Análisis Multitemporal del Retroceso Glaciar en la Sierra Nevada de Santa Marta - Colombia para los Períodos 1986, 1996, 2007 y 2014

Texto completo

(1)ANÁLISIS MULTITEMPORAL DEL RETROCESO GLACIAR EN LA SIERRA NEVADA DE SANTA MARTA – COLOMBIA- PARA LOS PERÍODOS 1986, 1996, 2007 Y 2014.. Blanca Lucila Páez González Carlos Andrés García. UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA INGENIERÍA CATASTRAL Y GEODESIA BOGOTÁ D.C., COLOMBIA AGOSTO 2016..

(2) ANÁLISIS MULTITEMPORAL DEL RETROCESO GLACIAR EN LA SIERRA NEVADA DE SANTA MARTA – COLOMBIA- PARA LOS PERÍODOS 1986, 1996, 2007 Y 2014.. Blanca Lucila Páez González Carlos Andrés García. Trabajo de grado presentado como requisito para optar al título de: Ingeniero Catastral y Geodesta. Director: RUBÉN JAVIER MEDINA DAZA P.h.D.. UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA INGENIERÍA CATASTRAL Y GEODESIA BOGOTÁ D.C., COLOMBIA AGOSTO 2016..

(3) Nota de aceptación: ____________________________ ____________________________ ____________________________ ____________________________ ____________________________ ____________________________. ____________________________ Firma del Director. ____________________________ Firma del Jurado.

(4) “La satisfacción de realizar algo que cuesta trabajo, aunque no sea muy grande será lo único que no me podrán arrebatar jamás” B, Páez.. “Llegar a la meta es solo el principio de una serie de retos que la vida nos coloca, y superarlos forman los escalones que nos hace mejores seres humanos” C. García..

(5) Agradecimientos Agradezco a mi madre y padre por haberme dada la oportunidad de disfrutar este hermoso lugar del universo, mis hermanos los mejores amigos que la vida me dio, mi pareja que me apoya, mis amigos que me aceptan como soy, al grupo de Visión Catastral, que fue mi refugio en este proceso, a los profesores que a lo largo del camino me dieron lo mejor, mi formación. Solo me queda dar infinitas gracias y que la vida los recompense. B. Páez.. Agradezco a mi madre por haberme apoyado desde el inicio de mi vida para conseguir y perseguir mis sueños, a todas aquellas personas que no dejaron de creer en mí y tuvieron siempre en alta estima mi desarrollo como persona y profesional a Dios por dejarme llegar hasta donde he llegado y colocar las oportunidades en mi camino. C. García.. i.

(6) Resumen. La presente investigación se llevó a cabo, en la Sierra Nevada de Santa Marta, en la Región Caribe, ubicada al noroccidente de Colombia, para cuatro periodos de tiempo (1986, 1996, 2007, 2014). Para lograr los objetivos, se comparó algunas de las diferentes técnicas de procesamiento digital de imágenes como: Componentes principales, clasificación supervisada y no supervisada. De esta manera mediante el uso de imágenes multiespectrales de los sensores TM y OLI a bordo de los satélites LANDSAT 5 y LANDSAT 8, se determinó la pérdida en área y porcentaje del glaciar de La Sierra Nevada de Santa Marta. Así mismo, estos métodos de procesamiento digital de imágenes fueron comparados y validados con el coeficiente kappa, con el fin de identificar y mostrar la mejor metodología. Con este resultado se relacionó un modelo matemático mediante, series de tiempo y regresiones lineales que permitió evaluar el comportamiento futuro del glaciar. Palabras Claves: Glaciar, enmascaramiento, píxel, deshielo.. Abstract This research was carried out in the Sierra Nevada de Santa Marta, on the Caribbean region, located northwest of Colombia, for four time periods (1986, 1996, 2007, 2014). To achieve the objectives, few of the different techniques of digital processing of images are compared: Main components, supervised and unsupervised classification. This way using multispectral images of the TM and OLI sensors on board the Landsat 5 and Landsat 8 satellite, the loss of glacier area and percentage of the Sierra Nevada de Santa Marta was determined. Likewise, these methods of digital processing of images were compared and validated with the kappa coefficient, in order to identify and show the best methodology. With this result relates a mathematical model using the least squares method that allowed us to evaluate the future behavior of the glacier. Keywords: Glacier, masking, píxel, snowbreak.. ii.

(7) GLOSARIO Ablación: Fusión parcial de un glaciar a causa del calor. Casquetes Polares: Grandes masas de hielo ubicadas en los polos de la tierra. Cubierta nival: Superficie altitudinal caracterizado por la presencia de nieve permanente. Desglaciación: Reducción de la masa de hielo. Glacial: Corresponde a temperaturas bajo 0 grados Celsius, presentes en zonas cubiertas de hielo o nieves perpetuas. Glaciar: Gruesa capa de hielo que se origina en la superficie terrestre por acumulación, compactación y re-cristalización de la nieve a través del tiempo. Masa de hielo: Corresponden a grandes masas de agua congelada situadas sobre la superficie terrestre generalmente ubicadas en zonas de latitudes alta o zonas de montaña con suficiente altura para formar nevados; también corresponde a aquellas aguas congeladas que se encuentran flotando en los océanos. Neviza: Nieve compactada por su propio peso antes de convertirse en hielos. Nieves Perpetuas: Son aquellos cristales de hielo que se acumulan en las partes superiores de la montaña, donde los rayos del sol no llegan con la misma intensidad impidiendo su fácil deshielo. Permafrost: Suelo que se encuentra bajo el punto de congelación del agua o 0 grados Celsius. Radiancia: Total de energía radiada en una determinada dirección por unidad de área y por un ángulo solido de medida. Describe precisamente lo que mide un sensor remoto. Refectividad: Relación entre el flujo incidente y el reflejado por una superficie. Sublimación: Proceso que consiste en el cambio de estado de solido a estado gaseoso sin pasar por el estado líquido.. iii.

(8) INTRODUCCIÓN El impacto de cambio climático es una de las grandes preocupaciones que aquejan a la humanidad, de acuerdo con el informe del 2013 de Panel Intergubernamental sobre Cambio Climático, en la actualidad se reportó que el año más caluroso fue el 2010, seguido por el 2005 y en tercer lugar el 2009. Los efectos del cambio climático y la inestabilidad del clima en los ecosistemas son evidentes a nivel mundial y sus futuros impactos son inevitables, a corto y mediano plazo. "El cambio climático tiene el potencial de reconfigurar el escenario de la producción alimentaria del planeta", dijo Graziano da Silva” (Field, 2014). El Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC), refleja estas preocupaciones y adicionan que estos cambios climáticos están siendo impulsados por el calentamiento global, y en parte son en parte causados por las actividades humanas que emiten gases de efecto invernadero conocidos como (GEI) que atrapan el calor. El calentamiento del planeta se asocia con un aumento de la variabilidad del clima y por lo tanto, determina una mayor frecuencia de fenómenos externos como son las olas de calor, las sequías, las tormentas intensas y el aumento de los niveles del mar (Alves, 2013). Debido al cambio climático y a la incidencia de este fenómeno, es necesario llevar un seguimiento en todos los glaciares del planeta con el fin de ver el impacto que tiene este fenómeno sobre estas masas de hielo. A través de técnicas de procesamiento digital de imágenes, se determinó el comportamiento del glaciar de la Sierra Nevada de Santa Marta en un periodo de tiempo determinado a partir de 1986 hasta 2014. Por medio de herramientas de software como ENVI, ERDAS y ArcGis, e insumos como las imágenes satelitales del sensor TM del LANDSAT 5 y OLI del LANDSAT 8. Se obtuvieron clasificaciones espectrales de la zona de estudio mediante tres metodologías; como son componentes principales, clasificación supervisada y no supervisada, las cuales se convirtieron en datos vectoriales con los que se calculó el área del glaciar y se obtuvo el porcentaje de perdida. De acuerdo con los objetivos específicos establecidos, se analizó el retroceso del glaciar mediante series de tiempo en los periodos de 1986, 1996, 2007 y 2014, con los cuales se determinó un modelo matemático por medio de regresiones lineales que permitió inferir el comportamiento del área del glaciar para una temporalidad futura y así evitar subestimar la importancia del mismo.. iv.

(9) TABLA DE CONTENIDO INTRODUCCIÓN 1. PLANTEAMIENTO DEL PROBLEMA 2. OBJETIVOS 2.1 OBJETIVO GENERAL 2.2 OBJETIVOS ESPECÍFICOS 3. JUSTIFICACIÓN 4. MARCO TEÓRICO 4.1 Glaciares 4.2 Aspectos de las coberturas de nieve. 4.3 Técnicas de procesamiento digital de imágenes. 4.3.1 Índices espectrales 4.3.2 Índice de nieve 4.3.3 Componentes principales 4.3.4 Clasificación supervisada 4.3.5 Clasificación no supervisada 4.4. Series de Tiempo y Regresiones lineales 4.4.1 Componentes de una serie temporal 4.4.2 Clasificación descriptiva de las series temporales 4.4.3 Regresiones lineales 4.4.4 mínimos cuadrados 5. ANTECEDENTES 6. METODOLOGÍA 6.1 Zona de Estudio 6.2 Materiales 6.2.1 Pre procesamiento 6.2.2. Procesamiento 6.3. Análisis del coeficiente Kappa y exactitud temática 6.4. Análisis de Área del glaciar 7. RESULTADOS 7.1. Análisis de componentes principales 7.2. Clasificación Supervisada 7.3. Clasificación no Supervisada 7.4. Determinación del Coeficiente KAPPA 7.5 Cálculo de la Tasa de pérdida 7.6. Mapa del Retroceso Glaciar de la Sierra Nevada de Santa Marta 7.7. Series de Tiempo v. iv 11 12 12 12 13 15 15 16 17 17 17 18 19 20 20 21 22 22 22 24 29 30 32 33 33 35 36 37 37 39 39 40 41 42 44.

(10) 7.8. Regresiones Lineales 7.9. Cartografía Temática 7.10. Análisis de Resultados 7.8. Validación de Resultados 8. CONCLUSIONES 9. RECOMENDACIONES 10. ANEXOS BIBLIOGRAFÍA. 44 45 46 50 53 54 55 65. TABLA DE FIGURAS Figura 1: Diferentes partes de un glaciar. Figura 2. Diagrama de estudios internacionales. Figura 3. Diagrama de estudios nacionales. Figura 4. Diagrama de Metodología. Figura 5. Bosquejo de área de estudio. Figura 6. Imágenes LANDSAT sierra nevada de Santa Marta. Figura 7. Componentes principales para los años de 1986, 1996, 2007, 2014. Figura 8. Clasificación Componentes principales para los años de 1986, 1996, 2007, 2014 Figura 9. Clasificación supervisada para los años de 1986, 1996, 2007, 2014 Figura 10. Clasificación no supervisada para los años de 1986, 1996, 2007, 2014 Figura 11. HA ocupadas y % de representación del glaciar por año. Figura 12. Diagramas de pérdida en porcentajes y hectáreas. Figura 13. Reducción del Glaciar para los años 1986,1996, 2007, 2014. Figura 14. Representación del área ocupada por el glaciar en los años 1986, 1996, 2007, 2014 Figura 15. Representación de los modelos de regresión lineal y cuadrática Figura 16. Representación del área ocupada por el glaciar hasta su desaparición. Figura 17 Representación vectorial y raster del retroceso glaciar de la Sierra Nevada Santa Marta. Figura 18. Validación de cambios de cobertura. 15 24 25 29 30 32 37 38 39 40 41 42 43 44 45 48 de 49 51. TABLA DE TABLAS Tabla 1. Valoración del coeficiente Kappa (Cerdal L; Villaroel, 2008) Tabla 2. Clasificación no supervisada para los años de 1986, 1996, 2007, 2014 Tabla 3. HA ocupadas y % de representación del glaciar por año. Tabla 4. Tasa de pérdida del glaciar Tabla 5. Comparación de métodos de clasificación para los años de 1986, 1996, 2007, 2014 Tabla 6: Área ocupada por la ciudad de Vlledupar para el año 1986 y 2014. Tabla 7: Comparación de métodos de clasificación para los años de 1986, 2014.. 36 40 41 42 47 51 51. vi.

(11) 1. PLANTEAMIENTO DEL PROBLEMA Los cambios climáticos que se están produciendo y se perciben a diario, permiten reflexionar en las consecuencias a futuro, estas variaciones en el clima perjudican el desarrollo y se evidencia en la escasez de agua potable en las grandes urbes. (Mayr, 1985). Este tipo de situaciones nos hace reflexionar en los yacimientos de aguas dulces, los cuales nacen en las cumbres de las montañas y son indispensables para la supervivencia de los seres vivos, una de las fuentes más importantes son los nevados, que por la posición que ocupa Colombia son exóticos, ya que se encuentran en una zona tropical. El parque nacional natural Sierra Nevada de Santa Marta, se despliega como una de las montañas más grandes de la nación y como la única en su formación litoral y costera del planeta tierra por ello fue declarada por la Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura (UNESCO) como reserva de la biosfera y patrimonio de la humanidad en el año de 1979, (Mayr, 1985). Según Lucas Echeverry el director de la fundación pro-sierra (fundación de la Sierra Nevada de Santa Marta) “El calentamiento global, más la mano devastadora del hombre hacen mella en el deshielo de sus nieves perpetuas y cada día produce menos agua para los 30 ríos que nacen en sus estribaciones”. (Suarez, 2015). Bajo el escenario del deshielo de los glaciares tropicales, es importante realizar seguimientos a los diferentes nevados de todo el territorio Colombiano y tomar medidas para así evitar lo sucedido en el Nevado del Tolima y el de Santa Isabel, los cuales han tenido un impacto negativo por la disminución en sus nieves, generando la desaparición de los ríos y quebradas nacidas de estos afectando el desarrollo económico (Rodríguez; 2000). La Sierra Nevada de Santa Marta se ha visto afectado y disminuido en sus nieves perpetuas Según informe del IDEAM que ha estado monitoreando desde 1850 hasta 1995 afirma que el retroceso glaciar ha sido de 6m a 17m por año a causa de los factores antes mencionados. (Rodríguez; 2000). “El clima siempre ha variado, el problema del cambio climático es que desde principios del siglo XX, el ritmo de estas variaciones se ha acelerado, a tal grado que afecta actualmente la vida en el planeta”. (Posada, 2008) (Bravo, 2011).. 11.

(12) 2. OBJETIVOS. 2.1 OBJETIVO GENERAL. Evaluación del retroceso del glaciar de la Sierra Nevada de Santa Marta en diferentes intervalos de tiempo, mediante imágenes satelitales LANDSAT, para hallar la tasa de pérdida de nieve del glaciar mediante series de tiempo.. 2.2 OBJETIVOS ESPECÍFICOS. • Calcular en cuatro períodos de tiempo el retroceso del glaciar de la Sierra Nevada de Santa Marta.. • Desarrollar y comparar los procesos, series de tiempo y regresiones lineales con el fin de calcular la tasa (en área) de pérdida del glaciar para los años estudiados. •. Construcción de cartografía temática, para las diferentes épocas de estudio.. •. Evaluación y comparación de métodos de procesamiento digital de imágenes.. 12.

(13) 3. JUSTIFICACIÓN La falta de difusión de los estudios que muestran los efectos del calentamiento global conlleva a la despreocupación de la gente del común, que no es consciente de los impactos que tiene este fenómeno en la vida diaria; uno de los efectos esperados del cambio climático es la desaparición masiva de los hielos permanentes de la superficie de la tierra en los casquetes polares y diversos cuerpos de hielo sobre los continentes. Este fenómeno viene sucediendo de manera sostenida en las últimas décadas y son múltiples los impactos asociados, la reducción de los glaciares y masas de hielo permanentes sobre los continentes es una de las consecuencias más directas y de alcance global provocando el aumento del nivel de los océanos, induciendo a un crecimiento de la temperatura del ambiente por efecto de una mayor radiación solar absorbida por la superficie terrestre. (Katz, 2010). El agua es un recurso natural que no tiene sustituto y es la base fundamental para el desarrollo de la vida en la tierra, los glaciares y los casquetes polares son las principales reservas de agua dulce en el planeta por lo tanto, el calentamiento global pone en riesgo esas reservas de agua. (Katz, 2010). Del porcentaje total del agua dulce casi el 79% se encuentra en forma de hielo permanente en los casquetes polares y glaciares, del agua dulce en estado líquido el 20% se encuentra en acuíferos de difícil acceso por el nivel de profundidad en el que se hallan y solo el 1% de agua superficial restante es de fácil acceso. Dependiendo de las variaciones anuales níveas y la temperatura los glaciares aumentan su masa en años con grandes nevadas invernales y temperaturas relativamente frescas en verano. Mientras que su volumetría disminuye en años secos y muy cálidos. Este balance les otorga un papel fundamental en la regulación de recurso hídrico. Para américa latina, el Panel Intergubernamental sobre el Cambio Climático prevé que los cambios en las pautas de las precipitaciones y la desaparición de los glaciares afectarán significativamente a la disponibilidad de agua para el consumo humano, la agricultura y la generación de electricidad. (Katz, 2009). La interacción de las comunidades y/o habitantes que ocupan un espacio geográfico con el medio ambiente deteriora las propiedades paisajísticas y habitables del mismo, este ambiente contaminado producto de las acciones humanas, trae consigo problemas, ya que este genera escasez de agua y degradación de los suelos, que a largo plazo afectan a las comunidades en general. Es por esta razón la importancia de establecer los tiempos y las tasas de degradación que tienen los glaciares, para que las entidades directa e indirectamente responsables del cuidado de estos ecosistemas, realicen y propongan 13.

(14) proyectos que planteen planes de contingencia que permitan retrasar y evitar la desaparición de estos glaciares que pasan desapercibidos para muchos pero que juegan un papel importantísimo en la generación de agua dulce. (Pino, 2012). Solo a través de la implementación de planes y propuestas se puede reducir los costos ocasionados en las etapas pre-desastre, y etapa post-desastre de la gestión del riesgo, los cuales incluyen la mitigación, la preparación, la transferencia del riesgo, la reparación, la rehabilitación y la reconstrucción (Herrera & Ruiz, 2009) (Pino, 2012). Por tal motivo el presente proyecto de investigación proporciona información que permitiría a las entidades encargadas de la zona re direccionar el gasto a la etapa de pre-desastre y con el tiempo evitar sobrecostos generados en las etapas de post-desastre. Claro está que la implementación del mismo está a cargo de instituciones públicas encargadas de garantizar el bienestar ambiental de la zona de estudio. En el caso de Colombia es de vital importancia realizar acciones que conlleven a un constante registro de los recursos hídricos, especialmente a sus nevados para así tomar decisiones sobre los planes de contingencia que permitan prolongar la vida de estos y garantizar a las futuras generaciones el recurso hídrico de gran importancia para la supervivencia humana, el presente estudio se enmarcará dentro de la observación del comportamiento de los hielos o nieves de la Sierra Nevada De Santa Marta, esto con el fin de analizar su dinámica en las últimas décadas causado por el calentamiento global. El presente proyecto de investigación aplico diferentes conocimientos adquiridos en diferentes áreas de la ingeniería Catastral y Geodesia, mediante técnicas de percepción remota y procesamiento digital de imágenes, que permitieron el análisis de factores ambientales, característicos de la zona, para su posterior análisis y determinación de una posible solución teniendo en cuenta los procesos llevados a cabo por las comisiones ambientales locales y la legislación vigente. El tema ambiental se desarrolla académicamente en un nivel importante al presentar conceptos que describen la relación de las comunidades y su ambiente.. 14.

(15) 4. MARCO TEÓRICO El desarrollo del marco teórico se basa en los principales conceptos, métodos y teorías que se abordan en el procesamiento digital de imágenes y análisis multitemporal.. 4.1 Glaciares Los glaciares son grandes masas de hielo que se forman principalmente de la precipitación atmosférica sólida (nieve principalmente, granizo, granizo menudo y bolillas de nieve). Y que se acumula de año en año, en los lugares más altos de las cordilleras, en las zonas donde las temperaturas se mantienen iguales o inferiores 0º Celsius. En los glaciares la presión de las capas superiores transforma a esta en neviza, que se caracteriza porque pierde oxígeno por la compresión y estos espacios son reemplazados por la fusión con el agua de la nieve superficial que se derrite con el tiempo y la acumulación de nieve, la neviza presionada se cristaliza más y se transforma en hielo, adquiriendo un color blanco, a medida que la compresión, la fusión y la re-cristalización avanza adquiere un color azul. La misma presión sobre las bases del glaciar hace que este se deslice como si fuera líquido hacia el fondo del valle, formando la llamada “lengua Glaciar”. Este dinámico río recorta las paredes rocosas laterales y erosiona el fondo de su cauce, llevando en su cruce grandes cantidades de bloques rocosos y cantos angulosos, al descender en el valle enfrentan temperaturas más suaves y se originan procesos de fusión, evaporación y sublimación, la masa de hielo disminuye en espesor y extensión, se conoce esta zona como zona de ablación. Como muestra la Figura1. (Bernex, Tejada, 2010).. Figura 1: Diferentes partes de un glaciar. (Bernex, Tejada, 2010). Tomado de cambio climático, retroceso glaciar y gestión integrada de los recursos hídricos.. 15.

(16) Para que se mantengan los glaciares la pérdida de su masa debe ser menor que la acumulada en las nevadas, esto suele darse porque existe un periodo frio prolongado, que genera menor ablación o un aumento sostenido de las nevadas invernales generando una mayor ablación. Los glaciares tropicales solo pueden existir en las cimas más altas de las montañas. A medida que se asciende, las temperaturas atmosféricas decrecen 6.5º C cada 1000 metros, de tal manera que en la cumbre de una montaña de 5000 metros la temperatura suele ser inferior a 0º C. (Bernex, Tejada, 2010). En un glaciar tropical, la acumulación neta es generalmente positiva en las partes más altas de los glaciares (zona de acumulación), un exceso de carga produce flujos de hielo hacia la parte baja (zona de ablación). Esto se produce debido a que el hielo, desde un punto de vista mecánico se comporta como un cuerpo visco-plástico que se deforma bajo el efecto de su propio peso, cuando el hielo acumulado está en las partes bajas es sometido a una intensa ablación debido a la fusión producida en la superficie. Este proceso de transferencia del hielo de la zona de acumulación hacia la zona de ablación es controlado por: el balance de masa, que representa el componente climático de la evolución de un glaciar. (ii) por las características topográficas del glaciar (pendiente, morfología del lecho rocoso, presencia de agua a este nivel etc.), que representa el componente dinámico del glaciar. De este segundo componente depende el tiempo de respuesta de un glaciar a un cambio climático el cual puede variar entre algunos años y más de un decenio. (Gonzales, 2012). Los estudios de glaciares en métodos de series de tiempo se realizan en términos de área y de volumen que inicialmente se logró con datos in-situ y actualmente con técnicas de percepción remota, convertidas en una gran herramienta para el inventario. (Gonzales, 2012).. 4.2 Aspectos de las coberturas de nieve. Con la percepción remota tenemos una diversidad de datos con gran rango espectral, temporal y espacial, su manejo en forma adecuada nos requiere conocer el comportamiento de la nieve y el hielo en los rangos espectral de las longitudes de onda del visible, los infrarrojos y las microondas. En la longitud de onda del visible, el infrarrojo cercano y medio ( 0,4-3µm), se requiere conocer la reflectividad espectral y características de dispersión de la nieve (agrupación de fragmentos de hielo y aire) que forman los glaciares, que dependen de muchos factores como: el tamaño y la forma de la unidad mínima de nieve “grano de nieve”, el contenido de agua líquida ( cuando la nieve adquiere aproximadamente 0 ° Celsius), las impurezas de la nieve como (polvo, hollín, polen, otros) la temperatura, el contenido del hielo, la profundidad y la consistencia de la superficie debajo de la cobertura de la nieve. Todas estas características influencian en el grano de nieve, que al observarlas con imágenes de satélite se confunden con nubes que están compuestas de pequeñas gotas de agua, algunos cristales de hielo y sus propias 16.

(17) impurezas. La mayoría de las propiedades ópticas del hielo son similares a las de las nubes lo que dificulta su diferenciación al interpretar estas coberturas. Una zona del rango espectral donde la reflectancia de la nieve húmeda es baja comparada con el de la nieve seca, pero principalmente por cambio micro-estructural causada por las aguas y donde es posible diferenciar la nieve de las nubes, es la región del infrarrojo cercano. (Gonzales, 2012) (Richards, 1999).. 4.3 Técnicas de procesamiento digital de imágenes. Teniendo presente el carácter matricial de cualquier imagen digital, es posible realizar operaciones numéricas como el cálculo de medidas de tendencia central, dispersión (media y desviación típica en cada banda), cambio de la orientación geométrica (rotación de la matriz) realizar combinaciones aritméticas entre bandas (cocientes), sintetizar varias bandas reduciendo la información redundante (componentes principales), o discriminando grupos de niveles digitales (ND) homogéneos dentro de la matriz (clasificación). (Chuvieco, 1995). 4.3.1 Índices espectrales Son un conjunto de métodos que permiten generar imágenes que destacan coberturas específicas,. las imágenes digitales al estar formadas por una matriz numérica que contiene información espectral de las coberturas de la tierra, pueden ser sometidas a diferentes algoritmos algebraicos que permiten generar imágenes derivadas, donde aparecen reflejados los distintos tipos de información, dependiendo del proceso realizado, además de poder destacar ciertas características. (Moreno & Alonso1996) (Bon, 2001). 4.3.2 Índice de nieve El índice permite la elaboración de mapas de distribución de nieve en la superficie y la estimación de las características de la misma a partir de datos obtenidos mediante percepción remota. En la longitud de onda del visible es difícil discriminar la nieve de las nubes, la distinción resulta más evidente en el infrarrojo medio ya que las gotas o cristales de hielo de las nubes son más pequeñas que los granos de nieve por lo que absorben menos radiación en esta banda del espectro, además habitualmente la nieve tiene mayor reflectividad que las nubes en el visible o banda del azul y una textura más homogénea. Con estas bandas podemos definir un índice de nieve no normalizado “SI” que relaciona las bandas del azul y del infrarrojo medio como lo muestra la ecuación (4.1). Lo que permite obtener una imagen que representa con valores altos de Niveles Digitales (ND) la cobertura de nieve y con valores bajos ND las demás coberturas presentes. (Moreno; Alonso; 1996). 17.

(18) (4.1) 4.3.3 Componentes principales El objetivo del (ACP) análisis de las componentes principales es resumir un grupo amplio de variables de un nuevo conjunto (más pequeño) sin perder una parte significativa de la información original. (Chuvieco, 1996). Además ACP permite construir una o varias imágenes que incrementen la capacidad de diferenciar distintas coberturas. El ACP puede aplicarse como realce previo a la interpretación visual o como realce previo a la clasificación. Desde el punto de vista estadístico el ACP facilita una primera interpretación sobre los ejes de variabilidad de la imagen, lo que permite identificar aquellos rasgos que aparecen en la mayoría de las bandas y aquellos otros que son específicos de algún grupo de ellas. (Ferrero; Palacios; Campanella, 2002). El ACP también es usado en aplicaciones multitemporales con el objeto de detectar cambios en distintas fechas. En este caso las primeras componentes resultantes del análisis no son los más interesantes ya que recogen información común a las distintas fechas (la estable). Los últimos componentes ofrecen la información no común (el cambio) que es lo que interesa en este contexto. (Chuvieco, 1996). Permite analizar en detalle las clases espectrales una imagen multiespectral. La información es ingresada por un polígono que encierra un conjunto de píxeles representativos de la clase espectral que se desea segmentar. Se calcula entonces la matriz de covarianzas de los píxeles encerrados por el polígono y se utilizan las ecuaciones de eigenvalores y eigenvectores (ecuaciones 4.2 y 4.3). (Lira, 2010). (. ). ∑. (. ) (. ). (4.2) (4.3). Para generar un conjunto de bandas correlacionadas, las primeras de estas bandas son empleadas como entradas a un algoritmo de análisis de cúmulos cuya función produce un mapas de bits lógico donde el estado “ON” representa los píxeles de la clase y el estado “OFF” representa los píxeles del resto de la imagen, a su vez el mapa de bits puede ser empleado para concentrar los esfuerzos de análisis únicamente sobre el objeto espectral segmentado. El mapa de bits es, por lo tanto, la base lógica de la segmentación. Este mapa de bits puede ser empleado para concentrar cualquier esfuerzo de análisis que involucre únicamente el área cubierta por la clase espectral. (Lira, 2010). 18.

(19) 4.3.4 Clasificación supervisada El espacio de rasgos es dividido en regiones empleando píxeles prototipo que definen clases de cobertura determinadas de antemano. El píxel es clasificado en una de varias clases en función de su valor únicamente. (Lira, 2010). Los pixeles de la imagen multi espectral son asignados a clases espectrales de las cuales se tiene conocimiento previo a partir de la inspección de la imagen y de otras fuentes de información. Las etapas de la clasificación son las siguientes. (Lira, 2010). • • • • •. Decidir el conjunto de clases en las cuales se propone segmentar la imagen. Escoger en forma interactiva, los píxeles representativos o prototipos de cada clase (determinación de las áreas de entrenamiento). Utilizar los datos prototipos para estimar los parámetros del clasificador. Emplear el clasificador calibrado, de acuerdo con el paso anterior, para etiquetar cada píxel de la imagen en una de las clases definidas. Generar un mapa temático. (Lira, 2010).. Algoritmo de máxima verosimilitud. Para clasificar un píxel en una clase es necesario conocer la probabilidad (verosimilitud) de que la clase sea la correcta dado un píxel en una posición . La clasificación se realiza de acuerdo al principio de máxima verosimilitud expresado en la ecuación 4.4: (Lira, 2010). (. | ). (. | ). (4.4). Es decir pertenece a la clase si la probabilidad ( | ) es la mayor respecto a las probabilidades, asociadas a las otras clases. El procedimiento del clasificador se termina aquí sin embargo no es así. La cantidad ( | ) es la probabilidad condicional de tener la clase dado el valor del píxel . Para cada píxel sería necesario conocer la probabilidad de que pertenezca a una de las clases definidas y se le asignaría a la clase para la cual la probabilidad fuese la más alta: el proceso estima la probabilidad de encontrar un píxel de la clase en la posición y tiene en cuenta las variaciones estadísticas presentes en los valores de los píxeles de una muestra de la clase . Ya que al capturar una muestra representativa de una cierta clase en la imagen se obtiene un conjunto de píxeles llamados prototipos cuyos valores presentan fluctuaciones estadísticas debido al proceso 19.

(20) estocástico que lo genero, para definir cuál es la probabilidad más alta de que un píxel dado pertenezca o no a una clase . (Lira, 2010). 4.3.5 Clasificación no supervisada El espacio de rasgos es dividido en regiones empleando pixeles prototipo; la asignación de cada región con una clase de cobertura se lleva a cabo en la última etapa. Un píxel es clasificado en función de su valor y de la relación espacial de un grupo de píxeles en función de su vecindad aplicando funciones de densidad para clasificar un píxel con respecto a su entorno y contexto donde se encuentra. (Lira, 2010). Algoritmo de K-medias. Es un algoritmo de agrupamiento de optimización iterativo. En el cual se definen k centroides (clases) como los puntos de referencia de los protocumulos iniciales, la selección de los puntos centroides es arbitraria con la condición mínima de que no haya dos iguales, espaciando los centroides uniformemente, en el espacio multiespectral, y asegurarse que cada uno de ellos tenga asociado al menos dos píxeles para evitar un comportamiento anómalo y obtener una convergencia del algoritmo, la posición en el espacio multiespectral de los píxeles de la imagen se examina asignándose cada uno de estos al centroide más cercano, es decir si se denota una región de un cumulo en una iteración dada entonces en la n-esima iteración se toma cada píxel y se asocia con el cumulo cuyo centro es más cercano a el valor del píxel. Los centros de los cúmulos están definidos por las medias de los valores que tiene cada cumulo (clase) si las medias coinciden con los centroides de la iteración anterior el algoritmo termina de lo contrario continua. De una iteración a otra existe desplazamiento de los centroides las iteraciones continúan se evalúa las medias y las distancias, los valores de los píxeles a estas y se hace la asignación correspondiente, las iteraciones del algoritmo se realizan hasta que los centroides de una iteración coincidan con las medias de la siguiente, debido a que las medias se desplazan de una posición a otra este algoritmo recibe el nombre de medias migrantes. Luego de terminado el proceso del algoritmo la imagen de salida corresponde a un mapa temático representando las clases señaladas. (Lira, 2010). 4.4. Series de Tiempo y Regresiones lineales Una serie tiempo es una secuencia de observaciones, medidos en determinados momentos del tiempo, ordenados cronológicamente y, espaciados entre sí de manera uniforme, así los datos usualmente son dependientes entre sí. El principal objetivo de una. 20.

(21) serie de tiempo Xt, donde t=1,2,…, n es su análisis para hacer pronóstico. (Villavicencio, 2010). 4.4.1 Componentes de una serie temporal El análisis clásico de las series temporales se basa en la suposición de que los valores que toma la variable de observación es la consecuencia de tres componentes, cuya actuación conjunta da como resultado los valores medidos, estos componentes son: (Villavicencio, 2010). a.- Componente tendencia.- Se puede definir como un cambio a largo plazo que se produce en la relación al nivel medio, o el cambio a largo plazo de la media. La tendencia se identifica con un movimiento suave de la serie a largo plazo. b.- Componente estacional.- Muchas series temporales presentan cierta periodicidad o dicho de otro modo, variación de cierto período (semestral, mensual, etc.). Por ejemplo las Ventas al Detalle en Puerto Rico aumentan por los meses de noviembre y diciembre por las festividades navideñas. Estos efectos son fáciles de entender y se pueden medir explícitamente o incluso se pueden eliminar de la serie de datos, a este proceso se le llama des estacionalización de la serie. c.- Componente aleatoria.- Esta componente no responde a ningún patrón de comportamiento, sino que es el resultado de factores fortuitos o aleatorios que inciden de forma aislada en una serie de tiempo. De estos tres componentes los dos primeros son componentes determinísticos, mientras que la última es aleatoria. Así se puede denotar la serie de tiempo como muestra la ecuación (4.5): (4.5) Donde es la tendencia (Villavicencio, 2010).. es la componente estacional e. 21. es la componente aleatoria..

(22) 4.4.2 Clasificación descriptiva de las series temporales Las series temporales se pueden clasificar en: (Villavicencio, 2010). a.- Estacionarias.- Una serie es estacionaria cuando es estable a lo largo del tiempo, es decir, cuando la media y varianza son constantes en el tiempo. Esto se refleja gráficamente en que los valores de la serie tienden a oscilar alrededor de una media constante y la variabilidad con respecto a esa media también permanece constante en el tiempo. b.- No estacionarias.- Son series en las cuales la tendencia y/o variabilidad cambian en el tiempo. Los cambios en la media determinan una tendencia a crecer o decrecer a largo plazo, por lo que la serie no oscila alrededor de un valor constante. (Villavicencio, 2010). 4.4.3 Regresiones lineales Los métodos de regresión estudian la construcción de modelos para explicar o representar las dependencias entre una variable respuesta o dependiente (Y) y las variables explicativas o dependientes (X). Los modelos de regresión lineal buscan generar relaciones de tipo. (Tussel, 2011). (. ). (4.6). En esta expresión se admite que todos los factores o causas que influyen en la variable respuesta Y pueden dividirse en dos grupos; el primero contiene a una variable explicativa X y el segundo incluye un conjunto amplio de factores no controlados que se engloban bajo el nombre de perturbación o error aleatorio ε, que provoca que provoca que la dependencia entre las variables dependientes no sea perfecta, sino que está sujeta a incertidumbre. (Tussel, 2011). 4.4.4 mínimos cuadrados La búsqueda de un modelo matemático que represente mejor los datos experimentales puede abordarse mediante la obtención de una curva y =f(x) que se aproxime a los datos sin que necesariamente pase por ellos mediante modelos matemáticos de tipo lineal y no lineal; encontrando un función continua que mejor se aproxime a los datos de acuerdo con el criterio de mínimo error cuadrático el cual intenta minimizar la suma de los cuadrados de las diferencias en las ordenadas llamados residuos entre los puntos generados por la función elegida y los correspondientes valores de los datos. 22.

(23) Represéntese una muestra aleatoria de tamaño n por el conjunto *( ) + y un valor ) sea el valor de alguna en el par ordenado ( variable aleatoria . Donde dicha variable esta linealmente relacionada con una variable y determinado por la ecuación (4.7): (Myers; Walpole ,1992) (4.7) Donde a y b son parámetros que deben estimarse a partir de los datos muéstrales. De tal forma que la suma de los cuadrados de los residuos sea mínima, estas estimaciones reciben el nombre de suma de cuadrados de los errores alrededor de la línea de regresión y se representa por SSE (mínimos cuadrados). Denotado por la ecuación 4.8. (Myers; Walpole ,1992) ∑. (. ). (4.8). Donde SSE relaciona la diferencia entre los valores estimados de la regresión lineal y los valores medidos buscando que esta sumatoria sea mínima lo que representa el mejor ajuste lineal de los datos generando una curva que represente la tendencia de los datos o fenómeno observado. (Myers; Walpole ,1992).. 23.

(24) 5. ANTECEDENTES. Figura 2. Diagrama de estudios internacionales. Elaboración propia.. 24.

(25) Figura 3. Diagrama de estudios nacionales. Elaboración propia.. 25.

(26) La Figura2 y 3 relaciona cronológicamente los estudios y documentos a nivel mundial, tomados como guía, para la presente investigación, como el seguimiento que se tiene de los glaciares de Colombia por el IDEAM, el cual corrobora la desglaciación que han tenido estos, a través del tiempo, los métodos que utiliza esta institución es el prospección geofísica, este método es el más exacto para calcular la profundidad y espesor, aunque solo lo llevan a cabo en el Nevado del Ruiz.( Rodríguez & Leonardo 2000). Los glaciares gran fuente hídrica del planeta que se ven amenazados por el cambio climático estudios realizados desde los años 90 dan a conocer esta gran problemática, la desaparición de este aun corto plazo en el tiempo geológico, y por ende la producción de agua potable,- la descarga líquida que tiene los glaciares hacia el mar es algo evidente y va aumentado exponencialmente en los últimos años, cualquier variación en la temperatura ambiente conlleva una respuesta inmediata en la descarga glaciar. Los cambios climáticos que vienen sucediendo en nuestro planeta, nos permiten tener un acercamiento a lo que está ocurriendo en los glaciares de montaña de nuestro país, que se caracterizan por su fragilidad. Los primeros estudios detallados de glaciología en Colombia se comenzaron a realizar en la segunda mitad de la década de los años ochenta, en el Instituto Geográfico Agustín Codazzi. A partir de estudios y aplicaciones de la Geomática y el uso de imágenes satelitales se ha logrado determinar áreas de deshielo de glaciares, con estos estudios y herramientas se ha logrado determinar el comportamiento de los glaciares de Colombia, Con herramientas de software como PCI Geomatics, y ArcGis, entre otros lograron obtener la clasificación espectral y conversión vectorial para calcular el área glaciar del Nevado del Cocuy para el periodo de 1992 a 2014, por último se realizaron estadísticas del comportamiento y dieron el resultado del porcentaje de área de pérdida glaciar del nevado del cocuy en los últimos años. (Suarez, 2015) (Adolfo, 2007). Investigaciones realizadas a nivel de Latinoamérica como el de Perú “Aplicación de la Teledetección para el Análisis Multitemporal del Retroceso Glaciar en el Nevado Pastoruri” “El lento, pero constante derretimiento de los glaciares (cubierta nival) de nuestro país aún no ha generado una crisis nacional en el Perú, pero no faltaría mucho para ello“. (Coronel 2012), Así lo advierte un informe sobre las implicancias del cambio climático producido por la Universidad Northwestern, Estados Unidos. He ahí la importancia de este tipo de investigaciones en las cuales se hace uso de imágenes de satelitales, el cual permite tener una memoria técnica de imágenes en el tiempo, lo que permite el estudio multitemporal de los glaciares. (Coronel, 2012) (Vargas, 2009).. 26.

(27) Los glaciares y especialmente los tropicales, son excelentes indicadores de la evolución del clima, ecosistemas vulnerables y constituyen las reservas sólidas de agua dulce que son utilizadas para el consumo y actividades productivas, éstos juegan un rol vital en el desarrollo socioeconómico de las poblaciones. La evidente disminución y pérdida de estas reservas como consecuencia del acelerado proceso de desglaciación y sus repercusiones, son motivo de una preocupación creciente en la comunidad científica del mundo estando íntimamente relacionados al aspecto del Cambio Climático Global. Los glaciares de la Cordillera Blanca en el Perú muestran valores recientes de retroceso de las masas de hielo, siendo considerables y acelerado en las últimas décadas. Es decir, hay una fusión natural de las masas glaciares producto de la desglaciación. Este proceso natural viene siendo acelerado por los procesos antrópicos que incrementan las temperaturas ambientales. Por lo tanto, es claro que el calentamiento en regiones de alta montaña conduciría a la reducción o desaparición de superficies significativas de nieve y hielo. (Alva & Meléndez, 2009). En la actualidad existe un estudio llamado “Estado de la costa Ártica”, realizado por cerca de 30 científicos de 10 países diferentes, que han investigado sobre el derretimiento de los hielos de la zona del polo norte y la reducción de la zona costera del Ártico. (Pino, 2012). El 08 de enero de 1988, en pleno verano austral, comienza el montaje de la instalación de la Base Antártica Española Juan Carlos I. Se encuentra situada en Isla Livingston, en el archipiélago de las Shetland del Sur, y es dependiente del Consejo Superior de Investigaciones Científicas (CSIC). Como apoyo a esta estación científica, se desarrolla la primera expedición a la Antártida a bordo del barco “Río Baker” de la empresa chilena Empremer- Valparaíso, que sale de Punta Arenas el 02 de febrero de 1988 y retorna el 07 de marzo. En esa campaña comienzan los primeros levantamientos hidrográficos realizados por parte de personal del IHM (Instituto Hidrográfico de la Marina y la Antártida) consistentes en la realización del parcelario de la base. (Mozos, 2014) ;(Rivera, 2012); (Yasna, 2010). En cuanto a la legislación que protege y obliga a la empresas con responsabilidad en el cambio climático, estas son muy escasas, en Argentina a fines de 2010 el Congreso Nacional sancionó la “Ley de Presupuestos Mínimos para la Protección de los Glaciares y del Ambiente Periglaciar”, pese a la férrea resistencia de las cámaras mineras y de algunas provincias cordilleranas donde la actividad tiene un desarrollo creciente La presidente Cristina Fernández de Kirchner había vetado en 2008 una ley similar a pedido de estas provincias; pero frente a la intensa campaña que realizaron más de 300 asambleas, organizaciones sociales, ecologistas y pequeños productores de todo el país, prometió no volver a vetar la norma y dio libertad de decisión a sus legisladores, lo que facilitó su sanción. La norma obliga a realizar un inventario nacional de glaciares y el 27.

(28) ambiente periglacial para su adecuada protección, control y monitoreo. Para esa tarea se designa al Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales (IANIGLA). (Alves, 2013). La estrecha relación entre los bosques y el clima implica que un cambio drástico en uno influirá en el otro. Esta repercusión podría ser negativa en algunas situaciones y posibilitan otras. El manejo forestal sostenible puede ayudar a reducir los efectos negativos del cambio climático en los bosques y las personas que dependen de ellos. y puede contribuir a asegurar que los bosques desempeñan su función en la mitigación del cambio climático. Las decisiones sobre el manejo forestal que se adopten hoy afectarán a los bosques por muchas décadas en el futuro. Por tanto, es importante que los responsables del manejo planifiquen ahora para el cambio climático. (Alves, 2013). Con la aparición de los métodos de procesamiento digital de imágenes, en las investigaciones de desglaciación es más fácil precisar la pérdida de nieves, “las técnicas de teledetección que permiten la elaboración de parámetros para el monitoreo de los glaciares, están siendo constantemente evaluados para mejorar su precisión” (Gonsalez, 2012). Uno de los glaciares tropicales más monitoreado de América, es la cordillera Blanca del Perú, con estaciones de monitoreo, trabajo de campo y técnicas de teledetección las cuales facilitan el análisis, y la obtención información multitemporal, lo que permite una mejor comprensión de los procesos que actúan sobre la superficie terrestre y la evolución a la que están sometidos los elementos que sobre ella se encuentran, ya que a través de los tratamientos informáticos permite la extracción de mucha información sin necesidad de acudir al área de estudio.(Alva, Meléndez, 2009). La mayor parte de monitoreo se ha realizado con trabajos de campo, donde muchas veces se presentan una serie de obstáculos para la recolección de datos de esta manera la geomática mediante la teledetección nos permite realizar monitoreo con mayor facilidad mediante empleo de imágenes satelitales que sirven para determinar el área de deshielo de los glaciares, como en la Sierra Nevada del Cocuy que entre los años de 1955 y 2014 ha tenido una pérdida de un 89% del área del glaciar aproximadamente (Suárez, 2015). De acuerdo con los estudios realizados por el (IDEAM, 2001), en la Sierra Nevada de Santa Marta entre los años de 1954 a 1995, han desaparecido 17 masas de hielo entre 3 y 10 ha, para 1995 la Sierra estaba conformada por 43 glaciares, esta cifra es el resultado de la subdivisión de algunos glaciares y la desaparición de otros.. 28.

(29) 6. METODOLOGÍA. Figura 4. Diagrama de Metodología. Elaboración propia. 29.

(30) La Figura 4 muestra La metodología planteada toma investigaciones relacionadas con la percepción remota y el procesamiento digital de imágenes; permitiendo obtener información de las diferentes coberturas para la creación de mapas temáticos e información derivada de las imágenes, el diagrama muestra cronológicamente los procesos y metodologías empleadas para cumplir con los objetivos planteados en el presente estudio.. 6.1 Zona de Estudio Bosquejo de área de estudio. Figura 5. Bosquejo de área de estudio. Elaboración propia: con base en imagen LANDSAT 8 descargada de USGS y shapefile de los municipios de Colombia descargados de la página oficial de IGAC.. Descripción: Considerada la montaña de litoral más alta del mundo La Sierra Nevada de Santa Marta, se alza con su volumen piramidal de tres caras para alcanzar los picos nevados más altos de Colombia: el Bolívar y el Colón, que forman el llamado Cerro de la Horqueta, sonoramente denominado Chinundúa por los indígenas. Otras cumbres son distinguidas como la Reina, Simonds, Ojeda, Codazzi, el Guardián y los Nevaditos, conjunto admirable que en las montañas destella con el prodigio blanco-azul de los 30.

(31) diamantes u en el tardes despejadas y con el sol poniente, se enrojece con el resplandor concentrado de una fragua, eso, que según el cronista Antonio de Herrera era el significado de la palabra Tairona, hombre de los excelsos orfebres de la Sierra. La Sierra Nevada de Santa Marta es un territorio triangular y aislado de la cordillera de los Andes, que se levanta al nordeste de Colombia. Este macizo orográfico se ubica a orillas del mar Caribe, entre el delta exterior del río Magdalena al occidente y la Serranía de Perijá al oriente. Del río Magdalena la separa la Zona Bananera y la Ciénaga Grande de Santa Marta, mientras que del Perijá, los valles formados por los ríos Cesar y Ranchería. Su extensión estricta es de 17.000 kilómetros cuadrados, pero si se lleva a la delimitación natural de sus vertientes hidrográficas su área se amplía a 21.158 kilómetros cuadrados (2.115.800 hectáreas), Su localización astronómica corresponde a los 11° de latitud norte, y en dirección Occidente-Oriente se extiende entre los 74° 20’ de longitud oeste y los 73° 45’ al este. Hacia el lado nordeste del macizo se presenta una gran fachada de casi seis kilómetros de elevación (5.775 m.s.n.m.). Lo anterior permite que del mar al punto más elevado del macizo exista una distancia lineal de 42 kilómetros. Este fenómeno hace que la Sierra se constituya en la montaña de litoral más alta del mundo. De ahí que: La Sierra Nevada de Santa Marta, es por su nombre, uno de los sistemas montañosos más conocidos en el mundo, aunque casi desconocido a nivel nacional, lo que es fácilmente explicable porque estas montañas son visibles desde el mar afuera, lo que aprovechó Humboldt cuando navegaba cerca de la costa, para determinar la altura de los picos nevados por el medio trigonométrico (Mayr, 1985) la FIGURA 5 muestra la ubicación de la Sierra Nevada de Santa Marta dentro del territorio colombiano y los departamentos y municipios que abarca esta zona montañosa.. 31.

(32) 6.2 Materiales Adquisición de las imágenes LANDSAT en las diferentes bandas de los sensores TM y OLI de los satélites, LANDSAT 5 Y LANDSAT 8, para los años de 1986, 1996, 2007 Y 2014. La Figura 6 muestra las imágenes utilizadas para el estudio.. a) Imagen TM LANDSAT 5 RGB(4,3,2) tomada el 31 de julio de 1986. b. Imagen TM LANDSAT 5 RGB(4,3,2) tomada el 27 de agosto de 1996. c. Imagen TM LANDSAT 5 RGB(4,3,2) tomada el 11 de septiembre de 2007. d. Imagen OLI LANDSAT 8 RGB(5,4,3) tomada el 19 de diciembre de 2014. Figura 6. Imágenes LANDSAT sierra nevada de Santa Marta. Elaboración propia Fuente: imágenes descargadas de earth explorer USGS. Elaboración propia. Debido a que Colombia se encuentra en la zona ecuatorial donde no existen estaciones sino temporadas secas y temporadas de lluvia. Las imágenes utilizadas para el estudio fueron tomadas en los meses de julio, agosto, septiembre y diciembre, ya que de acuerdo con la información manejada por el IDEAM estos meses corresponden a temporadas secas. También se tuvo en cuenta el bajo porcentaje de nubosidad en la zona de estudio. No se hizo uso de imágenes generadas por el sensor ETM+ del satélite LANDSAT 7 por los gaps o falta de información que presentaban estas imágenes las cuales no brindan información de ciertos sectores ocupados por el glaciar; por esta razón se usaron imágenes 32.

(33) de los sensores TM y OLI del LANDSAT 5 Y LANDSAT 8, los cuales brindaban información completa de la zona de estudio y abarcan los períodos estudiados. ERDAS IMAGINE Y ENVI: Son potentes softwares de procesamiento y análisis de datos de sensores remotos, análisis SIG y generación de cartografía. ARCGIS: es un potente software de procesamiento y análisis de datos de sensores remotos, análisis SIG y generación de cartografía, permite publicar y compartir datos autorizados vía ONLINE. 6.2.1 Pre procesamiento A partir de las imágenes adquiridas previamente se realiza la corrección radiométrica la cual se hace aplicando el método de Histogram mínimum metod, “método del mínimo histograma” (Chuvieco,1995), el cual consiste en comparar los valores de ND para todas las bandas para los cuerpos de agua o sombras, donde teóricamente la respuesta es muy próxima a cero, si los valores son superiores se procede a restar a todos los ND de cada banda el mínimo de esa misma banda situando el origen del histograma en cero.(Posada, 2012). Se realiza la transformación de los ND a parámetros físicos para obtener valores de reflectividad lo cual permite dar un significado físico a la definición espectral de las clases temáticas y poner en relación imágenes adquiridas en distintas fechas. (Chuvieco, 1995). 6.2.2. Procesamiento Luego del pre procesamiento se realizó el recorte de la imagen cuya área de estudio fue de 147.445,92 HA; estas imágenes se enmarcaron en el sistema de referencia UTM zona 18, posteriormente se realizó el mejoramiento espacial el cual involucra los filtros de acuerdo con establecido en Jensen 1986 se probaron los filtros de paso bajo y paso alto debido que estos permiten disminuir o aumentar las frecuencias, lo que visualmente permitió delimitar mejor los objetos y sus fronteras, con este análisis se decidió aplicar el filtro de paso alto debido a que la imagen presenta altas frecuencias en sus bandas y visualmente permitía discriminar mejor los límites de las coberturas presentes en la zona de estudio. Aplicando un kernel (matriz de filtraje) de 3x3 cuya matriz es: (Chuvieco; 1995) Matriz de filtraje (Chuvieco; 1995). -1 -1 -1. -1 9 -1 33. -1 -1 -1.

(34) Este filtro permitió resaltar patrones de interés en la imagen como la frontera del glaciar y la roca. 6.2.2.1 Componentes Principales. A partir de las imágenes multiespectrales para cada banda se determinó la matriz de varianzas y covarianzas de la cual se calcularon los eigenvalores, que se utilizaron para encontrar la matriz de eigenvectores con la cual se determinó la matriz de cargas factoriales generando las imágenes de los seis componentes principales, el componente 1 fue la imagen seleccionada para el estudio por presentar la mayor cantidad de información la imagen generada puede ser interpretada como una imagen pancromática (Chuvieco; 1995). Para determinar la cobertura del glaciar a partir del componente uno se utilizó la técnica del enmascaramiento de clases, que consistió en determinar un rango de ND que representaban la cobertura del glaciar y todos aquellos ND fuera de este rango no representaban el glaciar; este método arrojo una imagen temática de dos clases que representan al glaciar y a lo que no era glaciar, permitiendo realizar el cálculo del área ocupada por el glaciar para cada periodo. 6.2.2.2. Clasificación Supervisada Con un conocimiento previo de la zona y un análisis foto interpretativo de la imagen se seleccionaron 60 áreas de entrenamiento para la clasificación, de las cuales se tomaron 15 muestras para cada cobertura; Para la discriminación de las coberturas en primera instancia se analizaron las firmas espectrales de cada área. Cada cobertura de la zona de estudio cuenta con un comportamiento espectral específico denominado firma espectral; las firmas espectrales que permitieron determinar la existencia de 5 coberturas correspondiente a agua, vegetación, roca, nieve y roca y por ultimo glaciar. Posteriormente se agruparon aquellas firmas que tuvieron un comportamiento similar; esto con el fin de generar 4 clases las cuales se nombró según la clasificación CORINE LAND COVER adaptada para Colombia. Esta zona de estudio se clasificó en 4 coberturas descritas a continuación: • • • •. 3.3.5 zona de Glaciares y nivales 3.3.2. Afloramientos rocosos 3.1. Bosques 5.1.2 Lagunas, lagos y ciénagas naturales. Se analizó la separabilidad entre las clases por el método de divergencia transformada, el cual consiste en un análisis estadístico de las medias, varianzas y matriz de varianzas y 34.

(35) covarianzas, indicando que el mayor valor determinado de la relación entre las clases indica mayor separabilidad entre las mismas y a menor valor del indicador significa una mala separabilidad y se tendría que escoger de nuevo las áreas de entrenamiento (Posada 2008) el Anexo 6 muestra que las muestras obtenidas presentan un valor de 2000 para las relaciones entre clases lo que indica que las coberturas presentes en la zona de estudio cuentan con una alta separabilidad y por ende una buena representación temática de la realidad. Teniendo en cuenta el OIF (Índice de Factor Optimo) se adoptó la mejor combinación de color para cada imagen ver Anexo 5 con el fin de realizar el proceso de clasificación por el método de máxima verosimilitud el cual supone que las estadísticas de cada clase en cada banda se distribuyen normalmente y calcula la probabilidad de que un píxel dado pertenece a una clase especifica (Richards, 1999). Luego de obtener las imágenes clasificadas se procedió a aplicar los filtros CLUM y eliminate que reune los píxeles de acuerdo al tamaño de la agrupación de los mismos y elimina aquellos píxeles agrupados cuyas áreas sean inferiores a 100 píxeles o 9 hectáreas áreas que no se representan en cartografías 1:70.000. 6.2.2.3 Clasificación no Supervisada Mediante un proceso K-mean (K medias) el cual consiste en ir determinando las medias de las clases y luego de forma iterativa los píxeles son insertados en las clases más cercanas utilizando las técnicas de mínima distancia. En cada iteración se recalcula la media de la clase y se vuelve a reclasificar todos los píxeles (Posada, 2008); se determinaron 10 clases y 20 iteraciones y un umbral de convergencia del 95%, esto con el fin de representar la imagen multiespectral y generar una imagen temática que represente las coberturas de la zona de estudio para cada periodo estudiado. 6.3. Análisis del coeficiente Kappa y exactitud temática Para determinar cuál de los métodos empleados para el cálculo de área del glaciar de la Sierra Nevada de Santa Marta es el más confiable y apegado a la realidad se determinó el coeficiente Kappa el cual mide el grado de concordancia inter-observador y puede ser calculado en Tablas de cualquier dimensión que representan las coberturas presentes en una imagen temática, este oscila en los valores de -1 y +1, su cercanía a 1 indica mayor concordancia de los valores con la realidad, se construye en base a un cociente en cual incluye en su numerador la sumatoria de las concordancias observadas y la sumatoria de las concordancias atribuibles al azar, mientras que su denominador incluye la diferencia 35.

(36) entre el total de observaciones y la sumatoria de las concordancias atribuibles al azar. El coeficiente Kappa se expresa en la ecuación 6.1. (Cerdal L; Villaroel, 2008). ∑. ) ∑ ∑. (6.1). La Tabla 1 corresponde a la escala utilizada con frecuencia para expresar cualitativamente la fuerza de la concordancia dentro de la imagen temática generada. Coeficiente Kappa 0.00 0.01-0.20 0.21-0.40 0.41-0.60 0.61-0.80 0.81-1.00. Fuerza de la concordancia Pobre Leve Aceptable Moderada Considerable Casi perfecta. Tabla 1. Valoración del coeficiente Kappa (Cerdal L; Villaroel, 2008). 6.4. Análisis de Área del glaciar Representación en series de tiempo y determinación de modelo de regresión lineal mediante la técnica de Mínimos cuadrados para el área ocupada por el glaciar. A partir de los datos de área calculados mediante la técnica de clasificación Supervisada se determinó un modelo de regresión lineal el cual relaciona tiempo y área para establecer tendencias del decrecimiento del glaciar para los años venideros. Por medio del método de Mínimos Cuadrados se evaluaron dos regresiones (lineal y cuadrática) y se determinaron los polinomios característicos siguiendo las ecuaciones 6.2 y 6.3. (Myers; Walpole, 1992). ( ) ( ). 36. 6.2 6.3.

(37) 7. RESULTADOS 7.1. Análisis de componentes principales Con el análisis de componentes principales realizado sobre las bandas de las imágenes de los años 1986, 1996, 2007 y 2014, se obtuvieron 6 componentes representados en seis imágenes; encontrando que el significado espectral del primer componente retiene la mayor cantidad de información entre las bandas, razón por la cual el presente estudio se basa únicamente en los resultados del componente uno para cada periodo; el análisis se representa en una imagen pancromática (Figura7), la cual recoge una valoración de las características espectrales comunes a todas las bandas y permite tener una buena discriminación entre la cobertura de roca y la glaciar. La Figura7 representa las imágenes generadas a partir del componente uno para cada periodo observado, estas se encuentran representadas en una escala de grises, lo que permite discriminar la cobertura glaciar de la cobertura de roca y además relaciona el valor correspondiente al componente uno de cada imagen, indicando que dicho componente retiene la mayor cantidad de información espectral de la zona.. a. Componente uno imagen 1986 Valor de componente C1. 4913.353. b. Componente uno imagen 1996. c. Componente uno imagen 2007. d. Componente uno imagen 2014 Valor de componente 1088368639. Valor de componente C1. 43961. Valor de componente 2688.344. Figura 7. Componentes principales para los años de 1986, 1996, 2007, 2014. Elaboración propia. 37.

(38) A partir del componente uno y usando la técnica de enmascaramiento de pixeles, técnica que consiste en determinar un rango de valores del píxel que representan el glaciar dentro del componente uno para cada periodo, se generó una imagen temática que representa el área del glaciar para cada periodo estudiado. Teniendo en cuenta los histogramas de cada imagen se determinó el límite inferior y superior del enmascaramiento, dichos valores representan el glaciar y aquellos valores fuera de este rango no se consideraron glaciar. (Fernández, González, 2011). El proceso permitió obtener las imágenes temáticas representadas en la Figura8, La cual muestra la clasificación temática generada a partir del enmascaramiento para cada periodo, mostrando dos clases, el glaciar en color blanco y lo que no es glaciar en color rojo.. a. Clasificación Componente uno 1986. b. Clasificación Componente uno 1996. c. Clasificación Componente uno 2007. d. Clasificación Componente uno 2014. Figura 8. Clasificación Componentes principales para los años de 1986, 1996, 2007, 2014. Elaboración propia. Con la clasificación temática de las componentes principales se logró representar la forma del glaciar para cada periodo; además de evidenciarse una disminución de área del glaciar, se identificó en diferentes zonas de las imágenes incongruencias de cobertura, es decir se demarca glaciar donde existe otro tipo de cobertura (roca o nubes), como se evidencia en el componente uno del 2007 (Figura8.C.), donde se presenta nubosidad en la 38.

(39) zona noroccidental del glaciar lo que ocasiona que exista confusión entre los valores del píxel de las nubes y los valores más altos del píxel del glaciar. Así mismo en el componente uno del 2014 (Figura8.D.), se presentaron problemas de desglaciación lo que hace que sus nieves perpetuas sean más delgadas, ocasionando confusión entre la roca y el glaciar.. 7.2. Clasificación Supervisada La Figura9 representa las imágenes generadas a partir de la clasificación supervisada para cada periodo observado, estas se encuentran representadas en cuatro colores, glaciar (blanco), afloramiento rocoso (rojo), cuerpos de agua (azul) y vegetación (verde) lo que permite discriminar las coberturas presentes.. a. Clasificación Supervisada 1986. b. Clasificación Supervisada 1996. c. Clasificación Supervisada 2007. d. Clasificación Supervisada 2014. Figura 9. Clasificación supervisada para los años de 1986, 1996, 2007, 2014. Elaboración propia. 7.3. Clasificación no Supervisada La Figura10 representa las imágenes generadas a partir de la clasificación no supervisada para cada periodo observado, estas se encuentran representadas en cuatro colores, glaciar (blanco), afloramiento rocoso (rojo), cuerpos de agua (azul) y vegetación (verde).. 39.

(40) Este método presenta confusión en las coberturas visualmente por solo tener en cuenta los valores de píxel y no las propiedades físicas de las coberturas.. a. Clasificación no Supervisada 1986. b.. Clasificación no Supervisada 1996. d. Clasificación no Supervisada 2014. c. Clasificación no Supervisada 2007. Figura 10. Clasificación no supervisada para los años de 1986, 1996, 2007, 2014. Elaboración propia. 7.4. Determinación del Coeficiente KAPPA Para determinar el coeficiente Kappa se utilizaron 50 puntos aleatorios dentro de cada imagen temática generada por cada método, los cuales al hacer un análisis y chequeo de correspondencia de coberturas generaron las matrices de confusión para cada imagen. A partir de estas se determinaron los 12 coeficientes Kappa ver Anexo 7, de cada periodo observado. La Tabla 2 representa los valores de kappa.. Clasificación no Supervisada Clasificación Supervisada Componentes Principales. 1986 Kappa. 1996 Kappa. 2007 Kappa. 2014 Kappa. 0,7763. 0,9191. 0,6750. 0,8999. 0,9250. 0,9729. 0,9000. 0,9187. 0,7297. 0,9201. 0,8750. 0,8400. Tabla 2. Clasificación no supervisada para los años de 1986, 1996, 2007, 2014. Elaboración propia. 40.

(41) Al analizar los coeficientes Kappa de cada metodología se llegó a la conclusión que la mejor clasificación temática de la zona se genera con la clasificación supervisada para los años de 1986,1996, 2007 y 2014.. 7.5 Cálculo de la Tasa de pérdida A partir de la imagen vectorizada de la metodología de clasificación supervisada se obtuvo el área ocupada en HA y el porcentaje de representación por el glaciar para los años 1986,1996, 2007, 2014 (Figura11). El grafico de barras representa visualmente el porcentaje del retroceso del glaciar, mientras que la Tabla 3 muestra numéricamente el retroceso del glaciar.. AÑO. % DE AREA DEL REPRESENTACION GLACIAR DEL GLACIAR EN (HA). 1986. 2278,99. 100.0. 1996. 1807,74. 79.3. 2007. 1255,42. 55.1. 2014. 686,325. 30.1. Tabla 3. HA ocupadas y % de representación del glaciar por año. Elaboración propia. % DE REPRESENTACION DEL GLACIAR POR AÑO 200% 0% 1986. 1996. 2007. 2014. AÑOS OBSERVADOS. Figura 11. HA ocupadas y % de representación del glaciar por año. Elaboración propia. La Tabla 4 muestra los tres intervalos de tiempo, La tasa de perdida HA/AÑO (suponiendo que es constante) la cual indica cuantas hectáreas en promedio se pierden anualmente, el total de hectáreas perdidas en cada intervalo de tiempo, y el porcentaje de pérdida del glaciar. Al analizar los porcentajes de perdida de glaciar se observa un incremento de la tasa de perdida aumentando en un 5% con respecto a las obtenidas en el intervalo de tiempo del 1986.1996. Teniendo en cuenta que el intervalo del 2007 al 2014 es más corto que los dos anteriores, con estos resultados se puede determinar que la tasa de pérdida del glaciar va en aumento. La representación visual de cada columna de la Tabla 4 se da en La Figura12. B. donde se muestra un diagrama de barras que indica un aumento de la tasa de pérdida del glaciar mientras que la Figura14 A muestra un diagrama de barras que india las hectáreas pérdidas del glaciar para cada periodo.. 41.

(42) INTERVALO DE ESTUDIO. HA/AÑO. HA PERDIDAS DE GLACIAR POR INTERVALO. % DE PERDIDA DE GLACIAR. 1986-1996. 47,125. 471,250. 20,6. 1996-2007. 50,211. 552,320. 24,2. 2007-2014. 81,299. 569,095. 24,9. Tabla 4. Tasa de pérdida del glaciar. Elaboración propia. . Diagramas de pérdida del glaciar de la Sierra Nevada de Santa Marta.. % DE PERDIDA DEL GLACIAR. 600 400 200 0. % DE PERIDA. HECTAREAS. AREA PERDIDA DEL GLACIAR. 1986-1996 1996-2007 2007-2014 INTERVALOS DE TIEMPO OBSERVADOS. 30% 20% 10% 0% 1986-1996 1996-2007 2007-2014 INTERVALOS DE TIEMPO OBSERVADOS. a. b. Figura 12. Diagramas de pérdida en porcentajes y hectáreas. Elaboración propia. 7.6. Mapa del Retroceso Glaciar de la Sierra Nevada de Santa Marta Se observa en la Figura13 la vectorización del glaciar para cada periodo donde se demuestra el retroceso a través del tiempo, en verde el vector de 1986, en amarillo el vector de 1996, en rojo el vector del 2007, en Turquesa el vector del 2014 comprobando la reducción que ha tenido el glaciar en los últimos años. La imagen seleccionada para la salida grafica de la Figura13 corresponde a la imagen de 1996, en una combinación RGB (5, 4, 3) siendo esta la mejor combinación de color que representaba las coberturas presentes en la zona. Para mejorar la visualización del cambio generado por el retroceso del glaciar se escogió una escala 1:50.000 la cual permitió discriminar las capas obtenidas por cada shapefile en cada año observado.. 42.