Professional Documents
Culture Documents
RESUMEN
La importancia de la precisin y exactitud en la informacin que describe la naturaleza y
la extensin de los recursos del terreno se ha incrementado con el paso del tiempo. Dentro de las
tcnicas para determinar los diferentes usos del suelo, mediante las imgenes satelitales,
podemos incluir el cociente entre bandas (ratioing), el cul cobra especial importancia si
dentro de la escena se engloban actividades extractivas y/o mineralizaciones. La delimitacin de
stas es de gran inters debido a su incidencia sobre el territorio y a los impactos ambientales
que pueden causar.
En un primer anlisis del terreno, mediante clasificacin no supervisada, con importante
presencia de actividades extractivas, la ratio TM3/TM1 se ha mostrado como la ms eficiente
para la discriminacin de las explotaciones, mientras que la combinacin RGB = 7, 4, 2 ha sido
la que ha permitido diferenciar y caracterizar las categoras correspondientes a los diferentes
usos del suelo con mayor exactitud.
La metodologa empleada busca establecer una correspondencia biunvoca entre las
clases informacionales y las clases espectrales en la zona, delimitando e identificando,
especialmente, las reas correspondientes a actividades extractivas mediante una imagen
Landsat 7 ETM+ (Path/Row 197/31) de setiembre de 1999 y los datos externos disponibles.
Para la evaluacin de la precisin del mtodo se ha partido de la verdad-terreno de la
imagen RGB = 7,4,2 delimitando en ella, reas de inters (training fields) con un nmero de
puntos que garantizase la fiabilidad de la estimacin y realizando una clasificacin supervisada
sobre la imagen TM3/TM1, obteniendo la mejor separabilidad de las categoras para el mtodo
del paraleleppedo con 4 clases espectrales y desviacin estndar 2.0.
La post-clasificacin ha permitido obtener la matriz de confusin con una fiabilidad
global del 92.27% y un coeficiente kappa de 0.8980, validando el valor mnimo del cociente
TM3/TM1 para el cul podemos establecer la categora actividad extractiva.
Palabras clave
Teledeteccin, geologa ambiental, geografa de los recursos naturales, actividades
extractivas, ratio, clasificacin supervisada.
ABSTRACT
The importance of precision and accuracy in the information that nature describes and the
wideness of the land resources has been increased throughout the years. Among the techniques
to mark out the soil different uses, through satellite images, we can include the ratioing quotient,
which assumes special importance when quarrying activities and mineralization are involved in
the scene. The definition of these is of a great interest due to their incidence on the land and to
the environment impacts that they can cause.
In a first land analysis, through non supervised classification and with a significant
presence of quarrying activities, the TM3/TM1 rate has shown as the most efficient to
distinguish the exploitations, meanwhile the RGB = 7,4,2 combination has allowed us to tell the
1199
difference and characterise the categories correspondent to the different soil uses with greater
accuracy.
The used methodology wants to establish a byunivoc correspondence among the
informational and spectre types in the area, especially marking out and identifying the zones
corresponding to quarrying activities through a Landsat 7 ETM+ (Path/Row 197/31) image on
September 1999 and the outside data available.
For the method accuracy assessment, we have taken the true-land of the image RGB =
7,4,2 marking out in it training fields with a number of points to guaranty the estimation
reliability and developing a supervised classification on the TM3/TM1 image through which we
have obtained the best category separation for the parallelepiped method with 4 spectre types
and a standard deviation of 2.0.
Post-classification has allowed us to obtain the confusion matrix with a global reliability
of 92.27% and a kappa coefficient of 0.8980, which values the minimal coefficient TM3/TM1
and for which we can establish the quarrying category.
Keywords
Remote sensing, environmental geology, natural resources geography, mining
activities, ratioing, supervised classification.
1. INTRODUCCIN
En Catalunya existe gran cantidad de recursos minerales que son explotados en
funcin de la demanda de materias primas de los sectores constructor e industrial.
Desde el ao 1983 (Ley 12/1981 y Decreto 343/1983), fecha de inicio de la
aplicacin de la normativa restauradora, hasta el 1996, la superficie ocupada por las
actividades extractivas en Catalunya, ha evolucionado hasta ocupar potencialmente
9.137 ha, un 0,29% de su superficie; aumentando un 12% en el perodo 1994-1996.
Las actividades extractivas, que suministran recursos ptreos, inciden sobre el
territorio y sobre el paisaje causando impactos ambientales apreciables y variables, unos
impactos que se acentan al aumentar la profundidad y extensin de la explotacin. La
situacin de la explotacin, las distribuciones geolgicas del material que se extrae, la
duracin de la actividad, el rea de afeccin, y los usos y la cubierta del suelo
anteriores, son factores determinantes del impacto ambiental.
La informacin para el seguimiento y el control de las actividades extractivas se
extrae actualmente de los planes de restauracin (facilitados por la propia empresa), los
cules son digitalizados y asociados a una base de datos de gestin.
Es necesario un control externo que permita disponer de datos fiables y fcilmente
repetitivos cada cierto perodo de tiempo; siendo, por lo tanto, la teledeteccin una
excelente herramienta que permite disponer de una panormica sinptica y repetitiva y
una perspectiva del conjunto regional del rea donde se ubica la explotacin.
Si tenemos en cuenta que cada actividad extractiva puede caracterizarse por la
presencia de determinados minerales, la teledeteccin puede ser de gran utilidad para la
obtencin de mapas de materiales como producto final del anlisis espectroscpico.
De las diferentes tcnicas empleadas, el cociente entre bandas (ratioing) permite
discriminar la presencia de determinados minerales en una zona concreta; y las
combinaciones RGB permiten disponer de excelentes mapas base.
1200
2. REA DE ESTUDIO
La zona de estudio se encuentra en el municipio de Balsareny (Bages). La
subescena Landsat 7 ETM+ (Path/Row 197/31) trabajada tiene un rea de 4500x4500
m2, y en ella se observan los siguientes usos del suelo: zona urbanizada, bosque de
caducifolios, bosque daciculifolios, cultivos herbceos de secano, zonas con escasa o
nula vegetacin, ro y actividades extractivas (abandonadas y actuales).
Existen un total de 8 actividades extractivas observables, de muy variadas
dimensiones de 0.45 a 40 ha, catalogadas en: no iniciadas, en activo con restauracin no
iniciada, en activo con restauracin integrada, restaurada en perodo de garanta y
finalizadas; o abandonadas, y dependiendo de su grado de autorecuperacin en bajo,
medio, alto o muy alto.
El rea presenta numerosas zonas de cultivos herbceos de secano, que debido a la
poca de toma de la imagen Landsat, 9 de setiembre de 1999, dificultan la identificacin
de las actividades.
La informacin sobre mineralizaciones apunta hacia la presencia mayoritaria de
minerales de hierro y/o yeso.
1201
3. METODOLOGA
3.1. Datos Landsat
Subescena Landsat 7 ETM+ (Path/Row 197/31) del 9 de setiembre de 1999,
georreferenciada y corregida atmosfricamente mediante el mtodo del objeto oscuro
(Chvez, 1975) para cada una de las bandas. Los efectos debidos al sombreado
topogrfico no se han tenido en cuenta debido a la poca variacin que supone sobre el
cociente entre bandas.
El tratamiento de la informacin se ha realizado mediante ENVI v.4.1. (Researchs
Systems Inc.).
3.2. Datos externos
Los datos externos utilizados para los usos del terreno son: mapas de Actividades
extractivas abandonadas (realizado en el perodo de 1994 a 1996), Actividades
extractivas actuales (ltima actualizacin a diciembre de 2004) y usos del suelo de 1997
del Miramn, mapas del CREAF de 2002-2003 y Ortofotomapas del Instituto
Cartogrfico de Catalunya (ICC) de 2005 (como ejemplo el ortofotomapa de la ciudad
de Balsareny, empleado para los anlisis).
E. 1: 5.000
Figura 1. Balsareny (Bages).
Fte- ICC. 2005
1202
3/5, 3/1 y 5/7, donde aparecen en verde claro las zonas de actividades, un poco ms
oscuro los cultivos, y en rosado-magenta zonas hmedas, ha priorizado a la imagen
TM3/TM1 por delante de la TM5/TM7.
Sobre la imagen TM3/TM1 las actividades extractivas presentes pueden
confundirse con los cultivos herbceos de secano; las imgenes de cocientes entre
bandas han permitido observar la mineralizacin mayoritaria y a la vez diferenciar una
parte importante de actividades respecto a los cultivos, por una parte los cultivos que no
presentan confusin con las actividades extractivas (cultivos clase A) y por otra los
cultivos que s presentan confusin (cultivos clase B).
El hecho de existir zonas de cultivos de secano que presentan importantes
concentraciones en hierro (cultivos clase B) puede dar una informacin adicional de
inters para posibles nuevas extracciones. Los anlisis de las clusters de las imgenes
de mineralizaciones abren una direccin para las potenciales reas de mineralizacin
(McNeill, 2003, 262).
Figura 2. RGB = 7, 4, 2.
1203
rea (ha)
Mn.
Mx.
Media
Stdesv.
ciudad
37.89
0.6987
1.3203
0.9917
0.0874
aciculifolios
37.89
0.4782
0.6849
0.5757
0.0364
caducifolios
5.13
0.5810
0.9069
0.7389
0.0912
cultivos 1
5.13
0.8024
1.1290
1.0485
0.0553
cultivos 2
5.13
1.1530
1.4561
1.3135
0.0661
Massats
16.02
1.1836
1.4500
1.3138
0.0481
Ampliaci Puigdorca
6.66
0.8072
1.3773
1.2831
0.0672
Ampliaci La Lou 02
1.53
1.7962
2.0384
1.9278
0.0714
1204
2.0, ha permitido la mejor diferenciacin de las zonas de mayor contenido en hierro del
resto, consiguindose un gran nivel de precisin (Guo, 2003, 1255).
Las 4 clases espectrales escogidas han sido: ciudad, bosque (agrupando las
dos clases), cultivos (definiendo la clase sobre los cultivos que no presentan
confusin) y actividad. El riesgo del usuario, por una definicin demasiado amplia de
las clases, se encuentra en mnimo para la clase bosque y mximo para la clase
cultivos, el primero debido a la facilidad de asociacin de los pxeles a su clase y el
segundo debido a las interferencias entre las clases cultivos y actividad (algunos
pxeles se han ido a la regin de actividad); el error en la clase ciudad es debido a
los pxeles que han sido asociados a la clase cultivos, consecuencia de la
heterogeneidad de esta clase; y el 1.12% de error de comisin para la clase actividad
es debido a la intromisin de la anterior clase. Respecto al error de omisin, debido a
una definicin inexacta de la categora, el mnimo se da para la clase ciudad y el
mximo para la clase actividad, el primero debido a pxeles sin clasificar mientras que
un 10% del segundo es debido a los pxeles asignados a cultivos y un 3% a los no
clasificados; para la clase cultivos el error es debido a la ciudad y para la clase
bosque es debido a los no clasificados. Los errores de comisin y omisin vienen
representados en la tabla 2.
Tabla 2. Errores (%)
Clases
Error comisin
Error omisin
Actividad
1.12
12.87
Bosque
0.00
7.00
Cultivos
10.58
7.00
Ciudad
5.88
4.00
rea (ha)
Mn
Mx
Media
Stdesv.
Massats
16.29
1.7755
2.3454
2.0376
0.0722
Ampliaci Puigdorca
5.40
1.7666
3.0000
2.0414
0.1648
Puigdor.
5.31
1.8142
2.1428
2.0099
0.0567
Ampliaci Massats II
0.45
2.0000
2.6666
2.1575
0.2854
Ampliaci Alou 02
0.81
1.9464
2.0384
1.9818
0.0334
La Lou
1.89
1.9444
2.1923
2.0215
0.0731
Caus
2.07
1.7291
2.1224
1.9809
0.0747
7.56
1.9444
2.3400
2.0726
0.0999
1205
5. CONCLUSIONES
La metodologa basada en el cociente entre bandas ha resultado til para
identificar actividades extractivas en la zona de Balsareny (Bages, Catalunya). La
combinacin RGB = 7, 4, 2 se ha mostrado como la ms eficaz para diferenciar los usos
del suelo y la ratio TM3/TM1 ha permitido identificar zonas de cultivos de secano con
un alto contenido en hierro y zonas de actividades extractivas.
Si la cuantificacin de la ratio se realiza a partir de los valores de la imagen
(clasificacin no supervisada) existen dificultades para establecer un valor a partir del
cul asociar un pxel a la categora actividad, si por el contrario nos apoyamos en la
clasificacin supervisada podemos estimar un valor lmite de la ratio TM3/TM1 con un
rango de fiabilidad dado por el propio mtodo.
Para la escena, el mtodo con mejores resultados ha sido el del paraleleppedo con
4 clases espectrales y desviacin estndar 2.00. Para la clase actividad el error de
comisin es del 1.12%, indicando una buena clasificacin de la clase mediante la
metodologa propuesta, y el error de omisin del 12.87%, intrnseco al proceso de
clasificacin debido, mayoritariamente, a la proximidad estadstica de la clase cultivos.
La precisin en la clasificacin sola no es suficiente para asegurar la precisin de la
caracterizacin del paisaje, cuando la precisin en la clasificacin es ms fiable las
incertidumbres ligadas a caracterizacin aumentan (Shao, 2001, 33)
El valor lmite de la ratio TM3/TM1 a partir del cual establecemos la categora
actividad queda as, fijado en 1.7291 (valor mnimo del pxel asociado a las actividades
extractivas) con una fiabilidad global del 92.27%.
BIBLIOGRAFA
Cipra, J. (2003): A Method for Improving Classification Accuracy and Acreage in
Irrigated Crops, Photogrammetric Engineering & Remote Sensing, 69, 1, pp. 6-8.
Clark, R. N. (1999). Spectroscopy of Rocks and Minerals, and Principles of
Spectroscopy. Manual of Remote Sensing, Volume 3, Remote Sensing for the
Earth Sciences. New York A. N. Renez, pp. 3-58.
Clark, et al. (1993): Mapping Minerals with Imaging Spectroscopy, Office of Mineral
Resources Bulletin USGS. 20, 39, pp. 141-150.
Clark, et al. (2005): The U.S. Geological Survey, Digital Spectral Library splib05a,
USGS Open File Report, 03-395.
Congalton, R. G. & Green, K. (1999): Assesing the accuracy of remotely sensed data:
Principles and practices. Boca Raton, Florida. Lewis Plublishers.
Chuvieco Salinero, E. (2002): La Observacin de la Tierra desde el Espacio.
Barcelona. Ariel, S.A.
Mata i Perell, J. M. (1990): Els minerals de Catalunya. Barcelona. Ed. IEC.
Foody, G. M. (2002): Status of land cover classification accuracy assessment, Remote
Sensing of Environment. 80, 1, pp. 185-201.
Guo, X et al. (2003): Grasslands Discriminant Analysis Using Landsat TM Single and
Multitemporal Data, Photogrammetric Engineering & Remote Sensing, 6, 11, pp.
1255-1262.
1206
Keuchel, J. et al. (2003): Automatic land cover analysis for Tenerife by supervised
classification using remotely sensed data, Remote Sensing of Environment, 86, 4,
pp. 530-541.
McNeill, A. R. (2003): Spatial organization of mineralized locations in the Coeur
dAlene Mining District, Idaho, USA, and their relationship with structural
elements and lineaments as interpreted from Landsat Satellite data, GSA
abstracts with programs, 35, 6, pp. 262.
Sabins, F. F. (1997): Mineral Exploration. Mineral Exploration in Remote Sensing.
Principies and Interpretation. San Francisco, Freeman, pp. 361-384.
Shao, G. et al. (2001): Relationships of Image Classification Accuracy and Variation
of Landscape Statistics, Journal of Remote Sensing, 27, 1, pp. 33-43.
Sobrino, J. A. (2000): Teledeteccin. Valencia. Jos A. Sobrino.
Vincent, R. K. (1997): Remote Sensing Applications to Mineral Exploration.
Fundamentals of Geological and Environmental Remote Sensing. New Jersey,
Prentice-Hall, pp. 195-199.
Yuan, F. et al. (2005): Land cover classification and change analysis of the Twin Cities
(Minnesota) Metropolitan Area by multitemporal Landsat remote sensing,
Remote Sensing of Environment, 98, 2-3, pp. 317-328.
http://www.gencat.net/mediamb/pn/e-quadern1.htm. Consultada febrero de 2006.
1207