Diseo e implementacin de una metodologa para el

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.