Resumen de proyectos
Los siguientes proyectos analizan diferentes fenómenos ambientales utilizando técnicas de teledetección con imágenes Landsat:
| Proyecto | Ubicación | Período | Índice utilizado | Satélite | Producto |
|---|---|---|---|---|---|
| Deforestación | Joaquín V. González, Salta | 1986–2017 | NDVI | Landsat 5 / Landsat 8 | Mapa de cambio de cobertura |
| Incendios | Lago Cholila, Chubut | Enero–Abril 2015 | NBR / ΔNBR | Landsat 8 | Mapa de severidad de quemado |
| Glaciares/Nieve | Cerro de la Majadita, San Juan | 2018 (estacional) | Snow Index (SI) | Landsat 8 | Mapa de dinámica estacional |
1. Deforestación en el noroeste argentino
La región del Chaco Salteño ha experimentado una fuerte transformación por expansión agrícola. Este análisis cuantifica la pérdida de bosque nativo alrededor de Joaquín V. González entre 1986 y 2017.
Metodología
- Descarga de imágenes Landsat 5 (1986) y Landsat 8 (2017), path 230, row 77.
- Cálculo del Índice de Vegetación de Diferencia Normalizada (NDVI) para cada fecha:
Fórmula NDVI:
NDVI = (NIR - Rojo) / (NIR + Rojo)
- Clasificación no supervisada (k-means, 3 clases) del NDVI apilado.
- Asignación de categorías:
- Verde: Vegetación conservada (alto NDVI sin cambio).
- Naranja: Áreas con disminución de NDVI por pérdida de bosque.
- Amarillo: Zonas de baja vegetación sin cambios significativos.
Mapa de deforestación en Salta (1986-2017) - Análisis de cambio de NDVI
Resultado
El mapa evidencia un patrón claro de reducción de áreas verdes, correspondiente a la frontera agropecuaria en expansión. La técnica permite cuantificar la superficie transformada y localizar los focos de deforestación.
2. Incendios en la Patagonia
En 2015, un incendio de grandes dimensiones afectó la región de Lago Cholila (Chubut). Este trabajo evalúa la severidad del daño mediante el Índice de Quemado Normalizado.
Metodología
- Imágenes Landsat 8 previa (21/01/2015) y posterior (11/04/2015) al incendio, path 232, row 89.
- Cálculo del Normalized Burn Ratio (NBR) para cada escena:
Fórmula NBR:
NBR = (NIR - SWIR2) / (NIR + SWIR2)
- Obtención de la diferencia temporal (ΔNBR):
Fórmula ΔNBR:
ΔNBR = NBRpre - NBRpost
- Clasificación por umbrales en siete categorías de severidad, desde "recrecimiento vegetal" hasta "severidad alta de incendio".
Mapa de severidad de incendios en Lago Cholila (2015) - Análisis ΔNBR
Resultado
La zona núcleo del incendio muestra valores altos de ΔNBR (tonos rojos), indicando severidad moderada-alta. Las áreas periféricas presentan menor severidad, mientras que algunos sectores verdes sugieren rebrote post-fuego.
3. Dinámica estacional de nieve y glaciares en Cuyo
La criósfera andina es un reservorio estratégico de agua. Este análisis identifica la cobertura nival permanente y estacional en el Cerro de la Majadita (San Juan) durante 2018.
Metodología
- Imágenes Landsat 8 de verano (04/01/2018) e invierno (15/07/2018), path 233, row 81.
- Cálculo del Snow Index (SI) para cada fecha:
Fórmula Snow Index:
SI = Rojo / SWIR1
- Determinación de un umbral espectral para discriminar áreas con nieve.
- Combinación binaria de las capas de verano e invierno para obtener cuatro clases:
- Sin nieve
- Nieve solo en verano
- Nieve solo en invierno
- Nieve permanente (todo el año)
Mapa de dinámica estacional de nieve/hielo en San Juan (2018) - Análisis Snow Index
Resultado
Se identifican claramente los cuerpos de nieve/hielo permanente (azul oscuro), cruciales para el aporte hídrico estacional. La distribución de nieve estacional refleja el gradiente altitudinal y la exposición de laderas.
Aspectos técnicos destacados
SoftwareProcesamiento realizado con ESA SNAP, herramienta estándar en teledetección óptica. |
DatosImágenes Landsat Collection 2 Level 2, con correcciones atmosféricas ya aplicadas. |
Índices espectralesSelección adecuada según el fenómeno estudiado (NDVI, NBR, SI). |
Análisis temporalComparación multitemporal para capturar dinámicas de cambio. |
Reflexión final
Estos trabajos demuestran la capacidad de la teledetección para monitorear cambios ambientales a escala regional con rigor cuantitativo. La elección de índices adecuados, el procesamiento consistente en SNAP y la interpretación contextual de los resultados permiten transformar datos satelitales en información útil para la gestión territorial y ambiental.