monitoreo de los cuerpos de agua en la regin de la
Mojana, utilizando productos MODIS y software libre J immy A. Navia 1 , Olga L. Baquero 2
(1) Escuela de ingeniera Civil y Geomtica, Facultad de I ngeniera, Universidad del Valle (2) I nstituto CI NARA, Universidad del Valle Cali, Colombia (1) jimnava7@hotmail.com, (2)
momokasiopea@gmail.com
Abstract-- La Mojana es una regin de humedales productivos ubicada en el Norte de Colombia, SA. En esta zona se presentan una serie de problemas sociales entre los que se cuentan la presencia de actores armados que impiden un libre acceso, y lucha por la tierra que derivan en problemas ambientales como, la sedimentacin y desecamiento de cinagas, desestabilizacin de sistemas hidrolgicos, destruccin de zpales, inundaciones, entre otros. En el presente trabajo se aprovecha la posibilidad de los sensores remotos en particular aquellos que se ponen a disposicin del pblico como son las imgenes MODIS de la NASA con alta resolucin temporal y espectral y resolucin espacial media y las ventajas del cdigo abierto del software SPRING del INPE del Brasil. Inicialmente se determin la resolucin temporal del monitoreo, se probaron varios ndices y finalmente se utiliz el NVDI combinndolo con el NDWI; se realiz una aplicacin semiautomtica para la generacin de cartografa cada 8 das con el fin de identificar los cambios espacio-temporales y de esta manera establecer la dinmica de los cuerpos de agua de la regin.
Palabras Claves: La Mojana, MODIS, Spring, Monitoreo, Cuerpos de agua I. INTRODUCCIN La convencin sobre humedales presto considerable atencin, en el marco del Artculo 3, a la importancia del inventario, la evaluacin y el monitoreo de los humedales como herramientas para la conservacin y el uso racional de los mismos, as como a su utilizacin a travs de los procesos de planificacin del manejo para mantener y mejorar las caractersticas ecolgicas de los sitios RAMSAR y otros humedales[1]. Si bien los humedales son considerados ecosistemas de un gran valor, han sido sometidos a transformaciones y procesos de explotacin que ponen en grave peligro su subsistencia. Se estima que debido a la actividad humana se ha perdido ms del 50 % de la superficie de humedales de todo el mundo [2]. La Regin de la Mojana en el norte de Colombia es la encargada de regular los cauces de los ros Magdalena, Cauca y San Jorge, amortiguar las inundaciones y facilitar la decantacin y acumulacin de sedimentos. Entre las funciones principales se encuentran la de regulacin ambiental y equilibrio ecolgico para la Costa Caribe y el pas. En esta zona se presentan una serie de problemas sociales como la apropiacin y concentracin de tierras por parte de pocos propietarios, conflictos relacionados por las tierras de uso comn, violencia, presencia de actores armados, desplazamiento de la poblacin etc y como consecuencia se derivan problemas ambientales: sedimentacin y desecamiento de cinagas para aumentar la frontera ganaderas y desestabilizacin de los sistemas hidrolgicos, destruccin de zpales que no le permiten cumplir con su funcin ambiental [3]. Segn se plantea en el Plan de Desarrollo de la Mojana en el 2003, para una adecuada planificacin y gestin de las regiones que se forman alrededor de los humedales, es recomendable entenderlos como sistemas integrales de recursos biolgicos, provenientes del suelo y del agua, que desempean funciones vitales para el desarrollo sostenible, y que deben prevalecer sobre las formas de uso y ocupacin que buscan imponer los asentamientos y actividades que se instalan en ellos [4]. En el informe de Hidrologa del programa de desarrollo sostenible de la regin de la Mojana, se resalta la importancia de realizar un anlisis riguroso de la dinmica hidrolgica de estos sistemas, ya que si bien se han realizado estimativos de su cobertura, an se desconoce la forma como han cambiado en el tiempo y por lo tanto cmo se comportarn en el futuro [5]. Contando con todo lo anterior y considerando que la regin de la Mojana es una zona demasiado extensa, con problemas de orden pblico lo que hace difcil el acceso a ciertas zonas de la regin, la teledeteccin y en particular las imgenes MODIS -por su gran resolucin espectral, espacial y temporal as como su libre acceso- son una herramienta idnea para el monitoreo de los cuerpos de agua de este gran humedal, para generar informacin que permita a las entidades encargadas de administrar estos recursos tomar decisiones sobre el manejo de este, as como legitimar y optimizar la toma de decisiones y el diseo de polticas orientadas a garantizar su sostenibilidad. De esta manera se podra entender que los proyectos de desarrollo que involucran a los humedales deben ser analizados en el marco de su variabilidad tanto temporal como espacial y no en funcin del estado hidrolgico actual del sistema [6]. Esto es importante a la hora de establecer criterios para el diseo y la elaboracin de obras tales como rutas, puentes, canales, represas, etc., que comprometan la estructura y el funcionamiento de los humedales, o que puedan afectar a futuro a las mismas obras -rotura de terraplenes, asentamientos urbanos en zonas inundables-. Contando con un monitoreo constante se podra evaluar los impactos que una obra puede causar sobre los humedales [7]. Las imgenes MODIS dispuestas para uso pblico por la NASA, son una herramienta efectiva para la generacin de informacin cartogrfica en tiempo real de la dinmica de los cuerpos de agua, que ayude a las entidades encargadas de administrar estos recursos a tomar decisiones encaminadas a la conservacin y aprovechamiento sostenible del humedal. En este trabajo se aprovecharon caractersticas de las imgenes MODIS: uso pblico, alta resolucin temporal y espectral junto con la utilizacin de software libre SPRING, para disear e implementar una metodologa para identificar y cartografiar los cambios espacio-temporales de los cuerpos de agua de la regin de la Mojana. II. AREA DE ESTUDIO Y MATERIALES
A. rea de estudio La regin de la Mojana es un rea que fisiogrficamente pertenece a la denominada depresin Momposina y cubre una extensin de aproximadamente de 10.865 Km 2 . Limita por el oriente con el rio Cauca que drena las cordilleras Occidental y Central, por el occidente con el rio San Jorge que nace en la serrana de Ayapel. Abarca parte de los municipios de: Nechi (Antioquia); Magangu, San Jacinto del Cauca y Achi (Bolvar); Ayapel (Crdoba) y Guaranda, Majagual, Sucre, Caimito, San Marcos y San Benito (Sucre) [5]. Ver Figura 1. Aunque el enfoque principal de este estudio es la regin de la Mojana hay que tener en cuenta como lo indican en el informe final de consultora del Programa de desarrollo sostenible de la regin de La Mojana [5], que es necesario no solo hacer estudios a los complejos cenagosos ubicados en la margen derecha del ro San Jorge y en la margen izquierda del Brazo de Loba, sino tambin a otra serie de complejos cenagosos adyacentes, tanto en el margen izquierdo del ro San Jorge como en el derecho del Brazo de Loba, complejos que a pesar de no estar contemplados dentro del Programa de Desarrollo de La Mojana, si deben tenerse en cuenta para realizar otro tipo de propuestas, ya que son sistemas que hacen parte integral de todo el complejo. Por Lo anterior el rea de estudio del proyecto ser de 21.182 Km2.
Fig. 1 Ubicacin y divisin poltica de la regin de la Mojana, Tomado de IGAC/CORPOICA, 2003 [5] B. Datos y Software utilizado Desde el sitio WEB del Centro de Archivos Activos (LP DAAC) se descargaron los productos MODIS, MOD09GQ, MYD09Q1 y MYD09A1, correspondiente a todo el ao 2010. Se escogi este lapso de tiempo debido a que representa una de las situaciones ms extremas de los ltimos aos. En Colombia, por estar situado en el trpico hay un rgimen climtico de lluvias (invierno) y no lluvias (verano) y a comienzos del ao se presento una poca de verano pero a partir del mes de marzo y durante el resto del ao hubo uno de los inviernos ms fuertes en los ltimos aos del pas. El producto diario MOD09GQ fue utilizado para determinar la temporalidad, el MYD09A1 y MYD09A1- productos cada 8 das- fueron utilizados para implementar la metodologa planteada, ya que la banda 5 del producto MOD09A1 necesaria para calcular el NDWI, tena serios problemas de bandeo. Todos esos productos corresponden a la lnea de productos de reflectancia de la superficie MODIS los cuales proporciona una estimacin de la reflectancia espectral de la superficie, ya que miden al nivel del suelo en ausencia de dispersin atmosfrica o de absorcin. De los 365 das del ao 2010, los productos MOD09GQ de los das 103, 105,130 no se utilizaron por problemas tcnicos.. La imagen del da 182, no est disponible en el LP DAAC. Por otra parte, debido a la cobertura de las imgenes MODIS y el tamao del planeta se necesita 1,2 das para capturar toda la tierra por lo que se producen diferencias entre los 30 al norte y 30 al sur. Lo que quiere decir que el satlite tiene un horario de 16 das, por lo que cada igual cantidad de das para un lugar X entre los 30 al norte y 30 al sur no ser posible obtener informacin [8]. En total y debido a este proceso se tienen 69 das en los que los productos estn defectuosos, lo que equivale al 18.9 % del total de das del ao. Quedando un total de 291 imgenes del producto MOD09GQ con los cuales fue posible trabajar. Para realizar algunos anlisis de comportamiento de los cuerpos de agua se utilizaron datos tomados de los mapas de precipitacin diaria de Colombia generados por el Instituto de Hidrologa, Meteorologa y Estudios Ambientales de Colombia IDEAM. El manejo y procesamiento de las imgenes MODIS se realizo bajo el programa SPRING el cual es desarrollado por el Instituto Nacional de Investigaciones Espaciales de Brasil (INPE), una de las mayores caractersticas de este software- aparte de ser gratuito y de cdigo abierto es que es un software especializado en geoprocesamiento y cuenta con el LEGAL - Idioma rea Geogrfica lgebra, fcilmente programable, dando al usuario un entorno interactivo para ver, manipular y editar y procesar datos espaciales. Para realizar la georeferenciacin y recorte de los productos MODIS, se obtuvo el programa que ofrece la NASA para este fin. El programa MRT - Modis Reprojection Tools. III. METODOLOGA UTILIZADA
Fig. 3 Diagrama de flujo del desarrollo del proyecto A. Georeferenciacin y seleccin de rea de estudio El programa MRT se abrieron los productos MODIS en su formato original HDF, se seleccionaron las bandas de inters, se exportaron a formato Tiff, se georeferenciaron y se recorto al rea de estudio. Debido a la gran cantidad de imgenes a procesar, se cre un archivo de texto .prm para cada uno de los productos, el cual contena toda la informacin necesaria para realizar todo el proceso de abrir y procesar cada producto MODIS. Con la construccin de este archivo fue posible crear una rutina para procesar todas las dems imgenes de cada producto. B. Estimacin de la resolucin temporal optima Como las muestras se tomaron de imgenes diarias sobre la banda 1 -0.620-0.670 m-, las cuales contienen una gran cantidad de nubes, se pas un filtro eliminar valores de reflectancia mayores a 3000. Se fij este valor luego de tomar 50 muestras sobre nubes y verificar que los valores mayores a este valor correspondan a reflectancia de nubes. Cuando se trata de la vigilancia de las condiciones de la vegetacin en ambientes tan dinmicos como los humedales, la frecuencia temporal de observacin es muy importante. Para obtener la frecuencia ptima se adopt la metodologa planteada por T. K. Alexandridis [9]. Se seleccionaron 11 muestras como puntos fijos homogneos que en este caso fueron cinagas, y para construir las series de tiempo con los datos diarios. Como no se tena seguridad cul debera ser el rea que garantizara la homogeneidad de las muestras se tomaron tres reas distintas (256, 64y 9 pxeles MODIS de resolucin 200 m)y se les calcul a cada una el coeficiente de variacin Ecuacin 1)
Donde Sx es la desviacin tpica y es la media, esto indica el porcentaje de variacin entre la desviacin y la media. Entonces al disminuir el coeficiente de variacin, indica que la desviacin de los datos es pequea frente a la media razn por la cual todos los valores de los pixeles van a ser muy parecidos y la zona va ser muy homognea. Por lo anterior comparamos los valores de los coeficientes de variacin > 20, para las 3 reas, para poder definir cul debe ser la indicada para seguir con el anlisis. Como se puede ver en la tabla I, entre ms grande es el rea de la muestra, mayor es su coeficiente de variacin, lo que es coherente pues entre ms grande sea la zona, ms coberturas van a estar contenidas y por ende va a aumentar la variabilidad de los datos.
TABLA I. TOTAL DE MUESTRAS CON COEFICIENTE DE VARIACIN MAYOR A 20 PARA LAS 3 REAS.
A pesar que en este aspecto de homogeneidad de los datos se muestra que el ms indicado sera el de 0.56 km 2 , se decidi dejar el rea de 4 km 2 que muestra un cv tolerable- como el tamao de las muestras de la toma de datos para rea de la Muestra Total de datos Sin nube Total datos Coeficiente de variacin > 20 Porcentaje 16 Km 2 2072 1185 57.19% 4 Km 2 2073 732 35.31% 0.56 Km 2 2079 328 15.77% determinar la resolucin temporal del monitoreo considerando que un rea tan pequea no ofrecera mucha informacin. Definida el rea ideal de los posibles sitios para la toma de datos, se procedi a analizar la variabilidad de todos los puntos fijos seleccionados para analizarlos con el mismo criterio de homogeneidad . Como se puede observar en la tabla II, existen 5 sitios en los cuales el coeficiente de variacin durante todo el ao es muy alto (mayor 32%), razn por la cual se concluye que los sitios seleccionados en estas cinagas no son homogneos, o sea que durante todo el ao en esa rea de 4Km 2 casi siempre fueron diferentes coberturas, por lo que solo se continuo el anlisis con las 6 cinagas restantes.
TABLA II. SITOS DE PRUEBA CON COEFICIENTE DE VARIACIN MAYOR A 20%, SITIOS NO HOMOGNEOS. Cinaga Total das sin nube Total das coeficiente de variacin >20% Porcentaje La Mula 186 77 41% El Rosario 210 56 27% Limones 191 90 47% Chibolo 187 73 39% El Pimiento 179 78 44% El Guarapo 187 48 26% El Coco 187 59 32% Roblar 185 60 32% La doncella 184 56 30% Matesalsa 186 81 44% Ayapel 192 54 28%
Ya definida la homogeneidad de los sitios de prueba, se realiz el clculo del NDVI (Ecuacin 2) para las imgenes disponibles del producto MOD09GQ:
Donde es la reflectancia de la superficie calculada para la segunda banda (infrarrojo cercano) y para la primera banda (rojo), respectivamente. Se construyeron las series de tiempo del NDVI para los 6 puntos fijos seleccionados y con SCILAB se interpolaron mediante el Spline Cubic para obtener los 365 das. Figura 4. Con las series de tiempo completas se realiz una autocorrelacin de los datos de cada cinaga para ver cmo estaban variando en el tiempo y poder determinar cul era la temporalidad optima en donde no se perdiera informacin entre una imagen y otra, pero que tampoco se tomara informacin donde no hubieran ocurrido cambios significativos.
Fig. 4 Series de tiempo deNDVI para las 6 cinagas puntos fijos), interpoladas y suavizadas con el mtodo Spline cubic Esto se realiz en el software SCILAB aplicando la siguiente frmula:
En donde m hace referencia al retraso en la funcin de autocorrelacin. C. Clasificacin semiautomtica Uno de los objetivos del proyecto era determinar el procesamiento de la informacin para llegar a la clasificacin final y la generacin de la cartografa de los cuerpos de agua. Debido a esto y definido cuales iban hacer los productos a utilizar, se propuso los siguientes pasos metodolgicos para el procesamiento y clasificacin de las imgenes MODIS, el cual se sigui para generar la cartografa cada 8 das de los cuerpos de agua de la regin de La Mojana. 1) Identificacin de pixeles defectuosos Cargados todos los productos MYD09Q1 y MYD09A1 en Spring, lo primero que se realizo fue identificar algunos pixeles con valores muy bajos (-28.672) los cuales contrastaban las imgenes. Las NASA encasilla en estos valores los pixeles que por algn inconveniente no fue posible generar, por esta razn en el proyecto se les denomino pixeles defectuosos. Estos pixeles se identificaron de forma automtica para todas las bandas utilizadas de los diferentes productos del ao 2010, por medio de una rutina desarrollada en Spring, utilizando el lenguaje espacial fcilmente programable (LEGAL - Idioma rea Geogrfica lgebra). 2) Calculo de NDVI y NDWI El NDVI y el NDWI son ndices utilizados mundialmente en investigaciones de diferente tipo. El campo de las inundaciones y el seguimiento de los cuerpos de agua no es una excepcin, pues varios autores han utilizado diferentes ndices para identificar zonas de inundacin y cuerpos de agua. Rodrguez y otros [10] por ejemplo, utilizaron el NDVI, NDWI y NDSI para evaluar zonas inundadas en la pampa hmeda argentina con datos del sensor MODIS/TERRA, Sakamoto y otros [11] tambin se basaron en diferentes ndices como el NDVI, EVI, LSWI y DVEL (EVI-LSWI) para detectar cambios temporales de inundaciones en Camboya y Vietnam, al igual que Xiao y otros [12] que realizaron un mapeo de arroz con cascara en el sur de Asia, usando imgenes multi-temporales de MODIS. As mismo Ishitsuka [13] y Sakamoto, plantean que el NDWI es utilizado de muchas formas por diferentes autores para determinar humedad en la vegetacin, pero que cada autor define a su manera la forma de combinar las bandas 1, 2, 5 y 6, generndose mltiples formas de utilizar este ndice. Teniendo en cuenta que estos estudios se realizaron en latitudes diferentes y con condiciones ambientales no muy similares a la que presenta La Mojana, se realizaron clculos de diferentes ndices para poder determinar cul resaltaba mejor los cuerpos de agua propios de la regin y eran los ideales para clasificar.
Fig. 6 Diferentes ndices para la regin de la Mojana, Imagen 2010009 Con base a lo anterior y analizando cual de todos estos ndices resaltaba mejor los cuerpos de agua se decidi trabajar con el NDVI propuesto por Xiao y otros, y el NDWI propuesto por Tejada y otros [14]. Estos ndices tambin se calcularon automticamente utilizando LEGAL. 3) Clasificacin de Cuerpos de Agua Dada las caractersticas ambientales propias de una regin con tanta dinmica hdrica como la regin de La Mojana se decidi dividir los cuerpos de agua en dos grandes coberturas. La primera hace referencia a las cubetas las cuales son depresiones poco profundas que pueden alcanzar durante los periodos de mxima inundacin 6 7 metros de profundidad. La segunda son los playones que son zonas de inundacin o de desborde de las cinagas o cubetas en pocas de invierno. De igual manera dentro de la cobertura de los playones se adicionaron los ros. Teniendo en cuenta lo anterior se clasificaron los cuerpos de agua de dos formas diferentes. La primera es la Clasificacin propuesta por Xiao y otros, en donde se propone que un pixel est cubierto de agua si NDVI <0.10 y NDVI <NDWI. Teniendo en cuenta que este estudio se realiz en Asia y que los valores de NDVI y NDWI que se calcularon estn entre -10.000 y 10.000 el criterio para clasificar un pixel como agua o fue el siguiente NDVI <1500 y NDVI <NDWI. Lo que es coherente si se tiene en cuenta que los pixeles con contenido de agua para NDVI son muy cercanos a 0 o negativos y que por el contrario los pixeles con contenido de agua para NDWI van a estar cercanos a 10.000.
Fig. 7 Clasificacin de cuerpos de agua propuesta por Xiao y otros , NDVI imagen 20100009
Como se puede observar en la figura 7 y segn lo expuesto anteriormente, estos cuerpos de agua pertenecen a las denominadas Cubetas, razn por la cual fue posible clasificar utilizando la anterior sentencia pues estas zonas no poseen tanta vegetacin y sedimentos debido a la profundidad que conservan. Se puede observar que alrededor de estas grandes cubetas o cinagas quedan unas zonas sin clasificar, zonas que se supone pertenecen a los Playones, regiones que quedan muy hmedas a medida que la cinaga se va secando. As mismo los ros y caos por contener tanta carga de sedimentos no es posible clasificar con este mtodo. La clasificacin de estos cuerpos de agua se gener de forma automtica a partir de una rutina desarrollada en LEGAL. La segunda clasificacin de los cuerpos de agua se realizo utilizando el NDVI, debido a algunas regiones que no fue posible identificar con la clasificacin anterior. Una de las herramientas ms importantes del software Spring es la segmentacin de la imagen por regiones, cuando se controla este proceso y se ajustan los parmetros de similitud y rea, los resultados suelen ser fronteras bien definidas y una buena delimitacin de coberturas tiles para detectar, cambios de rea al igual que patrones espaciales en el tiempo [15]. Utilizando entonces esta herramienta se segmentaron las imgenes de NDVI. Se realizaron diferentes pruebas para encontrar cual era la similitud y al rea adecuada para delimitar mejor los cuerpos de agua y finalmente se dej como Similitud 1500 y rea 4. Posterior a la segmentacin y utilizando las regiones creadas se clasificaron todas las imgenes utilizando el mtodo de clasificacin no supervisada Isoseg, el cual es una tcnica de agrupamiento de datos no supervisado, aplicado sobre regiones que se caracterizan por sus atributos estadsticos (Media y Matriz de covarianza) en la fase de extraccin de las regiones [16].
Fig. 8 Imagen 2010009 de NDVI segmentada, con Similitud 1500 y rea de 4
Al igual que para la segmentacin se realizaron diferentes pruebas para encontrar el umbral de aceptacin ideal para clasificar, finalmente se dejo en 75%. A los temas creados en la clasificacin se le asignaron las coberturas correspondientes.
Fig. 9 A. Imagen 2010009 de NDVI Clasificada con el mtodo Isoseg, umbral de aceptacin 75% B. Asignacin de clases a los temas clasificados con el mtodo Isoseg, umbral de aceptacin 75%
Fig. 10 Clasificacin Final de cuerpos de agua, Imagen 2010009 NDVI
4) Clasificacin de Nubes Los productos MODIS traen una banda de calidad la cual tiene informacin correspondiente a los pixeles que presentan problemas de nubes, en primera instancia se consider utilizar esta banda, pero al extraer la informacin se pudo observar que realmente deja sin identificar muchos pixeles con nube. Por otra parte tambin se identificaron algunos pixeles que en la clasificacin de cuerpos de agua se clasificaron como tal, pero analizndolos visualmente se puede ver que son nubes, por lo que se decidi hacer una muy buena clasificacin de nubes para al final pasarle un filtro a la cobertura de cuerpos de agua. Es por esto que se realizaron 3 clasificaciones de nubes. En la primera, al igual que para los cuerpos de agua, Xiao y otros tambin propone que los pixeles >= a 2000 en la banda azul -banda 3 de MODIS- sean clasificados como nubes. Esta clasificacin se realiz de forma automtica, utilizando una rutina realizada en LEGAL. En la segunda y tercera se aprovecharon el hecho de que en las bandas del visibles banda 1 y 3- es fcil identificar las nubes dada su alta reflectancia para estas longitudes de onda, se utilizo entonces la misma metodologa empleada para clasificar los cuerpos de agua, segmentando la imagen banda 1 y 3- y clasificando con Isoseg 75%, con la nica diferencia que en el momento de la segmentacin, al ser mayor el contraste entre las nubes y las dems coberturas se utilizo una similitud de 1000. Contando con la clasificacin de nubes realizada por los diferentes mtodos, se realizo una rutina en LEGAL para unir de forma automtica todas estas coberturas y dejar una un solo temtico correspondiente a nubes.
Fig. 11. Clasificacin Nubes, A. Imagen 2010361 banda 1, B, Imagen 2010361 banda 3, C. Clasificacin final nubes. 5) Unin de coberturas Luego de identificar los posibles ruidos (Nubes, Pixeles defectuosos) que podran llegar a afectar la clasificacin de los cuerpos de agua de la regin de La Mojana, se procedi a crear una rutina en LEGAL para unir de forma automtica todas estas coberturas en una solo temtico, teniendo en cuenta que lo que se le realizo fue un filtro para descartar los pixeles que se hubiesen sido clasificado como agua, pero que en realidad pertenecen a nubes o pixeles defectuosos.
Fig. 12 Clasificacin de cuerpos de agua, luego de pasarle los filtros de Pixeles defectuosos y Nubes. Imagen NDVI 2010009
6) Edicin Matricial En este punto la clasificacin ya se encontraba en un punto muy avanzado, pero se detectaron unas pequeas omisiones y otras malas clasificaciones que eran evidentes, por lo que se realiz una edicin matricial en Spring. Esta edicin consisti en realizar manualmente las correcciones a la clasificacin final de los cuerpos de agua. Una de las correcciones o ms bien complemento que se realiz, fue completar algunos tramos de los ros que no se lograron clasificar anteriormente. Cabe aclarar que esto se presenta principalmente por que en algunas zonas ya sea por el ancho del rio o por su misma reflectancia el sensor no logra identificar estos ros. En otros casos se corrigieron algunas coberturas que se encontraban mal clasificadas.
Fig. 13 Edicin matricial rio cauca imagen 2010073
7) Generacin de la cartografa final Por ltimo, por medio del mdulo Scarta de Spring, se realiz la generacin de la cartografa final de los cuerpos de agua de la regin de la Mojana. A pesar que se realiz la clasificacin de todas las imgenes del ao 2010 solo se muestra el producto final de la imagen de diciembre 28.
Fig. 14 Mapa final de Clasificacin de cuerpos de agua La Mojana, Diciembre 28 de 2010 IV. RESULTADOS Y DISCUSIN Como se planteo anteriormente el objetivo principal del proyecto era el diseo de la metodologa para el monitoreo de los cuerpos de agua de la regin de la Mojana, al igual que la estimacin de la resolucin temporal optima. A continuacin se muestran esta serie de resultados en donde adems se implemente la metodologa propuesta, esto con el fin de exponer ejemplos claros en donde se puede observar que los resultados obtenidos en la clasificacin son coherentes. As mismo se muestra la rutina final desarrollada en LEGAL y con el cual se pueden clasificar las imgenes y detectar cambios comparando dos clasificaciones de diferentes fechas.
A. Estimacin de la resolucin temporal optima De las grficas que se obtuvieron fue difcil poder determinar cul era la resolucin temporal optima pues es una grafica en donde muestras grandes variaciones, pero si se puede observar varios periodos en donde la autocorrelacin temporal es negativa, lo que indica que si al comienzo de la seria los datos eran negativos por la presencia de agua en la cinaga, en determinado momento los datos van hacer positivos debido a pocas de verano -recordemos que estamos hablando de valores de NDVI-. Se observa que para todas las cinagas los primeros das obviamente la autocorrelacin era grande y que a medida de que se iba aumentando los das la autocorrelacin iba disminuyendo lo que tambin es lgico, pero a los 8 das se vuelve a aumentar la autocorrelacin, lo que muestra claramente que es ah donde ocurre el primer cambio significativo por lo que ese ser el momento preciso para el procesamiento de las imgenes (ver figura 15).
Fig. 15 Autocorrelacin para las 6 cinagas para el ao 2010 Cabe sealar que es claro que esto no va hacer igual para una poca de verano pero estamos garantizando que para esa poca no vamos a perder informacin ya que es para la poca de invierno (ao 2010) en donde los cambios se presentan abruptamente o de manera ms acelerada. De igual manera se pueden observar grandes ciclos en las cinagas El Rosario y El Guarapo pero que para los objetivos de estudio no son importantes pues lo que es relevante identificar son los primeros cambios. B. Metodologa para el tratamiento de productos MODIS El objetivo general del proyecto fue disear una metodologa para el monitoreo de los cuerpos de agua en la regin de la Mojana, la cual no fuera muy compleja pues, se deba tener en cuenta que iba a ser replicada cada 8 das, pero que a la vez fuera lo suficientemente confiable para lograr identificar la dinmica de los cuerpos de agua de la regin.
Fig. 16. Diagrama de flujo de la metodologa propuesta para la clasificacin de cuerpos de agua de La Mojana. Con la metodologa que se planteada se cumplen con estos requerimientos ya que es fcilmente replicable ya que en su gran mayora se encuentra automatizada a travs de una rutina generada en LEGAL la cual solo necesita unas pocas coberturas de entrada.
Bandas 1, 2, 3 y 5 ndices NDVI y NDWI Clasificacin de cuerpos de agua utilizando NDVI Clasificacin de Nubes utilizando la banda 1 Clasificacin de Nubes Utilizando la banda 3
Introduciendo estas coberturas, la rutina genera una clasificacin final de cuerpos de agua, Nubes y Pixeles defectuosos.
C. Anlisis comparativo enero- febrero de 2010 Uno de los anlisis que se realiz para comparar si los resultados obtenidos con la clasificacin eran coherentes, fue el de analizar los cambios espacio-temporales de los cuerpos de agua, para ello se utilizaron una serie de mapas de precipitacin diaria, elaborados por el IDEAM. Como se puede observar en la figura 17 durante todo el mes de enero y hasta finales de febrero las precipitaciones en La Mojana fueron mnimas, lo que indica que los cuerpos de agua deberan de tener una tendencia a disminuir hasta la tercera semana de febrero donde vuelven aparecen lluvias considerables.
Fig. 17 Datos de precipitacin enero-febrero 2010, elaboracin propia, datos IDEAM
Como se muestra en la figura 18, la imagen A posee una cantidad de cuerpos de agua considerable, tanto de cubetas como de playones, mientras que en la imagen B ya solo quedan pequeas zonas de estas coberturas, lo que es coherente despus de pasar ms de un mes con precipitaciones muy bajas como lo muestra la grfica.
Fig. 18 Clasificacin enero-febrero 2010, A. Clasificacin 2010001, B. Clasificacin 2010049, C. Clasificacin 2010057
Tambin se puede observar en la imagen C que es la imagen justo de la semana donde comienzan las lluvias, el aumentan de los cuerpos de agua correspondientes a las cubetas, zonas en donde en la imagen B pertenecan a playones, en la imagen C pasan a hacer clasificadas como cubetas debido a que las lluvias inundan estas zonas y forman cuerpos de agua un poco ms profundos y con otras caractersticas.
Fig. 19 Variaciones temporales enero-febrero de cuerpos de agua
En la figura 19 se observa como el rea de las cubetas varia un poco mas en 8 das que la de los playones, esto se debe a que en gran medida las zonas que dejan de ser cubetas pasan a ser playones, razn por la cual a pesar de que los playones pueden ser ms susceptibles a quedar secos por las temporadas de verano, es mayor la cantidad de agua que pasa a ser clasificada como playones. Por otra parte se observa una relacin directa entre las grficas de cuerpos de agua y la de precipitacin pues justo en la semana del 17 al 25 en donde se presentan algunas lluvias, las reas de playones y cubetas pasan a tener un descenso menor, es ms, en los playones existe un pequeo aumento, lo mismo ocurre en la semana del 33 al 41, pero el cambio ms significativo es el aumento en el rea de ambas coberturas en la semana del 49 al 57 que es donde se vuelven a presentar lluvias considerables, lo que concuerda con lo que ya se haba observado en la imagen 29. Por ltimo como el objetivo era conocer los cambios espacio-temporales de los cuerpos de agua, se program una rutina en LEGAL para identificar los cambios espacio- temporales entre una imagen y otra. Los cambios se definieron de la siguiente forma:
TABLA III. DEFINICIN DE CAMBIOS ESPACIO-TEMPORALES ENTRE IMGENES Imagen A (actual) Imagen B (antigua) Cambio Cubetas Playones o ros Playones o ros-Cubetas Playones o ros Cubetas Cubetas- Playones o ros Cubetas Otras coberturas Expansin acelerada Playones o ros Otras coberturas Expansin Moderada Otras coberturas Cubetas Disminucin acelerada Otras coberturas Playones o ros Disminucin Moderada Cubetas o playones y ros Nubes, pixeles defectuosos No definido
Como lo muestra la tabla IV y como se esperaba, los cambios entre estas dos imgenes son en su gran mayora de disminucin total de agua.
TABLA IV. MEDIDA DE CLASES DEL MAPA DE CAMBIOS ENERO-FEBRERO 2010 Clase rea en Km2 Cubetas 98.125 Playones y ros 161.875 Playones o ros-Cubetas 2.875 Cubetas- Playones o ros 215.5 Expansin acelerada 1.25 Expansin Moderada 28.562 Disminucin acelerada 611.437 Disminucin Moderada 1185.625 No definido 0
Se puede observar que es muy poca el rea que corresponde a clases relacionadas con aumento de cuerpos de agua. Esos pixeles que fueron clasificados como expansin, son los que en gran medida sera importante entrar a estudiar en campo, pues son pixeles que no siguen una dinmica relacionada con las precipitaciones, por lo que pueden ser asociados a acciones humanas que cambian la dinmica natural de estos ecosistemas.
Fig. 20 Mapa de cambios enero-febrero 2010
D. Rutinas de clasificacin y deteccin de cambios. Adems de la rutina en donde esta programa toda la metodologa propuesta para el procesamiento de los productos MODIS, se crearon otra seria de rutinas a lo largo del desarrollo del proyecto, rutinas que sirvieron para automatizar procesos y los cuales hacen que la metodologa empleada pueda ser pueda replicada fcilmente y por personas con un conocimiento bsico en herramientas SIG. La primera rutina que se cre fue para la georeferenciacin, recorte y seleccin de las bandas MODIS. Esta rutina se realiz con el programa MRT, creando el archivo base.prm. Esta rutina permite procesar automticamente grandes lotes de productos MODIS, evitando la creacin de un archivo.prm para cada producto. La segunda rutina que se realizo fue la que permite el clculo automtico tanto del NDVI y como el NDWI, esta se desarroll en LEGAL y necesita solo las bandas 1, 2 y 5 de entrada, para realizar el clculo de los ndices de cualquier fecha. La cuarta rutina generada detecta los cambios entre los diferentes cuerpos de agua de una imagen y otra. Esta rutina solo necesita las clasificaciones de las dos imgenes que se desee comparar y genera de forma automtica un temtico con los diferentes cambios tal como se expuso en la tabla III. V. CONCLUSIONES Y RECOMENDACIONES Los resultados obtenidos muestran que si es viable el monitoreo de los cuerpos de agua, as como la determinacin de su variabilidad tanto temporal como espacial, utilizando imgenes MODIS y siguiendo la metodologa planteada. El anlisis comparativo de enero-febrero mostro como precipitacin tiene directa relacin con la dinmica de los cuerpos de agua y como existen pequeas zonas en donde esta dinmica no se cumple, por lo que pueden estar expuestas a otras variables como la accin humana, razn por la cual se hace necesario realizar verificacin en campo. La metodologa desarrollada junto con las rutinas para la clasificacin de cuerpos de agua en la regin de La Mojana dejan una herramienta importante, para que pueda ser integrada a alguna corporacin encargada de la vigilancia de estos ecosistemas. Queda demostrado que la utilizacin de software libre e imgenes satelitales de resolucin espacial media de libre acceso, se convierten en una herramienta muy valiosa para el seguimiento a gran escala de problemas sociales como las inundaciones y pueden ayudar a modelar en tiempo real y posibles escenarios futuros. Ms aun nacen como un instrumento de gran ayuda para regiones en donde no se cuenta con los presupuestos suficientes para generar informacin cartogrfica actualizada. As mismo sirven para priorizar zonas para la realizacin de estudios a un nivel ms detallado. Por ltimo se hace indispensable la validacin de la metodologa, utilizando datos de campo, con los cuales pueda ser posible cuantificar e identificar los errores que la metodologa propuesta pueda llegar a presentar. De la misma manera estos datos pueden a ayudar a plantear una clasificacin supervisada y lograr as una metodologa totalmente automtica. REFERENCIAS [1] Cordero E. Memorias curso de entrenamiento de manejo de humedales, May, Bogot D.C, 2002. [2] Dugan, P. Wetland conservation: A review of current issues and required action. IUCN, Gland, Switerland. 96p. 1990. [3] Aguilera Daz Mara M. La Mojana: riqueza natural y potencial econmico Documento de Trabajo sobre Economa Regional. No. 48. Banco de la Repblica, 2004. [4] Departamento Nacional de Planeacin, Direccin de Prevencin, Organizacin de las Naciones Unidas para la Agricultura y la Alimentacin, FAO. Programa de desarrollo sostenible de la regin de La Mojana. 2003. [5] Granados D. M. Departamento Nacional de Planeacin, Direccin de Prevencin, Organizacin de las Naciones Unidas para la Agricultura y la Alimentacin, FAO Programa de desarrollo sostenible de la regin de la Mojana. Informe de Hidrologa. Oct. 2002. [6] Neiff, J. J. Humedales de la Argentina: sinopsis, problemas y perspectivas futuras. CYTED. Programa Iberoamericano de ciencia y tecnologa para el desarrollo. Subprograma XVII, Aprovechamiento y Gestin de Recursos Hdricos. 2001. [7] Admoli J., Ginzburg R., Herrera P., Torrella S. Los Humedales del Chaco: Clasificacin, Inventario y Mapeo a Escala Regional. INSUGEO. No. 14 (): ISBN: 987- 9390-69-5 - ISSN 1514-4836. 2005. [8] 2010, sitio web de NASA. [en lnea], direccin: http://landqa2.nascom.nasa.gov/cgi-bin/browse/browse.cgi [9] T. K. Alexandridis, I. Z. Gitas, N. G. Silleos. An estimation of the optimum temporal resolution for monitoring vegetation condition on a nationwide scale using MODIS/Terra data, Aceptado International Journal of Remote Sensing. 2007 [10] Rodrguez Diana, Bolzi Silvana Velasco Ines. Evaluacin de zonas inundadas en la pampa hmeda con datos del sensor modis/terra. XIV Simposio Internacional SELPER, Guanajuato, Mxico 2010 [11] Sakamoto Toshihiro, Van Nguyen Nhan, Kotera Akihiko, Hiroyuki Ohno a, Naoki Ishitsuka a, Masayuki Yokozawa. Detecting temporal changes in the extent of annual flooding within the Cambodia and the Vietnamese Mekong Delta from MODIS time-series imagery. Remote Sensing of Environment Volumen 109, Issue 3, 15 Agosto 2007, Paginas 295-313. [12] Xiangming Xiao,T, Stephen Boles, Jiyuan Liu, Dafang Zhuang, Steve Frolking. Changsheng Lia, William Salasc, Berrien Moore III. Mapping paddy rice agriculture in southern China using multi-temporal MODIS images. Remote Sensing of Environment Volume 95, 2005, Paginas 480-492 [13] Ishitsuka Naoki, Classification using multi temporal MODIS data with Kppen Climate Chart. 2003. [14] Zarco-Tejada, P.J. and Ustin, S.L., 2001, Modeling Canopy Water content for Carbon estimates from MODIS data at Land EOS Validation sites, International Geoscience and Remote Sensing Symposium, 2001, IGARSS '01, Vol.1, pp. 342- 344. [15] Castao-Gallego, A. A. y Lozano-Rivera, P. Delimitacin de ecosistemas sumergidos (praderas de fanergamas) a partir de imgenes EOS-ASTER en la zona costera del departamento de la Guajira (Colombia): resultados preliminares, GeoFocus (Artculos), n 6, p. 231-251, ISSN: 1578-5157. 2006 [16] Moreira, M.A. Fundamenteos do sensoriamento remoto e metodologas de aplicacao. Ed Vicosa: 2005. 307 p.