Caracterización Espacial de los Tipos de Cobertura de Suelo usando Técnicas Geoestadísticas a partir de Información Satelital
Palabras clave:
variograma, patrón espacial, sensores remotos, uso del suelo, evaluación ecológicaResumen
A fin de caracterizar los patrones espaciales de los diferentes tipos de cobertura del suelo (TCS), se analizó por métodos geoestadísticos un mapa de TCS, derivado de la clasificación de una imagen satelital de un sector de la provincia de Buenos Aires, que incluía 7 tipos de coberturas: Pastizales Alta Cobertura (PAC), Pastizales Baja Cobertura (PBC), Cultivo (CUL) Vegetación Palustre y/o Agua (VPA), Montes (MON), Pradera Húmeda (PRH) y Urbano (URB). Se evaluaron los componentes espaciales de cada TCS a partir de variogramas omnidireccionales experimentales, ajustándolos a modelos de referencia. La heterogeneidad de cada TCS exigió utilizar una estrategia que implicó el muestreo de la imagen temática con diferentes grado de resolución y dimensión del área de análisis. La distribución espacial de los TCS en la imagen es irregular sin ser aleatoria; mientras que la dimensión de cada uno es relativamente estable, aunque diferentes entre sí. Los modelos que mejor ajustan los variogramas experimentales son distintos según el TCS, siendo exponencial para PBC, PAC, PRH y CUL; esférico para URB, aleatorio para VPA y exponencial o aleatorio para MON. Los parámetros geoestadísticos de los modelos de ajuste calculados para cada TCS, indican diferencias estructurales en su distribución espacial a escala de parche (proporción no explicada por el modelo), paisaje (modelo) o región (diferencias entre sectores), que pueden relacionarse con el uso. La aplicación de técnicas geoestadísticas a información derivada de imágenes satelitales permite identificar y diferenciar los patrones espaciales de los TCS existentes en la misma, por lo que puede servir de base para definir estrategias de análisis y monitoreo del uso del suelo.
Descargas
Referencias
Atkinson, P. M. & P. Lewis. 2000. Geostatistical classification for remote sensing: an introduction. Computers & Geosciences 26: 361-371.
Cohen, W. E., T. A. Spies & G. A. Bradshaw. 1990. Semivariograms of digital imagery for analysis of conifer canopy structure. Remote Sensing of Environment 34: 167-178.
Curran, P. 1988. The semivariogram in remote sensing: an introduction. Remote Sensing of Environment 24: 493-507.
Curran, P. & M. Atkinson. 1999. Issues of scale and optimal pixel size. En Stein, A. (Ed.), Spatial Statistics for Remote Sensing. Kluwer Academic Publishers, Netherlands. pp: 115-133.
Forman, R. T. T. & M. Godron. 1995. Landscape Ecology. John Wiley & Sons, New York. 619 pp.
Gómez, S. E. & N. I. Toresani. 1999. Región 3: Pampas. En: Canevari, P; D. E. Blanco; E. H. Bucher; G. Castro y I. Davidson (Eds.), Los humedales de la Argentina. Wetlands International. Publicación Nº 46 (2da. Edición). Buenos Aires. 208 pp.
Goovaerts, P. 1997. Geostatistics for natural resources evaluation. Oxford University Press,. New York. 483 pp.
Isaaks, E. & R. M. Srivastava. 1989. Applied Geostatistics. Oxford University Press, New York. 561 pp.
León, R. J. C., S. Burkart & C. P. Movia. 1979. Relevamiento fitosociológico del pastizal del norte de la “Depresión del Salado” (Partidos de Magdalena y Brandsen, Provincia de Buenos Aires). INTA Serie Fitogeográfica 17. La vegetación de la República Argentina. SEAGNINTA, Bs. As. 78 pp.
Matteucci, D. S., Solbrig O. T., Morello J. & G. Halffter (Eds). 1999. Biodiversidad y uso de la tierra. Conceptos y ejemplos de Latinoamérica. Eudeba. UNESCO. Colección CEA No. 24, Buenos Aires. 580 pp.
Pannatier, Y. 1994. Variowin 2.1.Geostatistical Software Programs. Pannatier Institute of Mineralogy and Petrography. University of Lausanne. Springer. Switzerland.
Rossi, R. E., D. J. Mulla & E. H. Franz. 1992. Geostatistical tools for modeling and interpreting ecological spatial dependence. Ecological Monographs 62: 277-314.
Samper Calvete, F. J. & J. Carrera Ramírez. 1990. Geoestadística. Aplicaciones a la hidrogeología subterránea. Centro Internacional de Métodos Numéricos en Ingeniería, Barcelona. 484 pp.
Treweek, J. 1999. Ecological Impact Assessment. Blackwell Sc Ltd, Oxford. 351 pp.
Wallace, C. S. A., J. M. Watts & S. R. Yool. 2000. Characterizing the spatial structure of vegetation communities in the Mojave Desert using geostatistical techniques. Computers & Geosciences 26: 397-410.
Woodcock, C. E., A. H. Strahler & D. L. B. Jupp. 1988a. The use of variograms in remote sensing: I. Scene Models and simulates images. Remote Sensing of Environment 25: 323-348.
Woodcock, C. E., A. H. Strahler & D. L. B. Jupp. 1988b. The use of variograms in remote sensing: II. Real digital images. Remote Sensing of Environment 25: 349-379.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2002 M. I. Alperín, V. G. Borges, R. Sarandón

Esta obra está bajo una licencia Creative Commons Reconocimiento 3.0 Unported.
La revista publica los artículos bajo esta licencia desde 2019 (Vol. 118 número 2).
Acorde a estos términos, el material se puede compartir (copiar y redistribuir en cualquier medio o formato) y adaptar (remezclar, transformar y crear a partir del material otra obra), siempre que a) se cite la autoría y la fuente original de su publicación (revista y URL de la obra), b) no se use para fines comerciales y c) se mantengan los mismos términos de la licencia.
Previo a esta fecha, los artículos se publicaron bajo una licencia Creative Commons Atribución (CC BY)



























