Identificacin y Delimitacin de Humedales Lnticos en el Valle alto del Ro Cauca mediante el procesamiento digital de imgenes de Satlite Recibido: Agosto 10 2010 Aceptado: Septiembre 3 2010 Andrs Parra M, Ing. Escuela de Ingeniera Civil y Geomtica Universidad del Valle, Cali, Colombia. E-Mail:andrepame04@yahoo.com Francisco L. Hernndez T., Esp. Director del Grupo de Investigacin en PercepcinRemota, GIPER. Escuela de Ingeniera Civil y Geomtica. Universidad del Valle, Cali, Colombia. E-Mail: flhernand@gmail.com RESUMEN Se elabor la identificacin y delimitacin de los humedales lnticos naturales deldepartamentodelValledelCauca(Colombia)medianteeltratamiento digitaldeimgenesdelsatliteQuickbird.SeutilizelndiceNormalizadode DiferenciadeVegetacinparadiferenciarloscuerposdeaguadelacubierta vegetalyserealizarondostiposdeclasificaciones:supervisadaconbasea pxelesyorientadaaobjetos.Secompararonlosresultadosobtenidoscon ambasclasificacionesyseseleccionlaclasificacinquemejoresresultados arrojparagenerarlacartografadelosecosistemasdehumedalesaescala 1:10.000,dondeseidentificaelespejodeaguaconelquecuentanlos humedalesysediferenciaentretrestiposdevegetacinacutica predominantesenestosecosistemas.Laaplicacindelastcnicasde teledeteccin al seguimiento multitemporal de los humedales, permitederivar datos tan cruciales como la disminucin de la superficie de una zona hmeda concreta,ascomolaestimacindelassuperficiesdeinundacin,procesos peridicos esenciales para la conservacin de muchos de estos ecosistemas. PALABRAS CLAVE Delimitacindehumedaleslnticos,Teledeteccin,IndiceNormalizadode Diferencia de Vegetacin ABSTRACT Itwasdevelopedtheidentificationandmappingofnaturallenticwetlandsof thedepartmentthroughdigitalprocessingofQuickbirdsatelliteimages.The NormalizedDifferenceVegetationIndextodifferentiatewaterbodiesfrom vegetation cover, and there were two types of classifications, supervised pixel-based and object-oriented. The results were compared and the best performing classification was selected to generate the mapping of wetland ecosystems at 1:10,000,whichisidentifiedwiththewatersurfacewetlandsthatcountand differentiateamongthreetypesofaquaticvegetationspredominantinthese ecosystems.Theapplicationofremotesensingtechniquestomulti-temporal monitoring of wetlands, allows deriving such crucial data as the decrease in the surfaceofaparticularwetland,andtheestimationoffloodareas,periodic processes essential for the conservation of many of these ecosystems. KEYWODRS Lenticwetlanddelineation,RemoteSensing,IndexNormalizedDifference Vegetation 1. INTRODUCCIN Paralaidentificacinydelimitacindehumedalesseempleabanenun principio mtodos tradicionales de cartografa mediante trabajos de campo. La aparicindelastcnicasdefotointerpretacinpermitieronrealizarmapasde humedalesdemaneramseficienteyprecisaapartirdefotografasareas, lascualeshansidoelinsumomsutilizadoenelinventariodehumedales, comoloreportanlostrabajosdeWarner(1990),IbrahimyHashim(1990)y Tiner (1990). Ms tarde se realizaron varios estudios donde se utilizaron datos procedentesdelsatliteLandsatdelEscnerMultiespectral(MSS)Mapeador Temtico (TM) para distinguir masas de agua del suelo seco circundante o de la vegetacin, segn cita Smith (1997). Otrossensores,comoelRadimetroAvanzadodeMuyAltaResolucin (AVHRR),delaAdministracinNacionaldelOcanoylaAtmsferadelos Estados Unidos (NOAA), el Visor de Alta Resolucin (HRV), del Sensor para la ObservacindelaTierra(SPOT)yelSatliteMeteorolgicoMETEOSAT, tambinsehanempleadoparadiferenciarreasinundadasdentrodelos humedales.LosSAR(SyntheticApertureRadar),conmayorresolucin espacial, permiten la deteccin de zonas inundadas bajo un dosel forestal. Los ms utilizados son los satlites ERS-1 y ERS-2 de la Agencia Europea Espacial yelsatlitejaponsJERS-1.Ramsey,(1998)recogediversasexperiencias realizadas en el estudio de humedales con SAR. Lapresenciademuypequeasyefmerasmasasdeaguaesdifcilde cartografiardebidoaquesunivel, oinclusosuexistencia, sonmuy variables dependiendo de la distribucin de lluvias y de la tasa de evaporacin. Work y Gilmer (1976)mostraron cmo lasbandas espectrales de 80 m deresolucin del Landsat MSS eran capaces de detectar lagunas de reas inferiores a 1.6 ha enDakota.Porsuparte,Ernst-Dottavio,HofferyMroczynski(1981) identificaronpequeoshumedalesalnorestedeIndianaapartirdedatos LandsatMSS.EnColorado,EckhardtyLitke(1988)detectaronlagunas menoresde0.5y0.1hautilizandoimgenesLandsatMSSySPOT-HRV, respectivamente.SegnreportVerdin(1996),enelSahel(Nger),donde existennumerosassuperficiesdeaguapequeasyefmerasdispersasporla regin, se examinaron 21 lagos utilizando seis imgenes NOAA-AVHRR con una resolucinde1-1kmdurantelaestacinsecadelosaos1988-1989.En Espaa,elCEDEXobtuvo,medianteelempleodetcnicasbasadasenel anlisisdigitaldeimgenesLandsat-5TM,lalocalizacinyubicacin geogrficadelassuperficiesdeaguaexistentesenlascuencasdelosros Duero,Guadiana,JcarySegura.EnlacuencadelGuadianaseutilizaron imgenes, ya corregidas geomtricamente, de fechas entre el 4 de junio y 6 de juliode1994,procedentesdelInstitutoGeogrficoNacional.Lasuperficiede agua detectada fue de 5.581 ha, oscilando su extensin entre las 1.788 ha del embalsedeOrellanaylos625m2demenorsuperficiedetectada(Soriano, 1996). En la India, la cartografa de humedales se ha llevado a cabo utilizando datos de teledeteccin. Se cartografiaron las zonas hmedas de 236 distritos bajo el programaNationwideWastelandMapping.Diferentesautorescartografiaron las reas de Khaziranga, Bharatpur y Sundarbans, utilizando datos del satlite indio IRS-IA y el sensor LISS (Linear Imaging Self-Scanning Sensor). Tambin se cartografiaron los humedales costeros del delta Sundaban a partir de datos de IRS-1B LISS-II combinados con datos SAR procedentes del ERS-1 (Dwivedi, 1999).Algunosestudiosencaminadosaevaluarelpotencialdelossistemas SAR para la clasificacin de zonas inundadas y no inundadas se realizaron en la partealtadeloshumedalesdelroNgerasupasoporMal.Seutilizuna serie temporal de imgenes SAR del satlite ERS-1, desde noviembre de 1992 hastaoctubrede1993(cada35das),seleccionandolasimgenesdela estacinsecaydemximainundacin.Tambinseusarondatosadicionales disponibles de la NASA/DARA, imgenes radar transportado RADAR-C (SIR-C), X-SAR 994 e imgenes AVHRR. Se dispuso de varios mtodos normalizados de inventario que se han aplicado con xito en distintas circunstancias, pases o regiones. Ejemplos notables son elinventariodelaIniciativaparalosHumedalesMediterrneos(MedWet),el inventarionacionaldehumedalesdelServiciodePescayFaunaSilvestrede losEstadosUnidos,elinventarionacionaldehumedalesdeUganda,el inventario de los humedales de Asia y el inventario nacional de los humedales del Ecuador. EnColombia,loshumedalesgradualmentesehanidoperdiendooalterando debido a los mismos procesos naturales y a la presin antrpica a travs de la agriculturaintensiva,laurbanizacin,lacontaminacin,ladesecacinyotras formasdeintervencin.Ladegradacindeestossistemasylaprdidadesu capacidad productiva ameritan acciones agresivas y prioritarias en el contexto nacional,regionalylocal.Estasituacinnoesajenaparael vallealtodelro Cauca. Las inundaciones y los niveles de agua altos dan lugar a un proceso de labrado de orillas, donde el ro y sus meandros en su propia evolucin generan lagunas y madreviejas que conforman las zonas de almacenamiento natural de lasaguasdeexceso,lascualesejercenunpapelimportanteenlaregulacin del caudal al captar grandes volmenes de agua en el invierno para liberarlos lentamente en el verano. En la dcada de 1950 existan ms de 160 madreviejas, de las cuales la gran mayoraestabanasociadasalro.En1955elreadestasera aproximadamente 17,500 ha (CVC, 2007). En la dcada del 60 el aumento de la poblacin y el crecimiento socioeconmico del Valle del Cauca implicaron la expansin urbana y de la fronteraagrcola y con ello la necesidad derealizar obrasdeadecuacindetierrasparalaproteccincontralasinundaciones. Estasmodificacionesincidieronenladisminucindelasreasdelos humedales a menos de 3000 ha a finales de los aos ochenta. En el departamento del Valle del Cauca, el inventario de humedales existentes hatenidocomoprioridadaaquellosdetiponaturallnticos,ubicadosenel vallegeogrficodelroCauca,principalmente,madreviejasdelro,cinagas, lagunasdeinundacinyzonasdeinundacingeneradasporintervencin humanatalescomocultivosdearroz.Elreadeestudiosecaracterizapor tenerunainfluenciadirectadelroCauca,especialmenteenlaspartes aledaas a ste, las cuales estn sometidas a la accin de las crecientes y los desbordesenpocadelluvias.Loanteriorhacequeelpaisajecreadosea dinmicoyvariable,puestoquelascrecientesperidicasdelrodeterminan aumentos en los niveles de todos los humedales del valle as como de las reas cercanas a stos. Al llegar la temporada seca, el nivel de las aguas desciende y la extensin de estos hbitats se reduce significativamente. Los trabajos realizados para obtener la informacin existente del inventario de humedales en el valle alto geogrfico del ro Cauca se deben principalmente a estudiosdelaCVC(1956,1986,1997,2002),basadosenrestitucin fotogramtricaytrabajosdecampo.Delosresultadosdeestostrabajos,se obtuvo cartografa anloga con la ubicacin de los humedales, la cual se utiliza en la formulacin de planes de manejo ambiental integral para algunos de los humedales inventariados con el objeto de gestionar y planificar la conservacin adecuada de los mismos. Para la realizacin del inventario se tuvo en cuenta el marco estructurado para laplanificacindelinventariodehumedalesestablecidoporlaConvencin Ramsarysellevacabomedianteelanlisisdigitaldetresimgenes multiespectrales del satlite Quickbird de 2.4 metros de resolucin espacial de losaos2002y2004;tambinseutilizlainformacinqueexistesobrelos humedales como son los Planes de Manejo Ambiental, elaborados por la CVC, y la cartografa anloga de estos ecosistemas. SeaplicelndicedeVegetacindeDiferenciaNormalizado(NDVI),elcual permite diferenciar los cuerpos de agua de otras coberturas.

Posteriormente,seaplicacadaimagendosmtodosdeclasificacin,como son la clasificacin supervisada con base a pxeles y la clasificacin supervisada orientadaaobjetos;esteltimomtodotieneencuentaaspectoscomola formaylatexturaynoslolainformacinespectraldecadapxel.Los resultados obtenidos con cada mtodo de clasificacin se compararon mediante lamatrizdeconfusinyelcoeficienteKappa.Segenerlacartografadigital conloshumedalesidentificadosenlastresimgenes.Lametodologa empleada permitir la identificacin y delimitacin de los humedales lnticos y la cobertura asociada a estos ecosistemas de manera eficiente y permanente y servirdeapoyoparalaelaboracindeplanesdeaccinencaminadosala proteccin de estos ecosistemas. 2. REA DE ESTUDIO ElvallealtogeogrficodelRoCaucacomprendetodalafranjaplanaque atraviesa este afluente en su paso por los departamentos de Cauca y Valle del Cauca; la parte ms ampliadel valle se ubica en inmediaciones del municipio deYumboylamsangostahaciaelmunicipiodeBuga,enelcentrodel departamentodelValledelCauca,comolomuestralaFigura1.Lazonade estudio est demarcada por las coordenadas geogrficas: Latitud 3 44 11.82 N,Longitud762446.02O(esquinasuperiorizquierda)yLatitud341 56.85 N, Longitud 76 22 14.30 O (esquina inferior derecha). Loshumedalesexistentesenlareginenlaactualidadsonbsicamente madreviejasdelroCauca,cinagas,lagunasdeinundacinyzonasde inundacin generadas por intervencin humana tales como cultivos de arroz. Las imgenes de satlite adquiridas con sensores de alta resolucin espacial y espectralseconviertenenlanuevaalternativaparaobtenerinformacin peridicaquepermitacaracterizarestosimportantesecosistemasquese encuentran en alto riesgo de desaparecer. Figura 2. Identificacin de la zona de estudio 2.1. MATERIALES Y MTODOS La identificacin de los humedales se llev a cabo mediante el procesamiento digital de tres imgenes multiespectrales del satlite Quickbird del ao 2002 y 2004, cada imagen cuenta con 4 bandas espectrales (azul, 450-520 nm; verde 520-600 nm; rojo, 630-690 nm; infrarrojo cercano, 760-900 nm). Una de las imgenes cubre una parte del ro Cauca a su paso por el municipio de Yumbo y lasotrasdoscubrenlazonadel vallegeogrficodelosmunicipiosdeVijes y Guacar;tambinseutilizlainformacindelosPlanesdeManejoAmbiental de los humedales elaborados por la CVC y la cartografa digital de la zona de estudio. Las tres imgenes son del satlite Quickbird de tipo Standard, lo que significa que se ha corregido de manera aproximada el desplazamiento producido por el relieveconrespectoalelipsoidedereferenciamedianteunmodelode elevaciones digital (DEM, por sus siglas en ingls) lo suficientemente vasto. El gradodenormalizacinesrelativamentepequeo,yaunquecadaimagen cuentaconcorreccionesdelterrenonoseconsideranimgenes ortorrectificadas. La precisin estimada del producto en geo-localizacin absoluta es de 23 m parael90%delospuntos(CE90%),excluyendodesplazamientospor topografaypordesplazamientosdelngulonadiralmomentodelatoma, aunque en terrenos planos se puede llegar a los 14 m. El control terrestre se extraedelainformacindelasefemridesdelsatliteysualtitud.Para realizarcadaunodelospasosdelpre-procesamientodelasimgenes,se utiliz el programa ERDAS v9.2 2.2. CORRECCIN DE EFECTOS ATMOSFRICOS Laradiacinelectromagnticasevenotablementeafectadaporlosdistintos componentesdelaatmsfera.Lapresenciadeaerosolesyvapordeagua dispersa,deformaselectiva,laradiacintransmitidaentrelasuperficie terrestreyelsensor.Laradianciafinalmentedetectadaporelsensorno correspondeexactamentealaquepartedelasuperficieterrestre,sinoque cuentaconunporcentajeaadido,aconsecuenciadelefectodispersordela atmsfera (Chuvieco, 1996). Losgasesatmosfricosylosaerosolescontribuyenalaabsorcinyla dispersindelaluzsolardirectaydelaluzsolarreflejadaporlasuperficie terrestre.Laabsorcinreducelacantidaddeenergadisponibleenuna longituddeondadeterminada,mientrasqueladispersinredistribuyela energacambiandosudireccin.Aunqueladispersinnocambialas propiedadesdelaradiacindistintasasudireccin,elresultadoesuna disminucindelcontrastedelosobjetosobservados,producindoseuna degradacin de los contornos.

Ladispersin(oscattering)afectafundamentalmentealadireccindela radiacinvisibleperopuedealterartambinladistribucinespectraldelas longitudesdeondadelvisibleylasprximasal.Elprincipalproblemaque implica la dispersin es su carcter heterogneo en el espacio y en el tiempo; en otras palabras, la dispersin atmosfrica no es constante en la imagen sino queendeterminadaszonaspuedenhabersidomsafectadasqueotras,en funcindeladiversapresenciadeaerosolesovapordeagua.Adems,el efecto es dependiente de la longitud de onda y vara entre imgenes de forma difcildepredecir.Desafortunadamente,resultamuycomplejoabordaruna correccin rigurosa de la dispersin atmosfrica, por cuanto requiere una serie de medidas simultneas a la adquisicin de la imagen (Chuvieco, 1996). Para la correccin de efectos atmosfricos de cada imagen se utiliz el mtodo de Correccin del Histograma por sus Valores Mnimos (Chvez, 1996). 2.3 GEORREFERENCIACIN Antesderealizarlageorreferenciacindecadaimagenseprocediarealizar unmosaicoconlasimgenescorrespondientesalosmunicipiosdeVijesy Guacar.Lageorreferenciacindecadaimagensehizoapartirdecartografa digital a escala 1:10.000 de la zona de estudio, proporcionada por la CVC. Parallevaracaboelprocesodegeorreferenciacinseseleccionaronencada una de las 3 imgenes un total de 20 puntos de control terrestre (GCP, por sus siglas en ingls). La georreferenciacin se realiz en tres fases: (i) localizacin de los puntos de control terrestre en la imagen y en la cartografa digital, (ii) clculo de las funciones de transformacin entre las coordenadas de la imagen y las de la cartografa, y (iii) remuestreo o reubicacin de los niveles digitales (ND)originalesalanuevaposicin.Paraestaltimafaseseutilizla geocodificacinpolinomialdesegundoordenyelcriteriodeinterpolacindel vecinomscercano(nearestneighbor),porquesuponeunamenor transformacin de los ND originales. El error medio cuadrtico (RMS) debe ser menor a un pxel. En este trabajo se logr un RMS menor a 0.25. El RMS es una medida de la precisin de los GCP enlasimgenesexpresadaeneltamaodepxeldelaimagen.Valores menores a 1 contemplan una gran precisin. Un RMS igual a 1 equivale a tener un error equivalente a la resolucin espacial de la imagen satelital. 2.4 RECORTE DE LAS IMGENES Unavezlasimgenesfuerongeorreferenciadasseprocediarealizarun subconjunto de cada imagen, tanto de la imagen correspondiente al municipio deYumbocomodelmosaicorealizadoconlasimgenesdeVijesyGuacar (ver Figura 2). Alidentificarloscuerposdeaguayeltipodevegetacinpresenteenlos humedalessepudoobservarquesepresentabaconfusindebidoaquelos cuerposdeaguaofrecanunarespuestaespectralsimilaralassombras presentes en cada imagen esta misma situacin se presentaba entre parte de lasnubesylostiposdevegetacinqueseintentabaclasificarencada humedal,porlocualfuenecesarioenmascararlassombrasylasnubespara eliminarlasdelasimgenes.Paraelloserealizunaclasificacin supervisada de cada imagen, en la que se tom como muestra de cada clase las zonas de lasimgenesqueseconfundanconlasnubesylasnubesylassombras quedarancorrectamenteclasificadas,evitandolaconfusinconotrotipode coberturas. Una vez clasificadas las nubes y las sombras, se recodific la clasificacin para obtenerunanuevaimagensinlapresenciadenubesysombras.Lasclases correspondientes a las nubes y las sombras se codificaron con un valor igual a ceroylasclasesrestantesconunvalordeuno.Posteriormente,se interceptaron las imgenes georreferenciadas y recodificadas de la clasificacin delasnubesylassombras.Laimagenresultanteposeelainformacin completa de las cuatro bandas y las zonas en las cuales era posibleobservar que las nubes y las sombras aparecen en negro debido aque los pxeles han tomado el valor de cero. 2.5 CORRECCIN RADIOMTRICA La correccin radiomtrica de las imgenes se realiz para convertir los niveles digitalesdecadapxelenvaloresderadianciaespectral,utilizandolos coeficientesdecalibracinylosanchosdebandaefectivoobtenidosdel encabezado de las imgenes, ilustrados en la Tabla 1. Tabla 1. Coeficientes de calibracin y anchos de banda efectivo ____________________________________ Fuente: DigitalGlobe, Inc Elprocesodecalibracinradiomtricasedividien2etapas(DigitalGlobe, 2003): La primera etapa consisti en obtener la radiancia integrada para cada banda como lo muestra la Ecuacin 1. (1) Donde : La segunda etapa consisti en obtener la radiancia media espectral por banda. (2) Convieneconsiderarquelaradianciadetectadaporelsensor()dependede varios factores. Principalmente, es una funcin de la radiacin solar incidente, delarespuestadelacubiertaterrestreadicharadiacinydelaportede radianciadebidaalaatmsfera.Ensuma,seexpresa,segnMather(1987) como: (3) A partir de esta expresin se puede obtener la reflectividad: (4) Asumiendoquelasuperficietieneuncomportamientolambertiano,Sepuede estimarlaradianciaquellegaalsuelo(Lsu(k))enlafechaconcretade adquisicin de la imagen a partir de los siguientes parmetros: (5) Donde EO (k) es la irradiancia solar extraterrestre (en esa banda del espectro), ?eselngulocenitalyKeselfactorcorrectordeladistanciaTierraSol calculado como: (6) Donde n corresponde al da juliano del ao. Para evitar la variacin de la radiancia con respecto a la variacin anual de la irradianciasolar,sedeberealizarunanormalizacinporirradianciasolar, convirtiendolaradianciaespectralareflectividadplanetaria.Talvariable combina la reflectividad de la superficie terrestre con los efectos atmosfricos y puede obtenerse mediante la siguiente expresin (Ormeo, (2006): (7) En la Tabla 2 presenta los valores de la irradiancia solar para cada banda, las cuales se han empleado para el clculo de la reflectividad y han sido tomados de la documentacin publicada por la NASA para el programa Landsat Tabla 2. Valores de irradiancia solar extraterrestre para el programa Landsat ____________________________________ Fuente: NASA 2.6 Procesamiento de las Imgenes Paramejorarladiscriminacindealgunosrasgostemticospresentesenlas imgenes,especficamenteparadiferenciarentresuelosyvegetacin,se utiliz el ndice Normalizado de Diferencia de Vegetacin (NDVI). ElNDVIreflejaelestadoyladensidaddelavegetacinylaactividad fotosinttica.Estrelacionadoconlabiomasaycorrelacionadoconla evapotranspiracin (Nemani y Running, 1989; Sawamoto y Shin, 1997, citados porCONABIO).ElNDVIintegradosaspectosclavesdelcomportamiento espectraldelostejidosfotosintticos:labajareflectanciaenlongitudesde onda correspondientes al rojo (debido a la absorcin por parte de la clorofila) y la alta reflectancia en la porcin del infrarrojo cercano (debido a la estructura delmesofilodelashojas).ElNDVIsecalculaas(Rouseetal.,1973,citado por CONABIO): (8) DondeReIRccorrespondenalareflectanciaenlaporcinrojaeinfrarroja cercana del espectro electromagntico, respectivamente. UnadelasventajasdelNDVIesquevaraentre-1y1,locualfacilitasu interpretacin.Puedesealarsecomoumbralcrticoparacubiertasvegetales unvalordeNDVIde0.1yparalavegetacindensade0.5.Cualquiervalor negativo implica ausencia de vegetacin.

EnlaidentificacindeloshumedaleselNDVIseutilizcomounaimagen auxiliar para discriminar el agua de la tierra y otro tipo de coberturas (suelos desnudos,otravegetacin)conelobjetivodeidentificarlosecosistemasde humedales. 2.7 Clasificacin de las Imgenes Enunprincipioserealizunaclasificacinno-supervisadaencadaimagen, dondeelnmerodeclasesvarientre10y20;estoconelobjetode determinar de una manera ms clara el nmero de clases que se clasificaran encadaimagen.SeutilizelalgoritmoISODATA(IterativeSelf-Organizing DataAnalysisTechnique),elcualutilizalamnimadistanciaespectralpara asignar un pxel a un grupo (ERDAS, 1997). Partiendo de las imgenes obtenidas con las clasificaciones no-supervisadas se procediarealizarlaclasificacindetiposupervisadaconbaseenpxelesy con base en objetos. Parallevaracabolaclasificacinconbaseenpxelesseseleccionaronlas muestras de pxeles para cada clase que se defini en cada imagen de acuerdo con los resultados obtenidos de las clasificaciones de tipo no-supervisado y el algoritmoescogidoparaasignarcadapxelaunaclasefueeldemnima distancia.Elresultadodelaclasificacinfueunaimagentemticade9y12 clasesparalaimagendeYumboyelmosaicoVijes-Guacar,respectivamente (ver Figura 3). Pararealizarestaclasificacinconbaseenobjetosseutilizelprograma eCognitionv4.0.Elprimerpasoenelanlisisorientadoaobjetosesagrupar lospxeles(consideradaslasregionesiniciales)engruposhomogneos,es decir, realizar la segmentacin de la imagenpara posteriormente clasificar los objetosextrados.Eltamaoylaformadelosobjetosresultantesse determinaron de manera emprica. El grado de similitud vara en funcin de la mxima heterogeneidad permitida para un objeto en la imagen, definida por el parmetro factor de escala. Figura 3. Clasificacin con base en pxeles de las imgenes de Yumbo y Vijes-Guacar Figura 4. Clasificacin con base a objetos de las imgenes de Yumbo y Vijes-Guacar Adems,seincluyelcriteriodehomogeneidad,definidoporelparmetro compactibilidad , que optimiza el objeto en la imagen en relacin al conjunto y la forma que ayuda a evitar la alta fragmentacin del objeto en la imagen.

Se realizaron varias pruebas para definir los valores de estos parmetros en el procesodesegmentacin,definiendofinalmenteparacadaimagenlos siguientes(100,0.3y0.5);paralosparmetrosescala,formay homogeneidad,respectivamente.Elvalordeescalaempleadofueelquems seaproximalainformacinvectorialquesetenadelazonadeestudio, principalmente de los ecosistemas de humedales. Luego de la segmentacin de cada imagen, se procedi a tomar las muestras decadaclase.Esimportanteresaltarqueconestemtododeclasificacinel nmero de clases definidas en cada imagen disminuy debido a que es posible tomarvariasmuestrasdeunamismaclase,porlocualnofuenecesario distinguir entre cultivos que se encontraron en un estado fenolgico diferente sino que se gener una sola clase para los cultivos. Una vez se definieron las muestras, se escogi como criteriode asignacin el del vecino ms cercano y por ltimo se realiz la clasificacin. Elresultadodelaclasificacinfueunaimagentemticade6clasesparala imagendeYumboyde7clasesparaelmosaicoVijes-Guacar, respectivamente (ver Figura 4). 3. RESULTADOS Y ANLISIS Losresultadosdelasclasificacionesdelasimgenesobtenidasconambos mtodosseevaluaronmediantelamatrizdeconfusinquesegenerapara cada clasificacin y con la cual es posible determinar su fiabilidad. Tambin se calcul el coeficiente Kappa, el cual mide el grado de ajuste debido sloalaexactituddelaclasificacin,prescindiendodelcausadoporfactores aleatorios.

Este estimador adoptar valoresms prximos a la unidad en tanto el ajuste seasignificativamentemejorqueelobtenidomedianteclasificacinaleatoria (Pinilla, 1995), y se define mediante el siguiente modelo: Donde: indica el acuerdo observado y el producto de los marginales indican el acuerdo esperado Enlasmatricesdeconfusingeneradasparalaclasificacinsupervisadacon base a pxeles, se pudo observar que en general la fiabilidad de la clasificacin realizada en ambas imgenes es buena con un valor del 75% para la imagen de Yumbo y del 72% para el mosaico Vijes-Guacar. El ndice Kappa alcanz un 72% y 70% para cada imagen, lo cual significa que la clasificacin es mejor en un 70% que si se realizara de manera aleatoria. Conrelacionadelosecosistemasdehumedalesobjetodeesteproyecto,la clasificacindelespejodeaguaesmuyalta:100%paralaexactituddel productory90%paralaexactituddelusuario.Ahora,examinandolos resultados de la clasificacin para los tres tipos de vegetacin (buchn, enea y lechuguilla)quesediferenciaronparacadahumedal,sepuedenotarquelos resultadosnosonmuyalentadores.Estasituacinseexplicaapartirdela similitud de la respuesta espectral del buchn y de otros cultivos, al igual que con la enea que se confunde con el suelo. Enunintentopormejorarelresultadoobtenidoconesteprimermtodode clasificacin,acadaimagenselecalculelndicedeVegetacinAjustadoal Suelo(SAVI),peroaunaselresultadoobtenidonovarisignificativamente. La vegetacin del humedal contino confundindose con los cultivos y el suelo. Conelmtododeclasificacinorientadoaobjetos,losresultadosfueron mejoresdelosesperados.Paraambasimgenesseobtuvounafiabilidadde 100% en la clasificacin. El mismo valor se obtuvo para el coeficiente Kappa. Refirindosepropiamentealosecosistemasdehumedales,laclasificacinde lascoberturasdelespejodeaguaylavegetacindeloshumedalesfuemuy elevada,tantoparalaexactituddelproductorcomoparaladelusuario,el valor obtenido fue prcticamente del 100) en ambas imagenes. Porotraparte,paravalidarelusodelaimagenesdesateliteenla identificacin y delimitacin de los humedales, se realiz una sobreposicin de los humedales clasificados sobre la cartografa existente deestos ecosistemas quedatadefotografasareasde1998.Alsobreponerlaclasificacinconla queseobtuvolosmejoresresultadossobrelacartografadereferencia,se puede notar que el espejo de agua con el que contaban los humedales, en un perodo de cuatro aos (que es el lapso que existe entre las fotografas areas y las imgenes de satlite) ha sufrido cambios considerables, como lo muestra la Tabla 3. Tabla 3. Comparacin del espejo de agua de los humedales Fuente: Elaboracin propia Es necesario aclarar que la extensin del humedal como tal no ha disminuido, lo que ha sucedido, es que con el paso de los aos el espejo de agua ha sufrido una trasformacin, se ha ido cubriendo por vegetacin acutica. 4. CONCLUSIONES Elobjetivoprincipaldeestetrabajofueidentificarydelimitarloshumedales lnticosnaturalesdelValledelCaucaconimgenesdesatlite,paralocual, lasimgenesQuickBirdempleadasresultaronapropiadas,debidoasubuena resolucin espacial y sus caractersticas espectrales, lo que las hace adecuadas para este tipo de estudios. El ndice Normalizado de Diferencia de Vegetacin (NDVI) calculado para cada imagenfuedegranayudacomounprimerpasoparalaidentificacindelos cuerposdeagua,especficamentedelespejodeaguadeloshumedales objetivo de este trabajo. Respectoalosmtodosdeclasificacinutilizadossepudoobservarqueel mtodo supervisado con base a pxeles present inconvenientes en cuanto a la diferenciacin de los tres tipos de vegetacin predominante en los ecosistemas de humedales estudiados y que se clasificaron en cada imagen. Puede notarse en las matrices de confusin que para el buchn, la enea y la lechuguilla, tanto laexactituddelusuariocomoelndiceKappaparacadaclasenosuperanel 20%.Encambio,conelmtodoorientadoaobjetoslaclasificacinobtenida fuemuyaltaencuantoalaexactituddelaclasificacintantodelproductor como del usuario; esto se debe a que este mtodo reduce en gran medidalos problemasasociadosalutilizarimgenesdealtaresolucin,mejorando considerablementelosnivelesdeprecisinenlaclasificacin.Adems,la exactitud del usuario y el ndice Kappa para cada tipo de vegetacin clasificada en los humedales alcanzan un valor del 100%. Alobservarlacomparacinqueserealizconlosresultadosobtenidosdela clasificacin orientada a objetos y la cartografa existente de los humedales del ao98,sepuedeverquelasimgenesdesatlitesonunaherramientade granutilidadparalaidentificacindelosespejosdeaguadeloshumedales. Tambinesposiblenotarcmoelespejodeaguadelosseishumedales identificadoshadisminuidodemaneraconsiderableyensumayorahan sufrido una disminucin del 50%, dos de ellos no cuentan con espejo de agua y slo en la madrevieja Maizena ha ocurrido lo contrario, el espejo de agua en lugar de disminuir, aument. Analizandoaqusedebenestoscambiosenlosespejosdeaguadelos humedales,enlaclasificacinrealizadaencadaimagenseobservacmoel rea de espejo de cada humedal se ha ido cubriendo por vegetacin hidrfila: flotante como el buchn y la lechuguilla y emergente como la enea. En los humedales Higueroncito y El Cocal es muy notorio cmo han empezado el proceso de cambio de un estado lacustre (estado inicial en que aparece un humedal)aunestadodetipopalustre(estadoenelcualelfondonose encuentra consolidado). Teniendoencuentaloanterior,sepuedeconcluirqueloshumedalesms fciles de identificar son las reas permanentemente inundadas y el grado de dificultad para detectarlos aumenta a medida que cada humedal va pasando de un estado hmedo (lacustre) a un estado ms seco (bosque). ElmtododeCorreccindelHistogramaporsusValoresMnimosempleado pararealizarlacorreccindeefectosatmosfricosdecadaimagen,esun mtodo sencillo que depende de la existencia de objetos oscuros en la imagen, dichos objetos en teora deberan ser negros. En la correccin radiomtrica no slo se tuvo en cuenta los coeficientes de calibracin, sino tambin los anchos de banda efectivos contenidos en el encabezado de cada imagen y se siguieron lasindicacionesdeDigitalGlobeparalograrunacorrectaconversindelos valores digitales de cada pxel en valores de radiancia espectral. 5. AGRADECIMIENTOS Los autores agradecen a la Corporacin Autnoma Regional del Valle del Cauca CVC,alLaboratoriodeSensoresRemotosLASERdelaUniversidaddel Valle, al Centro Internacional de Agricultura Tropical (CIAT) y a la firma Prosis Procculo. 6. REFERENCIAS BIBLIOGRFICAS Beyhaut,J.I.,Podest,L.,yCasanova,R.(2005).Metodologaparael inventariodehumedales.InstitutodeAgrimensura,FacultaddeIngeniera, Universidad de la repblica de Uruguay. Brenner, J. (1997). Estimacin de Batimetra utilizando datos multiespectrales caso de estudio Laguna La Nacha, Tamaulipas. Pginas 35-37. Castillo, L. F. (2007). Informe final, Evaluacin de humedales en el valle del ro Cauca. CorporacinAutnomaRegionaldelValledelCauca(CVC).Acuerdo038de 2007. Diario oficial N 46765, Septiembre 2007. CorporacinAutnomaRegionaldelValledelCauca(CVC)yUniversidaddel Valle(autorescorporativos),MaraClemenciaSandovalyCarlosAlberto Ramrez(Compiladores)(2007).ElroCaucaensuvallealto:unaporteal conocimiento de uno de los ros ms importantes de Colombia. Digital GlobeTM, 2003: Radiometric Radiance Conversion for QB Data. Dwivedi, R. S.; Rao, B. R. M y Bhattacharya, S. (1999). Mapping wetlands of the Sundaban Delta and environs using ERS-1 SAR data. International Journal of Remote Sensing, 11 (20). pp. 2235-2247. Eckhardt,D.W.yLitke,D.W.(1988).Estimationofreservoirsurfaceareas using satellite imagery. Upper Gussison Basin. Colorado. Conference on Water DataforWaterResourcesManagement.Tucson.Arizona.U.S.A.August (Bethesda, MD: American Water Resources Association) pp. 691-702. Ernest-Dottavio,C.L.;Hoffer,R.M.,yMroczynski,R.P.(1981).Spectral CharacteristicsofWetlandHabitats.PhotogrammetricEngineering&Remote Sensing, 2 (47) pp. 223-227. Garca,E.,yChiong,J.(1995).Lateledeteccinaplicadalacartografiadode humedales altoandinos, Cuenca alta del ro Acar. Haralick,R.yShapiro,L.(1992):Computerandrobotvision,vol.1.Boston, Massachusetts, Addison-Wesley Longman Publishing Co., Inc. Harris,A.R.yMason,I.M.(1989)LakemeasurementusingAVHRR,acase study. International Journal of Remote Sensing, 10. pp. 885-895. Ibrahim, S. y Hashmin, I. (1990).Classification ofmangrove forest by using 1:40000scaleaerialphotographs,ForestEcologyandManagement,vol 33/34, pp.583-892. JoaodaGamaMinas(2005).EstimacindevariablesbiofsicasenOlivar mediantemtodosdeteledeteccinporsatliteysensoresaerotransportados para su integracin en agricultura de precisin. Pginas 41 y 42. Mather,P.(1999).Computerprocessingofremotely-sensedimages:an introduction. Chichester, John Wiley and Sons. 306 p Ministerio de Ambiente, Vivienda y Desarrollo Territorial (MAVDT)(2006). Gua tcnica para la formulacin de planes de manejo para humedales en Colombia. Resolucin 196 de Febrero de 2006, pginas 21 y 22. OlivaresA.,M.O.(2001).Estudiodelcrecimientourbanoatravsdeluso integrado de imgenes de satlite, sig y gps. Pginas 123-131. Ormeo,V.S.,(2006).TeledeteccinFundamental,terceraedicin, Universidad Politcnica, Madrid. Palacios, R. A. y Perafn, G. (2009). Diseo de una metodologa para realizar batimetraenrospormediodeimgenessatelitales,pruebapilototramoro Cauca. Piaton, H. et Puech, C. (1992). Apport de la tldtection pour lvaluation des ressourceseneaudirrigationpourlamiseenvaleurdesplansdeau caractre permanent ou semi-permanent au Niger. Rapport de synthse. Srie HydrauliqueAgricole.ComitInterafricaindtudesHydrauliques.Laboratoire CommundetldtectionCEMAGREF/ENGREFcompteduMinistredela Coopration Montpellier. France.. 80 p texte + 80 p annexes. Pinilla, C. (1995). Elementos de teledeteccin. RaMa Editorial. Madrid. Espaa. RamseyIII,E.W.(1998),Radarremotesensingofwetlands,Remote sensing change detection: environmental monitoring methods and applications, Ann Arbor Press, Michigan. SalinasC.W.E.,TrevioG.E.J., JaramilloT.,J.G.,yCamposF.,JessA., (2002).Identificacinydelimitacindehumedalesinterioresdelestadode Tamaulipasporpercepcinremotaysistemasdeinformacingeogrfica. Investigacionesgeogrficas,BoletndelInstitutodeGeografa,UNAM,N49, pgina 77. Consulta: Junio 16 de 2008. Secretara de la Convencin de Ramsar, (2007). Inventario de humedales: Un MarcodeRamsarparaelInventariodehumedales.ManualesRamsarparael uso racional de los humedales, 3 edicin, vol. 12. Secretara de la Convencin de Ramsar, Gland (Suiza). Smith,L.C.(1997).Satelliteremotesensingofriverinundationarea,stage and discharge: A review. Hydrological Processes, 11. pp. 1427-1439. Soriano,J.,Fernndez,F.,Garca,E.,Allende,F.yGarca,M.A.(1996). Utilizacinconjuntadelateledeteccinydelossistemasdeinformacin geogrficaenladeteccindesuperficiesdeaguaenla cuencadelGuadiana. Ingeniera Civil, 104. pp. 5-11. Tiner,R.W.Jr.(1990).Useahigh-altitudeaerialphotographyfor inventoryingforestedwetlandsintheUnitedStates,ForestEcologyand Management, vol 33/34, pp. 593-604. VegaM.,L.(2006).Lateledeteccinaplicadaalinventariodehumedales. Mapping interactivo. Nmero 110 Consulta: Junio 10 de 2008. Verdin,J.P.(1996).RemoteSensingofephemeralwaterbodiesinwestern Niger. International Journal of Remote Sensing, 4 (17). pp. 733-748. Warner,W.S.(1990).APC-basedanalyticalstereoplottterforwetlands inventories:anefficientandeconomicalphotogrammetricinstrumentforfield offices, Forest Ecology and Management, vol 33/34, pp. 573-582. Work, E. A. y Gilmer, D. S. (1976). Utilization of satellite data for inventorying prairie ponds and lakes. Photogrammetric Engineering & Remote Sensing, 42 pp. 685-694.