Mapa de cobertura de suelo para el Complejo Fluvio/Litoral del río Paraná (CFLRP) con herramientas de geomática

Abstract

El Complejo Fluvio/Litoral del río Paraná (CFLRP) es un humedal que posee características de sistemas ambientales complejos y heterogéneos, las cuales están dadas por la acción conjunta de procesos hidrológicos, geomorfológicos, biológicos y de origen antrópico asociados con el uso del suelo y la gestión del territorio. En el caso de los procesos de origen antrópico, se ha observado que las principales actividades económicas en el CFLRP se han centrado en los últimos a˜nos en la ganadería de isla y la forestación de salicáceas, si bien se pueden nombrar otras actividades como la urbanización, la pesca, la apicultura, el transporte fluvial, etc. Estas actividades han amenazado al CFLRP, ante lo cual se han realizado algunos esfuerzos de conservación que han conducido a la declaración de una parte de la región como área natural protegida. En este escenario, la cartografía de la cobertura y especialmente las cubiertas vegetales son un insumo básico para los planes de gestión territorial. Los datos de teledetección constituyen una base importante para la cartografía y seguimiento de cubiertas y permiten lograr mapas precisos y a escalas adecuadas. Teniendo lo anterior en cuenta, el presente trabajo se propuso generar un mapa de cobertura de suelo para el CFLRP mediante el uso de datos del sensor Landsat 8 OLI que sirva como propuesta metodológica para la generación de cartografía que puedan emplear los responsables de la gestión del territorio. Se descargó la escena 227-82 del servidor EarthExplorer (USGS, NASA, 2013). Como ventana temporal se utilizaron fechas representativas contrastantes en la región: primavera (período de aguas bajas) y oto˜no (período de aguas altas). De esta forma se incluyó la variabilidad temporal propia del área de estudio. Con el software e-Cognition (Trimble, 2000) se segmentó un compuesto multitemporal de 12 bandas (primavera y oto˜no). Se usaron como criterios un factor de escala de 100, de color de 0.9 y de forma de 0.1, a partir de lo cual se obtuvo un vectorial de polígonos de clases. Por otra parte, se realizó una clasificación no supervisada con el clasificador KMEAN (Técnica de Análisis de Auto-Organización Iterativa de Datos), empleando como parámetros 60 clases y 10 iteraciones. El mapa raster resultante se integró al vectorial producto de la segmentación a fin de obtener estadísticas (moda y diversidad) sobre el comportamiento de los píxeles en cada polígono. Finalmente, en la interpretación de los resultados, se le asignó la clase al polígono a partir de la moda e información de terreno. Se discriminaron 11 clases de cobertura, algunas de las cuales se asociaron con las características fisonómicas de la vegetación (fisonomías arbóreas, arbustivas, herbáceas de gran porte y herbáceas de baja altura). Otras de las clases de cobertura identificadas fueron agua, suelo, áreas urbanas, entre otras.

Fluvio/Littoral Parana River complex (FLPRC) is a major wetland that has the characteristics of complex and heterogeneous environmental systems, which are given by the joint action of hydrological, geomorphological, biological and anthropogenic processes associated to land use practices. In the case of anthropogenic processes, it has been observed that the main economic activities have been focused, in recent years, on livestock farming and Salicaceae forestation, and other activities such as fishing, beekeeping, river transport, and recently urbanization. These activities have threatened the FLPRC, where some conservation efforts have been done, and led to the creation of some protected areas. In this context, land cover cartography is a basic input for land management plans. Remote sensing data are an important base for mapping and monitoring of land cover and allow achieving accurate maps. With this in mind, the present work was proposed to generate a map of land cover for CFLRP by using data from Landsat 8 OLI sensor, which serve as methodological proposal for generating cartography that can be used by those responsible of land management. 227-82 scene images of EarthExplorer server (USGS, NASA, 2013) were downloaded. Two temporal windows representing contrasting dates were used: spring (low water period) and autumn (high water period). Thus, the temporal variability of the study area was included. With e-Cognition software (Trimble, 2000), a segmentation of a multi-temporal product of 12 bands (spring and fall) was done. The result was a feature class. Furthermore, an unsupervised classification with KMEAN classifier using as parameters 60 classes and 10 iterations was performed. The resulting raster map was joined to the segmentation product to obtain statistics on the behavior of the pixels in each feature class. Finally, in the interpretation of the results, a class assignment was made to the feature class based on mode and field data. 11 land cover classes were discriminated, some of which were associated with the physiognomic characteristics of the vegetation (tree, shrubs, grass physiognomies). Other land cover classes were water, land, urban areas, among others.