegetación en cada píxel de una imagen de satélite.

Así, este índice es adecuado para estimar vigor durante todo el ciclo del cultivo

basado en cómo las plantas reflejan ciertos rangos del espectro electromagnético. Permite

conocer su estado actual, que luego podrá compararse con otra imagen temporal para

observar su evolución en el tiempo, pero en este caso solo se calculó ese indice para

analizar la diferencia de la vegetacion de la cobertura que se procesó. Como se puede

evidenciar en la (figura 16).

Al conocer cómo funciona NDVI, entenderemos cómo permite determinar qué tan

saludable o insalubre es una planta. Este índice se basa en cómo refleja la energía y la

luz. Usa las bandas infrarrojas cercana y roja del espectro electromagnético para estimar

un indicador adimensional entre -1 y 1. De tal manera como se muestra en la (figura 8) se

realizo un calculo para llegar a este resultado, el cual se utiliza la siguiente formula;

NDVI = (NIR – red) / (NIR + red) donde NIR es la luz infrarroja cercana y red es la luz

roja visible.

En donde para entender estos resultados se tiene en cuenta lo siguiente; en los

valores cercanos a 1, se entiende que cuanto más intenso es el verde, más vigorosidad

existe en la vegetación y la cubierta vegetal. En cuanto a los valores cercanos a 0,

corresponden a zonas con muy poca vegetación, primeras fases del cultivo, suelos

desnudos o zonas no productivas y en los valores negativos suele estar asociado a zonas

de agua, nieve o nubes. Como se muestra en la (figura 17).

 19

Figura 17. Tomada de Toribio, G. (2019, octubre 25).

Por ende al analizar el area de estudio se puede observar que en la parte norte del

municipio de Vista Hermosa y parte sur oeste del municipio de Puerto Rico, predomina

una alta vegetacion debido a que es una zona montañosa, con altos patrones de drenaje, la

cual a medida que aumenta la altitud, la temperatura disminuye. Esto crea condiciones

más frías y húmedas, que son favorables para el crecimiento de la vegetación. En esta

zona montañosa suelen recibir más precipitación que las tierras bajas. Esto se debe a que

las nubes se acumulan en las montañas y liberan su humedad en forma de lluvia o nieve y

en cuanto al suelos las montañas suelen ser ricos en nutrientes y materia orgánica. Esto se

debe a que la descomposición de la materia vegetal y animal es más lenta en las

montañas, lo que permite que los nutrientes se acumulen en el suelo.

Caso contrario en los municipios Puerto Concordia y Puerto Lleras, que predomina

una vegetacion mediana mente sana, debido a la zonas de agricultura, zona de

construccion y suelos desnudos.

 20

Figura 18. Mapa del indice NDWI aplicado en el area de estudio. Elaboración propia

En este caso, en el indice NDWI (deteccion de areas humedas) podremos advertir las

potenciales zonas húmedas para implimentar reclasificaciones y delimitar entornos

húmedos. Pero no sólo las evidentes masas de agua. Zonas húmedas como turberas o

ecosistemas acuáticos difíciles de ser percibidos por fotointerpretación habitual serán

 21

visualizados de manera rápida. Para poder identificar estas potenciales zonas húmedas

deberemos contar con las pertinentes bandas multiespectrales y tener constancia de las

bandas a utilizar en cada análisis. Se calcula con la banda NIR y la banda verde. En este

caso se utiliza la siguiente formula; NDWI = (Green - NIR) / (Green + NIR) donde NIR

es la luz infrarroja cercana y Green es la banda verde. De tal manera como se muestra en

la (figura 9).
 22

Figura 19. Mapa de la clasificacion supervisada aplicado en el area de studio en formato vector.
Elaboración propia
 23

Las coberturas identificadas en el área de estudio se distribuyen de tal forma que la

cubierta de vegetación es la que ocupa mayor superficie, ocupando el 44,2% de la zona y

se encuentra distribuida con mayor concentración hacia el occidente, centro y sur de la

región conformada por los municipios, San Juan de Arama, Fuente de Oro, Puerto Lleras,

Puerto Concordia, Puerto Rico, Villa hermosa que están ubicados en el departamento del

Meta y parte oeste del municipio de San Jose del Guaviare, ubicado en departamento del

Guaviare. También se tiene que la segunda cobertura identificada con mayor área en la

zona es la de mosaico de cultivos, ya que cuenta con el 40,2% y se encuentra dispuesto

de manera más aleatoria.

En menor cantidad hay presencia de los suelos descubiertos con un porcentaje de

ocupación del 13% en la zona de estudio y que puede deberse a zonas que actualmente

están en una transición de cambios de cultivos o como también algunas zonas en la que se

produjo movimientos en masa. Esta cobertura se localiza principalmente en el sector

norte de la zona, extendiendo en sentido sur oriental desde el municipio San Juan de

Arama hasta el municipio Puerto Concordia. Como se puede ver en la (Figura 18).

Finalmente, las coberturas de construcciones y superficies de agua son las que menor

presencia tienen en el territorio debido a que ocupan un 1,5% y 1% en ese mismo orden.

Las construcciones, al igual que los suelos descubiertos, se distribuyen hacia la zona

norte y oriental de la zona, siguiendo el margen derecho del río en su mayoría. Por otro

lado, las superficies de agua su pueden apreciar en los sectores donde la cobertura de

vegetación sigue patrones de bosques de galería, conformando una red hídrica que nace

hacia el sector norte y se extiende hacia oriente del área.

 24

Cabe resaltar que la cobertura de construcciones no es 100% confiable debido a que,

al momento de aplicar la clasificación supervisada, esta tomaba algunos pixeles en zonas

de suelos descubiertos.

Dado esto se obtuvieron gráficas para mostrar de manera más fácil el cálculo de

áreas de esta cobertura en la unidad de hectáreas. Como se puede evidenciar en la (figura

20)

Figura 20. Grafico de barras para el calculo de area de la cobertura. Elaboración propia.
 25

Figura 21. Grafico de torta para el calculo en porcentajes del area de la cobertura. Elaboración propia.
 26

Firmas espectrales

Figura 22. Firma espectral de vegetación . Elaboración propia.

Figura 23. Firma espectral de mosaico de cultivos . Elaboración propia.

Figura 24. Firma espectral de superficie de agua . Elaboración propia.

 27

Figura 25. Firma espectral de superficie de construcción . Elaboración propia.

Figura 26. Firma espectral de nubes . Elaboración propia.

Figura 27. Firma espectral de suelos descubiertos . Elaboración propia.

 28

“Las firmas espectrales o signaturas espectrales, muestran el perfil específico de

radiancia emitida por diferentes elementos situados en la superficie de la tierra. Cada

objeto presenta un nivel de respuesta en función de: % radiación reflejada + % de

absorbida + % de transmitida.” RemOT Technologies. (2021).

Como se puede mostrar en la (figura 2) El comportamiento de la vegetación enferma

es ligeramente diferente. Esto muestra una menor absorción en la banda verde,

aumentando la reflexión en los canales rojo y azul. Esto reduce la reflectividad debido al

debilitamiento de la estructura celular de las hojas. Esto también afecta a la reducción de

las bandas del infrarrojo medio. En cuanto al agua, tiene una firma inversa a la superficie

de la Tierra, porque la mayor reflectividad del agua se encuentra en las bandas visibles,

especialmente en la banda azul (banda 2), disminuyendo hacia el infrarrojo cercano.

 29

Conclusión

El análisis de coberturas e índices espectrales es una herramienta importante para la

caracterización de la superficie terrestre. Los índices espectrales se utilizan para

cuantificar la reflectividad de la superficie en diferentes bandas del espectro

electromagnético. Esta información se puede utilizar para identificar diferentes coberturas

terrestres, estimar variables biofísicas de la vegetación, y monitorear los cambios en la

cobertura terrestre.

En conclusión, el análisis de coberturas e índices espectrales es una herramienta

valiosa para la caracterización de la superficie terrestre. Esta herramienta puede utilizarse

para identificar diferentes coberturas terrestres, evaluar la salud de la vegetación, y

monitorear los cambios en la cobertura terrestre.

 30

Lista de referencias bibliograficas.

Esperanza, F., & Zerda, H. (2002). Potencialidad de los índices de vegetación Para la

discriminación de coberturas forestales. Universidad Nacional de Santiago del

Estero, Facultad de Ciencias Forestales, Santiago del Estero.

González, A; Amarillo, G; Amarillo, M; Sarmiento, F. 2016. Drones Aplicados a la

Agricultura de Precisión (en línea). Publicaciones e Investigación 10:23-37.

DOI: https://doi.org/10.22490/25394088.1585.

Toribio, G. (2019, octubre 25). NDVI, ¿qué es y para qué sirve? Cursos de

Teledetección, Drones y LIDAR - Formación presencial y online en Drones,

teledetección y LIDAR. https://www.cursosteledeteccion.com/ndvi-que-es-y-para-

que-sirve/

Belmonte, S., & Núñez, V. (2006). Desarrollo de modelos hidrológicos con herramientas

SIG.

RemOT Technologies. (2021, octubre 25). ¿Qué son las firmas espectrales? Geoinnova;

Asociación Geoinnova. https://geoinnova.org/blog-territorio/firmas-espectrales/