USO DE IMÁGENES DE SATÉLITE PARA ANALIZAR LOS CAMBIOS DE

COBERTURA Y USO DE SUELO EN LA SUBCUENCA DE OCOTLÁN DE

MORELOS, OAXACA.
1
Caballero Ramírez Roxana.
2
Percepción Remota
3
Maestría en Gestión de Proyectos para el Desarrollo Solidario.
4
Centro Interdisciplinario de Investigación para el Desarrollo Regional Unidad Oaxaca.

RESUMEN

La creciente dinámica de la población y los impactos de las actividades antropogénicas han

ocasionado cambios en el uso del suelo y en la cobertura vegetal existente. Una de las
estrategias y herramientas para conocer estos impactos sobre el recurso natural es la
teledetección espacial o percepción remota. La teledetección espacial es considerada como
un sistema integral de captura de información territorial y sus principales aplicaciones son
para la evaluación de cambios en el uso de suelo, cambios en la T°, entre otros. En el marco
de la dinámica de las fuerzas centrales y periféricas que generan las actividades
antropogénicas sobre el suelo se presenta el siguiente protocolo con el objetivo de evaluar
brevemente el cambio de usos de suelo para la zona de Ocotlán, Oaxaca, donde una de las
principales actividades económicas es la agricultura, seguida de la expansión de zonas
urbanas. El objetivo de este trabajo es analizar La metodología se basa en el procesamiento
de imágenes Landsat 8 y 7, a través de los software: ENVI 5.1, para correcciones
atmosféricas e IDRIS Selva 17, para la clasificación supervisada de los pixeles.
INTRODUCCIÓN

En los últimos años ha incrementado el interés de conocer y cuantificar los impactos de los
efectos de cambio de uso de suelo. El crecimiento urbano, prácticas agrícolas, cambio en la
cobertura vegetal generada por la presión antropogénica sobre los recursos naturales son
factores que han ocasionado un desequilibrio ambiental (Cano, Andreoli, Arumi, & Rivera,
n.d.; Yamileth & Reyes, 2013). A pesar de ello, el grado de transformación depende del ser
humano; la organización socio – política en una sociedad y la dinámica con su entorno
(Cárdenas-Hernández & Gerritsen, 2015). Es por eso, que describir estos cambios es un
insumo central para la generación de planes de manejo y uso de los recursos naturales, así
como para la planificación de medidas para su conservación (Baeza, Baldassini, Bagnato,
Pinto, & Paruelo, 2014). Análisis espacial se define como un estudio o método cuantitativo
de los fenómenos dados en el espacio y son útiles para describir o explicar el
comportamiento de estos procesos y relacionarlos con otros anómalos espaciales (Tapia-
Silva, Silván-Cárdenas, & Rosales-Arriaga, n.d.).

La percepción remota ha surgido como una importante fuente de datos para medir
cuantitativamente los cambios en la cobertura de suelo a una escala de paisaje. Estos
cambios pueden ser analizados con series temporales de datos e imágenes satelitales (Petit,
Scudder, & Lambin, 2001). El estudio se realizará en la cuenca de Ocotlán donde una de
las principales actividades económicas, desde hace un siglo, ha sido la agricultura. Las
hortalizas son los principales cultivos. La dinámica agrícola, además del crecimiento de la
mancha urbana causado por el constante crecimiento de la población, han ejercido una
fuerte presión en el área llevando a incertidumbre el cambio en el uso del suelo de los
últimos años. Este hecho
METODOLOGÍA

La metodología se aborda con el acompañamiento de dos software: ENVI 5.1 e IDRIS Selva
17. El primero, para las correcciones atmosféricas de las imágenes y el segundo, para la
clasificación de los pixeles. Esta metodología también la proponen Aguilar con
colaboradores y Santiago (2014;2015) para las correcciones atmosféricas en imágenes
landsat y para la clasificación supervisada, en la generación de mapas de uso de suelo.

1) Descripción de la zona de trabajo.

El estudio se realizó
en la subcuenca de
Ocotlán. El Valle de
Ocotlán se encuentra
ubicado entre las
coordenadas 16° 36’ y
16°55’ de latitud
norte, 96° 48’ y 96° 32’
de longitud oeste con
una superficie de 449
km2, al sur de la
capital del Estado de
Oaxaca. (Ilustración
1). En náhuatl
significa “el lugar de
Ilustración 1. Ubicación Cuenca Ocotlán (Martínez, 2016). ocotes” (pinos) o
“junto o entre los
ocotes”. También es conocido en lengua zapoteca como Lachiroo que significa “Valle
Grande” o “Plaza del Valle” (Ramírez, 2009).
 2) Adquisición y procesamiento de imágenes digitales.

La evaluación se concentra en dos años: 2000 y 2016. Las imágenes se descargaron de la

página del Servicio Geológico de Estados Unicos (USGS, United States Geological Survey)
y de los satélites Landsat 7 y Landsat Oli 8 para los años correspondientes y en fechas
cercanas a los meses de primavera o considerados como tiempos de estiaje. Esto, con la
finalidad de evitar confusión con la vegetación perene y la vegetación post lluvias, además,
Chuvieco (2010) considera realizar la discriminación de cobertura en estas épocas.

- Pre – procesamiento

ENVI 5.1

Las imágenes obtenidas de la plataforma USGS tenían un porcentaje menor al 10% de

nubosidad. Sin embargo, las imágenes descargadas contienen un porcentaje de efecto de
los aerosoles y radiancia intrínseca, como producto de la interacción del sensor con la
atmósfera (Aguilar et al., 2014). Estos componentes intrusivos se corrigen con la corrección
atmosférica y mejora la calidad de la imagen. La corrección se realizó con el módulo
Radiometric Calibration del Sofware ENVI 5.1.

- Procesamiento

IDRISI Selva 17

Una vez corregidas las imágenes en ENVI 5.1, se exportaron al software IDRISI Selva 17
en donde se hizo una combinación al natural para cada banda, y asignando la jerarquía de
colores (RGB). Con la herramienta de window se realizaron los cortes para la zona
específica de trabajo. Con el módulo composite se proyectó una nueva imagen con las
combinaciones realizadas. Para la clasificación supervisada, se agruparon las bandas de
cada satélite, Landsat 8 y 7. Posterior a esto, se utilizó la herramienta segmentation para
crear imágenes de segmento, y Segtrain para desarrollar las áreas los sitios de
entrenamiento y las firmas basadas en los segmentos del módulo segmentatiton.

1) Composición y segmentación de imágenes.

Con la herramienta Composite se realizó la composición en color natural para ambas
imágenes, siguiendo la carta de colores propuesta por el INEGI.

Satélite R G B
Landsat 8 6 5 3
Landsat 7 5 4 3
Tabla 1. Combinación de bandas; Landsat 7 y 8.

En este análisis la combinación de bandas propuestas por el INEGI, permitió discriminar

los siguientes elementos (Véase Ilustración 2) :

TONO DISCRIMINACIÓN
Magenta oscuro Suelos
Magenta ligero/ rosa cercano a blanco Agricultura
Verde/ verde olivo y oscuro Vegetación
Morados Áreas urbanas
Negros Cuerpos de aguas profundas y
superficiales
Tabla 2. Análisis visual de imágenes.

Ilustración 2.. Composición de bandas, Landsat 7 y 8.

Con Segmentation, se compilaron en una sola imagen el total de bandas de cada satélite; 6
imágenes para Landsat 7 y 7 imágenes para Landsat 8.
 2) Clasificación Supervisada

En la clasificación supervisada se localizaron zonas representativas para cada tipo de

cubierta y se crearon sitios de entrenamiento del área de estudio, para las imágenes de
ambos años. Se nombraron 5 clasificaciones de cobertura diferentes (Véase imagen 3):

1- Vegetación: en esta categoría se incluye todo tipo de vegetación y de madurez

temprana y avanzada.
2- Agricultura: porciones de terreno donde se cultiva de manera temporal y de riego.
3- Suelo: áreas del terreno que no cuentan con ningún tipo de vegetación o cultivo y
por tanto presenta alta reflectividad de la luz.
4- Zona Urbana: zonas con asentamientos urbanos.
5- Cuerpos de agua: Estancamientos o almacenamientos de agua. Estos pueden ser
pequeños estanques, presas de agua, lago, etc.

Para cada tipo de cobertura se muestreó el mayor número de pixeles y se creó un patrón
de sitios de entrenamiento, apoyándose en la composición de bandas realizada.

Con el módulo MaxLike, clasificador de máxima probabilidad. Este clasificador evaluó, en

función de la teoría estadística de Bayes, la probabilidad de que un pixel dado pueda
pertenecer a una categoría con la mayor probabilidad de pertenecer a él. La teoría asegura
que este método es el más lento de las técnicas, sin embargo, si las zonas de entrenamiento
están bien elegidas, es el más exacto.

Ilustración 3. Clasificación de coberturas, año 2000 y 2016.

 3) Land Change Modeler

Con el resultado del clasificador de máxima probabilidad se procedió a utilizar LCM, un

módulo para el estudio de fenómenos medioambientales ligados a la dinámica terrestre y
a la gestión de recursos naturales. La finalidad de Land Change Modeler es el análisis de
series temporales procedentes de sistemas de observación terrestre.

Para el análisis se crea un nuevo proyecto y se utilizan las imágenes creadas por
MaxLike, tal como se muestra en la Ilustración 4.

Ilustración 4. Land Change Modeler, Idrisi Selva

RESULTADOS

El cambio de uso de suelo presenta los cambios en los valores con mayor probabilidad en
pertenecer a los sitios de entrenamiento y se muestran en los desplazamientos de las
coberturas en la diferencia de tiempo. A pesar de que existe corrección radiométrica en las
imágenes y nubosidad menor del 10%, la presencia de nubes presenta dificultad al
momento de realizar el análisis ya que no permite al sensor obtener mayor información
por la reflectancia de la luz.

En la Ilustración 4 y en la Tabla 3, se muestra las pérdidas y ganancias de cada categoría.

 Categoría Ganancias (h) Pérdidas (h)
Cuerpos de agua 405 -4628
Zona Urbana 13,539 -4155
Suelo 6418 -18,027
Agricultura 11,214 -7095
Cuerpos de Agua 5240 -2909
Tabla 3. Pérdidas y ganancias por categoría.

Ilustración 5. Pérdidas y ganancias por cobertura.

Las mayores pérdidas se reflejan en el suelo con 18, 027 hectáreas (20.91%), mientras la mancha
urbana se expande con una ganancia de 13,539 hectáreas más (15.71%).

El análisis de los cambios netos de cada categoría en la zona muestra que se perdieron una
totalidad de 4224 (4.90%) hectáreas de cuerpos de agua y 11,609 (13.47%) hectáreas de suelo. La
mayor ganancia se refleja en las zonas urbanas con 9,383 (10.89%) hectáreas, agricultura con 4.119
(4.78%) hectáreas y la vegetación con 2,331 (2.7%) hectáreas.

Ilustración 6. Cambios netos en el uso de suelo, 2000 a 2016.

Finalmente el mapa de cambios (Véase Ilustración 7) muestra las cuatro categorías de
mayor movilidad en cambios. En un total de 3,413 hectáreas de suelo en el 2000,
actualmente existe vegetación; 6,979 hectáreas que eran suelo descubierto o sin arar, ahora
son agricultura, temporal o riego; en 4,979 suelos agrícolas, actualmente existen
asentamientos humanos; y en 7, 493 hectáreas de suelo desnudo, también fue invadido por
la mancha urbana.

Ilustración 7. Variables de mayor cambio en el uso de suelo 2000-2016.

CONCLUSIONES
El uso de imágenes de satélite y el procesamiento de éstas, permite realizar diferentes
análisis sobre los cambios y fenómenos que acontecen últimamente. Para el cambio de uso
de suelo suele ser la principal herramienta utilizada para estimar la expansión o pérdida
de los recursos naturales actuales, así como medir los impactos que generan las actividades
antropogénicas al medio.

El resultado de este breve análisis de cambio de uso de suelo puede ser utilizado como una
herramienta para la gestión de los recursos naturales, para investigación y elaboración de
medidas que regulen los impactos de las actividades humanas hacia los recursos naturales.
La agricultura y las zonas urbanas son variables que reflejan mayor expansión e impacto
en el uso de suelo, no solo en la subcuenca del Valle de Ocotlán, sino puede ser en cualquier
zona en general.

Se recomienda profundizar el análisis de suelo de suelo para la zona presentada y

complementarlo con más variables como mapas de caminos y carreteras, parámetros
hidrológicos, que permitan predecir cercanamente la dinámica integral del área.

REFERENCIAS

Aguilar, H., Mora, R., & Vargas, C. (2014). Metodología para la corrección atmosférica de
imágenes Aster, Rapideye, Spot 2 y Landsat 8 con el módulo Flaash del software
ENVI. Revista Geográfica de América Central, (53), 39–59.
http://doi.org/10.15359/rgac.2-53.2
Baeza, S., Baldassini, P., Bagnato, C., Pinto, P., & Paruelo, J. M. (2014). Caracterización del
uso / cobertura del suelo en Uruguay a partir de series temporales de imágenes
MODIS Land Use / Land Cover Classification in Uruguay Using Time Series of
MODIS Images. Agrociencia Uruguay, 18(2), 95–105.
Chuvieco E. 2010. Teledeteccion Ambiental La Observación De La Tierra Desde El
Espacio. Editorial Ariel Ciencia. 3° Edision
Cano, C., Andreoli, A., Arumi, J. L., & Rivera, D. (n.d.). Uso de imágenes de satélite para
evaluar los efectos de cambio de cobertura de suelo en la escorrentía directa de una
cuenca andina. Tecnología Y Ciencias Del Agua, 5(4), 145–151. Retrieved from
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-
24222014000400009&lng=es&nrm=iso&tlng=es
Cárdenas-Hernández, O. G., & Gerritsen, P. R. W. (2015). Dinámica paisajística y cambio
de cobertura en la comunidad indígena de Cuzalapa , Reserva de la Biosfera Sierra
de Manantlán (1972 a 2000). CienciaUAT, 9(2), 30–40.
Petit, C., Scudder, T., & Lambin, E. (2001). Quantifying processes of land-cover change by
remote sensing: Resettlement and rapid land-cover changes in south-eastern
Zambia. International Journal of Remote Sensing, 22(17), 3435–3456.
http://doi.org/10.1080/01431160010006881
Ramírez, R. N. (2009). Los roseros de Ocotlán de Morelos, Oaxaca, México. Anticipación
y coexistencia. Gazeta de Antropología, 25(1), 1-14.
Santiago, B. D. E. (2015). USO DE LA TIERRA AÑO 2015.
Tapia-Silva, F. O., Silván-Cárdenas, J. L., & Rosales-Arriaga, E. (n.d.). Análisis espacial,
hacia una utilización mejorada de la información medida en campo y por satélites,
para apoyar la toma de decisiones en materia hídrica y ambiental. Tecnología Y
Ciencias Del Agua, 4(1), 149–166. Retrieved from
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-
24222013000100007&lng=es&nrm=iso&tlng=es
Yamileth, Y., & Reyes, S. (2013). Cambio del uso del suelo de la Sub Cuenca del Rio
Mocal , Lempira , utilizando SIG y Teledetección , comprendido del año de 1988 al
2000 . Ciencias Espaciales, 61–75.