Obtención de cartografías de usos y coberturas del suelo de la Demarcación Hidrográfica del Segura para el periodo 1986-2019, empleando teledetección y clasificación digital de imágenes.

  1. Rodríguez Valero, María Isabel 1
  2. Alonso Sarria, Francisco 1
  1. 1 Universidad de Murcia
    info

    Universidad de Murcia

    Murcia, España

    ROR https://ror.org/03p3aeb86

Revista:
Papeles de geografía

ISSN: 0213-1781

Año de publicación: 2021

Número: 67

Páginas: 45-65

Tipo: Artículo

DOI: 10.6018/GEOGRAFIA.472241 DIALNET GOOGLE SCHOLAR lock_openDIGITUM editor

Otras publicaciones en: Papeles de geografía

Resumen

Los cambios en los usos y coberturas del suelo conllevan consecuencias ambientales de diverso tipo. Cada vez son más los estudios que demuestran la existencia de una relación directa entre los cambios en la cobertura terrestre y la aceleración del cambio climático. La clasificación digital de imágenes obtenidas mediante teledetección es una potente herramienta para evaluar el grado de transformación ambiental debido a factores antropogénicos.      El objetivo de este trabajo es emplear teledetección y clasificación digital de imágenes para obtener cartografías de usos y coberturas del suelo en la Demarcación Hidrográfica del Segura, para el periodo comprendido entre 1986 y 2019; además, los resultados se analizarán para conocer los cambios más significativos que haya experimentado la superficie terrestre del área de estudio. Para ello se ha utilizado el algoritmo Random Forest con imágenes de Landsat 5, 7 y 8; aunque la exactitud global conseguida indica que existe un margen de mejora en el ajuste del modelo, las clasificaciones obtenidas se consideran fiables. Respecto a los usos y coberturas del suelo, se obtiene una disminución del uso forestal y un aumento de los usos agrícolas, la superficie cubierta por matorral, los suelos desnudos y los invernaderos.

Referencias bibliográficas

  • AGUILAR, H., MORA, R. y VARGAS, C. (2014): Revista Geográfica de América Central. “Metodología para la corrección atmosférica de imágenes Aster, Rapideye, Spot 2 y Landsat 8 con el módulo Flaash del software Envi, 53, pp. 39-59.
  • ALONSO-SARRIA, F., VALDIVIESO-ROS, C., RODRÍGUEZ-VALERO, M. y GOMARIZCASTILLO, F. (2019): XVIII Congreso de Teledetección. Revista Teledetección. “Combinación de random forest y redes neuronales para clasificar usos del suelo”, 337-340.
  • ALONSO-SARRIA, F., GOMARIZ-CASTILLO, F. y CÁNOVAS-GARCÍA (2010): Cuaternario y geomorfología: Revista de la Sociedad Española de Geomorfología y Asociación Española para el Estudio del Cuaternario. “Análisis temporal de los cambios de usos del suelo en la cuenca del Segura mediante teledetección. Implicaciones sobre la degradación”, 24(3), pp. 71–86.
  • AMAT, J. (2016): Technical report. “Validación de modelos de regresión: Cross-validation, oneleaveout, bootstrap”. Recuperado de: https://rpubs.com/Joaquin_AR/238251
  • ANAYA, J.A. y VALENCIA, G.M. (2013): Geofocus. “Fenología de ambientes tropicales en el marco de la Teledetección”, 13-2, pp. 195-211.
  • ARANGO, M., BRANCH, J.W. y BOTERO, V. (2005): Revista Facultad Nacional Agronomía Medellín. “Clasificación no supervisada de coberturas vegetales sobre imágenes digitales de sensores remotos: Landsat -ETM+”, Vol. 58, Nº1, pp. 2611-2634.
  • BERK, R.A., (2016): Springer. “Statistical learning from a regression perspective”. En Springer International Publishing (Ed), 347 pp.
  • BREIMAN, L., (1996): Machine Learning. “Bagging predictors”, 24 (2), pp.123-140.
  • BREIMAN, L., (2001): Machine Learning. “Random forest”, 45(1), pp. 5-32.
  • BREIMAN, L., FRIEDMAN, J., OLSHEN, R. y STONE, C. (1984): Wadsworth International Group. “Classification and Regression Trees”.
  • BRIZUELA, A., AGUIRRE, C. y VELASCO, I. (2007): Teledetección: hacia un mejor entendimiento de la dinámica global y regional. “Aplicación de métodos de corrección atmosférica de datos Landsat 5 para análisis multitemporal”. En Martin (Ed). Madrid, pp. 207- 214.
  • CÁNOVAS-GARCÍA, F. (2012): Tesis doctoral, Universidad de Murcia. “Análisis de imágenes basado en objetos (OBIA) y aprendizaje automático para la obtención de mapas de coberturas del suelo a partir de imágenes de muy alta resolución espacial: aplicación en la Unidad de Demanda Agraria nº 28, cabecera del Argos”.
  • CÁNOVAS-GARCÍA, F., ALONSO-SARRIA, F. y GOMARIZ-CASTILLO, F. (2016): Aplicaciones de las Tecnologías de la Información Geográfica (TIG) para el desarrollo económico sostenible. “Modificación del algoritmo Random Forest para su empleo en clasificación de imágenes de Teledetección”, pp. 359-368.
  • CHÁVEZ, P.S. (1988): Remote Sensing of Environment. “An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data”, 24:459-479.
  • CHÁVEZ, P.S. (1996): Photogrammetric Engineering and Remote Sensing. “Image-Based Atmospheric Corrections - Revisited and Improved”, 62, pp. 1025-1036.
  • CHEN, X., ZHAO, H., LI, P. y YIN, Z. (2006): Remote Sensing of Environment. “Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes”, 104, pp. 133-146.
  • CHIARITO, G. y CHIARITO, E. (2015): Facultad de Ciencias Exactas, Ingeniería y Agrimensura de Rosario. “Evaluación de temperaturas urbanas de acuerdo al uso del suelo: Rosario”.
  • CHUVIECO, E (2010): “Teledetección Ambiental. La observación de la Tierra desde el espacio”. Ed. Ariel Ciencia, Barcelona.
  • DEL TORO, N., GOMARIZ-CASTILLO, F., CÁNOVAS-GARCÍA, F. y ALONSO-SARRIA, F. (2015): Boletín de la Asociación de Geógrafos Españoles. “Comparación de clasificación de imágenes de satélite en la cuenca del río Argos (Región de Murcia)”, 67, pp. 327-347.
  • FERNÁNDEZ, D. y CORBELL, E. (2017): Biblio3W, Revista Bibliográfica de Geografía y Ciencias Sociales. “Cambios en los usos de suelo en la Península Ibérica: un meta-análisis para el período 1985-2015”, Vol. XXII (1215).
  • GARCÍA, P., PÉREZ, M.E., GARCÍA, J.M., REDONDO, M.M., SANZ, J.J. y NAVARRO, A. (2014): Universidad Complutense de Madrid. “Sellado de suelos a partir de teledetección y SIG: estudio en el Tajo medio-alto”.
  • GISLASON, P.O., BENEDIKTSSON, J.A. y SVEINSSON, J.R. (2006): Pattern Recognition Letters. “Random Forests for land cover classification”, 27(4), pp. 294-300.
  • GOMARIZ-CASTILLO, F., ALONSO-SARRIA, F. y CÁNOVAS-GARCÍA, F. (2017): Remote Sensing. “Improving Classification Accuracy of Multi-Temporal Landsat Images by Assessing the Use of Different Algorithms, Textural and Ancillary Information for a Mediterranean Semiarid Area from 2000 to 2015”, 9(10), p. 1058.
  • GUAN, H., YU, J., LIA, J. y LUO, L. (2012): International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. “Random Forest-Based feature selection for land-use classification using LIDAR data and orthoimagery”.
  • JUNG, Y. y HU, J. (2015): Journal of Nonparametric Statistics. “A k-fold averaging crossvalidation procedure”, 27(2), pp. 167-179.
  • KOSMAS, C. et al. (2014): Catena. “An exploratory analysis of land abandonment drivers in areas prone to desertification”, 128, pp. 252-261.
  • LANDIS, J.R. y KOCH, G.G. (1977): Biometrics. “The measurement of observer agreement for categorical data”, 33, pp. 159-174.
  • LIAW, A. y WIENER, M. (2002): R news. “Classificationand Regression by Random Forest”, 2(3), pp. 18-22.
  • LÓPEZ, V.H., BALDERAS, M.A., CHÁVEZ, M.C., JUAN, J.I. y GUTIÉRREZ, J.G. (2014): CIENCIA ergo sum. “Cambio de uso de suelo e implicaciones socioeconómicas en un área mazahua del altiplano mexicano”, 22-2, pp. 136-144.
  • MARTÍNEZ-FERNÁNDEZ, J., ESTEVE-SELMA, M.A., GUAITA, N. y FITZ, C. (2011): Biodiversidad en España. Una visión desde la sostenibilidad ante el cambio global. “Cambios de ocupación del suelo en la cuenca del Segura y sus implicaciones para la biodiversidad”, capítulo3, pp. 120-174. En OSE-Ediciones Mundi-Prensa.
  • MORAN, M.S., JACKSON, R.D., SLATER, P.N. y TEILLET, P.M. (1992): Remote Sensing of Environment. “Evaluation of simplified procedures for retrieval of land surface reflectance factors from satellite sensor output”., 41(2:3), pp. 169-184.
  • PADIAL, M., VIDAL, J.J.; SERRA, P.; NINYEROLA, M. y PONS, X. (2019): XVIII Congreso de Teledetección. Revista Teledetección. “Aplicación de filtros multicriterio basados en NDVI para la extracción de áreas de entrenamiento desde la base de datos SIOSE”, 311-314.
  • PÉREZ, Ll., DELEGIDO, J., RIVERA, J.P. y VERRELST, J. (2015): Revista de Teledetección, Asociación Española de Teledetección. “Análisis de métodos de validación cruzada para la obtención robusta de parámetros biofísicos”. 44, pp. 55-65.
  • QUINLAN, J.R. (1993): C4.5: Programs for Machine Learning. En Morgan Kaurmann (Ed), San Mateo.
  • REY, J.M., MARTINS, A., NICOLAU, J.M. y SCHULZ, J. (2007): CAB Reviews: Perspectives in Agriculture, Veterinary Science, Nutrition and Natural Resources. “Abandonment of agricultural land: an overview of driversand consequences”, nº 57.
  • RIAÑO, D., SALAS, J. y CHUVIECO, E. (2010): Tecnologías Geográficas para el Desarrollo Sostenible. “Corrección Atmosférica y Topográfica, Información Multitemporal y Auxiliar Aplicadas a la Cartografía de Modelos de Combustibles con Imágenes Landsat-TM”., Ed: Universidad de Alcalá: Asociación Española de Geografía, pp. 222-239.
  • RIVERO, J. (2014): Revista Cubana de Ciencias Informáticas. “Técnicas de aprendizaje automático para la detección de intrusos en redes de computadoras”, 8 (4), pp. 52-73.
  • ROBLEDANO, F., ROMERO, A., BELMONTE, F., FERNÁNDEZ, M.Á., MARTÍNEZ, C., SÁNCHEZ, M. y ZAPATA, V.M. (2016): Abandono de cultivos en la Región de Murcia: consecuencias ecogeomorfológicas. “Consecuencias del abandono de cultivos en la Región de Murcia y recomendaciones de gestión”, Universidad de Murcia, pp. 227-263.
  • RODRÍGUEZ, V.F., GHIMIRE, B., ROGAN, J., CHICA, M. y RIGOL, J.P. (2012): ISPRS Journal of Photogrammetry and Remote Sensing. “An assessment of the effectiveness of a random forest classifier for land-cover classification”., 67, pp. 93–104.
  • ROUSE, J.W., HAAS, R. H., DEERING, D.W. y SEHELL, J.A. (1974): Final Rep. RSC 1978-4, Remote Sensing Center. “Monitoring the vernal advancement and retrogradation (Green wave effect) of natural vegetation”, Texas A&M Univ., College Station.
  • RUIZ-ÁLVAREZ, V., PORTELA, M.M., ESPINOSA, L.Á., GARCÍA, R., BELMONTE, F. y RUIZ, M. (2021): Boletín de la Asociación de Geógrafos Españoles. “Regionalization of droughts from the SPI in the Segura hydrographic basin and Commonwealth of Taibilla Channels (Southeast of Spain)”, 88. Recuperado de: https://doi.org/10.21138/bage.3045
  • SANTANA, L.M., ESCOBAR, L. y CAPOTE, P. (2010): Revista de Geografía Norte Grande. “Estimación de un índice de calidad ambiental urbano, a partir de imágenes de satélite”, 45, pp. 77-95.
  • SIOSE (2015): Instituto Geográfico Nacional. “Documento técnico SIOSE 2011, Versión 1.2”. Ministerio de Fomento. Gobierno de España., Madrid, España.
  • SLUITER, R. y PEBESMA, E.J. (2010): Int. J. Remote Sensing. “Comparing techniques for vegetation classification using multi- and hyperspectral images and ancillary environmental data”, 31, 6143–6161.
  • TURNER, B., MEYER, W.B. y SKOLE, D.L. (1994): Ambio. “Global land-use/land-cover change: towards an integrated study”, 23(1), pp. 91–95.
  • XU, H. (2006): International Journal of Remote Sensing. “Modification of normalised difference water index (NDWI) to enhanced open water features in remotely sensed imagery”, 27(14), pp. 3025-3033.
Fuente de los datos: Dialnet