0310-B1

El Indice K, un Modelo para Analizar Coníferas en Imágenes de Satélite Landsat ETM

Roberto Luévano Escobedo^[1], Karla O. Luévano de la C^[2]., Gerardo de Lira Reyes.^[3], Gustavo A. Martínez Turánzas^[4], Emilio Olivares Sáenz^[5], Humberto Rodríguez Fuentes^[6], Israel Cantú Silva,^[7] y Walter Ritter Ortiz^[8].

Resumen

El cambio del paisaje de la superficie terrestre por causas diversas, su composición y estructura han estado en la mira de toda la humanidad, se han desarrollado diversas formas para entenderlos y la sensoria remota es lo más reciente y novedoso para tener un conocimiento rápido de grandes extensiones de la composición de la superficie terrestre y en particular de bosques de pino - encino, para ello se han aplicado diferentes formas de analizar la vegetación y la más común usando el infrarrojo y el rojo cercano correspondiente a las bandas TM4 y TM3, del satélite Landsat. En este estudio se analiza con el sensor ETM, de éste satélite, donde se obtiene el índice de vegetación para coníferas con la relación de las bandas B5/4 y el NDVI con B4/3, además de analizar estos datos con el índice K, que permite una diferenciación más clara del bosque de coníferas, a partir de los datos de campo obtenidos en el área de estudio

Palabras claves: coníferas, modelos, sensoria remota, índices de vegetación, clasificación de imágenes.

Introducción

Los bosques del país aún no han sido inventariados en su totalidad derivado de los costos tan elevados, por los métodos tradicionales de fotointerpretación de fotografías aéreas, las cuales quedan obsoletas en muy poco tiempo, debido a las actividades de aprovechamiento del la masa forestal, los procesos de forestación o reforestación no son encaminados en la necesidades y sitios que se requieren, un método a través de la sensoria remota puede proporcionar información estratégica para la planeación y organización de la estructura del bosque (Hall et al. 2000). Establecer una clasificación de los estratos vegetales es complicado por estar sujeta a diversos procesos ecológicos (Navratil et al. 1994). La composición del dosel está influenciado por su diversidad, densidad y distribución (Blackburn and Milton 1995). El establecimiento de la vegetación en el estrato inferior del bosque esta influenciada por la disponibilidad de semillas y del substrato (Lieffers and Beck 1994), así como de factores ambientales como la radiación solar, temperatura del suelo, temperatura del aire, humedad del suelo y atmosférica (Groot et al. 1997). La combinación de los factores anteriores son decisivos en el establecimiento y estructura del dosel y el conocimiento de estos son esenciales para poder generar un sistema de clasificación de cobertura de la tierra (Hall et al 2000).

Desde 1989, el sistema Alberta Vegetation Inventory (AVI) ha generado un índice para mapear bosques en Alberta, con dimensiones de dos hectáreas (Nesby 1997). Este nivel de detalle del estrato no es considerado apropiado para datos de satélite (Hall et al.2000). Las bases para clasificación de imágenes de sensoria remota es la determinación de la respuesta espectral de los diferentes elementos o clases contenidos en la cobertura del suelo, y a partir de los valores de reflectáncia que tienen es posible hacer una discriminación de la cobertura con imágenes Landsat TM. Otros índices como el NDVI, el SAVI, ARVI, estos tienen como finalidad analizar la vegetación a partir de las bandas TM4 y TM3, diversos estudios han demostrado que cada uno de estos índices presentan dificultad para mostrar los valores pequeños, ya que en principio NDVI tiene un rango aplicado de -1 a +1, consideran que NDVI (Índice de vegetación de diferencia normalizado), cuya fórmula es:

donde r_{i, IRC} y r_{i, R} indican las reflectividades del píxel i en la banda del infrarrojo cercano y del rojo, estos índices se obtienen a partir de las bandas 4 y 3 para Landsat Tm y que hasta la fecha se aplica para el análisis de la vegetación. Debido a que se aplican directamente los valores digitales, el resultado, es que tiene una valoración relativa y se considera que entre más grande sea el resultado mayor vigor vegetal presenta la zona observada. Con la finalidad de obviar los valores negativos o muy pequeños, se han asignado constantes (Guyot and Gu 1994), consideran que los valores calculados en imágenes Landsat y Spot a partir de VD (valor digital de imágenes analizadas) siendo este error mayor con valores de NDVI inferiores a 0.5 y proponen una corrección que haga equivalente el cálculo con VD, a partir de la siguiente fórmula:

A lo anterior Chuvieco (1996), considera que el resultado puede conducir a problemas de interpretación mayores, y propone un NDVI’= (NDVI+1)*125, considerando que NDVI original varía de -1 a +1, al sumarle +1 elimina valores negativos y multiplicarlo por 125 se expande el rango de 0 a 250 de lectura en la imagen generada, normalmente su lectura está de 0 a 255.

Dagorne et al. (1990), proponen que NDVI se le adicione 1 para que el ratio usado pueda obviar los valores negativos y el resultado es multiplicado por una constante para usar los valores de 8- bit, 256 en el gris de la imagen, y desarrollan la siguiente modificación para el índice de vegetación:

Una clasificación típica de la vegetación es usando métodos supervisados o no supervisados con la imagen de las bandas (Miguel-Aynez and Biging 1996, Wulder 1998a). Un método supervisado incluye el entrenamiento para la obtención de datos para definir las clases de cobertura del suelo en un estudio previo del área (Mather 1987). El método no supervisado no incluye el entrenamiento, en cambio emplea algoritmos estadísticos para dividir una imagen dentro de un número de bloques espectrales, basados sobre el agrupamiento natural que presentan los datos y el parámetro para conducir la clasificación (Lillesand and Kiefer 1994, Cihlar 2000).

En un estudio realizado por (Podwysocki et al., 1985) aplican la relación de las bandas Tm5/Tm4, para aislar la cubiertas vegetales de la roca desnuda. Por otro lado aplicando los datos obtenidos del VD de las bandas Tm5/4 y Tm7/4, (Vogelmann y Barett 1988) evalúan el daño en bosques de coníferas, ya que hacen una separación del bosque deciduo, del suelo desnudo, rocas y agua, permitiendo con ello identificar a la vegetación verde de coníferas, y los daños o mortalidad que se presenta en las regiones de alta montaña de coníferas.

El conocimiento de los diversos estados de la vegetación, permite desarrollar estrategias de salvaguarda y poder hacer que el recurso sea sustentable, las condiciones actuales en las que grandes extensiones de vegetación son objeto de constantes impactos producidos por las acciones del hombre y algunos naturales ponen en constante riesgo a un elevado número de especies e individuos.

La aplicación de métodos que permitan una identificación más exacta de tales condiciones, requiere así el desarrollo de los mismos en forma más específica y determinar como responder a las primeras formas de análisis, el NDVI, siendo un método ampliamente utilizado, para poner de manifiesto la presencia de la vegetación a través del valor digital de las bandas en la sensoria remota, con la reflectancia de las especies en las bandas TM4/3 de Landsat.

Debido la complejidad para la compresión del valor resultante en ésta composición, el presente estudio tiene como objetivos:

a) Determinar la respuesta de las especies de coníferas en relación al valor digital VD de las bandas TM2, TM3, TM4, TM5 y TM6 del sensor ETM del satélite Landsat.

b) Evaluar la relación del género Pinus con el NDVI, obtenido de las imágenes de Landsat TM4/3 y el índice de vegetación con TM5/4.

c) Determinar el valor del índice k en las unidades muestrales, así como de las especies de coníferas por medio de la razón Spi (k), a partir de los valores digitales de las bandas, índice de vegetación de las bandas TM5/4 y del NDVI bandas TM4/3.

La hipótesis de este estudio, es que el índice de vegetación de TM5/4 es mejor para diferenciar las coníferas que el NDVI a partir de las bandas TM4/3; que el Índice K y la razón Spi (K) ponen de manifiesto las condiciones de las especies de coníferas en el área de estudio.

Métodos.

a) Descripción del área de estudio.

Se localiza en le Municipio de Pueblo Nuevo, Dgo. A 100 km al sur de la Ciudad de Durango 23°22’15’’ y 23°2950´’’ de latitud norte y los meridianos 104°48’45’’ y los 104°53’ de longitud Oeste(carta topográfica F13-b-31 de INEGI). Dentro de la provincia denominada Sierra Madre Occidental y subprovincia de Grandes Mesetas y Cañones Duranguenses. La altura media de la zona de estudio es entre los 2700 m.s.n.m., el tipo de suelo dominante es Regosol (Eútrico) asociado con litosol y cambisol con textura media, cubriendo el 88%, Listosol asociado a regosol de textura media, cubriendo el 5% y el Cambisol con un 7 %. El clima en base a la clasificación de Koppen, modificado por García (1978), se tienen los siguientes C(E) (W2): tipo semifríos, subhúmedos con lluvias en verano, C(w2): templados subhúmedos con lluvias en verano. Vientos todo el año, con dirección S, Sw, Se, temperatura media anual de 11.2 °C, máxima de 24.4 °C y mínima de -1.8 °C, y con precipitación media anual de 80.8 cm.

b) Método de análisis en campo.

Cada unidad muestral se considera un cuadrante, para analizar la diversidad y densidad, se cuantifica la abundancia de cada especie dentro de cada cuadrante la que corresponde a una ha., para lo cual se analizaron 20 unidades muestrales.

c) Mapeo de coníferas por medio de NDVI.

La composición de especies y las copas cerradas son factores importantes que afectan la respuesta espectral del bosque o dosel. De acuerdo Cortina et al. (1998), consideran que la riqueza forestal de distintas regiones del país tiene cambios muy continuos por la destrucción de los bosques y selvas su proyección es la desaparición total de ésta biodiversidad. Se obtuvieron los valores digitales de las bandas Tm2, Tm3, Tm4, Tm5 y Tm6, el índice de vegetación TM5/4 cuya fórmula es: TM5 -TM4 / TM5 +TM4 y NDVI con las bandas 4/3 cuya fórmula es TM4 -TM3 / TM4 + TM3, del sensor ETM del satélite Landsat, la toma con fecha 19 de marzo del año 2000. El índice K se define como el valor digital de las unidades muestrales, y se expresa en la ecuación 1:

Ecuación 1

K= Es el índice digital de las unidades muestrales, VD_b es el valor digital de la banda analizada, Et corresponde a las especies totales de la unidad muestral analizada corresponde a la sumatoria de todos los individuos de cada especie presentes en la unidad muestral, donde Spi es el número de individuos presentes en cada unidad muestral.

Ecuación 2

K (Spi) = S K (Spi₁) + K (Spi₂) + K (Spi₃)... K(Spi n)

Es la igualdad de los valores digitales de las bandas y de las especies.

K(Spi)= Es la contribución de reflectancia de cada especie presente por unidad muestral.

El índice K, se obtiene de los valores digitales de las bandas y de los de NDVI de cada imagen. Los valores digitales de las especies en las unidades muestrales analizadas, se determinan con k(Spi).

Los unidades muestrales y las especies del género Pinus, se ubicaron en la imagen de cada banda por medio de sus coordenadas, las que previamente se determinaron en campo utilizando un GPS, además de cuantificar su abundancia tabla 1. Para el análisis de las imágenes se utilizó el programa Ilwis ver 3.0 académico.

Tabla 1. Distribución de las especies del género Pinus en las unidades muestrales

Resultados Y Discusión

Fig. 1. Respuesta espectral de las unidadades muestrales (UM)

Fig 1a. Respuesta espectral de las unidades muestrales a la banda B5

En la figura 1 y 1a. se puede apreciar que la banda B5, sobresale de las otras, dando la mejor respuesta a la vegetación presente en el área, cada línea corresponde a una unidad muestral, sobresaliendo la que presenta valor digital más grande, Podwysocki et al.(1985), utilizan la composición de B5/4, para hacer resaltar la vegetación de la roca desnuda y Vogelmann and Barret (1988), aplican una relación con las bandas B5/4, para diferenciar las coníferas, afloramientos rocosos, bosque deciduos y agua a partir de los valores digitales de ésta combinación de bandas. Los resultado observados tienen concordancia con los estudios realizados donde interviene la banda B5. Aunque en estudios recientes el valor digital directo de las bandas ha disminuido su aplicación para el análisis de los componentes de la superficie de la tierra, estos nos proporcionan información inicial importante de un sitio, y más aún si aplicamos la banda B5, que presenta una diferencia importante para cada uno de los sitios analizados, reflejando la heterogeneidad del bosque de coníferas, así tenemos que la unidad trece presenta la máxima reflectividad sin considerar la abundancia y diversidad presente, como se aprecia en la tabla 1, en cambio las unidades 2 y 3 que presentan mayor número de especies, presentan un valor digital menor, por tanto la reflectividad de la fig 1, no es sencillo utilizarla como indicador de diversidad o abundancia.

Fig. 2. Valores del índice k en las unidades muestrales, los valores cercanos a cero indican mayor diversidad y densidad de individuos en las unidades muestrales.

Aplicando los valores digitales de la banda B5 a la fórmula del índice K ecuación 1, para analizar la reflexión en cada unidad muestral producida por las coníferas figura 2, se observa que la unidad 4 adquiere el valor más alto con el menor número de especies y el valor de cero a las que tienen más especies, excluyendo aquellas unidades cuyo valor es de cero en diversidad, así la unidad 4, 13, 14 y 17 reflejan la baja diversidad y densidad, con el valor espectral más alto..

Fig. 3. Contribución de cada especie presente en cada unidad muestral, los valores más altos corresponden a las más dominantes.

En la figura 3. se analiza la contribución de cada especie presente en cada unidad. Esta contribución se obtuvo a partir del índice K, multiplicado por los individuos de cada especie, como que se explica en la ecuación no. 2, los valores más altos representan las especies dominantes en cada unidad de muestreo..

Fig. 4. Respuesta espectral de las coniferas de las Bayas con las bandas: B5/B4 de Landsat Tm, observese como la unidad trece le da un valor elevado.

Fig 4a. Respuesta espectral de las coniferas de las Bayas con las B4/3, observese como la unidad trece toma un valor negativo.

El índice de vegetación con B5/4 y el NDVI, con B4/3 de las figs. 4 y 4a, muestran sensibilidades diferentes para el registro de la vegetación, se aprecia como en B5/4 se presenta una heterogeneidad, otorgándole el peso más acorde a las unidades muestrales por la presencia de la vegetación, mientras que en la relación de B4/3, una gran parte de los datos los homogeniza sin considerar la diversidad y densidad de la vegetación, se han desarrollado diversos estudios para tratar de corregir los valores negativos, pero pocos que manifiesten cocientes que permitan diferenciar la densidad y diversidad de especies a partir de la relación de la B4/3. Sin embargo con las bandas B5/4, los valores negativos desaparecen y se observa la dinámica que presentan las unidades analizadas, con respecto a la diversidad y densidad vegetal, estos resultados son concordantes a los trabajos desarrollados por Podwysocki et al. (1985), donde utilizan la composición de B5/4, para hacer resaltar la vegetación de la roca desnuda y Vogelmann and Barret (1988) para diferenciar las coníferas.

Fig. 5. Respuesta espectral de coníferas: al índice K en las Bayas, a partir de las B4/3 de Landsat Tm

En las figura 5, se muestran los valores del índice k, obtenidos de los índices de vegetación de la combinación de las bandas 4/3, donde se desprende que el índice K permite analizar e interpretar mejor la relación de la reflectáncia de los componentes de la superficie analizados, aunque tengamos que recurrir a verificación de trabajos de campo.

Conclusiones

1. Cuando se analizan los datos de los valores digitales directos de las bandas no-refleja las condiciones de la vegetación, por lo que es necesario hacer combinaciones con otras bandas.

2. Las unidades muestrales analizadas en este estudio, a partir de la banda B5 y su combinación con B5/4 hace una diferenciación mejor de las coníferas.

3. Los valores digitales de la banda B4 y el NDVI obtenido de las bandas B4/3, no permite una diferenciación clara de coníferas.

4. Los análisis realizados con él Índice K a los valores digitales de las bandas y los NDVI, ofrece una posibilidad importante para entender mejor las imágenes satelitales, ya que permite identificar con claridad la reflexión de coníferas. Sin embargo aún está sujeto a tener la información de campo, esperamos en el futuro se mejore y que a partir de los valores espectrales obtenidos de manera directa de las imágenes, se pueda interpretar las condiciones de la vegetación o del suelo, derivado de modelos de simulación y la verificación de campo será de éste.

5. Las relaciones que presenta el género Pinus con los valores de NDVI, son más claras cuando se analiza con la imagen B5/4 y con el índice K, por lo que a partir de ésta relación se puede diferenciar cuerpos vegetales pertenecientes a coníferas.

6. En cada uno de los sitios analizados se tiene la presencia de coníferas, en la imagen se analizó un píxel, el cual corresponde a las coordenadas de la unidad muestral, en ésta imagen un píxel es 30x30 metros, ideal para áreas muy pequeñas y verificaciones de campo.

7. Por lo anterior se desprende que la relación de coníferas de las Bayas con los NDVI es clara siempre y cuando se analicen sus valores digitales con el índice K.

Referencias

Blackburn, G:A: and E.J. Milton (1995). Seasonal variations in the spectral reflectance of deciduous tree canopies. Int. J. Remate sens. 16 (4): 709 - 720.

Cihlar, J. (2000). Land cover mapping of large areas from satellites: status and research priorities. Int. J. Remote Sens 21 (6/7): 1093-1114.p.

Cortina V. Sergio., Macario M.Pedro., Ogneva H. Y. (1998). Cambios en el suelo y deforestación en sur de los Estados de Campeche y Quinta Roo, México. Investigaciones Goegráficas No. 38.pp 41-56.

Chuvieco. Emilio (1996). Fundamentos de Teledetección Espacial. Ediciones Rialp. S.A. Madrid 568 p.

Dagorne, A., A. Dauphine, G. Escleyne, L. Gueron, L. Baudoin and M. Lenco (1990). Use of aerial and satellite- based remote sensing in multi-sensor, multi-date mode to study vegetation regeneration after fire. Photo Interp 5: 48-51.

Groot. A., D.W. Carlson. R.L. Fleming and J.E. Wood (1997). Small Opening in Trembling Aspen Forest: Microclimate and Regeneration of White Spruce and Trembling Aspen NODA/NFP Technical Report TR- 47. Natural Resources Canada, Canadian Forest. Service, Great Lakes Forestry centre Sault, Ste Marie. ON. 25p.

Guyot, G. and Gu, X.F. (1994): Effect of radiometric corrections on NDVI determined from SPOT-HRV and Landsat- TM data Remote Sensing of Environment, vol 49, pp 169- 180.

Guyot, G., D. Guyon and J. Riom (1989). Factors affecting the spectal response of forest canopies: a review. Geocarto International 4(3): 3-18.

Hall R.J., Peddle. D:R: and Klita D.L: (2000). Mapping conifer understory within boreal mixedwoods from Landsat T M satellite imagery and forest inventory information. The Forestry Chronicle. Vol. 76. No 6. pp 887- 901.

Lieffers, V. J. and J. A. Beck (1994). A semi-natural approach to Mixedwoods Management in the prairie provinces. For Chron. 70 (3): 260-264.

Lillesand, T.M. and R.W. Kiefer. (1994). Remote Sensing and Image Interpretation. John Wiley and Sons, Toronto, ON. 750 p.

Mather, P.M. (1987). Computer processing of Remotely- sensed Images. John Wiley and Sons, New York. N.Y. 352p.

Miguel-Ayanz, J.S. and G.S. Biging (1996). An iterative classification approach for mapping natural resources from satellite imagery. Int. J. Remote Sens. 17(5): 957-981.

Navratil S.,L.G. Brace, E.A. Sauder and S. Lux (1994). Silvicultural and Harvesting Options to Favor Immature white Spruce and Aspen Regeneration in Boreal Mixedwoods. Information Report NOR - X - 337. Canadian Forest Service North en Forestry center, Edmenton, AB. 78 p.

Nesby, R. (1997). Alberta Vegetation Inventory Standards Manual, version 2.2. Alberta Environmental Protection, Edmonton, AB. 150 p.

Podwysocki, M.H., Power, M.S. y Jones, O.D. (1985). Preliminary evaluation of the Landsat-4 Thematic Mapper data for mineral exploration, en The Earth´s Surface Studied from Space, Advances in Space Research (S.G. Ungar Ed.), Pergamon Press, Oxford, pp 13-20.

Vogelmann, J.E. and Barrett N. Rock (1998). Assessing Forest Damage in High-Elevation Coniferous Forests in Vermont and New Hampshire Using Thematic Mapper Data. Remote Sensing of Environment 24: 227-246.

Wulder, M. (1998ª).Optical remote- sensing techniques for the assessment of forest inventory and biophysical parameters. Progress in Phyisical Geography 22 (4): 449-476.