UNIVERSIDAD CATLICA DE TEMUCO FACULTAD DE CIENCIAS AGROPECUARIAS Y FORESTALES DEPARTAMENTO DE CIENCIAS FORESTALES

Evaluacin de metodologas de deteccin de cambios del uso del suelo a travs del anlisis digital multitemporal de imgenes satelitales Landsat TM en la IX Regin, Chile.

Tesis presentada como parte de los requisitos para optar al ttulo de: INGENIERO FORESTAL

PROFESOR PATROCINANTE: Sr. Celso Navarro C.

JUAN EDGARDO MEDINA MENA

TEMUCO CHILE

2001

A mis Padres A mi Esposa e Hija A toda mi Familia

AGRADECIMIENTOS

A mis Padres, Bitalia y Juan, por su apoyo durante mis aos de estudio, por el esfuerzo y dedicacin que siempre expresaron, les estar por siempre agradecido.

A Claudia mi Esposa, por su constante aliento, sacrificio y apoyo. Hoy que recibimos la enorme alegra de nuestra hija Javierita, vemos como se va cumpliendo nuestro proyecto de vida que tanto soamos.

A las Familias Alvarez Flores y Pea Recabarren, por todo el cario y sincera amistad.

A los Profesores Patricio Acevedo y Andrs Duarte, por su valiosa ayuda en el desarrollo de mi tesis.

A los Profesores Celso Navarro, Rodrigo Valencia, Marcelo Hernndez y Marcos Corts por todo su apoyo y confianza durante mi trabajo de tesis y en mis aos de estudio en la carrera de Ingeniera Forestal.

INDICE DE MATERIAS

CAPITULO

Pgina

1 2 2.1 2.2 2.3 2.4 2.5 2.6 2.7

INTRODUCCIN....................................................................................... 1 ANTECEDENTES BIBLIOGRFICOS..................................................... 4 Principios y Fundamentos de Teledeteccin............................................ 4 Espectro Electromagntico........................................................................ 5 Aplicaciones de la imagen satelital............................................................ 7 Beneficios de la utilizacin de observaciones remotas............................. 9 Requerimientos de informacin de Recursos Naturales........................... 10 Programa Landsat..................................................................................... 11 Tratamiento Digital de Imgenes Satelitales Multitemporales................... 13 2.7.1 Correccin Geomtrica..................................................................... 14 2.7.1.1 Rectificacin imagen a imagen............................................. 14 2.7.1.2 Rectificacin imagen a mapa............................................... 15 2.7.2 Calibracin Radiomtrica................................................................. 15 2.7.2.1 Calibracin absoluta............................................................. 16 2.7.2.2 Calibracin relativa............................................................... 17 2.7.3 Mejoramiento Espectral.................................................................... 18 2.7.3.1 Anlisis de Componentes Principales. ACP......................... 18 2.7.3.2 ndice de Vegetacin. NDVI................................................. 20 2.7.4 Clasificacin Digital.......................................................................... 22 2.7.4.1 Fase de entrenamiento. Mtodo Supervisado..................... 22 2.7.4.2 Fase de asignacin. Clasificador de Mxima Probabilidad. 23

2.8

Deteccin del Cambio............................................................................... 23 2.8.1 Tcnicas de Deteccin de Cambios. ............................................... 24 2.8.1.1 Tcnicas de Post-clasificacin............................................ 24

2.8.1.2 Imagen de Diferencia......................................................... 25 2.9 3 3.1 Experiencias de Estudios de Deteccin de Cambios................................ 26 MATERIAL Y MTODO............................................................................ 30 Material...................................................................................................... 30 3.1.1 rea de estudio................................................................................ 31 3.2 Mtodo....................................................................................................... 34 3.2.1 Definicin del cambio de uso del suelo............................................ 35 3.2.1.1 Magnitud del cambio............................................................ 35 3.2.1.2 Direccin del cambio............................................................ 35 3.2.2 Correccin Geomtrica .................................................................... 36 3.2.3 Calibracin Radiomtrica................................................................. 36 3.2.4 Mejoramientos espectrales............................................................... 37 3.2.4.1 Imagen sin Mejoramiento Espectral..................................... 37 3.2.4.2 ndice de vegetacin. NDVI.................................................. 37 3.2.4.3 Anlisis de Principales Componentes. ACP......................... 38 3.2.5 Mtodos de deteccin de cambios. ................................................. 38 3.2.5.1 Comparacin por Post-Clasificacin.................................... 38 3.2.5.1.1 Post-clasificacin Sin Mejoramiento Espectral...... 39 3.2.5.1.2 Post-clasificacin con NDVI.................................. 39 3.2.5.1.3 Post-clasificacin con ACP.................................... 40 3.2.5.2 Imagen de diferencias.......................................................... 40 3.2.5.3 Anlisis de Componentes Principales Multitemporales........ 42 3.2.6 Mtodo de Verificacin de Resultados............................................. 43 4 4.1 4.2 4.3 DISCUSIN DE RESULTADOS............................................................... 44 Correccin Geomtrica ............................................................................. 44 Calibracin Radiomtrica.......................................................................... 45 Mejoramiento Espectral............................................................................. 46 4.3.1 ndice de Vegetacin (NDVI) ........................................................... 46

4.3.2 Anlisis de Principales Componentes (ACP)................................... 48 4.4 Deteccin del Cambio............................................................................... 49 4.4.1 Post-clasificacin.............................................................................. 49 4.4.2 Imagen de Diferencia del NDVI........................................................ 49 4.4.3 Anlisis de Componentes Principales Multitemporales.................... 52 4.5 4.6 5 6 Verificacin de Resultados........................................................................ 55 Seleccin del mejor mtodo de deteccin de cambios.............................. 59 CONCLUSIONES...................................................................................... 64 RESUMEN................................................................................................. 66 SUMMARY................................................................................................ 67 7 8 BIBLIOGRAFA......................................................................................... 68 ANEXO...................................................................................................... 72

INDICE DE CUADROS

CUADRO

Pgina

En el texto

1 2 3 4 5

Caractersticas de las plataformas satelitales Landsat............................. 12 Rango espectral del sensor Thematic Mapper (TM)................................. 30 Superficie del rea de estudio por categora de Uso del Suelo................ 32 Parmetros de Georreferenciacin de las imgenes de 1987 y 1998...... 44 Parmetros de la calibracin relativa aplicada a las imgenes multitemporales.......................................................................................... 45

Identificacin de las categoras de cambio observadas en las fotografas areas de 1987 y 1994 utilizadas como informacin testigo... 55

Intensidad de muestreo segn porcentaje de superficie, por categora de cambio de uso del suelo....................................................................... 56

Nmero de muestras testigo por categora de cambio de uso del suelo observadas en las fotografas areas de 1987 y 1994 utilizadas como informacin testigo. .................................................................................. 57

Exactitud global e ndice KAPPA de la Matriz de Error de Deteccin de Cambio para las cinco metodologas de deteccin de cambios analizadas en este estudio........................................................................ 59

10

Exactitud global e ndice KAPPA de la Matriz de Error de Cambio y Sin Cambio para las cinco metodologas de deteccin de cambios analizadas en este estudio........................................................................ 60

11

Superficies por categora de cambio de uso del suelo segn Imagen de Diferencias del NDVI................................................................................. 62

En el anexo

1A 2A 3A 4A 5A

Matriz de error de deteccin de cambios.................................................. 76 Matriz de error de cambio y sin cambio..................................................... 77 Matriz de correlacin para las bandas de la escena de 1987................... 78 Matriz de correlacin para las bandas de la escena de 1998................... 78 Porcentaje de varianza, valores y vectores propios del ACP estandarizados de la escena de 1987....................................................... 79

6A

Porcentaje de varianza, valores y vectores propios del ACP estandarizados de la escena de 1998....................................................... 79

7A 8A 9A

Cargas factoriales del ACP de la escena de 1987.................................... 80 Cargas factoriales del ACP de la escena de 1998.................................... 80 Matriz de correlacin multitemporal de las escenas de 1987 y 1998........ 81

10A Porcentaje de varianza, valores y vectores propios del ACP Multitemporal de las escenas de 1987 y 1998.......................................... 82 11A Cargas factoriales del ACP Multitemporal, de las escenas de 1987 y 1998........................................................................................................... 83 12A Matriz de error de deteccin de cambio para Post-clasificacin sin Mejoramiento Espectral............................................................................. 84 13A Matriz de error de cambio y sin cambio para Post-clasificacin sin Mejoramiento Espectral............................................................................. 85 14A Matriz de error de deteccin de cambio para Post-clasificacin del NDVI.......................................................................................................... 86 15A Matriz de error de cambio y sin cambio para Post-clasificacin del NDVI.......................................................................................................... 87 16A Matriz de error de deteccin de cambio para Post-clasificacin con ACP............ .............................................................................................. 88 17A Matriz de error de cambio y sin cambio para Post-clasificacin con ACP............ .............................................................................................. 89

18A Matriz de error de deteccin de cambio para Imagen de diferencia del NDVI.......................................................................................................... 90 19A Matriz de error de cambio y sin cambio para Imagen de diferencia del NDVI.......................................................................................................... 91 20A Matriz de error de deteccin de cambio del ACP Multitemporal............... 92 21A Matriz de error de cambio y sin cambio del ACP Multitemporal................ 93

INDICE DE FIGURAS

FIGURA

Pgina

En el texto

1 2 3 4 5 6 7 8 9 10 11 12 13 14

Imagen Landsat TM. Bandas 1, 2 y 3 del 15 de enero de 1987................ 33 Imagen Landsat TM. Bandas 1, 2 y 3 del 14 de febrero de 1998............. 33 Metodologa general del estudio. ............................................................. 34 Metodologa de Post-Clasificacin sin mejoramiento espectral................ 39 Metodologa de Post-Clasificacin con NDVI............................................ 39 Metodologa de Post-Clasificacin con ACP............................................. 40 Metodologa para la Imagen de diferencia del NDVI................................. 41 Metodologa del Anlisis de Componentes Principales Multitemporales.. 42 ndice de vegetacin, NDVI de 1987......................................................... 47 ndice de vegetacin, NDVI de 1998......................................................... 47 Primer componente principal de la escena de 1987................................. 48 Primer componente principal de la escena de 1998................................. 48 Imagen de diferencia del NDVI de 1987 y 1998........................................ 50 Mscara binaria de cambio generada desde la Imagen de diferencia del NDVI de 1987 y 1998................................................................................ 51

15

Segundo componente principal multitemporal generado a partir de las escenas de 1987 y 1998. ......................................................................... 52

16

Mscara binaria de cambio creada desde el segundo componente principal multitemporal de las escenas de 1987 y 1998. .......................... 53

En el anexo

1A 2A

Espectro electromagntico........................................................................ 73 Rotacin del sistema de coordenadas en un Anlisis de Componentes Principales................................................................................................. 73

3A 4A 5A

Contraste espectral de la vegetacin en las bandas roja e infrarroja........ 74 Tcnica de Deteccin de Cambios con Post-clasificacin........................ 74 Tcnica de Deteccin de Cambios con Imagen de Diferencia.................. 75

INDICE DE ANEXOS

ANEXO

Pgina

1 2

Mapa de ubicacin de la zona de estudio................................................. 94 Mapa del Cambio del Uso del Suelo segn Post_clasificacin sin Mejoramiento espectral............................................................................. 95

3 4 5 6

Mapa del Cambio del Uso del Suelo segn Post_clasificacin del NDVI. 96 Mapa del Cambio del Uso del Suelo segn Post_clasificacin del ACP... 97 Mapa del Cambio del Uso del Suelo segn Imagen de Diferencia........... 98 Mapa del Cambio del Uso del Suelo segn ACP Multitemporal............... 99

1.- INTRODUCCIN

La adecuada toma de decisiones en el manejo de los recursos forestales necesita de herramientas que permitan conocer los continuos cambios de este recurso a travs del tiempo. Es as como los sensores remotos, en especial la fotografa area en el caso de Chile, se han convertido en una herramienta eficaz de apoyo a la toma de decisiones en el mbito forestal, y en este sentido la imagen satelital se convierte en una alternativa de entrega informacin que debe ser evaluada en trminos de su aplicabilidad considerando la necesidad de contar con antecedentes tcnicos confiables y la actualizacin peridica de ellos.

El uso de los datos satelitales en Chile se ha limitado bsicamente a estudios atmosfricos, mineros, pesca y agricultura, siendo escasa su aplicacin en el mbito forestal. Sin embargo, actualmente est siendo utilizada como herramienta de actualizacin del Catastro y Evaluacin de los Recursos Vegetacionales Nativos de Chile, como parte del proyecto Establecimiento de un sistema de seguimiento y monitoreo del estado de conservacin de las formaciones vegetales naturales.

Los datos proporcionados por el Catastro y Evolucin de los Recursos Vegetacionales Nativos de Chile, no permiten determinar fielmente cul es la situacin del recurso forestal, ya que los datos del Catastro representan una fotografa que determina el estado actual del recurso vegetacional del pas, que entrega una visin completa y precisa de la situacin de los recursos forestales. Sin embargo, el Catastro es solo una fotografa a 1996 y no se puede decir, con estos datos, si la foto anterior era mejor o peor (Araya, 1998).

En este sentido, se plantean las siguientes interrogantes; Cul era la situacin del recurso forestal antes del catastro y despus del mismo? ; el bosque nativo est en peligro de extincin o experimenta un proceso de recuperacin?. El Catastro identifica estados del recurso forestal, pero tambin es muy relevante tener claro aquellos procesos que lo afectan. Por ello seala que la gran labor de Cuentas Forestales hoy, es desarrollar un programa de monitoreo y actualizacin del catastro cuyo objetivo esencial es identificar los procesos y explicar la modificacin de estos procesos al ir comparando las fotos futuras con la foto actual (Araya, 1998).

De este modo, el actual avance tecnolgico permite que la informacin satelital se convierta en una alternativa apropiada para dar respuesta a estas interrogantes, ya que, bajo ciertas restricciones, es posible adquirir informacin de la cobertura del suelo de aos anteriores y posteriores al Catastro, lo que permitira conocer los procesos que determinan la situacin actual del recurso forestal.

La importancia de actualizar informacin en forma peridica, eficaz y eficiente, implica la evaluacin de la aplicacin de tecnologa satelital probada en otros pases, entre los que destacan el anlisis multitemporal de imgenes satelitales para la deteccin de cambios de uso del suelo, como es la comparacin por post-clasificacin y la imagen de diferencias.

Por otro lado, se desconocen los mejoramientos espectrales ms eficaces en el anlisis de imgenes satelitales multitemporales, y las rutinas computacionales que se requieran para ello, toda vez que estos elementos son fundamentales para cualquier aplicacin de las imgenes satelitales, y por lo tanto, constituyen aspectos de suma importancia y que deben abordarse con precisin.

De este modo, se debe evaluar la posibilidad de determinar y conocer la magnitud y direccin de cambios de uso del suelo a travs del anlisis digital de imgenes alternativas satelitales multitemporales Landsat TM, aplicando y distintas

metodolgicas,

correcciones

geomtricas

radiomtricas,

mejoramientos espectrales y metodologas de deteccin digital de cambio; cuyos resultados sean un aporte, en trminos de eficacia, para la actualizacin de la informacin que permita evaluar oportunamente las acciones y toma de decisiones sobre los recursos naturales.

El presente estudio tiene como objetivo general, evaluar las metodologas de deteccin de cambios del uso de suelo a travs del anlisis digital de imgenes satelitales multitemporales Landsat TM en la IX Regin. Adems se han propuesto los siguientes objetivos especficos que son: a) Evaluar la efectividad de distintas metodologas de deteccin de cambio de uso del suelo utilizando imgenes satelitales, b) Determinar los procedimientos de correccin espectral que permitan una eficaz deteccin del cambio de uso de suelo y c) Definir la magnitud y direccin de los cambios de uso de suelo para un rea de estudio de La IX regin de La Araucana mediante el anlisis de imgenes satelitales multitemporales Landsat TM.

Los resultados obtenidos en este estudio, realizando un anlisis multitemporal con imgenes satelitales Landsat TM de la vegetacin de la IX Regin con distintos mejoramientos espectrales, aplicando distintas metodologas de deteccin de cambios, permitirn orientar respecto a la aplicabilidad de la imagen satelital Landsat TM en la evaluacin multitemporal de los recursos forestales, y a la vez definir algunas estrategias de mejoramiento de los resultados de la clasificacin digital.

2.- REVISIN BIBLIOGRFICA

2.1.- Principios y Fundamentos de Teledeteccin

La Teledeteccin (Remote Sensing) se define como la ciencia y arte de obtencin de informacin acerca de un objeto, rea, o fenmeno a travs del anlisis de informacin adquirida por un dispositivo que no esta en contacto el objeto, rea, o fenmeno bajo investigacin (Lillesand and Kiefer, 1994).

Teledeteccin espacial es la tcnica que permite adquirir imgenes de la superficie terrestre desde sensores instalados en plataformas espaciales, suponiendo que entre la tierra y el sensor existe una interaccin energtica, ya sea por reflexin de la energa solar o de un haz energtico artificial, o por emisin propia (Chuvieco, 1996).

Un sensor remoto se define como un instrumento especial cuya tecnologa permite la obtencin de informacin de objetos sin estar fsicamente en contacto con l. Estos instrumentos se conocen en conjunto como Sensores Remotos incluyendo aparatos como la cmara fotogrfica, sistemas scanners y de radar (Avery, 1992).

En general los procesos y elementos involucrados en la teledeteccin electromagntica de los recursos terrestres se pueden separar en dos procesos bsicos; la adquisicin de informacin y el anlisis de la informacin. Los

elementos del proceso de adquisicin de informacin son; la fuente de energa, la propagacin de la energa a travs de la atmsfera, la interaccin de la energa con las caractersticas de la superficie terrestre, la retransmisin de la energa a travs de la atmsfera, el sensor del aeroplano o plataforma espacial

y, como resultado el sensor genera informacin en formato digital y/o grfico. El proceso de anlisis de los datos involucra la aplicacin de varios medios de interpretacin para compilarla en forma de tablas o como archivos computacionales que pueden ser unidos a un SIG. Por ltimo esta informacin es utilizada en la toma de decisiones de distintos usuarios (Lillesand and Kiefer, 1994).

Cualquier sistema de teledeteccin consta de tres elementos fundamentales; el sensor, el objeto observado y un flujo energtico que permita poner a ambos en relacin. Este flujo de energa puede proceder del objeto por reflexin de la luz solar, por algn tipo de energa emitida por el propio objeto, o incluso por le sensor. De este modo se derivan las tres formas de adquirir informacin a partir de un sensor remoto: por reflexin, por emisin y por emisin-reflexin (Chuvieco, 1996). 2.2.- Espectro Electromagntico

El flujo de energa necesario entre el sensor y el objeto observado, en un sistema de teledeteccin, constituye una forma de radiacin electromagntica (Chuvieco, 1996).

Esta energa electromagntica es una forma dinmica de energa que es causada por la oscilacin o aceleracin de una carga elctrica, de este modo, todas las substancias naturales o sintticas continuamente producen o emiten un rango de energa electromagntica en proporcin a su temperatura (Avery, 1992).

Toda energa trmica puede ser transferida mediante tres procesos: conveccin, conduccin y radiacin, siendo esta ltima la base de la mayora de los sistemas de teledeteccin (Chuvieco, 1996). As, la radiacin es el mtodo

por el cual la energa puede ser transferida desde un cuerpo a otro en ausencia de algn material intermediario. Si esta intervencin se hace presente, debe ser lo suficientemente transparente de modo de que la energa sea transferida. La radiacin es el nico mtodo por el cual la energa solar puede recorrer millones de kilmetros a travs del espacio y alcanzar la tierra. Este es el mtodo de transferencia de energa con el cual se concibe un sensor remoto (Avery, 1992).

Las propiedades de la radiacin electromagnticas han sido explicadas por dos teoras: la teora ondulatoria que la concibe como un haz ondulatorio, y la teora cuntica que considera la radiacin electromagntica como una sucesin de unidades discretas de energa, fotones o cuantos, con masa igual a cero. Segn la teora ondulatoria, la energa electromagntica se trasmite de un lugar a otro siguiendo un modelo armnico y continuo, a la velocidad de la luz y conteniendo dos campos de fuerzas, uno elctrico y otro magntico, descritos por la longitud de onda y su frecuencia, de este modo cualquier forma de energa radiante puede ser descrita en funcin de estos dos elementos (Chuvieco, 1996).

La teora cuntica permite calcular la cantidad de energa transportada por un fotn, siempre que se conozca su frecuencia, de tal forma que a mayor longitud de onda, o menor frecuencia, el contenido energtico ser menor y viceversa, de este modo la radiacin en longitudes de onda largas son ms difciles de detectar que aquellas centradas en longitudes cortas (Chuvieco, 1996).

Cada una de las teoras, sealadas anteriormente, describen a la radiacin electromagntica en funcin de su longitud de onda o frecuencia, de tal modo que la sucesin de valores de longitud de onda permite establecer una serie de bandas en donde la radiacin electromagntica manifiesta un comportamiento similar, siendo la organizacin de estas bandas lo que conocemos como espectro electromagntico (Chuvieco, 1996). (Anexo Figura N 1A).

Las caractersticas espectrales que presentan las distintas superficies terrestres, que son motivo de investigacin por distintas disciplinas, permiten reconocer ciertas bandas del espectro electromagntico que son las comnmente utilizadas por las actuales aplicaciones de las tcnicas de teledeteccin y que entregan las principales plataformas satelitales.

2.3.- Aplicaciones de la imagen satelital

La informacin Landsat ha sido utilizada por agencias gubernamentales, industriales, civiles, y comunidades educacionales en los Estados Unidos y el resto del mundo. Estos datos han sido usados en apoyo a un amplio rango de aplicaciones en reas como el cambio global de los recursos, la agricultura, masas boscosas, geologa, manejo de los recursos, geografa, cartografa, calidad del agua, y oceanografa. En este sentido de puede sealar la identificacin y asociacin de suelos y cartografa, el anlisis de la cobertura y produccin forrajera, clasificaciones regionales de uso de suelo y generacin de foto-mapas, exploracin minera y de petrleo, monitoreo de la polucin, cartografa e interpretacin geolgica, mediciones de la magnitud de nieve, monitoreo del movimiento de glaciales, deteccin de la erosin de playas, deteccin del grado de estrs en asociaciones vegetales, clasificacin de la cobertura vegetacional, y monitoreo de incendios forestales. Esto seala el alto potencial de la aplicacin de esta informacin en el monitoreo de las condiciones de la superficie terrestre (Belspo, 1999).

Una de las utilidades ms importante que entrega la informacin de las imgenes satelitales es la capacidad de monitorear los cambios de uso del suelo en el tiempo, ya que es posible la obtencin de bases de datos digitales de cambio en donde las dimensiones espaciales y temporales de las coberturas de uso de suelo y cambio de uso de suelo pueden ser detectadas y evaluadas. En este sentido se destaca al Landsat Multiespectral Scanner (MSS) que

proporciona informacin de ms de 20 aos, de una moderada resolucin espacial, que permite el monitoreo del tipo y porcentaje de cambio en la cobertura del suelo como efecto antrpico (CIESIN, 1999).

La derivacin de la informacin de cambio obtenida a travs de la informacin satelital consiste, en trminos generales, en la georeferenciacin de dos o ms imgenes de la misma rea adquiridas en dos puntos distintos en el tiempo; el ajuste de las propiedades radiomtricas para normalizar la informacin obtenida bajo distintas condiciones atmosfricas y de observacin; la implementacin de una tcnica de deteccin de cambio; y la generacin de productos que permitan efectivamente transmitir los cambios de cobertura de suelo en una imagen, un grfico o en bases estadsticas. Estos procedimientos tambin implementados con informacin de otros sensores como el Landsat Thematic Mapper (TM) y Systeme Probatoire dObservation de la Terra (SPOT), (CIESIN, 1999).

Los datos satelitales pueden ser tiles para concentrarse en las reas en donde se requiere informacin. Como primer paso, se monitorean grandes reas en orden a detectar las reas en donde ocurrieron los cambios. Luego, los datos de alta resolucin son utilizados para la revisin y actualizacin en reas en donde los cambios detectados han sido significantes. Los datos apropiados en el primer paso podran ser, por ejemplo, imgenes de gran cobertura y resolucin de 20-30 metros (CEO, 1999).

2.4.- Beneficios de la utilizacin de observaciones remotas

Algunos de los beneficios obtenidos al utilizar observaciones remotas son los siguientes: Monitoreo de grandes extensiones en forma rpida, precisa, econmica y homognea. Es posible una rpida apreciacin global de la situacin, haciendo posible la medicin del riesgo y el dao de la polucin, enfermedades y ataques de incendios. Proporciona informacin de regiones remotas o reas de difcil acceso. En reas en donde la cobertura de nubes es persistente, los datos de radar proporcionan informacin consistente del recurso bosque. Incremento de la objetividad, velocidad de repeticin y eficiencia en sus aplicaciones. Formato digital que permite la interpretacin automtica. Mediciones normalizadas y controladas tanto en el tiempo como en el espacio.

2.5.- Requerimientos de informacin de Recursos Naturales

En este contexto se pueden sealar los siguientes requerimientos de informacin: Actualizacin y perfeccionamiento de los mapas de cobertura de suelos como informacin fundamental para la proteccin medioambiental. La produccin y actualizacin de inventarios de distintos tipos de bosques de modo que sea posible la aplicacin de un adecuado manejo del recurso. El monitoreo de bosques para la deteccin cambios en su estructura, composicin, ataque de insectos y enfermedades. Monitoreo de la regeneracin de los bosques despus de un incendio y el dao ocasionado, incluyendo el anlisis del cambio de la distribucin espacial de las especies de rboles y el riesgo de incendios forestales. Monitoreo de los procesos de deforestacin. Anlisis de ros, lagos o cambios en los volmenes de reservas de agua. La deteccin e interpretacin de los procesos de evolucin.

10

2.6.- Programa Landsat

La puesta en rbita del primer satlite de la serie ERTS (Earth Resource Technollogy Satellite), el 23 de julio de 1972, fue el inicio de la serie de satlites llamados Landsat a partir del segundo lanzamiento en 1975, sin duda, un fructfero proyecto de teledeteccin espacial (Chuvieco, 1996).

A mediados de 1960, la idea de un satlite civil de recursos terrestre fue concebida por el departamento del interior de los Estados Unidos. Luego la National Aeronautics and Space Administration (NASA) se inici el desarrollo y lanzamiento del primer satlite de monitoreo terrestre para enfrentar las necesidades del manejo de los recursos y de los cientficos del mundo. A principios de 1970 el U.S. Geological Survey (USGS) entr en sociedad con la NASA para asumir la responsabilidad de almacenar los datos y la distribucin de los productos obtenidos. El 23 de julio de 1972 la NASA lanz el primero de una serie de satlites destinados a proporcionar repetitivas coberturas globales de las masas de suelo terrestre. La denominacin inicial fue el "Earth Resources Technology Satellite-A", que al momento de ser lanzado se llam ERTS-1, concebido para un ao de operaciones y que finalmente termin sus funciones en enero de 1978. Luego, este satlite pas a llamarse Landsat 1 (BELSPO, 1999).

La NASA fue responsable de la operacin del programa hasta principios de 1980. En enero de 1983, la operacin del sistema Landsat fue transferido al National Oceanic and Atmospheric Administration (NOAA). En septiembre de 1985, el sistema Landsat fue comercializado y el Earth Observation Satellite Company, actualmente Space Imaging, asumi la responsabilidad para la operacin bajo contrato con NOAA. Durante estos cambios, el USGS Earth Resources Observation Systems EROS Data Center (EDC) mantuvo la principal

11

responsabilidad como archivador gubernamental de la informacin Landsat (BELSPO, 1999).

El USGS EDC adems de ser el responsable manejo de la informacin Landsat, investiga los nuevos mtodos de caracterizacin y estudios de cambios en la superficie del suelo con dicha informacin. As, esta informacin, de ms de dos dcadas, ha permitido detectar, medir y analizar las caractersticas y cambios de la superficie del planeta. Los efectos de desertificacin, deforestacin, polucin, actividad volcnica, y otros eventos naturales y antrpicos. Esta informacin histrica y presente de los datos Landsat juegan un importante papel en el estudio de cambios en el tiempo (BELSPO, 1999).

A continuacin se presentan las principales caractersticas de las plataformas satelitales Landsat. Cuadro N 1: Caractersticas de las plataformas satelitales Landsat.

Plataforma Lanzamiento Sensor

Estado de Operacin

Landsat-1 Landsat-2 Landsat-3 Landsat-4 Landsat-5 Landsat-6 Landsat-7

23/07/72 22/01/75 05/03/78 16/07/82 01/03/85 Octubre 93 29/04/99

MSS MSS MSS MSS, TM MSS, TM MSS, ETM ETMP

Finalizada: 06/01/78 Finalizada: 05/02/82 Finalizada: 31/03/83 En espera desde 07/1987 Operativo Perdido Operativo

(Fuente: BELSPO, 1999).

12

El satlite Landsat TM, con una orbita de 705 km de altitud, percibe siete bandas espectrales en forma simultnea, posee una resolucin temporal de 16 das, y proporciona informacin terrestre entre los 82 grados latitud norte y los 82 grados latitud sur. 2.7.- Tratamiento Digital de Imgenes Satelitales Multitemporales

Normalmente, antes de comenzar cualquier anlisis sobre la informacin recogida desde un sensor remoto es necesario un tratamiento previo de los datos en cuestin. Este proceso se conoce en la literatura como Image Preprocessing y esta destinado a corregir los errores derivados del proceso de adquisicin de la informacin y que puede degradar la calidad de los datos recogidos por el sensor (Jensen, 1996).

Cuando la deteccin de cambios se realiza comparando, pxel a pxel, los Niveles Digitales (ND) de las distintas imgenes es necesario eliminar previamente cualquier cambio en los ND de la escena que no sea debido a cambios reales en la cubierta. Esto implica ajustar con precisin, tanto radiomtrica, como geomtricamente, las imgenes que intervienen en el anlisis (Chuvieco, 1996).

El problema es, todo elemento aunque sea irrelevante puede causar diferencias entre imgenes. Si se tiene una nube en la imagen del tiempo 2 pero no est en la imagen 1, se crean un gran parche de diferencia. Si la escena del tiempo 1 se toma en primavera y la del tiempo 2 en otoo, se detecta un cambio estacional lo cual no significa mucho en trminos de cambios en la cobertura de suelo en largos periodos de tiempo. Si las dos imgenes no estn correctamente georeferenciadas de antemano, algunos registros pueden aparecer como cambios. As, es necesario cumplir ciertas condiciones antes de intentar la deteccin de cambios (DNR, 1999):

13

 Ambas imgenes deben mostrar la misma estacin, preferentemente verano, cuando las condiciones de la vegetacin son relativamente estables. Las dos imgenes deben estar correctamente georeferenciadas. Las dos imgenes deben ser calibradas radiomtricamente para minimizar efectos de variaciones en el sensor y condiciones atmosfricas entre las dos fechas.

Cuando estas condiciones se cumplen, el mtodo de deteccin de cambios puede revelar donde han ocurrido cambios significantes.

2.7.1.- Correccin Geomtrica Usualmente la informacin obtenida de sensores remotos presenta errores geomtricos de origen sistemtico, aquellos que pueden ser corregidos utilizando la informacin desde la plataforma y conociendo la distorsin interna del sensor, y no sistemtico, aquellos que no pueden ser corregidos con una precisin aceptable sin un nmero suficiente de puntos de control terrestre. Entre las causas de errores geomtricos de origen sistemtico se puede mencionar la velocidad de la plataforma y la rotacin de la tierra. Por otro lado, las distorsiones de origen no sistemtico incluyen los errores producto de la altitud y posicin del sensor (Bernstein, 1983; citado por Jensen, 1996).

La mayora de la informacin de sensores remotos comerciales entregan los datos con los errores sistemticos previamente corregidos, permaneciendo los errores no sistemticos en la imagen. Para corregir estos errores se puede recurrir a dos procedimientos comunes, estos son la rectificacin imagen a imagen, y la rectificacin imagen a mapa (Jensen, 1996). 2.7.1.1.- Rectificacin imagen a imagen. Es el proceso de traslacin y

rotacin por medio del cual dos imgenes de igual geometra y de la misma

14

zona geogrfica son posicionadas una respecto de la otra de manera que los elementos correspondientes aparezcan en el mismo lugar en las imgenes corregidas (Chen and Lee, 1992; citado por Jensen, 1996). Este tipo de correccin se utiliza cuando no es necesario tener asignado a cada pxel una nica coordenada x, y en una proyeccin ortogonal, por ejemplo al comparar visualmente dos imgenes de distinta fecha para detectar los cambios producidos en la zona de inters (Jensen, 1996). 2.7.1.2.- Rectificacin imagen a mapa. Es el proceso por el cual la geometra de una imagen se hace planimtrica. Este es el proceso a aplicar si se requiere precisin en las mediciones de rea, direccin y distancia. Sin embargo, no todas las distorsiones causadas por la topografa de la imagen pueden ser removidas. Este proceso normalmente utiliza puntos de control terrestre a travs de los cuales realizar la rectificacin. Esta operacin se realiza por medio de dos operaciones: (1) la interpolacin espacial que establece la naturaleza de la transformacin de las coordenadas geomtricas para as ubicar los pxeles originales a su posicin en la imagen rectificada y (2) la intensidad de interpolacin que es la aplicacin de algn mecanismo a travs del cual determinar el valor de brillo asignado al pxel rectificado (Jensen, 1996).

Para abordar la deteccin digital de cambios es preciso que las imgenes se ajusten con gran nivel de detalle, ya que de otro modo se estara detectando como transformaciones lo que sera solo fruto de una falta de ajuste entre imgenes (Hord, 1982, citado por Chuvieco, 1996). 2.7.2.- Calibracin Radiomtrica Idealmente, el flujo de radiacin recogido por un sensor remoto, en varias bandas, es una representacin precisa del flujo de radiacin de las caractersticas de la superficie terrestre. Desafortunadamente esto no ocurre y pueden ingresar errores al sistema de coleccin de informacin de varias

15

maneras. Por ejemplo, errores radiomtricos en los datos percibidos pueden ser introducidos por el mismo sensor remoto cuando los detectores individuales no funcionan apropiadamente o son inapropiadamente calibrados (Teillet, 1986, citado por Jensen, 1996). Por otro lado la intervencin atmosfrica entre el terreno de inters y el sensor remoto pueden contribuir con tanto ruido (error) que la energa recibida por el sensor no se parece a lo que fue reflejado o emitido por el terreno (Jensen,1996).

Las variables condiciones de observacin, situaciones atmosfricas o condiciones de calibracin del sensor se convierten en otro importante problema en la deteccin digital de cambios, ya que la signatura espectral en un pxel se ve modificada aunque se mantenga constante la cubierta (Chuvieco, 1996).

La correccin radiomtrica de una imagen satelital puede realizarse, entre otros, por dos mtodos; la calibracin absoluta y la calibracin relativa. 2.7.2.1.- Calibracin absoluta. La radiacin solar es selectivamente difundida y absorbida al entrar en contacto con la atmsfera terrestre. La energa emanada desde el cielo y recibida por el sensor es un indicador verdadero an cuando se destruya nuestra habilidad para medir la reflectancia espectral de los patrones del terreno. De hecho, los cientficos pueden considerar a la difusin y absorcin atmosfrica de la energa como el verdadero indicador y a la energa reflejada desde la tierra como el origen del ruido o error. No obstante, muchos de los analistas de la tierra consideran nocivo el efecto de la difusin y absorcin atmosfrica como fuente de error que puede minimizar la habilidad para extraer informacin til del terreno desde datos obtenidos por sensores remotos (Jensen, 1996).

16

La calibracin absoluta considera aspectos de la transmitividad atmosfrica, irradiancia difusa del cielo y ruta de la radiancia para as determinar como el efecto atmosfrico afecta la radiansa medida por el sensor remoto (Jensen, 1996). 2.7.2.2.- Calibracin relativa. La correccin radiomtrica relativa puede ser utilizada para normalizar las intensidades entre las diferentes bandas dentro de una escena (por ejemplo para remover la respuesta errnea del sensor, lneas abandonadas o rayados) y, para normalizar las intensidades de las bandas de los datos de una de la imagen en una fecha y estandarizarla a la escena escogida en el anlisis. La correccin radiomtrica relativa generalmente no requiere reunir mediciones atmosfricas en el tiempo de adquisicin de la informacin, que son muy difciles de obtener cuando se utiliza informacin histrica de un sensor remoto (Jensen, 1996).

Un problema asociado con la utilizacin de datos histricos de sensores remotos, para la deteccin de cambios, es que los datos se obtienen de distintas fechas, por lo tanto vara el ngulo del suelo, las condiciones atmosfricas, y las condiciones de humedad del suelo. Idealmente, los datos multitemporales pueden ser normalizados de manera que estos efectos puedan ser minimizados o eliminados (Eckhardt et al., 1990; Hall et al., 1991; citado por Jensen, 1996).

La habilidad para utilizar datos de sensores remotos para realizar un proceso de clasificacin de suelos, radica en capacidad de encontrar la relacin entre el valor de brillo obtenido (BV) en el sensor remoto y las actuales condiciones de la superficie. Sin embargo, factores como; el ngulo del sol, distancia entre el sol y la tierra, diferencias de calibracin del detector entre varios sistemas de sensores, las condiciones atmosfricas, y el sistema sol-objetivo-sensor

17

tambin afectan el valor de brillo del pxel (Eckhardt et al., 1990; citado por Jensen, 1996).

Diferencias en la emisin directa de la radiacin solar, debido a la variacin en el ngulo del sol y distancia entre el sol y la tierra, puede ser calculada con precisin, as como tambin la variacin en el valor de brillo debido a diferencias en la calibracin del detector entre distintos sistemas sensores. Sin embargo, eliminar el efecto atmosfrico y la fase angular requiere informacin acerca de la composicin gaseosa y de aerosoles en la atmsfera de las caractersticas de reflexin bi-direccional de los elementos dentro de la escena (Eckhardt et al., 1990; citado por Jensen, 1996).

De este modo lo que se pretende es igualar la calibracin del detector, y condiciones astronmicas, atmosfricas y fase angular de las imgenes multitemporales, a las condiciones presentes en una escena de referencia mediante la aplicacin de una regresin. 2.7.3.- Mejoramiento Espectral En este estudio se considerarn mejoramientos espectrales a aquellas tcnicas que permitan mejorar la disposicin de los datos satelitales para su anlisis cuantitativo. 2.7.3.1.- Anlisis de Componentes Principales (ACP). Pla (1986), seala que el anlisis de componentes principales es un mtodo que permite la estructuracin de un conjunto de datos multivariados obtenidos de una poblacin, cuya distribucin de probabilidades no necesita ser conocida, siendo los objetivos ms importantes de su aplicacin los que se mencionan a continuacin:

18

 Generar nuevas variables que puedan expresar la informacin contenida en el conjunto original de datos. Reducir la dimensionalidad del problema que se est estudiando, como paso previo para futuros anlisis. Eliminar, cuando sea posible, algunas de las variables originales si ellas aportan poca informacin.

El Anlisis de Principales Componentes (ACP) es una transformacin de los datos crudos del sensor remoto que entrega como resultado nuevas imgenes de componentes principales que son ms interpretables que los datos originales (Singh and Harrison, 1985. Citado por Jensen, 1996). El anlisis de ACP puede tambin ser utilizado para comprimir la informacin contenida en las de bandas de una imagen satelital en dos o tres imgenes transformadas de principales componentes. Esta habilidad para reducir desde n a dos o tres bandas es una importante consideracin econmica, especialmente si el potencial de informacin recuperable desde los datos transformados es tan bueno como los datos originales del sensor (Jensen, 1996).

Conceptualmente esta transformacin considera la distribucin bi-dimensional de los valores de los pxeles obtenidos de dos bandas. La varianza de la distribucin de los puntos indica la correlacin y calidad de asociatividad de la informacin entre ambas bandas. Estos ejes originales pueden no ser la mejor ordenacin de las caractersticas multiespectrales para analizar la asociacin de los datos del sensor en estas dos bandas. El objetivo de la aplicacin del ACP es la traslacin y/o rotacin de los ejes originales de modo que los valores de brillo originales se redistribuyen en un nuevo sistema de coordenadas. La rotacin del nuevo sistema de coordenadas se realiza en grados desde el primer eje de coordenadas hasta el punto asociado a la mxima cantidad de varianza de los valores de los pxeles. (Anexo Figura N 2A). Este nuevo eje se llama primer Componente Principal (PC1 = 1) y el segundo Componente

19

Principal (PC2 = 2) que es perpendicular a PC1. De este modo el eje mayor y menor del elipsoide de los puntos de las bandas X1 y X2 son llamados Componentes Principales. En el tercer, cuarto, quinto, y dems, los componentes contienen una cantidad decreciente de la varianza encontrada en el conjunto de datos (Jensen, 1996).

Si los componentes 1,2 y 3 explican la mayor parte de la varianza, quizs las siete bandas TM originales puedan ser apartadas, y el resto de la imagen o clasificacin pueda ser mejorada utilizando las tres primeras imgenes componentes. Esto reduce enormemente la cantidad de datos analizados en una clasificacin monotemporal.

Cuando se requiere un anlisis de cambio desde imgenes multitemporales, el ACP estandarizado (obtencin de los valores propios desde la matriz de correlacin) es superior al ACP no estandarizado (computado desde la matriz de covarianza), ya que ste obliga a cada banda original a tener igual peso en la derivacin de la nueva imagen componente, es idntico a convertir todos los valores de la imagen a medidas estandarizadas (Fung and LeDrew, 1987; Eastman and Fulk, 1993; citados por Jensen, 1996). 2.7.3.2.- ndice de Vegetacin. Es una alternativa para la medicin de la vegetacin y su estado sanitario basado en el anlisis de la informacin espectral de los sensores remotos (Goel and Norman 1992, citado por Jensen, 1996).

IUFRO, (1994) destaca los canales 3, 4 y 7 de la informacin Landsat como los ms apropiados para estudios de vegetacin y para la evaluacin del estado sanitario del bosque.

20

A menudo el objetivo a sido reducir las mltiples bandas de informacin de una imagen satelital a un nico nmero por pxel para predecir y medir caractersticas del dosel la vegetacin como biomasa, actividad fotosinttica consumida, y/o porcentaje cobertura de vegetacin (Larsson, 1993, citado por Jensen, 1996).

Existen varios algoritmos utilizados para la extraccin de informacin desde sensores remotos que en conjunto reciben el nombre de ndices de Vegetacin.

La mayora de los ndices de vegetacin se basan en la significativa diferencia de las caractersticas de la reflexin espectral entre la vegetacin verde saludable, la vegetacin muerta o senescente, y los suelos secos y desnudos. Es as como la vegetacin verde saludable, en la regin del infrarrojo cercano del espectro, refleja una mayor cantidad de energa que la vegetacin senescente o que los suelos secos y desnudos, presentado un comportamiento inverso en la regin visible del espectro (Jensen, 1996). (Anexo Figura N 3A).

Los ndices de vegetacin ms sencillos son los que utilizan los valores de brillo desde una banda individual, Landsat MSS, como un ndice de vegetacin para la estimacin del porcentaje de cobertura y biomasa de la vegetacin (Tucker, 1979, citado por Jensen 1996).

Rouse et al, (1973), citado por Jensen, (1996), fue el primero en utilizar los ndices de vegetacin basado en la razn de bandas, computando la diferencia normalizada de valores de brillo desde bandas MSS7 y MSS5 para el monitoreo de la vegetacin. Se llam entonces ndice de Vegetacin de la Diferencia Normalizada o NDVI (Normalized Differencing Vegetation Index):

NDVI7 =

MSS7 MSS5 MSS7 + MSS5

(2.1)

21

De modo similar se utiliz este algoritmo en las bandas MSS6 y MSS5:

NDVI6 =

MSS6 MSS5 MSS6 + MSS5

(2.2)

De este modo el NDVI para el satlite Landsat TM es:

NDVI

TM4 TM3 TM4 + TM3

(2.3)

2.7.4.- Clasificacin Digital Es el proceso mediante el cual los pxeles de una imagen satelital multibanda son etiquetados segn la categora a la que pertenecen. A partir de esta imagen puede generarse una cartografa temtica y el inventario estadstico de la superficie involucrada en cada categora (Chuvieco, 1996).

La clasificacin digital distingue las siguientes fases: 1) definicin digital de las categoras (fase de entrenamiento), 2) agrupacin de los pxeles en una de esas categoras (fase de asignacin), y 3) comprobacin y verificacin de resultados (Chuvieco, 1996).

2.7.4.1.- Fase de entrenamiento. Mtodo Supervisado. Consiste en delimitar reas de entrenamiento que representen lo mejor posible a cada una de las categoras que componen la leyenda de clasificacin. Estas reas se utilizan posteriormente para entrenar al ordenador en el calculo de la Niveles Digitales que definen cada clase de clasificacin, para luego asignar el resto de los pxeles de la imagen satelital a una de esas categoras en funcin de sus Niveles Digitales. Este mtodo requiere del conocimiento de la zona de estudio (Chuvieco, 1996).

22

2.7.4.2.- Fase de asignacin. Clasificador de Mxima Probabilidad. Es un mtodo de asignacin que considera una distribucin normal de los Niveles Digitales en el centro de cada categora de clasificacin, lo que permite describir esa categora por una funcin de probabilidad que se utiliza para calcular la probabilidad de que un pxel pertenezca a ella, y as asignar el pxel a aquella categora que maximice la funcin de probabilidad (Chuvieco, 1996). 2.8.- Deteccin del Cambio

Un cambio de reflectancia a menudo indica un cambio fsico en la superficie de la tierra, de este modo, la deteccin digital de cambios debe cumplir el siguiente supuesto (SSC, 1999): Los cambios monitoreados deben causar un cambio electromagntico de la radiacin que puede ser percibida por el sensor remoto.

Los cambios del suelo en el tiempo se han sido divididos en dos categoras: (Remote Sensing Note, 1999). Una categora mayor en que los cambios son fuertes en trminos de velocidad y magnitud (superficie), producto de incendios forestales, deforestacin o nuevas reas urbanas. Una categora menor en que los cambios son ms suaves, en trminos de velocidad y magnitud (superficie), producto del crecimiento de rboles o la colonizacin de la vegetacin en reas no vegetales.

La deteccin de l o los cambios ocurridos en la superficie terrestre involucra el uso de un conjunto de datos multitemporales y as discriminar aquellas reas de cambio de cobertura de suelo entre las fechas de ambas imgenes. Idealmente

23

los procedimientos de deteccin de cambios deben involucrar informacin adquirida por el mismo sensor (o similar) y que sta sea almacenada con la misma resolucin espacial, caractersticas geomtricas, bandas espectrales y misma fecha. Adems, se requiere de una correcta registracin espacial de las imgenes utilizadas y as obtener una efectiva deteccin del cambio. En general se requieren una registracin de entre 1994). 2.8.1.- Tcnicas de Deteccin de Cambios Las Tcnicas de Deteccin de Cambios, mediante anlisis digital, pueden ser divididas en dos categoras, las que utilizan variables categorizadas o de Postclasificacin y las que utilizan variables continuas, cuantitativas o de imagen a imagen, que se desarrollan a continuacin.

de pxel (Lillesand and Kiefer,

2.8.1.1.- Tcnicas de Post-clasificacin. Son aquellas Tcnicas de deteccin de cambios en que las dos fechas son clasificadas y registradas

independientemente. La efectividad de esta alternativa depende de cmo se diferencian espectralmente las clases de cambio, de las clases de no cambio. En ocasiones esta clasificacin puede ser complicada, y si se utilizan todas las bandas de cada fecha, se puede tener informacin redundante (West Virginia University, 1999).

Chuvieco (1996), seala que en esta categora se ubican los mtodos de deteccin de cambios en que se aplican tcnicas de clasificacin que no presentan el problema de delimitar umbrales, ya que implican discretizar la escala continua de las imgenes originales.

La Post-clasificacin es el mtodo cuantitativo de deteccin de cambios ms comnmente utilizado. Requiere de la rectificacin y clasificacin de cada imagen, para luego ser comparados pxel a pixel a travs de una matriz de

24

deteccin de cambios. Desafortunadamente, los errores en la clasificacin individual de cada imagen se ven reflejados en la deteccin final de cambios. (Rutchey and Velcheck, 1994, citado por Jensen, 1996). Por ello es necesario que la clasificacin individual de las imgenes sea lo ms exacto como sea posible (Augenstein et al., 1991, citado por Jensen, 1999). (Anexo Figura N 4A). 2.8.1.2.- Imagen de Diferencia. Consiste en la simple resta entre imgenes de dos fechas, previamente, de modo que las zonas estables presentarn un valor cercano a cero, y las que hayan experimentado cambios ofrecern valores significativamente distintos de cero, positivos o negativos (Chuvieco, 1996).

Esta metodologa puede aplicarse sobre alguna de las bandas originales o como es ms frecuente sobre ndices de vegetacin (Chuvieco,1996), y se expresa matemticamente de la siguiente forma:

D ijk = BV ijk (1) BV ijk (2) + C

(2.4)

Donde: D ijk ND ijk (1) ND ijk (2) C i j k = Cambio del valor del pixel. = Nivel digital en el Tiempo 1. = Nivel digital en el Tiempo 2. = Constante para evitar valores negativos (habitualmente 127). = Nmero de fila. = Nmero de columna. = Nmero de Banda.

25

Producto de la aplicacin de esta tcnica se obtendr una imagen de cambios en donde las tonalidades oscuras indicarn una disminucin del vigor vegetal, las tonalidades claras sern aquellas zonas que aumentaron su vigor vegetal y los tonos grises a las zonas estables.

Jensen (1996), seala que esta tcnica es un mtodo eficiente para identificar pxeles que presentan cambio en el valor de brillo entre ambas fechas y que tiene como desventajas el hecho de que no proporciona de informacin de la superficie que cambio de una categora de uso de suelo a otra, y que requiere de una cuidadosa seleccin del umbral de cambio y no cambio. (Anexo Figura N 5A). 2.9 Experiencias de Estudios de Deteccin de Cambios.

En el estado de Chiapas, Mxico, utilizando imgenes Landsat MSS de 1975, 1986 y 1992, se detectaron los cambios producidos en la vegetacin y cobertura de suelo mediante la aplicacin de imgenes de diferencia con siete ndices de vegetacin. Este estudio sugiere que los ndices de vegetacin tienen diferencias significativas en sus caractersticas estadsticas y que solo el NDVI muestra una distribucin normal en su histograma, que fue el menos afectado por factores topogrficos y que en consecuencia result la mejor tcnica para la deteccin de cambios vegetacionales debido a la mejor consistencia de sus resultados al ser comparados en una interpretacin visual, consulta a expertos y trabajo de campo (Lyon et al., 1998).

Durante 1987, en Virginia Estados Unidos, se realiz el monitoreo de la defoliacin en bosques de Quercus sp. en un rea de 14800 (ha) a travs de imgenes SPOT aplicando un anlisis de componentes principales, imagen de diferencias, clasificacin de cambio temporal y post-clasificacin como tcnicas de deteccin de cambio. En este estudio se determin que el anlisis de

26

componentes principales y la imagen de diferencias son las tcnicas que mejor detectan la defoliacin en estos bosques ya que incluyen una identificacin del tipo de cambio ms que una clasificacin de clase de cobertura. (Muchoney and Haack, 1994).

En el extremo occidental de Kentucky, Estados Unidos, se realiz un estudio de deteccin del cambio del uso de suelo utilizando imgenes del satlite Landsat TM de agosto de 1991 y mayo de 1994. Las reas de cambio fueron determinadas aplicando como metodologa el Binary Change Mask (Mscara Binaria de Cambio) y entreg como resultado que menos del 5% del cambio del rea de estudio se atribuy a la expansin urbana, situacin importante considerando que se trata de una comunidad rural con un importante auge econmico. Este estudio demostr que la Binary Change Mask puede ser una herramienta efectiva para la deteccin del cambio de uso de suelo (MARC, 1999).

El departamento de Geologa y Geografa de la West Virginia University compar distintos mtodos de deteccin de cambios, estos fueron; Image differencing y principle components analysis (PCA), Image rotation, y Change vector analysis (CVA). Para este efecto se utilizaron las siete bandas de dos imgenes Landsat TM del lago Candlewood de los Estados Unidos, una de 1988 y la otra de 1993, que fueron procesadas con el software Idrisi for Window. En este estudio se concluy que el mtodo de Image differencing entreg los mejores resultados por su simplicidad al representar las zonas de cambios. Por otro lado, se reconoce la dificultad al momento de decir los umbrales para la reclasificacin. El mtodo de Change vector analysis (CVA) permiti el anlisis de los cambios al incorporaron mltiples bandas al mismo tiempo. Los resultados de esta metodologa permitieron una reclasificacin ms discreta de los cambios al utilizar la desviacin estndar de la imagen resultante. Sin embargo, las ventajas de este mtodo sobre la image

27

differencing son escasas. El ACP ofrece un mtodo ms objetivo para determinar cambios debido a la variabilidad de la zona de estudio (West Virginia University, 1999).

Kitchin and Barson (1997), en el proyecto Cambio de la Cobertura de suelo Agrcola utilizando imgenes satelitales Landsat TM para el monitoreo de los cambios de la cobertura del suelo entre los aos 1990 a 1995 en Australia, consideran los siguientes objetivos a escala 1:100000: Vegetacin de Cambio 1990-1995. Datos digitales que muestran las reas de cambio con atributos tabulados que identifican el tipo de vegetacin anterior al cambio y el tipo de cambio. Clase de cobertura de suelo de 1990 (incluyendo vegetacin leosa y no leosa) mediante una clasificacin de los datos Landsat TM con la siguiente leyenda. Estructura de la vegetacin de 1990 clasificada en dos clases; vegetacin leosa y no leosa, describiendo: genero o especie, forma de crecimiento, densidad o cobertura de copas, altura.

Esta informacin pretende ser contrastada con futuros monitoreos, empleando como metodologa de deteccin de cambio la imagen de diferencia.

La unidad de Medicin del Recurso Forestal del Departamento de Recursos Naturales de Minnesota (USA) realiza la actualizacin de la cartografa de uso del suelo a travs de la generacin de mapas con imgenes Landsat Thematic Mapper (TM) y de la Imagen de diferencia como mtodo de deteccin de cambios por considerarlo como el mtodo ms simple y ms confiable de las alternativas de deteccin de cambios utilizando sensores remotos (DNR, 1999).

28

Macleod and Congalton (1998), aplicaron una comparacin cuantitativa de las tcnicas de deteccin de cambios de post_clasificacin, imagen de diferencias y anlisis de componentes principales a travs de la matriz de error de deteccin de cambio y la utilizacin del porcentaje global de acierto y el ndice KAPPA, y destacan este procedimiento por ofrecer la posibilidad de comparar cuantitativamente el grado de acierto alcanzado por las distintas alternativas de deteccin de cambio. En este estudio, la imagen de diferencia entreg resultados significativamente mejores que las otras dos alternativas.

29

3.- MATERIAL Y MTODO

3.1.- Material

En el presente estudio se utilizaron dos imgenes satelitales Landsat 5 TM de la IX regin, del 15 de enero de 1987 y el 14 de febrero de 1998 respectivamente, los Sistemas de Informacin Geogrficos ARCINFO PC, ERDAS 8.1 Essential e IDRISI 32 para Windows.

El siguiente cuadro presenta el rango espectral de las dos imgenes Landsat TM. Cuadro N 2: Rango espectral del sensor Thematic Mapper (TM).

Banda

Micrmetros

Resolucin en metros

Nombre

1 2 3 4 5 6 7

.45 - .53 .52 - .60 .63 - .69 .76 - .90 1.55 - 1.75 10.40 - 12.5 2.08 - 2.35

30 m 30 m 30 m 30 m 30 m 120 m 30 m

Azul Verde Roja Infrarrojo Cercano Infrarrojo Medio Termal Infrarrojo Lejano

(Fuente: BELSPO, 1999).

30

3.1.1.- rea de estudio

El rea de estudio se ubica al noroeste de la ciudad de Traigun, IX regin, con una superficie de 41.429 ha y abarca parte de las comunas de los Sauces, Traigun y Lumaco. (ANEXO N 1).

Esta zona se caracteriza por un alto dinamismo del sector forestal presentando notorios cambios de uso del suelo entre los aos 1987 y 1998, razn por la cual fue seleccionada para este estudio.

Segn datos del Catastro de Bosque Nativo de 1997, el 65,52% (27144,99 ha) de su superficie se destina al uso agrcola, un 5,62% (2326,77 ha) tiene presencia de renovales, el 0.46% del total (189.72 ha) presenta bosque nativo adulto renoval, un 22,8% de su superficie (9446,67ha) se destinan a plantaciones forestales, y el 4,42% (1829,61 ha) corresponden a plantaciones forestales jvenes o recin cosechada. (Cuadro N 3).

En esta rea de estudio, el dinamismo del sector forestal y la importante superficie de suelos dedicados a esta actividad indican la presencia de fuertes cambios espectrales de su cobertura del suelo en el tiempo, debido principalmente a actividades de cosecha forestal y al cambio de uso agrcola a forestal. Estos fuertes cambios de uso del suelo son las razones que motivaron su seleccin para el desarrollo del presente estudio.

Con respecto al bosque nativo adulto y renovales presentes en el rea, se puede decir que corresponden a situaciones altamente fragmentadas, ubicadas en zonas de pendiente alrededor de cursos de agua o quebradas, y rodeadas de importantes masas de plantaciones forestales o zonas agrcolas y, por lo tanto, estas son razones que pueden influir negativamente al momento realizar de la clasificacin supervisada de las imgenes satelitales.

31

Cuadro N 3: Superficie del rea de estudio por categora de Uso del Suelo.

Uso del suelo BOSQUE NAT. - PLANTACIN ABIERTO BOSQUE NAT. ADULTO-RENOVAL SEMIDENSO CIUDADES- PUEBLOS-ZONAS INDUSTRIALES LAGOS-LAGUANS-EMBALSES-TRANQUES MATORRAL ARBORESCENTE SEMIDENSO MATORRAL DENSO PLANTACIN PLANTACION JOVEN O RECIEN COSECHADA PRADERAS PERENNES RENOVAL ABIERTO RENOVAL DENSO RENOVAL SEMIDENSO ROTACION CULTIVO PRADERA Total

Superficie ha Porcentaje 50,67 189,72 229,77 36,54 144,18 31,5 9446,67 1829,61 2325,6 221,13 1378,17 727,47 24819,39 41430,42 0,12 0,46 0,55 0,09 0,35 0,08 22,80 4,42 5,61 0,53 3,33 1,76 59,91 100,00

(Fuente: CONAF - CONAMA, 1997).

La presencia de tres centros urbanos en sta rea de estudio, Traigun, Lumaco y Capitn Pastene, y del cuerpo de agua (tranque) al noreste de la ciudad de Traigun, que en total cubren con una superficie de 266,31 ha, son situaciones que sern de gran utilidad al momento de realizar la calibracin radiomtrica relativa ya que son coberturas de suelo que se ubican en los extremo del comportamiento espectral, es decir, baja reflectancia en cuerpos de agua, y alta reflectancia el zonas industriales y urbanas (concreto).

32

Las siguientes figuras corresponden a las dos imgenes satelitales Landsat TM de la zona de estudio.

Figura N 1: Imagen Landsat TM. Bandas 1, 2 y 3 del 15 de enero de 1987.

Figura N 2 Imagen Landsat TM. Bandas 1, 2 y 3 del 14 de febrero de 1998.

33

3.2.- Mtodo

La metodologa que se aplic en esta investigacin se esquematiza en la siguiente figura:

SELECCIN DEL REA DE ESTUDIO

DEFINICIN CAMBIO DE USO DEL SUELO

ADQUISICIN Y CORTE DE LA IMAGEN SATELITAL

CORRECCIN GEOMTRICA

CALIBRACIN RADIOMTRICA

INDICE DE VEGETACIN NDVI

IMAGEN SIN CORRECCIN ESPECTRAL

ANLISIS DE COMPONENTES PRINCIPALES

IMAGEN DE DIFERENCIA

COMPARACIN POR POST-CLASIFICACIN

ANLISIS DE COMPONENTES PRINCIPALES

ESTUDIO COMPARATIVO CON INFORMACIN TESTIGO (KAPPA).

SELECCIN DEL MEJOR MTODO DE DETECCIN DE CAMBIOS

Figura N 3: Esquema que representa la Metodologa General del estudio.

34

3.2.1.- Definicin del cambio de uso del suelo Es posible conocer el cambio ocurrido en una cobertura de uso del suelo si se determinan la magnitud del cambio, la direccin del cambio y el tipo de cambio. De este modo, el desarrollo de este estudio considera las siguientes definiciones para cada uno de estos indicadores.

3.2.1.1.- Magnitud del cambio. Corresponde a la diferencia en la superficie total en hectreas (ha) de una misma categora de uso del suelo para dos fechas en el tiempo. Como ejemplo se puede sealar la superficie (ha) de bosque nativo, o cualquier otra cobertura, que disminuy o aumento en el lapso de tiempo ocurrido entre dos fechas. Si transcurrido este periodo la superficie (ha) es la misma, entonces la magnitud del cambio es igual a cero. 3.2.1.2.- Direccin del cambio. Se define direccin de cambio como el movimiento de la superficie (ha) desde una cobertura de uso del suelo a otra para dos fechas en el tiempo. Por ejemplo, si entre marzo de 1987 y marzo de 1998, la superficie (ha) del bosque nativo de una regin disminuye, la direccin de cambio ser la que nos seale cuantas hectreas pasaron, de bosque nativo, al resto de las categoras de uso del suelo.

De esta forma, el presente estudio utiliz una leyenda de clasificacin sencilla que permitiera la deteccin de cambios del uso del suelo en trminos de su magnitud y direccin de cambio con especial nfasis en coberturas de bosques, y as facilitar el entendimiento de las diferentes metodologas aplicadas y las rutinas computacionales requeridas. Esta leyenda de clasificacin consider las siguientes coberturas: 1) Agrcola, 2) Cuerpos de Agua., 3) Urbano y sectores desprovistos de vegetacin, 4) Plantaciones de Pino radiata, 5) Renovales, 6) Bosque Nativo Adulto y 7) Plantaciones de Eucalipto.

35

3.2.2.- Correccin Geomtrica Con el propsito de corregir topogrficamente las dos imgenes satelitales, superponerlas y realizar el anlisis de cambio pxel a pxel, se corrigi la deformacin geomtrica de las imgenes a travs de puntos de control de la carta IGM 1:50000 escaneada y sus homlogos en la imagen satelital, para as modelar dicho error en la imagen, establecindose como requisito un error medio cuadrtico del orden de medio a un cuarto de pxel. 3.2.3.- Calibracin Radiomtrica Idealmente, el flujo de radiacin recogido por un sensor remoto, en varias bandas, es una representacin precisa del flujo de radiacin de las caractersticas de la superficie terrestre. Desafortunadamente esto no ocurre, y pueden ingresar errores al sistema de coleccin de informacin de varias maneras.

Para realizar un anlisis multitemporal se requieren imgenes satelitales que sean radiomtricamente comparables, para tal efecto se aplic una calibracin radiomtrica relativa que minimizara o eliminara los efectos producidos por variaciones en el ngulo del sistema suelo - energa solar - sensor, las condiciones atmosfricas, y las condiciones de humedad del suelo. De este modo se pretende igualar la calibracin del detector, las condiciones astronmicas, atmosfricas y fase angular de las imgenes multitemporales, a las condiciones presentes en una escena de referencia, mediante la aplicacin de un anlisis de regresin.

Este anlisis permiti generar bandas estimadas (y) de la imagen menos reciente a partir de las bandas de la imagen ms reciente (x).

36

3.2.4.- Mejoramientos espectrales Para efecto de comparar y luego seleccionar el mejoramiento espectral que entregara los mejores resultados en la deteccin de cambios de la cobertura del suelo, se apicararon dos de los mejoramientos espectrales ms utilizados en diversas investigaciones del ramo.

Para comparar efectivamente los resultados obtenidos con estas correcciones espectrales, se aplicaron las mismas metodologas de deteccin de cambios en una imagen sin correccin espectral que se utiliz como informacin testigo. De este modo, se aplic el ndice de vegetacin (NDVI) y anlisis de principales componentes (ACP) que se explican a continuacin. 3.2.4.1.- Imagen sin Mejoramiento Espectral. La imagen sin mejoramiento espectral (bandas crudas) fue el patrn de comparacin necesario para detectar el efecto de los mejoramientos espectrales en los resultados finales de la deteccin de magnitud y direccin de cambio de uso de suelo. 3.2.4.2.- ndice de vegetacin. (NDVI). Con el propsito de mejorar la discriminacin de las cubiertas de uso del suelo, se aplic el NDVI para cada escena. Este ndice de vegetacin justifica su aplicacin debido a las diferencias en el comportamiento espectral entre la vegetacin verde saludable, la vegetacin muerta o senescente, y los suelos secos y desnudos. De este modo, el NDVI utilizado fue el siguiente:

NDVI

TM4 TM3 TM4 + TM3

(3.1)

Donde: TM4 = Banda 4 del sensor Landsat TM. TM3 = Banda 3 del sensor Landsat TM.

37

3.2.4.3.- Anlisis de Componentes Principales. ACP. En este estudio se aplic un ACP estandarizados (obtencin de los valores propios desde la matriz de correlacin), y as seleccionar el componente que explicara el mayor porcentaje de varianza de los datos originales, para posteriormente evaluar su utilidad como imagen resumen de las bandas originales.

3.2.5.- Mtodos de deteccin de cambios La revisin bibliogrfica seala a la comparacin por post-clasificacin y a la imagen de diferencias como las metodologas de deteccin de cambios ms comunes y de resultados eficaces, por lo tanto, sern stas metodologas las que se apliquen en este estudio. Se debe sealar que la clasificacin satelital aplicada en todas las alternativas de deteccin de cambios analizados en ste estudio, utiliz el Mtodo Supervisado como fase de entrenamiento y el Clasificador de Mxima Probabilidad como fase de asignacin de los valores de pxel en las categoras de clasificacin.

Cada una de estas metodologas de deteccin de cambios analizadas en ste estudio se explica a continuacin:

3.2.5.1.- Comparacin por Post-Clasificacin. Este mtodo consider la clasificacin por separado de cada imagen a travs de una clasificacin supervisada. Este mtodo permite observar las zonas estables y las dinmicas, es decir; la cobertura original y actual del suelo.

Esta metodologa considero tres alternativas de aplicacin para encontrar la clasificacin de uso del suelo de cada ao.

38

3.2.5.1.1 .- Post-clasificacin Sin Mejoramiento Espectral. Clasificacin supervisada sobre las bandas sin mejoramiento espectral. (Figura N 4). 1987 1998

Bandas originales rectificadas

Bandas originales rectificadas

Clasificacin para 1987.

Clasificacin para 1998.

Imagen de Cambio.

Figura N 4: Metodologa de Post-Clasificacin sin mejoramiento espectral.

3.2.5.1.2 .- Post-clasificacin con NDVI. Clasificacin supervisada sobre los NDVI de cada ao. (Figura N 5). 1987 1998

NDVI

NDVI

Clasificacin para 1987.

Clasificacin para 1998.

Imagen de Cambio.

Figura N 5: Metodologa de Post-Clasificacin con NDVI.

39

3.2.5.1.3 .- Post-clasificacin con ACP. Clasificacin supervisada sobre el ACP de cada ao. (Figura N 6).

1987

ACP

1998

ACP

Clasificacin para 1987.

Clasificacin para 1998.

Imagen de Cambio. Figura N 6: Metodologa de Post-Clasificacin con ACP.

3.2.5.2.- Imagen de diferencias. La imagen de diferencias consiste en la simple resta entre imgenes de dos fechas, de modo que las zonas estables presentarn un valor cercano a cero, y las que hayan experimentado cambios ofrecern valores significativamente distintos de cero (positivos o negativos). (Chuvieco, 1996).

Esta tcnica de deteccin de cambio se aplic sobre el correspondiente NDVI de los aos 1987 y 1998, cuya expresin matemtica fue: IDif = NDVI1998 NDVI1987 Donde: IDif NDVI1987 NDVI1998 = Imagen de Diferencia. = NDVI para el ao 1987. = NDVI para el ao 1998. (3.2)

40

Macleod and Congalton (1998), incorporan modificaciones al tradicional tratamiento de la imagen de diferencias con el propsito de generar una imagen de cambio que presente la direccin y magnitud de cambio del uso del suelo.

Esta modificacin genera una mscara binaria de cambio que separa las zonas estables y las zonas dinmicas en ambas fechas, y as obtener la clasificacin de las zonas dinmicas de la imagen de 1998 desde de los pxeles con cambio entre ambas fechas, y la clasificacin de las zonas estables de 1998 desde la clasificacin de la imagen de 1987. La aplicacin de ste mtodo se

esquematiza a continuacin. (Figura N 7).

1987 Bandas TM rectificadas

NDVI 1987 NDVI 1998

Imagen de Diferencia. Identificacin de pxeles de cambio. Creacin de imagen binaria de cambio.

Clasificacin para 1987.

Pxeles sin cambio.

Clasificacin de pxeles de cambio de 1998. Clasificacin para 1998.

Imagen de cambio.

Figura N 7: Metodologa para la Imagen de diferencia del NDVI.

41

3.2.5.3.- Anlisis de Componentes Principales Multitemporales. A partir del anlisis de componentes principales multitemporales se seleccion el componente que destacara los cambios entre los aos 1987 y 1998, y con esta imagen se gener una mascara binaria de cambio que permitiera obtener la clasificacin de las zonas dinmicas de 1998 desde de los pxeles con cambio entre ambas fechas, y la clasificacin de las zonas estables de 1998 desde la clasificacin de 1987, de igual modo que en la metodologa de la imagen de diferencias al NDVI propuesta por Macleod and Congalton, 1998.

Esta alternativa de deteccin de cambios con ACP es la que se aplic en este estudio y su forma de aplicacin se esquematiza a continuacin: 1987 1987 Bandas TM rectificadas 1998 Aplicacin de ACP Multitemporal. Seleccin imagen de cambio. Creacin de imagen binaria de cambio. Pxeles sin cambio. Clasificacin de pxeles de cambio de 1998. Clasificacin para 1998.

Clasificacin para 1987.

Imagen de cambio. Figura N 8: Multitemporales. Metodologa del Anlisis de Componentes Principales

42

3.2.6.- Mtodo de Verificacin de Resultados La informacin de los cambios ocurridos en el rea de estudio a travs de las imgenes satelitales fue comparada con la informacin testigo generada a partir de un muestreo aleatorio simple realizado con fotografas areas escala 1:50000 de 1987 y fotografas a escala 1:20000 de 1994, nica fuente de informacin disponible para la zona de estudio y la ms cercana a los aos 1987 y 1998.

La verificacin de los resultados obtenidos se realiz en base a dos matrices de error que contraponen la informacin generada por la clasificacin del cambio de uso del suelo entregada por las imgenes satelitales y la informacin testigo. Estas matrices, llamadas error de deteccin de cambios y error de cambio y sin cambio, se presentan en los Anexos Cuadros N 1A y N 2A.

La matriz de error de deteccin de cambios presenta en la diagonal los pxeles estables y los pxeles de cambio en el resto de las celda, entregando la posibilidad observar las zonas estables y dinmicas, y la cobertura original y actual del suelo, indicando tendencias de cambio en la zona de estudio. (Chuvieco, 1996).

A partir de stas matrices se generaron el porcentaje de exactitud global de acierto y el ndice KAPPA que intenta delimitar el grado de ajuste debido slo a la exactitud de la clasificacin, prescindiendo del causado por factores aleatorios. De este modo, el ndice KAPPA evala si el grado de discriminacin de las categoras de clasificacin es significativamente mayor al que hubiera obtenido en forma aleatoria (Chuvieco, 1996; Lyon et al., 1998; Macleod and Congalton, 1999). Estos indicadores permitieron la evaluacin cuantitativa de la precisin alcanzada por los diferentes mtodos de deteccin de cambios de uso del suelo estudiados en esta investigacin.

43

4.- DISCUSIN DE RESULTADOS

4.1.- Correccin Geomtrica

La georreferenciacin de las imgenes satelitales se realiz con el SIG Erdas Image 8.3.1, con las cartas IGM correspondientes como informacin de referencia, y cumpliendo el requisito de un error medio cuadrtico del orden de medio a un cuarto de pxel, condicin fundamental al momento de realizar comparaciones pxel a pxel entre imgenes satelitales multitemporales. El Cuadro N 4 indica los parmetros de georrefrenciacin alcanzados con cada imagen. CUADRO N 4. Parmetros de Georreferenciacin de las imgenes de 1987 y 1998. IMAGEN DE 1987 Informacin de referencia Mtodo de Resampleo Orden del polinomio ajustado Puntos de control RMS total Pixel Carta IGM Nearest Neighbor 3 49 0.3712 30*30 IMAGEN DE 1998 Carta IGM Nearest Neighbor 3 30 0.3805 30*30

44

4.2.- Calibracin Radiomtrica

Las inestables condiciones de observacin, las condiciones atmosfricas o la calibracin del sensor, se convierten en otro importante problema en la deteccin digital de cambios, ya que la signatura espectral en un pxel se ve modificada aunque se mantenga constante la cubierta (Chuvieco, 1996).

De este modo, tomando como referencia un grupo de pxeles del cuerpo de agua (tranque) de baja reflectancia y pxeles de centros urbanos de alta reflectancia de la imagen satelital de 1998, a travs de regresiones lineales, se ajust la imagen satelital de 1987, banda por banda, permitiendo as homogenizar los datos de ambas escenas, eliminando o minimizando los efectos antes sealados. Los parmetros de calibracin utilizados en este estudio se presentan en el siguiente cuadro. CUADRO N 5: Parmetros de la calibracin relativa aplicada a las imgenes multitemporales.

MODELO: Y = A + B(X); Y = BANDAi DE 1987; X = BANDAi DE 1998; i = 1,2,..,7.

Banda 1 Banda 2 Banda 3 Banda 4 Banda 5 Banda 7

y = -0.309 + 0.78 (x) y = 3.580 + 0.62 (x) y = 6.380 + 0.53 (x) y = 3.550 + 0.57 (x) y = 3.180 + 0.61 (x) y = 2.000 + 0.62 (x)

R = 0.98 R = 0.98 R = 0.99 R = 0.99 R = 0.99 R = 0.99

45

4.3.- Mejoramiento Espectral

Con el propsito de mejorar la discriminacin entre las coberturas de uso del suelo y resumir un grupo amplio de variables en un nuevo conjunto ms pequeo, se aplic un ndice de vegetacin y un anlisis de componentes principales al conjunto de bandas de ambas fechas, dejando otro grupo de bandas crudas (sin ningn mejoramiento) para actuar como informacin testigo. 4.3.1.- ndice de Vegetacin (NDVI) Con el propsito de destacar la vegetacin presente en las escenas de 1987 y 1998, a partir de las bandas roja e infrarroja se gener el ndice de vegetacin (NDVI) a travs de la siguiente formula. NDVI = TM4 TM3 TM4 + TM3 Donde: (4.1)

TM4 = Banda 4 del sensor Landsat TM. TM3 = Banda 3 del sensor Landsat TM.

Como resultado de la aplicacin de este ndice se obtuvieron escenas para los aos 1987 y 1998 que, segn apreciacin visual, permitieron diferenciar efectivamente a los sectores con presencia de vegetacin de aquellos sectores sin vegetacin. De este modo, las escenas del NDVI de 1987 y del NDVI de 1998 fueron utilizados como input en la clasificacin supervisada de cada ao.

46

Las escenas del NDVI generadas para cada ao se observan en las siguientes figuras.

Figura N 9: ndice de vegetacin, NDVI de 1987.

Figura N 10: ndice de vegetacin, NDVI de 1998.

Los NDVI de los aos 1987 y 1998 muestran en colores verde oscuro a las zonas con presencia de vegetacin o masas arbreas y, en colores amarillo, caf a caf oscuro las zonas sin vegetacin, como suelo agrcola y cuerpos de agua.

47

4.3.2.- Anlisis de Componentes Principales (ACP) A partir de la matriz de correlacin entre las bandas 1, 2, 3, 4, 5, y 7 de las escenas de 1987 y 1998, se aplic un anlisis de principales componentes cuyos parmetros de ajuste se presentan en los Cuadros N 3A al N 8A. De los resultados del ACP se puede observar que el primer componente principal de la escena de 1987 y 1998 explican el 76.65% y el 79.24% de la varianza original. Por lo tanto, estos dos componentes, considerados como escenas representantes de cada ao, fueron utilizados en la clasificacin supervisada de cada ao. Estas escenas se presentan a continuacin.

Figura N 11: Primer componente principal de la escena de 1987.

Figura N 12 Primer componente principal de la escena de 1998.

48

4.4.- Deteccin del Cambio

4.4.1.- Post-clasificacin Este mtodo de deteccin de cambio, a travs del cruce de las imgenes clasificadas de cada ao, gener una imagen con la direccin de cambio de uso del suelo, y a travs de la cuantificacin de los pxeles involucrados entreg la superficie contenida en cada categora, es decir, la magnitud del cambio.

De este modo, utilizando las bandas originales sin mejoramiento espectral, el NDVI y el primer componente principal de las escenas de 1987 y 1998 respectivamente, se aplic el mtodo de deteccin de cambios por Postclasificacin generando tres imgenes del cambio de uso del suelo en el periodo de tiempo sealado. La cartografa de la clasificacin del cambio de uso del suelo generada por ests tres alternativas de Post-clasificacin se presentan en los Anexos N 2 al N 4.

4.4.2.- Imagen de Diferencia del NDVI A partir de la imagen de diferencia entre los NDVI de 1987 y 1998, se gener una mascara binaria de cambio que permitiera obtener la clasificacin de las zonas dinmicas de 1998 desde de los pxeles con cambio entre ambas fechas, y la clasificacin de las zonas estables de 1998 desde la clasificacin de 1987. La expresin matemtica utilizada para obtener la imagen de diferencia del NDVI de 1987 y 1998 fue: IDif = NDVI1998 NDVI1987 (4.2)

Donde: IDif NDVI1987 NDVI1998 = Imagen de Diferencia. = NDVI para el ao 1987. = NDVI para el ao 1998.

49

A la imagen de diferencia resultante se le aplic un stretch o estiramiento de sus valores al rango de 0 a 255 valores de despliegue que permite el SIG Idrisi32. El resultado de este procedimiento puede observarse en la siguiente imagen. (Figura N 13).

Figura N 13: Imagen de diferencia del NDVI de 1987 y 1998.

Esta imagen de diferencia despliega a las zonas que perdieron vigor vegetal entre ambas fechas, es decir, zonas de deforestacin o cosecha forestal en colores caf a caf oscuro . Por otro lado, los sectores que ganaron vigor vegetal o zonas forestadas se despliegan en colores verde a verde oscuro.

Por ltimo, a travs de anlisis visual se determin el umbral de cambio que entregara una mascara binaria de cambio, es decir, generar una imagen con valores 0 y 1, en donde los pxeles con valores 1 representaran a las zonas de cambio en su cobertura del suelo. La imagen resultante de este proceso se observa en la Figura N 14.

50

Figura N 14: Mscara binaria de cambio generada desde la Imagen de diferencia del NDVI de 1987 y 1998.

Esta mascara binaria de cambio destaca en color verde oscuro a las zonas que presentaron cambios en su cobertura de uso del suelo, y en color gris a las zonas sin cambio entre 1987 y 1998.

La creacin de la mscara binaria de cambio con la imagen de diferencias se presenta como una poderosa herramienta para la discriminacin de zonas de cambio de cobertura de uso del suelo, principalmente en zonas de uso forestal dado el origen y la forma de adquisicin del NDVI.

Este mtodo entrega una imagen de cambio que ofrece tanto direccin como la magnitud del cambio entre las coberturas de uso del suelo entre 1987 y 1998. La cartografa de la clasificacin del cambio de uso del suelo generada por la imagen de diferencia al NDVI se observa en el Anexo N 5.

51

4.4.3.- Anlisis de Componentes Principales Multitemporales Los resultados de la aplicacin del ACP Multitemporal se entregan en los Anexos Cuadros N 13A, N 14A y N 15A. En el Cuadro N 14A se puede apreciar que el primer componente, con el 57,53% de la varianza original, representa los elementos estables entre ambas fechas, y que el segundo

componente, con un 20,87% de la varianza original, representa a los elementos de cambio entre los aos 1987 y 1998. Por lo tanto, se seleccion al segundo componente como la imagen que destaca los cambio de uso del suelo (figura N 15), y a partir de este se gener la mascara binaria de cambio.

Figura N 15: Segundo componente principal multitemporal generado a partir de las escenas de 1987 y 1998.

Esta imagen de cambio generada del segundo componente multitemporal, destaca en colores verde a verde oscuro a las zonas forestadas; en color caf a caf oscuro a las zonas de deforestacin, de cosecha forestal o de arado agrcola, y por ltimo, en color amarillo se presentan las zonas sin cambio entre los aos 1987 y 1998.

52

Nuevamente, y de igual forma que con la imagen de diferencia, a travs de anlisis visual se determin el umbral de cambio que entregara una mscara binaria de cambio (valores 0 y 1), en donde los pxeles con valores 1 representaran a las zonas de cambio en su cobertura del suelo. (Figura N 16).

Figura N 16: Mscara binaria de cambio creada desde el segundo componente principal multitemporal de las escenas de 1987 y 1998.

Esta imagen binaria de cambio destaca en color verde oscuro a las zonas que presentaron cambios en su cobertura de uso del suelo, y a las zonas sin cambio entre 1987 y 1998 en color gris.

La creacin de la mscara binaria de cambio, con la metodologa de deteccin de cambios con ACP Multitemporal, identifica una mayor cantidad de zonas (pxeles) de cambio que la mscara binaria de cambio generada por la imagen de diferencia del NDVI. Esto se debe a la presencia de fuertes cambios espectrales en sectores agrcolas por lo que la imagen componente que destaca grandes sectores de cambios de uso del suelo. La posible causa que justifica esta diferencia son los diferentes estados de madures de los cultivos agrcolas o condiciones de arado del suelo generados por la diferencia en la

53

fecha de adquisicin de las imgenes satelitales, principio de enero y fines de febrero respectivamente.

Este mtodo de deteccin de cambios entrega una imagen de cambio que ofrece tanto direccin como la magnitud del cambio entre las coberturas de uso del suelo entre 1987 y 1998, es decir, la imagen de cambio originada con ACP Multitemporal. La cartografa de la clasificacin del cambio de uso del suelo generada por el ACP Multitemporal se presenta en el Anexo N 6.

De los cinco mtodos de deteccin de cambios estudiados en esta investigacin, la Post-clasificacin, con una menor cantidad etapas que cumplir y la ausencia de procesos de interpretacin involucrados en la bsqueda de una imagen de cambio de uso del suelo, se destaca por ser el mtodo ms sencillo de aplicar.

La determinacin visual de la imagen binaria de cambio se presenta como una dificultad al momento de definir el umbral de cambio que separe a los pxeles de cambio de los pxeles estables, ya que depende demasiado de la experiencia y del conocimiento del rea de estudio por parte del investigador. Esta situacin puede facilitarse o ver mejorada su valides estadstica al incorporar un criterio cuantitativo en la determinacin del umbral de cambio que mejor separe a los sectores estables y dinmicos de entre imgenes satelitales multitemporales.

La etapa de clasificacin supervisada, utilizada en todos los mtodos de deteccin de cambios revisados en este estudio, merece de un anlisis ms profundo, toda vez que se requieren de reas de entrenamiento que representen lo ms fielmente a la categora que describen, y por lo tanto, su correcta definicin influye directamente en los resultados de la clasificacin final de cambios de uso del suelo. En ste estudio, esta relevante etapa de clasificacin no fue estudiada en detalle, y en el mbito de investigaciones

54

nacionales, an no se ha agotado la investigacin de las distintas alternativas de clasificacin satelital y sus criterios de aplicacin. 4.5 Verificacin de Resultados

Segn la informacin recogida de las fotografas areas, en el rea de estudio se presentaron 14 categoras de cambio entre 1987 y 1998. La identificacin de cada categora de cambio se entrega en el Cuadro N 6. Cuadro N 6: Identificacin de las categoras de cambio observadas en las fotografas areas de 1987 y 1994 utilizadas como informacin testigo.

N Categora de cambio 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Categora de cambio testigo 1I1 4I1 5I1 6I1 1I2 2I2 1I3 3I3 1I4 4I4 5I4 5I5 6I6 1I7

Uso Suelo 1987 Agrcola P. Pino Renoval B. N. Adulto Agrcola Agua Agrcola Urbano Agrcola P. Pino Renoval Renoval B. N. Adulto Agrcola I I I I I I I I I I I I

Uso Suelo 1998 Agrcola Agrcola Agrcola Agrcola Agua Agua Urbano Urbano P. Pino P. Pino P. Pino Renoval

Evolucin

Sin Cambio Cambio Cambio Cambio Cambio Sin Cambio Cambio Sin Cambio Cambio Sin Cambio Cambio Sin Cambio

I B. N. Adulto Sin Cambio I P. Eucalipto Cambio

55

Congalton and Green (1999), propone un mnimo de 50 muestras por cada categora de cambio en la matriz de error, pauta derivada empricamente. De este modo, considerando estas recomendaciones, y focalizando la intensidad de muestreo en las categoras de cambio ms significativas en trminos de superficie, se utiliz la siguiente pauta para determinar el nmero de muestras a obtener por categora de cambio. Cuadro N 7: Intensidad de muestreo segn porcentaje de superficie, por categora de cambio de uso del suelo.

% Superficie < 0,5% 0,5 - 5% > 5%

Superficie ha < 207 207 2071.5 > 2071.5

N Muestra 5 15 70

Por consiguiente, se obtuvieron un total de 435 muestras para las 14 categoras de cambio observadas en la informacin testigo, y cuyo detalle se observa en el Cuadro N 8.

56

Cuadro N 8: Nmero de muestras testigo por categora de cambio de uso del suelo observadas en las fotografas areas de 1987 y 1994 utilizadas como informacin testigo.

N Categora de cambio 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Categora de cambio Testigo * 1l1 4l1 5l1 6l1 1l2 2l2 1l3 3l3 1l4 4l4 5l4 5l5 6l6 1l7 TOTAL

N de muestras testigo 70 15 15 5 5 5 5 5 70 70 15 70 15 70 435

* La identificacin de las categoras de cambio de uso de suelo sealadas en la segunda columna del presente cuadro se detallan en el Cuadro N 6.

La verificacin de los resultados obtenidos, en la aplicacin de las diferentes metodologas de deteccin de cambios analizadas, se realiz en base a dos matrices de error que contraponen la informacin generada por la clasificacin

57

de las imgenes satelitales y la informacin testigo. Estas matrices de error de deteccin de cambios y error de cambio y sin cambio se presentan en los Anexos Cuadros N 1A y N 2A.

Para cada matriz de error se determin la exactitud global del mtodo correspondiente y el ndice KAPPA, dos medidas de precisin frecuentemente utilizadas para evaluar clasificaciones de uso y cobertura de suelo obtenidas de Sensores Remotos (Stehman, 1996; Congalton and Green, 1999).

Los resultados, de las matrices de error de deteccin de cambios y error de cambio y sin cambio, se presentan en los Anexos Cuadros N 12A al N 21A. De ellos se puede sealar que: La metodologa de Post-clasificacin sin mejoramiento espectral presenta 13 categoras de direccin de cambio sin que registre entre sus resultados la direccin de cambio agrcola agua que s se observa en la informacin testigo. La metodologa de Post-clasificacin NDVI presenta 15 categoras de direccin de cambio registrando entre sus resultados la direccin de cambio agua - agrcola que no se observa en la informacin testigo. La metodologa de Post-clasificacin ACP presenta 15 categoras de direccin de cambio registrando entre sus resultados la direccin de cambio agua - agrcola que no se observa en la informacin testigo. Las metodologas de Imagen de Diferencias del NDVI y ACP Multitemporal presentan las mismas 14 categoras de direccin de cambio que se observan en la informacin testigo.

58

Las cinco metodologas de deteccin de cambios presentan la direccin de cambio plantacin de pino agrcola, resultado que requiere una cuidadosa interpretacin, ya que, si bien la deteccin del cambio espectral de la cobertura del suelo es precisa, gran parte de esta superficie corresponde a terrenos forestales recin cosechados, y por lo tanto, no se produjo necesariamente un cambio en la cobertura de uso de suelo, pues continua siendo forestal. Esta misma interpretacin puede ser aplicada para las direcciones de cambio renoval agrcola y bosque nativo adulto agrcola. Para verificar esta situacin se requiere control de terreno. 4.6.- Seleccin del mejor mtodo de deteccin de cambios

La metodologa de deteccin de cambio que permiti una mejor deteccin de la magnitud y direccin del cambio de la cobertura de uso del suelo, durante 1987 y 1998, se determin a partir de la exactitud global e ndice KAPPA.

CUADRO N 9: Exactitud global e ndice KAPPA de la Matriz de Error de Deteccin de Cambio para las cinco metodologas de deteccin de cambios analizadas en este estudio.

Metodologa de deteccin de cambio

Exactitud Global

Kappa

Post-clasificacin sin mejoramiento espectral Post-clasificacin NDVI Post-clasificacin ACP Imagen de diferencia del NDVI Deteccin de cambios con ACP

78.2 84.1 79.5 91.3 80.0

0.74 0.82 0.77 0.90 0.77

59

CUADRO N 10: Exactitud global e ndice KAPPA de la Matriz de Error de Cambio y Sin Cambio para las cinco metodologas de deteccin de cambios analizadas en este estudio.

Metodologa de deteccin de cambio

Exactitud Global

Kappa

Post-clasificacin sin mejoramiento espectral Post-clasificacin NDVI Post-clasificacin ACP Imagen de diferencia del NDVI Deteccin de cambios con ACP

89.7 91.0 91.3 97.5 91.3

0.78 0.82 0.82 0.94 0.82

De la informacin entregada por las dos ltimos cuadros se puede sealar que: En general, todos los mtodos de deteccin de cambios revisados en esta investigacin entregan altos indicadores de precisin en la discriminacin de pxeles de cambio, es decir, presentaron un alto acierto en la identificacin de aquellos pxeles que modificaron su respuesta espectral entre 1987 y 1998. De las cinco metodologas de deteccin de cambios, la que obtuvo menor exactitud global e ndice Kappa, en ambas matrices de error, fue la Post-clasificacin sin mejoramiento espectral. Por lo tanto, la incorporacin del NDVI o ACP como mejoramiento espectral en el proceso de deteccin de cambios a travs de Post-clasificacin se justifica al entregar mayores resultados que la utilizacin de las bandas crudas o sin mejoramiento espectral. Los mtodos de Post-clasificacin con ACP y deteccin de cambios con ACP Multitemporal obtuvieron resultados casi idnticos.

60

 El mtodo de deteccin de cambio que present los mayores valores de exactitud global e ndice Kappa, para las matrices de error de deteccin de cambio y error de cambio y sin cambio, fue la imagen de diferencias del NDVI.

La creacin de la mscara binaria de cambio con la imagen de diferencias se presenta como una poderosa herramienta para la discriminacin de zonas estables de aquellas que presentaron cambios en su cobertura del suelo. Esto entrega la posibilidad de separar las zonas estables de la imagen de 1998 (escena ms reciente), para as concentrar el proceso de clasificacin supervisada slo en las zonas que efectivamente presentaron cambios de uso del suelo, y se comprueba al comparar los mayores indicadores de precisin entregados por la imagen de diferencias del NDVI que los presentados por la Post-clasificacin con NDVI.

De este modo, la metodologa seleccionada como aquella que determin de mejor forma los cambios producidos en el rea de estudio, fue el mtodo de deteccin de cambios con la imagen de diferencias del NDVI.

61

Las superficies por categora de cambio de uso del suelo segn el mtodo de deteccin de cambio de uso del suelo de la imagen de diferencias del NDVI para el rea de estudio de esta investigacin se presentan a continuacin: CUADRO N 11: Superficies por categora de cambio de uso del suelo segn Imagen de Diferencias del NDVI.

N Categora de cambio 1 2 3 4 5 6 7 8 9 10 11 12 13 14 TOTAL

Categora de cambio 1I1 4I1 5I1 6I1 1I2 2I2 1I3 3I3 1I4 4I4 5I4 5I5 6I6 1I7

Uso Suelo 1987 Agrcola P. Pino Renoval B. N. Adulto Agrcola Agua Agrcola Urbano Agrcola P. Pino Renoval Renoval B. N. Adulto Agrcola I I I I I I I I I I I I

Uso Suelo 1998 Agrcola Agrcola Agrcola Agrcola Agua Agua Urbano Urbano P. Pino P. Pino P. Pino Renoval

Superficie ha 26069.13 1383.48 427.32 146.25 3.42 42.30 17.19 121.32 2234.52 3110.04 13.14 5022.27 557.64 2282.4 41430.42

I B. N. Adulto I P. Eucalipto

El cambio de uso del suelo de Plantacin de pino Agrcola alcanza a una superficie de 1383.48 ha, resultado que como se mencion anteriormente, requiere de una cuidadosa interpretacin ya que, esta superficie corresponde ms bien a terrenos forestales recin cosechados, y que por lo tanto no se

62

produjo necesariamente un cambio en la cobertura de uso de suelo, pues continua siendo forestal. Lo mismo ocurre con las 573,25 ha del cambio de uso del suelo de Renoval Agrcola y Bosque Nativo Adulto Agrcola. Para verificar esta situacin se requiere de control en terreno. La superficie cubierta por nuevas plantaciones de Pino insigne alcanza a 2234.52 ha debido a el cambio de uso del suelo de Agrcola - Plantacin de pino

La superficie cubierta por nuevas plantaciones de Eucalipto alcanza a 2282.4 ha debido a el cambio de uso del suelo de Agrcola - Plantacin de eucalipto

La superficie que se mantuvo sin cambios en su cobertura de Renovales alcanza a 5022.27 ha y en Bosque Nativo Adulto a 557.64 ha.

En este estudio, queda demostrada una de las potencialidades de la utilizacin de informacin satelital, toda vez que es posible conocer con un cierto grado de exactitud, el dinamismo de las coberturas de suelo en situaciones que no tienen informacin fidedigna y peridica como la proporcionada por las imgenes Landsat TM, que gracias a su formato digital permite el anlisis cuantitativo de variables medioambientales, cualidad que no ofrecen otras fuentes de informacin como las fotografas areas tradicionales.

Se debe sealar que los resultados de este estudio no limitan, ni agotan la posibilidad de estudiar otras alternativas de metodologas de deteccin de cambios, una gran variedad de otros mejoramientos espectrales, y definir su aplicabilidad en clasificaciones digitales de mayor detalle.

63

5.- CONCLUSIONES

De los cinco mtodos de deteccin de cambios estudiados en esta investigacin, la Post-clasificacin se destaca por ser la ms sencilla de aplicar por la menor cantidad procesos y necesidad de interpretacin involucrados en la bsqueda de una imagen de cambio de uso del suelo.

La incorporacin del NDVI o ACP como mejoramiento espectral en el proceso de deteccin de cambios, a travs de la Post-clasificacin, mejora la deteccin de los cambios de uso del suelo en comparacin con la utilizacin de las bandas crudas o sin mejoramiento espectral que presenta los menores valores exactitud global e ndice KAPPA.

El ndice de vegetacin NDVI, dado su origen y la forma de adquisicin, se presenta como el mejoramiento espectral que mejor discrimina las zonas de cambio de cobertura de uso del suelo, principalmente en zonas de uso forestal o con presencia de cobertura vegetal.

La metodologa de deteccin de cambios de Imagen de Diferencias del NDVI fue la que present los mejores valores de exactitud global e ndice KAPPA, por lo que se presenta como la metodologa cuyos resultados detectaron de mejor forma los cambios de uso del suelo para el rea de estudio.

La determinacin visual el umbral de cambio que determina la mscara binaria de cambio, dificulta el proceso de establecer el intervalo de valores de nivel digital que mejor separe las zonas estables de las que presentaron un cambio de uso del suelo a travs de imgenes satelitales multitemporales.

64

Entre 1987 y 1998, la superficie cubierta por nuevas plantaciones de Pino insigne y Eucalipto alcanzan a 2234.52 ha y 2282.4 ha respectivamente debido a el cambio de uso del suelo de Agrcola - Plantacin de pino y Agrcola Plantacin de eucalipto.

El cambio de uso del suelo entre 1987 y 1998 de Plantacin de pino Agrcola; Renoval Agrcola y Bosque Nativo Adulto Agrcola alcanzaron una superficie de 1383.48 ha, 427.32 ha y 146.25 ha.

Entre 1987 y 1998, la superficie de Renovales y Bosque Nativo Adulto que se mantuvo sin cambios alcanza a 5022.27 ha y 557.64 ha respectivamente.

Los resultados obtenidos en este estudio entregan una orientacin respecto de la aplicabilidad de la imagen satelital Landsat TM en el monitoreo del recurso forestales y coberturas de uso de suelo.

65

6.- RESUMEN

La importancia de actualizar informacin en forma peridica, eficaz y eficiente, implica la evaluacin de la informacin satelital probada en otros pases, destacndose el anlisis multitemporal de imgenes satelitales para la deteccin de cambios de la cobertura de uso del suelo.

Este estudio presenta la evaluacin cuantitativa de las siguientes tcnicas de deteccin de cambios a travs de imgenes satelitales LANDSAT Thematic Mapper (TM); Post-clasificacin utilizando las bandas crudas, Post-clasificacin a los NDVI generados en ambos periodos, Post-clasificacin aplicando un Anlisis de Componentes Principales a las bandas de cada periodo, Imagen de diferencias al NDVI de cada periodo y un Anlisis de Componentes Principales Multitemporal (ACP). De este modo, se determinaron la magnitud y direccin de los cambios de uso de suelo para un rea de estudio de La IX regin de La Araucana.

El mtodo de deteccin de cambios por Post-clasificacin se destac por ser la ms sencilla de aplicar. La incorporacin del NDVI o ACP en el proceso de deteccin de cambios a travs de la Post-clasificacin, mejora la deteccin de los cambios de uso del suelo.

La metodologa de deteccin de cambios de Imagen de Diferencias del NDVI present los mejores valores de exactitud global e ndice KAPPA, por lo que se presenta como la metodologa cuyos resultados detectaron de mejor forma los cambios de uso del suelo.

66

SUMMARY

The importance of modernizing information in periodic, effective and efficient form, it imply the evaluation of the information of satellite proven in other countries, standing out the analysis of different dates of satellite images to detect landuse change.

Using satellite images LANDSAT Thematic Mapper (TM), the present studies aims at quantitatively assessing the accuracy of the following techniques for detecting landcover changes; post-classification using raw imagery, postclassification of NDVI generated in both periods, post-classification using a Principal Components Analysis (PCA) for each periods bands, image differencing at the NDVI of each period and finally Pcipal Component Analisis (PCA) multidates. In this way, they were determined the magnitude and address of the changes of landuse for an area of study of the IX region of La Araucana.

In this study, the method of detection of changes by Post-clasificacin stood out by being the simplest of applying. The incorporation of the NDVI or ACP in the process of detection of changes through the Post-clasificacin, it improve the detection of the changes of landuse.

The image differencing change-detection technique with the highest values of global accuracy and index KAPPA, proved to be the best method for landuse changes detection.

67

7.- BIBLIOGRAFA

Araya, L. 1998. El Catastro es solo una fotografa. Revista Chile Forestal. CONAF. Santiago, Chile. Vol. 23 N 259. Pp 13 15. Avery, E. and Graydon B. 1992. Fundamentals of Remote Sensing and Airphoto Interpretaion. Macmillan Publishing Company. 5 Edicin. 472 p. Belspo, 1999. Prime Ministers Services Belgian Federal Office for Scientific, Technical and Cultural Affairs. Landsat Thematic Mapper Data. Disponible en Internet: http://www.belspo.be/telsat/landsat/tmap_001.htm CEO (Centre for Eart Observation), 1999. Detection of changes.

The CEO Programme. en Internet:

Disponible

http://www.ceo.org/infopapers/mapping/page9.htm Chuvieco, E. 1996. Fundamentos de Teledeteccin Espacial. Tercera Edicin. Ediciones Rialp S. A. Madrid, Espaa. 568 p. CIESIN (Center for International Earth Science Information Network Columbia University), 1999. Thematic Guides. * Provisional Release *. Disponible en Internet:

http://infoserver.ciesin.org/TG/RS/HTML/chngdet.html Congalton, R. and Green, K. 1999. Aassessing the Accuracy of Remotely Sensed Data: Principles and Practices. Lewis Publishers. 137 p.

68

 Copyright 1990-1995 Microsoft Corp. Ayuda de Microsoft Windows 4.00.950. Sistema de Ayuda de IDRISI para Windows. DNR, (Minnesota Department of Natural Resources) 1999. CHANGE VIEW. Disponible en Internet http://www.ra.dnr.state.mn.us/changeview/ IUFRO,

1994.

Directrices

Internacionales

de

IUFRO

para

la

Monitorizacin de los Recursos Forestales. Editado por Risto Pivinen, H. Gyde Lund. Simo Poso and Tomasz Zawila-Niedzwiecki. Versin espaola de Ramn Elena Rossell y Bertram Husch. 101 pp. Jensen, J. 1996. Introductory Digital Image Processing A Remote Sensing Perspective. Kitchin, M. and M. Barson, 1997. Monitoring Land Cover Change. Specifications for the Remote Sensing of Agricultural Land Cover Change. 1990 1995 Project. Disponible en Internet:

http://www.brs.gov.au/apnrb/landcov/specs/contents.htm Lillesand, T. and R. Kiefer. 1994. Remote Sensing and Image Interpretaion. John Wiley & Sons, Inc. 3 Edicin. 748 pp. Lyon, J., et al, 1998. A Change Detection Experiment Using Vegetation Indices. Photogrammetric Engineering & Remote Sensing, 64: 143-150.

69

 Macleod, R. and R. Congalton, 1998. A Quantitative Comparison of Change-Deteccion Algorithms for Monitoring Eelgrass from Remotely Sensed Data. Photogrammetric Engineering & Remote Sensing, 64: 207216.

MARC (The Mid-America Remote sensing Center), 1999. Murray State University. Change Detection in the Area of Benton and Draffenville, Kentucky Utilizing Landsat Thematic Mapper Data. Disponible en Internet: http://gis.mursuky.edu/gsc/gsc641/1997/tucker/index.html Muchoney, D. and B. Haack, 1994. Change Detection for Monitoring Forest Defoliation. Photogrammetric Engineering & Remote Sensing, 60: 1243-1251. Pla, L. 1986. Anlisis Multivariado: Mtodo de componentes Principales. Dpto. de Produccin Vegetal rea de Cs. Del Agro y del Mar. Universidad Nacional Experimental Francisco Miranda. Coro, Falcn, Venezuela. 94 pp. Remote Sensing Note, 1999. Land Cover Change Detection. Disponible en Internet: http://www.star.ait.ac.th/star/rsnotes/CP12/CP12-2.htm SSC (Swedish Space Corporation), 1999. METHODS FOR CHANGE DETECTION. Disponible en Internet:

http://www.ssc.se/rst/rss/project/change.html

70

 Stehman, S. 1996. Estimating the Kappa Coefficient and its Variance under Stratified Random Sampling. Photogrammetric Engineering & Remote Sensing, 62: 401-402.

West Virginia University, 1999. Department of Geology and Geography. Comparison of Change Analysis Procedures. Disponible en Internet: http://157.182.168.10/geog455/spring97/06/REMOTE.HTM

71

8.- ANEXO

72

FIGURA N 1A: Espectro electromagntico. (Jensen, 1996).

ANEXO N 2A.

FIGURA N 2A: Rotacin del sistema de coordenadas en un Anlisis de Componentes Principales. (Jensen, 1996).

73

FIGURA N 3A: Contraste espectral de la vegetacin en las bandas roja e infrarroja. (Jensen, 1996).

ANEXO N 4A.

ANEXO N 5A

FIGURA N 4A: Tcnica de Deteccin de Cambios con Post-clasificacin. (Jensen, 1996).

74

FIGURA N 5A: Tcnica de Deteccin de Cambios con Imagen de Diferencia. (Jensen, 1996).

75

CUADRO N1A: Matriz de Error de Deteccin de Cambio.

INFORMACIN TESTIGO SIN CAMBIO

1l1 1l1 2l2 3l3 4l4 5l5 6l6 1l2 1l3 1l4

CON CAMBIO
1l7 2l1 4l1 5l1 5l4 6 l 1 Total

I C N L F A O S R I MF A I C C I A D N A

2l2

SIN CAMBIO

3l3 4l4 5l5 6l6 1l2 1l3 1l4

CON CAMBIO

1l7 2l1 4l1 5l1 5l4 6l1

Total

Indice KAPPA = Porcentaje Global de Acierto =

76

CUADRO N2A: Matriz de Error de Cambio y Sin Cambio.

Sin Cambio Sin Cambio Cambio Total

Cambio

Total

Indice KAPPA = Porcentaje Global de Acierto =

77

CUADRO N 3A: Matriz de correlacin para las bandas de la escena de 1987.

b1cal_1987 b2cal_1987 b3cal_1987 b4cal_1987 b5cal_1987 b7cal_1987

b1cal_1987 b2cal_1987 b3cal_1987 b4cal_1987 b5cal_1987 b7cal_1987 1.000.000 0.965698 0.942881 0.123772 0.850404 0.855313 0.965698 1.000.000 0.965346 0.174905 0.859409 0.863688 0.942881 0.965346 1.000.000 0.061027 0.845726 0.867950 0.123772 0.174905 0.061027 1.000.000 0.236973 -0.010146 0.850404 0.859409 0.845726 0.236973 1.000.000 0.931394 0.855313 0.863688 0.867950 -0.010146 0.931394 1.000.000

CUADRO N 4A: Matriz de correlacin para las bandas de la escena de 1998.

COR MATRX b1_1998 b2_1998 b3_1998 b4_1998 b5_1998 b7_1998

b1_1998 1.000.000 0.972128 0.963019 0.441552 0.840736 0.822585

b2_1998 0.972128 1.000.000 0.985830 0.485470 0.841003 0.826242

b3_1998 0.963019 0.985830 1.000.000 0.425076 0.855678 0.848073

b4_1998 0.441552 0.485470 0.425076 1.000.000 0.323985 0.185454

b5_1998 0.840736 0.841003 0.855678 0.323985 1.000.000 0.959573

b7_1998 0.822585 0.826242 0.848073 0.185454 0.959573 1.000.000

78

CUADRO N 5A: Porcentaje de varianza, valores y vectores propios del ACP estandarizados de la escena de 1987.
COMPONENT % var. eigenval. eigvec.1 eigvec.2 eigvec.3 eigvec.4 eigvec.5 eigvec.6 C1 76.65 4.60 0.449796 0.454492 0.449521 0.072811 0.438460 0.437610 C2 17.00 1.02 -0.025458 0.022666 -0.091750 0.977471 0.095083 -0.161028 C3 4.46 0.27 -0.367421 -0.360213 -0.347054 -0.003187 0.579626 0.528039 C4 0.92 0.06 -0.740240 0.085161 0.662597 0.050626 -0.047375 0.030820 C5 0.64 0.04 -0.101721 0.284531 -0.236591 0.138664 -0.630267 0.660497 C6 0.32 0.02 -0.322078 0.758262 -0.417201 -0.132092 0.251525 -0.257946

CUADRO N 6A: Porcentaje de varianza, valores y vectores propios del ACP estandarizados de la escena de 1998.
COMPONENT % var. eigenval. eigvec.1 eigvec.2 eigvec.3 eigvec.4 eigvec.5 eigvec.6 C1 79.24 4.75 0.443140 0.447671 0.447281 0.218061 0.426756 0.416517 C2 14.93 0.90 0.019628 0.063965 -0.010729 0.912446 -0.200860 -0.350009 C3 4.52 0.27 -0.388416 -0.356613 -0.348970 0.318099 0.558529 0.432479 C4 0.69 0.04 -0.749167 0.263085 0.482225 0.040385 -0.269042 0.250959 C5 0.45 0.03 0.246562 -0.025660 -0.306406 0.113373 -0.619337 0.669502 C6 0.17 0.01 0.174159 -0.773598 0.592975 0.064971 -0.098073 0.075867

79

CUADRO N 7A: Cargas factoriales del ACP de la escena de 1987.

LOADING b1cal_1987 b2cal_1987 b3cal_1987 b4cal_1987 b5cal_1987 b7cal_1987

C1 0.964624 0.974694 0.964034 0.156148 0.940314 0.938491

C2 -0.025709 0.022890 -0.092655 0.987113 0.096021 -0.162616

C3 -0.190090 -0.186361 -0.179553 -0.001649 0.299877 0.273188

C4 -0.174024 0.020021 0.155771 0.011902 -0.011137 0.007246

C5 -0.019970 0.055859 -0.046447 0.027222 -0.123733 0.129668

C6 -0.044940 0.105802 -0.058213 -0.018431 0.035096 -0.035992

CUADRO N 8A: Cargas factoriales del ACP de la escena de 1998.

LOADING b1_1998 b2_1998 b3_1998 b4_1998 b5_1998 b7_1998

C1 0.966225 0.976106 0.975255 0.475461 0.930501 0.908177

C2 0.018580 0.060550 -0.010157 0.863732 -0.190136 -0.331323

C3 -0.202302 -0.185738 -0.181757 0.165678 0.290904 0.225252

C4 -0.152258 0.053468 0.098006 0.008208 -0.054679 0.051004

C5 0.040417 -0.004206 -0.050226 0.018584 -0.101522 0.109746

C6 0.017676 -0.078514 0.060182 0.006594 -0.009954 0.007700

80

CUADRO N 9A: Matriz de correlacin multitemporal de las escenas de 1987 y 1998.

MATRX

b1cal_1987 b2cal_1987 b3cal_1987 b4cal_1987 b5cal_1987 b7cal_1987 b1_1998 b2_1998 b3_1998 b4_1998 b5_1998 b7_1998 0,965698 1.000.000 0,965346 0,174905 0,859409 0,863688 0,439558 0,438104 0,445443 0,191074 0,474513 0,486118 0,942881 0,965346 1.000.000 0,061027 0,845726 0,86795 0,469319 0,469016 0,493405 0,153939 0,493753 0,515868 0,123772 0,174905 0,061027 1.000.000 0,236973 -0,010146 -0,095244 -0,083894 -0,128706 0,322603 -0,024318 -0,081461 0,850404 0,859409 0,845726 0,236973 1.000.000 0,931394 0,333915 0,336785 0,349906 0,195646 0,425884 0,426549 0,855313 0,863688 0,86795 0,931394 1.000.000 0,37248 0,375805 0,398615 0,135696 0,459545 0,483664 0,453163 0,445203 0,452527 0,165642 0,47258 0,486653

b1cal_1987 1.000.000 b2cal_1987 0,965698 b3cal_1987 0,942881 b4cal_1987 0,123772 b5cal_1987 0,850404 b7cal_1987 0,855313 b1_1998 b2_1998 b3_1998 b4_1998 b5_1998 b7_1998 0,453163 0,445203 0,452527 0,165642 0,47258 0,486653

0,439558 0,438104 0,445443 0,191074 0,474513 0,486118 0,469319 0,469016 0,493405 0,153939 0,493753 0,515868 0,333915 0,336785 0,349906 0,195646 0,425884 0,426549 0,37248 0,375805 0,398615 0,135696 0,459545 0,483664 0,48547 0,841003 0,826242 1.000.000 0,972128 0,963019 0,441552 0,840736 0,822585 0,972128 1.000.000 0,98583 0,963019 0,441552 0,48547 0,98583 1.000.000 0,425076 0,855678 0,848073 0,425076 1.000.000 0,323985 0,185454

-0,010146 -0,095244 -0,083894 -0,128706 0,322603 -0,024318 -0,081461

0,840736 0,841003 0,855678 0,323985 1.000.000 0,959573 0,822585 0,826242 0,848073 0,185454 0,959573 1.000.000

81

CUADRO N 10A: Porcentaje de varianza, valores y vectores propios del ACP Multitemporal de las escenas de 1987 y 1998.

Componente % var. eigenval. eigvec.1 eigvec.2 eigvec.3 eigvec.4 eigvec.5 eigvec.6 eigvec.7 eigvec.8 eigvec.9 eigvec.10 eigvec.11 eigvec.12

C1 57,53 6,9

C2 20,87 2,5

C3 10,85 1,3

C4 5,09 0,61

C5 2,65 0,32

C6 1,45 0,17

C7 0,5 0,06

C8 0,33 0,04

C9 0,29 0,04

C10 0,2 0,02

C11 0,16 0,02

C12 0,07 0,01

0,317056 0,304488 -0,035705 0,050824 -0,311344 0,208352 -0,642946 0,057093 -0,385846 -0,07806 -0,301558 0,003518 0,318314 0,3149 0,004571 0,027258 -0,28817 0,256022 0,062168 0,15865 0,214768 0,256426 0,689557 0,183732 0,323052 0,285825 -0,083849 0,083024 -0,276889 0,203003 0,607027 -0,285689 0,120078 -0,208633 -0,37185 -0,189265 0,016401 0,175267 0,735185 -0,578556 -0,145453 -0,164863 0,060289 0,132731 0,052515 0,049397 -0,137572 -0,008688 0,291319 0,352131 0,056473 -0,015014 0,39689 -0,444633 -0,060911 -0,516071 -0,214267 -0,180767 0,288985 0,019064 0,300954 0,316086 -0,130014 0,139402 0,445572 -0,237357 0,027451 0,556193 0,265376 0,217556 -0,299024 -0,032128 0,312411 -0,326231 0,013692 0,053826 -0,238716 -0,292878 -0,326671 -0,168943 0,663766 -0,23327 -0,072372 0,120963 0,314408 -0,332079 0,041519 0,087081 -0,195854 -0,275872 0,056228 0,175173 -0,2422 0,124519 0,199165 -0,720708 0,05139 0,317674 -0,324272 -0,020411 0,055935 -0,170296 -0,27621 0,277832 0,049406 -0,388234 0,243277 -0,138669 0,613452 0,144493 -0,164661 0,638307 0,598286 0,258045 0,313276 0,009688 0,015694 -0,026134 -0,134489 0,012112 0,316889 -0,257416 -0,033836 -0,320376 0,332597 0,401858 -0,11026 -0,365863 0,08968 0,315298 -0,23785 -0,142039 -0,401498 0,254145 0,2661 0,52604 -0,128739 -0,100371

0,082815 0,317623 -0,113089 -0,615035 0,150311 0,076467

82

CUADRO N 11A: Cargas factoriales del ACP Multitemporal, de las escenas de 1987 y 1998.
LOADING C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12

b1cal_1987 0,833024 0,481842 -0,040744 0,039730 -0,175499 0,086871 -0,158129 0,011427 -0,072566 -0,012090 -0,041981 0,000328 b2cal_1987 0,836327 0,498319 0,005216 0,021308 -0,162436 0,106746 0,015290 0,031755 0,040391 0,039716 0,095996 0,017111 b3cal_1987 0,848778 0,452307 -0,095680 0,064900 -0,156077 0,084640 0,149295 -0,057182 0,022583 -0,032314 -0,051767 -0,017626 b4cal_1987 0,043092 0,277353 0,838927 -0,452261 -0,081989 -0,068738 0,014828 0,026567 0,009877 0,007651 -0,019152 -0,000809 b5cal_1987 0,765403 0,557235 0,064442 -0,011736 0,223719 -0,185386 -0,014981 -0,103295 -0,040297 -0,027998 0,040231 0,001775 b7cal_1987 0,790716 0,500194 -0,148360 0,108971 0,251161 -0,098964 0,006751 0,111325 0,049909 0,033696 -0,041628 -0,002992 b1_1998 b2_1998 b3_1998 b4_1998 b5_1998 b7_1998 0,820820 -0,516249 0,015624 0,042076 -0,134560 -0,122113 -0,080343 -0,033815 0,124834 -0,036129 -0,010075 0,011265 0,826066 -0,525504 0,047377 0,068072 -0,110399 -0,115022 0,013829 0,035062 -0,045550 0,019286 0,027727 -0,067120 0,834647 -0,513149 -0,023291 0,043725 -0,095993 -0,115163 0,068331 0,009889 -0,073015 0,037679 -0,019305 0,057131 0,379637 -0,260570 0,728378 0,467683 0,145455 0,130618 0,002383 0,003141 -0,004915 -0,020830 0,001686 0,004786 0,832586 -0,407352 -0,038611 -0,250440 0,187479 0,167551 -0,027118 -0,073230 0,016866 0,081474 -0,017922 -0,009348 0,828403 -0,376389 -0,162082 -0,313853 0,143257 0,110948 0,020368 0,063574 -0,021268 -0,095258 0,020926 0,007121

83

CUADRO N12A: Matriz de Error de Deteccin de Cambio para Post-clasificacin Sin Mejoramiento espectral.

INFORMACIN TESTIGO SIN CAMBIO

1l1 1l1 65 5 5 1 1 1 69 6 38 2 7 4 2 0 4 1 1 1 3 63 3 10 60 0 1 3 1 12 1 2 1 70 5 5 70 70 15 5 5 70 70 0 15 1 15 15 1 1 13 9 5 1 1 1 2 5 3 1 1 2l2 3l3 4l4 5l5 4 6l6 1l2 3 1 1 1 5 1 1l3 1l4 1

CON CAMBIO
1l7 2l1 4l1 1 5l1 4 5l4 6l1 Total 78 6 6 84 51 5 0 4 78 67 0 17 13 22 4 435

I C N L F A O S R I MF A I C C I A D N A

2l2

SIN CAMBIO

3l3 4l4 5l5 6l6 1l2 1l3 1l4

CON CAMBIO

1l7 2l1 4l1 5l1 5l4 6l1

Total

Indice KAPPA = Porcentaje Global de Acierto =

0,74 78,2

84

CUADRO N13A: Matriz de Error de Cambio y Sin Cambio para Post-clasificacin Sin Mejoramiento espectral.

Sin Cambio Sin Cambio Cambio Total 210 25 235

Cambio 20 180 200

Total 230 205 435

Indice KAPPA = Porcentaje Global de Acierto =

0,78 89,7

85

CUADRO N14A: Matriz de Error de Deteccin de Cambio para Post-clasificacin del NDVI.

INFORMACIN TESTIGO SIN CAMBIO

1l1 1l1 66 3 3 70 7 35 1 7 2 5 5 1 2 2 2 1 5 65 5 2 68 0 13 8 17 1 2 70 5 5 70 70 15 5 5 70 70 0 15 1 15 15 14 10 4 5 1 2 3 2l2 3l3 1 4l4 5l5 1 6l6 1l2 1l3 1l4

CON CAMBIO
1l7 2l1 4l1 5l1 5l4 6l1 Total 68 3 3 86 40 6 5 6 69 76 2 13 23 28 7 435

I C N L F A O S R I MF A I C C I A D N A

2l2

SIN CAMBIO

3l3 4l4 5l5 6l6 1l2 1l3 1l4

CON CAMBIO

1l7 2l1 4l1 5l1 5l4 6l1

Total

Indice KAPPA = Porcentaje Global de Acierto =

0,82 84,1

86

CUADRO N15A: Matriz de Error de Cambio y Sin Cambio para Post-clasificacin del NDVI

Sin Cambio Sin Cambio Cambio Total 201 34 235

Cambio 5 195 200

Total 206 229 435

Indice KAPPA = Porcentaje Global de Acierto =

0,82 91

87

CUADRO N16A: Matriz de Error de Deteccin de Cambio para Post-clasificacin con ACP.

INFORMACIN TESTIGO SIN CAMBIO

1l1 1l1 64 4 5 68 1 6 35 2 7 2 5 4 5 1 3 1 2 1 3 1 15 1 3 1 70 5 5 70 70 15 5 5 70 70 0 15 1 15 15 13 1 13 10 4 5 2 1 3 2 61 5 15 55 1 1 1 2 2l2 3l3 4l4 5l5 3 1 6l6 1l2 1l3 1l4

CON CAMBIO
1l7 2l1 4l1 5l1 5l4 6l1 Total 67 5 5 81 42 7 4 5 80 66 1 18 18 30 6 435

I C N L F A O S R I MF A I C C I A D N A

2l2

SIN CAMBIO

3l3 4l4 5l5 6l6 1l2 1l3 1l4

CON CAMBIO

1l7 2l1 4l1 5l1 5l4 6l1

Total

Indice KAPPA = Porcentaje Global de Acierto =

0,77 79,5

88

CUADRO N17A: Matriz de Error de Cambio y Sin Cambio para Post-clasificacin con ACP.

Sin Cambio Sin Cambio Cambio Total 202 33 235

Cambio 5 195 200

Total 207 228 435

Indice KAPPA = Porcentaje Global de Acierto =

0,82 91,3

89

CUADRO N18A: Matriz de Error de Deteccin de Cambio para Imagen de diferencia del NDVI.

INFORMACIN TESTIGO SIN CAMBIO

1l1 1l1 69 5 4 68 6 58 2 2 2 2 10 5 1 1 5 65 5 2 68 0 13 14 2 1 2 70 5 5 70 70 15 5 5 70 70 0 15 1 15 15 9 4 5 1 2 4 2l2 3l3 4l4 5l5 2 6l6 1l2 1l3 1l4

CON CAMBIO
1l7 2l1 4l1 5l1 5l4 6l1 Total 71 5 4 78 64 14 5 6 68 73 0 13 15 12 7 435

I C N L F A O S R I MF A I C C I A D N A

2l2

SIN CAMBIO

3l3 4l4 5l5 6l6 1l2 1l3 1l4

CON CAMBIO

1l7 2l1 4l1 5l1 5l4 6l1

Total

Indice KAPPA = Porcentaje Global de Acierto =

0,90 91,3

90

CUADRO N19A: Matriz de Error de Cambio y Sin Cambio para Imagen de diferencia del NDVI.

Sin Cambio Sin Cambio Cambio Total 230 5 235

Cambio 6 194 200

Total 236 199 435

Indice KAPPA = Porcentaje Global de Acierto =

0,94 97,5

91

CUADRO N20A: Matriz de Error de Deteccin de Cambio del ACP Multitemporal.

INFORMACIN TESTIGO SIN CAMBIO

1l1 1l1 67 5 5 66 1 3 6 41 3 2 2 10 3 1 1 1 61 5 14 55 0 1 13 9 1 12 1 3 1 70 5 5 70 70 15 5 5 70 70 0 15 1 15 15 9 3 5 1 1 2 1 1 5 2 3 1 2l2 3l3 4l4 5l5 7 6l6 1l2 1 1l3 2 1l4

CON CAMBIO
1l7 1 2l1 4l1 5l1 5l4 1 6l1 Total 79 5 5 77 56 17 3 1 77 60 0 14 10 26 5 435

I C N L F A O S R I MF A I C C I A D N A

2l2

SIN CAMBIO

3l3 4l4 5l5 6l6 1l2 1l3 1l4

CON CAMBIO

1l7 2l1 4l1 5l1 5l4 6l1

Total

Indice KAPPA = Porcentaje Global de Acierto =

0,77 80

92

CUADRO N21A: Matriz de Error de Cambio y Sin Cambio del ACP Multitemporal.

Sin Cambio Sin Cambio Cambio Total 218 17 235

Cambio 21 179 200

Total 239 196 435

Indice KAPPA =

0,82 91,3

93

ANEXO N 1: Mapa de ubicacin de la zona de estudio.

94

ANEXO N 2: Mapa del Cambio del Uso del Suelo segn Post_clasificacin sin Mejoramiento espectral.

95

ANEXO N 3: Mapa del Cambio del Uso del Suelo segn Post_clasificacin del NDVI.

96

ANEXO N 4: Mapa del Cambio del Uso del Suelo segn Post_clasificacin del ACP.

97

ANEXO N 5: Mapa del Cambio del Uso del Suelo segn Imagen de Diferencia.

98

ANEXO N 6: Mapa del Cambio del Uso del Suelo segn ACP Multitemporal.

99