UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA
FACULTAD DE RECURSOS NATURALES
RENOVABLES
INGENIERIA AMBIENTAL
PRACTICA PRE – PROFESIONAL
“MEDICIÓN DE DEFORESTACIÓN EN BOSQUES AMAZONICOS POR
DIFERENTES ACTIVIDADES DE USO DENTRO DEL DISTRITO DE NAUTA
EN EL DEPARTAMENTO LORETO”
ENTIDAD : Organismo de Supervisión de los
Recursos Forestales y Fauna Silvestre –
OSINFOR – Lima – PCM
ESTUDIANTE : RECAVARREN ESTARES, Rodrigo
ASESOR : Ing. BETETA ALVARADO, Víctor Manuel
FECHA DE INICIO : 14/01/2014
FECHA DE TERMINO : 14/04/2014
LIMA - PERU
2014
INDICE
Página
I. INTRODUCCIÓN ......................................................................................... 1
1.1. Objetivo ............................................................................................. 2
1.1.1.Objetivo general .................................................................... 2
1.1.2.Objetivo específicos ................................................................. 2
II. REVISIÓN DE LITERATURA ...................................................................... 3
2.1. Recursos naturales ........................................................................... 3
2.2. Deforestación .................................................................................... 3
2.3. Bandas espectrales ........................................................................... 4
2.4. Comportamiento espectral de la vegetación en el espectro .............. 5
2.5. Sensores ........................................................................................... 6
2.6. Pre-procesamiento digital de imágenes satelitales multi-
espectrales………………………………………………………………...6
2.7. Correcciones de la imagen ................................................................ 6
2.7.1.Rectificación mapa a imagen ................................................... 7
2.7.2.Establecimiento de puntos de control ....................................... 7
2.8. Realce de contraste .......................................................................... 7
2.9. Clasificación digital ............................................................................ 7
2.9.1.Método supervisado ................................................................. 8
2.10. Concesión de recursos forestales y de fauna silvestre ..................... 8
2.11. Reserva nacional Pacaya Samiria..................................................... 9
III. MATERIALES Y MÉTODOS ...................................................................... 10
3.1. Área de estudio ............................................................................... 10
3.2. Materiales ........................................................................................ 11
3.2.1.Cartografía digital base .......................................................... 11
3.2.2.Software de procesamiento .................................................... 11
3.2.3.Equipo .................................................................................... 11
3.2.4.Imágenes satelitales de mediana resolución .......................... 11
3.3. Metodología .................................................................................... 11
3.3.1.Selección de imágenes satelitales ......................................... 12
3.3.2.Procesamiento de información ............................................... 14
IV. RESULTADOS .......................................................................................... 18
4.1. Orto rectificación de la imagen satelital ........................................... 18
4.2. Elaboración de clases o patrones de la imagen satelital ................. 20
4.3. Mejoramiento en el contraste de la imagen satelital........................ 21
4.4. Combinación de bandas .................................................................. 22
4.5. Determinación de las áreas deforestadas ....................................... 24
V. DISCUSIÓN ............................................................................................... 29
VI. CONCLUSIÓN ........................................................................................... 33
VII. RECOMENDACIONES .............................................................................. 35
VIII.REFERENCIAS BIBLIOGRÁFICAS .......................................................... 36
ANEXOS .......................................................................................................... 38
ÍNDICE DE CUADROS
Cuadro Página
1. Superficies de deforestación y centros urbanos dentro del distrito. ............... 4
2. Selección de imágenes de satélite LANDSAT TM 5. ................................... 12
3. Superficies de deforestación y centros urbanos dentro del distrito. ............. 25
4. Superficies de deforestación en unidades de territorio. ............................... 27
INDICE DE FIGURAS
Figura Página
1. Rango visible dentro del espectro electromagnetico ...................................... 4
2. Comportamiento de la vegetacion (CHUVIECO, 1996). ................................ 6
3. Mapa de ubicación del distrito de Nauta. ..................................................... 10
4. Índice de imágenes satelitales departamento de Loreto. ............................. 13
5. Cobertura de imágenes Landsat TM 5 que recubren el distrito de Nauta
(Path y Row: 6-63 y 7-63). ........................................................................... 13
6. Imagen satelital con desfase (no geo referenciada). .................................... 14
7. Elaboración de patrones. ............................................................................. 15
8. Expansión del contraste de las bandas RGB. .............................................. 16
9. Mapa de las zonas de interés encontradas en el distrito de Nauta. ............. 17
10. Mapa temático de unidades de territorio. ................................................... 17
11. Ubicación de los 40 puntos de control dentro de la imagen satelital. ......... 18
12. Registro de la toma de los puntos de control con sus respectivos errores.
................................................................................................................... 19
13. Verificación del error total obtenido. ........................................................... 19
14. Imagen satelital geo referenciada. ............................................................. 19
15. Registro de la extracción de firmas espectrales de las categorías por
deforestación, bosque, nubes y rio. ................................................................. 20
16. Categorías definidas por deforestación, bosque, nubes y ríos
diferenciados por colores. .......................................................................... 21
17. Aumento de contraste en un 15% a las imágenes satelitales. ................... 22
18. Diferenciación de las imágenes satelitales antes y después de aumentar
el contraste en un 15%. ............................................................................. 22
19. Path 006-Row 063, año 2005. Composición de imagen en color
verdadero (R 3 rojo, G 2 verde y B 1 azul). ............................................... 23
20. Path 006-Row 063, del 2011. Composición falso color, usando infra rojo
medio (R7 infrarrojo medio, G4 rojo, B2 verde). ........................................ 23
21. Mapa temático de deforestación. ............................................................... 24
22. Mapa temático de deforestación en unidades de territorio. ........................ 25
23. Superficies de deforestación y centros urbanos dentro del distrito. ........... 26
24. Superficies de deforestación y centros urbanos dentro del distrito ............ 26
25. Superficies de deforestación en unidades de territorio. ............................. 27
26. Superficies de deforestación en unidades de territorio. ............................. 28
1
I. INTRODUCCIÓN
El Organismo de Supervisión de los Recursos Forestales y de
Fauna Silvestre (OSINFOR) es un organismo público ejecutor que a través del
Decreto Legislativo N⁰ 1085, se encarga de supervisar y fiscalizar el
aprovechamiento sostenible y conservación de los recursos forestales y fauna
silvestre, así como de los servicios ambientales provenientes del bosque,
otorgados por el estado a través de diversas modalidades.
En este sentido, teniendo en consideración las funciones que le
han sido asignadas a la Dirección de Supervisión de Permisos y Autorizaciones
Forestales y de Fauna Silvestre (DPAFFS), Área de Geomática, se ha previsto
el desarrollo de la presente practica pre-profesional dentro del marco de las
funciones del manejo y procesamiento de información geográfica referida a las
diferentes modalidades de aprovechamiento de los bosques que el OSINFOR
se encarga de supervisar y fiscalizar.
En el presente informe se da a conocer el análisis de la perdida de
áreas boscosas por actividades de deforestación y por cambios de usos de
suelo, los cuales son utilizados en su gran mayoría para fines agrícolas, el
análisis se realizará mediante el uso de softwares y procedimientos que la
institución me brindara.
Esta investigación genero información oportuna y veraz que puede
ser utilizada por actores inmersos en el sector forestal sea Ministerio de
Agricultura, OSINFOR – PCM, Gobierno Regional de Loreto, Instituto de
Investigaciones de la Amazonía Peruana, ONG’s y público en general como
insumo en la toma de decisiones que garanticen la optimización del uso de los
recursos naturales, planteamiento de estrategias de intervención o
2
conservación y monitoreo periódico de la dinámica del bosque en el distrito de
Nauta.
1.1. Objetivo
1.1.1. Objetivo general
- Interpretar las áreas deforestadas por diferentes actividades de
uso mediante la aplicación de técnicas de fotointerpretación y
sensores remotos en el distrito de Nauta, departamento Loreto.
1.1.2. Objetivo específicos
- Ortorectificar las imágenes satelitales para el distrito de Nauta.
- Elaborar clases, patrones o áreas de interés (ROI’s) según la
imagen satelital (deforestación, nubes, ríos y bosque).
- Aplicar técnicas de realce y contraste para cada imagen satelital.
- Acondicionar la información primaria para la interpretación de la
deforestación con combinaciones de las bandas espectrales.
- Cuantificar la superficie deforestada del bosque amazónico por
diferentes actividades de uso en las unidades de territorios en el
distrito de Nauta.
3
II. REVISIÓN DE LITERATURA
2.1. Recursos naturales
Los bosques naturales en el Perú comprenden una superficie total
de 78 800 000 ha, de las cuales 74 200 000 ha se encuentran en la región de
la Selva, 3 600 000 ha en la región de la Costa y 1 000 000 ha en la región de
la Sierra. En términos puramente económicos, los bosques de la Selva son los
más importantes para el desarrollo económico del país y de las poblaciones
locales asentadas en estos bosques. La principal causa de la destrucción de
estos bosques en la actualidad y en el futuro es la deforestación, la misma que
ha ocasionado hasta la actualidad la destrucción de 9.2 millones ha (12% de la
superficie boscosa), con un promedio anual de alrededor de 261 158 ha
deforestadas, a razón de 725 ha por día. La deforestación en el país se da en
primer lugar por la agricultura migratoria (apertura de terrenos agrícolas), la
extracción ilegal (apertura de caminos y retiro de especies valiosas), y los
incendios forestales (FAO ,2004).
2.2. Deforestación
La deforestación se define como transformación del dosel de la
cobertura arbórea en un área desnuda o en otra comunidad vegetal dominada
por hierbas, arbustos, árboles pioneros y cultivos agrícolas, así como en
centros urbanos y rurales; un concepto general sería la eliminación de la
cobertura arbórea, debido a la actividades antrópicas que se desarrollan sobre
ella o en el suelo que la sustenta.
En los últimos años, la Amazonía peruana viene siendo foco de
interés principalmente por las discusiones sobre la reducción de la extensión
de los bosques tropicales y su implicación en el ciclo global de carbono. En
1995, INRENA realizó estudios de la deforestación en la Amazonía peruana
4
utilizando datos de percepción remota para cuantificar la extensión de la
deforestación. Los resultados revelaron una tasa de tala del bosque 54,000
ha/año en el departamento de Loreto (INRENA, 1996).
Cuadro 1. Superficies de deforestación y centros urbanos dentro del distrito.
Ámbito Superficie
(ha) %
Territorio Departamento Loreto 37531219 100
Aguajales 6047058 15.11
Deforestación(pecuaria, agrícola y extractiva) 870165 2.32
Urbano 9245 0.02
Fuente: OSINFOR – EVALUACION DE ÁREAS DEFORESADAS Y HUMEDALES EN LOS
DEPARTAMENTOS DE LORETO, UCAYALI Y MADRE DE DIOS AL AÑO 2011 (Área calculada con el
SIG en proyección UTM, Huso: 18 sur, Datum WGS 84).
2.3. Bandas espectrales
Según CHUVIECO (1996), los diversos rangos de la longitud de
onda, que puede ser dividido o separados en el espectro electromagnético,
reciben el nombre de región espectral o bandas espectrales, rangos que son
útiles para identificar las características y propiedades físicas de cualquier tipo
de material que existe en la superficie de la tierra.
Figura 1. Rango visible dentro del espectro electromagnético.
5
Las imágenes de falso color o RGB Red, Green and blue),
consisten en la combinación de tres bandas de información para formar una
imagen en color. Con este tipo de combinaciones se pretende extraer y resaltar
la información en función de los colores resultantes. Esta técnica suele
emplearse para resaltar vegetación sana, ya que combinan las bandas
infrarrojo cercano donde la vegetación tiene una respuesta muy alta. Otra de
las combinaciones más usadas es la denominada “color verdadero” en la que
se simula una fotografía con color real, para ellos se combinan las bandas del
espectro visible del sensor TM, generalmente R=3, G=2 y B=1, cuya notación
es 321 (RIAZA, 1994).
2.4. Comportamiento espectral de la vegetación en el espectro
La elevada reflectividad en el infrarrojo cercano se debe, por un
lado, a la baja absortividad de las clorofilas y, por otro, a la estructura celular
interna de la hoja. Como es sabido la hoja se compone, en esencia, de cuatro
capas: la epidermis superior e inferior, el parénquima en empalizada y el
mesófilo esponjoso. Las dos primeras juegan un importante papel en la
regulación térmica de la planta y en su absorción de CO2. Por ello, La hoja
sana ofrece una alta reflectividad en esta banda, en claro contraste con la baja
reflectividad que presenta en el espectro visible, especialmente en la banda
roja. En el infrarrojo cercano presenta una elevada reflectividad debido
principalmente a la estructura celular interna de la hoja. Esto se reduce
paulatinamente hacia el infrarrojo medio, llegando a 1,45 µm en donde el
efecto absorbente del agua provoca una drástica reducción de la reflectividad,
esta absorción también se produce a los 1,92 µm y 2,7 µm. Entre estas bandas
del espectro electromagnético, donde la absorción del agua es más clara, se
sitúan dos picos relativos de reflectividad en torno a 1,6 µm y 2,2 µm, donde se
encuentran las bandas del sensor ETM+ TM5 y TM7 respectivamente
(CHUVIECO, 2008).
6
Figura 2. Comportamiento de la vegetación (CHUVIECO, 1996).
2.5. Sensores
Un sensor remoto se define como un instrumento especial cuya
tecnología permite la obtención de información de objetos sin estar físicamente
en contacto con él. Estos instrumentos se conocen en conjunto como Sensores
Remotos incluyendo aparatos como la cámara fotográfica, sistemas scaners y
de radar (AVERY y GRAYDON, 1992).
2.6. Pre-procesamiento digital de imágenes satelitales multi-espectrales
Normalmente, antes de comenzar cualquier análisis sobre la
información recogida desde un sensor remoto es necesario un tratamiento
previo de los datos en cuestión (JENSEN, 1996).
2.7. Correcciones de la imagen
Con este nombre se indican aquellos procesos que tienden a
eliminar cualquier anomalía detectada en la imagen, ya sea en su localización,
ya en los niveles digitales de los pixeles que la componen. Estas operaciones
tienden a disponer los datos en la forma más cercana posible a una adquisición
7
idónea, tanto en la posición de los pixeles como en la radiancia que significan
(CHUVIECO, 1996).
2.7.1. Rectificación mapa a imagen
Este proceso normalmente utiliza puntos de control terrestre a
través de los cuales realizar la rectificación. Esta operación se realiza por
medio de dos operaciones: (1) la interpolación espacial que establece la
naturaleza de la transformación de las coordenadas geométricas para así
ubicar los píxeles originales a su posición en la imagen rectificada y (2) la
intensidad de interpolación que es la aplicación de algún mecanismo a través
del cual determinar el valor de brillo asignado al píxel rectificado, por lo general
para que se obtenga una imagen georreferenciada se utilizan alrededor de 100
a 140 puntos de control (JENSEN, 1996).
2.7.2. Establecimiento de puntos de control
Las funciones que permiten transformar coordenadas de la imagen
al mapa precisan localizar una serie de puntos de control entre la imagen y el
mapa. A partir de las coordenadas de estos puntos, puede estimarse una
función que relacione ambos documentos. Por cuanto las funciones que se
estiman a partir de esa muestra de coordenadas, la calidad del ajuste
dependerá e a precisión con la que se localicen esos puntos, de este modo el
RMS tendera a ser menor a 1 para que el desfase del pixel no sea mayor a
este. (CHUVIECO, 1996).
2.8. Realce de contraste
El realce del contraste se llama ‘’operación por punto’’ porque
aplica independientemente un brillo o transformación de color a cada pixel en
la imagen. Se puede realzar el contraste o resaltar rasgos específicos para
hacer los datos más fáciles de interpretar (LOPEZ, 1988).
2.9. Clasificación digital
Para la mayor parte de los usuarios de la teledetección, la
clasificación supone la fase de culminación del tratamiento digital de imágenes.
8
Hacia ella se orientan, casi siempre, las operaciones hasta aquí estudiadas. La
clasificación digital se inicia definiendo cada una de las categorías que
pretenden discriminarse; se trata de obtener el nivel digital, o mejor aún el
rango de nivel digital, que identifica a cada categoría, para todas las bandas
que intervienen en la clasificación (CHUVIECO, 2008). Existen dos tipos de
clasificación; clasificación supervisada y no supervisada, la primera consiste en
tener un cierto conocimiento de la zona (por trabajo en campo), y se
seleccionan muestras (áreas de entrenamiento), para asignarle al cálculo, y la
segunda no se conoce nada de la zona y su búsqueda de homogeneidad es
automática (ALVA y CHAVEZ, 2004).
2.9.1. Método supervisado
El método supervisado parte de un cierto conocimiento de la zona
de estudio, adquirido por excelencia previa o por trabajo de campo. Esta mayor
familiaridad con la zona test, permite al interprete delimitar sobre la imagen
unas áreas piloto, que se consideran suficientemente representativas de las
categorías que componen la leyenda (CHUVIECO, 1996).
Según CHUVIECO, 2008, las áreas denominadas campos de
entrenamiento sirven para que el ordenador reconozca las distintas categorías,
en otras palabras, a partir de ellas el ordenador calcula los niveles digitales que
definen cada una de las clases, para luego asignar el resto de los pixeles de la
imagen de esas categorías en función de sus niveles digitales.
2.10. Concesión de recursos forestales y de fauna silvestre
Acto de naturaleza administrativa mediante el cual, el INRENA
otorga el derecho de aprovechamiento de un determinado recurso forestal y/o
de fauna silvestre, tanto para fines de producción de madera como de
productos diferentes a la madera, incluyendo asimismo usos no extractivos,
como el ecoturismo y la conservación. La concesión otorga al concesionario el
derecho exclusivo para el aprovechamiento sostenible del recurso natural
concedido, en las condiciones y con las limitaciones que establezca el título
respectivo. La concesión otorga a su titular el derecho de uso y disfrute del
9
recurso natural concedido y, en consecuencia, la propiedad de los frutos y
productos a extraerse. (OSINFOR, 2013).
2.11. Reserva nacional Pacaya Samiria
La RNPS es una de las Áreas Naturales Protegidas por el Estado
más grandes del Perú, con una extensión de 2’080.000 hectáreas. Se
estableció originalmente como Zona Reservada en la cuenca del río Pacaya,
en el año 1940, con el fi n de proteger el “Paiche” Arapaima gigas, el pez de
agua dulce más grande del mundo.
Actualmente protege la totalidad de la cuenca de los ríos Pacaya
Samiria. Mediante Decreto Supremo Nº 016-82-AG, del 4 de febrero de 1982,
se amplía la RNPS a su superficie actual de 2´080,000 hectáreas con el
objetivo de conservar los recursos de flora y fauna, así como la belleza
escénica características del Bosque Tropical Húmedo.
La Reserva Nacional Pacaya Samiria se ha caracterizado siempre
por la aplicación de metodologías de planificación y manejo pioneras en el
ámbito de la gestión de las ANP, siendo muchas de ellas replicadas con éxito
en otras ANP´s. Es justo reconocer, por tanto, el aporte de la Reserva Nacional
Pacaya Samiria al manejo de los recursos naturales en la región y en el país,
con la participación activa de todos los actores involucrados y la obtención de
resultados exitosos desde el punto de vista de la conservación de la
biodiversidad. Actualmente la RNPS es un destino priorizado por el Plan
Estratégico Nacional de Turismo del Perú, es una de las 06 Áreas Naturales
Protegidas con mayor afluencia de visitantes y recaudación y se encuentra
actualmente priorizada por las instituciones públicas para su
acondicionamiento, como es el caso de COPESCO y MINCETUR. Así mismo,
es reconocida como una de las siete maravillas naturales de América Latina
(UNALM, 1993).
10
III. MATERIALES Y MÉTODOS
3.1. Área de estudio
El distrito de Nauta está ubicado en la zona sureste del
departamento de Loreto, se ubicada en las coordenadas UTM 637600m E
949053m S, y ocupa una superficie de 6 478.89 km2 que representa el 1.815%
del departamento de Loreto y el 0.527% del país.
El territorio del distrito pertenece al denominado ‘’llano amazónico’’,
cuya altitud oscila entre los 81 y 205 m.s.n.m.
Figura 3. Mapa de ubicación del distrito de Nauta.
11
3.2. Materiales
La cartografía digital utilizada como apoyo a la elaboración del
estudio es la que se presenta a continuación:
3.2.1. Cartografía digital base
- INEI: Limites políticos, centros poblados
- OSINFOR: Áreas de concesiones forestales, áreas de
comunidades nativas, y ANP’s.
3.2.2. Software de procesamiento
- ArcGis Versión 10
- ENVI Classic Versión 4.8
- Google Earth
- Google Chrome
3.2.3. Equipo
- LapTop ASUS: Intel(R) Core(TM) i7-3632QM CPU @ 2.20GHz,
Memoria RAM 8.00 GB
3.2.4. Imágenes satelitales de mediana resolución
- Imágenes satelitales LANDSAT TM 5 con resoluciones de 30m
(cobertura total) con Path_Row: 7_63 y 6_63 (las cuales
recubren el distrito de Nauta), con fecha de toma año 2005.
- Imágenes satelitales LANDSAT TM 5 orthorectificadas con
resoluciones de 30m (cobertura total) con Path_Row: 7_63 y
6_63 (las cuales recubren el distrito de Nauta), con fecha de
toma año 2003 y 2004.
3.3. Metodología
El procesamiento digital es realizado sobre cada una de las
imágenes satelitales considerando que los resultados preliminares serán
migrados a formato vector para realizar la etapa de edición.
12
Selección de imágenes satelitales
Para la selección de imágenes se tuvo en cuenta su disponibilidad
en el servidor del Instituto Nacional de Pesquisas Espaciais de Brasil, al cual
se accede vía FTP, identificando las escenas a utilizar por tipo de sensor,
ubicación o fecha de toma, previamente debemos estar suscritos al portal web
del instituto Nacional de Pesquisas Espaciais INPE del gobierno Brasileño que
proporciona sus imágenes gratuitamente con fines de investigación.
El sensor utilizado para este estudio es Landsat TM 5 el cual es de
libre disponibilidad, posee cobertura total del departamento, la cobertura
repetitiva o multi temporal nos permitirá estudiar el comportamiento dinámico
de los recursos naturales, cuyos cambios pueden ser identificados a través del
tiempo, posee 7 bandas que interactúan dando un mejor contraste,
combinación, realce y sobre todo con un adecuado trabajo de procesamiento y
análisis provee de información geo referenciada a una escala de trabajo de 1 :
100 000 (GÓNIMA y ALADOS, 2002).
Cuadro 2. Selección de imágenes de satélite LANDSAT TM 5.
COBERTURA CON IMÁGENES LANDSAT TM 5
National Institute for Space Research (INPE) Brazil
Orden Path Row Fecha de toma
1 6 63 20050806
2 7 63 20050821
Fuente: Elaboración propia (Área calculada con el SIG en proyección UTM, Huso: 18 sur, Datum WGS
84).
13
Figura 4. Índice de imágenes satelitales departamento de Loreto.
Figura 5. Cobertura de imágenes Landsat TM 5 que recubren el distrito
de Nauta (Path y Row: 6-63 y 7-63).
14
3.3.1. Procesamiento de información
3.3.1.1. Orto rectificación de las imágenes satelitales
Se utilizara una imagen geo referenciado con el mismo path y row,
se generarán en promedio 40 puntos de control sobre cada imagen,
distribuidos aleatoriamente y teniendo en cuenta que la mayor deformación
ocurre en los extremos de la escena, esto reducirá el margen de error por
desplazamiento, manteniendo un Error medio cuadrático (RMS) menor a 1
pixel que es la mínima unidad de investigación de la imagen satelital (WICKS y
SMITH, 2002).
Figura 6. Imagen satelital con desfase (no geo referenciada).
3.3.1.2. Elaboración de clases sobre la imagen satelital
En esta fase procedemos a extraer patrones con valores digitales
comunes de acuerdo a una determinada característica identificada en el
terreno, denominada también firmas espectrales. Esta acción se realiza con la
finalidad de tener un número considerable de muestras para realizar la
clasificación supervisada, las cuales posteriormente serán discriminadas; en
este caso se creó las categorías de deforestación, bosque, nubes, sombra y
cuerpos de agua (WICKS y SMITH, 2002).
15
Figura 7. Elaboración de patrones.
3.3.1.3. Mejoramiento en el contraste de la imagen satelital
Se procederá a expandir o comprimir el contraste a un rango
significativo de las bandas activas reasignando nuevos tonos a los pixeles, los
colores claros se volverán más claros o los oscuros se vuelven más oscuros,
de manera que mejorara la calidad visual de la imagen satelital y para su
posterior interpretación. La expansión o compresión del contraste dependerá
de la capacidad de visualización ofrecida por el sistema (REES et al., 2002).
16
Figura 8. Expansión del contraste de las bandas RGB.
3.3.1.4. Combinación de bandas
El análisis digital se realizara sobre las 7 bandas y el análisis visual
se realizara mediante la combinación en color verdadero 3, 2, 1 y con la
composición falso color usando la combinación 7, 4, 2 realzando y definiendo
mejor las unidades de deforestación. (OETTER et al., 2000).
3.3.1.5. Determinación de las áreas deforestadas
Se calcularan las áreas y porcentajes de las superficies
deforestadas (previamente delimitadas) y el área total del distrito mediante la
tabla de atributos en el ArcGis. Por lo que la información será administrada
siguiendo patrones de estandarización dentro de una base de datos con el
respectivo control de calidad de la institución, para que posteriormente sirva de
insumos para generar reportes de supervisiones y/o en tomas de decisiones
para estrategias de intervenciones (OSINFOR, 2013).
17
Figura 9. Mapa de las zonas de interés encontradas en el distrito de
Nauta.
Figura 10. Mapa temático de unidades de territorio.
18
IV. RESULTADOS
4.1. Orto rectificación de la imagen satelital
Se ubicaron cuarenta puntos de control alrededor de toda la
escena ubicando cada uno en puntos que el tiempo no modifique los pixeles, la
mayor parte de ellos se ubicaron en quebradas donde el caudal no es lo
suficientemente alto para modificar los causes, generalmente el punto se ubica
en la intersección de cuarto pixeles para tener una mejor precisión y error.
Figura 11. Ubicación de los 40 puntos de control dentro de la imagen
satelital.
En la ventana “Image to Image GCP List” se observa los cuarenta
puntos de control detallado con las coordenadas x, y, junto con sus errores
relativos y error absoluto.
19
Figura 12. Registro de la toma de los puntos de control con sus
respectivos errores.
El siguiente paso es visualizar en la opción “Ground Control Points”
el error absoluto total de los cuarenta puntos y verificar si este no excede a 1,
en este caso se obtuvo 0.645967, lo que indica que los puntos se tomaron de
manera precisa obteniéndose como resultado la escena geo referenciada.
Figura 13. Verificación del error total obtenido.
Figura 14. Imagen satelital geo referenciada.
20
4.2. Elaboración de clases o patrones de la imagen satelital
Las unidades que se crearan para el estudio serán las de
deforestación, bosque, nubes y rio, tomando un promedio de cinco muestras o
firmas espectrales por cada uno, todo esto con el fin de extraer solo la unidad
de deforestación con el cual se trabajara más adelante.
Figura 15. Registro de la extracción de firmas espectrales de las
categorías por deforestación, bosque, nubes y rio.
Las unidades ya mencionadas de crearon de manera satisfactoria
como se observa en la figura 16, en el que se muestra de color rojo la
deforestación, los cuerpos de agua de color amarillo, los bosques de color
verde y las nubes de color azul, también se puede apreciar que existen pixeles
de color negro, estos pixeles fueron creados por defecto por el programa ya
que no se tomaron al delimitar las firmas espectrales.
21
Figura 16. Categorías definidas por deforestación, bosque, nubes y
ríos diferenciados por colores.
4.3. Mejoramiento en el contraste de la imagen satelital
El procedimiento siguiente es la de obtener una mejor definición y
visualización de la imagen satelital por lo que se aumentó el contraste a un
15% con ayuda del software Arcgis 10.2 como se muestra en la figura 17.
El proceso de expansión del contraste se aplicó a la imagen con
path y row 6 – 63, ya que la 7 - 63 se visualiza correctamente sin modificar su
contraste.
22
Figura 17. Aumento de contraste en un 15% a las imágenes satelitales.
Figura 18. Diferenciación de las imágenes satelitales antes y después
de aumentar el contraste en un 15%.
4.4. Combinación de bandas
Al cambiar la combinación de bandas de 3, 2,1 a 7, 4,2 se observa
la gran diferencia ya que la banda 7 o también llamada infrarroja media
muestra la irradiación de la vegetación gracias a los diferentes pigmentos de
las plantas, de manera que se diferencia notoriamente cuando con cultivos o
cuando es bosque, de la misma forma se diferencia si existe o no vegetación.
23
Figura 19. Path 006-Row 063, año 2005. Composición de imagen en
color verdadero (R 3 rojo, G 2 verde y B 1 azul).
Figura 20. Path 006-Row 063, del 2011. Composición falso color,
usando infra rojo medio (R7 infrarrojo medio, G4 rojo, B2
verde).
24
4.5. Determinación de las áreas deforestadas
Para finalizar se delimitaron y corrigieron algunos polígonos que se
crearon por defecto por el software ENVI Classic, se crearon los mapas
temáticos con los shapes de OSINFOR (Áreas naturales protegidas,
comunidades nativas y concesiones) y se procedió a determinar sus áreas así
como sus porcentajes relativas y absolutas.
Figura 21. Mapa temático de deforestación.
25
Cuadro 3. Superficies de deforestación y centros urbanos dentro del distrito.
Ámbito Superficie
Área (km2) Área (ha) Área (%)
Territorio Distrito Nauta 6478.897 647889.741 100
Deforestación 199.91406 19991.406 3.086
Urbano 1.58122 158.122 0.024 Fuente: Elaboración propia (Área calculada con el SIG-OSINFOR en proyección UTM, Huso: 18 sur,
Datum WGS 84).
Figura 22. Mapa temático de deforestación en unidades de territorio.
26
Figura 23. Superficies de deforestación y centros urbanos dentro del
distrito.
Figura 24. Superficies de deforestación y centros urbanos dentro del
distrito.
0
1000
2000
3000
4000
5000
6000
7000
Territorio DistritoNauta
Deforestación Urbano
Are
a (H
a)
Ambito
97%
3%
0%
Territorio Distrito Nauta
Deforestación
Urbano
27
Cuadro 4. Superficies de deforestación en unidades de territorio.
Territorio Superficie
Área (ha)
Área (km2)
Deforestación (ha)
Deforestación (%)
ANP Pacaya Samiria 211081.37 2110.81 3607.11 18.04
CC.NN 90912.13 909.12 1202.30 6.01
Concesiones 57540.39 575.40 162.46 0.81 Áreas no concesionadas 288355.85 2883.56 15019.54 75.13
Distrito Nauta (TOTAL) 647889.74 6478.90 19991.41 100
Fuente: Elaboración propia (Área calculada con el SIG-OSINFOR en proyección UTM, Huso:
18 sur, Datum WGS 84).
Figura 25. Superficies de deforestación en unidades de territorio.
0
50000
100000
150000
200000
250000
300000
350000
ANP CC.NN Concesiones Áreas noconcesionadas
Are
a (H
a)
Territorio
28
Figura 26. Superficies de deforestación en unidades de territorio.
18%
6%1%
75%
ANP
CC.NN
Concesiones
Áreas no concesionadas
29
V. DISCUSIÓN
En la figura 11, se muestra las ubicaciones de los 40 puntos de
control, observándose su distribución es aleatoria por toda la imagen satelital,
ubicando cada punto con mucha precisión para evitar que el error medio
cuadrático (RMS) aumente. Según JENSEN (1996), por lo general para que se
obtenga una imagen geo referenciada se utiliza alrededor de 100 a 140 puntos
de control, sin embargo en la presente práctica se utilizaron 40 puntos de
control lo que indica que no es necesario ubicar demasiados para tener un
buen ajuste de la imagen.
En la figura 12 Se muestra el registro de los 40 puntos de control
que se tomó con sus respectivos errores medio cuadráticos, visualizándose
que todos estén aproximados a 1, y en la Figura 11, se muestra el error medio
cuadrático (RMS) con un valor de 0.645 (valor que tiende a acercarse a cero
mientras se toman puntos de control con precisión) indicando que gran parte
de nuestros puntos de control fueron tomados de forma precisa. CHUVIECO
(1996), indica que la calidad del ajuste dependerá e a precisión con la que se
localicen esos puntos, de este modo el RMS tendera a ser menor a 1 para que
el desfase del pixel no sea mayor a este, lo que verifica que los puntos
tomados fueron tomados de manera precisa.
En la figura 15, se muestra el registro de las firmas espectrales se
extrajo de la imagen satelital, como se puede observar se creo las clases para
la deforestacion, bosque, nubes y rios, extrayendo para cada uno un promedio
de 5 firmas espectrales (delimitacion de dos o mas pixeles con tonos
similares), con el fin de proporcinar al software datos que pueda procesar. No
obstante, en grandes areas como es el caso de la Amazonia peruana, la
verificacion de campo es muy costosa, por lo que se hace necesario trabajar
con estudios de vegetacion ya adelantados, como los realizados en OSINFOR.
30
En la figura 16, se muestra las regiones de interés en un formato
raster creado en el software ENVI Classic 4.8, visualizándose que el área de
color rojo corresponde a las superficies deforestadas, el color verde
corresponde a las áreas boscosas, el color azul para las nubes y el amarillo
para los ríos o cuerpos de agua. Según ALVA y CHAVEZ (2004), existen dos
tipos de clasificación; clasificación supervisada y no supervisada, la primera
consiste en tener un cierto conocimiento de la zona (por trabajo en campo), y
se seleccionan muestras (áreas de entrenamiento), para asignarle al cálculo, y
la segunda no se conoce nada de la zona y su búsqueda de homogeneidad es
automática, en este proceso se utilizó el método de clasificación supervisada
por lo que se tomó un promedio de 5 firmas espectrales o “áreas de
entrenamiento” citados por CHUVIECO (1996) para definir las áreas de interés.
LOPEZ (1988), indica que el realce del contraste se llama
‘’operación por punto’’ porque aplica independientemente un brillo o
transformación de color a cada pixel en la imagen. Se puede realzar el
contraste o resaltar rasgos específicos para hacer los datos más fáciles de
interpretar. Por otro lado se observa en la Figura 17 y Figura 18, en la primera
se observa el aumentado en un 15% el contraste, aplicándose para cada una
de las imágenes satelitales, y en la segunda figura se observa la intensificación
de la energía recibida por el sensor para las bandas del espectro,
obteniéndose una mejor definición y diferenciación.
Según RIAZA (1994), la combinación más usada es la denominada
“color verdadero” en la que se simula una fotografía con color real, para ellos
se combinan las bandas del espectro visible del sensor TM, generalmente R=3,
G=2 y B=1, cuya notación es 321. En la Figura 19, se muestra la imagen
satelital vista desde el espacio (color verdadero), visualizándose que no existe
mucha diferenciación entre las áreas deforestadas y el bosque. Se visualiza el
agua profunda de color azul oscuro, es este caso los ríos están cargados de
sedimentos (tierra o lodo) por lo que se muestran de color marrón claro, la
vegetación en tonalidades verdes, los suelos aparecen en tonos marrones y
tostados, y los suelos desnudos en tonos amarillentos y plateados, todo esto
31
se relaciona con lo dicho por el autor con respecto a la combinación de bandas
321.
En la figura 20, se muestra el producto de una combinación de
bandas que ayudan a diferenciar notoriamente las superficies deforestadas y el
área del bosque. Esta combinación de falso color en base a la banda infrarroja
media, donde la vegetación se presenta en color verde oscuro, en el caso de
zonas deforestadas o zonas desnudas donde la tierra este descubierta se
observara el color rosado, los centro poblados en tonos magenta claro y/o
magenta oscuro (según la cantidad de edificación), las nubes tendrán colores
blancos y los ríos azul o azul oscuro (dependiendo de la profundidad). La
combinación de bandas 7,4,2 es utilizada en OSINFOR ya que es la que define
mejor a la vegetación como a superficies, esto se debe a que en el infrarrojo
cercano presenta una elevada reflectividad debido principalmente a la
estructura celular interna de la hoja en esencia, de cuatro capas: la epidermis
superior e inferior, el parénquima en empalizada y el mesófilo esponjoso, los
cuales se visualizan mejor con la banda infrarroja media que va desde los 0.8
micrómetros como lo indica CHUVIECO (2008).
En el cuadro 3, se muestran las áreas en km2, ha y en porcentajes
de las superficies en distintos ámbitos (Territorio Distrito Nauta, Deforestación y
Urbano), teniendo al territorio de nauta con un 100% del área de estudio, con
un 3.086% de área deforestada y con 0.024% de áreas urbanas. Según
INRENA (1996), manifiesta que la tala de bosques en el departamento de
Loreto existe alrededor de 54,000 has de bosque deforestado al año. De
acuerdo con el estudio realizado el distrito de Nauta se lleva 19991.406 has
con deforestación en sus distintos ámbitos, calculándose un 37% de
deforestación con lo que indica INRENA.
En el Cuadro 4, se muestran las superficies de cada unidad de
territorio, la superficie de deforestación (ha y %) con respecto al área total del
distrito, obteniéndose que las áreas no concesionadas tienen el valor más alto
de deforestación con 75.13%, por cuestión que no existe algún responsable
sobre estas áreas; según FAO (2004), la deforestación en el país se da en
32
primer lugar por la agricultura migratoria (apertura de terrenos agrícolas), la
extracción ilegal (apertura de caminos y retiro de especies valiosas), y los
incendios forestales, esto indica que las áreas no concesionadas tienden más
a ser intervenidas ya sea para alguno de estos fines; por otro lado OSINFOR
(2013), menciona que se otorga al concesionario el derecho exclusivo para el
aprovechamiento sostenible del recurso natural concedido, coincidiendo con
las áreas obtenidas dentro de las áreas concesionadas y CC.NN., las cuales
tienen los menores porcentajes de deforestación. También se observa que el
área natural protegida Pacaya Samiria está en segundo lugar de deforestación
con 18.04%, sin embargo UNALM (1993), menciona que la superficie actual del
ANP es de 2´080,000 hectáreas, sin detallar que existen áreas de intervención
con el fin de extraer madera ilícitamente.
33
VI. CONCLUSIÓN
1. La georeferenciación de la imagen satelital se obtuvo con un error medio
cuadrático (RMS) de 0.645, indicando que el desfase del pixel no fue mayor
al tamaño de este con respecto a su resolución (30x30), lo que indica que
los puntos de control fueron tomados de manera precisa ya que el RMS fue
menor a 1.
2. Se elaboró clases para las distintas unidades de interés: deforestación,
bosque, nubes y ríos, con el método de clasificación supervisada
proporcionada por el software utilizando un promedio de 5 firmas
espectrales, aclarando que estas unidades se obtuvieron por el medio de
herramientas del software, más no por visita campo.
3. Se determinó que el aumento en un 15% del contraste en esta escena fue
como un límite ideal, ya que aumentándolo o disminuyéndolo la imagen
sufre distorsiones provocando que los pixeles claros se intensifiquen,
dificultando la visualización al momento de trabajarlos con las herramientas
del ArcGIS, por lo que se tuvieron efectos visuales significativos a
diferencia de las imágenes originales.
4. La combinación de bandas 7, 4, 2 utilizadas por OSINFOR definió mejor
las áreas descubiertas, cultivos recientes, pastizales, etc; visualizándose y
diferenciándose claramente las áreas deforestadas con las superficies
boscosas, de esta manera se pudo delimitar las áreas con mayor facilidad
y exactitud.
5. La medición calculada de la deforestación en Nauta representa un 0.052%
del total del territorio de la región Loreto, de manera similar ocurre en el
distrito Nauta en el que la deforestación cubre el 3.085% con 19 991.41 ha.
Las áreas no concesionadas obtuvo el mayor porcentaje de deforestación
34
con 75.13% con un área de 15 019.54 ha, seguido por el ANP Pacaya
Samiria que obtuvo 18.04% con 3 607.11 ha, las comunidades nativas con
6.01% y 1 202.30 ha, las concesiones con 0.81% y 162.46 ha, estas dos
últimas registraron menor deforestación ya que existe un titular
responsable de estos.
35
VII. RECOMENDACIONES
1. Utilizar imágenes satelitales que cuenten la mayor parte de la superficie
despejada por nubes, de lo contrario se tendría que realizar correcciones
radiométricas atmosféricas.
2. Relacionar la presente investigación con estudios ambientales y
económicos de la zona con respecto a la deforestación como un aporte
para instituciones competentes en materia forestal, programas forestales
del gobierno regional de Loreto, y organismos como la OEFA, OSINFOR,
entre otros, formar la base de proyectos de desarrollo.
3. Continuar estudios de este tipo que sirvan a la Universidad como ente de
investigación en el campo de conservación y preservación que contribuya al
desarrollo ambiental, social y económico en estas áreas.
4. Instruir a los estudiantes de las distintas facultades a tener el conocimiento
sobre la fotointerpretación, el uso de sensores remotos y procesamiento
digital de imágenes satelitales, que contribuyan a futuras investigaciones.
36
VIII. REFERENCIAS BIBLIOGRÁFICAS
AVERY, E., GRAYDON, B. 1992. Fundamentals of Remote Sensing and
Airphoto Interpretaion. 5ta ed. New York, EEUU. Macmillan Publishing
Company. 472 p.
ALVA, W., y CHAVEZ, T. 2004. Manual: procesamiento digital de imágenes.
Tingo María, Perú, Universidad Nacional Agraria de la Selva. 40 p.
CHUVIECO, E. 1996. Fundamentos de Teledetección espacial. 2da ed. Madrid,
España. Ediciones. Rialp. 450 p.
CHUVIECO, E. 2008. Teledetección Ambiental. Barcelona, España. 3ra
edición. Ediciones Ariel S.A. 595 p.
GÓNIMA, L. Y L. ALADOS. 2002. Cálculo de la reflectancia a partir de datos de
satélite, versión alternativa. Proceedings Tercera Asamblea Hispano –
Portuguesa Geodesia y Geofísica (Valencia, España), 3: 408-413.
INSTITUTO NACIONAL DE RECURSOS NATURALES (INRENA) 1996.
Monitoreo de la Deforestación en la Amazonía Peruana. Lima – Perú.
JENSEN, J. 1996. Introductory Digital Image Procesing: A Remote Sensing
Persaective Prentice Hall. 2ª ed. Madrid, España. Ediciones Omega.
316p.
FAO. 2004. La mujer en la agricultura, medio ambiente y la producción rural, en
el Perú. [En línea]: OFICINA REGIONAL DE LA FAO PARA AMÉRICA
LATINA Y El CARIBE , 16 de septiembre del 2014).
LOPEZ VERGARA, M. L., (1988). Manual de Fotogeología. 3ra ed. Madrid,
España. (C.I.E.M.T.). 128 p.
OSINFOR, 2013. Evaluación de áreas deforestadas y humedales en los
departamentos de Loreto, Ucayali y Madre de Dios al año 2011. 1ra ed.
Lima, Perú. Editorial Solvima Graf SAC. 118 p.
37
REESE, H., NILSSON, M., SANDSTRÖM, P., OLSSON, H. (2002):
Applications using estimates of forest parameters derived from satellite
and forest inventory data, Computers and Electronics in Agriculture, 37,
pp. 37-55.
RIAZA, A. (1994). Reflectancia en rocas en función de su litología y fabricacion
interna. ITGE, Madri. 100p
UNALM, 1993. Evaluación Ecológica de la Reserva Nacional Pacaya –
Samiria. Lima-Perú. Fundación Peruana para la Conservación de la
Naturaleza. The Nature Conservancy. 152p.
WICKS, T. E.; SMITH, G. M.; CURRAN, P. J. (2002): Polygon-based
aggregation of remotely sensed data for regional ecological analyses,
International Journal of Applied Earth Observation and Geoinformation,
4, pp. 161–173.
38
ANEXOS
39
Anexo 1. Proceso para orto rectificar.
- Abrimos el Software ENVI Classic Versión 5.
- Antes de realizar la orto rectificación debemos descargar una imagen con
el mismo path y row que ya este orto rectificada para que nos sirva como
base.
40
- Combinamos las bandas descargadas ingresando los archivos en formato
TIF mediante el la herramienta de Layer Stacking para crear un solo
archivo que los contenga a todos.
- Visualizamos la imagen y seleccionamos las bandas 5, 4 y 3 en los colores
rojo, verde y azul respetivamente.
41
- Hacemos lo mismo con la imagen orto rectificado.
- Procedemos a ubicar puntos en común en toda la escena en las dos
imágenes y añadiéndolas al registro, hasta completar 40 puntos.
42
- Una vez hallados los 40 puntos en común observamos el error que se
genera y que debe estar entre un rango de 0.6 y 0.7, de lo contrario se
tendrá que eliminar los puntos con mayor error y buscar otros con el fin de
disminuirlo.
- El siguiente paso será guardar los puntos y aceptar. El producto será una
imagen geo referenciada lista para ser procesada.
43
Etapa de procesamiento en el software ENVI Classic 5 y ArcGIS Version
10.2
- Abrimos el software ENVI Classic 5.
- Combinamos las bandas descargadas ingresando los archivos en formato
.TIF mediante el la herramienta de Layer Stacking para crear un solo
archivo que los contenga a todos.
44
- Una vez combinada todas las bandas la visualizamos para diferencias con
detalle las áreas deforestadas seleccionando las bandas 5, 4 y 3 de los
colores rojo, verde y azul respectivamente.
- Extraemos firmas espectrales que servirán para crear distintas unidades
como deforestación, bosque, nubes y ríos.
45
- Mediante la herramienta de clasificación supervisada procedemos a crear
las unidades de deforestación, bosque, nube y ríos en formatos RASTER.
- Visualizamos el resultado y lo comparamos con la imagen LANDSAT,
teniendo en cuenta que la clase de deforestación contenga a las áreas
deforestadas en un 95% o más.
46
- Una vez de visualizar la imagen y de estar seguro que el RASTER
contenga a las áreas deforestadas procedemos a migrarlo a un formato
VECTOR para luego convertirlo en un formato SHP.
- Seguidamente abrimos el software ArcGis Versión 10.2.
47
- Abrimos el shape recién creado junto con la respectiva imagen LANDSAT.
- Eliminamos el fondo negro, aumentamos el contraste en un 20% y
seleccionamos las bandas 7,4 y2 en los colores rojo, verde y azul
respectivamente para distinguir con mayor facilidad las áreas deforestadas.
48
- Nos acercamos aumentando el zoom a una escala de 1: 60 000,
observando la delimitación del área deforestada por el software.
- Seguido procedemos a inicial la edición del Shape (capa de la unidad de
deforestación) y con ayuda de las herramientas: Edit vértices (Edición de
vértices), Construction tools (herramientas de construcción; polígonos y
líneas) y con las barras de Edicion y de Advanced editing, mejorando la
capa con rasgos más finos y cubriendo las áreas que no fueron delimitadas
por el software.
49
- El siguiente paso es delimitar las áreas deforestadas pero que están
tapadas por las nubes.
- Mediante una extensión del ArcGis migramos el formato Shp. Al formato
KML. El cual es compatible con el Google Earth.
50
- Buscando la imagen satelital más cercana al año de la imagen LANDSAT
podremos observar con claridad el área.
- Una vez visualizada el área sin nubes en el Google Earth procedemos a
terminar de delimitar las áreas deforestadas faltantes.
51
- Una vez terminada la delimitación de toda la escena, hacemos lo mismo
con la siguiente, teniendo como resultado la delimitación completa de todo
el distrito de Nauta.
- Como producto final tenemos un mapa temático de deforestación del
distrito de Nauta.