Unidad de Postgrado Ciencias Físicas

Permanent URI for this communityhttps://hdl.handle.net/20.500.12672/34

Browse

Browsing Unidad de Postgrado Ciencias Físicas by browse.metadata.advisor "Leo Willems, Bram"

Filter results by typing the first few letters
Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Estimación del índice de sequía a partir de datos imágenes NDVI y LST del sensor MODIS y TRMM para las regiones de Lambayeque, Piura y Cajamarca – Perú, durante el periodo 2000 – 2013
    (Universidad Nacional Mayor de San Marcos, 2017) Carbajal Dominguez, Gisell Indira; Leo Willems, Bram; Lavado Casimiro, Waldo Sven
    Analiza los índices de sequía generados mediante las imágenes satelitales para el seguimiento de la distribución espacial y evolución temporal del índice de sequía sintetizado (ISS), definido como la primera componente principal del índice de condición de la vegetación (ICV), índice de condición de la temperatura (ICT) e índice de condición de la precipitación (ICP). Es decir, el ISS integra tres productos; los dos primeros productos obtenidos del sensor MODIS (Moderate Resolution Imaging Spectroradimeter) a bordo del satélite Terra; como son el NDVI (Normalized Difference Vegetation Index) y el LST (Land Surface Temperature) y el tercer producto la precipitación estimada por el sensor activo radar de precipitación (PR) a bordo del satélite TRMM 3B43 versión 7 (Tropical Rainfall Measuring Mission). El ISS sintetiza la información acerca del déficit de precipitación, estrés térmico del suelo y el estado de crecimiento de la vegetación en el proceso de sequía. Muestra los resultados de la distribución espacial y evolución temporal del ISS, ICV, ICT e ICP, para la zona árida, semiárida y subhúmeda seca, donde los valores menores a 0.4 corresponden a la sequía extrema, severa y moderada, y también muestra que los años 2004 y 2005 fueron años de sequía. Los índices ISS, ICV, ICT e ICP se evaluaron con el índice de precipitación estandarizada a una escala de 3 meses (IPE3) lo cual refleja adecuadamente la información de la sequía meteorológica para cada zona de aridez. En la zona árida corresponden el ISS y el ICV, en la zona semiárida corresponden el ISS y el ICT y en la zona subhúmeda seca corresponden el ISS y el ICT, donde el ISS tiene una moderada correlación de 0.66 en la zona semiárida y de 0.54 en la zona subhúmeda seca, para las regiones de Piura, Lambayeque y Cajamarca en el periodo marzo 2000 a diciembre 2013.
  • Thumbnail Image
    Item
    Implementación de una metodología para la identificación de bofedales usando datos imágenes satelitales Landsat - caso estudio: bofedal Chunal, cuenca alta del río Chillón
    (Universidad Nacional Mayor de San Marcos, 2018) Garcia Dulanto, Jorge Luis; Leo Willems, Bram
    Busca detectar los bofedales a más de 3800 msnm, de la cuenca del río Chillón (CRCH) para tal fin inicialmente se crearon dos métodos previas que sirvieron de antecedentes para generar el método Índice de Bofedal (IDB). Inicialmente se desarrollaron trabajos de campo con el objetivo de conocer y seleccionar algunos bofedales y elegir un bofedal piloto (BP), posteriormente estos bofedales fueron tomados como referencia para la validación de los mapas de bofedales generados. Para lograr los objetivos de la investigación se usó la herramienta de la teledetección. Se procesaron datos imágenes de los sensores TM, ETM+ y OLI que están bordo de los satélites Landsat, de los año 1986-2015, 30 años, una imagen por año, 30 imágenes. Inicialmente se trabajó la imagen correspondiente al año 2014, todos los mapas presentados en este trabajo son principalmente del año 2014. El primer método previo aplicado para identificación de bofedales (denominada Método 1 método “endmember”s) está basado en la firma espectral de los bofedales, que es una de las características de todos los objetos y única para cada objeto, esta se produce una vez que la energía del Sol incide sobre el objeto, en base a esta característica es que se procedió a seleccionar una firma espectralmente pura (enmember) para el bofedal, “endmember” roca y “endmember” suelo, con estos “endmember”s se realizó la clasificación usando la técnica Linear Spectral Unmixing (LSU), luego se determinó las áreas de los bofedales, validadas por los trabajos de campo, de esta manera se obtuvo los perímetros-GIS de bofedales (vector de bofedales). El segundo método previo aplicado para la identificación de bofedales (denominada método 2 método Índices) fue realizada basándose en propiedades biofísicas de las bofedales, índices de vegetación NDVI (IDV), índice de agua NDWI (IDA), índice de infrarrojos NDII (IDI) e índice de sequía NDDI (IDS). Esto permitió visualizar el posible recorrido del agua según el relieve y las pendientes propias de la geografía de la cuenca. Posteriormente, tres índices fueron visualizados, de esta forma se zonificó los bofedales reconocidos en los trabajos de campo, luego para zonificar todos los bofedales, sobre esta visualización en Red, Green, Blue, para IDI, IDV, IDA. Luego se realizó una clasificación supervisada (CLS) mediante el clasificador Paralelepípedos, presente en el software de procesamiento de imágenes ENVI. En los trabajo de campo se observó que una de las características de los bofedales es que se encuentran en terrenos de poca pendiente 0 oC a 15 oC, luego se obtuvo también el perímetros-GIS de bofedales según este método. Para el método final (método 3 Índice de bofedal (IDB)) se utilizó el perímetros-GIS de bofedales, con él se generó los índices biofísicos de bofedales IDV, IDA, IDI. Finalmente haciendo correlaciones entre el porcentaje de fracción de “endmember” bofedal y los índices IDV, IDA, IDI de bofedales, y en base a estas correlaciones se propuso un Índice de bofedal (IDB) para generar mapas de bofedales; esta metodología sólo utiliza tres bandas. Luego se aplicó el IDB para cada año de 1986-2015, se obtuvo así un perimetros-GIS de bofedales para cada año y se generaron los mapas de distribución de las áreas de los bofedales, y conociendo las áreas y con datos de trabajo de campo se pudo estimar un cálculo del volumen potencial de almacenamiento de agua (VPAA). También se generó el IDV, IDA y IDI solo de bofedales, luego se obtuvo el promedio de los valores para el IDV, IDA y IDI de los bofedales para cada año todos estos resultados se compararon con la precipitación y fenómenos extremos como El Niño, La Niña, Índice C, Índice E, etc. De los resultados obtenidos se puede indicar el índice que es más sensible para la zonificación de bofedales es el IDI, con el rango de valor mínimo 0.002, y como máximo valor 0.478.
  • Thumbnail Image
    Item
    Validación de técnicas mecano estadísticos para la clasificación del ecosistema manglares de Tumbes mediante imágenes de satélite
    (Universidad Nacional Mayor de San Marcos, 2021) Príncipe Aguirre, Romel Erick; Leo Willems, Bram
    La presente investigación se realizó en el Santuario Nacional Los Manglares de Tumbes (SNLMT). ubicado en el distrito de Zarumilla departamento de Tumbes, está orientado a implementar una metodología que permita caracterizar las coberturas de manglar. Para lo cual, se analizan y procesan las imágenes de los sensores TM. ETM+ y OLI de la serie de satélites LandSat; evaluando parámetros relacionados a la superficie del suelo tales como SAVI1, NDVI2 y NDWI3 con el propósito de establecer índices óptimos que permitan discriminar las diferentes componentes de cobertura de suelo del SNLMT. Las imágenes construidas con dichos índices son analizadas mediante el algoritmo de las redes elásticas (ENA, por sus siglas en ingles) - metodología derivada a partir de principios mecano - estadísticos - para la clasificación no supervisada de la cobertura de suelo del SNLMT. El índice óptimo (SAVI) antes descrito fue empleado como dato de entrada a ENA (ENA - ID), el cual proporcionó siete clusters 4 como resultados, de los cuales los cuatro primeros representan a cuerpo de agua, suelo desnudo, vegetación halófita y bosque seco, mientras que los tres últimos corresponden a coberturas de bosque manglar. Estos resultados fueron validados empleando un método supervizado5 como es el algoritmo de máxima verosimilitud (AMV). Tal proceso de validación consistió en comparaciones gráficas de firmas espectrales promedio y de los valores de áreas de las clases informacionales obtenidos mediante ENA y AMV. Proporcionando como resultado gráficas similares; donde el RMSE fue menor a 0.052 (adimensional) y el factor de correlación (r) mayor a 0.866. Por lo cual, el método ENA resulta ser una herramienta eficiente para la subdivisión de clases de cobertura manglar. Posterior a la validación de ENA - ID se procedió con la ejecución de ENA con los datos de entrada SAVI y NDWI (ENA-2D), cuyos resultados mostraron que no hay una mejora significativa en comparación a ENA - 1D. Finalmente, con el objetivo de observar la evolución del área de la cobertura manglar se realizó el análisis multitemporal y de cambios de las superficies de manglar que vienen representados por los clusters 4, 5 y 6 obtenidas mediante ENA - 1D, el cual proporcionó como resultando la ausencia de cambio en el área de bosque manglar, las diferencias percibidas fueron principalmente debido a la activación de los bosques secos en temporadas de lluvia, además la gráfica de tendencias del área manglar mostró pendiente positiva suave.