title: “clasificación supervisada” author: “Jeanneth Perez” date: “13/4/2020” output: html_document

Indice

Imágenes de satelite para el monitoreo de recursos naturales
Datos y métodos 2.1 Zona de estudio 2.2 Imágen landsat 8
Resultados 3.1 Recorte zona de estudio 3.2 Pérfiles espectrales de coberturas 3.3 Indice de vegetación normalizada (NDVI) 3.4 Relaciones entre bandas
Clasificación
Conclusiones
Referencias

**Clasificación supervisada para identificación de zonas de restauración de Sabal mauritiformis en la región de la baja Guajira**

La gente al verse sin agua matas de monte sembró, volvieron los pajaritos y el agua también volvió. Canción de El Profesor Yarumo

1. Imágenes de satelite para el monitoreo de recursos naturales

Las imágenes de satelite, son una herramienta fundamental para la elaboración de inventarios de uso del suelo y cobertura la cual se entiende como la cubierta biofísica del suelo,estos brindan información básica para la planificación, ordenación y gestión del mismo.(Zerda & Speranza,2001).

Dentro de estos procesos de gestión de recursos encontramos la restauración ecologica la cual significa recomponer y reparar, busca la recuperación de un ecosistema que ha sido degradado por diferentes factores. Para este proceso se utilizan plantas de tal manera que se generen otras plantas y animales, que también ayudan en la recuperación del suelo y, en general, icos para la toma de decisionesjuegan un papel fundamental en la salud de un ecosistema.

En ocasiones queremos recomponer un lugar tal cual como era antes de su deterioro, sin embargo a veces es muy difícil saber exactamente cómo era. En estos casos, la restauración ecológica busca aumentar la biodiversidad típica de la zona o de lugares aledaños para mejorar la oferta de ciertos servicios que la naturaleza nos ofrecía.

Con el objeto de aportar en los procesos de restauración que se han venido implementado en la región caribe a causa de a deforestación y la pérdida de habitat de variadas especies catalogadas como amenazadas el análisis de imágenes satelitales resulta una herramienta solida para la toma de desiciones.

2. Datos y métodos

2.1 Zona de estudio

Se ha podido observar cómo los espacios naturales están inmersos en procesos de cambio y reestructuración global, que han provocado el deterioro de las redes sociales y económicas y la intensificación de la degradación ambiental es el caso de La cuenca baja del río Ranchería la cual alberga valores bióticos y ecosistémicos de gran significación para La Guajira, al mantener relictos de bosques secos y muy secos tropicales, asociados como complejos ribereños del río Ranchería y arbustales de la media Guajira, característicos de esta parte del departamento, los cuales se encuentran deficientemente representados en el Sistema de Áreas Naturales Protegidas de Colombia y han sido priorizados en el Portafolio de sitios prioritarios para la Conservación en el Caribe Colombiano. Esta problemática ambiental se puede sintetizar en cinco aspectos básicos: pérdida de cobertura vegetal, degradación del suelo, disminución de caudales, contaminación de corrientes hídricas y pérdida de flora y fauna silvestre.(Eraso,2015)(Guajira hoy,2017). En este sentido adelantar procesos de restauración es de vital importancia para esta región.

Figura 1 Zona de estudio. Propia)

Figura 2 Zona de estudio

Sabal mauritiiformis(H.Karst.) es una especie que se encuentra en poblaciones disyuntas desde el Sur de México, el sudeste de Costa Rica, este de Panamá hasta Venezuela, Colombia y Trinidad. Su distribución actual es reciente creciendo desde el nivel del mar hasta unos 1000 m.s.n.m., siendo frecuente hasta los 500 m.s.n.m. Erazo(2015)

Está se asocia principalmente a zonas húmedas y disturbadas y a arreglos agroforestales, así como zonas de potreros, se estiman más de 1500 especies y 200 géneros en el mundo, para los bosques secos tropicales , se han reportado 37 especies de palma.

Figura 3 Palma amarga. Sabal mauritiformis. Departamento de la Guajira. Erazo(2015)

De la palma Sabal mauritiformes o más conocida como palma amarga se encuentra en la categoria amenazado(NT) (Rengifo et al, 2002), en este sentido la autoridad ambiental de la Guajira formulo el proyecto “Restauración de ecosistemas con la especie promisoris palma amarga (Sabal mauritiformis) en los municipios de Dibulla y Urumita del departamento de la Guajira” .(Guajira hoy,2019)

El presente trabajo busca estimar posibles zonas que sean objeto para la expansión de estas iniciativas la región teniendo en cuenta la incidencia de factores como la actividad agrícola y pecuaria así como la alta degradación de suelos, fenómeno que pueden reducirse mediante este proceso.

2.1 Imágen landsat 8

La imagen landsat 8 fue descargada en www.earthexplorer.com, del 30 de enero de 2019. del path 8 row 52, zona 18 N. Esta imagen tiene nivel de procesamiento 1, que indica que se trabaja con los valores digitales crudos.

Figura 4.La imagen nos muestra los niveles digitales vs la longitud de onda en micrometros. Para la banda azul, verde, roja e infrarroja del conjunto de bandas de la imagen landsat 8.

_** Figura 5**_ La imagen muestra las composiciones RGB=432 (derecha), RGB=543 (izquierda), para la imagen landsat 8. La composicion natural permite identificar zonas urbanas de manera mas clara, mientras la composición de la derecha nos permitío observar distintas tonalidades para el

3. Resultados

Los siguientes son los resultados de los procedimeintos aplicados a la imagen para la realización de la clasificación.

3.1 Recorte zona de estudio

Mediante shapefile recortamos la imagen y la guardamos para identificar nuestra zona de estudio.

_Figura 6_La imagen representa la zona de estudio.

3.2 Pérfiles espectrales de cobertura

El análisis de perfil espectral busca conocer el comportamiento de las bandas de la imagen landsat 8 en relación con las coberturas de la imagen.Para ello se definen

## NULL

Figura 7 Perfiles espectrales de cobertura

3.3 Indice de vegetación normalizada (NDVI)

Este índice es el más conocido de todos, y es el más utilizado para todo tipo de aplicaciones. La razón fundamental su sencillez de cálculo y disponer de un rango de variación fijo (entre –1 y +1), lo que permite establecer umbrales y comparar imágenes valores muy bajos de NDVI, del orden de 0.1, corresponden a áreas rocosas, arenosas o nevadas mientras que valores de 0.2 a 0.3 pueden corresponder a áreas pobres con arbustos o pasturas naturales.

## class      : RasterLayer 
## dimensions : 1857, 1958, 3636006  (nrow, ncol, ncell)
## resolution : 30, 30  (x, y)
## extent     : 697545, 756285, 1219395, 1275105  (xmin, xmax, ymin, ymax)
## crs        : +proj=utm +zone=18 +datum=WGS84 +units=m +no_defs +ellps=WGS84 +towgs84=0,0,0 
## source     : memory
## names      : layer 
## values     : 0, 0  (min, max)

_Figura 8_Indice de vegetacion

_Figura 9_Distribucion de los valores de NDVI

_Figura 8_Indice de vegetacion en umbrales

3.4 Estadísticas y relaciones entre bandas

La matrices de correlación permiten explorar la relacion entre las capas estudiadas, con esta información se puede determinar a redundancia de la información y el porcentaje de variabilidad de cada una de las bandas.

Observamos la correlación entre las siete primeras bandas,se observa una alta correlación entre las bandas del visible.

## Standard deviations (1, .., p=7):
## [1] 2.52352649 0.70195642 0.34174656 0.12905817 0.05602352 0.04754888 0.01499888
## 
## Rotation (n x k) = (7 x 7):
##                                                    PC1        PC2         PC3
## LC08_L1TP_008052_20181230_20190130_01_T1_B1 -0.3745365  0.4458840 -0.20038808
## LC08_L1TP_008052_20181230_20190130_01_T1_B2 -0.3780638  0.4203956 -0.12753993
## LC08_L1TP_008052_20181230_20190130_01_T1_B3 -0.3893853  0.2499232 -0.01736952
## LC08_L1TP_008052_20181230_20190130_01_T1_B4 -0.3919246  0.0926966  0.28525273
## LC08_L1TP_008052_20181230_20190130_01_T1_B5 -0.3563861 -0.5052913 -0.74563681
## LC08_L1TP_008052_20181230_20190130_01_T1_B6 -0.3713249 -0.4748818  0.26277205
## LC08_L1TP_008052_20181230_20190130_01_T1_B7 -0.3829767 -0.2693858  0.48670727
##                                                    PC4         PC5         PC6
## LC08_L1TP_008052_20181230_20190130_01_T1_B1  0.4681021 -0.12352550 -0.34954264
## LC08_L1TP_008052_20181230_20190130_01_T1_B2  0.1928539  0.08044785  0.09442394
## LC08_L1TP_008052_20181230_20190130_01_T1_B3 -0.3720388  0.35909185  0.63085307
## LC08_L1TP_008052_20181230_20190130_01_T1_B4 -0.6638673 -0.18350879 -0.52835973
## LC08_L1TP_008052_20181230_20190130_01_T1_B5 -0.1331874 -0.20692651  0.01541182
## LC08_L1TP_008052_20181230_20190130_01_T1_B6  0.2755291  0.65878123 -0.23980458
## LC08_L1TP_008052_20181230_20190130_01_T1_B7  0.2662704 -0.58209610  0.36608838
##                                                     PC7
## LC08_L1TP_008052_20181230_20190130_01_T1_B1 -0.51400033
## LC08_L1TP_008052_20181230_20190130_01_T1_B2  0.78197731
## LC08_L1TP_008052_20181230_20190130_01_T1_B3 -0.34681452
## LC08_L1TP_008052_20181230_20190130_01_T1_B4  0.05360957
## LC08_L1TP_008052_20181230_20190130_01_T1_B5  0.03000644
## LC08_L1TP_008052_20181230_20190130_01_T1_B6  0.01186291
## LC08_L1TP_008052_20181230_20190130_01_T1_B7 -0.01094256

_Figura 10_Componentes principales

4.Clasificación supervisada

Se puede definir esta clasificación como un proceso en que los pixeles son ubicados dentro de las áreas de entrenamiento y a partir de alli se utilizan para clasificar pixeles de identidad desconocida. La clasificación supervisada involucra las siguientes etapas: · Etapa de entrenamiento. · Selección del algoritmo de clasificación adecuado y clasificación. · Operaciones de post clasificación.

En la etapa de entrenamiento el analista selecciona áreas de identidad conocida de la cubierta terrestre de interés (cultivos, forestaciones, suelos, etc.) delineándolas sobre la imagen digital bajo formas de rectángulos o polígonos cuyos datos numéricos quedan archivados en la computadora como regiones de interés constituyendo los “datos de entrenamiento”. Para realizar la selección el analista debe tener un conocimiento previo del área de estudio, sea por reconocimientos de campo o sea por consulta de mapas, fotografías aéreas, etc.

Una vez que se dispone de un conjunto de estos datos de entrenamiento debe tratase de adjudicar cada uno de los pixeles de la escena a alguna clase.

En el presente trabajo se uso el arbol de desición:

Figura 12 Arbol de clasificación)

Figura 13 Clasificacion supervisada)

Las zonas en morado muestran la vegetacion identificada en otrasclasificaciones como zona de bosque seco mientras las amarillas representan el suelo expuesto y degradado, el cual ha ido en aumento asi identificamos perdidas de cobertura, por lo cual estas zonas son aptas para estrategias de restauración ecológica.

5. Conclusiones

1 La clasificación supervisada como herramiennta de gestion del territorio permite identificar zonas de restauración y de manera general apoya la toma de desiciones y gestion de proyectos en el territorio ya que mediante ella se logran evidenciar distintas categorias de cobertura y distribucion del territorio.

2 La mayor ventaja de una clasificación supervisada es permitir estimmar para grandes áreas la distribucion de coberturas mediante un numero considerable de muestras representativas del lugar.

3 La mayor limitante de la clasificacion supervisada es la toma de muestras ya que se hace necesario tener muestras para entrenar los modelos clasificatorios y no siempre se hace posible llegar a algunas zonas ya se por acceso de transporte o por conflictos territoriales.

6. Referencias

Arteta B, Reynaldo, & Lazaro Molina, Lenix. (2016). DIAGNÓSTICO SOCIOAMBIENTAL DEL BOSQUE SECO SUBTROPICAL DE LA CUENCA DEL RÍO RANCHERÍA, LA GUAJIRA, COLOMBIA Boletín Científico. Centro de Museos. Museo de Historia Natural, 20(2), 57-81. link
Eraso, Nelly (2015) PLAN DE CONSERVACIÓN Y MANEJO DE LA PALMA KALICA (Sabal mauritiiformis) EN LA JURISDICCIÓN CAR Dirección de Recursos Naturales link
Guajira hoy .(2019, junio) LA GUAJIRA SE APUNTA A CONSERVAR LA PALMA AMARGAlink
M. Arango,J. W. Branch,V.Botero,(2005) Clasificación no supervisada de coberturas vegetales sobre imagenes digitales de sensores remotos landsat- ETM. Revista Facultad Nacional de Agronomía Medellin.
Rengifo, L.; Franco-Maya, A.; Amaya-Espinel, Kattan, G. & López-Lanus, B., (2002) Libro Rojo de Aves de Colombia. Serie Libro rojos de Especies Amenazadas de Colombia. Instituto de Investigaciones Alexander Von Humboldt y Ministerio de Medio Ambiente. Bogotá, Colombia.