UNIVERSIDAD MAYOR DE SAN ANDRES FACULTAD DE TECNOLOGIA CARRERA DE TOPOGRAFIA Y GEODESIA
PROYECTO DE GRADO NIVEL LICENCIATURA
ANALISIS MULTITEMPORAL DEL RETROCESO DEL NEVADO ILLAMPU POR METODO DE TELEDETECCION PERIODO (1990-2015) Prov. Larecaja – Dpto. La Paz
POSTULANTE: HERNAN RUBEN CHURA APAZA TUTOR: MSc. Ing. JOSE LUIS DELGADO ALVAREZ LA PAZ – BOLIVIA 2018
Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
DEDICATORIA
El presente trabajo de investigación es dedicado:
A mis queridos padres por haberse sacrificado en darme lo más valioso del hombre, su educación.
A mis queridos hermanos(as) por su apoyo incondicional.
A los compañeros de la carrera y amigos.
i Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
AGRADECIMIENTOS
A DIOS por darme vida, salud y todas sus bendiciones.
A mis padres y hermanos por brindarme su apoyo incondicional.
A mis docentes de la carrera de Topografía y Geodesia (UMSA) por la alta enseñanza que me brindaron en mi formación profesional.
A mis amigos y compañeros por la lealtad hermandad y sinceridad.
A todas las personas que gentilmente colaboraron para la elaboración y presentación del trabajo.
ii Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
RESUMEN El área de estudio del presente Proyecto de Grado, relacionado al Análisis Multitemporal del Retroceso del Nevado Illampu por Método de Teledetección Periodo (1990-2015) se encuentra ubicado en el Departamento de La Paz, Provincia Larecaja, Municipio de Sorata, formando parte de la Cordillera Oriental.
El estudio tiene como propósito evaluar la respuesta dinámica de los glaciares del nevado Illampu a la variabilidad climática, empleando como herramienta la Teledetección. Para tal efecto se han utilizado imágenes satelitales para la determinación de la extensión de cobertura nival en diferentes épocas, así como una evaluación de la influencia del retroceso glaciar sobre los recursos hídricos.
Para el estudio se aplicaron conocimientos técnicos y metodologías de tratamiento de datos satelitales tal como el caso del “Índice de Diferencia Normalizado de la Nieve” o NDSI (en sus siglas en inglés), y el “Índice de agua de diferencia normalizada” o NDWI (en sus siglas en inglés). Técnicas que se constituyen en una herramienta útil para la identificación de las superficies de hielo y nieve así como NDWI para la identificación de las superficies lagunares.
Los resultados del Análisis Multitemporal de la pérdida de superficies glaciares empleando imágenes satelitales desde el año 1990 al 2015, muestran que existe un retroceso glaciar generalizado en los últimos 25 años.
El nevado Illampu perdió 11.79 % de su área de hielo y nieve entre 1990 y 2015.
Sin embargo las superficies lagunares como consecuencia del proceso se incrementó a 56.33 ha, correspondiente en 58.16% entre 1990 y 2015.
La tendencia de derretimiento en el periodo analizado, muestra un retroceso glaciar de forma continua, tendiendo a desaparecer el nevado Illampu en los próximos 187 años con la pérdida de superficie total.
Como resultado se elaboró un mapa del retroceso glaciar de cada 5 años de los últimos 25 años, que se adjunta al presente trabajo.
iii Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
INDICE DE FIGURAS Figura 1: Mapa de ubicación del área de estudio ...... 4 Figura 2: Imagen panorámica del majestuoso Illampu vista desde el Lago Titicaca...... 5 Figura 3: Efecto invernadero natural ...... 6 Figura 4: Efecto invernadero inducido ...... 7 Figura 5: Efecto invernadero Vs calentamiento global ...... 8 Figura 6: Consecuencias del cambio climático (sequias y deforestación) ...... 10 Figura 7: Consecuencias del cambio climático (inundaciones y deshielo de glaciares) ...... 10 Figura 8: La lluvia ácida ...... 11 Figura 9: Transformación en hielo glaciar...... 12 Figura 10: Frente del glaciar de casquete en la Isla Decepción, cerca de la Antártida ...... 13 Figura 11: Glaciar del nevado Illampu ...... 13 Figura 12: Glaciar de pie de monte Malaspina al SE de Alaska ...... 14 Figura 13: Variación diaria y anual de la temperatura del aire y su relación con la Latitud .... 16 Figura 14: Distribución de los glaciares en los trópicos ...... 16 Figura 15: Regímenes de los glaciares tropicales ...... 17 Figura 16: Subsistemas del sistema glaciar...... 18 Figura 17: Lagunas represadas por lecho rocoso del nevado Illampu ...... 20 Figura 18: Componentes de un SIG ...... 22 Figura 19: Elementos de un proceso de teledetección ...... 24 Figura 20: Distintos rangos de resolución espacial ...... 27 Figura 21: Organización espectral de datos en una imagen digital ...... 28 Figura 22: Resolución radiométrica ...... 28 Figura 23: Espectro electromagnético ...... 30 Figura 24: Área de visualización del Google Earth ...... 33 Figura 25: Puntos de control en la Imagen de Google Earth ...... 47 Figura 26: Ortorectificación manual en Erdas Image ...... 51 Figura 27: Ensayo comparativo de métodos de ortorectificación ...... 53 Figura 28: Archivo de calibración para corrección atmosférica...... 54 Figura 29: Ventana de ATCOR2 donde se ingresa datos para la corrección atmosférica ...... 55 Figura 30: Corrección atmosférica del nevado Illampu ...... 56
iv Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 31: Flujo de trabajo en el ModelBuilder semi-automatizada para detectar glaciares (NDSI)...... 59 Figura 32: Ventana de ingreso de datos del modelo NDSI semi-automatizado ...... 59 Figura 33: Flujo de trabajo en el ModelBuilder semi-automatizada para detectar superficies lagunares (NDWI)...... 60 Figura 34: Superficie de sombras (análisis supervisada de áreas lagunares) ...... 61 Figura 35: Bandas de la imagen Landsat 5TM (5, 4,2) ...... 62 Figura 36: Combinación de bandas 5,4,2 de la imagen Landsat 5TM (Illampu 1990) ...... 63 Figura 37: Variación de la superficie glaciar en el nevado Illampu ...... 66 Figura 38: Crecimiento de superficies lagunares por años ...... 68 Figura 39: Lagunas que están en contacto directo con el glaciar ...... 69 Figura 40: Zonas de sombra de difícil detección ...... 72
v Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
INDICE DE TABLAS Tabla 1: Características del Landsat 5 TM ...... 35 Tabla 2: Principales aplicaciones de las bandas del Landsat 5 TM ...... 36 Tabla 3: Distribución de las bandas en Landsat 8 OLI y TIRS...... 38 Tabla 4: Especificaciones de productos LDCM Nivel 1 ...... 39 Tabla 5: Convención de nomenclatura de archivos de Nivel 1 ...... 41 Tabla 6: Combinación de bandas para Landsat 8 ...... 42 Tabla 7: Así es como las nuevas bandas de Landsat 8 alinean con Landsat 5 TM ...... 42 Tabla 8: Fecha de imágenes para el análisis multitemporal ...... 45 Tabla 9: Distribución de los puntos de control en el terreno ...... 46 Tabla 10: Características de imágenes Landsat 5 TM y Landsat 8 OLI (USGS) ...... 49 Tabla 11: Imágenes Landsat seleccionadas para su análisis ...... 50 Tabla 12: Datos para la corrección atmosférica de 1990 obtenidas del metadato ...... 54 Tabla 13: Umbrales definidos para detectar superficies glaciares y lagunares...... 57 Tabla 14: Resultados del ensayo de calidad de métodos de corrección geométrica ...... 64 Tabla 15: Cambios de la superficie glaciar en el nevado Illampu (1990-2015) ...... 65 Tabla 16: Superficies y cantidad de lagunas en el nevado Illampu ...... 67 Tabla 17: Resumen de superficies por año y el porcentaje de incremento ...... 67 Tabla 18: Distribución altitudinal de las lagunas...... 68 Tabla 19: Datos para cálculo de proyecciones futuras...... 70 Tabla 20: Perdida de las áreas glaciares futuras...... 71
vi Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
INDICE DE ANEXOS Anexo 1: Puntos extraídas de la ortorectificacion manual ...... a Anexo 2: Puntos extraídos de la ortorectificacion autosync ...... b Anexo 3: Puntos extraídos de la ortorectificacion autosync y manual ...... c Anexo 4: Metadato de la imagen satelital L5 11-09-1990 ...... d Anexo 5: Datos para la corrección atmosférica ...... h Anexo 6: Datos para realizar mapa de sombras ...... n Anexo 7: Mapa comparativo de métodos de ortorectificacion...... o Anexo 8: Mapa de sombras (hillshade) ...... p Anexo 9: Mapa de pendientes (slope) ...... q Anexo 10: Análisis multitemporal del retroceso glaciar del nevado Illampu por método de teledetección (1990-2015) ...... r Anexo 11: Detección de lagunas glaciares del nevado Illampu por método de teledetección (1990-2015) ...... s
vii Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
LISTA DE ABREVIACIONES ASTER Advanced Spaceborne Thermal Emision and Reflection Radiometer ATCOR Atmospheric Correction DEM Digital Elevation Model DN Digital Number EE.UU United States (ESTADOS UNIDOS) EGM96 Earth Gravitational Model 1996 ELA Equilibrium Line Altitude ERTS-1 Earth Resources Tecnology Satellite ETM Enhanced Thematic Mapper GDEM Global Digital Elevation Model GE Google Earth GEI Gases de Efecto Invernadero GIS Geographic Information System GPS Global Positioning System INEGI Dirección General de Geografía y Medio Ambiente IPCC Intergovernmental Panel on Climate Change IRM Infrarrojo Medio IRP Infrarrojo Próximo IRT Infrarrojo Lejano O Térmico ITCZ Intertropical Convergence Zone (Zona de Convergencia Intertropical) L1T Level 1 Standard Terrain Correction LDCM Landsat Data Continuity Mission METI Ministry of Economy, Trade and Industry (Ministerio de Economía, Comercio e Industria de Japón) MS Multispectral MMS Multispectral Scanner System MSS Multi-Spectral Scanner MTL Metadata Landsat NASA National Aeronautics and Space Administration N Nitrogeno
viii Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
ND Nivel Digital NDSI Normalized Difference Snow Index NDWI Normalized Difference Water Index OLI Operational Land Imager PRAA (Proyecto Regional Andino de Adaptación al Cambio Climático / Adaptación al impacto del retroceso acelerado de glaciares en los andes tropicales) REM Radiación Electromagnética RMS Root Mean Square S Azufre SERNANP Servicio Nacional de Áreas Natulares Protegidas SRTM Shuttle Radar Topography Mission TIRS Thermal Infrared Sensor TM Thematic Mapper UNEP United Nations Environment Programme UGRH Unidad de Glaciología y Recursos Hídricos USGS U.S. Geological Survey (Servicio Geológico de los Estados Unidos.) UTM Universal Transversal de Mercator WGS84 World Geodetic System 1984
ix Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
INDICE GENERAL
RESUMEN ...... III
INDICE DE FIGURAS ...... IV
INDICE DE TABLAS ...... VI
INDICE DE ANEXOS ...... VII
LISTA DE ABREVIACIONES ...... VIII
1. INTRODUCCION ...... 1
1.1 Justificación de la investigación ...... 2
1.2 Antecedentes ...... 2
1.3 Área de investigación ...... 3 1.3.1 Ubicación política administrativa ...... 3 1.3.2 Ubicación geográfica ...... 3 1.3.3 Descripción del área de estudio ...... 4
1.4 Objetivos ...... 5 1.4.1 Objetivo General ...... 5 1.4.2 Objetivos Específicos ...... 5
2. MARCO TEORICO...... 5
2.1 Cambio Climático ...... 5 2.1.1 Calentamiento global ...... 6 2.1.2 Efecto Invernadero ...... 6 2.1.3 Mecanismo del efecto Invernadero ...... 8 2.1.4 Causas del efecto invernadero ...... 9 x Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.1.5 Consecuencias y evidencias del cambio climático ...... 9 2.1.6 La lluvia ácida ...... 10
2.2 Glaciar ...... 11 2.2.1 Tipos de glaciares ...... 12 2.2.1.1 Glaciares de casquete ...... 12 2.2.1.2 Glaciares de valle o alpinos ...... 13 2.2.1.3 Glaciares de pie de monte ...... 14 2.2.2 Glaciares Tropicales ...... 14 2.2.3 Balance de masa glaciar...... 18 2.2.4 Lagunas Glaciares ...... 19 2.2.5 Impactos del cambio climático en glaciares tropicales ...... 21
2.3 Sistema de Información Geográfica (SIG) ...... 22 2.3.1 Funcionamiento de un SIG ...... 23 2.3.2 Las funciones de un SIG ...... 23 2.3.3 Las aplicaciones de un SIG ...... 23
2.4 Teledetección ...... 24 2.4.1 Concepto de teledetección ...... 24 2.4.2 Elementos de un proceso de teledetección ...... 24 2.4.3 Plataforma o Satélite ...... 25 2.4.4 Tipos de orbitas de los satélites ...... 25 2.4.4.1 Geoestacionarios ...... 25 2.4.4.2 Heliosíncronos ...... 26 2.4.5 Los Sensores ...... 26 2.4.6 Resolución de una imagen satelital ...... 26 2.4.6.1 Resolución Espacial ...... 27 2.4.6.2 Resolución Espectral ...... 27 2.4.6.3 Resolución Radiométrica ...... 28 2.4.6.4 Resolución Temporal ...... 29
2.5 El Espectro Electromagnético ...... 29
xi Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.5.1 Radiación infrarroja...... 30
2.6 Teledetección Espacial ...... 31
2.7 Imágenes Satelitales ...... 32
2.8 Google Earth ...... 32 2.8.1 Origen ...... 32 2.8.2 Actividades que se pueden desarrollar ...... 34
2.9 Landsat ...... 34 2.9.1 Características del Landsat 5 TM...... 35 2.9.2 Landsat 8 ...... 37 2.9.2.1 Productos ...... 38 2.9.2.2 Orbita ...... 38 2.9.2.3 Bandas ...... 38 2.9.2.4 Descripción de productos LDCM ...... 40 2.9.2.5 Conversión de nomenclatura ...... 41 2.9.2.6 Combinación de bandas para Landsat 8 ...... 42
2.10 Áster GDEM ...... 43
2.11 Normalized Difference Snow Index (NDSI) ...... 43
2.12 Normalized Difference Water Index (NDWI) ...... 44
3. MATERIALES Y METODOS ...... 45
3.1 Materiales ...... 45 3.1.1 Obtención de datos digitales imágenes raster (Landsat 5 TM y Landsat 8 OLI) ...... 45 3.1.2 Obtención de puntos de control de (Google Earth) ...... 45 3.1.3 Obtención del DEM...... 45 3.1.4 Obtención de datos vectoriales ...... 47 3.1.5 Software ...... 47 3.1.6 Equipos ...... 47 xii Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
3.2 Metodología ...... 48 3.2.1 Recolección de imágenes satelitales e información cartográfica ...... 49 3.2.2 Pre-procesamiento de imágenes satelitales ...... 50 3.2.2.1 Unión de bandas ...... 50 3.2.2.2 Ortorectificacion ...... 50 3.2.2.3 Corrección Atmosférica...... 53 3.2.4 Aplicación de índices de detección de nieve (NDSI), de detección de lagunas (NDWI) y elaboración de modelo semi-automatizado de detección de glaciares y lagunas ...... 56
4. RESULTADOS Y DISCUSION ...... 64
4.1 Resultados ...... 64 4.1.1 Resultados del ensayo de calidad de ortorectificación y del proceso de aplicación de modelos semi-automatizados ...... 64 4.1.2 Resultados de superficies glaciares y superficies de lagunas ...... 65 4.1.3 Proyección de escenarios futuros ...... 69
4.2 Discusiones ...... 71
5. CONCLUSIONES Y RECOMENDACIONES ...... 74
5.1 Conclusiones ...... 74
5.2 Recomendaciones ...... 75
6. BIBLIOGRAFÍA ...... 77
6.1 Páginas electrónicas de consulta ...... 82
7. ANEXOS ...... A
xiii Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
1. INTRODUCCION Aproximadamente el 99% de los glaciares tropicales del mundo se encuentran distribuidos en los Andes Suramericanos, de los cuales en la cordillera oriental se encuentra el nevado Illampu como la segunda más elevada y extensa de Bolivia.
El Illampu es el nevado más visitado por escolares, universitarios y turistas extranjeros que quedan maravillados por su majestuosa belleza que sin embargo al pasar los años vemos como lentamente va desapareciendo la superficie glaciar. Pero para todos aquellos que visitamos el Illampu, estaremos seguros que aunque pueda desaparecer de la superficie no así de nuestra mente.
Los glaciares que se encuentran en nuestro país, y los que hay en gran parte del globo, son buenos indicadores de la evolución del clima, en el caso de Bolivia representan la reserva más grande de agua dulce, el cual es utilizado primordialmente para el consumo doméstico, así también para la generación de energía hidroeléctrica, agricultura, actividad minera y para los pequeños, medianos y grandes proyectos agroindustriales que se realizan en nuestro país.
El aumento de temperatura influye sobre la dinámica de los glaciares a través de su impacto de los rayos solares sobre el glaciar se pierde por fusión la cantidad de nieve y hielo (Francou and Vincent 2007).
Los glaciares se constituyen en una reserva de agua, pero muy importante ya que se los puede considerar como reguladores naturales de los caudales de escurrimiento. En otras palabras los glaciares se constituyen en presas naturales de agua dulce y además que producen el amortiguamiento de crecida de ríos producto de tormentas intensas.
Los posibles efectos de los cambios climáticos sobre la disponibilidad de agua de escorrentía de los glaciares son factores que deben tomarse en cuenta en la planificación a largo plazo de los recursos hídricos; ya que las disminuciones de las extensiones glaciares tienen una repercusión directa sobre las reservas de agua dulce mundiales. Así mismo la nieve, el hielo y la extensión de los glaciares constituyen variables esenciales del sistema climático mundial.
1 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Dicha variables pueden influir sobre el balance global de energía mediante la regulación del intercambio de calor, de humedad y de cantidad de movimiento que se establece entre el océano, la tierra y la atmósfera (Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC), 2013).
Un deshielo mayor puede causar fuertes cambios sobre el medio ambiente, tales como peligros crecientes relacionados con el hielo (por Ej. inundaciones producidas por glaciares), junto con impactos ecológicos sobre la diversidad biológica como la pérdida de las zonas climáticas hacia el pico de las montañas y el desplazamiento de los cinturones de vegetación remanente pendiente arriba, con una pérdida neta en biodiversidad.
1.1 Justificación de la investigación Actualmente es de gran importancia proceder con estudios de investigación sobre este tema ya que los glaciares se constituyen en una reserva de agua dulce más importante en el mundo, por ende en la región y el área del presente trabajo.
Los impactos del Cambio Climático, pueden afectar severamente los recursos hídricos, la agricultura, los sistemas ecológicos, los patrones de migración, el desarrollo de las actividades económicas, por lo que es importante conocerlos y estudiarlos.
1.2 Antecedentes De acuerdo con el Inventario de Glaciares de la Cordillera Real de Bolivia, desarrollado en el marco del Proyecto de Adaptación al Impacto del Retroceso Acelerado de los Glaciares en los Andes Tropicales (PRAA), los principales nevados que conforman esta cadena montañosa perdieron su cobertura en el orden del 28,39% al 45,75%, por lo que según el cálculo de la coordinación del Programa Nacional del Cambio Climático, estos glaciares pueden desaparecer en 30 años.
El primer estudio serio del inventario de los glaciares en Bolivia fue realizado en los años 1980 a partir de restituciones fotogramétricas de vuelos. Este estudio fue una tesis doctoral en
Alemania y fue publicada en 1991” (http://www.cambio.bo/regiones/20120917).
“Este estudio es un referente para medir los efectos del cambio climático en los nevados, que 2 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia son los reservorios de agua del mundo, pues a partir de allí medimos el retroceso”. De acuerdo con los datos proporcionados por el experto, en el caso del nevado Illampu se midió un área de 103.099 kilómetros cuadrados, tomando en cuenta 147 glaciares, o picos menores, que rodean a este coloso andino.
En el inventario realizado durante 2008-2009 se midieron 106 glaciares con cobertura de hielo, con una superficie de 73.833 km², mostrando que la disminución de la cobertura es de 28,39% (http://www.cambio.bo/regiones/20120917).
1.3 Área de investigación (ver figura 1)
1.3.1 Ubicación política administrativa Departamento La Paz Provincia Larecaja Municipio Sorata
1.3.2 Ubicación geográfica Coordenadas Geográficas WGS84
Lat.:15º50’36.62”S; Lon.:68º32’23.94”W; Coordenadas UTM WGS84
Este: 549256.29 Norte: 8248320.88 Zona: 19Sur Altitud: 6485 m. aproximadamente. Coordenadas correspondientes al centro geométrico del proyecto del nevado Illampu. Hoja Cartográfica:
5846-I en 1:50000, 5846-II en 1:50000, 3139 en 1:100000, Imagen Satelital Landsat PAT/ROW: 001/071
3 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
1.3.3 Descripción del área de estudio El Nevado Illampu también conocido como Nevado de Sorata, por su proximidad a este pueblo, es una montaña de la Cordillera Oriental de los Andes, que forma junto con el Ancoma un solo macizo. Situada en el Oeste de Bolivia, en la Provincia Larecaja del Departamento de La Paz, cuenta con una superficie de 200 km² aproximadamente por lo cual constituye un volumen importante en la cordillera andina boliviana que aporta con agua dulce al mantenimiento de los ecosistemas de la región y al uso de los pobladores del sitio. Tiene una altitud de 6485 m, lo que la convierte en la segunda más alta de Bolivia.
Figura 1: Mapa de ubicación del área de estudio
Fuente: Imagen satelital del nevado Illampu (Google Earth) Igm. Cartografía Esc.1:50000
4 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 2: Imagen panorámica del majestuoso Illampu vista desde el Lago Titicaca
Fuente: Fotografía propia (Hernán Chura A.) 1.4 Objetivos
1.4.1 Objetivo General Determinar el retroceso glaciar mediante una metodología semiautomática entre los periodos comprendidos (1990-2015) que representa el Nevado Illampu, aplicando técnicas de percepción remota.
1.4.2 Objetivos Específicos Obtener imágenes satelitales y poner en forma para su procesamiento. Generar el modelo semiautomático para la detección de superficies glaciares. Determinar las áreas del nevado Illampu cada 5 años (1990 - 2015). Realizar el análisis estadístico y comparativo. Elaborar el mapa del retroceso glaciar (1990 - 2015).
2. MARCO TEORICO
2.1 Cambio Climático Se llama cambio climático a la variación global del clima de la tierra. Tales cambios se producen a muy diversas escalas de tiempo y sobre todo los parámetros climáticos: temperatura, precipitaciones, nubosidad, etc. Son debidos a causas naturales y en los
últimos siglos también a la acción del hombre. (http://www.mapama.gob.es/es/cambio- climatico/temas/que-es-el-cambio-climatico-y-como-nos-afecta/).
5 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.1.1 Calentamiento global Fenómeno que muestra en promedio un aumento de la temperatura de la atmosfera terrestre y de los océanos en las últimas décadas.
El calentamiento global es cuando la superficie de la tierra aumenta de temperatura (calienta). Esto ocurre cuando los gases de efecto invernadero (dióxido de carbono, vapor de agua, el óxido nitroso y metano) atrapan el calor y la luz del sol en la atmósfera de la Tierra, por lo que aumenta la temperatura.
2.1.2 Efecto Invernadero El efecto invernadero es un fenómeno natural que permite la vida en la Tierra. Es causado por una serie de gases que se encuentran en la atmósfera provocando que parte del calor del sol que nuestro planeta refleja quede atrapado manteniendo la temperatura media global en +15 º C en lugar de -18 º C.
El efecto invernadero es un fenómeno originalmente útil y natural, sin él, la Tierra sería una roca congelada.
El efecto invernadero natural constituye un fenómeno imprescindible para la vida en la Tierra: sin la concentración natural de gases con efecto invernadero la temperatura media sería 30º C más baja. Figura 3: Efecto invernadero natural
Fuente: Flores M.J.L, 2009, Efecto invernadero.
6 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
El efecto invernadero inducido consistirá pues en sobrecalentamiento producido por el exceso de gases que absorben la radiación de onda larga debido a nuestras actividades humanas.
Figura 4: Efecto invernadero inducido
Fuente: Flores M.J.L, 2009, Efecto invernadero.
En pocos años, los seres humanos han aumentado el efecto invernadero natural por incremento en la emisión de gases relacionados con la quema de combustibles fósiles: carbono, petróleo y gas natural, además de la liberación de carbono por la deforestación de grandes áreas boscosas.
El contenido de dióxido de carbono en la atmósfera ha aumentado en un 31% en los últimos siglos. (Istalens, Isabel, 2009, Efecto de Invernadero, Portal Planeta Sedna).
7 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 5: Efecto invernadero Vs calentamiento global
Fuente: Istalens, Isabel, 2009, Efecto de Invernadero.
El principal de los GEI emitidos a la atmósfera por el hombre es el dióxido de carbono (CO2) que resulta como consecuencia de la quema de combustibles fósiles (carbón, petróleo y gas).
De seguir emitiendo al mismo ritmo acelerado los gases de efecto invernadero se estima que la temperatura ascenderá entre 1° y 4° centígrados.
2.1.3 Mecanismo del efecto Invernadero El sol emite radiación de distintas formas: visible, infrarroja y ultravioleta.
Estás llegan a la Tierra de distinta forma y de distinta longitud de onda a nuestra atmosfera y es absorbida por ella.
8 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
La radiación ultravioleta es absorbida por ozono pero la infrarroja traspasa la atmosfera con facilidad.
Esta radiación infrarroja es absorbida por la tierra y esta emite a su vez una radiación para sacarlos fuera, pero no toda la radiación emitida es liberada, ya que los gases de invernadero atrapan gran parte de ellos haciendo que se queden en nuestra atmosfera y posteriormente calentándola, haciendo que aumenten nuestras temperaturas.
(http://caro-vallejoc.blogspot.com/2009/11/el-efecto-invernadero-habla-del-cambio.html)
2.1.4 Causas del efecto invernadero Deforestación – menos árboles, más gases de invernadero
Actividades Industriales – liberación de gases tóxicos
Exceso en el consumo de energía – Libera mucho CO2 innecesario
Liberación de gases en maquinaria y vehículos de motor – gases liberados a la atmosfera.
2.1.5 Consecuencias y evidencias del cambio climático Aumento de temperaturas (calentamiento global). La temperatura media de la tierra ha crecido unos 0.6°C en los últimos 130 años Según el panel intergubernamental sobre el cambio climático (IPCC), la temperatura mundial puede llegar a ascender entre 1 y 3.5°C de aquí al año 2100. Deshielo en los polos y en las nieves de las cumbres de las montañas, consiguientemente el incremento del nivel de mar. Desaparición de las plantas, animales y el descontrol en el ciclo vital de algunos animales. Nuevas condiciones meteorológicas: aumento de la cantidad de días calurosos. Traducido en olas de calor. sequías en unas zonas e inundaciones en otras. Cambios en los ciclos de las estaciones incremento de las precipitaciones a nivel planetario (lloviendo menos días y más torrencialmente) (Labraga J.C, 2008).
9 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 6: Consecuencias del cambio climático (sequias y deforestación)
Fuente: Labraga J.C, 2008
Figura 7: Consecuencias del cambio climático (inundaciones y deshielo de glaciares)
Fuente: Inundación en Bolivia 2018(izq.), imagen de Google Earth de Illampu (Der.)
2.1.6 La lluvia ácida La lluvia ácida es la incorporación de sustancias ácidas, principalmente H2SO y HNO3 en el agua de la lluvia por la oxidación de los correspondientes óxidos, ya sea en fase de gas o en fase acuosa, este fenómeno se produce en el interior de la nube donde se altera la composición normal de las gotas de agua, produciendo así la lluvia ácida en caso de la precipitación de las gotas.
10 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
¿A qué se debe la lluvia acida?
Este fenómeno se produce principalmente en las emisiones de azufre (S) y de nitrógeno (N).
Al quemar combustibles fósiles como carbón, petróleo... de las centrales eléctricas, de las calderas industriales y de los vehículos, etc.
Figura 8: La lluvia ácida
Fuente: Istalens, Isabel, 2009, Efecto de Invernadero.
¿Qué efectos produce?
La lluvia ácida afecta a los bosques, al suelo, a las aguas continentales y a los lagos disminuyendo la biodiversidad, también afecta a los materiales, produciendo la acidificación del terreno donde se da el fenómeno. También afecta a los ríos. En cuanto a los bosques generalmente la lluvia ácida afecta con más intensidad a las coníferas como los pinos, los abetos (www.ecopibes.com/problemas/invernadero/que.htm).
2.2 Glaciar Es una masa de hielo compuesta de nieve compactada y cristalizada, (figura.9), que fluye por su propio peso sobre una superficie, este movimiento no es perceptible, pero puede ser comprobado mediante mediciones. Existen dos variables meteorológicas que influyen en el comportamiento de un glaciar que son la fusión y la sublimación.
Fusión: Paso del estado sólido al líquido (de nieve/hielo a agua), por acción de los rayos solares. Sublimación: Evaporización del hielo y recristalización del vapor acuoso resultante. 11 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 9: Transformación en hielo glaciar
Fuente: Raquel zalba, 2015, El modelado glaciar.
Los glaciares empiezan como "copos" de nieve. cuando nieva en una área y ésta no se derrite completamente durante el verano, y se empiezan a formar los glaciares, el peso de la nieve acumulada se comprime y se forma el hielo, (www.ipcc.ch/pdf/glossary/tar-ipcc-terms-sp.pdf).
2.2.1 Tipos de glaciares
2.2.1.1 Glaciares de casquete Son glaciares de grandes magnitudes, con una extensa acumulación de hielo y tienen formas irregulares que cubren el terreno (Figura.10). Estas formaciones tienen lugar en zonas donde la radiación solar es mínima, esta característica hace que los polos (latitudes altas) sean los más idóneos para albergarlas.
Estos glaciares fluyen en todas las direcciones y pueden tener varios puntos de acumulación. Todo se encuentra cubierto por estos grandes mantos de nieve a excepción de las zonas con pendientes elevadas.
12 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 10: Frente del glaciar de casquete en la Isla Decepción, cerca de la Antártida
Fuente: La Enciclopedia del Estudiante, 2006.
2.2.1.2 Glaciares de valle o alpinos Son los más numerosos y frecuentes. Su dimensión es mucho menor que los glaciares de casquete y su formación se da en elevaciones altas (montañas). Estos glaciares son corrientes de hielo que se deslizan valle abajo lentamente (Figura. 11). El glaciar del nevado Illampu pertenece a este tipo.
Figura 11: Glaciar del nevado Illampu
Fuente: Google Earth 13 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.2.1.3 Glaciares de pie de monte Estos glaciares se forman en una planicie ubicada en la base de una montaña y es alimentado por glaciares de valle como se muestra en la Figura. 12.
Figura 12: Glaciar de pie de monte Malaspina al SE de Alaska
Fuente: NASA / JPL en Tarbuck, Lutgens.9 2.2.2 Glaciares Tropicales Los glaciares son masas espesas de hielo glaciar que se originan por medio de acumulación, compactación y recristalización de la nieve. Estas masas de hielo están formadas por cristales de hielo, nieve (0.1 g/cm3), neviza o firn (0.6 g/cm3), agua, aire y detritos de rocas que se acumulan en una masa de nieve durante muchos años, se compactan y se convierten en glaciar
(0.8-0.9 g/cm3) (Tarbuck & Lutgens, 2005, p. 506; Carenas, et al., 2014, p. 310).
Además, son sistemas dinámicos que poseen un tipo de movimiento al que se le denomina flujo y al igual que cualquier otro líquido fluye hacia abajo (Tarbuck & Lutgens, 2005, pp. 510-511). El movimiento del glaciar puede ejercer gran erosión sobre el terreno, al tener una gran capacidad para transportar sedimentos y arrastrar bloques de gran tamaño. Prueba de ello son los paisajes que en la actualidad son rastros de la época del Pleistoceno (~10 ka atrás), el periodo glacial más reciente (Tarbuck & Lutgens, 2005, p. 514).
14 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Los glaciares existen en diferentes regiones del mundo en dónde la tasa de acumulación es mayor que la de derretimiento; por lo general, esta condición ocurre en lugares de altitudes y latitudes elevadas y en partes occidentales de los continentes (Huddart & Stott, 2010, p. 504).
Desde el punto de vista glaciológico, los glaciares tropicales son aquellos que por su ubicación cumplen con las siguientes tres características: la primera, que se ubiquen dentro de los trópicos (23.5° N/S), dónde la insolación es relativamente constante; la segunda, que la variación de la temperatura media diaria sea de igual a mayor a la temperatura media anual (Ver Figura 13); y, por último, que se encuentre dentro de la Zona de Convergencia Intertropical (ITCZ), donde la humedad es mayor que en latitudes medias y altas (ver límites en Figura 14) (Kaser, 1995, p. 272; 1999, pp. 93-94; Kaser & Osmaston, 2002).
En consecuencia, se puede encontrar glaciares tropicales en los Andes de Suramérica, en las montañas más altas de África y Nueva Guinea, y en las montañas Carstensz en Indonesia. Sin embargo, el 99% de ellos se encuentran en los Andes (Ver Figura 14).
Por otro lado, mientras el régimen glaciar en latitudes medias se caracteriza por tener dos estaciones térmicas muy marcadas, una fría (invierno) donde predomina la acumulación y otra calidad (primavera-verano) donde predomina la ablación, en los trópicos se pueden identificar dos zonas pluviales con regímenes claramente diferenciados: la zona tropical interior, dónde las precipitaciones persisten durante todo el año con dos ligeros incrementos relacionados al paso de la ITCZ, y la zona tropical exterior, con dos periodos diferenciados, uno húmedo, cuándo las altas tasas de acumulación predominan frente a las de ablación; y otro seco, cuándo predomina la ablación en niveles bajos y la acumulación es nula (Ver Figura. 15) (Kaser, 1999, p. 93; Kaser & Osmaston, 2002, p. 25).
15 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 13: Variación diaria y anual de la temperatura del aire y su relación con la Latitud
Fuente: (Kaser & Osmaston, 2002, p. 21)
Figura 14: Distribución de los glaciares en los trópicos
Fuente: (Kaser & Osmaston, 2002, p. 20)
16 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
En la zona tropical exterior, la estación húmeda va desde el mes de Noviembre a Abril, periodo en los que prevalecen las condiciones tropicales, mientras que el periodo seco va desde Mayo a Octubre, cuándo las condiciones climáticas se asemejan a las condiciones subtropicales. Esto se debe a que existe una ligera variación de la temperatura, de 1° a 2° C más alta entre los Meses de Octubre a Marzo, durante el verano húmedo, que durante los meses secos entre Mayo y Septiembre; sin embargo, esta variación sigue siendo poco significativa en comparación a lo que ocurre en latitudes medias, es decir, por encima de los 30° (Garreaud, 2009, p. 6; Rabatel, et al., 2013, pp. 82-83).
El nevado Illampu pertenece al régimen de la zona tropical exterior, junto a los demás glaciares bolivianos y los peruanos, mientras que los glaciares que pertenecen al régimen de la zona tropical interior se encuentran en Ecuador, Colombia y Venezuela (Kaser, 1999; Rabatel, et al., 2013, p. 83).
Figura 15: Regímenes de los glaciares tropicales
Fuente: (Kaser & Osmaston, 2002, p. 25)
17 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.2.3 Balance de masa glaciar
Según Huddart & Stott (2010, p. 504), se puede dividir el sistema glaciar en dos subsistemas, el subsistema de acumulación y el de ablación, ambos están separados mediante una línea conceptual llamada línea de equilibrio o ELA que representa el límite altitudinal entre ambos subsistemas y donde la acumulación es igual a la ablación durante el año (Ver Figura 16).
El término balance de masa glaciar se utiliza para denominar al balance existente entre la ganancia y la pérdida neta de un glaciar (UNEP, 2007, p. 104), donde la ganancia se refiere a ingresos por acumulación y por consiguiente un aumento del área del glaciar (balance de masa positivo); y la pérdida, referido a egresos mediante procesos de ablación, lo que significa disminución (balance de masa negativo); por otro lado, cuando la tasa de ablación y acumulación son iguales el glaciar está en equilibrio.
El balance de masa evalúa los cambios que se generan tanto en las ganancias como en las pérdidas, ya que debido a ello el área, volumen y forma del glaciar van a variar en el tiempo. Así, el estudio de balance de masa evalúa estos cambios con el fin de comprender los procesos que están involucrados (Cuffey & Paterson, 2010, p. 91).
Figura 16: Subsistemas del sistema glaciar.
Fuente: (Huddart & Stott, 2010, p. 504) 18 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
En el subsistema de acumulación predominan todos los procesos en los que la nieve, neviza (firn) y hielo se agregan al glaciar, mientras que en el subsistema de ablación aquellos en los que el hielo se remueve; como por ejemplo, fusión, sublimación, desmembramiento (calving), avalancha, entre otros (Huddart & Stott, 2010, p. 504; Cuffey & Paterson, 2010, p. 91).
Por otro lado, la línea de equilibrio responde al clima característico y a la geometría del terreno; por lo tanto, la altitud en la que se encuentra no es una constante para todos los glaciares (Huddart & Stott, 2010, p. 510). Tampoco se debe confundir la ELA con la isoterma de 0°C, ya que no necesariamente van a coincidir; por ejemplo, en zonas tropicales la ELA está ligeramente por debajo de la isoterma de 0° C (Kaser & Osmaston, 2002, p. 30).
Los estudios del balance de masa son importantes porque la disminución o el aumento de la masa glaciar pueden revelar tendencias locales, como la probabilidad de desaparición de un glaciar, hasta algunas tendencias mundiales, como el aumento sobre el nivel del mar. Además, los estudios de balance de masa mensual y anual pueden mostrar los cambios importantes relacionados con el flujo del hielo y su impacto en la disponibilidad de recursos hídricos (Cuffey
& Paterson, 2010, p. 92; UNEP, 2007, p. 104).
2.2.4 Lagunas Glaciares Los procesos de erosión y sedimentación glaciar dan origen a una serie de paisajes y formas geomorfológicas muy particulares. Uno de estos paisajes son las lagunas glaciares.
Cuando los glaciares retroceden, mucha veces dejan a su paso condiciones topográficas para la formación de lagunas, tales como depresiones o cuencas en el terreno, así como represamientos naturales, tanto por el mismo hielo como por derrubio glaciar (diques morrénicos). Estas depresiones y represamientos, pueden ser recargadas directamente
Mediante precipitación y la escorrentía sucesiva por derretimiento o desprendimiento de hielo glaciar, dando origen a lagunas glaciares.
Por otro lado, Concha (1957, pp. 89-93) clasifica las lagunas glaciares en base al material el cual está formado el dique que las contiene, obteniendo así tres tipos de lagunas:
19 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Lagunas represadas por lecho rocoso: Estas lagunas se forman en depresiones excavadas por erosión glaciar cuando el glaciar se retira. Son consideradas como las de mayor estabilidad dado que su dique está formado por roca sólida, por lo que no representan un escenario de desembalse repentino. Dentro de este tipo de lagunas, se distinguen entre las que están en contacto directo con un glaciar y las que no, siendo las primeras potencialmente peligrosas por la probabilidad de que ocurra un desprendimiento glaciar y genere ondas de desplazamiento. Figura 17: Lagunas represadas por lecho rocoso del nevado Illampu
Fuente: Google Earth (Laguna 7)
Lagunas represadas por morrenas: Estas lagunas se forman detrás de morrenas luego del retroceso del glaciar. Son potencialmente peligrosas debido a que el dique está formado por material no consolidado, y, por lo general, suelen estar en contacto directo con un glaciar.
Dentro de este tipo de lagunas, se diferencia otras categorías según dos criterios principalmente: pendiente de la morrena, lo que refleja la posibilidad de derrumbe del dique; y el contacto directo o no con un glaciar, lo que refleja la probabilidad de que un desprendimiento glaciar termine ocasionando el derrumbe de la morrena.
Lagunas represadas por hielo: Son consideradas como las más inestables. Se reconocen diferentes categorías de lagunas según su posición en el glaciar: marginal, proglaciar, subglaciar y supraglaciar (clasificación de Huddart y Stott). 20 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.2.5 Impactos del cambio climático en glaciares tropicales El cambio climático se ha podido registrar gracias a que existen mediciones de temperatura y otras variables a escala global registradas desde mediados del siglo XIX. Sin embargo, los registros más completos y diversos se tienen desde 1950. Es a partir de esa década que se han observado cambios innegables en el sistema climático, con un nivel de certeza muy alto; muchos de estos cambios no tienen precedentes en los últimos decenios e incluso milenios, como por ejemplo, el sucesivo calentamiento de la atmósfera, aumento de gases de efecto invernadero, calentamiento de la superficie de los océanos, la pérdida de hielo de la criósfera, el aumento del nivel del mar, entre otros (IPCC, 2013, pp. 2-9).
Para el caso de los glaciares, según el Quinto Informe de Evaluación (AR5) del IPCC (2013, p.319) y en base a múltiples mediciones glaciológicas a nivel global, casi todos los glaciares del mundo han seguido disminuyendo en área y masa glaciar. Esta afirmación posee un grado de confianza muy alto debido al incremento de registros e inventarios de glaciares con métodos in- situ y derivados de técnicas de teledetección.
Los glaciares, en especial los glaciares tropicales, han mostrado una gran sensibilidad a las alteraciones climáticas. Representan un indicador muy apropiado de clara visibilidad de su reacción a los impactos del cambio climático. Esta reacción puede estar asociada al crecimiento del glaciar como a su derretimiento. En la actualidad, este hecho ha generado varias interrogantes sobre las posibles causas directas y consecuencias, ya que la primera gran preocupación que surge está relacionada a los recursos y sistemas que están basados en el suministro de agua de origen glaciar (Coudrain, et al., 2005, p. 925; Casassa, et al., 2007, p. 1; WGMS/UNEP, 2008, pp. 12-13; Drenkhan, et al., 2015, p. s/n).
En mucha de las cadenas montañosas de todo el mundo los glaciares están desapareciendo como respuesta al aumento de temperatura atmosférica de las últimas décadas. Se tiene registro de más de 600 glaciares desaparecidos en los Alpes, la Patagonia, África, Asia, los Andes Tropicales, etc. y la tendencia continúa; tal es así, que es muy probable que las cadenas montañosas sigan perdiendo área glaciar, así como glaciares completos, como por ejemplo, la desaparición del Chacaltaya en Bolivia el año 2010 y se pronostica que en primer lugar los glaciares pequeños (≤1 km²) cuya altitud máxima sea menor a 5400 m.s.n.m. desaparecerán en
21 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia una o dos décadas (Rabatel, et al., 2013, p. 90).
Las consecuencias del retroceso glaciar en los Andes pueden ser perjudiciales desde diferentes puntos de vista, como por ejemplo, escases de suministro de agua para consumo humano, agricultura, industria, hidroenergía y desastres naturales relacionados a la dinámica de los glaciares.
2.3 Sistema de Información Geográfica (SIG) Un Sistema de Información Geográfica (SIG o GIS, en su acrónimo inglés [Geographic Information System] es una integración organizada de hardware, software y datos geográficos diseñada para capturar, almacenar, manipular, analizar y desplegar en todas sus formas la información geográficamente referenciada con el fin de resolver problemas complejos de planificación y gestión.
Figura 18: Componentes de un SIG
Fuente: Espinoza S.G.H, 2010, aplicación SIG
Son herramientas que permiten a los usuarios crear consultas interactivas, analizar la información espacial, editar datos, mapas y presentar los resultados de todas estas operaciones.
22 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.3.1 Funcionamiento de un SIG El SIG funciona como una base de datos con información geográfica (datos alfanuméricos) que se encuentra asociada por un identificador común a los objetos gráficos de un mapa digital. De esta forma, señalando un objeto se conocen sus atributos e, inversamente, preguntando por un registro de la base de datos se puede saber su localización en la cartografía.
Las principales cuestiones que puede resolver un Sistema de Información Geográfica, ordenadas de menor a mayor complejidad, son:
1. Localización: preguntar por las características de un lugar concreto. 2. Condición: el cumplimiento o no de unas condiciones impuestas al sistema. 3. Tendencia: comparación entre situaciones temporales o espaciales distintas de alguna característica.
4. Rutas: cálculo de rutas óptimas entre dos o más puntos. 5. Modelos: generación de modelos a partir de fenómenos o actuaciones simuladas. Por ser tan versátiles, el campo de aplicación de los Sistemas de Información Geográfica es muy amplio, pudiendo utilizarse en la mayoría de las actividades con un componente espacial.
2.3.2 Las funciones de un SIG Capturar datos Almacenar datos raster (imágenes) y vectoriales (líneas, puntos, polígonos) Consultar Analizar Desplegar o visualizar gráficos, tablas, mapas Resultados
2.3.3 Las aplicaciones de un SIG Agricultura, Comercio, Cartografia, Servicio De Localizacion, Educacion, Ingenieria Ambiental, Prensa, Tv, Telecomunicaciones, Defensa, Elecciones,Defensa Civil, Crimen , Emergencias, Mineria, Petroleo, Salud, Arqueologia.
Aplicaciones de SIG En Ingenieria Civil: Topografia, Catastro, Visualizacion en 3D, Geologia,
Cuencas. (Espinoza S.G.H, 2010, Aplicación SIG).
23 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.4 Teledetección
2.4.1 Concepto de teledetección En la actualidad, podemos definir la teledetección, como “la ciencia y arte de obtener Información acerca de la superficie de la Tierra sin entrar en contacto con ella. Esto se realiza detectando y Grabando la energía emitida o reflejada y procesando, analizando y aplicando esa información”.
2.4.2 Elementos de un proceso de teledetección El proceso de teledetección involucra una interacción entre la radiación incidente y los objetos de interés. Un ejemplo de este proceso, con el uso de sistemas de captura de imágenes puede verse en la siguiente figura. Nótese, sin embargo, que la teledetección también involucra la percepción de energía emitida y el uso de sensores que no producen imágenes.
Figura 19: Elementos de un proceso de teledetección
Fuente: Introducción a la teledetección, monografía.
A. Fuente de energía o iluminación: El primer requerimiento en teledetección es disponer de una fuente de energía que ilumine o provea energía electromagnética al objeto de interés.
B. Radiación y la atmósfera: Ya que la energía “viaja” desde la fuente al objeto, entrará en contacto e interaccionará con la atmósfera. Esta interacción tiene lugar una segunda vez cuando la energía “viaja” desde el objeto al sensor. 24 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
C. Interacción con el objeto: La energía interactúa con el objeto dependiendo de las propiedades de este y de la radiación incidente.
D. Detección de energía por el sensor: Necesitamos un sensor remoto que recoja y grabe la radiación electromagnética reflejada o emitida por el objeto y la atmósfera.
E. Transmisión, recepción y procesamiento: La energía grabada por el sensor debe ser transmitida, normalmente en forma electrónica, a una estación de recepción y procesamiento donde los datos son convertidos a imágenes digitales.
F. Interpretación y análisis: La imagen procesada se interpreta, visualmente y/o digitalmente, para extraer información acerca del objeto que fue iluminado (o que emitió radiación).
G. Aplicación: El paso final en el proceso de teledetección se alcanza en el momento en que aplicamos la información extraída de las imágenes del objeto para un mejor conocimiento del mismo, revelando nuevas informaciones o ayudándonos a resolver un problema particular. (S/n, Introducción a la teledetección, monografía).
2.4.3 Plataforma o Satélite Se entiende por plataforma los satélites (LANDSAT, METEOSAT, NOAA, SPOT) o aviones que transportan los aparatos necesarios para captar, almacenar y transmitir imágenes a distancia.
2.4.4 Tipos de orbitas de los satélites La trayectoria de un satélite alrededor de la Tierra se la denomina “órbita”. Existen dos tipos de satélites, los geo síncronos o geoestacionarios y los helio síncronos.
2.4.4.1 Geoestacionarios Se sitúan sobre la línea ecuatorial en una órbita a 36000 Km de la Tierra. Permanecen siempre en la vertical de un punto determinado acompañando a la Tierra en su movimiento de rotación. Observación continúa de una misma región.
25 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Ejemplo: Los satélites de comunicación y observación meteorológica.
Satélites Geoestacionarios. Función Meteorológica. Resolución espacial baja. Resolución temporal alta.
2.4.4.2 Heliosíncronos Se desplazan en órbitas generalmente circulares y polares (el plano de la órbita es paralelo al eje de rotación de la Tierra) de modo que, aprovechando el movimiento de rotación terrestre, puede captar imágenes de diferentes puntos cada vez que pase por el mismo punto de la órbita. Estas órbitas sólo son posibles entre 300 y 1500 Km de altura. La órbita se diseña de forma que el satélite pasa siempre sobre el mismo punto a la misma hora local.
2.4.5 Los Sensores Un sensor es el aparato que reúne la tecnología necesaria para adquirir imágenes a distancia y que es transportado en una plataforma. Puede captar información para diferentes regiones del espectro y cada una de estas regiones se denomina canal o banda.
Dos tipos de sensores:
Activos: generan su propia radiación y la reciben rebotada.
Radar Lidar (basado en tecnología láser)
Pasivos: reciben radiación emitida o reflejada por la Tierra
Fotográficos. Óptico-electrónicos que combinan una óptica y un sistema de detección electrónica (detectores de barrido y empuje) como SPOT Espectrómetros de imagen y de antena (radiómetros de microondas).
2.4.6 Resolución de una imagen satelital Los sensores Pueden captar información para diferentes regiones del espectro y cada una de estas regiones se denomina canal o banda.
26 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.4.6.1 Resolución Espacial
Tamaño de pixel: Se define como el objeto más pequeño que puede ser distinguido sobre la imagen.
Esta depende de la altura orbital, velocidad de exploración y calidad de detectores (lentes y barredores).
Si es de antena depende del radio de apertura, de la altura de la plataforma y de la longitud de onda a la que trabaja.
A mayor radio, menor altitud y longitud de onda, la resolución será más detallada.
Se presentan resoluciones desde 10 x 10m (Spot-HVR) hasta 120x120m., (Landsat TM), Radarsat.
Figura 20: Distintos rangos de resolución espacial
Fuente: Herrera Escorcia J.L, 2011, la teledetección.
2.4.6.2 Resolución Espectral
Indica el número y anchura de las regiones del espectro para las cuales capta datos el sensor.
El sensor tiene la capacidad de registrar simultáneamente el comportamiento de los objetos en distintas bandas del espectro.
Es importante que las bandas sean suficientemente estrecha. 27 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Los sensores ópticos electrónicos ofrecen gran variedad de bandas, Landsat TM (7 bandas), lo cual depende del objeto de su diseño.
Figura 21: Organización espectral de datos en una imagen digital
Fuente: Herrera Escorcia J.L, 2011, la teledetección.
2.4.6.3 Resolución Radiométrica
Número de intervalos de intensidad que pueden captarse en una determinada banda.
El sensor tiene la capacidad para detectar variaciones en la reflectancia espectral que recibe.
Actualmente la mayoría de los sistemas ofrecen 256 niveles (8 bits) por pixel (0 a 255).
El ojo humano difícilmente percibe 64 niveles de gris, no más de 200000 tonalidades y 16 niveles de color.
Figura 22: Resolución radiométrica
Fuente: Herrera Escorcia J.L, 2011, la teledetección. 28 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.4.6.4 Resolución Temporal
Tiempo que transcurre entre dos imágenes o periodicidad con que el sensor capta información de un mismo objeto.
Depende de las características orbitales del satélite (altura, velocidad, inclinación) así como el diseño y el sensor, Angulo de observación y abertura. Ejemplo Landsat 16 días, spot 26 días y vertical 3-4 días oblicua, y NOA 1 día.
2.5 El Espectro Electromagnético La radiación electromagnética se observa en una gama amplia de longitudes de onda, la cual ocupa distintas partes del espectro electromagnético.
Cada una de estas partes tiene características de comportamiento distintivas, y por consiguiente tiene un nombre distintivo todas estas emisiones constituyen el denominado espectro electromagnético.
Los ojos de los seres humanos se pueden considerar como sensores remotos ya que detectan la luz reflejada por los objetos de nuestro entorno. Sin embargo, la visión humana sólo es capaz de percibir una pequeña parte del espectro electromagnético, el visible. La luz visible es sólo una de las muchas formas de radiación electromagnética que existen. Así, las ondas de radio, el calor, los rayos ultravioleta o los rayos X son otras formas comunes.
En teledetección, lo normal es caracterizar a las ondas electromagnéticas por su longitud de onda en micrómetros (μm, 10 m) o nanómetros (nm, 10 m), es decir, por la posición que ocupan dentro del espectro electromagnético. De esta forma quedan definidas varias regiones del espectro. Aunque por conveniencia se le asignan diferentes nombres a estas regiones (ultravioleta, visible, infrarrojo, microondas, etc.), no existen divisiones exactas entre unas y otras (Figura 23). Los sensores montados a bordo de los satélites de teledetección son capaces de detectar y grabar radiaciones de las regiones no visibles del espectro electromagnético, desde el ultravioleta hasta las microondas.
29 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 23: Espectro electromagnético
Fuente: s/n, teledetección aplicaciones.
Las radiaciones más utilizadas en teledetección son:
• Las microondas: Las microondas, se usan en los sensores radar.
• La radiación infrarroja: Los cuerpos calientes emiten radiación infrarroja.
2.5.1 Radiación infrarroja Es la Radiación emitida por la superficie de la Tierra, la atmósfera, y las nubes. Es conocida también como radiación terrestre o de onda larga. La radiación infrarroja tiene una gama de longitudes de onda (‘espectro’) que es más larga que la longitud de onda del color rojo en la parte visible del espectro. El espectro de la radiación infrarroja es diferente al de la radiación solar o de onda corta debido a la diferencia de temperatura entre el Sol y el sistema Tierra
atmósfera. (www.ipcc.ch/pdf/glossary/tar-ipcc-termssp.pdf).
30 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
• El espectro visible: Se denomina así por tratarse de la única radiación electromagnética que pueden percibir nuestros ojos. Coincidiendo con las longitudes de onda en donde es máxima la radiación solar. Dentro de esta región suelen distinguirse tres bandas elementales, que se denominan azul, verde y rojo en razón de los colores primarios que nuestros ojos perciben a esas longitudes de onda.
• La radiación ultravioleta: La radiación ultravioleta es la componente principal de la radiación solar.
Infrarrojo Próximo IRP: útil para detectar masas vegetales.
Infrarrojo Medio IRM: la emiten los medios húmedos. Percibe la humedad (nubes).
Infrarrojo Lejano O Térmico IRT: detecta el calor emitido por la tierra. Detectan variaciones de
temperatura. Detectan seres vivos y otras fuentes de calor. (Herrera Escorcia J.L, 2011, la teledetección).
2.6 Teledetección Espacial Las diferentes coberturas de la superficie terrestre (campos cultivados, roca desnuda, agua) reflejan la radiación electromagnética (REM) que les llega desde el sol, con distintas intensidades o niveles digitales (N.D.) de acuerdo a la región del espectro (firma espectral). Este fenómeno es el eje fundamental de la teledetección.
Los datos son adquiridos en soporte digital y en formato numérico (N.D. para cada elemento de la superficie y para cada banda). Esto abre un enorme campo para la aplicación de la estadística a las ciencias de observación terrestre. Diversos métodos del análisis multivariado son utilizados en Teledetección.
Cualquier imagen puede pensarse como una matriz tridimensional, en la que cada una de las intersecciones de una fila y una columna corresponde a una posición geográfica discreta, y por lo tanto a un píxel, y la tercera dimensión está dada por la banda a la cual corresponde ese píxel. En otros términos, cada nivel digital asociado a un píxel puede denotarse como NDi,j,k donde i es el número de fila, j es el número de columna y k es la banda.
31 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Teniendo presente este carácter matricial de cualquier imagen numérica, se pueden realizar sobre ella transformaciones y operaciones estadísticas. Por ejemplo, con los datos de una imagen digital se pueden calcular medidas de tendencia central y dispersión en cada banda, aumentar el contraste, cambiar su orientación numérica (rotación de la matriz), realizar combinaciones aritméticas entre bandas, sintetizar varias bandas reduciendo la información redundante (componentes principales) o discriminar grupos con ND. Homogéneos dentro de la matriz (clasificación), ( http://www.gabrielortiz.com/).
2.7 Imágenes Satelitales Una imagen satelital o imagen de satélite se puede definir como la representación visual de la información capturada por un sensor montado en un satélite artificial.
Estos sensores recogen la información reflejada por la superficie de la Tierra que luego es enviada de regreso a ésta y que procesada convenientemente, entrega valiosa información sobre las características de la zona representada.
2.8 Google Earth Es una aplicación gratuita que permite la navegación por todo el mundo mediante la visualización de imágenes en óptica de satélite.
2.8.1 Origen Google Earth (GE) fue creado bajo el nombre de Earth Viewer 3D por la empresa Keykhole, a requerimientos de la agencia central de inteligencia (CIA). Keyhole fue comprada por google en 2004. GE fue lanzado al público en 2005, Google Earth combina:
Fotos satelitales Mapas Base de datos Estos elementos permiten al usuario navegar por cualquier lugar de la tierra, observar todo sus territorios y desplegar sobre estos, diversos tipos de información geográfica:
Climatología Geomorfología Hidrografía Glaciología 32 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Google Earth es un programa que se instala en nuestro ordenador y se comunica con una potente base de datos residente en un servidor compartido con google maps mediante la tecnología stream el programa se conecta al servidor y despliega los contenidos solicitados en el ordenador.
Figura 24: Área de visualización del Google Earth
Fuente: Elaboración propia
Sistema de Referencia Coordenadas: GE utiliza el sistema WGS84/pseudo mercator (Código EPSG: 3857).
Coordenadas: GE acepta coordenadas en formato grados-minutos-segundos; grados decimales y UTM.
Precisión: Las imágenes de satélite de GE son cada vez más precisas y proceden de la empresa Digital Globe. Actualmente tienen una resolución de 65 cm aproximadamente.
(Frías E, 2015, Google Earth).
33 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.8.2 Actividades que se pueden desarrollar Búsqueda de lugares por coordenadas Marcar lugares de interés Obtener coordenadas de un lugar Dibujar un polígono para destacar un área de interés Calcular el área de un polígono (GE Pro) Obtener pendientes del terreno Generar vistas 3D del terreno Georreferenciar o superponer mapas u otras imágenes de satélite Grabar (descargar) las imágenes Grabar tu trabajo en archivo KML o KMz
(Frías E, 2015, Google Earth.)
2.9 Landsat Landsat (Land = Tierra y sat = Satelite).
Los Landsat son una serie de satélites construidos y puestos en órbita por EE. UU. Para la observación en alta resolución de la superficie terrestre.
Los Landsat orbitan alrededor de la Tierra en órbita circular heliosincrónica, a 705 km de altura, con una inclinación de 98.2º respecto del Ecuador y un período de 99 minutos. La Órbita de los satélites está diseñado de tal modo que cada vez que éstos cruzan el Ecuador lo hacen de Norte a Sur entre las 10:00 y las 10:15 de la mañana hora local. Los Landsat están equipados con instrumentos específicos para la teledetección multiespectral.
El primer satélite Landsat (en principio denominado ERTS-1) fue lanzado el 23 de julio de 1972. El último de la serie es el Landsat 8, puesto en órbita el 11 de febrero de 2013.
Serie de satélites Landsat y año de su lanzamiento:
Landsat 1: 1972 Landsat 2: 1975 Landsat 3: 1978 Landsat 4: 1982
34 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Landsat 5: 1985 Landsat 6: 1993. Lanzamiento fallido Landsat 7: 1999 Landsat 8: Landsat Data Continuity Mission. Lanzado el 11 de febrero de 2013.
En el año 2012 está plenamente operativo el Landsat 7. Los cuatro primeros satélites se encuentran fuera de servicio y desde noviembre de 2011 salió de servicio Landsat 5 (Aspectos técnicos de las imágenes Landsat).
2.9.1 Características del Landsat 5 TM El sensor TM es un avanzado sensor de barrido multiespectral, concebido para proporcionar una mayor resolución espacial, mejor discriminación espectral entre los objetos de la superficie terrestre, mayor fidelidad Geométrica y mayor precisión radiométrica en relación con el sensor MSS.
Tabla 1: Características del Landsat 5 TM
Longitud Resolución Resolución Resolución Resolución Nombre de Espacial Espectral Radiométrica Temporal Onda(um) (metros) 1 Azul 0.45-0.52
2 Verde 0.52-0.60 3 Roja 0.63-0.69 Infrarrojo 4 0.76-0.90 Cercano1 30 Infrarrojo 8 Bits 16 Días 5 1.55-1.75
Multiespectral Cercano2 Infrarrojo 7 2.08-2.35 Medio Infrarrojo Termal 6 10.4-12.5 120 Termal Fuente: Aspectos técnicos de las imágenes Landsat INEGI. Dirección General de Geografía y Medio Ambiente
35 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Tabla 2: Principales aplicaciones de las bandas del Landsat 5 TM Banda Intervalo Principales características y aplicaciones de las bandas TM y Espectral ETM de los satélites LANDSAT 5 y 7 (µm) Presenta una gran penetración en cuerpos de agua con elevada transparencia, permitiendo estudios batimétricos. Sufre absorción por la clorofila y los pigmentos fotosintéticos auxiliares 1 (0,45 - 0,52) (carotenoides). Presenta sensibilidad a plumas de humo originadas por quemadas o por actividad industrial. Puede presentar atenuación por la atmósfera. Presenta gran sensibilidad a la presencia de sedimentos en suspensión, posibilitando su análisis en lo que se refiere a cantidad 2 (0,52 - 0,60) y calidad. Buena penetración en cuerpos de agua.
La vegetación verde, densa y uniforme presenta una gran absorción, aparece oscura y con buen contraste con las áreas sin vegetación (por ejemplo: suelo expuesto, carreteras y áreas urbanas). Presenta un buen contraste entre diferentes tipos de cobertura vegetal (por ejemplo: campo, sabana y bosques). 3 (0,63 - 0,69) Permite analizar la variación litológica en regiones con poca cobertura vegetal. Permite mapear el drenaje a través de la visualización de los bosques de galería y los cursos de los ríos en regiones con poca cobertura vegetal. Es la banda más utilizada para delimitar las manchas urbanas, incluyendo la identificación de nuevas áreas urbanas. Permite la identificación de áreas agrícolas. Los cuerpos de agua absorben mucha energía en esta banda y aparecen en tonos oscuros lo que permite el mapeo de la red de drenaje y el delineamiento de los cuerpos de agua. La vegetación 4 (0,76 - 0,90) verde, densa y uniforme, refleja mucha energía en esta banda y aparece en tonos claros en las imágenes. Presenta sensibilidad a la rugosidad de la copa de los bosques (dosel forestal). Presenta sensibilidad a la morfología del terreno, permitiendo la obtención
36 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
de informaciones sobre Geomorfología, Suelos y Geología. Sirve para analizar y mapear los rasgos geológicos y estructurales. Sirve para separar y mapear áreas ocupadas con pinos y eucaliptos. Permite mapear áreas ocupadas con vegetación que fueron quemadas. Permite la visualización de áreas ocupadas con macrófitas acuáticas (por ejemplo: aguapé). Permite la identificación de áreas agrícolas. Presenta sensibilidad al tenor de humedad de las plantas, permitiendo observar estrés en la vegetación causado por 5 (1,55 - 1,75) desequilibrio hídrico. Esta banda sufre perturbaciones en caso de ocurrir exceso de lluvia antes de la captación de la escena por el satélite. Presenta sensibilidad a los fenómenos relativos a contrastes térmicos, sirviendo para detectar propiedades termales de rocas, 6 (10,4 - 12,5) suelos, vegetación y agua.
Presenta sensibilidad a la morfología del terreno, permitiendo obtener informaciones sobre Geomorfología, Suelos y Geología. 7 (2,08 - 2,35) Esta banda sirve para identificar minerales con iones hidroxilos. Potencialmente favorable a la discriminación de productos de alteración hidrotermal. Fuente: Aspectos técnicos de las imágenes Landsat INEGI. Dirección General de Geografía y Medio Ambiente 2.9.2 Landsat 8 Landsat 8 es un satélite de observación terrestre estadounidense lanzado el 11 de febrero de 2013. Es el octavo y más reciente satélite del proyecto Landsat operado por la NASA y el Servicio Geológico de los Estados Unidos (USGS) desde 1972.
El satélite Landsat 8 transporta dos instrumentos OLI y TIRS, que corresponden a las siglas en inglés para Operational Land Imager (OLI) y Thermal Infrared Sensor (TIRS). El sensor OLI provee acceso a nueve bandas espectrales que cubren el espectro desde los 0.433 μm a los 1.390 μm, mientras que TIRS registra de 10.30μm a 12.50μm.
37 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.9.2.1 Productos Los productos de nivel 1 (Level 1) del satélite Landsat 8 son accesibles aproximadamente 24 horas después de su adquisición sin ningún costo. Esta información es corregida en tierra y suministrada en escenas de aproximadamente 190 km de ancho y 180 km de alto.
Una escena de nivel 1 está compuesta por 13 archivos: 11 archivos en GeoTIFF correspondientes a cada una de las 11 bandas registradas, un archivo con metadatos (MTL) y uno más con una evaluación de la calidad de la escena (QA).
2.9.2.2 Orbita El satélite completa su órbita de 705 km de altura cada 99 minutos, y revisita un mismo punto sobre a superficie de la tierra cada 16 días con un desfase de 8 días con respecto al satélite Landsat 7, del mismo proyecto. Bajo estas condiciones el satélite adquiere cerca de 650 imágenes diariamente.
2.9.2.3 Bandas Los dos sensores transportados por el satélite completan 11 bandas espectrales como se muestra en la tabla.
Tabla 3: Distribución de las bandas en Landsat 8 OLI y TIRS Bandas Longitud de Resolución onda (µm) (m) Landsat 8 Banda 1 - Aerosol costero 0.43 - 0.45 30 Operational Banda 2 - Azul 0.45 - 0.51 30 Land Imager Banda 3 - Verde 0.53 - 0.59 30 (OLI) and Banda 4 - Rojo 0.64 - 0.67 30 Thermal Banda5 – Infrarrojo cercano (NIR) 0.85 - 0.88 30 Infrared Banda 6 - SWIR 1 1.57 - 1.65 300 Sensor Banda 7 - SWIR 2 2.11 - 2.29 30 (TIRS) Banda 8 - Pancromático 0.50 - 0.68 15 Banda 9 - Cirrus 1.36 - 1.38 30 *Banda 10 – Infrarrojo térmico 10.60 - 11.19 100 February 11, (TIRS) 1 2013 *Banda 11 - Infrarrojo térmico 11.50 - 12.51 100
(TIRS) 2
Fuente: Ariza A, 2013, LDCM.
38 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
La calidad de los datos (relación de la señal en función del ruido) y la resolución radiométrica (12 bits) del OLI y TIRS es más alta que los anteriores instrumentos Landsat (8 bits para TM y ETM+), proporcionando una mejora significativa en la capacidad de detectar cambios en la superficie terrestre.
Aproximadamente se recogen 400 escenas al día, las cuales son cargadas en el servidor de USGS con el fin de que se encuentren disponibles para su descarga 24 horas después de la adquisición, (https://es.wikipedia.org/wiki/Landsat_8).
Los datos de productos Landsat 8 son totalmente compatibles con todos los datos de los productos estándar a nivel 1 (ortorectificado) creados usando Landsat 1 al Landsat 7; a continuación se describen algunas de sus especificaciones generales (Tabla. 4).
Tabla 4: Especificaciones de productos LDCM Nivel 1 Procesamiento: Nivel 1 T-Corrección geométrica Tamaño de píxel: Bandas OLI multiespectrales 1-7,9: 30-metros Banda OLI pancromática 8: 15-metros Bandas TIRS 10-11: tomadas en 100 metros, pero remuestreadas a 30 metros para que coincida con las bandas multiespectrales de OLI Características de los datos: Formato de datos GeoTIFF Remuestreo por convolución cúbica (CC) Norte arriba (MAP) de orientación Proyección cartográfica: Universal Transversal Mercator (UTM) (estereográfica polar de la Antártida) Datum al Sistema Geodésico Mundial (WGS) 84 12 metros de error circular, 90% de confianza exactitud global para OLI 41 metros de error circular, 90% de confianza exactitud global para TIRS Los valores de píxel en 16 bits
Entrega de datos: Archivo comprimido .Tar.gz y de descarga a través de HTTP Tamaño de archivo: Aproximadamente 1 GB (comprimido), aproximadamente 2 GB (sin comprimir) Fuente: Ariza A, 2013, LDCM.
39 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.9.2.4 Descripción de productos LDCM A continuación se describen algunas de las definiciones de tipo de producto proporcionadas por el USGS. Estas definiciones nos dan una idea de la nomenclatura utilizada y una referencia para las relaciones entre los tipos de productos:
Productos de Nivel 0 (L0): Los productos del tipo L0 son imágenes digitales con todas las transmisiones de datos y objetos sin formato. Estos productos están al mismo tiempo ordenados de manera proporcional, espacial y secuencialmente por bandas multiespectrales.
Productos de Nivel 1 Radiometric (L1R): Los productos del tipo L1R consisten en datos de imágenes radiométricamente corregidas. Estos se encuentran derivados de datos L0 y son escalados a valores de radiancia espectral o reflectancia.
Productos de Nivel 1 Sistematic (L1G): Los productos del tipo L1G consisten en productos de datos del tipo L1R con correcciones geométricas sistemáticas aplicadas y muestreos para el registro en una proyección cartográfica, estos datos se encuentran referenciados al Sistema Geodésico Mundial de 1984 (WGS84), G873, o a su versión actual.
Productos de Nivel 1 Gt (L1Gt): Los productos del tipo L1Gt consisten en datos del tipo L1R con correcciones geométricas sistemáticas aplicadas y muestreos para el registro a una proyección cartográfica referenciada a WGS84, G873, o a su versión actual. Este tipo de datos (L1Gt) utilizan la información de posición a bordo o efemérides definitivas, así como el uso de los datos controlados de elevación para corregir los errores de paralaje.
Productos de Nivel 1 Terrain (L1T): Los productos de datos L1T consisten en productos de datos L1R con correcciones geométricas sistemáticas aplicadas, utilizando para ello puntos de control terrestre (GCP) o información de posición integrada a bordo para entregar una imagen registrada a una proyección cartográfica, referenciada a WGS84, G873, o a su versión actual. Adicionalmente los datos también contienen una corrección topográfica por el desplazamiento del terreno debido al relieve.
40 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.9.2.5 Conversión de nomenclatura A continuación se describe cada uno de los componentes asociados al nombre del archivo. La tabla 7 y 8 contienen una descripción de los archivos asociados a los productos de nivel 1.
Por ejemplo:
Ls8ppprrrYYYYDDDGGGVV_FT.ext
Tabla 5: Convención de nomenclatura de archivos de Nivel 1 Identificador Descripción L Nombre de misión: Landsat s Tipo de Sensor: O = OLI, T = TIRS, C = Combinado TIRS y OLI Indica con que sensor se tomaron los datos para este producto 8 Numero de misión Landsat ppp Localización de la órbita satelital en referencia global al path del producto: System-2 (WRS-2) rrr Localización de la órbita satelital en referencia global al row del producto: System-2 (WRS-2) YYYY Año de adquisición de la imagen DDD Día del año de adquisición GGG ID de la estación terrena VV Versión _FT Tipo de archivo, donde FT es igual a uno de los siguientes: número de archivos por banda de la imagen (B1–B11), MTL (Archivo de metadato), BQA (Archivo de calidad de banda), MD5 (Archivo de chequeo o checksum file) .ext Extensión del archivo, donde .TIF equivale a archivos de extensión GeoTIFF, y .txt a extensión de texto. Fuente: Ariza A, 2013, LDCM.
41 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
2.9.2.6 Combinación de bandas para Landsat 8 Landsat 8 ha estado en línea por un par de meses, y las imágenes que se muestran son satisfactorios. Mientras que todas las bandas de las misiones Landsat anteriores todavía se incorporan, hay un par de otras nuevas, como la banda costera azul de penetración del agua/aerosol, detección y la banda de nubes cirrus, para el enmascaramiento de nubes y otras aplicaciones.
A continuación se muestran un resumen de algunas combinaciones de bandas más comunes aplicados para Landsat 8, se muestra como rojo, verde, azul (RGB), (se recomienda revisar el procedimiento para crear una composición de bandas Landsat en ArcGIS).
Tabla 6: Combinación de bandas para Landsat 8
Color Natural 4 3 2 Falso Color(Urbano) 7 6 4 Color Infrarrojo(Vegetación) 5 4 3 Agricultura 6 5 2 Penetración Atmosférica 7 6 5 Vegetación Saludable 5 6 2 Tierra/Agua 5 6 4 Natural con Remoción Atmosférica 7 5 3 Infrarrojo de Onda Corta 7 5 4 Análisis de Vegetación 6 5 4 Fuente: https://acolita.com/combinacion-de-bandas-para-Landsat-8/
Tabla 7: Así es como las nuevas bandas de Landsat 8 alinean con Landsat 5 TM
Landsat 5 Landsat 8 Resolución Resolución Banda Ancho (µm) (m) Banda Ancho (µm) (m) Band 1 Coastal 0.43 – 0.45 30 Band 1 Blue 0.45 – 0.52 30 Band 2 Blue 0.45 – 0.51 30 Band 2 Green 0.52 – 0.60 30 Band 3 Green 0.53 – 0.59 30 Band 3 Red 0.63 – 0.69 30 Band 4 Red 0.64 – 0.67 30 Band 4 NIR 0.77 – 0.90 30 Band 5 NIR 0.85 – 0.88 30 Band 5 SWIR1 1.55 – 1.75 30 Band 6 SWIR1 1.57 – 1.65 30 Band 7 SWIR2 2.09 – 2.35 30 Band 7 SWIR2 2.11 – 2.29 30 Band 8 Pan 0.50 – 0.68 15
42 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Band 9 Cirrus 1.36 – 1.38 30 Band 6 TIR 10.40 – 12.50 30/60 Band 10 TIRS1 10.6 – 11.19 100 Band 11 TIRS2 11.5 – 12.51 100 Fuente: https://acolita.com/combinacion-de-bandas-para-Landsat-8/ En su mayor parte, las bandas se alinean con lo que estamos acostumbrados, con algunos ajustes menores de los rangos espectrales. La banda del infrarrojo térmico del Landsat 7 ahora está dividida en dos bandas de Landsat 8. Mientras que antes de tener una banda térmica que fue adquirido a 60 metros de resolución (y vuelve a muestrear a 30 metros) ya que ha aumentado la resolución espectral a costa de la resolución espacial, (https://acolita.com/combinacion- de-bandas-para-Landsat-8/).
2.10 Áster GDEM ASTER es uno de los sensores que posee el satélite Terra y su función fundamental es la de obtener y procesar imágenes. Puede generar modelos de elevación con errores nominales que pueden alcanzar de 10 a 25 metros en vertical.
Para producir el ASTER GDEM se ha realizado un tratamiento automatizado de más de 1 millón y medio de imágenes y mediante correlación producir la tercera dimensión. Cubre la superficie del planeta entre las latitudes 83ºS y 83ºN organizando el recubrimiento en mosaicos de 1º por 1º. Desde el punto de vista del sistema de referencia, el ASTER GDEM se refiere al elipsoide WGS84 y tiene como modelo Geoidal el EGM96. Previo a la obtención del modelo se estimaron errores de 30 metros en horizontal y 20 metros en vertical con un 95% de confianza, los cuales debían ser validados con medidas de campo (Méndez B. & López V.C.).
2.11 Normalized Difference Snow Index (NDSI) Las técnicas más usadas para el cálculo de cobertura glaciar a partir de imágenes de satélite son las clasificaciones, cocientes e índices entre bandas espectrales, técnicas que toman ventaja de la respuesta espectral del hielo y la nieve, al resaltarse las características de absorción y reflectancia propias de estos elementos en sus firmas espectrales.
Tanto la nieve como el hielo tienen valores de reflexión muy altos en las longitudes de onda visibles (0,40-0,70 um). Por otro lado, presentan valores bajos de la reflexión en el infrarrojo medio (1,55 m - 1,75 um). Esas características espectrales son las que usa el índice NDSI (Normalized Difference Snow Index) para detectar superficies con nieve; además estudios 43 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia previos han demostrado que el NDSI varía de -1 a 1, y provee una efectiva forma de permitir la diferenciación entre el término del glaciar y las morrenas (Silverio y Jaquet, 2005).
Este índice se calcula como la diferencia normalizada entre la banda del verde y la banda del SWIR (citado por Pineda et al, 2005). En el caso del Thematic Mapper de Landsat (TM) el NDSI se calcula usando las bandas 2 y 5.
NDSI = (Banda Green) - (Banda SWIR) / (Banda Green) + (Banda SWIR) NDSI = (Banda 2) - (Banda 5) / (Banda 2) + (Banda 5)…………. Landsat 5,7 NDSI = (Banda 3) - (Banda 6) / (Banda 3) + (Banda 6)……….…… Landsat 8 https://www.weadapt.org/sites/weadapt.org/files/2017/november/estudio_espacial_multitemporal_de_variaciones_ en_superficie.pdf
2.12 Normalized Difference Water Index (NDWI)
La propuesta del NDWI Índice de Diferencia Normalizada Agua se realizó por (McFeeters, 1996) para delinear las masas de agua abiertas como lagos y embalses, y mejorar su detección en las imágenes de satélite. Con este índice las superficies de agua tienen valores positivos, mientras que la superficie de la tierra y la vegetación posen valores de 0 o negativos, (http://www.creaf.uab.es/miramon/help/spa/msa/indexs.htm).
Es un indicador numérico, derivada de imágenes satelitales ópticas, usando las ondas de infrarrojo cercano y corta de las bandas espectrales del infrarrojo. Esta última banda espectral está muy asociada con cambios en el contenido de agua de vegetación. La respuesta del infrarrojo cercano banda espectral se correlaciona con la estructura interna de la hoja y la hoja de materia seca, excluyendo el contenido de agua.
NDWI es útil en muchas aplicaciones de teledetección. Vigilancia de los cultivos de la salud, la cartografía de la tierra / agua de embarque, la discriminación de agua hacia el interior de los cuerpos de agua de mar abierto, son sólo algunas de las aplicaciones donde se utiliza NDWI.
44 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
NDWI = (Banda Green) - (Banda NIR) / (Banda Green) + (Banda NIR) NDWI = (Banda 2) - (Banda 4) / (Banda 2) + (Banda 4)……Landsat 5,7 NDWI = (Banda 3) - (Banda 5) / (Banda 3) + (Banda 5)………Landsat 8 https://acolita.com/wp-content/uploads/2018/01/Teledeteccion_espacial_ArcGeek.pdf 3. MATERIALES Y METODOS
3.1 Materiales
3.1.1 Obtención de datos digitales imágenes raster (Landsat 5 TM y Landsat 8 OLI) Las imágenes del satélite Landsat 5 y 8, se obtuvieron de la página del United States Geological Survey (USGS).
Tabla 8: Fecha de imágenes para el análisis multitemporal Nº fecha de imágenes satélite path row 1 11/09/1990 2 08/08/1995 3 05/08/2000 L5 TM 001 071 4 04/09/2005 5 17/08/2010 6 19/11/2015 L8(OLI) Fuente: Elaboración propia. 3.1.2 Obtención de puntos de control de (Google Earth) Se obtiene puntos de control del software Google Earth para la georreferenciación de las imágenes de cada escena debido a que la precisión es suficiente tomando en cuenta que la resolución espacial de las imágenes de Landsat es de 30m. Los puntos están referidos al sistema de referencia UTM-WGS84 (Tabla.9 - Figura.25).
3.1.3 Obtención del DEM El Modelo de Elevación Digital Global de ASTER (Global Digital Elevation Model - GDEM) que cubren territorio boliviano, creadas a partir de imágenes captadas por el sensor japonés Advanced Spaceborne Thermal Emision and Reflection Radiometer, o ASTER a cargo de la NASA y el Ministerio de Economía, Comercio e Industria de Japón (METI). Los usuarios pueden
45 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia descargar información ASTER GDEM sin costo alguno, a fin de ser utilizadas en los diferentes aspectos del análisis espacial, las mismas se encuentran en formato GeoTIFF con coordenadas geográficas lat/long, y cuentan con una resolución espacial de 30 metros, (https://geo.gob.bo/portal/?Descargas-Aster-DEM).
Tabla 9: Distribución de los puntos de control en el terreno
PTO ESTE NORTE P01 543300 8259106 P02 546878 8257408 P03 550931 8255916 P08 541871 8255449 P04 557450 8254902 P07 547209 8253868 P06 551463 8253188 P05 557017 8252118 P10 548091 8251182 P09 543000 8250466 P11 554922 8250423 P12 556767 8249691 P14 549726 8248455 P15 541213 8247506 P13 553036 8246516 P16 543080 8245124 P18 549223 8244500 P19 555635 8242423 P17 541202 8242407 P23 541921 8239853 P22 544746 8239436 P20 557121 8239103 P21 549895 8238731 P24 542457 8235759 P25 551848 8233668 Fuente: Elaboración Propia
46 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 25: Puntos de control en la Imagen de Google Earth
Fuente: Elaboración Propia 3.1.4 Obtención de datos vectoriales Se utilizó datos vectoriales con base de datos del Departamento de La Paz Como la delimitación de los límites políticos administrativos de provincias, ríos, Caminos y otros.
3.1.5 Software En la etapa de cálculos se procedió el empleo adecuado de programas o softwares. ArcGIS 10.3 ArcGIS es un completo sistema que permite recopilar, organizar, administrar, analizar, compartir y distribuir información geográfica. Erdas Imagine 2013 con Erdas Imagine se puede visualizar sus resultados en 2D, 3D.y se puede realizar un avanzado análisis de teledetección y modelización espacial para crear nueva información. Programas varios afines al trabajo
3.1.6 Equipos Computadora Impresora Plotter 47 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
3.2 Metodología
Debido a que la problemática se materializa en un área de (230 km2 aprox.) y que el análisis de las glaciares es multitemporal, en seis periodos diferentes, se estableció que sería necesario la utilización de técnicas de teledetección y herramientas GIS con el fin de aplicar un método semi-automatizado que permita identificar glaciares, con un alto grado de exactitud, y calcular parámetros espaciales de manera rápida y precisa. DIAGRAMA DE FLUJO
METODOLOGIA
OBTENCION DE IMAGENES LANDSAT , UNION DE ARCHIVOS Y OBTENCION DEL DEM
REALIZAR EL RECORTE DEL AREA DE ESTUDIO
REALIZAR CORRECCION ORTOMETRICA
REALIZAR CORRECCION ATMOSFERICA
OBTENER LA CLASIFICACION SUPERVISADA NDSI, Y NDWI
PASAR DE FORMATO RASTER A VECTOR
CALCULO DEL AREA GLACIAR
REGRESION CLACIAR DEL NEVADO ILLAMPU EN LOS PERIODOS(1990,1995,2000,2005,2010,2015)
ANALISIS MULTITEMPORAL DEL RETROCESO GLACIAR DEL NEVADO ILLAMPU
48 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Para lograrlo se establecieron cuatro etapas de trabajo, que se describen a continuación.
3.2.1 Recolección de imágenes satelitales e información cartográfica Para la selección de imágenes satelitales del área de estudio se recurrió a la base de datos de imágenes de los sensores Landsat 5 TM y 8 OLI que posee el Servicio Geológico de los Estados Unidos (USGS, por sus siglas en inglés). Estos están disponibles de manera gratuita y poseen una resolución espacial, espectral, radiométrica y temporal conveniente para los objetivos de esta investigación (Ver Tabla 10).
Tabla 10: Características de imágenes Landsat 5 TM y Landsat 8 OLI (USGS)
Resolución Resolución Resolución Sensor Resolución espacial espectral temporal radiometría
Bandas 1-5 y 7 30 metros Landsat 5 TM 7 bandas 16 días 8 bits Banda 6 120 metros Bandas 1-7 y 9 30 metros Landsat 8 OLI 11 bandas Banda 8 15 metros 16 días 16 bits Bandas 10 y 11 100 metros Fuente: Aspectos técnicos de imágenes Landsat INEGI. Dirección General de Geografía y Medio Ambiente
Se seleccionaron escenas de los sensores Landsat 5 Thematic Mapper (TM) para los años 1990, 1995, 2000, 2005, y 2010 y Landsat 8 Operational Land Imager (OLI) para el 2015 (Tabla 11).
Las escenas fueron seleccionadas teniendo tres criterios:
El primero era el periodo en que fueron tomadas las imágenes, siendo los meses entre Junio y Noviembre los más adecuados, esto debido a que en este periodo es la temporada seca en el Nevado Illampu y las imprecisiones relacionadas a nieve estacional son mínimas, por ende la delimitación de glaciares y lagunas se hace más precisa.
49 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Tabla 11: Imágenes Landsat seleccionadas para su análisis Cobertura N° Fecha Sensor Código Path Row de nubes Calidad (%) 1 11/09/1990 5 TM LT50010711990254CUB00 001 071 37 9 2 08/08/1995 5 TM LT50010711995220CUB00 001 071 11 9 3 05/08/2000 5 TM LT50010712000218AAA02 001 071 20 9 4 04/09/2005 5 TM LT50010712005247CUB00 001 071 1 7 5 17/08/2010 5 TM LT50010712010229CUB01 001 071 12 9 6 19/11/2015 8 OLI LC80010712015323LGN00 001 071 16.8 9 Fuente: Elaboración propia
El segundo criterio que se tomó en cuenta fue que las imágenes seleccionadas cuenten con el nivel de corrección L1T (Level 1 Standard Terrain Correction) y nivel de calidad 9; es decir, el mejor nivel de corrección y calidad que la USGS ofrece y que indican que las imágenes tienen un primer proceso de corrección geométrica y radiométrica.
Por último, que las escenas seleccionadas posean el menor porcentaje de cobertura de nubes sobre el área de estudio, ya que con ello se evitan los errores en los valores de los píxeles debido al bajo contenido de humedad en la atmósfera en esa época.
3.2.2 Pre-procesamiento de imágenes satelitales
3.2.2.1 Unión de bandas Este procedimiento se realiza cuando la imagen se encuentra separada por bandas. Siendo utilizadas para este proyecto las 7 bandas de cada imagen. Para Landsat 5 TM las bandas de 1 a 7 y para Landsat 8 OLI las bandas de 2 a 8. 3.2.2.2 Ortorectificación La Ortorectificación es el proceso mediante el cual se eliminan las distorsiones horizontales y verticales de las imágenes principalmente ocasionadas por el relieve.
Con el fin de reducir distorsiones geométricas provocadas por la curvatura de la tierra, ángulo de inclinación del sensor, entre otros, se realizó la ortorectificación de las escenas Landsat 5 TM y 8 OLI.
50 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Para ello, se estandarizaron las proyecciones geográficas, dado que las imágenes Landsat 5 TM y las escenas del ASTER GDEM tenían proyecciones diferentes. De ese modo, se estableció transformar las proyecciones de todos los insumos al datum UTM WGS 1984 en la zona 19 Sur con la herramienta Project del software ArcGIS10.3 y re project de erdas imagine 2013.
En base a las imágenes satelitales de Google Earth se colocaron manualmente alrededor de 25 puntos de control en la imagen de Google Earth (imagen satelital de digital Globe) la cual fue descargada y georreferenciada en el software ArcGIS10.3 posteriormente ya teniendo la imagen georreferenciada la imagen Landsat para el proceso de ortorectificación.
Este proceso se realizó utilizando la herramienta Control Points y a través de una imagen ya georreferenciada (Image Layer) del software Erdas Imagine 2013 (Ver figura 26).
Figura 26: Ortorectificación manual en Erdas Image
Fuente: Elaboración propia
De manera complementaria a la ortorectificación manual, se aplicó la herramienta AutoSync, también del software ERDAS IMAGINE 2013, un método para alinear una imagen con otra ortorectificada de manera automatizada mediante numerosos puntos de jale (tie points) creados
51 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia por el sistema, con la finalidad de comparar los resultados y elegir el mejor método de ortorectificación.
Por otro lado, para la información de elevación se utilizó el modelo digital de elevación ASTER GDEM, (generado por estereoscopia) disponibles de, manera gratuita y de mejor resolución espacial (30m) debido a que la imagen Landsat también es de 30m.
Por ello, para poder seleccionar el mejor método de ortorectificación, se elaboró un ensayo comparativo de las escenas con distintos modos de ortorectificación a una sola imagen de 1990: el primero, la ortorectificación manual con los 25 puntos de control; el segundo, la ortorectificación automática con el uso de la herramieta AutoSync, y por último la utilización de ambos métodos de manera combinada; es decir la aplicación de la herramienta AutoSync a la imagen ortorectificada manualmente.
Los puntos de jale o tie points que se generaron automáticamente con la herramienta autosync fueron 52 y 53 puntos con autosync y la imagen ortorectificada manualmente.
Para poder comparar la calidad de los resultados obtenidos, se calcula el RMS (Root Mean Square). El error medio cuadrático de los tres diferentes métodos aplicados.
Las cuales para su visualización de los puntos de ortorectificacion se extraen las coordenadas de las mismas para plotear en el software ArcGIS 10.3 de los tres diferentes métodos (Ver figura 27) y anexo (mapa 1/5).
52 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 27: Ensayo comparativo de métodos de ortorectificación
Fuente: Elaboración propia 3.2.2.3 Corrección Atmosférica La corrección atmosférica es un proceso que se aplica a las imágenes digitales, con el propósito de eliminar el efecto de los aerosoles y la radiancia intrínseca que se introduce en el sensor y se ve reflejado en la imagen, como producto de la interacción del sensor con la atmósfera. Con el proceso de corrección atmosférica se logra mejorar la calidad visual de la imagen; así como, eliminar el componente intrusivo de la atmósfera. Este trabajo describe el proceso de corrección atmosférica en Erdas Imagen 2013 con la extensión ATCOR2 workstation con las longitudes de onda asociadas en el metadato GROUP = RADIOMETRIC_RESCALING. http://revistas.una.ac.cr/index.php/geografica/article/view/6609
53 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Tabla 12: Datos para la corrección atmosférica de 1990 obtenidas del metadato
BANDA NOMBRE C1 archivo-cal(c1) 1 VISIBLE-AZUL RADIANCE_MULT_BAND_1 = 0.67134 0.067134 2 VISIBLE-VERDE RADIANCE_MULT_BAND_2 = 1.3222 0.13222 3 VISIBLE-ROJO RADIANCE_MULT_BAND_3 = 1.044 0.1044 4 IR CERCANO RADIANCE_MULT_BAND_4 = 0.87602 0.087602 5 IR MEDIO RADIANCE_MULT_BAND_5 = 0.12035 0.012035 6 IR TERMICO RADIANCE_MULT_BAND_6 = 0.055375 0.0055375 7 IR MEDIO RADIANCE_MULT_BAND_7 = 0.065551 0.0065551 BANDA NOMBRE C0 archivo-cal(c0) 1 VISIBLE-AZUL RADIANCE_ADD_BAND_1 = -2.19134 -0.219134 2 VISIBLE-VERDE RADIANCE_ADD_BAND_2 = -4.1622 -0.41622 3 VISIBLE-ROJO RADIANCE_ADD_BAND_3 = -2.21398 -0.221398 4 IR CERCANO RADIANCE_ADD_BAND_4 = -2.38602 -0.238602 5 IR MEDIO RADIANCE_ADD_BAND_5 = -0.49035 -0.049035 6 IR TERMICO RADIANCE_ADD_BAND_6 = 1.18243 0.118243 7 IR MEDIO RADIANCE_ADD_BAND_7 = -0.21555 -0.021555 Fuente: Elaboración propia
Estos datos de corrección atmosférica del periodo (1990-2015) se encuentran de manera detallada en los anexos.
Figura 28: Archivo de calibración para corrección atmosférica
Fuente: Elaboración propia
54 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 29: Ventana de ATCOR2 donde se ingresa datos para la corrección atmosférica
Fuente: Elaboración propia
Donde se selecciona:
En input raster file (imagen a corregir). En output raster file (la dirección de la imagen de salida ya corregida). En acquisition date (fecha de la imagen). En input layer (las bandas que se van a corregir). En sensor (tipo de sensor del satélite). Lo más importante calibrate file (el archivo de calibración que se obtiene de los metadatos GROUP = RADIOMETRIC_RESCALING), (anexo 5). Y el solar zenit (la cual se puede calcular con calculate) también se puede obtener del metadato (90- SUN_ELEVATION) (Figura.29 y anexo 5).
55 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 30: Corrección atmosférica del nevado Illampu
A) Imagen sin corrección, B) Imagen con corrección atmosférica Respectivamente, con la combinación RGB color natural 11-09-1990 Fuente: Elaboración propia
3.2.4 Aplicación de índices de detección de nieve (NDSI), de detección de lagunas (NDWI) y elaboración de modelo semi-automatizado de detección de glaciares y lagunas Si bien esta investigación está enfocada en identificar las superficies de glaciares y sobre todo aquellas que podrían ser consideradas como una potencial amenaza, también se consideró importante delimitar las superficies lagunares para poder analizar la relación existente entre el deshielo de los glaciares y el aumento de las superficies lagunares o la formación de lagunas nuevas.
Por ello, una vez definidas las imágenes a utilizar, se procedió a identificar las áreas glaciares y lagunares en el Nevado Illampu, para ello se aplicaron el Índice de Diferencia Normalizada de Nieve, y el Índice de Diferencia Normalizada de Agua (NDSI, y NDWI, por sus siglas en inglés, respectivamente).
56 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
EL NDSI fue calculado con la herramienta Raster Calculator, del software ArcGIS 10.3, siguiendo una ecuación que combina la banda verde (Green) y la de infrarrojo cercano de onda corta (SWIR): NDSI = (Banda Green) - (Banda SWIR) / (Banda Green) + (Banda SWIR) NDSI = (Banda 2) - (Banda 5) / (Banda 2) + (Banda 5)
Del mismo modo, para el NDWI se aplicó el índice descrito por Huggel et al. (2002) a todas las imágenes que cubrían el área de estudio el cual consiste en la combinación de la banda infrarroja cercana (NIR) y la banda azul (BLUE), como en la siguiente ecuación:
NDWI = (Banda NIR) - (Banda Blue) / (Banda NIR) + (Banda Blue) NDWI = (Banda 2) - (Banda 4) / (Banda 2) + (Banda 4)
En ambos procesos se cambiaron los valores de profundidad del pixel convirtiéndolos a valores flotantes (Float); es decir, de píxeles con valores enteros positivos a decimales con valores entre -1 y 1, con los que se establecieron los umbrales que definirían tanto las superficies de glaciares como las superficies lagunares (Tabla 13).
Tabla 13: Umbrales definidos para detectar superficies glaciares y lagunares.
Umbral Umbral N° Fecha Sensor Código NDSI NDWI 1 11/09/1990 5 TM LT50010711990254CUB00 >=0.6 >=0.24 2 08/08/1995 5 TM LT50010711995220CUB00 >=0.6 >=0.30 3 05/08/2000 5 TM LT50010712000218AAA02 >=0.6 >=0.30 4 04/09/2005 5 TM LT50010712005247CUB00 >=0.6 >=0.30 5 17/08/2010 5 TM LT50010712010229CUB01 >=0.6 >=0.30 6 19/11/2015 8 OLI LC80010712015323LGN00 >=0.36 >=0.15 Fuente: Elaboración propia
Una vez definidos los umbrales se utiliza el software ArcGIS 10.3. Se utilizó “raster calculator” para aplicar la ecuación de NDSI posteriormente se utiliza la herramienta “reclassify” para reclasificar El raster obtenido 1=que no es glaciar y 2= que si es glaciar y después se utilizó la herramienta “Raster to Polygon”, para convertir los archivos de 57 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia formato GRID a shapefile, un formato conveniente para el cálculo de parámetros geográficos (área). Ya convertidos a shapefile se procedió a filtrar los datos, ya que el shapefile resultante de la conversión de los archivos raster generó un polígono con dos valores: 1 que representa lo que no es superficie glaciar y 2, que sí representa superficie glaciar este proceso se realizó con la herramienta “Select”.
Luego ya teniendo solo el polígono del glaciar se calcula las áreas de las mismas con la herramienta “calculate áreas”.
Con lo cual, se aplicó un filtró de unidad mínima cartografiable, con el que se eliminaron los polígonos de glaciares que poseían un área menor a 4500 m2 (5 píxeles). Esta fue establecida teniendo en cuenta la unidad mínima cartografiable aplicada por la UGRH para su inventario de lagunas y glaciares. El filtro se realizó mediante la herramienta Make Feature
Layer, donde se seleccionaron solo las áreas mayores e iguales a 4500 m2.
Para la capa de superficies glaciares, esta tenía vacíos dentro de muchos de los polígonos, en algunos casos relacionados a ruidos, pero en su mayoría relacionados a sombras. Para superar este problema se aplicó la herramienta Eliminate Polygon Part, donde se eliminaron todos los vacíos que el polígono contenía. Posteriormente, en la etapa de revisión y edición manual, se delimitaron aquellas áreas que sí correspondían a ruidos.
Luego se aplicó la herramienta Dissolve, con la finalidad de combinar los polígonos contiguos que posean el mismo atributo.
Con toda esta secuencia de herramientas se procedió a construir los modelos (Figura 31) y (figura 33) para la aplicación semi-automatizada de detección de glaciares, y lagunas respectivamente. Para ello, se utilizó la herramienta ModelBuilder del software ArcGIS 10.3, que permite organizar las herramientas de geoprocesamiento a manera de flujo de trabajo, que luego se aplicarían a las imágenes de los otros años, ajustando los umbrales a las características particulares de cada imagen y volviendo semi-automático el proceso (Figura.32).
58 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 31: Flujo de trabajo en el ModelBuilder semi-automatizada para detectar glaciares (NDSI).
Elipses azules: insumos (bandas de imágenes satelitales). Recuadros anaranjados: procesos. Elipses verdes: outputs/inputs (salida/entrada). Elipse rojo: Capa de glaciares resultante. Fuente: Elaboración propia
Figura 32: Ventana de ingreso de datos del modelo NDSI semi-automatizado
Fuente: Elaboración propia
De la misma forma se realizó el proceso semiautomático para NDWI de acuerdo a la ecuación ya mencionada ya respectivamente con raster calculator solo que ya no se disuelve (dissolve) las áreas de las lagunas para tener un mejor análisis por cada año de las diferentes lagunas numeradas. 59 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 33: Flujo de trabajo en el ModelBuilder semi-automatizada para detectar superficies lagunares (NDWI).
Elipses azules: insumos (bandas de imágenes satelitales). Recuadros anaranjados: procesos. Elipses verdes: outputs/inputs (salida/entrada). Elipse rojo: Capa de glaciares resultante. Fuente: Elaboración propia
Pese a que el umbral discrimina las áreas lagunares y glaciares de las que no lo son, también existen situaciones que hacen variar el rango de reflectividad de las lagunas y glaciares, como por ejemplo, confusión con zonas de sombras, agua congelada, cantidad de sedimentos de las lagunas, entre otros (Frey, et al., 2010a, p. 267).
Por ello, fue importante la revisión posterior al proceso con el apoyo de otros recursos, como por ejemplo, una capa de sombras (Hillshade), (Figura.34) y anexo (mapa 2/5), que permita identificar de antemano las zonas en las que sea más probable encontrar errores de sombras; una mapa de pendientes (Slope),) que permita identificar superficies planas donde la probabilidad de ubicación de lagunas sea mayor; y con el apoyo de Google Earth, que permite verificar superficies lagunares o glaciares mediante sus imágenes de alta resolución, anexo (mapa 3/5).
60 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 34: Superficie de sombras (análisis supervisada de áreas lagunares)
Fuente: Elaboración propia
También el tratamiento de las imágenes Landsat se realiza empleando los rangos del espectro electromagnético de las bandas. En este tipo de imágenes la nieve y el hielo sobre la superficie de la tierra tienen rasgos distintivos que pueden observarse a partir de una visualización en monocromático de las bandas 2 y 5 (figura.35).
En la banda 2, las superficies de hielo y nieve tienen una alta reflectancia (Valor digital de píxel: de 130 a 255). En esta banda los glaciares (en blanco) pueden distinguirse de las zonas con vegetación (en tonos oscuros) o del agua de los lagos (en negro), pero no de la roca desnuda.
En la banda 5, las superficies de hielo y nieve tienen una baja reflectancia (Valor digital de píxel: de 1 a 5). En esta banda los glaciares aparecen en negro (baja reflectividad). Se distinguen claramente de la roca desnuda y de las zonas cubiertas de vegetación, pero no de los lagos.
61 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 35: Bandas de la imagen Landsat 5TM (5, 4,2)
A) Banda 5, B) banda 4 y C) banda 2, Respectivamente, del nevado Illampu de la fecha 11-09-1990 Fuente: Elaboración propia
Del análisis visual de las distintas combinaciones en falso color, se determina que la composición 5, 4, 2 (desplegada en los canales rojo, verde y azul), es la que proporciona mayor información respecto a las superficies de hielo y nieve.
El resultado de esta combinación muestra en color azul las superficies de hielo y nieve por la gran respuesta espectral de las bandas visibles (banda 2) (Figura.36), las zonas de vegetación resaltan en tono verde debido a la elevada reflectividad en el infrarrojo cercano (banda 4). Los lagos y embalses tienen apariencia negra debido a la baja reflectividad en el infrarrojo (banda 5).
Por eso entonces en la revisión posterior se emplea la composición a color 5, 4,2 como herramienta visual para la distinción de coberturas. Del análisis comparativo e interpretación de las imágenes que resalten mejor las superficies de nieve y hielo.
62 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 36: Combinación de bandas 5,4,2 de la imagen Landsat 5TM (Illampu 1990)
Fuente: Elaboración propia
Después, al final de la revisión se fusionaron los resultados de diferentes años desde 1990 a 2015 de cada 5 años que conforman el área de estudio con la herramienta Merge de los diferentes años teniendo como resultado final el mapa de NDSI y NDWI.
63 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
4. RESULTADOS Y DISCUSION
4.1 Resultados En el presente capítulo se describen los resultados obtenidos en esta investigación divididos en tres secciones.
En la primera sección se desarrollan los resultados obtenidos de la etapa de pre- procesamiento de los insumos, en la segunda sección se describen los resultados tanto de superficies glaciares como lagunares y por último los resultados relacionados al cálculo de las proyecciones futuras.
4.1.1 Resultados del ensayo de calidad de ortorectificación y del proceso de aplicación de modelos semi-automatizados Los resultados del ensayo para conocer el método más preciso para la ortorectificación de las imágenes satelitales se presentan en la Tabla 14.
Tabla 14: Resultados del ensayo de calidad de métodos de corrección geométrica Imagen comparada con : RMS Imagen Google Earth Georeferenciada 3.030 Imagen original ortorectificada manualmente 20,530 Imagen original ortorectificada con autosync 1,090 Imagen ortorectificada manualmente y con autosync 1,160 Fuente: Elaboración propia Estos resultados mostraron que la imagen a la que se le aplicó solo la herramienta autosync obtuvo mejores resultados que la que fue ortorectificada de forma manual, siendo un RMS (Root Mean Square- Error medio cuadrático) considerablemente menor a un pixel (1.090 metros).
Sin embargo, a pesar del menor error que se tiene por este método al aplicar la herramienta auntosync a las escenas de otros años, el desplazamiento entre años había un leve desfase que el que tenía la imagen Landsat original, por lo que se descartaron los otros métodos instrumentales y se utilizaron las escenas Landsat 5 TM con nivel de corrección L1T y 9 de nivel de calidad, sin ningún proceso posterior.
64 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Por otra parte, respecto a la aplicación del modelo semi-automatizado para identificar superficies glaciares, los resultados fueron bastante satisfactorios, ya que el modelo identificó los glaciares con bastante precisión y la etapa de revisión no fue muy extensa. Por el contrario, para la aplicación del modelo semi-automatizado de detección de lagunas se tuvo que invertir mucho tiempo en el establecimiento de umbrales adecuados que disminuyan el error ocasionado por sombras y por la diferencia de profundidad de las lagunas. Es por ello, que la definición de umbrales diferenciados para lagunas de mayor profundidad ayudó de manera considerable a disminuir el error de que generaba con umbrales de menor rango.
4.1.2 Resultados de superficies glaciares y superficies de lagunas Una vez seleccionado los mejores insumos para la aplicación de los modelos semi- automatizados, se logró calcular la superficie glaciar en el nevado Illampu para el año 2015 en 5436.483 ha, mostrando una disminución de 11.79% en relación a los 6163.451 ha de superficie glaciar de 1990 que fue considerado como el valor de más bajo (el 100% del glaciar).
En la Tabla 15 se muestra un recuento de los cambios en la superficie glaciar de nevado Illampu y además es importante mencionar, que para calcular el porcentaje de reducción de superficie glaciar se tuvo en cuenta el valor más bajo del año 1990. Con respecto del 1990 se calcula los porcentajes de pérdida para los demás años hasta el año 2015.
De la comparación de resultados destaca la reducción de superficie glaciar entre los años 1990- 1995 como una de las más elevadas, 16.28% durante un periodo de 5 años. Además, en los años 2010-2015, se registró un aumento aproximado de 13.48% de la superficie glaciar.
Tabla 15: Cambios de la superficie glaciar en el nevado Illampu (1990-2015)
AÑO AREA (ha) AREA (%) PERDIDA (%) DIFERENCIA (%) 1990 6163.451 100.00 0.00 1995 5159.892 83.72 16.28 -16.28 2000 5190.115 84.21 15.79 0.49 2005 5040.155 81.77 18.23 -2.43 2010 4605.658 74.73 25.27 -7.05 2015 5436.483 88.21 11.79 13.48 Fuente: Elaboración propia
65 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Además, pese a que se logró registrar una fase de balance glaciar positiva en el periodo 2010- 2015, se mantiene la tendencia general negativa (Figura 37).
Tomando en cuenta que se analiza el retroceso glaciar cada periodo de 5 años de manera equidistante, (ver anexo mapa 4/5). Figura 37: Variación de la superficie glaciar en el nevado Illampu RETROCESO GLACIAR DE ILLAMPU
6000 AREA Has AÑO 6,163.4516,163.451 19901990 5500 5,159.8925,159.892 19951995 5,190.1155,190.115 20002000 5,040.1555,040.155 20052005 5000 4,605.6584,605.658 20102010 5,436.4835,436.483 20152015 4500
4000
3500
3000
AREA Has AREA 2500
2000
1500
1000
500
0 1990 1995 2000 2005 2010 2015 AÑO GRAFICA DEL RETROCESO GLACIAR POR METODOFuente: DE NDSI Elaboración propia
Con relación a las superficies lagunares, las lagunas fueron codificadas con números consecutivos 1, 2, 3,……10. en un inicio para 1990 se detectaron 7 lagunas con áreas mayores a 4500m² que juntas suman una área de 96.844 ha de superficie lagunar en el nevado Illampu ya para el año 2015 se detectaron 10 lagunas que juntas suman un área de 153.174 ha que están directamente relacionados con el retroceso glaciar del nevado Illampu haciendo una diferencia existe un incremento total de 56.33 ha y también haciendo un incremento de tres lagunas que sumados los tres lagunas de 2015 hacen una superficie de 15.569 ha (Tabla.16).
66 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Tabla 16: Superficies y cantidad de lagunas en el nevado Illampu
INCREMENTO NUMERO Área (ha) Área (ha) Área (ha) Área (ha) Área (ha) Área (ha) (ha) LAGUNA 1990 1995 2000 2005 2010 2015 (1990-2015) 1 4.895 5.561 4.883 5.548 5.094 4.499 -0.396 2 77.684 76.824 76.022 76.367 77.521 82.908 5.224 3 0.683 0.822 0.639 0.703 0.817 0.839 0.156 4 8.567 8.720 7.680 8.605 9.155 9.409 0.841 5 1.665 0.840 1.780 1.779 2.114 0.449 6 1.875 1.511 1.687 1.518 1.912 1.982 0.107 7 1.476 16.407 21.293 25.342 28.999 35.855 34.379 8 1.396 5.054 6.952 9.134 9.134 9 2.735 5.254 5.949 5.949 10 0.486 0.486
TOTAL 96.844 110.686 113.599 127.652 137.482 153.174 56.330 Fuente: Elaboración propia
Respecto al incremento de áreas de las 5 lagunas (3, 4, 5, 6,10) han incrementado en un menor porcentaje y 3 lagunas se incrementaron en un mayor porcentaje como por ejemplo la laguna 2, 8, y 9. Y la laguna 1 en vez de aumentar su superficie más bien se redujo el área en -0.396 ha eso debido a que en esa área ya no existe un glaciar que alimente el agua a esa laguna y la laguna 7 aumento su área de manera considerable debido que en años anteriores esa laguna estaba como hielo y debido al calentamiento global aumento su área de forma acelerada.
También podemos observar que la laguna 5 del año 2000 ya no se encuentra debido a que en la imagen satelital ya tiene una área menor a 4500m² por lo que el proceso semi-automatizado ya no toma en cuenta (Tabla.16) y anexo (mapa 5/5).
Tabla 17: Resumen de superficies por año y el porcentaje de incremento
INCREMENTO AÑO AREA(ha) AREA (%) (%) 1990 96.844 100.00 1995 110.686 114.29 14.29 2000 113.599 117.30 3.01 2005 127.652 131.81 14.51 2010 137.482 141.96 10.15 2015 153.174 158.17 16.20 Fuente: Elaboración propia 67 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Figura 38: Crecimiento de superficies lagunares por años
Fuente: Elaboración propia
Por otro lado, respecto a la distribución altitudinal de las lagunas, se analizó desde los 4000 hasta los 6200 msnm según el DEM. Además, según los rangos de elevación, el mayor número de lagunas se encuentra en la puna (entre los 4400 y 5300 msnm). sin embargo, la mayoría de las nuevas lagunas formadas de manera natural, concretamente 4 lagunas, se encuentran, por encima de los 4800 metros de altitud, lo que muestra una tendencia a la formación de lagunas en lugares más elevados dónde el hielo se retira (tabla 18).
Tabla 18: Distribución altitudinal de las lagunas
ALTITUD (4400-4800) (4800-5300)
1 7
2 8 3 9 4 10
LAGUNAS 5
NUMERODE 6 Fuente: Elaboración propia
68 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Respecto a la relación entre superficies glaciares y lagunares, la tendencia general es que las superficies lagunares incrementen su área y se formen nuevas lagunas a medida que las superficies glaciares se derriten y retroceden (Figura.39).
Figura 39: Lagunas que están en contacto directo con el glaciar
Fuente: Imagen de Google Earth
Las lagunas 7, 8, 9 y 10 son lagunas nuevas que se formaron durante el retroceso glaciar como se puede apreciar en la figura 39.
4.1.3 Proyección de escenarios futuros
Para poder inferir cual será el retroceso glaciar para un determinado año se realizaron una serie de cálculos que permitieron efectuar una aproximación de la cantidad de superficie glaciar que se perderá.
69 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
(푷₁−푷₀)∗풕 Se utilizó la siguiente fórmula: Pₓ = P₀ + 풏
DONDE:
Pₓ: cantidad de hectáreas que se quieren conocer en el año x P₀: cantidad de hectáreas para el primer año P₁: cantidad de hectáreas para el último año n: número de años entre p₀ y p₁ t: número de años entre el primer año y el año que se quiere conocer (es decir entre P₀ y Pₓ)
(http://sisbib.unmsm.edu.pe/bibvirtualdata/publicaciones/inv_sociales/N22_2009/pdf/a04.pdf).
POR EJEMPLO: para el año 2050
Tabla 19: Datos para cálculo de proyecciones futuras
VARIABLE VALOR P₀(1990) 6163.451 (ha) P₁(2015) 5436.483 (ha) n 25 (años) Fuente: Elaboración propia
Datos para calcular el área del glaciar para un determinado año
Pₓ=Cantidad de hectáreas que se quiere conocer en el año (X=2050)
P₀= 6163.451 Cantidad de ha para el primer año
P₁= 5436.483 cantidad de ha para el último año n= 25 número de años entre P₀ y P₁ t= 60 número de años entre el primer año y el año que se quiere conocer (2050-1990=60)
(5436.483−6163.451) P2050= 6163.451 + * 60 =4418.728 ha 25
Entonces en 2050 solo ya habrá una área de glaciar de 4418.728 ha.
70 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Tabla 20: Perdida de las áreas glaciares futuras.
Pₓ(AÑO) AREA (ha) 2030 5000.302 2040 4709.515 2050 4418.728 2100 2964.792 2150 1510.856 2200 56.920 Fuente: Elaboración propia De la misma fórmula entonces se puede despejar el tiempo en el que en glaciar de Illampu podría desaparecer.
푛(푃ₓ−푃₀) t= 푃₁−푃₀
De donde: el pₓ área que se considera cero
25(0−6163.451) t= = 211.957 años = 212 años (5436.483−6163.451)
Entonces podríamos decir que sumados al año 1990 + 212 = 2202 en 2202 podría desaparecer el nevado Illampu de forma completa es decir 2202 – 2015 = 187 años aproximadamente pero esto es solo un cálculo matemático para su mejor aproximación se debe considerar diferentes factores que pasaran en el transcurrir del tiempo.
4.2 Discusiones De acuerdo a los resultados del análisis de las superficies glaciares de esta investigación fueron bastante satisfactorios, por el modelo semi-automatizado que dieron un resultado en menor tiempo posible y con menor posibilidad de equivocación con los pasos que requiere para llegar al resultado final que es un mapa final del retroceso glaciar del nevado Illampu.
Si se podría realizar este mismo trabajo por método de digitalización (de manera manual) se puede tardar invertir más tiempo en realizar todo el proceso que se hizo en este trabajo y además con más probabilidades de equivocación que también dependerá del personal capacitado que lo realice.
71 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
El cálculo del NDSI pudo diferenciar bastante bien las superficies glaciares y los errores relacionados a sombras fueron superados con relativa facilidad, a excepción de las zonas en las que convergían lagunas, glaciares y sombras, donde el modelo erraba y era necesaria la edición manual (Figura 40). Figura 40: Zonas de sombra de difícil detección
1) Confusión hielo-sombra; (2) Confusión laguna-hielo Fuente: Elaboración propia
Con la utilización del DEM, se pudo depurar todo lo que está por debajo de 4800 msnm, permitió el ahorro de tiempo de edición de la capa de glaciares, concentrando esfuerzos en los errores de sombras y confusión con otras superficies. El tiempo invertido en la edición se empleó para la revisión de errores como en los de la Figura 40. Por otro lado, respecto a los resultados de superficies lagunares, estas presentaron más complicaciones para ser detectadas. Pese a que el NDWI descrito por Huggel (2002) identifica muy bien los cuerpos de agua profundos y de gran tamaño, incluso en zonas con sombras, no sucedió lo mismo en cuerpos más pequeños y de poca profundidad. Este problema de omisión de lagunas se solucionaba ampliando los umbrales del modelo; sin embargo, esto implicaba incrementar el error de confusión con sombras. Por ello, al aplicar umbrales diferentes para 72 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia superficies más pequeñas permitió, en cierta medida, disminuir el ruido en los resultados del modelo.
Pese a que existe un patrón de formación de nuevas lagunas a mayor elevación, no se pudo establecer un filtro altitudinal, debido a que ya existían lagunas en zonas más bajas. Por otra parte, la utilización de un filtro relacionado a la pendiente del terreno funcionó satisfactoriamente, ya que las áreas lagunares presentan la característica de tener baja pendiente, lo que facilita la acumulación de agua.
El filtro por pendientes permitió descartar buena parte del ruido de sombras que el modelo detectaba por error; sin embargo, también ocurría el problema de confusión con sombras cercanas al glaciar (Figura 34). Por ello, con el fin de superar esta complicación, se realizó un filtró con las superficies glaciares ya identificadas previamente, de manera que se descarten los errores de confusión de lagunas con superficies glaciares con sombras. Por último, los errores que no pudieron ser superados se tuvieron que editar de forma manual.
En esta investigación, en base a imágenes Landsat, se lograron registrar 10 lagunas con áreas superiores a los 4500m². Por cumplir con el área mínima cartografiable o simplemente por haber sido identificadas por el modelo y las lagunas menores de 4500m² fueron descartados por el modelo.
Sin embargo, pese a la desventaja relacionada a la resolución espacial de las imágenes, esta investigación tiene la ventaja de poseer un registro actualizado de las superficies glaciares y lagunares hasta el año 2015.
Además, esta investigación aporta con un modelo automatizado para detectar lagunas y glaciares.
73 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
5. CONCLUSIONES Y RECOMENDACIONES
5.1 Conclusiones Existe una tendencia creciente en el aumento de las superficies y número de lagunas en el nevado Illampu por el derretimiento acelerado de los glaciares, causado en gran medida por el cambio climático.
En los 25 años de análisis (1990-2015), la superficie glaciar se redujo de 6163.451 ha a 5436.483, una pérdida de 726.968 o sea el 11.79%, lo que corrobora la tendencia general de reducción de los glaciares a nivel general.
Si bien durante el periodo 1995-2000, la superficie glaciar aumentó 30.223 ha el 0.49 %, durante el periodo 2000-2005, el porcentaje de pérdida de superficie glaciar fue de -2.43%; volviendo a la tendencia general de retroceso glaciar.
Aunque en el periodo 2010-2015 la superficie glaciar aumento de forma considerable con un 13.48% aun así la tendencia general sigue siendo de retroceso pero habrá que ver en los posteriores años que es lo que sucede.
La superficie lagunar en el nevado Illampu se ha incrementado en 56.33 ha el 58.17%, pasando de 96.844 ha a 153.174 ha durante el periodo 1990-2015. Además pasando de 7 lagunas de 1990 a 10 lagunas en 2015.
De las lagunas identificadas como nuevas, todas son de origen natural, además se detectó la lenta disminución de la laguna número 1, posiblemente asociado a la desaparición del glaciar y el poco abastecimiento del agua.
Con relación a las técnicas empleadas en esta investigación, el modelo de detección semiautomática de glaciares N D S I ha demostrado ser un método rápido, robusto y bastante preciso, con mucha coherencia en los resultados.
Por otro lado, el modelo de detección semiautomática de lagunas NDWI es un método rápido, 74 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia pero aún no logra ser muy preciso, las características espectrales de los cuerpos de agua varían mucho siendo reflectores especulares e incluir todo lo que podría ser una laguna implicaría ampliar los umbrales; sin embargo, ampliar los umbrales significa aumentar el error de confusión por otros elementos, como por ejemplo, las sombras.
La aplicación de mapa de sombras empleado fue de gran ayuda para anticipar los posibles sitios donde el modelo semi-automatizado posiblemente erraría. Además, el filtro de selección por baja pendiente y la aplicación de un umbral diferente para lagunas pequeñas (5 a 15 píxeles) fueron pertinentes y permitieron el ahorro de tiempo en edición manual.
Los resultados de esta investigación fueron satisfactorios, pero no tan exactos, debido a la menor resolución espacial de las imágenes satelitales empleadas (30 m pixel).
Esta investigación también puede servir como fuente para contrastar resultados con las actualizaciones de los inventarios de lagunas y glaciares que se podrían realizar en los posteriores.
5.2 Recomendaciones Se recomienda descargar las imágenes Landsat de la página https://earthexplorer.usgs.gov/ la cual tiene los metadatos incluidos y no así del http://www.dgi.inpe.br/CDSR/ que no tiene los metadatos. Debido a que los metadatos nos sirven para la corrección atmosférica de la imagen.
Además las cuales se tiene que considerar la menor cobertura de las nubes, la fecha de la imagen en época seca y el nivel de corrección.
El nivel de corrección es muy importante que sea el de nivel de corrección L1T (Level 1 Standard Terrain Correction) y nivel de calidad 9; es decir, el mejor nivel de corrección y calidad que la USGS ofrece y que indican que las imágenes tienen un primer proceso de corrección geométrica y radiométrica.
Por lo que ya no es necesario corregir posteriormente debido a que ya está corregida y en vez 75 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia de corregir se estaría deformando cuando se corrige de vuelta por eso es que había un leve desfase entre imágenes.
Se recomienda estandarizar las proyecciones de los diferentes insumos a proyección UTM-19S antes de hacer empezar a procesar los datos para no tener inconveniencias posteriores.
Se recomienda realizar la corrección atmosférica para una mejor visualización de la imagen para una revisión posterior al proceso semiautomático.
Se recomienda no olvidarse al momento de procesar con el modelo de semi-automatizado cambiar los umbrales de los diferentes años tanto para NDSI y NDWI.
Como también no equivocarse con la introducción de las bandas a procesar y la dirección de la carpeta donde se guardara el archivo y las fecha de las imágenes para que cuando se una (dissolve) las imágenes de diferentes años al final tengan un resultado final coherente.
76 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
6. BIBLIOGRAFÍA Alfaro Tito, 29 de Mayo de 2015, Plataformas Y Programas de Teledetección Espacial_Imagenes Satelitales, 13.
Alva Huayaney Miguel E & Meléndez de La Cruz Juan F, 2009, Aplicación de la Teledetección Para el Análisis Multitemporal de la Regresión Glaciar En La Cordillera Blanca, Investigación Social, Universidad Nacional Mayor de San Marcos, Lima-Perú: 13.
Ariza Alexander, 2013, Descripción y Corrección de Productos Landsat 8 LDCM, Grupo Interno de Trabajo En Percepción Remota Y Aplicaciones Geográficas, Instituto Geográfico Agustín Codazzi, Bogotá-Colombia, 46.
Aspectos técnicos de las imágenes Landsat, INEGI. Dirección General de Geografía y Medio Ambiente ,22.
Bravo Morales Nino Frank, 2017, Teoría – Teledetección Espacial Landsat, Sentinel-2, Aster L1t Y Modis, especialista en Teledetección- primera edición, Universidad Nacional Agraria de La Selva, Tingo María – Huánuco – Perú, 105.
Buitrón Aliaga Carola & Fernández Callisaya José, 2012, Estudio Espacial Multitemporal de Variaciones en Superficie Observadas a Través de Imágenes Satelitales Landsat un una Región del Parque Nacional Sajama Bolivia, Tesis, Agua Sustentable, Oruro-Bolivia,63.
Casassa, G. y otros, 2007. Current status of Andean glaciers. Global and Planetary Change, Volumen 59, pp. 1-9.
Concha, J., 1957. El Problema de las Lagunas de la Cordillera Blanca. Boletín de la Sociedad Geológica del Perú, Volumen 32, pp. 87-95.
Coudrain, A., Francou, B. & Kundzewincz, Z. W., 2005. Glacier shrinkage in the Andes and consequences for water resources. Hydrological Sciences–Journal–des Sciences Hydrologiques, 50(6), pp. 925-932.
77 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Cuffey, K. M. & Paterson, W. S. B., 2010. The Physics of Glaciers. 4 ed. USA: Elsevier.
Drenkhan, F. y otros, 2015. The Changing Water Cycle: Climatic and Socioeconomic Drivers of Water-related Changes in the Andes of Peru. WIREs Water, 2(6), pp. 715-733.
Espinoza Sumaran Gerardo Henry, 2010, Aplicación de los Sistemas de Información Geográfica (Gis) En La Ingeniería Civil, Maestría, Universidad Nacional Hermilio Valdizan, Huanuco-Peru: 65.
Fernández Coppel Ignacio A & Herrero Llorente Eliecer, 2001, Análisis Visual de Imágenes Obtenidas del Sensor ETM+ Satélite Landsat, Universidad de Valladolid, Valladolid_España:37.
Flores Marrero José Luis, Publicado el 13 de Mayo de 2009, Efecto Invernadero.
Francou B. & V. Favier, 2007, Les glaciers vont-ils disparaître, Glaciers face aux changements climatiques, Paris.
Frías Ernesto, Publicado el 3 de Oct. de 2015, Google Earth, 29.
Garreaud, R. D., 2009. The Andes climate and weather. Advances in Geosciences, Volumen 22, pp. 3-11.
Gómez Eduardo, publicado el 29 de Sept. De 2011, Teledetección Aplicaciones, 91.
Grupo Intergubernamental de Expertos sobre el Cambio Climático, Cambio Climático 2007 – Informe de Síntesis.
Herrera Escorcia José Luis, Publicado el 1 de Jun. De 2011, La Teledetección. 155.
Huddart, D. & Stott, T., 2010. Earth Environment. Present, past and future. s.l.:Wiley & Sons.
78 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Ibañez J & Ruiz P & Belijar J & Susarte Vélez, Efecto Invernadero.
IPCC, 2013. Observations: Cryosphere. En: Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental. United Kingdom and New York: Cambridge University Press, p. 1535.
Istalens, Isabel, 2009, Efecto Invernadero, Portal Planeta Sedna.
Kaser, G., 1995. Some notes of behaviour of tropical glaciers. Boletín del Instituto Francés de Estudios Andinos, 24(3), pp. 671-681.
Kaser, G., 1999. A review of the modern fluctuations of tropical glaciers. Global and Planetary Change, pp. 93-103.
Kaser, G. & Osmaston, H., 2002. Tropical Glaciers. Cambridge: s.n.
Labraga J.C, 2008, Escenario de Cambio Climático para la Argentina, Ciencia Hoy 44(8). Recopilado el 2 de mayo de 2009.
McFeeters, 1996, the use of the Normalized Difference Water Index (NDWI) in the delineation of open water features, Int. J. Remote Sens., 17, 1425–1432.
Medina Gilberto & Mejía Abel, 2014, Análisis Multitemporal y Multifractal de la Deglaciacion de La Cordillera Parón En Los Andes de Perú, Artículos Originales, Universidad Nacional Agraria de la Selva, Lima-Peru:21.
79 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Méndez Baíllo Rodolfo & López Vásquez Carlos, Evaluación de Exactitud Vertical Comparativa Entre el Aster GDEM Y El MDT del Conjunto de Provisorios, Congreso Uruguayo de Infraestructura de datos Espaciales, Uruguay, 6.
Monografia_Estudio_Multitemporal_Nevado_Ampay
Organización de Estados Americanos, (OEA), (1993), Manual sobre el manejo de peligros naturales en la planificación para el desarrollo Regional Integrado.
Peña Suarez Jeimy Carolina, 2015, Análisis Multitemporal El Retroceso Glaciar de la Sierra de la Nevada del Cocuy Ubicada En los Departamentos de Boyaca y Arauca Entre los Años 1992-2014, Especialización en Geomatica, Universidad Militar Nueva Granada, Bogota- Colombia,14.
Pineda N, 2005. Dinámica del manto nivoso en el Pirineo: Seguimiento con Spot-Vegetation de los años 1998-2003. XI Congreso Nacional de Teledetección, 21-23 septiembre 2005. Puerto de la Cruz. Tenerife.
Rabatel, A. y otros, 2013. Current state of glaciers in the tropical Andes: a multi-century perspective on glacier evolution and climate change. The Cryosphere, Volumen 7, pp. 81-102.
Ramírez R Edson, 2008, Deshielo del Nevado Mururata y su Impacto Sobre los Recursos Hídricos En La Cuenca de Palca, La Paz- Bolivia: 59.
Ramírez Edson, 2009, Estudio de la Disponibilidad de Recursos Hídricos de la Cuenca del Nevado Mururata, La Paz – Bolivia: 48.
Raquel zalba, 2015, El modelado glaciar, 32.
80 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Romero Luzuriaga Janisse G, 2010, Implementación de un Sistema de Información Geográfica Como una Herramienta Para el Monitoreo del Retroceso de los Glaciares del Nevado Antisana. Estudio de Caso: Glaciares 12 Y 15 Y Cuenca del Río Antisana, Proyecto de Grado, Escuela Politécnica del Ejército, Sangolqui-Ecuador, 211.
Silverio, W. y Jaquet J., 2005. Mapeo de cobertura glaciar de la Cordillera Blanca (Peru) utilizando imágenes satelitales. Teledetección del Medio Ambiente n. 95, 342-350.
S/n, Introducción A La Teledetección, Monografía, 3.
S/n, teledetección aplicaciones, diapositiva, 91.
Tarazona Coronel Yonatan, 2012, Aplicación de la Teledetección Como una Herramienta para El Análisis Multitemporal del Retroceso Glaciar en el Nevado Pastoruri debido al Cambio Climático, Elaboración de Tesis, Universidad Nacional Mayor de San Marcos, Facultad de Geografía, Lima Perú.
Tarbuck & Lutgens, 2005. Ciencias de la Tierra. Una Introducción a la Geología Física. 8 ed. Madrid: Pearson.
UNEP, 2007. Global Outlook for Ice & Snow. Birkeland: s.n.
Yap Arévalo Aderly Andrés, 2015, Análisis Multitemporal de Glaciares y Lagunas Glaciares en la Cordillera Blanca e Identificación de Potenciales Amenazas GLOFs, Tesis, Pontifica Universidad Católica del Perú, Lima-Perú, 57.
81 Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
6.1 Páginas electrónicas de consulta https://acolita.com/combinacion-de-bandas-para-Landsat-8/ https://acolita.com/wp-content/uploads/2018/01/Teledeteccion_espacial_ArcGeek.pdf http://caro-vallejoc.blogspot.com/2009/11/el-efecto-invernadero-habla-del-cambio.html https://earthexplorer.usgs.gov/ https://es.wikipedia.org/wiki/Landsat_8 https://geo.gob.bo/portal/?Descargas-Aster-DEM. http://revistas.una.ac.cr/index.php/geografica/article/view/6609 http://sisbib.unmsm.edu.pe/bibvirtualdata/publicaciones/inv_sociales/N22_2009/pdf/a04.pdf http://www.cambio.bo/regiones/20120917. http://www.creaf.uab.es/miramon/help/spa/msa/indexs.htm http://www.dgi.inpe.br/CDSR/ http://www.gabrielortiz.com/ http://www.mapama.gob.es/es/cambio-climatico/temas/que-es-el-cambio-climatico-y-como- nos-afecta/. https://www.weadapt.org/sites/weadapt.org/files/2017/november/estudio_espacial_multitemp oral_de_variaciones_en_superficie.pdf www.ecopibes.com/problemas/invernadero/que.htm www.ipcc.ch/pdf/glossary/tar-ipcc-terms-sp.pdf
82 Proyecto de Grado de: Hernán R. Chura Apaza
A N E X O S
Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
7. ANEXOS Anexo 1: Puntos extraídas de la ortorectificacion manual
PTO ESTE NORTE 1 543295.969 8259104.085 2 546875.263 8257405.405 3 550929.497 8255917.384 4 557446.530 8254902.389 5 557017.551 8252117.856 6 551460.731 8253184.006 7 547209.652 8253871.016 8 541877.200 8255448.941 9 542998.082 8250463.773 10 548089.826 8251182.239 11 554929.044 8250423.347 12 556770.230 8249688.343 13 553040.082 8246514.961 14 549727.217 8248456.542 15 541217.534 8247498.029 16 543080.770 8245125.802 17 541208.346 8242404.447 18 549222.161 8244495.485 19 555635.721 8242420.120 20 557118.912 8239100.860 21 549900.348 8238729.235 22 544749.430 8239434.991 23 541929.713 8239852.931 24 542460.133 8235755.134 25 551851.103 8233665.434
a Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Anexo 2: Puntos extraídos de la ortorectificacion autosync
PTO ESTE NORTE 27 554543.309 8246484.064 1 544450.660 8256626.477 28 557104.297 8247439.846 2 544236.330 8255674.758 29 543681.981 8243859.315 3 545030.655 8254097.831 30 544176.868 8242241.361 4 548306.517 8256423.863 31 552446.232 8241664.555 5 552308.352 8256298.331 32 554972.597 8244068.903 6 549602.299 8254516.311 33 555102.707 8242862.939 7 552500.400 8255528.482 34 557240.445 8243864.492 8 552888.121 8255874.934 35 545470.636 8239965.320 9 555565.723 8255872.583 36 546930.212 8239126.107 10 543965.704 8253121.396 37 548727.995 8238782.485 11 546886.528 8251907.734 38 546820.635 8237904.269 12 549648.679 8252975.659 39 551769.693 8238718.289 13 551750.502 8253127.041 40 554833.302 8238947.493 14 554742.749 8251815.967 41 557074.123 8240755.214 15 557373.295 8251327.250 42 557976.983 8240660.270 16 544175.015 8250418.439 43 547962.736 8236764.794 17 543950.479 8247700.853 44 548519.065 8234371.985 18 548139.857 8247857.637 45 548773.515 8233522.104 19 549236.528 8247541.722 46 550040.887 8236973.740 20 549684.737 8249662.857 47 552035.502 8234115.151 21 551828.702 8250166.573 48 553739.863 8236884.964 22 556499.703 8249786.459 49 554211.555 8234361.368 23 556882.078 8249373.615 50 556302.912 8236587.141 24 546792.140 8246422.773 51 557300.587 8236047.682 25 549299.391 8246014.800 52 558200.614 8234031.700 26 552251.297 8247194.419
b Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Anexo 3: Puntos extraídos de la ortorectificacion autosync y manual
PTO ESTE NORTE 27 556727.635 8246947.440 1 544450.660 8256626.477 28 543681.981 8243859.315 2 544236.330 8255674.758 29 544176.868 8242241.361 3 545030.655 8254097.831 30 547232.536 8241175.956 4 548306.517 8256423.863 31 550234.097 8242958.386 5 552308.352 8256298.331 32 552446.232 8241664.555 6 549602.299 8254516.311 33 554972.597 8244068.903 7 552500.400 8255528.482 34 555129.246 8242157.242 8 552888.121 8255874.934 35 557240.445 8243864.492 9 555565.723 8255872.583 36 545470.636 8239965.320 10 543965.704 8253121.396 37 546930.212 8239126.107 11 548184.660 8253396.037 38 548727.995 8238782.485 12 549648.679 8252975.659 39 546820.635 8237904.269 13 552352.634 8252818.384 40 551769.693 8238718.289 14 554742.749 8251815.967 41 554254.394 8238456.562 15 557373.295 8251327.250 42 557074.123 8240755.214 16 544175.015 8250418.439 43 557976.983 8240660.270 17 543950.479 8247700.853 44 547962.736 8236764.794 18 548139.857 8247857.637 45 550040.887 8236973.740 19 549684.737 8249662.857 46 553742.928 8236779.641 20 551828.702 8250166.573 47 556302.912 8236587.141 21 550603.592 8248709.349 48 557300.587 8236047.682 22 556499.703 8249786.459 49 548519.065 8234371.985 23 556882.078 8249373.615 50 548773.515 8233522.104 24 546792.140 8246422.773 51 552035.502 8234115.151 25 552251.297 8247194.419 52 554211.555 8234361.368 26 554543.309 8246484.064 53 558200.614 8234031.700
c Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Anexo 4: Metadato de la imagen satelital L5 11-09-1990
LOS DATOS QUE SE TOMARON ENCUENTA PARA LOS DIFERENTES PROCESOS
GROUP = L1_METADATA_FILE GROUP = METADATA_FILE_INFO ORIGIN = "Image courtesy of the U.S. Geological Survey" REQUEST_ID = "9991601110001_05294" LANDSAT_SCENE_ID = "LT50010711990254CUB00" FILE_DATE = 2016-01-12T06:25:54Z STATION_ID = "CUB" PROCESSING_SOFTWARE_VERSION = "LPGS_12.7.0" DATA_CATEGORY = "NOMINAL" END_GROUP = METADATA_FILE_INFO GROUP = PRODUCT_METADATA DATA_TYPE = "L1T" DATA_TYPE_L0RP = "TMR_L0RP" ELEVATION_SOURCE = "GLS2000" OUTPUT_FORMAT = "GEOTIFF" EPHEMERIS_TYPE = "DEFINITIVE" SPACECRAFT_ID = "LANDSAT_5" SENSOR_ID = "TM" SENSOR_MODE = "SAM" WRS_PATH = 001 WRS_ROW = 071 DATE_ACQUIRED = 1990-09-11 SCENE_CENTER_TIME = "13:54:55.0500630Z" CORNER_UL_LAT_PRODUCT = -14.95451 CORNER_UL_LON_PRODUCT = -69.15252 CORNER_UR_LAT_PRODUCT = -14.94555 CORNER_UR_LON_PRODUCT = -66.97126 CORNER_LL_LAT_PRODUCT = -16.85029 CORNER_LL_LON_PRODUCT = -69.15395 CORNER_LR_LAT_PRODUCT = -16.84013 CORNER_LR_LON_PRODUCT = -66.95217 CORNER_UL_PROJECTION_X_PRODUCT = 483600.000 CORNER_UL_PROJECTION_Y_PRODUCT = -1653300.000 CORNER_UR_PROJECTION_X_PRODUCT = 718200.000 CORNER_UR_PROJECTION_Y_PRODUCT = -1653300.000 CORNER_LL_PROJECTION_X_PRODUCT = 483600.000 CORNER_LL_PROJECTION_Y_PRODUCT = -1863000.000 CORNER_LR_PROJECTION_X_PRODUCT = 718200.000 CORNER_LR_PROJECTION_Y_PRODUCT = -1863000.000 REFLECTIVE_LINES = 6991 REFLECTIVE_SAMPLES = 7821 THERMAL_LINES = 6991 THERMAL_SAMPLES = 7821 FILE_NAME_BAND_1 = "LT50010711990254CUB00_B1.TIF" d Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
FILE_NAME_BAND_2 = "LT50010711990254CUB00_B2.TIF" FILE_NAME_BAND_3 = "LT50010711990254CUB00_B3.TIF" FILE_NAME_BAND_4 = "LT50010711990254CUB00_B4.TIF" FILE_NAME_BAND_5 = "LT50010711990254CUB00_B5.TIF" FILE_NAME_BAND_6 = "LT50010711990254CUB00_B6.TIF" FILE_NAME_BAND_7 = "LT50010711990254CUB00_B7.TIF" GROUND_CONTROL_POINT_FILE_NAME = "LT50010711990254CUB00_GCP.txt" REPORT_VERIFY_FILE_NAME = "LT50010711990254CUB00_VER.txt" BROWSE_VERIFY_FILE_NAME = "LT50010711990254CUB00_VER.jpg" METADATA_FILE_NAME = "LT50010711990254CUB00_MTL.txt" CPF_NAME = "L5CPF19900701_19900930.10" END_GROUP = PRODUCT_METADATA GROUP = IMAGE_ATTRIBUTES CLOUD_COVER = 37.00 IMAGE_QUALITY = 9 SUN_AZIMUTH = 64.99793909 SUN_ELEVATION = 46.77798292 EARTH_SUN_DISTANCE = 1.0066289 GROUND_CONTROL_POINTS_VERSION = 3 GROUND_CONTROL_POINTS_MODEL = 113 GEOMETRIC_RMSE_MODEL = 5.166 GEOMETRIC_RMSE_MODEL_Y = 3.936 GEOMETRIC_RMSE_MODEL_X = 3.346 GROUND_CONTROL_POINTS_VERIFY = 1259 GEOMETRIC_RMSE_VERIFY = 0.255 GEOMETRIC_RMSE_VERIFY_QUAD_UL = 0.254 GEOMETRIC_RMSE_VERIFY_QUAD_UR = 0.364 GEOMETRIC_RMSE_VERIFY_QUAD_LL = 0.239 GEOMETRIC_RMSE_VERIFY_QUAD_LR = 0.247 END_GROUP = IMAGE_ATTRIBUTES GROUP = MIN_MAX_RADIANCE RADIANCE_MAXIMUM_BAND_1 = 169.000 RADIANCE_MINIMUM_BAND_1 = -1.520 RADIANCE_MAXIMUM_BAND_2 = 333.000 RADIANCE_MINIMUM_BAND_2 = -2.840 RADIANCE_MAXIMUM_BAND_3 = 264.000 RADIANCE_MINIMUM_BAND_3 = -1.170 RADIANCE_MAXIMUM_BAND_4 = 221.000 RADIANCE_MINIMUM_BAND_4 = -1.510 RADIANCE_MAXIMUM_BAND_5 = 30.200 RADIANCE_MINIMUM_BAND_5 = -0.370 RADIANCE_MAXIMUM_BAND_6 = 15.303 RADIANCE_MINIMUM_BAND_6 = 1.238 RADIANCE_MAXIMUM_BAND_7 = 16.500 RADIANCE_MINIMUM_BAND_7 = -0.150 END_GROUP = MIN_MAX_RADIANCE GROUP = MIN_MAX_REFLECTANCE REFLECTANCE_MAXIMUM_BAND_1 = 0.274766
e Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
REFLECTANCE_MINIMUM_BAND_1 = -0.002471 REFLECTANCE_MAXIMUM_BAND_2 = 0.580222 REFLECTANCE_MINIMUM_BAND_2 = -0.004948 REFLECTANCE_MAXIMUM_BAND_3 = 0.541852 REFLECTANCE_MINIMUM_BAND_3 = -0.002401 REFLECTANCE_MAXIMUM_BAND_4 = 0.679080 REFLECTANCE_MINIMUM_BAND_4 = -0.004640 REFLECTANCE_MAXIMUM_BAND_5 = 0.447362 REFLECTANCE_MINIMUM_BAND_5 = -0.005481 REFLECTANCE_MAXIMUM_BAND_7 = 0.651281 REFLECTANCE_MINIMUM_BAND_7 = -0.005921 END_GROUP = MIN_MAX_REFLECTANCE GROUP = MIN_MAX_PIXEL_VALUE QUANTIZE_CAL_MAX_BAND_1 = 255 QUANTIZE_CAL_MIN_BAND_1 = 1 QUANTIZE_CAL_MAX_BAND_2 = 255 QUANTIZE_CAL_MIN_BAND_2 = 1 QUANTIZE_CAL_MAX_BAND_3 = 255 QUANTIZE_CAL_MIN_BAND_3 = 1 QUANTIZE_CAL_MAX_BAND_4 = 255 QUANTIZE_CAL_MIN_BAND_4 = 1 QUANTIZE_CAL_MAX_BAND_5 = 255 QUANTIZE_CAL_MIN_BAND_5 = 1 QUANTIZE_CAL_MAX_BAND_6 = 255 QUANTIZE_CAL_MIN_BAND_6 = 1 QUANTIZE_CAL_MAX_BAND_7 = 255 QUANTIZE_CAL_MIN_BAND_7 = 1 END_GROUP = MIN_MAX_PIXEL_VALUE GROUP = PRODUCT_PARAMETERS CORRECTION_GAIN_BAND_1 = "CPF" CORRECTION_GAIN_BAND_2 = "CPF" CORRECTION_GAIN_BAND_3 = "CPF" CORRECTION_GAIN_BAND_4 = "CPF" CORRECTION_GAIN_BAND_5 = "CPF" CORRECTION_GAIN_BAND_6 = "INTERNAL_CALIBRATION" CORRECTION_GAIN_BAND_7 = "CPF" CORRECTION_BIAS_BAND_1 = "CPF" CORRECTION_BIAS_BAND_2 = "CPF" CORRECTION_BIAS_BAND_3 = "CPF" CORRECTION_BIAS_BAND_4 = "CPF" CORRECTION_BIAS_BAND_5 = "CPF" CORRECTION_BIAS_BAND_6 = "CPF" CORRECTION_BIAS_BAND_7 = "CPF" END_GROUP = PRODUCT_PARAMETERS GROUP = RADIOMETRIC_RESCALING RADIANCE_MULT_BAND_1 = 6.7134E-01 RADIANCE_MULT_BAND_2 = 1.3222E+00 RADIANCE_MULT_BAND_3 = 1.0440E+00
f Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
RADIANCE_MULT_BAND_4 = 8.7602E-01 RADIANCE_MULT_BAND_5 = 1.2035E-01 RADIANCE_MULT_BAND_6 = 5.5375E-02 RADIANCE_MULT_BAND_7 = 6.5551E-02 RADIANCE_ADD_BAND_1 = -2.19134 RADIANCE_ADD_BAND_2 = -4.16220 RADIANCE_ADD_BAND_3 = -2.21398 RADIANCE_ADD_BAND_4 = -2.38602 RADIANCE_ADD_BAND_5 = -0.49035 RADIANCE_ADD_BAND_6 = 1.18243 RADIANCE_ADD_BAND_7 = -0.21555 REFLECTANCE_MULT_BAND_1 = 1.0915E-03 REFLECTANCE_MULT_BAND_2 = 2.3038E-03 REFLECTANCE_MULT_BAND_3 = 2.1427E-03 REFLECTANCE_MULT_BAND_4 = 2.6918E-03 REFLECTANCE_MULT_BAND_5 = 1.7828E-03 REFLECTANCE_MULT_BAND_7 = 2.5874E-03 REFLECTANCE_ADD_BAND_1 = -0.003563 REFLECTANCE_ADD_BAND_2 = -0.007252 REFLECTANCE_ADD_BAND_3 = -0.004544 REFLECTANCE_ADD_BAND_4 = -0.007332 REFLECTANCE_ADD_BAND_5 = -0.007264 REFLECTANCE_ADD_BAND_7 = -0.008508 END_GROUP = RADIOMETRIC_RESCALING GROUP = THERMAL_CONSTANTS K1_CONSTANT_BAND_6 = 607.76 K2_CONSTANT_BAND_6 = 1260.56 END_GROUP = THERMAL_CONSTANTS GROUP = PROJECTION_PARAMETERS MAP_PROJECTION = "UTM" DATUM = "WGS84" ELLIPSOID = "WGS84" UTM_ZONE = 19 GRID_CELL_SIZE_REFLECTIVE = 30.00 GRID_CELL_SIZE_THERMAL = 30.00 ORIENTATION = "NORTH_UP" RESAMPLING_OPTION = "CUBIC_CONVOLUTION" MAP_PROJECTION_L0RA = "NA" END_GROUP = PROJECTION_PARAMETERS END_GROUP = L1_METADATA_FILE END
g Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Anexo 5: Datos para la corrección atmosférica
11/09/1990
BANDA NOMBRE C1 Archivo-cal(c1) 1 VISIBLE-AZUL RADIANCE_MULT_BAND_1 = 0.67134 0.067134 2 VISIBLE-VERDE RADIANCE_MULT_BAND_2 = 1.3222 0.13222 3 VISIBLE-ROJO RADIANCE_MULT_BAND_3 = 1.044 0.1044 4 IR CERCANO RADIANCE_MULT_BAND_4 = 0.87602 0.087602 5 IR MEDIO RADIANCE_MULT_BAND_5 = 0.12035 0.012035 6 IR TERMICO RADIANCE_MULT_BAND_6 = 0.055375 0.0055375 7 IR MEDIO RADIANCE_MULT_BAND_7 = 0.065551 0.0065551
BANDA NOMBRE C0 Archivo-cal(c0) 1 VISIBLE-AZUL RADIANCE_ADD_BAND_1 = -2.19134 -0.219134 2 VISIBLE-VERDE RADIANCE_ADD_BAND_2 = -4.1622 -0.41622 3 VISIBLE-ROJO RADIANCE_ADD_BAND_3 = -2.21398 -0.221398 4 IR CERCANO RADIANCE_ADD_BAND_4 = -2.38602 -0.238602 5 IR MEDIO RADIANCE_ADD_BAND_5 = -0.49035 -0.049035 6 IR TERMICO RADIANCE_ADD_BAND_6 = 1.18243 0.118243 7 IR MEDIO RADIANCE_ADD_BAND_7 = -0.21555 -0.021555
LATITUD LONGITUD CALCULO DE LA HORA -14.95451 -69.15252 INGRESE DATOS -14.94555 -66.97126 HORA 13 13 -16.85029 -69.15395 MINUTO 54 0.9 -16.84013 -66.95217 SEGUNDO 55.050063 0.01529168 SUMA HORA 13.9152917 PROMEDIO -15.89762 -68.057475
SUN_ELEVATION 46.7779829 SOLAR ZENIT=(90-SUN ELEVATION) 43.2220171
h Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
08-08-1995
BANDA NOMBRE C1 Archivo-cal(c1) 1 VISIBLE-AZUL RADIANCE_MULT_BAND_1 = 0.76583 0.076583 2 VISIBLE-VERDE RADIANCE_MULT_BAND_2 = 1.4482 0.14482 3 VISIBLE-ROJO RADIANCE_MULT_BAND_3 = 1.044 0.1044 4 IR CERCANO RADIANCE_MULT_BAND_4 = 0.87602 0.087602 5 IR MEDIO RADIANCE_MULT_BAND_5 = 0.12035 0.012035 6 IR TERMICO RADIANCE_MULT_BAND_6 = 0.055375 0.0055375 7 IR MEDIO RADIANCE_MULT_BAND_7 = 0.065551 0.0065551
BANDA NOMBRE C0 Archivo-cal(c0) 1 VISIBLE-AZUL RADIANCE_ADD_BAND_1 = -2.28583 -0.228583 2 VISIBLE-VERDE RADIANCE_ADD_BAND_2 = -4.28819 -0.428819 3 VISIBLE-ROJO RADIANCE_ADD_BAND_3 = -2.21398 -0.221398 4 IR CERCANO RADIANCE_ADD_BAND_4 = -2.38602 -0.238602 5 IR MEDIO RADIANCE_ADD_BAND_5 = -0.49035 -0.049035 6 IR TERMICO RADIANCE_ADD_BAND_6 = 1.18243 0.118243 7 IR MEDIO RADIANCE_ADD_BAND_7 = -0.21555 -0.021555
LATITUD LONGITUD CALCULO DE LA HORA -14.95725 -69.09672 INGRESE DATOS -14.94771 -66.90989 HORA 13 13 -16.85846 -69.09763 MINUTO 38 0.63333333 -16.84764 -66.89017 SEGUNDO 48.423019 0.01345084 SUMA HORA 13.6467842 PROMEDIO -15.902765 -67.9986025
SUN_ELEVATION 35.4442891 SOLAR ZENIT=(90-SUN ELEVATION) 54.5557109
i Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
05-08-2000
BANDA NOMBRE C1 Archivo-cal(c1) 1 VISIBLE-AZUL RADIANCE_MULT_BAND_1 = 0.76583 0.076583 2 VISIBLE-VERDE RADIANCE_MULT_BAND_2 = 1.4482 0.14482 3 VISIBLE-ROJO RADIANCE_MULT_BAND_3 = 1.044 0.1044 4 IR CERCANO RADIANCE_MULT_BAND_4 = 0.87602 0.087602 5 IR MEDIO RADIANCE_MULT_BAND_5 = 0.12035 0.012035 6 IR TERMICO RADIANCE_MULT_BAND_6 = 0.055375 0.0055375 7 IR MEDIO RADIANCE_MULT_BAND_7 = 0.065551 0.0065551
BANDA NOMBRE C0 Archivo-cal(c0) 1 VISIBLE-AZUL RADIANCE_ADD_BAND_1 = -2.28583 -0.228583 2 VISIBLE-VERDE RADIANCE_ADD_BAND_2 = -4.28819 -0.428819 3 VISIBLE-ROJO RADIANCE_ADD_BAND_3 = -2.21398 -0.221398 4 IR CERCANO RADIANCE_ADD_BAND_4 = -2.38602 -0.238602 5 IR MEDIO RADIANCE_ADD_BAND_5 = -0.49035 -0.049035 6 IR TERMICO RADIANCE_ADD_BAND_6 = 1.18243 0.118243 7 IR MEDIO RADIANCE_ADD_BAND_7 = -0.21555 -0.021555
LATITUD LONGITUD CALCULO DE LA HORA -14.94366 -69.1553 INGRESE DATOS -14.93471 -66.97136 HORA 14 14 -16.85842 -69.15677 MINUTO 12 0.2 -16.84826 -66.95209 SEGUNDO 23.549044 0.0065414 SUMA HORA 14.2065414 PROMEDIO -15.8962625 -68.05888
SUN_ELEVATION 41.419645 SOLAR ZENIT=(90-SUN ELEVATION) 48.580355
j Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
04-05-2005
BANDA NOMBRE C1 Archivo-cal(c1) 1 VISIBLE-AZUL RADIANCE_MULT_BAND_1 = 0.76583 0.076583 2 VISIBLE-VERDE RADIANCE_MULT_BAND_2 = 1.4482 0.14482 3 VISIBLE-ROJO RADIANCE_MULT_BAND_3 = 1.044 0.1044 4 IR CERCANO RADIANCE_MULT_BAND_4 = 0.87602 0.087602 5 IR MEDIO RADIANCE_MULT_BAND_5 = 0.12035 0.012035 6 IR TERMICO RADIANCE_MULT_BAND_6 = 0.055375 0.0055375 7 IR MEDIO RADIANCE_MULT_BAND_7 = 0.065551 0.0065551
BANDA NOMBRE C0 Archivo-cal(c0) 1 VISIBLE-AZUL RADIANCE_ADD_BAND_1 = -2.28583 -0.228583 2 VISIBLE-VERDE RADIANCE_ADD_BAND_2 = -4.28819 -0.428819 3 VISIBLE-ROJO RADIANCE_ADD_BAND_3 = -2.21398 -0.221398 4 IR CERCANO RADIANCE_ADD_BAND_4 = -2.38602 -0.238602 5 IR MEDIO RADIANCE_ADD_BAND_5 = -0.49035 -0.049035 6 IR TERMICO RADIANCE_ADD_BAND_6 = 1.18243 0.118243 7 IR MEDIO RADIANCE_ADD_BAND_7 = -0.21555 -0.021555
LATITUD LONGITUD CALCULO DE LA HORA -14.94363 -69.18877 INGRESE DATOS -14.93476 -66.97693 HORA 14 14 -16.8367 -69.19055 MINUTO 23 0.38333333 -16.82664 -66.95795 SEGUNDO 11.151019 0.00309751 SUMA HORA 14.3864308 PROMEDIO -15.8854325 -68.07855
SUN_ELEVATION 50.8906873 SOLAR ZENIT=(90-SUN ELEVATION) 39.1093127
k Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
17-08-2010
BANDA NOMBRE C1 Archivo-cal(c1) 1 VISIBLE-AZUL RADIANCE_MULT_BAND_1 = 0.76583 0.076583 2 VISIBLE-VERDE RADIANCE_MULT_BAND_2 = 1.4482 0.14482 3 VISIBLE-ROJO RADIANCE_MULT_BAND_3 = 1.044 0.1044 4 IR CERCANO RADIANCE_MULT_BAND_4 = 0.87602 0.087602 5 IR MEDIO RADIANCE_MULT_BAND_5 = 0.12035 0.012035 6 IR TERMICO RADIANCE_MULT_BAND_6 = 0.055375 0.0055375 7 IR MEDIO RADIANCE_MULT_BAND_7 = 0.065551 0.0065551
BANDA NOMBRE C0 Archivo-cal(c0) 1 VISIBLE-AZUL RADIANCE_ADD_BAND_1 = -2.28583 -0.228583 2 VISIBLE-VERDE RADIANCE_ADD_BAND_2 = -4.28819 -0.428819 3 VISIBLE-ROJO RADIANCE_ADD_BAND_3 = -2.21398 -0.221398 4 IR CERCANO RADIANCE_ADD_BAND_4 = -2.38602 -0.238602 5 IR MEDIO RADIANCE_ADD_BAND_5 = -0.49035 -0.049035 6 IR TERMICO RADIANCE_ADD_BAND_6 = 1.18243 0.118243 7 IR MEDIO RADIANCE_ADD_BAND_7 = -0.21555 -0.021555
LATITUD LONGITUD CALCULO DE LA HORA -14.95995 -69.12741 INGRESE DATOS -14.95042 -66.90987 HORA 14 14 -16.85573 -69.12861 MINUTO 25 0.41666667 -16.84493 -66.8902 SEGUNDO 23.092069 0.00641446 SUMA HORA 14.4230811 PROMEDIO -15.9027575 -68.0140225
SUN_ELEVATION 46.4237663 SOLAR ZENIT=(90-SUN ELEVATION) 43.5762337
l Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
19-11-2015
BANDA NOMBRE C1 Archivo-cal(c1) 1 VISIBLE-AZUL RADIANCE_MULT_BAND_1 = 0.012855 0.0012855 2 VISIBLE-VERDE RADIANCE_MULT_BAND_2 = 0.013163 0.0013163 3 VISIBLE-ROJO RADIANCE_MULT_BAND_3 = 0.01213 0.001213 4 IR CERCANO RADIANCE_MULT_BAND_4 = 0.010229 0.0010229 5 IR MEDIO RADIANCE_MULT_BAND_5 = 0.006259 0.00062594 6 IR TERMICO RADIANCE_MULT_BAND_6 = 0.001557 0.00015567 7 IR MEDIO RADIANCE_MULT_BAND_7 = 0.000525 0.000052468
BANDA NOMBRE C0 Archivo-cal(c0) 1 VISIBLE-AZUL RADIANCE_ADD_BAND_1 = -64.2738 -6.427381 2 VISIBLE-VERDE RADIANCE_ADD_BAND_2 = -65.8172 -6.581716 3 VISIBLE-ROJO RADIANCE_ADD_BAND_3 = -60.65 -6.064995 4 IR CERCANO RADIANCE_ADD_BAND_4 = -51.1435 -5.114346 5 IR MEDIO RADIANCE_ADD_BAND_5 = -31.2973 -3.129725 6 IR TERMICO RADIANCE_ADD_BAND_6 = -7.78334 -0.778334 7 IR MEDIO RADIANCE_ADD_BAND_7 = -2.6234 -0.26234
LATITUD LONGITUD CALCULO DE LA HORA -14.84876 -69.0883 INGRESE DATOS -14.83966 -66.95274 HORA 14 14 -16.96152 -69.08923 MINUTO 35 0.58333333 -16.95105 -66.93126 SEGUNDO 12.3861781 0.00344061 SUMA HORA 14.5867739 PROMEDIO -15.9002475 -68.0153825
SUN_ELEVATION 65.4197767 SOLAR ZENIT=(90-SUN ELEVATION) 24.5802233
m Proyecto de Grado de: Hernán R. Chura Apaza Universidad Mayor de San Andrés Facultad de Tecnología Carrera de Topografía y Geodesia
Anexo 6: Datos para realizar mapa de sombras
DATOS PARA MAPA DE SOMBRAS HORA DE LA AZIMUT ELEVACION Nº FECHA ESCENA SOLAR SOLAR 1 11/09/1990 01:54:55 p.m. 64.99793909 46.77798292 2 08/08/1995 01:38:48 p.m. 56.0578025 35.44428912 3 05/08/2000 02:12:24 p.m. 49.34218493 41.41964502 4 04/09/2005 02:23:11 p.m. 56.56779565 50.89068733 5 17/08/2010 02:25:23 p.m. 49.67793614 46.42376626 6 19/11/2015 02:35:12 p.m. 102.143029 65.41977668
n Proyecto de Grado de: Hernán R. Chura Apaza