Professional Documents
Culture Documents
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
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.
Figura. 2: Localización de la cuenca Las Encade- centro más próximo. Luego se calculan de nuevo
nadas del Oeste los centros de clase teniendo en cuenta los valores
de los pixeles incorporados anteriormente
(Chuvieco, 2002). Se aplico una clasificación su-
2. MATERIALES Y METODO pervisada de un año normal para determinar los
cuerpos de agua permanentes. El método utilizado
Para la determinación de áreas inundadas se traba- para la clasificación es el clasificador de paralele-
jó con imágenes satelitales Landsat 8 específica- pípedos en el cual se fija un área de dominio para
mente con el sensor OLI, la fecha de la imagen cada categoría, teniendo en cuenta sus valores de
corresponde a 19-8-2017 (Ameghino 1984) y 20-12- centralidad y dispersión. Un pixel será asignado
2015 Path y Row 227-086 provista por la Comisión dicha clase si sus valores digitales están dentro de
Nacional de Actividades Espaciales de Argentina esa área de dominio (Chuvieco, 2002). Una vez
(CONAE). Se realizaron las correcciones corres- culminada la fase correspondiente a la asignación
pondientes para obtener valores de reflectancia. En se obtuvieron los cuerpos de agua permanentes.
primer lugar se hizo la calibración radiométrica. Estos últimos fueron restados de la clasificación no
Esta consiste en transformar los niveles digitales supervisada para obtener las zonas anegadas e
(ND) de la imagen a radiancia (L) que es el total de inundadas.
energía radiada en una determinada dirección por
El otro método aplicado es el árbol de decisión que
unidad de área y por ángulo sólido de medida
-2 -1 consiste en discriminar secuencialmente cada una
(W/m /sr ). Es un parámetro fundamental en tele-
de las categorías basándose en valores espectrales
detección porque expresa aquella cantidad de
de la imagen, bien en variables texturales, tempora-
energía que el sensor capta o detecta (Chuvieco,
les o en información auxiliar (Chuvieco, 2002). En el
2002). La ecuación aplicada es siguiente ecuación:
diseño de aplicaciones informáticas, el árbol de
decisión indica las acciones a realizar en función de
una o más variables (Schibber Figueroa Evelyn,
(1) Campos Alfredo N., Di Bella Carlos M. , 2013).
Para el árbol de decisión se calculó el NDVI (Índice
Donde Lsat, es la radiancia del pixel en una banda de Vegetación Normalizado) y NVWI Índice de dife-
espectral específica, λ indica el número de banda, rencia de Normalizado). El primero se basa en la
Gλ y Bλ son coeficientes de transformación de NDλ diferencia entre la máxima absorción de radiación
a valores de radiancia (Chuvieco, 2002) (Chander y en la longitud de onda del Rojo (R) a causa de los
Markham, 2003; Chander et al., 2007). El primero pigmentos clorofílicos y la máxima reflexión de ra-
indica la ganancia en dicha banda espectral y la diación en el sector Infrarrojo Cercano (IRC) rela-
segunda el sesgo (Bias - Offset). Este módulo reali- cionado con la estructura celular de la hoja (Ordó-
za la corrección atmosférica usando el modelo físi- ñez, 2008) combina la región del espectro visible y
co de transferencia radiativa (MODTRAN- Moderate la del infrarojo cercano mediante la siguiente ecua-
resolution Atmospheric Transmission). Para la re- ción:
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).
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
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.
Clase Agua Perm Agua Somera Vegetacion Suelo Total una cobertura y otra, sustentado ambos en las res-
Agua Perm 42839 547 0 177 43563
Agua Somera 296 1127 41 412 1876
puestas espectrales. Si bien los métodos de clasifi-
Vegetacion 42 119 23046 400 23607 cación dan resultados confiables es necesario ajus-
Suelo 7 15 1847 4057 5926 tar más los métodos para que estos sean más se-
43184 1808 24934 5046 74972
C. Kappa Comision Omision
guros y confiables y sirvan al momento de la toma
724/43563 345/43184 de decisiones por quienes gestionan el territorio.
749/1876 681/1808
561/23067 1888/24934
1869/5926 989/5046
0,91
5. AGRADECIMIENTOS
En cuanto a la matriz de confusión del método no Este artículo fue escrito en el marco del proyecto
supervisado la precisión global fue el 84,7 % con un Aplicación de Tecnologías de la Información Geo-
índice Kappa de 0.91. Este método de ISODATA es gráfica al estudio integral y comparativo de proble-
uno de los mas confiables lo cual explica tanto el máticas ambientales” 2016-2019 Cod: 24/ZG14.”
alto valor de precisión global como el coeficiente Subsidiado por la Secretario de Ciencia y Tecnolo-
Kappa. Se puede decir entonces que hay una co- gía de la Universidad Nacional del Sur, En Bahía
rrecta evaluación de los pixeles. Blanca, Buenos Aires, Argentina.
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 6. REFERENCIAS BIBLIOGRÁFICAS
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-
Ameghino, Florentino. Las secas y las inundacioes
manantes no tiene confusiones importantes, si los
en la provincia de Buenos Aires. La Plata:
presenta a la hora de detectar aquellas zonas con
cultivos y/o pastizales altos con películas de agua Ministerio de asuntos agrarios de la
provincia de Buenos Aires, 1984.
en su superficie. Con el método de árbol de deci-
sión se obtuvo que la superficie que presenta pelí- Ariza, A.; Garcia S. J.; Rojas, S.; Ramirez, M. .
culas de agua es de 133888 ha. Mientras que, con «Desarrollo de un modelo de corrección de
el método de clasificación no supervisada, y su imágenes de satélite para inundaciones:
resta de los cuerpos de agua estable a partir de la (CAIN - Corrección Atmosférica e Índicesde
clasificación supervisada, la superficie inundada fue Inundación).» Centro de Investigación y
de 357043 ha. Cuando se analizan los índices por Desarrollo en Información Geográfica del
separado el NDWI al utilizar los sectores del espec- IGAC, s/f: 1-10.
tro de longitudes de onda más largas no genera Cabello, J. y Paruelo, J.M. «La teledetección en
conflictos con las nubes que se encuentran en la estudios ecológicos.» Ecosistemas 17, nº 3
imagen. Lo contrario ocurrió cuando se trabajo di- (2008): 1-3.
rectamente con la clasificación no supervisada. Chuvieco, Emilio. Teledeteccion Espacial. La
Esto se pude observar en las zonas serranas donde observacion de la tierra desde el espacio.
las zonas de sombras de las nubes fueron clasifi- Barcelona: Ariel, 2002.
cadas como agua permanente.
Da Silva, C. J.; Insaurralde J. A. y Cardozo, O. D.
En el análisis de la matriz de confusión se observo «CARTOGRAFÍA DE COBERTURAS DEL
una amplia diferencia en la precisión global y el SUELO MEDIANTE SENSORES
índice Kappa. El ISODATA y el MNDWI, resultaron REMOTOS, DE LA.» Editado por Facultad
métodos muy óptimos para la evaluación de áreas de Humanidades. Revista Geográfica
inundadas y Cuerpos de agua, revelando la alta Digital. IGUNNE. Facultad de
capacidad de estos para percibir los límites entre Humanidades., 2014: 1-18.