APLICACIÓN DE TELEDETECCION PARA LA DETERMINACION

DE ZONAS INUNDADAS EN LA LLANURA PAMPEANA DE

ARGENTINA

REMOTE SENSING APPLICATION TO DETERMINE FLOODED

ZONES IN PAMPEANA PLAIN. ARGENTINA
Federico Gastón Barragan1, Alejandra Mabel Geraldi2,3

1 Universidad Nacional del Sur, Argentina, federico.barragan@uns.edu.ar, 12 de Octubre 1098 4to Piso oficina 15
2 Universidad Nacional del Sur, Argentina, ageraldi@criba.edu.ar
3 CONICET, Argentina, ageraldi@criba.edu.ar

RESUMEN: El área de estudio corresponde a la cuenca de Las encadenadas del Oeste, se localiza en la pro-
vincia de Buenos Aires, la cual cubre una amplia extensión con ambientes de diferente origen geomorfológico.
El sector representa la parte más austral de la llanura pampeana y se caracteriza por una marcada variabilidad
interanual y anual de las precipitaciones. Estas condiciones determinan que el área este sometida alternada-
mente a riesgos de sequias o inundaciones que generan impactos socioeconómicos importantes. El análisis de
los mismos con Geotecnologias y específicamente la Teledetección son vitales para la gestión del riesgo. El
objetivo del presente trabajo es analizar el método más adecuado para la determinación de inundaciones en
áreas de llanura. Se utilizaron imágenes satelitales Landsat 8 correspondientes a fechas 17/09/2017. Se realizó
la corrección radiométrica y atmosférica. Se aplicaron tres modelos, una clasificación no supervisada mediante
el método de ISODATA, un árbol de decisión y un índice de agua para identificar zonas con exceso de hume-
dad. Se obtuvo que el área inundada según la clasificación no supervisada es de 9.2 % de la imagen, el 34.13
% corresponden a cuerpos de agua; según el árbol de decisión un 2 % son zonas inundadas y 31 % son cuer-
pos de agua y el índice da 14 % zonas inundadas y un 29 % cuerpos de agua. De acuerdo al análisis de post-
clasificacion el método más adecuado es la clasificación no supervisada dado que el árbol de decisión y el índi-
ce subestiman y sobreestimas las zonas de inundación.
Palabras Clave: inundación, llanura pampeana, teledetección.

ABSTRACT: The study area is the Las Encadenadas del Oeste basin, its located in the Buenos Aires prov-
ince, which covers a wide extension with environments of different geomorphological origin. The sector repre-
sents the southernmost part of the Pampean plain and is characterized by a marked interannual and annual
rainfall variability. The area is alternately subject to drought or flood risks that generate significant socio-
economic impacts. The analysis of these with Geotechnologies and specifically Remote Sensing are vital for risk
management. The objective of this work is to analyze the most suitable method for the determination of floods in
plain areas. Landsat 8 satellite images corresponding to dates 09/17/2017 were used. Radiometric and atmos-
pheric correction were made. Three models were applied, an unsupervised classification using the ISODATA
method, a decision tree and a water index to identify areas with excess moisture. It was obtained that the flood-
ed area according to the unsupervised classification is 9.2% of the image, 34.13% correspond to bodies of wa-
ter; according to the decision tree 2% are flooded areas and 31% are bodies of water and the index gives 14%
flooded areas and 29% bodies of water. According to the post-classification analysis, the most appropriate
method is the unsupervised classification, since the decision tree and the index underestimate and overestimate

“X CONGRESO INTERNACIONAL GEOMÁTICA 2018”

 Barragan, F.; Geraldi, A. | “APLICACIÓN DE TELEDETECCION PARA LA DETERMINACION DE ZONAS INUNDADAS EN LA LLANU-
RA PAMPEANA DE ARGENTINA”
the flood zones.
KeyWords: Flood, Pampean plain, remote sensing.
1. INTRODUCCIÓN
La visión espacial que brindan los Sensores Remo-
tos constituye una herramienta importante en la
planificación de recursos naturales y en el segui-
miento de eventos naturales como sequias, inunda-
ciones y otros (Da Silva, C. J.; Insaurralde J. A. y
Cardozo, O. D. 2014). Es vital usar estas herra-
mientas para lograr aproximaciones novedosas que
permitan conocer y gestionar mejor los sistemas
ecológicos (Cabello, J. y Paruelo, J.M 2008).
Una de las principales aplicaciones de la teledetec-
ción es la cartografía de procesos ambientales co-
mo eventos hidrológicos y de zonas de riesgo
(Schowengerdt 2007) (Pérez, M. E. y García, P.
2006). Así, las aplicaciones asociadas a cambios
climáticos globales (inundaciones, deforestación)
son cada día más crecientes y han determinado
que las imágenes obtenidas desde los diferentes
sensores remotos se conviertan en una fuente fun-
damental de información (Ariza, A.; Garcia S. J.;
Rojas, S.; Ramirez, M. s/f). Sin embargo, para el
procesamiento de estas herramientas es vital cono-
cer los fundamentos teóricos de los sensores remo-
tos. Cada cobertura tiene una respuesta espectral
diferente, por ejemplo, el agua presenta su mayor
reflectancia en el sector del espectro visible siendo
su absorción máxima en el sector del espectro del
infrarojo medio y lejano. Estas respuestas diferen-
tes son las que permiten discriminar y clasificar una
imagen satelital expresada en niveles digitales a
una imagen con valores categóricos lo cual es apo-
yado con una interpretación.
Las imágenes satelitales son además sumamente
valiosas cuando se necesita estudiar sectores muy
extensos, la república Argentina es una ejemplo de
ello, no solo por su extensión sino también por su
diversidad de ambientes. Dentro de ella la llanura
pampeana ocupa más de 1000000 de km corres-
2 frente a situaciones de inundaciones y sequias. Sin
pondiendo a la provincia de Buenos Aires unos
2
330000 km . Dicha provincia es un ambiente de
extraordinaria importancia para los limnólogos, hi-
drólogos y profesionales de todas las ramas debido
a la gran cantidad de ambientes. Estos se caracte-
rizan por su gran dinamismo lo cual es consecuen-
cia de la heterogeneidad geomorfológica y una
hidrografía muy compleja.
En el sector bonaerense de la llanura se distinguen
ambientes con características de drenaje diferen-
“X CONGRESO INTERNACIONAL GEOMÁTICA 2018”
tes; una región arreica, es decir, sin sistema de
drenaje, representada por el sector noroeste llama-
da Pampa arenosa y al sur la Nordpatagonica. Una
región exorreica, con drenaje hacia el mar, que
contiene la mayor parte de las cuencas de la pro-
vincia, incluye el sistema del Rio Salado y sus tribu-
tarios, afluentes del Rio Paraná y del rio de la Plata,
la cuenca centro este, la cuenca Sur y el sistema
del rio Colorado y Negro. Por último, una región
endorreica con drenaje hacia un punto interior en el
que se distinguen dos sistemas, el Sistema Chasicó
y el de la Cuenca Las Encadenadas del Oeste. En
todos los ambientes las inundaciones presentan
características diferentes y distintas magnitudes de
eventos, pero todas presentan un rasgo común que
es encontrarse en la llanura pampeana. Sus rasgos
sobresalientes, exceptuando la zona de las Sierras,
son la falta de pendiente, drenajes deficientes y la
presencia de fenómenos extremos como inunda-
ciones periódicas y sequías extremas. Una de las
características de la provincia es que la distribución
espacio-temporal de las lluvias durante el año no es
uniforme. Es así, que tenemos estaciones bien
marcadas con meses de precipitación abundante y
meses con lluvia cero. Se debe hacer mención
además a la relación entre los diferentes montos de
precipitaciones con las tres fases del fenómeno El
Niño Oscilación del Sur (ENSO): El Niño, La Niña y
Neutral y por ende con la humedad del suelo (Scar-
pati et al., 2002 y 2007; Spescha et al., 2004).
En los últimos años la intensificación agrícola, el
crecimiento demográfico e intervenciones antrópi-
cas han provocado alteraciones en el funcionamien-
to de las cuencas y modificaciones importantes en
ecosistemas lagunares. Así, en la provincia, se han
construido una gran cantidad de canales de desa-
güe y se han realizado intervenciones en las dife-
rentes cuencas hidrográficas con el fin de hacer
embargo, dichas intervenciones no siempre reporta-
ron beneficios y, en muchos casos incluso, fueron
perjudiciales.
Los cuerpos de agua que están presentes en la
provincia tienen una función ambiental vital como
por ejemplo tienen la capacidad de mitigar los efec-
tos del calentamiento global, son además de mode-
radores del régimen de los ríos. Estas lagunas y
bañados que durante la época húmeda son zonas
no utilizables en épocas de secas, cuando toda la
 Barragan, F.; Geraldi, A. | “APLICACIÓN DE TELEDETECCION PARA LA DETERMINACION DE ZONAS INUNDADAS EN LA LLANU-
RA PAMPEANA DE ARGENTINA”

llanura se presenta desnuda de vegetación y sin Pescado y Corto (laguna Alsina) (ver Fig. 2).
agua, constituyen los únicos campos de pastoreo
donde se acumulan las haciendas para salvarlas de
la muerte (Ameghino 1984). El objetivo del presente
trabajo es analizar el método más adecuado para la
determinación de inundaciones en áreas de llanura.

1.1 Área de estudio

El área de estudio corresponde a un sector del
Sudoeste Bonaerense, localizada a los 37 ° de
latitud Sur y 64 ° de longitud Oeste. Compren-
de el sector que abarca la imagen satelital
Landsat, 185 por 185 km. Esta área compren-
de dos unidades administrativas mayores, pro-
vincias, en este caso Buenos Aires y la Pampa
y dentro de ellas hay varias unidades adminis-
trativas menores, denominadas partidos (Fig. 1
y 2).
Dentro del área que cubre la imagen satelital
Landsat la mayor parte está ocupada por la
cuenca las Encadenadas del Oeste. Esta com-
prende los partidos de Adolfo Alsina, Guaminí,
Daireaux, Coronel Suárez; Saavedra y Puán
(Fig. 2). La principal actividad es agrícola, afec- Figura. 1: Localización del área de estudio
tada por la ciclicidad de períodos secos y hú-
medos, producto de un clima templado de
transición. Todos los aportes que tiene esta La cuenca de las lagunas es un sistema fluvio-
cuenca están encauzados y se localizan al sur lacustre de tipo endorreica con una extensión
de las lagunas de mayor superficie, al norte de de 1115248 ha, comprendiendo unidades mor-
ellas no hay presencia de este tipo de aportes. fológicas diferentes (Geraldi 2009). La altura
Cada laguna tiene su unidad colectora propia media del área es de 100 msnm constituyendo
conformada por un arroyo principal que en la la parte más baja del sistema el lago Epecuén
mayoría de los casos es alimentada por preci- (90 msnm) en el cual desembocan todas las
pitaciones de la zona alta de la cuenca. Esta aguas de la cuenca (Fig. 4). Cuando la laguna
zona más alta está representada por un siste- Epecuén alcanza la cota 92,75 m queda selec-
ma serrano llamado sistema de Ventana, tam- cionada formando otra laguna llamada Alpata-
bién denominado Sierras Australes, el cual co, nivel alcanzado en 1952 (Montesarchio,
esta formado por un conjunto de elevaciones 1990) (L. 1990)
bien definidas en sentido noroeste – sureste.
Tiene unos 175 km de longitud y alcanza un
ancho máximo de 50 km (Harrington, 1947).
En él pueden distinguirse dos zonas distintas,
claramente diferenciables. Una occidental, que
comprende a las
Sierras de Puán, Curamalal, Bravard y Venta-
na y otra oriental formada por las Sierras de
las Tunas y de Pillahuincó (Harrington 1947).
Los arroyos más importantes que nacen en
este sistema y desembocan en las lagunas de
mayor tamaño son: Pigüé (laguna Epecuén),
Venado (laguna Venado), Guaminí (laguna Del
Monte), Cochicó (laguna Cochicó), Cura Malal,

“X CONGRESO INTERNACIONAL GEOMÁTICA 2018”

 Barragan, F.; Geraldi, A. | “APLICACIÓN DE TELEDETECCION PARA LA DETERMINACION DE ZONAS INUNDADAS EN LA LLANU-
RA PAMPEANA DE ARGENTINA”

Figura. 2: Localización de la cuenca Las Encade-
nadas del Oeste
2. MATERIALES Y METODO
Para la determinación de áreas inundadas se traba-
jó con imágenes satelitales Landsat 8 específica-
mente con el sensor OLI, la fecha de la imagen
corresponde a 19-8-2017 (Ameghino 1984) y 20-12-
2015 Path y Row 227-086 provista por la Comisión
Nacional de Actividades Espaciales de Argentina
(CONAE). Se realizaron las correcciones corres-
pondientes para obtener valores de reflectancia. En
primer lugar se hizo la calibración radiométrica.
Esta consiste en transformar los niveles digitales
(ND) de la imagen a radiancia (L) que es el total de
energía radiada en una determinada dirección por
unidad de área y por ángulo sólido de medida
-2 -1
(W/m /sr ). Es un parámetro fundamental en tele-
detección porque expresa aquella cantidad de
energía que el sensor capta o detecta (Chuvieco,
2002). La ecuación aplicada es siguiente ecuación:
(1)
Donde Lsat, es la radiancia del pixel en una banda
espectral específica, λ indica el número de banda,
Gλ y Bλ son coeficientes de transformación de NDλ
a valores de radiancia (Chuvieco, 2002) (Chander y
Markham, 2003; Chander et al., 2007). El primero
indica la ganancia en dicha banda espectral y la
segunda el sesgo (Bias - Offset). Este módulo reali-
za la corrección atmosférica usando el modelo físi-
co de transferencia radiativa (MODTRAN- Moderate
resolution Atmospheric Transmission). Para la re-
moción de la dispersión atmosférica, dado que la
imagen es de agosto se utilizó el modelo atmosféri-
co de invierno de latitudes medias (Mid- Latitude
Winter).
centro más próximo. Luego se calculan de nuevo
los centros de clase teniendo en cuenta los valores
de los pixeles incorporados anteriormente
(Chuvieco, 2002). Se aplico una clasificación su-
pervisada de un año normal para determinar los
cuerpos de agua permanentes. El método utilizado
para la clasificación es el clasificador de paralele-
pípedos en el cual se fija un área de dominio para
cada categoría, teniendo en cuenta sus valores de
centralidad y dispersión. Un pixel será asignado
dicha clase si sus valores digitales están dentro de
esa área de dominio (Chuvieco, 2002). Una vez
culminada la fase correspondiente a la asignación
se obtuvieron los cuerpos de agua permanentes.
Estos últimos fueron restados de la clasificación no
supervisada para obtener las zonas anegadas e
inundadas.
El otro método aplicado es el árbol de decisión que
consiste en discriminar secuencialmente cada una
de las categorías basándose en valores espectrales
de la imagen, bien en variables texturales, tempora-
les o en información auxiliar (Chuvieco, 2002). En el
diseño de aplicaciones informáticas, el árbol de
decisión indica las acciones a realizar en función de
una o más variables (Schibber Figueroa Evelyn,
Campos Alfredo N., Di Bella Carlos M. , 2013).
Para el árbol de decisión se calculó el NDVI (Índice
de Vegetación Normalizado) y NVWI Índice de dife-
rencia de Normalizado). El primero se basa en la
diferencia entre la máxima absorción de radiación
en la longitud de onda del Rojo (R) a causa de los
pigmentos clorofílicos y la máxima reflexión de ra-
diación en el sector Infrarrojo Cercano (IRC) rela-
cionado con la estructura celular de la hoja (Ordó-
ñez, 2008) combina la región del espectro visible y
la del infrarojo cercano mediante la siguiente ecua-
ción:

Para la Compensación de las distorsiones por ae-

rosoles se usó el modelo rural, dado que la media
del área no está bajo la influencia de fuertes cober-
turas industriales y urbanas. Se aplicó un modelo
de visibilidad inicial de 35 km.
Para extracción de aerosoles por medio del método
Kaufman-Tanre, de acuerdo a ITT (2009) este mé-
todo sirve para estimar de forma más precisa la
visibilidad presente en la imagen. (Multispectral
Setting). Una vez corregidas las imágenes se aplicó
una clasificación no supervisada. El algoritmo de
agrupamiento utilizado fue el IDODATA. El algorit-
mo propuesto se señala una serie de centros de
clase para asignar todos los pixeles de la imagen al

“X CONGRESO INTERNACIONAL GEOMÁTICA 2018”

 Barragan, F.; Geraldi, A. | “APLICACIÓN DE TELEDETECCION PARA LA DETERMINACION DE ZONAS INUNDADAS EN LA LLANU-
RA PAMPEANA DE ARGENTINA”

índice considera la cantidad de agua que posee la

vegetación o el nivel de saturación de humedad del
suelo. Trabaja con el sector del espectro del infraro-
jo cercano y del medio, expresado en la siguiente
ecuación:

“X CONGRESO INTERNACIONAL GEOMÁTICA 2018”

 Barragan, F.; Geraldi, A. | “APLICACIÓN DE TELEDETECCION PARA LA DETERMINACION DE ZONAS INUNDADAS EN LA LLANU-
RA PAMPEANA DE ARGENTINA”

Figura. 3: Clasificación supervisada de la imagen Figura. 4: Clasificación no supervisada de la ima-

satelital Landsat 8 OLI 227 – 086- del día 20- 12- 2015 gen satelital Landsat 8 OLI 227 – 086- del día 19-8-
2017

Una vez obtenidas las dos clasificaciones se restó

de área estable de la clasificación supervisada al
área estable de la clasificación no supervisada
quedando el excedente como el área anegada. El
área resultante se sumó al área anegada de la cla-
sificación no supervisada obteniendo así el área
anegada total (Fig. 5). Se consiguió así, que el área
total anegada es de 525374 ha, esto representa
aproximadamente un 10 % de la imagen.
Tabla II: Estadística de la clasificación no supervi-
sada

Clasificación No supervisada
Clases Sup pixeles Sup hectareas
Agua estable 21895078 1970557,02
Anegado 3967150 357043,5
Vegetacion 16068107 1446129,63
Suelo 19471936 1752474,24
Total 61402271 5526204,39

Figura. 5: Superposición de las clasificaciones

supervisada y no supervisada

El NDVI, calculado para la aplicación del segun-

“X CONGRESO INTERNACIONAL GEOMÁTICA 2018”

 Barragan, F.; Geraldi, A. | “APLICACIÓN DE TELEDETECCION PARA LA DETERMINACION DE ZONAS INUNDADAS EN LA LLANU-
RA PAMPEANA DE ARGENTINA”

do método se presenta en la figura 6. En el mismo El NVWDI (Fig. 7) permitió identificar también cuer-
se observa en azul y celeste los cuerpos de agua pos de agua. El índice establece que todos los valo-
identificados. En este caso se considera que aque- res superiores a cero son agua. Este índice identifi-
llos valores de cero o por debajo corresponden a co mejor las áreas con vegetación y cubiertas de
superficies cubiertas por agua permanente. Estos agua. En este sentido se observa en la imagen que
sectores son valores bajos que están por debajo de los sectores de los arroyos Pescado Sauce Corto al
cero. este de la imagen presenta, desbordes. Se observa
Se observa que las lagunas mas grandes, y al- además varias zonas dedicadas a la agricultura que
gunas medianas, pero de mayor profundidad son tienen sus campos cubiertos con agua. Si compa-
las que presentan los valores mas bajos. Se desta- ramos los dos índices, el NDVI identifica bien los
ca que al norte de las lagunas Encadenadas se cuerpos de agua permanentes, mientras que el
identificaron con valores muy bajos lagunas alarga- NDWI identifica las aguas someras y áreas con
das que se encuentran sobre mantos arenosos pequeñas películas de agua en su superficie.
importantes. En muchos casos sobre todo aquellas Es importante destacar que comprando los dos
que están mas cercanas a lagunas Encadenadas índices el NDVI identifico como agua la sombra de
tienen aportes de agua subterránea por lo que es- nubes localizadas sobre las sierras. En este caso
tán cubiertas de agua todo el año. se calculo el error el cual es de 0.63%.
Dentro del partido de Adolfo Alsina (Fig. 2) se
presenta también un grupo de cuerpos de agua
mediano y pequeños. Los mismos se encuentran
dentro de la planicie con depresiones. Además, en
esta área y dentro de la planicie se identifican sec-
tores cóncavos en los cuales se alojan excesos
hídricos. Al oeste del sistema serrano se observa
una laguna en forma de arco llamado laguna Los
Chilenos. Estas lagunas son las segundas en área
ocupada y se caracterizan por tener un fuerte con-
dicionamiento estructural. Son lagunas permanen-
tes, sin embargo, su dinámica varia mucho de
acuerdo al régimen de precipitaciones.

Figura. 7: Índice de Agua de la imagen satelital

Landsat 8 de 19 – 8- 2017

Una vez obtenidos los dos índices el NDVI y el

MNDWI, se realizó la clasificación, empleando el
método de árbol de decisión, con los cual se extrajo
las coberturas de vegetación inundada y áreas
anegadas. Los resultados obtenidos se observan
en la figura 8.

Figura. 6: Índice de Vegetación Normalizada de la

imagen satelital Landsat 8 de 19 – 8- 2017

“X CONGRESO INTERNACIONAL GEOMÁTICA 2018”

 Barragan, F.; Geraldi, A. | “APLICACIÓN DE TELEDETECCION PARA LA DETERMINACION DE ZONAS INUNDADAS EN LA LLANU-
RA PAMPEANA DE ARGENTINA”

bordaron anegando una gran cantidad de campos

destinados a la actividad ganadera.
Las matrices de confusión de los métodos se pre-
sentan en la Tabla III y IV. Para el método de árbol
de decisión la precisión global fue del 65 % y un
Coeficiente Kappa de 0.53. Este índice según el
criterio de Landis, J.R y Koch, G.G. (1977) para su
interpretación, puede considerarse que la concor-
dancia del clasificador de árbol de decisión es baja.
En cuanto a la precisión si bien es alta Chuvieco
(2002) recomiendan una precisión superior al 80%
para actuar como documento cartográfico.
Se debe considerar que dentro de la clase No agua
hay una heterogeneidad propia de extensas zonas
rurales con diferentes tipos de coberturas en cuanto
a respuesta espectral diferente y además se debe
considerar la resolución espacial aquí empleada, lo
que dificulta el aumento de la precisión al orden
sugerido por los autores. Uno de los mayores in-
convenientes en este método se vincula al inconve-
Figura. 8: Clasificación por árbol de decisión con- niente de detectar sectores con pequeñas películas
siderando el NDVI y El NWDI de la imagen satelital de agua, es decir zonas que se encuentran inunda-
Landsat 8 de 19 – 8- 2017 das. Esto se ve claramente en la tabla III donde se
observa que 1690 pixeles fueron clasificados como
inundados cuando en realidad no eran superficies
En el caso del árbol de decisión la clase agua ocu- cubiertas de agua.
pa una superficie de 133888 ha, es decir un 2.42 %
de la imagen. La otra clase incluye no agua repre-
sentada en la figura 7 como sin clasificar. La figura
7 se puede ver claramente que los cuerpos de agua Tabla III: Matriz de Confusión para el método de
clasificación por árbol de decisión
permanentes y semipermanentes están bien dife-
renciados.
Como se explicó anteriormente el sector al norte de Clase No Agua Inund Lagunas Total
las lagunas Las Encadenadas es un sector de mé- No Agua 35797 1690 5 37492
danos que aloja lagunas. Uno de los procesos más Inund 1 90 91 182
importantes y que dio origen y modeló la mayoría Lagunas 11 24 973 1008
de estas cubetas lagunares fue el eólico durante el Total 35809 1804 1069 38682
Cuaternario (Geraldi 2009). Todas ellas carecen de C. Kappa Comision Omision
desagüe y se localizan en depresiones intermeda- 92/182 1714/1804
nosas. Se caracterizan por presentar formas de 1695/37492 12/35809
35/1008 96/1096
media luna con orientaciones SO- NE, producto de
0,5374
la acción de los vientos dominantes, los cuales
determinan cubetas irregulares que siguen la orien-
tación y la migración de los médanos (Geraldi, A.
M.; Piccolo, M. C. y Perillo, G. E. 2011). Tabla IV: Matriz de Confusión para el método de
Casi la totalidad de estas lagunas no son perma- clasificación No supervisado
nentes. Durante períodos húmedos la cantidad de
estos cuerpos de agua se incrementa notablemen-
te. menta significativamente. Tienen escasa vege-
tación acuática y aguas turbias producto del aporte
de sólidos en suspensión desde los médanos. Pre-
sentan fondos de arenas y tosca (Geraldi, A. M.;
Piccolo, M. C. y Perillo, G. E. 2011). Esta zona du-
rante el mes de agosto del presente año fue la que
más problemas presento por excesos hídricos. Va-
rias de estas lagunas se colmataron de agua y des-

“X CONGRESO INTERNACIONAL GEOMÁTICA 2018”

 Barragan, F.; Geraldi, A. | “APLICACIÓN DE TELEDETECCION PARA LA DETERMINACION DE ZONAS INUNDADAS EN LA LLANU-
RA PAMPEANA DE ARGENTINA”
Clase Agua Perm Agua Somera Vegetacion Suelo
Agua Perm 42839 547 0 177
Agua Somera 296 1127 41 412
Vegetacion 42 119 23046 400
Suelo 7 15 1847 4057
43184 1808 24934 5046
C. Kappa Comision Omision
724/43563 345/43184
749/1876 681/1808
561/23067 1888/24934
1869/5926 989/5046
0,91
En cuanto a la matriz de confusión del método no
supervisado la precisión global fue el 84,7 % con un
índice Kappa de 0.91. Este método de ISODATA es
uno de los mas confiables lo cual explica tanto el
alto valor de precisión global como el coeficiente
Kappa. Se puede decir entonces que hay una co-
rrecta evaluación de los pixeles.
4. CONCLUSIONES
A partir de los métodos empleados se obtuvo la
superficie inundada en un área de llanura critica
dentro de la región pampeana. La identificación de
áreas inundadas es dificultosa y genera confusio-
nes con por un lado, sectores de agua permanente
y por otro lado debido a la heterogenidad de pixeles
de diferente respuesta espectral que responden a
coberturas diferentes.
Si bien, la detección de los cuerpos de agua per-
manantes no tiene confusiones importantes, si los
presenta a la hora de detectar aquellas zonas con
cultivos y/o pastizales altos con películas de agua
en su superficie. Con el método de árbol de deci-
sión se obtuvo que la superficie que presenta pelí-
culas de agua es de 133888 ha. Mientras que, con
el método de clasificación no supervisada, y su
resta de los cuerpos de agua estable a partir de la
clasificación supervisada, la superficie inundada fue
de 357043 ha. Cuando se analizan los índices por
separado el NDWI al utilizar los sectores del espec-
tro de longitudes de onda más largas no genera
conflictos con las nubes que se encuentran en la
imagen. Lo contrario ocurrió cuando se trabajo di-
rectamente con la clasificación no supervisada.
Esto se pude observar en las zonas serranas donde
las zonas de sombras de las nubes fueron clasifi-
cadas como agua permanente.
En el análisis de la matriz de confusión se observo
una amplia diferencia en la precisión global y el
índice Kappa. El ISODATA y el MNDWI, resultaron
métodos muy óptimos para la evaluación de áreas
inundadas y Cuerpos de agua, revelando la alta
capacidad de estos para percibir los límites entre
“X CONGRESO INTERNACIONAL GEOMÁTICA 2018”
Total una cobertura y otra, sustentado ambos en las res-
43563
1876
puestas espectrales. Si bien los métodos de clasifi-
23607 cación dan resultados confiables es necesario ajus-
5926 tar más los métodos para que estos sean más se-
74972
guros y confiables y sirvan al momento de la toma
de decisiones por quienes gestionan el territorio.
5. AGRADECIMIENTOS
Este artículo fue escrito en el marco del proyecto
Aplicación de Tecnologías de la Información Geo-
gráfica al estudio integral y comparativo de proble-
máticas ambientales” 2016-2019 Cod: 24/ZG14.”
Subsidiado por la Secretario de Ciencia y Tecnolo-
gía de la Universidad Nacional del Sur, En Bahía
Blanca, Buenos Aires, Argentina.
6. REFERENCIAS BIBLIOGRÁFICAS
Ameghino, Florentino. Las secas y las inundacioes
en la provincia de Buenos Aires. La Plata:
Ministerio de asuntos agrarios de la
provincia de Buenos Aires, 1984.
Ariza, A.; Garcia S. J.; Rojas, S.; Ramirez, M. .
«Desarrollo de un modelo de corrección de
imágenes de satélite para inundaciones:
(CAIN - Corrección Atmosférica e Índicesde
Inundación).» Centro de Investigación y
Desarrollo en Información Geográfica del
IGAC, s/f: 1-10.
Cabello, J. y Paruelo, J.M. «La teledetección en
estudios ecológicos.» Ecosistemas 17, nº 3
(2008): 1-3.
Chuvieco, Emilio. Teledeteccion Espacial. La
observacion de la tierra desde el espacio.
Barcelona: Ariel, 2002.
Da Silva, C. J.; Insaurralde J. A. y Cardozo, O. D.
«CARTOGRAFÍA DE COBERTURAS DEL
SUELO MEDIANTE SENSORES
REMOTOS, DE LA.» Editado por Facultad
de Humanidades. Revista Geográfica
Digital. IGUNNE. Facultad de
Humanidades., 2014: 1-18.
 Barragan, F.; Geraldi, A. | “APLICACIÓN DE TELEDETECCION PARA LA DETERMINACION DE ZONAS INUNDADAS EN LA LLANU-
RA PAMPEANA DE ARGENTINA”
Geraldi, A. M. Estudio Geoambiental de la cuenca
lagunar Las Encadenadas del Oeste. Bahia
Blanca: Universidad Ncional del Sur, 2009.
Geraldi, A. M.; Piccolo, M. C. y Perillo, G. E. «El rol
de las lagunas bonaerense en el paisaje
pampeano.» Ciencia Hoy, 2011: 8-14.
Harrington, H. Explicación de las hojas geológicas
33m y 34m, Sierras de Curamalal y de la
Ventana,. Buenos Aires, 1947.
L., Montesarchio A. «Lagunas Encadenadas del
Sudoeste de la Provincia de Buenos Aires:
Descripción y análisis de sus
características hidrográficas.» Revista
Universitaria de Geografía., 1990: Vol. 4, Nº
1 y 2, 159-178.
LANDIS, J.R y KOCH, G.G. «The Measurement of
Observer Agreement for Categorical Data.»
Biometrics, 1977: 33(1),159-174.
Pérez, M. E. y García, P. «Aplicaciones de la
teledetección en hidrología.» Observatorio
Medioambiental 9 (2006): 171-186.
Scarpati, O. E y Capriolo A. «Sequias e
inundaciones en la provincia de Buenos
Aires y su distribucion espacio Temporal.»
Investigaciones Geograficas 82 (2013): 38-
51.
Scarpati, O. E., J. A. Forte Lay, L. B. Spescha and
A. D. «Autumn soil water surplus during.»
Managing water resources in a changing
physical and social environment (Home of
Geography PublicationSeries, Società
Geografica Italiana Rome), nº 4 (2007): 27-
36.
Scarpati, O. E., L. B. Spescha and A. D. Capriolo.
«Occurrence of the severe floods in the
Salado River basin, Buenos Aires province,
Argentina.» Mitigation and Adaptation
(Kluwer Academic) 7 (2002): 285-301. .
Schibber Figueroa Evelyn, Campos Alfredo N., Di
“X CONGRESO INTERNACIONAL GEOMÁTICA 2018”
BellaCarlos M. . Seguimiento de areas
anegadas en llanura mediante sensores
remotos. Editado por CAI. Congreso
Argentino de Agroinformatica, 2013.
Schowengerdt, R. A. Remote Sensing: Models and
Methods for image processing. United
States: A. Press, 2007.
7. SÍNTESIS CURRICULARES DE LOS AU-
TORES
Federico G. Barragan, Licenciado en Geografía. Otorgado por la
Universidad Nacional del Sur. Bahía Blanca. Argentina. Tesis de
Licenciatura: “Factibilidad Geográfica para la implementación de
cultivos no tradicionales en el partido de Coronel Rosales, Buenos
Aires. Una aproximación a través del uso de Geotecnologías” Es
especialista en CARTOGRAFIA AUTOMATIZADA,
TELEDETECCION Y SISTEMAS DE INFORMACION
GEOGRAFICA titulo obtenido en la Universidad Autónoma de la
ciudad de México. Es docente investigador de la catedra
Teledetección y SIG Universidad Nacional del Sur Bahía Blanca,
Buenos Aires, Argentina. Actualmente es integrante del Laboratorio
de Geo tecnologías de la Universidad Nacional del Sur. Su línea de
investigación esta orientada a la aplicación de las herramientas en
estudios ambientales de diferentes escalas.
Alejandra M. Geraldi es Doctora y Licenciada en Geografía,
Universidad Nacional del Sur Bahía Blanca, Buenos Aires,
Argentina. Especialista en Cartografía, Teledetección y Sistemas de
Información Geográfica (UNL). Es Profesora responsable de las
cátedras Teledetección y SIG, Teledetección I y Teledetección II.
Realizo un posdoctorado Posdoctorado en el Departamento de
Geoinformática, Hidrología y Modelación. Universidad de Friedrich
–Schiller Jena. Alemania. Es Investigadora adjunta en Consejo
Nacional de Investigaciones Científicas y Técnicas de Argentina
(CONICET). Sus trabajos están orientados a estudios ambientales
y multitemporales de transformación territorial y procesos
ambientales a partir de la aplicación de Geotecnologías.