Multequina

ISSN: 0327-9375

mcarrete@lab.cricyt.edu.ar

Instituto Argentino de Investigaciones de las

Zonas Áridas

Argentina

Maldonado, Francisco D.; de Carvalho, Vitor C.; de Sousa, Clerio L.; Martinelli, Mariana; Pinheiro,

Osman J.; Fernandes, Filipe V.

Determinación de la longitud de transecta para el relevamiento fisonómico-estructural de la

vegetación del semiárido para suministrar datos a las técnicas de percepción remota orbital

Multequina, núm. 13, 2004, pp. 1-14

Instituto Argentino de Investigaciones de las Zonas Áridas

Mendoza, Argentina

Disponible en: http://www.redalyc.org/articulo.oa?id=42801301

Cómo citar el artículo

Número completo

Más información del artículo

Página de la revista en redalyc.org

Sistema de Información Científica

Red de Revistas Científicas de América Latina, el Caribe, España y Portugal

Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto

1MULTEQUINA 13: 01-14, 2004

RESUMEN

La determinación del tamaño de la transectaes de gran importancia en los proyectosdonde se utilizan imágenes, porque gene-ralmente las áreas cubiertas son amplias yel costo del trabajo de campo debe estarequilibrado con el costo total del proyecto.En el presente trabajo fue determinado eltamaño óptimo de transecta para supervi-sar técnicas de percepción remota. Paraesto fue considerada la compleja relaciónde la vegetación del semiárido con lareflectancia y resolución espacial de lasimágenes orbitales TM / Landsat. Se utili-zó la información de seis campañas decampo en una amplia región del nordestebrasileño. Luego de haber determinadoqué tipo de cobertura vegetal explica me-jor los valores de reflectancia de las imáge-nes, fue determinada la longitud óptima de

DETERMINACIÓN DE LA LONGITUD DE TRANSECTAPARA EL RELEVAMIENTO FISONÓMICO-ESTRUCTURAL

DE LA VEGETACIÓN DEL SEMIÁRIDO PARASUMINISTRAR DATOS A LAS TÉCNICAS DE

PERCEPCIÓN REMOTA ORBITALDETERMINING TRANSECT SIZE FOR THE PHYSIOGNOMIC AND STRUCTURAL

REPORT ON THE VEGETATION IN THE SEMI-ARID REGION TO PROVIDE DATA TOORBITAL REMOTE SENSING TECHNIQUES

FRANCISCO D. MALDONADO 1, VITOR C. DE CARVALHO 2, CLERIO L. DE

SOUSA 2, MARIANA MARTINELLI 1, OSMAN J. PINHEIRO JUNIOR 2 Y FILIPE

V. FERNANDES DOS SANTOS 2

1 Centro de Fotogrametría y Cartografía, Universidad Nacional de San Juan-UNSJ, Argentina2 Instituto Nacional de Pesquisas Espaciais, Ministério da Ciência e Tecnologia-MCT/INPE-Brasil

la transecta del relevamiento de campo,que permite obtener información confiable,para supervisar las técnicas de percepciónremota satelital. En una primera fase sedeterminó estadísticamente que la cober-tura vegetal, total y arbórea, explica mejorlos valores de reflectancia en las imágenesdel visible. Aunque las correlaciones noson altas, en el rango visible, son consis-tentes para la detección de cambios. Através de los Gráficos de Pearson-Hartleyde Función de potencia del Test F se obtu-vo que 45 m sería la longitud mínima detransecta. Este tamaño permitiría obtenerinformación relevante de la vegetación deestepas arbustivas abiertas (Caatingasarbustivas) hasta bosques secos (Caatingasarbóreas). Sobre la base de los resultadosobtenidos y el tamaño del píxel de lasimágenes se recomienda el muestreo con

ISSN 0327-9375

2 F. Maldonado , V. de Carvalho , C. de Sousa , M. Martinelli , O. Pinheiro Junior y F. Fernandes dos Santos

transectas de 50 m con orientación norte-sur. Este tamaño y orientación permitiráobtener información del terreno con 80%de probabilidad de representar el valor deun píxel TM / Landsat.

Palabras claves: Percepción re-mota, vegetación, semiárido,relevamiento de campo

SUMMARY

The determination of transect size is of greatimportance in the projects where RemoteSensing techniques are used. In theseprojects the covered areas are generallywidespread and the cost of the fieldworkmust be balanced with the total cost of theproject. The optimal transect size to super-vise remote sensing techniques is deter-mined in the present work. For this, the com-plex relationship between the vegetation ofsemi-arid with reflectance and space reso-lution of TM/Landsat images was consid-ered . The information of six field campaignsin a large region of the Brazilian northeastwas used. Once the type of vegetal coverwhich better explains the values of reflec-tance of the images was determined, theoptimal transect size of the fieldwork wasspecified. It allows to obtain reliable datato supervise remote sensing techniques. Ata first stage, it was determined that the to-tal and arboreal vegetal cover explains bet-ter the values of reflectance in the visiblespectral images. Although the correlationsare not high, they are consistent for changedetection in the visible range. Using thePearson-Hartley graphics of Power of FTest, it was specified that 45 m would bethe minimum length of transect. This sizewould allow to obtain excellent data fromthe vegetation of Caatingas abertas (shrub

steppes) up to Caatingas arboreas (dry for-est). Based on this and the size of pixels ofthe images, the sampling with transects of50 m with north-south direction was rec-ommended. This size and direction will al-low to obtain data of the land with 80% ofprobability of representing a TM/Landsatpixel value.

Key words: Remote sensing,vegetations, semiarid, fieldwork

INTRODUCCIÓN

El objetivo de este trabajo fue determinarla longitud óptima de transecta utilizada enrelevamiento de campo para supervisar lasTécnicas de Detección de Cambios conPercepción Remota Orbital. Para esto, pri-mero fue necesario determinar la capaci-dad de la transecta para explicar el com-portamiento radiométrico de la vegetaciónen las imágenes orbitales TM / Landsat.

Numerosos estudios han demostradola utilidad de las imágenes TM / Landsatpara el análisis y el monitoreo de la cober-tura vegetal de las tierras del semiárido.Este sistema de instrumentos orbitalesestá en funcionamiento desde 1984 y tie-ne garantizada su continuidad por elprograma LATI (Landsat AdvancedTecnology Instrument), que en el futuromantendrá sus definiciones espectrales ysu resolución espacial proporcionando unalarga serie de datos consistentes y econó-micos como estiman Bied-Charreton &Cazaux (1989) y Campbell (1996). Mu-chos autores actualmente muestran opi-niones favorables al uso de Landsat TMpara el monitoreo ambiental y para elestudio de los procesos de desertificación,entre ellos puede mencionarse a Mulders

3MULTEQUINA 13: 01-14, 2004

y Epema (1986), Zonneveld (1989),Barrett & Curtis (1992), Choudhury(1992), Changyao, (1993), Pickup yChewings (1996), Chen & Elvidge (1998)y Carvalho et al. (2001) entre otros.

La complejidad espectral de la vegeta-ción de los ambientes semiáridos ha limi-tado la aplicación de datos de las imáge-nes. Esta dificultad se debe, en parte, a quelos índices espectrales de vegetación estánbasados en valores de reflectancia del in-frarrojo, los que no son confiables en am-biente árido, debido a que están relaciona-dos con la existencia, forma y estructura delas hojas, como presenta Colwel, (1974).Otra dificultad es la alta reflectividad de lasuperficie del suelo que disminuye la sen-sibilidad de los instrumentos a la vegeta-ción en áreas de cobertura vegetal menoresal 30% (Chavez & McKinon,1994;Brussone & Serpico, 1997).

En ese sentido, el esfuerzo actual de lainvestigación está orientado al desarrollo detécnicas de percepción remota capaces deminimizar la heterogeneidad del comporta-miento espectral de la vegetación, con finesde clasificación y detección de cambios.Asner et al. (2000) muestra que en el am-biente árido la variabilidad del comporta-miento radiométrico del paisaje en la fajadel visible puede atribuirse en 87% a lacobertura arbustiva y el 12% a la superficiedel suelo. Según este autor gran parte delesfuerzo del relevamiento debe ser orienta-do para obtener datos de la coberturaarbustiva para conseguir resultados satis-factorios del análisis de los datos espectrales.En este trabajo se busca una técnica derelevamiento de campo que permita carac-terizar fisonómico-estructuralmente a lavegetación, considerando la estructura ver-tical (estratificación), estructura horizontal

(cobertura) de la vegetación y la superficiedel suelo para la correlación con el compor-tamiento radiométrico en el rango visible.El diseño del relevamiento debe optimizarsepara muestrear con buena relación costo-beneficio las amplias áreas abarcadas porlos proyectos que usan imágenes orbitales.

MATERIAL Y MÉTODO

Área de estudio

El área de estudio es el bioma de laCaatinga, que ocupa el semiárido dela mayor parte del Nordeste de Brasil.Según Velozzo et al. (2001) es el másamenazado de los biomas brasileñosdebido a los centenares de años de usoinadecuado y no sustentable de lossuelos y de recursos naturales.

En la Figura 1 se resaltan las seisunidades muestreadas. Estas se limitana regiones donde domina la vegetaciónde la Caatinga (formación arbustivaarbórea caducifolia espinosa o sabanaestépica, de acuerdo con IBGE, 1997).Se trata de un complejo vegetacionalcaracterizado por la presencia domi-nante de especies leñosas espinosas, defollaje generalmente en caducifolio yhojas pequeñas, con elementos arbóreosraramente mayores a los 14 metros yarbustivos con alturas que pueden al-canzar los 4 metros, con biomasas varia-bles desde el tipo estépico: estepa arbustivahasta Bosque Seco (Bosque estacionaldeciduo). Siempre con presencia marca-da de cactáceas y bromeliáceas de porteherbáceo a arbóreo. Cabrera y Willink(1973) incluyeron la Caatinga en el do-minio chaqueño y Schultz (1995) lasllamó de estepas florestadas.

4 F. Maldonado , V. de Carvalho , C. de Sousa , M. Martinelli , O. Pinheiro Junior y F. Fernandes dos Santos

Figura 1. Localización de las unidades de relevamiento en el bioma de la Caatinga. 1) Serra das almas, 2)Curimataú, 3) Cedro, 4) Soledad, 5) Quixaba y 6) Betânia

Figure 1. Location of survey units in the Caatinga biome. 1) Serra das almas, 2) Curimataú, 3) Cedro, 4)Soledad, 5) Quixaba y 6) Betânia

Se realizaron 90 transectas de 50 me-tros de longitud cada una, localizadoscon GPS Garmin 12XL con antena ex-terna. El tratamiento de los datos delcampo se realizó con el softwareTrackmaker 11.8 (Ferreira, 2003). Lasmedidas radiométricas se realizaron enambiente Spring 6.2 (INPE, 2003) yERDAS Imagine 8.4, usando seis imá-genes Landsat ETM+ en formato digital.

A continuación, en la Figura 2, sepresenta el Fluxograma general de lainvestigación.

Figura 2. Fluxograma general de la investigaciónFigure 2. General research fluxogram

5MULTEQUINA 13: 01-14, 2004

Relevamiento de campo

Para distribuir las muestras en las áreas seutilizó un diseño de muestreo no aleatorioselectivo. Esta técnica es la más apropia-da cuando el relevamiento debe ser reali-zado optimizando la relación costo / be-neficio (Cochran,1977). Así, ladistribución de las muestras obedece alprincipio de estratificación sujeta al crite-rio de proporcionalidad, basado en la de-limitación de áreas de interés en las imá-genes, como es aconsejado en IBGE(1992). El relevamiento de campo no estáorientado al mapeo de comunidades, poresta razón no se exige rigor en la identifi-cación y conteo de todas las especies,solamente cuando son indicadoras de cam-bios o de la dinámica del sitio. Por tanto,no es necesario un análisis fitosociológico,siendo suficiente la caracterización de lafisonomía, estructura horizontal y verti-cal de la vegetación, y las condiciones dela superficie del suelo, como señalaKüchler (1988), Zonneveld (1988) yMoore & Chapman (1990). IBGE (1992)recomienda para el mapeo de la vegeta-ción de la Caatinga el tamaño normal demuestreo 0,02 hectáreas y la técnica detransecta en línea para la caracterizacióncombinada de la dinámica y de la fisono-

mía de la vegetación. En su trabajo,Carvalho (1986) usó con éxito para lacaracterización fisonómico-estructural dela vegetación del área de Quixabá, unatransecta en faja de 40x6m. Maldonado(1999) en esta misma área utilizó unatransecta lineal de 40 m, la que consideróapropiada para el Análisis de detecciónde cambios con percepción remota.

En este trabajo, se ha utilizado untamaño de transecta en línea de 50m delongitud, con la orientación norte - sur.Este tamaño sobredimensionado permiteutilizar los datos del muestreo como con-trol en el tratamiento estadístico de deter-minación de la longitud óptima detransecta, así como asegura que la muestrarepresenta, con 80% de probabilidad, unpíxel TM de 30x30m, permitiendo así re-lacionar el comportamiento radiométricodel píxel con la muestra de campo. Estalínea se materializa en el terreno con unacinta de 50m, dispuesta en dirección nor-te-sur y son realizadas metro a metro lasanotaciones de las ocurrencias de espe-cie, forma del individuo, estrato, altura ycondición de la superficie del suelo. Esteprocedimiento está ilustrado en la figura3 y ya fue utilizado con buen rendimientoen Maldonado (2002).

Figura 3. Representación del muestreo y de la probable localización de la transecta de 50 metros sobre lospíxeles de una imagen Landsat

Figure 3. Scheme of sample and probable location of the transect on pixels of Landsat image

a b

6 F. Maldonado , V. de Carvalho , C. de Sousa , M. Martinelli , O. Pinheiro Junior y F. Fernandes dos Santos

Obtención de los datos decobertura vegetal

La cobertura vegetal es analizada de ma-nera simple, a través de la proporción depresencia de cada estrato sobre la totali-dad de la cinta. De la misma forma serealizan los cálculos para obtener los por-centajes de suelo desnudo. La coberturatotal se calcula como la suma simple delas coberturas arbórea, arbustiva y herbá-cea. Este valor de cobertura total poseesignificado volumétrico y permite inter-pretar las imágenes satelitarias a través dela comprensión de la interacción de lavegetación con la radiación solar, som-bras, etc.

Georreferenciación de las muestrasLa ubicación precisa de los sitiosmuestreados es importante cuando losdatos de campo se usan combinados a losdatos de radiometría de las imágenes.Para este trabajo, el punto central de latransecta se localizó con GPS (Figura3b). El uso de antena externa y el entornodespejado permitió un error promedio de10 metros para la estimación de la posi-ción de las muestras en el terreno. Esteerror de posición combinado al error deregistro de las imágenes, aumenta la in-certidumbre de la correspondencia píxel /transecta. De acuerdo con Bernstein(1983) y Dai & Khorram (1998), estaconfiabilidad disminuye a medida queaumenta la heterogeneidad de lareflectancia de los píxeles en la región dela imagen donde se localiza la muestra.

Imágenes digitalesgeorreferenciadas

Estas imágenes se forman con la bandaespectral TM3, situada en el espectro

óptico correspondientes a la faja del rojoentre 0,6 y 0.7 µm. Las imágenes estánformadas por una matriz de píxeles, sien-do éstos las unidades menores de la ima-gen. Cada píxel, representa una unidaddiscreta de área en el terreno, de la cual elflujo radiante es integrado por un detec-tor. Esta matriz de píxeles esgeorreferenciada sin modificar los valo-res de reflectancia utilizando la técnica deremuestreo del vecino más próximo, loque hace posible establecer una corres-pondencia entre los datos obtenidos en elrelevamiento de campo y los dereflectancia de las imágenesgeorreferenciadas.

Análisis y selección de transectas

Este análisis está basado en la incerti-dumbre de la posición de las muestrassobre los píxeles de la imagen y en laheterogeneidad de la radiometría de lospíxeles vecinos a éstas. Las muestras fue-ron categorizadas en más o menosconfiables, en cuanto a su relación datosde campo / radiometría. Cuanto mayor laheterogeneidad entre píxeles, menor laconfiabilidad para correlacionar los datosde reflectancia y los del relevamiento decampo. Así, las muestras con bajaconfiabilidad fueron descartadas.

Extracción de la reflectancia enlas imágenes digitales

Para realizar un estudio cuantitativo entreimágenes, fue necesario transformar losnúmeros digitales en valores de reflectanciasegún Chávez (1989) y Chávez (1996). Eltrabajo con los valores del visible corregi-dos es la única forma de obtener buenosresultados en el estudio de la vegetación delos ambientes semiáridos, según Bowker

7MULTEQUINA 13: 01-14, 2004

& Davis (1992), Bruzzone & Serpico(1997), Trodd & Dougill (1998) y Asner etal. (1998, 2000).

Análisis estadístico de correlación

Los datos de la cobertura vegetal obteni-dos de las transectas fueroncorrelacionados con la reflectancia delpunto muestral de la imagen, procurandola mejor combinación cobertura /reflectancia que explique el comporta-miento radiométrico de las imágenes.

Selección de los parámetros

Se seleccionaron los parámetros que me-jor explican el comportamiento de lareflectancia. Aquellos que presentaronlos mayores coeficientes de correlacióncon los valores de reflectancia. Las corre-laciones más positivas o negativas son lasque expresan una relación causal mayorcon la reflectancia del sitio muestreado.A priori, se espera que la cobertura vege-tal presente correlación negativa con lareflectancia y que el suelo expuesto pre-sente valores positivos.

Análisis estadístico de la longitudde la transectaEste análisis está dividido en dos partes,una primera exploratoria basada en lasimple observación de los cambios delcoeficiente de variación (CV) de cadacobertura, frente a los cambios en la lon-gitud de la cinta usada para el muestreo.Este coeficiente CV es una estandarizaciónde la varianza que permite comparar lasestimaciones de variabilidad sin tener encuenta la magnitud, en este caso los

porcentajes de cada tipo de cobertura.Para este análisis, la totalidad de lasmuestras se analizan metro a metro,suponiendo que en sucesivas campañasde muestreo la longitud de la transectafue aumentada, desde una primera contransectas de 1m, hasta la última cam-paña con transectas de 50m. La estabi-lización de este coeficiente indica quela media y varianza muestral se hanestabilizado y que han sido obtenidosparámetros muestrales que pueden esti-mar satisfactoriamente a los poblacionales,según Eberhardt (1990) y Reed et al. (2002).

En una segunda parte del análisis, lalongitud de la transecta es analizadacomo un conjunto de muestras puntua-les a cada metro. Y para cada una de lasseis áreas fue tomada solamente unatransecta. En este test se desea compa-rar cada área, siendo la hipótesis nula(H

0) que todas las áreas son iguales y la

alternativa (H1) que por lo menos una es

diferente. Para este test los parámetrosiniciales fueron obtenidos de la totali-dad del muestreo. El principal parámetrocalculado, F es una medida de nocentralidad, dependiente del errorcuadrático de todas las muestras de re-ferencia y del número de áreas a sercomparadas por la hipótesis. También,deben ser definidas las probabilidadesdeseadas para controlar los errores deinclusión (Tipo I) y exclusión (Tipo II).De este modo fue extraído el tamañomínimo de la muestra del gráficoPearson-Hartley de potencia del test F,graficados en Feldt & Mahmoud (1958)citados por Netter et al. (1996).

8 F. Maldonado , V. de Carvalho , C. de Sousa , M. Martinelli , O. Pinheiro Junior y F. Fernandes dos Santos

RESULTADOS Y DISCUSIÓN

La variabilidad de la Caatinga porcobertura, por estrato y porgrado de suelo expuesto

Se puede generalizar que la vegetaciónmuestreada con transectas se caracterizapor tener una cobertura arbórea variablede 0 a 100%, con media en torno a 40%,variando generalmente entre 30 a 80%;un estrato arbustivo siempre presente ysiempre mayor del 30% y en media entorno al 60%, variando ampliamente en-tre 30 a 85%; la cobertura herbácea fre-cuentemente faltante con valores medios

Figura 4. Dispersogramas de cobertura vegetal sobre reflectancia de la imagen. Donde: a) cobertura arbórea;b) cobertura arbustiva; c) cobertura herbácea; d) cobertura total y e) suelo desnudo

Figure 4. Dispersograms of plant cover on image reflectance. Where: a) tree cover, b) shrub cover, c) herbcover, d) total cover, and e) uncovered soil

en torno de 55%, más concentrada de 40a 80%; y la proporción de suelo expuestoen general variando de 0 a 20% y con 40%como máximo. Sumando estos valores sepuede decir que la cobertura total fuesiempre superior al 90%, teniendo comomáximo 250% y concentrándose en gene-ral entre 120 a 180%.

Influencia de la cobertura sobrela reflectancia

En la Figura 4 se presenta la dispersión delos valores de reflectancia del píxel rela-tivo a la cobertura de los diferentes estra-tos vegetales. Como se puede observar ladispersión de los valores es muy grande.

a b c

d e

9MULTEQUINA 13: 01-14, 2004

Resumiendo los resultados de esteanálisis en la Tabla 1 se observa másfácilmente que los coeficientes de corre-lación entre la reflectancia de las clasesde coberturas fueron bajos, considerandoque las imágenes fueron obtenidas en la

Tabla 1. Datos estadísticos de cobertura, media, desvío estándar y correlación con valores de reflectanciaTable 1. Statistical data on cover, mean, standard deviation and correlation with reflectance values

época seca, donde se esperaba mayorcorrelación. El signo negativo de la corre-lación indica que la reflectancia aumentacon la disminución de la cobertura, comose observa con la cobertura total, arbóreay arbustiva.

La clase “suelo expuesto” explica57,6% mostrando la importancia relativade su contribución en el comportamientoespectral de la Caatinga. La importanciadel suelo desnudo sobre el comporta-miento radiométrico del visible, puedeser explicada por la alta reflectancia de lasuperficie del suelo, seco y pobre en ma-teria orgánica como apuntan Baumgardneret al. (1970) e Pinker & Karnieli (1995).En términos absolutos todos los valoresde correlación observados son bajos, loque ya fue observado por Asner (2001).Las clases Cobertura total (-57.1% ),Cobertura arbórea (-52.8%) y Cobertu-ra arbustiva (-42.6%) explican débil-mente los valores de reflectancia. Seesperaba que el peso del estrato arbus-tivo se manifestara de manera más evi-dente, considerando que en losrelevamientos de campo se observó queeste es el que produce las mayores mo-dificaciones ambientales. Este estrato

es muy productivo y además de su pro-pia biomasa produce abundante manti-llo. La contribución del estrato herbá-ceo en la Caatinga es insignificante y nocorrelacionado. Estos resultados con-firman, de una manera general, el com-portamiento esperado de la Caatinga entérminos de comportamiento espectral,incluso en términos de jerarquía de im-portancia de los estratos, en función desu mayor o menor influencia sobre lareflectancia registrada en la imagensatelitaria.

Análisis de la longitud de latransecta

Establecidos los parámetros de campomás importantes, fue determinada la lon-gitud óptima aproximada de la transecta.Para esto fueron analizadas las curvas decoeficientes de la variación (CV) de lascuatro clases de cobertura vegetal, en

10 F. Maldonado , V. de Carvalho , C. de Sousa , M. Martinelli , O. Pinheiro Junior y F. Fernandes dos Santos

función de la longitud de la transecta(Figura 5). Se observa fácilmente queel CV aumenta rápidamente y pron-to se estabiliza. Esto sucede por la

Figura 5. Estudio del Coeficiente de variación (CV); a) CV de la cobertura arbórea, b) CV de la coberturaarbustiva, c) CV de la cobertura herbácea, d) CV de la cobertura total

Figure 5.. Study of Variation coefficient (CV); a) tree cover CV, b) shrub cover CV, c) herb cover CV, d)total cover CV

estabi l ización de la media y lavariancia e indica que se ha conse-guido relevar la variabilidad de lacobertura vegetal estudiada.

El comportamiento observado estádentro de lo esperado, la curva del estratoherbáceo se estabiliza rápidamente; lacurva del estrato arbustivo se estabilizaluego, alrededor de los 20 metros; la co-bertura total alrededor de los 25 metros yla cobertura arbórea alrededor de los 50mpresenta fuerte tendencia a la estabiliza-ción. Considerando que la cobertura totales la que mejor explica el comportamien-to radiométrico de la Caatinga y que suCV se estabiliza alrededor de los 25 me-tros, puede admitirse que la longitud óp-tima, sea un poco mayor que esta medida.Aunque, teniendo en cuenta las experien-cias anteriores en Carvalho (1986) y

Maldonado (1999), una longitud de 40metros puede ser más apropiada para ca-racterizar la estructura de la vegetaciónen términos de relación costo / beneficio.

Determinación estadística de lalongitud mínima de la transectaLa longitud obtenida usando los gráficosde Pearson-Hartley fue de 45 m (o 45muestras). Esta es la longitud mínima quepermitiría obtener información fisonómi-co-estructural confiable de todas las áreas,desde estepas arbustivas hasta arbóreas.

Este cuidado para determinar la longi-tud mínima de la transecta es debido a que

11MULTEQUINA 13: 01-14, 2004

el aumento de la longitud de la transectaproduce un aumento mayor en el tiemponecesario para el relevamiento; este au-mento es agravado cuando la coberturavegetal es alta. Por ejemplo, una transectade 50 metros en área degradada deman-dó 15 minutos y en áreas de Bosquehasta 90 minutos.

La consideración final para definir lalongitud óptima de transecta, está relacio-nada con la resolución espacial de lasimágenes satelitales usadas. En el casodel uso de resoluciones espaciales de30x30m, como las de TM, la longitud de50 m tiene una probabilidad de 80% derepresentar un sitio cuya reflectancia estáintegrada en un píxel, una longitud menorposee una probabilidad baja y una longi-tud mayor podría contener hasta dospíxeles, lo cual en las áreas degradadasrepresenta una desventaja.

Conclusiones y Recomendaciones

Del análisis de estos resultados puedeconcluirse que la longitud recomendadapara la transecta es de 50 m. Así, puedeser caracterizada la heterogeneidad de lavegetación y explicada la reflectancia delpíxel de las imágenes TM / Landsat. Estalongitud puede reducirse al mínimo de 45m, cuando se usan imágenes de resolu-ción espacial mayor, como ocurre actual-mente con el uso de imágenes SPOT oASTER (15m). También puede concluir-se que la cobertura vegetal total es la quemejor explica la radiometría de las imá-genes del espectro visible, al menos en laépoca seca. Sin embargo, los valores decorrelación bajos entre la cobertura yla reflectancia, indican la obligación

de incluir en el análisis otros factoresambientales. La confiabilidad de lacorrespondencia campo / imagen podríaser mejorada aumentando la precisión dela posición del GPS, o aumentando lalongitud de la transecta. Aunque, esto últi-mo posee serias desventajas; por ejemplo60m permitiría contener con certeza en unpíxel completo TM / Landsat, pero tam-bién aumentaría el tiempo de medición.

AGRADECIMIENTOS

A la Fundação de Amparo a la Pesquisadel Estado de São Paulo - FAPESP/Brasilque financió la campaña de campo a tra-vés de un Projeto Regular de Auxilio àPesquisa. El primer autor es becario dedoctorado de la Coordenação deAperfeiçoamento do Pessoal de NívelSuperior - CAPES/Brasil.

BIBLIOGRAFÍA

ASNER G.P., C.A. WESSMAN & D.S.SCHIMEL, 1998. Heterogeneity ofsavanna canopy structure and func-tion from imaging spectrometry andinverse modeling. Ecological Appli-cations 8 (4): 1022-1036.

ASNER,G.P., C.A. WESSMAN, C.A.BATESON & J.L. PRIVETTE, 2000.Impact of Tissue, Canopy, and Land-scape Factors on the HyperspectralReflectance Variability of Arid Eco-systems. Remote Sensing of Environ-ment 74 (1): 69-84.

BARRETT, E.C. & L.F. CURTIS, 1992. Ecol-ogy, conservation and resource man-agement. In: Barrett, E.C. & L.F.Curtis (eds.) Introduction to Environ-mental Remote Sensing. 3rd ed. p.304-324. London: Chapman & Hill.

12 F. Maldonado , V. de Carvalho , C. de Sousa , M. Martinelli , O. Pinheiro Junior y F. Fernandes dos Santos

BAUMGARDNER, M.F., S.J. KRISTOF, C.J.JOHANNSEN & A.L. ZACHARY,1970. Effects of organic matter on themultiespectral properties of soils.Proceedings of the Indiana Academyof Science 1 (79): 413-422.

BERNSTEIN, R., 1983. Image geometry andrectification. In: R.N. Colwell (ed.)Manual of Remote Sensing, 2nd ed.Virginia. American Society of Photo-grammetry.

BIED-CHARRETON, M. & J. CAZAUX,1989. Economic Interest of Remotesensing techniques. Proceeding Re-mote Sensing for Development Inter-national Conference. Berlin. Albertzand Tauch.

BOWKER, D.E. & R.E. DAVIS, 1992. Influ-ence of atmosferic aerosols and desertreflectance properties on satelite radi-ance measurements. InternationalJournal of Remote Sensing 13 (16):3105-3126.

BRUZZONE, L. & S.R. SERPICO, 1997.Detection of changes in remotely-sensed images by the selective use ofmulti-spectral information. Interna-tional Journal of Remote Sensing 18(18): 3883-3888.

CABRERA, A.L. & A. WILLINK, 1973.Biogeografía de América Latina.Washington: OEA, 117 pp.

CAMPBELL, J.B., 1996. Introduction to Re-mote Sensing. 2nd ed. New York:TheGuilford Press, 622 pp.

CARVALHO, V.C., 1986. Structure etdynâmique de la vegetation en milieutropical semi-aride. La Caatinga deQuixabá (Pernambouc, Brésil) du ter-rain a l’analyse des données MSS/Landsat. São José dos Campos. 332p.(INPE-4049-RPE/524). Tesis(Doctorat) - Université de Toulouse-Le Mirail. INPE.

CARVALHO, V.C., C.A. LINHARES, R.J.RIVERA-LOMBARDI, M.J.GLERIANI, P.M. GRAÇA, R.C.OLIVEIRA, A.G. AFFONSO & J.R.SANTOS, 2001. Estado da arte nasaplicações de sensoriamento remoto parao estudo da vegetação: análise por blocosde países e linhas de pesquisa. [CD-ROM].Simposio Brasileiro de Sensoriamentoremoto 10, Foz do Iguazu, 2001. Anais.São José dos campos: Fabrica da Imagem.

CHANGYAO, W., 1993. DesertificationReserch Using Remote Sensing andGeographical Information System.Proceeding International Symposium,Remote Sensing and Global Environ-mental Change, Austria.

CHAVEZ, P.S., 1989. Radiometric calibra-tion of Landsat Thematic Mapper mul-tispectral images. PhotogrammetryEngineering & Remote Sensing 55(9): 1285-1294.

CHAVEZ, P.S. & D.J. MACKINNON, 1994.Automatic detection of vegetationchanges in Southwes United Statesusing remotely sensed images.Photogrametric Engineering & Re-mote Sensing 60 (5): 571-583.

CHAVEZ, P.S., 1996. Image-based atmo-spheric corrections - revisited andimproved, Photogrammetry Engineer-ing & Remote Sensing 62 (9): 1025-1036.

CHEN, Z., C.D. ELVIDGE & D.P.GROENEVELD, 1998. MonitoringSeasonal Dynamics of Arid LandVegetation Using AVIRIS Data. Re-mote Sensing of Environment (65):255-266.

CHOUDHURY, B.J., 1992. Multiespectralsatellite observations for arid landstudies. Journal of Photogrammetryand Remote Sensing 47: 101-126.

COLWEL, 1974. Vegetation canopy reflec-tance. Remote Sensing of Environ-ment 3 (3): 175-183.

13MULTEQUINA 13: 01-14, 2004

COCHRAN, W.G., 1977. Sampling tech-niques. 3ed. New York: John Wiley &Sons, 428 pp.

DAI, X.L. & S. KHORRAM, 1998. The ef-fects of image misregistration on theaccuracy of remotely sensed changedetection. IEEE Transactions on Geo-science and Remote Sensing 36 (5):1566-1577.

EBERHARDT, K.R.,1990. Survey samplingmethods. In: Wadsworth, H.M. (ed.)Handbook of statistical methods forengineere and scientists, Ed: McGraw-Hill. New York.

FELDT, L.S. & M.W. MAHMUOD, 1958.Power Function charts for especificnumber of observations in Analysesof Variance of Fixed Effects. TheAnnals of Matematical Statistic 29:871-877.

FERREIRA, O., 2003. Communication Pro-gram for GPS and Data Treatment.<www.gpstm.com>.

FULLER, D.O., S.D. PRINCE & W.L.ALTLE, 1997. The influence ofCanopy on Remote Sensed observa-tions of Savanna-woodlands. Inter-national Journal of Remote Sensing18 (140): 2985-3009.

GOEFFREY, M. H., 1997. Detecting changein grasslands using measures of spa-tial dependence whit Landsat TM data.Remote Sensing of Environment 46(4): 223-234.

GOLDSMITH, F.B. & C.M. HARRISON,1976. Description and analysis of veg-etation. In: Chapman (ed.) Methods inplant ecology. Oxford: Blocnel Sci-entific..

INSTITUTO BRASILEIRO DEGEOGRAFIA E ESTATÍSTICA -IBGE., 1992. Manual Técnico davegetação Brasileira. Serie ManuaisTécnicos em Geociências. Rio deJaneiro: FIBGE, 92p.

INSTITUTO BRASILEIRO DE GEOGRAFIAE ESTATÍSTICA –IBGE, 1997.Recursos naturais e meio ambiente: umavisão do Brasil. Rio de Janeiro: FIBGE,208 pp.

INPE, 2003. Geoprocessamento e Informática.SPRING: Sistema de processamentode informações georreferenciadas.São José dos Campos, v.2.

KÜCHLER A.W., 1988. A Physionomic andStructural Analysis of vegetation. In:Lieth, H. (ed.) Handbook of vegeta-tion science. Vegetation Mapping,Cap.4. Netherlands: Kluwer Aca-demic Publishers.

MALDONADO, F.D., 1999. Análise porcomponentes principais (ACP) nacaracterização da dinâmica do uso daterra em área do semi-árido brasileiro:Quixaba – PE. Brasil. São José dosCampos, INPE. (Tese de mestrado emSensoriamento Remoto -INPE). PI(INPE-7180-TD/680), 116 pp.

MALDONADO, F. D., J.R. SANTOS & V.C.CARVALHO, 2002. Land usedinamics in the semi-arid region ofBrazil (Quixabá-PE): caracterizationby principal components analysis.International Journal of Remote Sens-ing 23 (23): 5005-5013. Londres: Tay-lor & Francis.

MILTON, O., S.L. SMITH, J.B. USTIN, J.B.ADAMS & A.R. GILLESPE, 1990.Vegetation in Deserts I: A regionalmeasure of abundance frommultiespectral images. Remote Sens-ing of Environment 31 (1):1-26.

MOORE, P.D. & S.B. CHAPMAN, 1990.Methods in plant ecology. London:Blackwell Scientific. 589 pp.

MULDERS, M.A. & G.F. EPEMA, 1986.The thematic mapper: a new tool forsoil mapping in arid areas. ITC Jour-nal 1: 24-29.

14 F. Maldonado , V. de Carvalho , C. de Sousa , M. Martinelli , O. Pinheiro Junior y F. Fernandes dos Santos

NETER, J., M.H. KUTNER, C.J.NACHTSHEIM & W. WASSERMAN,1996. Applied linear statistical models.Boston: McGraw-Hill, 1408 pp.

PICKUP, G. & V.H. CHEWINGS, 1996. Iden-tifying and measuring land degrada-tion processes using remote sensing.In: Hill, J. & D. Peter (eds.) The use ofremote sensing for land degradationand desertification monitoring in theMediterranean basin. State of the artand future research. Luxemburgo:Official Publications of EuropeanCommunities.

PINKER, R.T. & A. KARNIELI, 1995. Char-acteristic spectral reflectance of asemi-arid environment. InternationalJournal of Remote Sensing 16 (7):1341-1362.

REED, G.F., F. LYNN & B.D MEADE, 2002.Use of Coefficient of Variation inAssessing Variability of QuantitativeAssays. Clinical and Diagnostic Labo-ratory Immunology 9 (6): 1235-1239.

SCHULTZ, J., 1995. The ecozones of theworld. The ecological Division of theGeosphere. Berlin. Springer-Verlag.189f. 48t.

TRODD, N.M. & A.J. DOUGILL, 1998.Monitoring vegetation dynamics insemi-arid African rangelands - Useand limitations of Earth observationdata to characterize vegetation struc-ture. Applied Geography 18 (4): 315-330.

VELLOSO, A.L., E.V.S.B. SAMPAIO &F.G.C. PAREYN, 2002. Ecoregiões:Propostas para o bioma Caatinga.Resultados do Seminário dePlanejamento Ecorregional daCaatinga, Aldeia-PE, 28 a 30 denovembro de 2001. PNE- AssociaçãoPlantas do Nordeste; Instituto deConservação Ambiental, The NatureConservancy do Brasil.

ZONNEVELD, I.S., 1988. Environmentalindication. In: Lieth, H. (ed.) Hand-book of vegetation science. Vegeta-tion Mapping. Cap.36. Netherlands,Kluwer Academic Publishers.

ZONNEVELD, I.S., 1989. Landscape surveyand evaluation. Journal of Arid Envi-ronment 17 (2): 255-264.

Recibido: 11/2003Aceptado: 09/2004