Universidad Autónoma de Ciudad Juárez

MATERIALES Y MÉTODOS
Para este proyecto se utilizaron tres imágenes del sensor Landsat TM, correspondientes
a los meses de Enero, Febrero y Mayo de 2011. La imagen de
Enero fue tomada previamente al evento climatológico extremo, la de Febrero
es inmediatamente posterior al evento con unos días de diferencia, y la imagen
de Mayo, con tres meses de diferencia al evento. Estas imágenes se eligieron
con base en la época del año en la que los encinos muestran una gran capacidad
foliar, además la presencia de nubes es nula en comparación con los meses
siguientes. De esta manera se tiene informacion previa e inmediatamente posterior
al evento extremo, lo cual permitió detectar la recuperación o pérdida
de la actividad vegetal (en un tiempo normal de recuperación de la actividad
vegetal) de las áreas ocupadas por encino.
Uno de los principales problemas a los que nos enfrentamos al utilizar
imágenes de satelite como lo son las Landsat TM es el “ruido atmosferico”, lo
que lleva a perturbaciones en la imagen que nos dificultan su utilizacion o que
arrojarian resultados erroneos o alejados de la realidad (Alatorre y Beguería,
2009). Para eliminar o reducir estos efectos atmosfericos existen varios métodos
y modelos que permiten corregir estas anomalías en las imágenes, como
lo son : “Reflectancia aparente (AR)”, “Sustraccion del objeto oscuro (DOS) y
COST”, se siguen tambien algoritmos como el de “Transformacion de componentes
principales (ACP)” (Brizuela et al.,2007). Las imágenes a utilizadas
se fueron corregidas con los Métodos anteriormente mencionados.
Para determinar cuáles usos y coberturas de suelo están presentes en el
área de estudio, se llevó a cabo una clasificación supervisada la cual sirvió para
determinar con un elevado grado de certidumbre las categorías que están presentes
en el área de estudio, sin olvidar que el objeto de nuestro estudio es la
categoría de encino. Para generar la cartografía se aplicó el método de máxima
verosimilitud o máxima probabilidad, este algoritmo es el más comúnmente
utilizado en percepción remota, por el procedimiento que sigue y por la facilidad
que ofrece al interpretar los resultados, además este método se considera
uno de los más acertados y eficientes. El modelo requiere como entrada las firmas
espectrales para cada una de las categorías presentes en el área de estudio,
las cuales fueron: pastizales, cuerpos de agua, agrícola y encinos. Para generar
las firmas espectrales se utilizaron las áreas de entrenamiento previamente
definidas mediante fotointerpretación, y posteriormente para realizar la clasificación
el modelo calculó la probabilidad de pertenencia a cada categoría,
definida por las firmas espectrales de las áreas de entrenamiento, píxel por
Capítulo V Geoinformática aplicada al estudio de cubiertas vegetales 297