I. INTRODUCCION

La vegetación es uno de los elementos del medio físico de la mayor importancia para el equilibrio del medio ambiente, es un recurso con un valor intrínseco para la agricultura, para la conservación de la biodiversidad, para la infraestructura verdes urbanas entre otros. Por otro lado, la cubierta vegetal juega un papel decisivo para el adecuado mantenimiento de otros muchos recursos (fauna, suelos, paisaje), mediante la gran cantidad de información y capacidad de análisis de los datos multitemporal de imágenes de satélite, se pueden evaluar, monitorear y planificar los recursos naturales. Incluso, es posible hacer un seguimiento de la evolución de las diferentes comunidades vegetales y de los cultivos agrícolas. Los Índices de Vegetación son combinaciones de las bandas espectrales registradas por los satélites de Teledetección, cuya función es realzar la cubierta vegetal en función de su respuesta espectral y atenuar los detalles de otros componentes como el suelo, la iluminación, etc.[1]. El cálculo de índices de vegetación fue uno de los primeros intereses de la investigación en la evaluación y manejo de los recursos naturales [2]. Los Índices de Vegetación, son pues imágenes calculadas a partir de operaciones algebraicas entre distintas bandas espectrales. El resultado permite obtener una nueva imagen donde se destacan gráficamente determinados píxeles relacionados con parámetros de las coberturas vegetales: densidad, índice de área foliar y actividad clorofílica [1].

II. MATERIALES Y METODOS

A. Zona de Estudio

Son los distritos de Misiones e Itapuá, se encuentran en las cercanías o al redor del embase de Yacyretá. Estos distritos se encuentran influenciados por el Rio Paraná, es la principal vía hidrológica en la zona sur del país. El área de estudio comprende 134.259,238 has de los distritos de Misiones (San María, Santa Rosa, Santiago, Ayolas, San Ignacio, Yabebyry, y San Patricio) y de Itapuá (General Artigas, Encarnación, Carmen del Paraná, Fram, San Juan del Paraná, Coronel Bogado, y San Cosme y Damian). https://drive.google.com/file/d/1ZVhffhzxbmT5uuMkDm7a35TdAgvSOi5f/view?usp=sharing

B. Datos Satelital

Landsat LC08: Primero se realizo una búsqueda de los datos satelitales por fecha, principalmente de verano, que pudieran ser útil para en la estimación de la salud vegetal. Se exploro Sentinel -2 y Landsat 8, este último dio resultado en la búsqueda descargado de la plataforma https://earthexplorer.usgs.gov/ (NASA). El Landsat 8: El OLI mide en las porciones visible, infrarrojo cercano e infrarrojo de onda corta (VNIR, NIR y SWIR) del espectro. El TIRS mide la temperatura de la superficie terrestre en dos bandas térmicas con una nueva tecnología que aplica la física cuántica para detectar el calor. Para este estudio se utilizaran imágenes de Landsat 8 de 30 metros de resolución espacial.

C. Proceso de datos

Se trabajaran con LC08_L1TP_225079_20230211_20230217_02_T imágenes adquiridas de los sensores de la NASA (National Aeronautics and Space Administration) se procesarán con los programas QGIS (QGIS Development Team, 2017) y R (R Core, 2014), todos ellos de descarga libre y gratuita. Se generarán mapas de los índices de vegetación y el índice espectral de agua de la zona de estudio.

III. ÍNDICES ESPECTRALES PARA EL MONITOREO AMBIENTAL

Varios autores coinciden en que se han desarrollado diferentes índices de vegetación con el objetivo de evaluar el estado de la vegetación, objetivo principal del presente estudio. Algunos índices, más utilizados en los últimos años y ofrecen buenos resultados, y que aplicaran, son: por el NDVI (Normalized Diference Vegetation Index)[4], el SAVI (Soil Adjusted Vegetation Index)[5],EVI(Enhanced Vegetation index)[5] y NDWI (Normalized Difference Water Index)[6].

A. NDVI

La Agricultura de Precisión es la industria que aprovecha las ventajas de los datos satelitales, por la precisión de los resultados y la alta frecuencia de adquisición. El Índice de Vegetación de Diferencia Normalizada es un indicador simple de biomasa fotosintéticamente activa o, en términos simples, un cálculo de la salud de la vegetación [3]. El NDVI ayuda a diferenciar la vegetación de otros tipos de cobertura del suelo (artificial) y determinar su estado general. También permite definir y visualizar áreas con vegetación en el mapa, así como detectar cambios anormales en el proceso de crecimiento. Con la siguiente ecuación 1:

NDVI = (b5-b4)/(b5+b4)

donde b5(NIR) es luz infrarroja cercana y b4 (RED) es luz roja visible. Los resultados del cálculo del NDVI varían de -1 a 1. Los valores negativos corresponden a áreas con superficies de agua, estructuras artificiales, rocas, nubes, nieve; el suelo desnudo generalmente cae dentro del rango de 0.1 a 0.2; y las plantas siempre tendrán valores positivos entre 0.2 y 1. El dosel de vegetación sano y denso debería estar por encima de 0.5, y la vegetación dispersa probablemente caerá dentro de 0.2 a 0.5. Sin embargo, es solo una regla general y siempre debe tener en cuenta la temporada, el tipo de planta y las peculiaridades regionales para saber exactamente qué significan los valores de NDVI [7].

En la mayoría de los casos, los valores de NDVI entre 0.2 y 0.4 corresponden a áreas con vegetación escasa; la vegetación moderada tiende a variar entre 0.4 y 0.6; cualquier cosa por encima de 0.6 indica la mayor densidad posible de hojas verdes [8].

B. SAVI

A continuación, se aplicaran el funcionamiento del SAVI en la evaluación de la salinidad del suelo en relación con el clima seco/humedo de zona de estudio. La originalidad de este índice radica en el desarrollo de un modelo simple que permite describir de manera concisa el sistema suelo-vegetación. El SAVI se puede definir mediante la siguiente ecuación 2 [5]:

SAVI= ((b5-b4)/(b5+b4+0.5))*(1+0.5)

donde, b5 (NIR) es la banda del infrarrojo cercano de la imagen de satélite; RED es la banda roja del satélite imagen y L es un factor de ajuste del suelo. Basado en un modelo simplificado de transferencia radiativa, Huete [1988] ha demostrado que un valor, que representa L = 0,5, permite el mejor ajuste, es decir, minimizar el efecto de retrodispersión secundario de la radiación reflejada de fondo del suelo transmitida por el dosel. El rango del SAVI está entre -1.5 y 1.5. Con la condición de que el valor de L sea cero (L = 0), el SAVI es igual al NDVI [8], por lo que tomamos L en este estudio con el valor óptimo (0,5) y la clasificación propuesta del SAVI se detalla en la tabla 2 a continuación [9]. En áreas donde la cubierta de dosel es baja (es decir, < 40 %) y la superficie del suelo está desnuda, la reflectancia del brillo en los espectros rojo e infrarrojo cercano puede afectar significativamente los valores del índice de vegetación [10]. Esto es especialmente difícil cuando se realizan contrastes entre diferentes tipos de suelo que pueden imitar diversas cantidades inciertas de luz en las longitudes de onda rojas e infrarrojas cercanas al aplicar el NDVI. El SAVI fue desarrollado como una modificación del NDVI para corregir el efecto del brillo del suelo cuando la cubierta de dosel es baja [5].

Rango SAVI Clasificación: -1.5 a 0 presencia de agua, 0.01 a 0.37 alta, 0.38 a 0.76 moderada, 0.77 a 1.10 débil, 1.11 a 1.50 sin presencia de agua.

C. EVI

EVI es similar al índice de vegetación de diferencia normalizada (NDVI) y se puede utilizar para cuantificar el verdor de la vegetación. Sin embargo, EVI corrige algunas condiciones atmosféricas y el ruido de fondo del dosel y es más sensible en áreas con vegetación densa. Incorpora un valor “L” para ajustar el fondo del dosel, valores “C” como coeficientes para la resistencia atmosférica y valores de la banda azul (B). Estas mejoras permiten el cálculo del índice como una relación entre los valores R y NIR, al tiempo que reducen el ruido de fondo, el ruido atmosférico y la saturación en la mayoría de los casos. A continuación, la ecuación 3 [5]:

EVI=2.5((b5-b4)/(b5+6b4-7.5*b2+1))

  • Los coeficientes adoptados en el algoritmo MODIS-EVI son: L=1, C1 = 6, C2 = 7,5 y G (factor de ganancia) = 2,5. En caso de que querer usar el índice EVI con datos de Sentinel 2 o Landsat 8, utilizar los mismos. El rango de valores del EVI es de -1 a +1, y para la vegetación sana, varía entre 0,2 y 0,8.

D. NDWI

El índice de agua de diferencia normalizada (NDWI) es un nuevo método que se ha desarrollado para delinear características de agua abiertas y mejorar su presencia en imágenes digitales de detección remota. El NDWI hace uso de la radiación infrarroja cercana reflejada y la luz verde visible para mejorar la presencia de dichas características mientras elimina la presencia de características del suelo y la vegetación terrestre. Se sugiere que el NDWI también puede proporcionar a los investigadores estimaciones de la turbidez de los cuerpos de agua utilizando datos digitales de detección remota [6].

NDWI=(b3-b5)/(b3+b5)

Rango NDWI Clasificación: -1 a 0 Indican superficies sin vegetación o agua, 0 Indican zonas con baja cobertura vegetal o alto estrés hídrico, 0 a 1 Indican zonas con cobertura e hidratación creciente.

Cuando la vegetación se encuentra en buen estado hídrico, presenta una alta reflectancia de ondas NIR y baja de SWIR, por lo tanto, el índice tendrá valores más altos. Cuando utilizarlo: Detección de tierras agrícolas inundadas; localización de inundaciones en el campo; detección de tierras agrícolas de regadío; localización de humedales. Conocer el estado de hidratación del cultivo y las diferencias de contenido de agua entre las parcelas de nuestra finca, nos puede ayudar a la toma de decisiones sobre la gestión del riego, para mantener el cultivo en condiciones óptimas.

IV. RESULTADOS Y DISCUSIÓN

A. Análisis

Se realizó una exploración al producto obtenido, luego, se exploro las bandas que operan en el rango visible del espectro electromagnético.

#Paquetes necesario 
library(raster)
## Warning: package 'raster' was built under R version 4.1.3
## Loading required package: sp
## Warning: package 'sp' was built under R version 4.1.3
library(terra)
## Warning: package 'terra' was built under R version 4.1.3
## terra 1.7.3
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.1.3
library(factoextra)
## Warning: package 'factoextra' was built under R version 4.1.3
## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa
#Exportar las bandas
b2=raster("G:/0-Diplomado-2022/DImagen_Satelital/LC08_L1TP_225079_20230211_20230217/b2.tif")
b3=raster("G:/0-Diplomado-2022/DImagen_Satelital/LC08_L1TP_225079_20230211_20230217/b3.tif")
b4=raster("G:/0-Diplomado-2022/DImagen_Satelital/LC08_L1TP_225079_20230211_20230217/b4.tif")
b5=raster("G:/0-Diplomado-2022/DImagen_Satelital/LC08_L1TP_225079_20230211_20230217/b5.tif")
#Ploteo individual de bandas
par(mfrow=c(2,2))
plot(b2, main= "Azul", col= gray(0:100/100)) # Banda Azul (2)
plot(b3, main= "Verde", col= gray(0:100/100)) # Banda Verde (3)
plot(b4, main= "Rojo", col= gray(0:100/100)) # Banda Rojo (4)
plot(b5, main= "NIR", col= gray(0:100/100)) # Banda NIR (5)

La combinación de las tres bandas, permiten identificar o resaltar características del terreno. Por ejemplo la combinación falso color natural (Rojo, Verde, Azul) y la combinación falso color vegetal (NIR, Rojo, Verde), son de mucha utilidad para identificar y caracterizar cobertura vegetal.

#Combinación de bandas
b543<-stack(b5,b4,b3)
b432<-stack(b4,b3,b2)
# Plotear composición Color verdadero
par(mfrow=c(1,2))
plotRGB(b432, axes=TRUE,stretch="hist",main="Landsat Falso color verdadero")
plotRGB(b543, axes=TRUE,stretch="hist",main="Landsat Falso Color - Vegetación NIR")

En la Figura de composición, los valores moderados (de 0,2 a 0,3) representan arbustos y praderas, mientras que los valores grandes (de 0,6 a 0,8) indican bosques templados y tropicales, no es nuestro caso. No se observan mayores a 0.6, con el umbral de vegetación, se visualiza secases de plantas muy sanas que podría ser producto de la estación de verano.

#CALCULO NDVI 
NDVI = (b5-b4)/(b5+b4)
plot(NDVI, main = "Landsat 8 - NDVI",
     ylab = "Frecuencia", xlab="NDVI")

plot(NDVI, col = rev(terrain.colors(10)), main = "Landsat 8 - NDVI",
     ylab = "Frecuencia", xlab="NDVI")

hist(NDVI, main = "Histograma de NDVI", # Frecuencia
     ylab = "Frecuencia", col="green", xlab="NDVI")

# ANALISIS DE UMBTAL NDVI 
veg <- reclassify(NDVI, cbind(-Inf,0.4, NA))
plot(veg, main="Vegetación NDVI < 0.4",
     ylab = "Frecuencia", xlab="NDVI")

hist(veg,main = "Histograma de NDVI < 0.4 ", # Frecuencia
     ylab = "Frecuencia", col="bisque2", xlab="NDVI" )

# Comparación NDVI vs Umbral < 0.4
par(mfrow=c(1,2))
plot(NDVI, col = rev(terrain.colors(10)), main = "Landsat 8 - NDVI", ylab = "Frecuencia", xlab="NDVI")
plot(veg, main="Vegetación NDVI < 0.4",
     ylab = "Frecuencia", xlab="NDVI")

En la Figura, se puede visualizar, en el histograma de NDVI arroja valores negativos y cercano a cero, indica que existe plantas muertas, como si también mayor cantidad de plantas medianamente sanas, lo que se verifica con el umbral de vegetación, desde el punto 0.4 va en declive la situación de la vegetación en ese monto dado. Teniendo el rango de tiempo de la toma del satélite es del 20230211_20230217, podrían estar influenciadas por la quema de pastizales y las altas temperaturas de verano que se idéntico en la imagen.

# Comparación histograma NDVI vs Umbral < 0.4
par(mfrow=c(1,2))
hist(NDVI, main = "Histograma de NDVI", # Frecuencia
     ylab = "Frecuencia", col="green", xlab="NDVI")
hist(veg,main = "Histograma de NDVI < 0.4 ", # Frecuencia
     ylab = "Frecuencia", col="bisque2", xlab="NDVI" )

El índice EVI contiene los coeficientes C1 y C2 para corregir la dispersión de los aerosoles presentes en la atmósfera y L para ajustar el fondo del suelo y del dosel de la vegetación. En nuestro caso, los valores para aplicar EVI fueron C1=6, C2=7.5 y L=1.

Como se indico más arriba, el índice de vegetación mejorado (EVI – Enhanced Vegetation Index) es similar al NDVI pero optimizado, ya que incluye correcciones para reducir la influencia de la atmósfera y del suelo.

par(mfrow=c(1,1))
EVI=2.5*((b5-b4)/(b5+6*b4-7.5*b2+1))
plot(EVI,  main = "Landsat 8 - EVI",  
     ylab = "Frecuencia", xlab="EVI")

hist(EVI, main="Histograma de EVI", ylab = "Frecuencia", 
     col="darkolivegreen1", xlab="SAVI")

# Comparación NDVI vs EVI
par(mfrow=c(1,2))
plot(NDVI, col = rev(terrain.colors(10)), main = "Landsat 8 - NDVI", ylab = "Frecuencia", xlab="NDVI")
plot(EVI,  main = "Landsat 8 - EVI",  
     ylab = "Frecuencia", xlab="EVI")

Unos de los mejores momentos para aplicar el EVI es cuando las etapas agrícolas se encuentran en sus fases inicial o final. En nuestro caso, podríamos asumir por la temporada, los cultivos se podrían encontrar en algunas de esta fases, dado que el EVI arrojo resultado, en el desarrollo de la biomasa, cultivo emergente y malezas (verde).

# Histograma EVI
hist(EVI, main="Histograma de EVI", ylab = "Frecuencia", 
     col="darkolivegreen1", xlab="SAVI")

Según el histograma del EVI, indica que la vegetación no alcanza el rango de vegetación saludable (0.2 al 0.8).

Seguido, calculamos el método del índice de vegetación ajustado al suelo (SAVI) es un índice de vegetación que intenta minimizar las influencias del brillo del suelo utilizando un factor de corrección del brillo del suelo.

#Calculo de SAVI
SAVI= ((b5-b4)/(b5+b4+0.5))*(1+0.5)
par(mfrow=c(1,2))
plot(SAVI, col = rev(terrain.colors(10)), main = "Landsat 8 - SAVI")
hist(SAVI, main="Histograma de SAVI", ylab = "Frecuencia", 
     col="green", xlab="SAVI")

Esto genera valores entre -1,0 y 1,0, para nuestro estudio el índice arrojo valores de -0.2 a 0 (presencia de agua), de 0.2 a 0.6 (alta) con mayor frecuencia y de 0.6 a 0.8 (zona hídrica).

Por medio del cálculo del índice NDWI (Índice Diferencial de Agua Normalizado) podemos identificar masas de agua y zonas de elevada saturación de humedad, o para determinar el estrés hídrico en vegetación.

# Calculo de NDWI
NDWI=(b3-b5)/(b3+b5)
plot(NDWI,  main = "Landsat 8 - NDWI",
     ylab = "Frecuencia", xlab="NDVI")

hist(NDWI, main="Histograma de NDWI", ylab = "Frecuencia", 
     col="chartreuse3", xlab="NDWI")

Los valores del índice poseen un rango de -1 a +1, de acuerdo con los datos arrojados, y el histograma los valores menores a 0 están asociados a superficies brillantes sin presencia de vegetación o agua y los mayores a 0 asociados a presencia de agua y vegetación. Cuanto más se acerca a 1, mayor es el contenido de agua, no se aprecia en los resultados.

V. CONCLUSIONES

El NDVI, es unos de los índices de mayor uso en el entorno de la teledetección, presenta el único inconveniente datos enmascarados por la reflectividad del suelo, en tal sentido el SAVI ayuda a tener mejores resultados. También, el EVI es bastante útil para detectar presencia de vegetación o no, de manera generalizad, y el NDWI, no deja de ser menos importante dado que nos indica la presencia o no de agua. Su utilidad mayor, radica que el investigador debe conocer bastante bien la zona de estudio. De acuerdo a las condiciones de identificación de cubiertas vegetales, obtener información más precisa de ello hace que las capacidades de cada índice se ponga a prueba, no sólo del tipo de respuesta que arrojan según la época del año, sino también del grado de generalización en la identificación del estado de la vegeracion que haga notoria la necesidad de utilizar un índice u otro.

REFERENCIAS

[1] Alonso, D. (s.f.). mappingGIS. Recuperado el 16 de Febrero de 2023, de https://mappinggis.com/2020/07/los-6-indices-de-vegetacion-para-completar-el-ndvi/

[2] Muñoz Aguayo, P. (2013). Apuntes de teledetección: índices de vegetación.

[3] Barnes, E., Clarke, T., Richards, S., Colaizzi, P., Haberland, J., Kostrzewski, M., Waller, P., Choi, C., Riley, E., Thompson, T., Lascano, R. J., Li, H., Moran, M. S. Coincident detection of crop water stress, nitrogen status and canopy density using ground based multispectral data. Proceedings of the Fifth International Conference on Precision Agriculture, Bloomington, MN, USA. 2000. 1619.

[4] Verdin, J., Pedreros, D., &Eillerts, G. Índice diferencial de vegetación normalizado (NDVI), FEWS-Red de alerta temprana contra la inseguridad alimentaria, Centroamérica.(2003). USGS/EROS Data Center, 1-12.

[5] Huete, AR (1988). Un índice de vegetación ajustado al suelo (SAVI). Detección remota del medio ambiente, 25 (3), 295-309.

[6] [6] McFeeters, SK (1996). El uso del índice de agua de diferencia normalizada (NDWI) en la delineación de características de agua abiertas. Revista internacional de teledetección , 17 (7), 1425-1432.

[7] Goward, SN, Markham, B., Dye, DG, Dulaney, W. y Yang, J. (1991). Mediciones de índice de vegetación de diferencia normalizada del radiómetro avanzado de muy alta resolución. Detección remota del medio ambiente , 35 (2-3), 257-277.

[8] Bhandari, AK, Kumar, A. y Singh, GK (2012). Extracción de características utilizando el índice de vegetación de diferencia normalizada (NDVI): un estudio de caso de la ciudad de Jabalpur. Tecnología Procedia , 6 , 612-621.

[9] Teshaev, N., Mamadaliyev, B., Ibragimov, A. y Khasanov, S. (2020). Índice de vegetación ajustado al suelo para la evaluación de la salinidad del suelo en Uzbekistán. ИнтерКарто. ИнтерГИС , 26 (3), 324-333.

[10] Bannari A., Morin D., Bonn F., Huete A.R. A review of vegetation indices. Remote sensing reviews, 1995. No 13 (1−2). P. 95−120.

[11] https://brioagro.es/ndwi-indice-diferencial-de-agua-normalizado/