Análisis de zonas de cultivo y cuerpos de agua mediante el cálculo de índices radiométricos con imágenes Sentinel-2

Autores/as

  • Fernando Pech May Instituto Tecnológico Superior de los Ríos
  • Julio Victor Sánchez Hernández Departamento de Computación. Instituto Tecnológico Superior de los Rïos
  • Honorio Sánchez Jacinto Departamento de Computación. Instituto Tecnológico Superior de los Ríos

DOI:

https://doi.org/10.21501/21454086.3601

Palabras clave:

Sentinel-2, Google Earth Engine, Índices radiométricos, NDVI, NDWI, Imágenes satelitales, Balancán, Cultivos, Cuerpos de agua, Percepción remota

Resumen

Los cultivos y cuerpos de agua son un tema de interés para los países. Tener información sobre las zonas de cultivo, fuentes de agua y su comportamiento en las distintas temporadas del año es de utilidad para la producción agrícola y para la toma de decisiones. Por otra parte, actualmente se han generado gran cantidad de datos satelitales de la Tierra y herramientas para el procesamiento de grandes volúmenes de imágenes satelitales que son fundamentales para el monitoreo forestal, análisis multitemporal de zonas de cultivo y cuerpos de agua, clasificación del uso del suelo, entre otros usos. Sentinel-2 es un programa de observación de la Tierra que consta de 13 bandas espectrales que proporcionan imágenes de alta resolución espacial y calidad radiométrica. En este artículo se presenta un análisis multitemporal basado en el Índice de Vegetación de Diferencia Normalizada y el Índice de Agua de Diferencia Normalizada, obtenidos con imágenes del satélite Sentinel-2, para la identificación de cambios que se presentan en una zona del sureste de México en el periodo 2018-2020. Los resultados obtenidos demuestran un bajo rango del índice radiométrico en las áreas de estudio durante el 2018. Asimismo, los mayores cambios durante la temporada de lluvia fueron registrados en 2018; esto evidencia la provocación en la disminución en la calidad de los cultivos y en el cuerpo de agua.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Fernando Pech May, Instituto Tecnológico Superior de los Ríos

Doctor en Ciencias de la Computación. Departamento de computación

Referencias

Food and Agriculture Organization, “El agua y la agricultura.”, Organización de las Naciones Unidad para la Agricultura y la Alimentación, 2002. http://www.fao.org/worldfoodsummit/sideevents/papers/y6899s.htm. (Accedido: 10-mar-2020)

L. Coutiño Román, “Análisis multitemporal de imágenes satelitales para conocer la calidad del agua en la presa: Valle de Bravo.”, Tesis de pregrado, Facultad de Ingeniería, Universidad Nacional Autónoma de México, Ciudad de México, 2012. http://www.ptolomeo.unam.mx:8080/xmlui/bitstream/handle/132.248.52.100/2500/tesis.pdf.pdf?sequence=1

J. González Bernal, “La percepción remota.”, Noche de las Estrellas, 2017. https://www.nochedelasestrellas.org.mx/docs/Articulos/2017/5_1_PercepcionRemota.pdf. (Accedido: 10-mar-2020)

J. Lira, “La Percepción Remota: Nuestros Ojos desde el Espacio.”, Ciudad de México: Fondo de Cultura Económica, 2003. http://bibliotecadigital.ilce.edu.mx/sites/ciencia/volumen1/ciencia2/33/htm/percep.htm

T. Lillesand, R. Kiefer, y J. Chipman, “Remote Sensing ang Image Interpretation.”, USA: John Wiley & Sons Inc, 2015, pp. 1 – 3.

E. Chuvieco, “Teledetección Ambiental: La Observación de la Tierra Desde el Espacio.”, España: Ariel Ciencia, 2002, pp. 17 – 18.

J. Jensen, “Remote Sensing of the Environment: An Earth Resource Perspective.”, USA: Pearson Prentice Hall, Prentice Hall Series in Geographic Information Science, 2007, pp 2 – 4.

R. Torres, L. Campillo y H. López, “Percepción remota: Elementos básicos”, Kuxulkab, vol. XXI, nº 40, pp. 23 – 29, 2015. https://revistas.ujat.mx/index.php/kuxulkab/article/download/1001/860

A. Berdugo Muñoz, y G. Reales López, “Análisis multiespectral de imágenes satelitales para evaluar variaciones espacio - temporales en la calidad del agua del embalse el Guájaro, Atlántico”, Tesis de pregrado, Facultad de Ciencias Ambientales, Universidad de La Costa (CUC), Barranquilla, 2016.

European Space Agency, “Sentinel Missions.”, Sentinel Online. https://sentinel.esa.int/web/sentinel/missions;jsessionid=5393A7312C49C41754494D43E518898F.jvm2. (Accedido: 11-mar-2020)

N. F. Bravo Morales, “Teledetección espacial Landsat, Sentinel2, Aster L1T y MODIS.”, Universidad Nacional Agraria de la Selva, Facultad de Recursos Naturales Renovables, Escuela Profesional de Ingeniería Forestal, 2017. https://acolita.com/wp-content/uploads/2018/01/Teledeteccion_espacial_ArcGeek.pdf

European Space Agency, “Sentinel-2 Mission.” Sentinel Online. https://sentinel.esa.int/web/sentinel/missions/sentinel-2. (Accedido: 11-mar-2020)

J. Delegido, C. Tenjo, y A. Ruiz-Verdu, “Aplicaciones de Sentinel-2 a estudios de vegetación y calidad de aguas continentales.” XVII Simposio Internacional en Percepción Remota y Sistemas de Información Geográfica (SELPER), Puerto Iguazú, Argentina, 2016.

J. Rouse, R. Haas, J. Schell, y D. Deering, “Monitoring vegetation systems in the Great Plains with ERTS.”, 3rd ERTS Symposium, Washington D.C., 1973.

M. Delpino Aguayo, V. Portillo Sosa, y C. Mora Stanley, “Evaluación de índices espectrales derivados de sensores remotos para la caracterización de ambientes de humedales.” 7º Simpósio de Geotecnologias no Pantanal, Brasil, 2018.

S. McFeeters, “The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features.” International Journal of Remote Sensing, vol. 17, no. 7, pp. 1425 – 1432, 1996, doi: https://doi.org/10.1080/01431169608948714.

B. Liss, M. Howland, and T. Levy, “Testing Google Earth Engine for the automatic identification and vectorization of archaeological features: A case study from Faynan, Jordan.”, Journal of Archaeological Science: Reports, vol. 15, pp. 299 – 304, 2017, doi: https://doi.org/10.1016/j.jasrep.2017.08.013

J. Xiong, P. Thenkbail, M. Gumma, P. Teleguntla, J. Poehnelt, R. Congalton, K. Yadav, and D. Thau, “Automated cropland mapping of continental Africa using Google Earth Engine cloud computing.”, ISPRS Journal of Photogrammetry and Remote Sensing, vol. 126, pp. 225 – 244, 2017, doi: https://doi.org/10.1016/j.isprsjprs.2017.01.019

A. Suarez Lodoño, A. Jiménez, M. Castro-Franco, y A. Cruz-Roa, “Clasificación y mapeo automático de coberturas del suelo en imágenes satelitales utilizando Redes Neuronales Convolucionales.”, Orinoquia, vol. 21, pp. 64 – 75, 2017, https://www.researchgate.net/publication/334551585_Clasificacion_y_mapeo_automatico_de_coberturas_del_suelo_en_imagenes_satelitales_utilizando_Redes_Neuronales_Convolucionales.

M. C. Morales Poclava, M. J. Mosciaro, y H. J Elena, “Determinación de cobertura de suelo con imágenes Sentinel 2B-1C en entorno Google Earth Engine.”, presentado en 1° Encuentro Nacional sobre PERIURBANOS E INTERFACES, 2° Reunión Científica de PNNAT y 3° Reunión de la Red PERIURBAN, Córdoba, Argentina, 2018, https://inta.gob.ar/sites/default/files/inta_resumen_ampliado_sentinel.pdf

V. S. Aliaga, F. Ferrelli, V. Bohn, y M. C. Piccolo, “Utilización de imágenes satelitales para comprender la dinámica lagunar en la Región Pampeana.”, Revista de la Asociación Española de Teledetección, no. 46, pp. 133 – 145, 2016, doi: https://doi.org/10.4995/raet.2016.5196.

Gobierno de Tabasco, “Balancán.”, Tabasco- https://tabasco.gob.mx/balancan

Descargas

Publicado

03/16/2021

Cómo citar

Pech May, F., Sánchez Hernández, J. V., & Sánchez Jacinto, H. (2021). Análisis de zonas de cultivo y cuerpos de agua mediante el cálculo de índices radiométricos con imágenes Sentinel-2. Lámpsakos (revista Descontinuada), (24), 48–59. https://doi.org/10.21501/21454086.3601

Número

Sección

Artículos Investigación Científica y Tecnológica