UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA FACULTAD DE RECURSOS NATURALES RENOVABLES INGENIERIA AMBIENTAL PRACTICA PRE PROFESIONAL

Transcripción

1 UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA FACULTAD DE RECURSOS NATURALES RENOVABLES INGENIERIA AMBIENTAL PRACTICA PRE PROFESIONAL MEDICIÓN DE DEFORESTACIÓN EN BOSQUES AMAZONICOS POR DIFERENTES ACTIVIDADES DE USO DENTRO DEL DISTRITO DE NAUTA EN EL DEPARTAMENTO LORETO ENTIDAD : Organismo de Supervisión de los Recursos Forestales y Fauna Silvestre OSINFOR Lima PCM ESTUDIANTE : RECAVARREN ESTARES, Rodrigo ASESOR : Ing. BETETA ALVARADO, Víctor Manuel FECHA DE INICIO : 14/01/2014 FECHA DE TERMINO : 14/04/2014 LIMA - PERU 2014

2 INDICE Página I. INTRODUCCIÓN Objetivo Objetivo general Objetivo específicos... 2 II. REVISIÓN DE LITERATURA Recursos naturales Deforestación Bandas espectrales Comportamiento espectral de la vegetación en el espectro Sensores Pre-procesamiento digital de imágenes satelitales multiespectrales Correcciones de la imagen Rectificación mapa a imagen Establecimiento de puntos de control Realce de contraste Clasificación digital Método supervisado Concesión de recursos forestales y de fauna silvestre Reserva nacional Pacaya Samiria... 9 III. MATERIALES Y MÉTODOS Área de estudio Materiales Cartografía digital base... 11

3 3.2.2.Software de procesamiento Equipo Imágenes satelitales de mediana resolución Metodología Selección de imágenes satelitales Procesamiento de información IV. RESULTADOS Orto rectificación de la imagen satelital Elaboración de clases o patrones de la imagen satelital Mejoramiento en el contraste de la imagen satelital Combinación de bandas Determinación de las áreas deforestadas V. DISCUSIÓN VI. CONCLUSIÓN VII. RECOMENDACIONES VIII.REFERENCIAS BIBLIOGRÁFICAS ANEXOS... 38

4 ÍNDICE DE CUADROS Cuadro Página 1. Superficies de deforestación y centros urbanos dentro del distrito Selección de imágenes de satélite LANDSAT TM Superficies de deforestación y centros urbanos dentro del distrito Superficies de deforestación en unidades de territorio

5 INDICE DE FIGURAS Figura Página 1. Rango visible dentro del espectro electromagnetico Comportamiento de la vegetacion (CHUVIECO, 1996) Mapa de ubicación del distrito de Nauta Índice de imágenes satelitales departamento de Loreto Cobertura de imágenes Landsat TM 5 que recubren el distrito de Nauta (Path y Row: 6-63 y 7-63) Imagen satelital con desfase (no geo referenciada) Elaboración de patrones Expansión del contraste de las bandas RGB Mapa de las zonas de interés encontradas en el distrito de Nauta Mapa temático de unidades de territorio Ubicación de los 40 puntos de control dentro de la imagen satelital Registro de la toma de los puntos de control con sus respectivos errores Verificación del error total obtenido Imagen satelital geo referenciada Registro de la extracción de firmas espectrales de las categorías por deforestación, bosque, nubes y rio Categorías definidas por deforestación, bosque, nubes y ríos diferenciados por colores Aumento de contraste en un 15% a las imágenes satelitales

6 18. Diferenciación de las imágenes satelitales antes y después de aumentar el contraste en un 15% Path 006-Row 063, año Composición de imagen en color verdadero (R 3 rojo, G 2 verde y B 1 azul) Path 006-Row 063, del Composición falso color, usando infra rojo medio (R7 infrarrojo medio, G4 rojo, B2 verde) Mapa temático de deforestación Mapa temático de deforestación en unidades de territorio Superficies de deforestación y centros urbanos dentro del distrito Superficies de deforestación y centros urbanos dentro del distrito Superficies de deforestación en unidades de territorio Superficies de deforestación en unidades de territorio

7 1 I. INTRODUCCIÓN El Organismo de Supervisión de los Recursos Forestales y de Fauna Silvestre (OSINFOR) es un organismo público ejecutor que a través del Decreto Legislativo N⁰ 1085, se encarga de supervisar y fiscalizar el aprovechamiento sostenible y conservación de los recursos forestales y fauna silvestre, así como de los servicios ambientales provenientes del bosque, otorgados por el estado a través de diversas modalidades. En este sentido, teniendo en consideración las funciones que le han sido asignadas a la Dirección de Supervisión de Permisos y Autorizaciones Forestales y de Fauna Silvestre (DPAFFS), Área de Geomática, se ha previsto el desarrollo de la presente practica pre-profesional dentro del marco de las funciones del manejo y procesamiento de información geográfica referida a las diferentes modalidades de aprovechamiento de los bosques que el OSINFOR se encarga de supervisar y fiscalizar. En el presente informe se da a conocer el análisis de la perdida de áreas boscosas por actividades de deforestación y por cambios de usos de suelo, los cuales son utilizados en su gran mayoría para fines agrícolas, el análisis se realizará mediante el uso de softwares y procedimientos que la institución me brindara. Esta investigación genero información oportuna y veraz que puede ser utilizada por actores inmersos en el sector forestal sea Ministerio de Agricultura, OSINFOR PCM, Gobierno Regional de Loreto, Instituto de Investigaciones de la Amazonía Peruana, ONG s y público en general como insumo en la toma de decisiones que garanticen la optimización del uso de los recursos naturales, planteamiento de estrategias de intervención o

8 2 conservación y monitoreo periódico de la dinámica del bosque en el distrito de Nauta Objetivo Objetivo general - Interpretar las áreas deforestadas por diferentes actividades de uso mediante la aplicación de técnicas de fotointerpretación y sensores remotos en el distrito de Nauta, departamento Loreto Objetivo específicos - Ortorectificar las imágenes satelitales para el distrito de Nauta. - Elaborar clases, patrones o áreas de interés (ROI s) según la imagen satelital (deforestación, nubes, ríos y bosque). - Aplicar técnicas de realce y contraste para cada imagen satelital. - Acondicionar la información primaria para la interpretación de la deforestación con combinaciones de las bandas espectrales. - Cuantificar la superficie deforestada del bosque amazónico por diferentes actividades de uso en las unidades de territorios en el distrito de Nauta.

9 3 II. REVISIÓN DE LITERATURA 2.1. Recursos naturales Los bosques naturales en el Perú comprenden una superficie total de ha, de las cuales ha se encuentran en la región de la Selva, ha en la región de la Costa y ha en la región de la Sierra. En términos puramente económicos, los bosques de la Selva son los más importantes para el desarrollo económico del país y de las poblaciones locales asentadas en estos bosques. La principal causa de la destrucción de estos bosques en la actualidad y en el futuro es la deforestación, la misma que ha ocasionado hasta la actualidad la destrucción de 9.2 millones ha (12% de la superficie boscosa), con un promedio anual de alrededor de ha deforestadas, a razón de 725 ha por día. La deforestación en el país se da en primer lugar por la agricultura migratoria (apertura de terrenos agrícolas), la extracción ilegal (apertura de caminos y retiro de especies valiosas), y los incendios forestales (FAO,2004) Deforestación La deforestación se define como transformación del dosel de la cobertura arbórea en un área desnuda o en otra comunidad vegetal dominada por hierbas, arbustos, árboles pioneros y cultivos agrícolas, así como en centros urbanos y rurales; un concepto general sería la eliminación de la cobertura arbórea, debido a la actividades antrópicas que se desarrollan sobre ella o en el suelo que la sustenta. En los últimos años, la Amazonía peruana viene siendo foco de interés principalmente por las discusiones sobre la reducción de la extensión de los bosques tropicales y su implicación en el ciclo global de carbono. En 1995, INRENA realizó estudios de la deforestación en la Amazonía peruana

10 utilizando datos de percepción remota para cuantificar la extensión de la deforestación. Los resultados revelaron una tasa de tala del bosque 54,000 ha/año en el departamento de Loreto (INRENA, 1996). Cuadro 1. Superficies de deforestación y centros urbanos dentro del distrito. Ámbito Superficie (ha) % Territorio Departamento Loreto Aguajales Deforestación(pecuaria, agrícola y extractiva) Urbano Fuente: OSINFOR EVALUACION DE ÁREAS DEFORESADAS Y HUMEDALES EN LOS DEPARTAMENTOS DE LORETO, UCAYALI Y MADRE DE DIOS AL AÑO 2011 (Área calculada con el SIG en proyección UTM, Huso: 18 sur, Datum WGS 84) Bandas espectrales Según CHUVIECO (1996), los diversos rangos de la longitud de onda, que puede ser dividido o separados en el espectro electromagnético, reciben el nombre de región espectral o bandas espectrales, rangos que son útiles para identificar las características y propiedades físicas de cualquier tipo de material que existe en la superficie de la tierra. 4 Figura 1. Rango visible dentro del espectro electromagnético.

11 5 Las imágenes de falso color o RGB Red, Green and blue), consisten en la combinación de tres bandas de información para formar una imagen en color. Con este tipo de combinaciones se pretende extraer y resaltar la información en función de los colores resultantes. Esta técnica suele emplearse para resaltar vegetación sana, ya que combinan las bandas infrarrojo cercano donde la vegetación tiene una respuesta muy alta. Otra de las combinaciones más usadas es la denominada color verdadero en la que se simula una fotografía con color real, para ellos se combinan las bandas del espectro visible del sensor TM, generalmente R=3, G=2 y B=1, cuya notación es 321 (RIAZA, 1994) Comportamiento espectral de la vegetación en el espectro La elevada reflectividad en el infrarrojo cercano se debe, por un lado, a la baja absortividad de las clorofilas y, por otro, a la estructura celular interna de la hoja. Como es sabido la hoja se compone, en esencia, de cuatro capas: la epidermis superior e inferior, el parénquima en empalizada y el mesófilo esponjoso. Las dos primeras juegan un importante papel en la regulación térmica de la planta y en su absorción de CO2. Por ello, La hoja sana ofrece una alta reflectividad en esta banda, en claro contraste con la baja reflectividad que presenta en el espectro visible, especialmente en la banda roja. En el infrarrojo cercano presenta una elevada reflectividad debido principalmente a la estructura celular interna de la hoja. Esto se reduce paulatinamente hacia el infrarrojo medio, llegando a 1,45 µm en donde el efecto absorbente del agua provoca una drástica reducción de la reflectividad, esta absorción también se produce a los 1,92 µm y 2,7 µm. Entre estas bandas del espectro electromagnético, donde la absorción del agua es más clara, se sitúan dos picos relativos de reflectividad en torno a 1,6 µm y 2,2 µm, donde se encuentran las bandas del sensor ETM+ TM5 y TM7 respectivamente (CHUVIECO, 2008).

12 6 Figura 2. Comportamiento de la vegetación (CHUVIECO, 1996) Sensores Un sensor remoto se define como un instrumento especial cuya tecnología permite la obtención de información de objetos sin estar físicamente en contacto con él. Estos instrumentos se conocen en conjunto como Sensores Remotos incluyendo aparatos como la cámara fotográfica, sistemas scaners y de radar (AVERY y GRAYDON, 1992) Pre-procesamiento digital de imágenes satelitales multi-espectrales Normalmente, antes de comenzar cualquier análisis sobre la información recogida desde un sensor remoto es necesario un tratamiento previo de los datos en cuestión (JENSEN, 1996) Correcciones de la imagen Con este nombre se indican aquellos procesos que tienden a eliminar cualquier anomalía detectada en la imagen, ya sea en su localización, ya en los niveles digitales de los pixeles que la componen. Estas operaciones tienden a disponer los datos en la forma más cercana posible a una adquisición

13 7 idónea, tanto en la posición de los pixeles como en la radiancia que significan (CHUVIECO, 1996) Rectificación mapa a imagen Este proceso normalmente utiliza puntos de control terrestre a través de los cuales realizar la rectificación. Esta operación se realiza por medio de dos operaciones: (1) la interpolación espacial que establece la naturaleza de la transformación de las coordenadas geométricas para así ubicar los píxeles originales a su posición en la imagen rectificada y (2) la intensidad de interpolación que es la aplicación de algún mecanismo a través del cual determinar el valor de brillo asignado al píxel rectificado, por lo general para que se obtenga una imagen georreferenciada se utilizan alrededor de 100 a 140 puntos de control (JENSEN, 1996) Establecimiento de puntos de control Las funciones que permiten transformar coordenadas de la imagen al mapa precisan localizar una serie de puntos de control entre la imagen y el mapa. A partir de las coordenadas de estos puntos, puede estimarse una función que relacione ambos documentos. Por cuanto las funciones que se estiman a partir de esa muestra de coordenadas, la calidad del ajuste dependerá e a precisión con la que se localicen esos puntos, de este modo el RMS tendera a ser menor a 1 para que el desfase del pixel no sea mayor a este. (CHUVIECO, 1996) Realce de contraste El realce del contraste se llama operación por punto porque aplica independientemente un brillo o transformación de color a cada pixel en la imagen. Se puede realzar el contraste o resaltar rasgos específicos para hacer los datos más fáciles de interpretar (LOPEZ, 1988) Clasificación digital Para la mayor parte de los usuarios de la teledetección, la clasificación supone la fase de culminación del tratamiento digital de imágenes.

14 8 Hacia ella se orientan, casi siempre, las operaciones hasta aquí estudiadas. La clasificación digital se inicia definiendo cada una de las categorías que pretenden discriminarse; se trata de obtener el nivel digital, o mejor aún el rango de nivel digital, que identifica a cada categoría, para todas las bandas que intervienen en la clasificación (CHUVIECO, 2008). Existen dos tipos de clasificación; clasificación supervisada y no supervisada, la primera consiste en tener un cierto conocimiento de la zona (por trabajo en campo), y se seleccionan muestras (áreas de entrenamiento), para asignarle al cálculo, y la segunda no se conoce nada de la zona y su búsqueda de homogeneidad es automática (ALVA y CHAVEZ, 2004) Método supervisado El método supervisado parte de un cierto conocimiento de la zona de estudio, adquirido por excelencia previa o por trabajo de campo. Esta mayor familiaridad con la zona test, permite al interprete delimitar sobre la imagen unas áreas piloto, que se consideran suficientemente representativas de las categorías que componen la leyenda (CHUVIECO, 1996). Según CHUVIECO, 2008, las áreas denominadas campos de entrenamiento sirven para que el ordenador reconozca las distintas categorías, en otras palabras, a partir de ellas el ordenador calcula los niveles digitales que definen cada una de las clases, para luego asignar el resto de los pixeles de la imagen de esas categorías en función de sus niveles digitales Concesión de recursos forestales y de fauna silvestre Acto de naturaleza administrativa mediante el cual, el INRENA otorga el derecho de aprovechamiento de un determinado recurso forestal y/o de fauna silvestre, tanto para fines de producción de madera como de productos diferentes a la madera, incluyendo asimismo usos no extractivos, como el ecoturismo y la conservación. La concesión otorga al concesionario el derecho exclusivo para el aprovechamiento sostenible del recurso natural concedido, en las condiciones y con las limitaciones que establezca el título respectivo. La concesión otorga a su titular el derecho de uso y disfrute del

15 9 recurso natural concedido y, en consecuencia, la propiedad de los frutos y productos a extraerse. (OSINFOR, 2013) Reserva nacional Pacaya Samiria La RNPS es una de las Áreas Naturales Protegidas por el Estado más grandes del Perú, con una extensión de hectáreas. Se estableció originalmente como Zona Reservada en la cuenca del río Pacaya, en el año 1940, con el fi n de proteger el Paiche Arapaima gigas, el pez de agua dulce más grande del mundo. Actualmente protege la totalidad de la cuenca de los ríos Pacaya Samiria. Mediante Decreto Supremo Nº AG, del 4 de febrero de 1982, se amplía la RNPS a su superficie actual de 2 080,000 hectáreas con el objetivo de conservar los recursos de flora y fauna, así como la belleza escénica características del Bosque Tropical Húmedo. La Reserva Nacional Pacaya Samiria se ha caracterizado siempre por la aplicación de metodologías de planificación y manejo pioneras en el ámbito de la gestión de las ANP, siendo muchas de ellas replicadas con éxito en otras ANP s. Es justo reconocer, por tanto, el aporte de la Reserva Nacional Pacaya Samiria al manejo de los recursos naturales en la región y en el país, con la participación activa de todos los actores involucrados y la obtención de resultados exitosos desde el punto de vista de la conservación de la biodiversidad. Actualmente la RNPS es un destino priorizado por el Plan Estratégico Nacional de Turismo del Perú, es una de las 06 Áreas Naturales Protegidas con mayor afluencia de visitantes y recaudación y se encuentra actualmente priorizada por las instituciones públicas para su acondicionamiento, como es el caso de COPESCO y MINCETUR. Así mismo, es reconocida como una de las siete maravillas naturales de América Latina (UNALM, 1993).

16 10 III. MATERIALES Y MÉTODOS 3.1. Área de estudio El distrito de Nauta está ubicado en la zona sureste del departamento de Loreto, se ubicada en las coordenadas UTM m E m S, y ocupa una superficie de km 2 que representa el 1.815% del departamento de Loreto y el 0.527% del país. El territorio del distrito pertenece al denominado llano amazónico, cuya altitud oscila entre los 81 y 205 m.s.n.m. Figura 3. Mapa de ubicación del distrito de Nauta.

17 Materiales La cartografía digital utilizada como apoyo a la elaboración del estudio es la que se presenta a continuación: Cartografía digital base - INEI: Limites políticos, centros poblados - OSINFOR: Áreas de concesiones forestales, áreas de comunidades nativas, y ANP s Software de procesamiento - ArcGis Versión 10 - ENVI Classic Versión Google Earth - Google Chrome Equipo - LapTop ASUS: Intel(R) Core(TM) i7-3632qm 2.20GHz, Memoria RAM 8.00 GB Imágenes satelitales de mediana resolución - Imágenes satelitales LANDSAT TM 5 con resoluciones de 30m (cobertura total) con Path_Row: 7_63 y 6_63 (las cuales recubren el distrito de Nauta), con fecha de toma año Imágenes satelitales LANDSAT TM 5 orthorectificadas con resoluciones de 30m (cobertura total) con Path_Row: 7_63 y 6_63 (las cuales recubren el distrito de Nauta), con fecha de toma año 2003 y Metodología El procesamiento digital es realizado sobre cada una de las imágenes satelitales considerando que los resultados preliminares serán migrados a formato vector para realizar la etapa de edición.

18 12 Selección de imágenes satelitales Para la selección de imágenes se tuvo en cuenta su disponibilidad en el servidor del Instituto Nacional de Pesquisas Espaciais de Brasil, al cual se accede vía FTP, identificando las escenas a utilizar por tipo de sensor, ubicación o fecha de toma, previamente debemos estar suscritos al portal web del instituto Nacional de Pesquisas Espaciais INPE del gobierno Brasileño que proporciona sus imágenes gratuitamente con fines de investigación. El sensor utilizado para este estudio es Landsat TM 5 el cual es de libre disponibilidad, posee cobertura total del departamento, la cobertura repetitiva o multi temporal nos permitirá estudiar el comportamiento dinámico de los recursos naturales, cuyos cambios pueden ser identificados a través del tiempo, posee 7 bandas que interactúan dando un mejor contraste, combinación, realce y sobre todo con un adecuado trabajo de procesamiento y análisis provee de información geo referenciada a una escala de trabajo de 1 : (GÓNIMA y ALADOS, 2002). Cuadro 2. Selección de imágenes de satélite LANDSAT TM 5. COBERTURA CON IMÁGENES LANDSAT TM 5 National Institute for Space Research (INPE) Brazil Orden Path Row Fecha de toma Fuente: Elaboración propia (Área calculada con el SIG en proyección UTM, Huso: 18 sur, Datum WGS 84).

19 13 Figura 4. Índice de imágenes satelitales departamento de Loreto. Figura 5. Cobertura de imágenes Landsat TM 5 que recubren el distrito de Nauta (Path y Row: 6-63 y 7-63).

20 Procesamiento de información Orto rectificación de las imágenes satelitales Se utilizara una imagen geo referenciado con el mismo path y row, se generarán en promedio 40 puntos de control sobre cada imagen, distribuidos aleatoriamente y teniendo en cuenta que la mayor deformación ocurre en los extremos de la escena, esto reducirá el margen de error por desplazamiento, manteniendo un Error medio cuadrático (RMS) menor a 1 pixel que es la mínima unidad de investigación de la imagen satelital (WICKS y SMITH, 2002). Figura 6. Imagen satelital con desfase (no geo referenciada) Elaboración de clases sobre la imagen satelital En esta fase procedemos a extraer patrones con valores digitales comunes de acuerdo a una determinada característica identificada en el terreno, denominada también firmas espectrales. Esta acción se realiza con la finalidad de tener un número considerable de muestras para realizar la clasificación supervisada, las cuales posteriormente serán discriminadas; en este caso se creó las categorías de deforestación, bosque, nubes, sombra y cuerpos de agua (WICKS y SMITH, 2002).

21 15 Figura 7. Elaboración de patrones Mejoramiento en el contraste de la imagen satelital Se procederá a expandir o comprimir el contraste a un rango significativo de las bandas activas reasignando nuevos tonos a los pixeles, los colores claros se volverán más claros o los oscuros se vuelven más oscuros, de manera que mejorara la calidad visual de la imagen satelital y para su posterior interpretación. La expansión o compresión del contraste dependerá de la capacidad de visualización ofrecida por el sistema (REES et al., 2002).

22 16 Figura 8. Expansión del contraste de las bandas RGB Combinación de bandas El análisis digital se realizara sobre las 7 bandas y el análisis visual se realizara mediante la combinación en color verdadero 3, 2, 1 y con la composición falso color usando la combinación 7, 4, 2 realzando y definiendo mejor las unidades de deforestación. (OETTER et al., 2000) Determinación de las áreas deforestadas Se calcularan las áreas y porcentajes de las superficies deforestadas (previamente delimitadas) y el área total del distrito mediante la tabla de atributos en el ArcGis. Por lo que la información será administrada siguiendo patrones de estandarización dentro de una base de datos con el respectivo control de calidad de la institución, para que posteriormente sirva de insumos para generar reportes de supervisiones y/o en tomas de decisiones para estrategias de intervenciones (OSINFOR, 2013).

23 17 Figura 9. Mapa de las zonas de interés encontradas en el distrito de Nauta. Figura 10. Mapa temático de unidades de territorio.

24 18 IV. RESULTADOS 4.1. Orto rectificación de la imagen satelital Se ubicaron cuarenta puntos de control alrededor de toda la escena ubicando cada uno en puntos que el tiempo no modifique los pixeles, la mayor parte de ellos se ubicaron en quebradas donde el caudal no es lo suficientemente alto para modificar los causes, generalmente el punto se ubica en la intersección de cuarto pixeles para tener una mejor precisión y error. Figura 11. Ubicación de los 40 puntos de control dentro de la imagen satelital. En la ventana Image to Image GCP List se observa los cuarenta puntos de control detallado con las coordenadas x, y, junto con sus errores relativos y error absoluto.

25 19 Figura 12. Registro de la toma de los puntos de control con sus respectivos errores. El siguiente paso es visualizar en la opción Ground Control Points el error absoluto total de los cuarenta puntos y verificar si este no excede a 1, en este caso se obtuvo , lo que indica que los puntos se tomaron de manera precisa obteniéndose como resultado la escena geo referenciada. Figura 13. Verificación del error total obtenido. Figura 14. Imagen satelital geo referenciada.

26 Elaboración de clases o patrones de la imagen satelital Las unidades que se crearan para el estudio serán las de deforestación, bosque, nubes y rio, tomando un promedio de cinco muestras o firmas espectrales por cada uno, todo esto con el fin de extraer solo la unidad de deforestación con el cual se trabajara más adelante. Figura 15. Registro de la extracción de firmas espectrales de las categorías por deforestación, bosque, nubes y rio. Las unidades ya mencionadas de crearon de manera satisfactoria como se observa en la figura 16, en el que se muestra de color rojo la deforestación, los cuerpos de agua de color amarillo, los bosques de color verde y las nubes de color azul, también se puede apreciar que existen pixeles de color negro, estos pixeles fueron creados por defecto por el programa ya que no se tomaron al delimitar las firmas espectrales.

27 21 Figura 16. Categorías definidas por deforestación, bosque, nubes y ríos diferenciados por colores Mejoramiento en el contraste de la imagen satelital El procedimiento siguiente es la de obtener una mejor definición y visualización de la imagen satelital por lo que se aumentó el contraste a un 15% con ayuda del software Arcgis 10.2 como se muestra en la figura 17. El proceso de expansión del contraste se aplicó a la imagen con path y row 6 63, ya que la 7-63 se visualiza correctamente sin modificar su contraste.

28 22 Figura 17. Aumento de contraste en un 15% a las imágenes satelitales. Figura 18. Diferenciación de las imágenes satelitales antes y después de aumentar el contraste en un 15% Combinación de bandas Al cambiar la combinación de bandas de 3, 2,1 a 7, 4,2 se observa la gran diferencia ya que la banda 7 o también llamada infrarroja media muestra la irradiación de la vegetación gracias a los diferentes pigmentos de las plantas, de manera que se diferencia notoriamente cuando con cultivos o cuando es bosque, de la misma forma se diferencia si existe o no vegetación.

29 23 Figura 19. Path 006-Row 063, año Composición de imagen en color verdadero (R 3 rojo, G 2 verde y B 1 azul). Figura 20. Path 006-Row 063, del Composición falso color, usando infra rojo medio (R7 infrarrojo medio, G4 rojo, B2 verde).

30 Determinación de las áreas deforestadas Para finalizar se delimitaron y corrigieron algunos polígonos que se crearon por defecto por el software ENVI Classic, se crearon los mapas temáticos con los shapes de OSINFOR (Áreas naturales protegidas, comunidades nativas y concesiones) y se procedió a determinar sus áreas así como sus porcentajes relativas y absolutas. Figura 21. Mapa temático de deforestación.

31 25 Cuadro 3. Superficies de deforestación y centros urbanos dentro del distrito. Ámbito Superficie Área (km 2 ) Área (ha) Área (%) Territorio Distrito Nauta Deforestación Urbano Fuente: Elaboración propia (Área calculada con el SIG-OSINFOR en proyección UTM, Huso: 18 sur, Datum WGS 84). Figura 22. Mapa temático de deforestación en unidades de territorio.

32 Area (Ha) Territorio Distrito Nauta Deforestación Ambito Urbano Figura 23. Superficies de deforestación y centros urbanos dentro del distrito. 0% 3% Territorio Distrito Nauta Deforestación Urbano 97% Figura 24. Superficies de deforestación y centros urbanos dentro del distrito.

33 Area (Ha) 27 Cuadro 4. Superficies de deforestación en unidades de territorio. Superficie Territorio Área (ha) Área (km 2 ) Deforestación (ha) Deforestación (%) ANP Pacaya Samiria CC.NN Concesiones Áreas no concesionadas Distrito Nauta (TOTAL) Fuente: Elaboración propia (Área calculada con el SIG-OSINFOR en proyección UTM, Huso: 18 sur, Datum WGS 84) ANP CC.NN Concesiones Áreas no concesionadas Territorio Figura 25. Superficies de deforestación en unidades de territorio.

34 28 18% 6% 1% ANP CC.NN 75% Concesiones Áreas no concesionadas Figura 26. Superficies de deforestación en unidades de territorio.

35 29 V. DISCUSIÓN En la figura 11, se muestra las ubicaciones de los 40 puntos de control, observándose su distribución es aleatoria por toda la imagen satelital, ubicando cada punto con mucha precisión para evitar que el error medio cuadrático (RMS) aumente. Según JENSEN (1996), por lo general para que se obtenga una imagen geo referenciada se utiliza alrededor de 100 a 140 puntos de control, sin embargo en la presente práctica se utilizaron 40 puntos de control lo que indica que no es necesario ubicar demasiados para tener un buen ajuste de la imagen. En la figura 12 Se muestra el registro de los 40 puntos de control que se tomó con sus respectivos errores medio cuadráticos, visualizándose que todos estén aproximados a 1, y en la Figura 11, se muestra el error medio cuadrático (RMS) con un valor de (valor que tiende a acercarse a cero mientras se toman puntos de control con precisión) indicando que gran parte de nuestros puntos de control fueron tomados de forma precisa. CHUVIECO (1996), indica que la calidad del ajuste dependerá e a precisión con la que se localicen esos puntos, de este modo el RMS tendera a ser menor a 1 para que el desfase del pixel no sea mayor a este, lo que verifica que los puntos tomados fueron tomados de manera precisa. En la figura 15, se muestra el registro de las firmas espectrales se extrajo de la imagen satelital, como se puede observar se creo las clases para la deforestacion, bosque, nubes y rios, extrayendo para cada uno un promedio de 5 firmas espectrales (delimitacion de dos o mas pixeles con tonos similares), con el fin de proporcinar al software datos que pueda procesar. No obstante, en grandes areas como es el caso de la Amazonia peruana, la verificacion de campo es muy costosa, por lo que se hace necesario trabajar con estudios de vegetacion ya adelantados, como los realizados en OSINFOR.

36 30 En la figura 16, se muestra las regiones de interés en un formato raster creado en el software ENVI Classic 4.8, visualizándose que el área de color rojo corresponde a las superficies deforestadas, el color verde corresponde a las áreas boscosas, el color azul para las nubes y el amarillo para los ríos o cuerpos de agua. Según ALVA y CHAVEZ (2004), existen dos tipos de clasificación; clasificación supervisada y no supervisada, la primera consiste en tener un cierto conocimiento de la zona (por trabajo en campo), y se seleccionan muestras (áreas de entrenamiento), para asignarle al cálculo, y la segunda no se conoce nada de la zona y su búsqueda de homogeneidad es automática, en este proceso se utilizó el método de clasificación supervisada por lo que se tomó un promedio de 5 firmas espectrales o áreas de entrenamiento citados por CHUVIECO (1996) para definir las áreas de interés. LOPEZ (1988), indica que el realce del contraste se llama operación por punto porque aplica independientemente un brillo o transformación de color a cada pixel en la imagen. Se puede realzar el contraste o resaltar rasgos específicos para hacer los datos más fáciles de interpretar. Por otro lado se observa en la Figura 17 y Figura 18, en la primera se observa el aumentado en un 15% el contraste, aplicándose para cada una de las imágenes satelitales, y en la segunda figura se observa la intensificación de la energía recibida por el sensor para las bandas del espectro, obteniéndose una mejor definición y diferenciación. Según RIAZA (1994), la combinación más usada es la denominada color verdadero en la que se simula una fotografía con color real, para ellos se combinan las bandas del espectro visible del sensor TM, generalmente R=3, G=2 y B=1, cuya notación es 321. En la Figura 19, se muestra la imagen satelital vista desde el espacio (color verdadero), visualizándose que no existe mucha diferenciación entre las áreas deforestadas y el bosque. Se visualiza el agua profunda de color azul oscuro, es este caso los ríos están cargados de sedimentos (tierra o lodo) por lo que se muestran de color marrón claro, la vegetación en tonalidades verdes, los suelos aparecen en tonos marrones y tostados, y los suelos desnudos en tonos amarillentos y plateados, todo esto

37 31 se relaciona con lo dicho por el autor con respecto a la combinación de bandas 321. En la figura 20, se muestra el producto de una combinación de bandas que ayudan a diferenciar notoriamente las superficies deforestadas y el área del bosque. Esta combinación de falso color en base a la banda infrarroja media, donde la vegetación se presenta en color verde oscuro, en el caso de zonas deforestadas o zonas desnudas donde la tierra este descubierta se observara el color rosado, los centro poblados en tonos magenta claro y/o magenta oscuro (según la cantidad de edificación), las nubes tendrán colores blancos y los ríos azul o azul oscuro (dependiendo de la profundidad). La combinación de bandas 7,4,2 es utilizada en OSINFOR ya que es la que define mejor a la vegetación como a superficies, esto se debe a que en el infrarrojo cercano presenta una elevada reflectividad debido principalmente a la estructura celular interna de la hoja en esencia, de cuatro capas: la epidermis superior e inferior, el parénquima en empalizada y el mesófilo esponjoso, los cuales se visualizan mejor con la banda infrarroja media que va desde los 0.8 micrómetros como lo indica CHUVIECO (2008). En el cuadro 3, se muestran las áreas en km 2, ha y en porcentajes de las superficies en distintos ámbitos (Territorio Distrito Nauta, Deforestación y Urbano), teniendo al territorio de nauta con un 100% del área de estudio, con un 3.086% de área deforestada y con 0.024% de áreas urbanas. Según INRENA (1996), manifiesta que la tala de bosques en el departamento de Loreto existe alrededor de 54,000 has de bosque deforestado al año. De acuerdo con el estudio realizado el distrito de Nauta se lleva has con deforestación en sus distintos ámbitos, calculándose un 37% de deforestación con lo que indica INRENA. En el Cuadro 4, se muestran las superficies de cada unidad de territorio, la superficie de deforestación (ha y %) con respecto al área total del distrito, obteniéndose que las áreas no concesionadas tienen el valor más alto de deforestación con 75.13%, por cuestión que no existe algún responsable sobre estas áreas; según FAO (2004), la deforestación en el país se da en

38 32 primer lugar por la agricultura migratoria (apertura de terrenos agrícolas), la extracción ilegal (apertura de caminos y retiro de especies valiosas), y los incendios forestales, esto indica que las áreas no concesionadas tienden más a ser intervenidas ya sea para alguno de estos fines; por otro lado OSINFOR (2013), menciona que se otorga al concesionario el derecho exclusivo para el aprovechamiento sostenible del recurso natural concedido, coincidiendo con las áreas obtenidas dentro de las áreas concesionadas y CC.NN., las cuales tienen los menores porcentajes de deforestación. También se observa que el área natural protegida Pacaya Samiria está en segundo lugar de deforestación con 18.04%, sin embargo UNALM (1993), menciona que la superficie actual del ANP es de 2 080,000 hectáreas, sin detallar que existen áreas de intervención con el fin de extraer madera ilícitamente.

39 33 VI. CONCLUSIÓN 1. La georeferenciación de la imagen satelital se obtuvo con un error medio cuadrático (RMS) de 0.645, indicando que el desfase del pixel no fue mayor al tamaño de este con respecto a su resolución (30x30), lo que indica que los puntos de control fueron tomados de manera precisa ya que el RMS fue menor a Se elaboró clases para las distintas unidades de interés: deforestación, bosque, nubes y ríos, con el método de clasificación supervisada proporcionada por el software utilizando un promedio de 5 firmas espectrales, aclarando que estas unidades se obtuvieron por el medio de herramientas del software, más no por visita campo. 3. Se determinó que el aumento en un 15% del contraste en esta escena fue como un límite ideal, ya que aumentándolo o disminuyéndolo la imagen sufre distorsiones provocando que los pixeles claros se intensifiquen, dificultando la visualización al momento de trabajarlos con las herramientas del ArcGIS, por lo que se tuvieron efectos visuales significativos a diferencia de las imágenes originales. 4. La combinación de bandas 7, 4, 2 utilizadas por OSINFOR definió mejor las áreas descubiertas, cultivos recientes, pastizales, etc; visualizándose y diferenciándose claramente las áreas deforestadas con las superficies boscosas, de esta manera se pudo delimitar las áreas con mayor facilidad y exactitud. 5. La medición calculada de la deforestación en Nauta representa un 0.052% del total del territorio de la región Loreto, de manera similar ocurre en el distrito Nauta en el que la deforestación cubre el 3.085% con ha. Las áreas no concesionadas obtuvo el mayor porcentaje de deforestación

40 34 con 75.13% con un área de ha, seguido por el ANP Pacaya Samiria que obtuvo 18.04% con ha, las comunidades nativas con 6.01% y ha, las concesiones con 0.81% y ha, estas dos últimas registraron menor deforestación ya que existe un titular responsable de estos.

41 35 VII. RECOMENDACIONES 1. Utilizar imágenes satelitales que cuenten la mayor parte de la superficie despejada por nubes, de lo contrario se tendría que realizar correcciones radiométricas atmosféricas. 2. Relacionar la presente investigación con estudios ambientales y económicos de la zona con respecto a la deforestación como un aporte para instituciones competentes en materia forestal, programas forestales del gobierno regional de Loreto, y organismos como la OEFA, OSINFOR, entre otros, formar la base de proyectos de desarrollo. 3. Continuar estudios de este tipo que sirvan a la Universidad como ente de investigación en el campo de conservación y preservación que contribuya al desarrollo ambiental, social y económico en estas áreas. 4. Instruir a los estudiantes de las distintas facultades a tener el conocimiento sobre la fotointerpretación, el uso de sensores remotos y procesamiento digital de imágenes satelitales, que contribuyan a futuras investigaciones.

42 36 VIII. REFERENCIAS BIBLIOGRÁFICAS AVERY, E., GRAYDON, B Fundamentals of Remote Sensing and Airphoto Interpretaion. 5ta ed. New York, EEUU. Macmillan Publishing Company. 472 p. ALVA, W., y CHAVEZ, T Manual: procesamiento digital de imágenes. Tingo María, Perú, Universidad Nacional Agraria de la Selva. 40 p. CHUVIECO, E Fundamentos de Teledetección espacial. 2da ed. Madrid, España. Ediciones. Rialp. 450 p. CHUVIECO, E Teledetección Ambiental. Barcelona, España. 3ra edición. Ediciones Ariel S.A. 595 p. GÓNIMA, L. Y L. ALADOS Cálculo de la reflectancia a partir de datos de satélite, versión alternativa. Proceedings Tercera Asamblea Hispano Portuguesa Geodesia y Geofísica (Valencia, España), 3: INSTITUTO NACIONAL DE RECURSOS NATURALES (INRENA) Monitoreo de la Deforestación en la Amazonía Peruana. Lima Perú. JENSEN, J Introductory Digital Image Procesing: A Remote Sensing Persaective Prentice Hall. 2ª ed. Madrid, España. Ediciones Omega. 316p. FAO La mujer en la agricultura, medio ambiente y la producción rural, en el Perú. [En línea]: OFICINA REGIONAL DE LA FAO PARA AMÉRICA LATINA Y El CARIBE, 16 de septiembre del 2014). LOPEZ VERGARA, M. L., (1988). Manual de Fotogeología. 3ra ed. Madrid, España. (C.I.E.M.T.). 128 p. OSINFOR, Evaluación de áreas deforestadas y humedales en los departamentos de Loreto, Ucayali y Madre de Dios al año ra ed. Lima, Perú. Editorial Solvima Graf SAC. 118 p.

43 37 REESE, H., NILSSON, M., SANDSTRÖM, P., OLSSON, H. (2002): Applications using estimates of forest parameters derived from satellite and forest inventory data, Computers and Electronics in Agriculture, 37, pp RIAZA, A. (1994). Reflectancia en rocas en función de su litología y fabricacion interna. ITGE, Madri. 100p UNALM, Evaluación Ecológica de la Reserva Nacional Pacaya Samiria. Lima-Perú. Fundación Peruana para la Conservación de la Naturaleza. The Nature Conservancy. 152p. WICKS, T. E.; SMITH, G. M.; CURRAN, P. J. (2002): Polygon-based aggregation of remotely sensed data for regional ecological analyses, International Journal of Applied Earth Observation and Geoinformation, 4, pp

44 ANEXOS 38

45 39 Anexo 1. Proceso para orto rectificar. - Abrimos el Software ENVI Classic Versión 5. - Antes de realizar la orto rectificación debemos descargar una imagen con el mismo path y row que ya este orto rectificada para que nos sirva como base.

46 40 - Combinamos las bandas descargadas ingresando los archivos en formato TIF mediante el la herramienta de Layer Stacking para crear un solo archivo que los contenga a todos. - Visualizamos la imagen y seleccionamos las bandas 5, 4 y 3 en los colores rojo, verde y azul respetivamente.

47 41 - Hacemos lo mismo con la imagen orto rectificado. - Procedemos a ubicar puntos en común en toda la escena en las dos imágenes y añadiéndolas al registro, hasta completar 40 puntos.

48 42 - Una vez hallados los 40 puntos en común observamos el error que se genera y que debe estar entre un rango de 0.6 y 0.7, de lo contrario se tendrá que eliminar los puntos con mayor error y buscar otros con el fin de disminuirlo. - El siguiente paso será guardar los puntos y aceptar. El producto será una imagen geo referenciada lista para ser procesada.

49 43 Etapa de procesamiento en el software ENVI Classic 5 y ArcGIS Version Abrimos el software ENVI Classic 5. - Combinamos las bandas descargadas ingresando los archivos en formato.tif mediante el la herramienta de Layer Stacking para crear un solo archivo que los contenga a todos.

50 44 - Una vez combinada todas las bandas la visualizamos para diferencias con detalle las áreas deforestadas seleccionando las bandas 5, 4 y 3 de los colores rojo, verde y azul respectivamente. - Extraemos firmas espectrales que servirán para crear distintas unidades como deforestación, bosque, nubes y ríos.

51 - Mediante la herramienta de clasificación supervisada procedemos a crear las unidades de deforestación, bosque, nube y ríos en formatos RASTER Visualizamos el resultado y lo comparamos con la imagen LANDSAT, teniendo en cuenta que la clase de deforestación contenga a las áreas deforestadas en un 95% o más.

52 46 - Una vez de visualizar la imagen y de estar seguro que el RASTER contenga a las áreas deforestadas procedemos a migrarlo a un formato VECTOR para luego convertirlo en un formato SHP. - Seguidamente abrimos el software ArcGis Versión 10.2.

53 - Abrimos el shape recién creado junto con la respectiva imagen LANDSAT Eliminamos el fondo negro, aumentamos el contraste en un 20% y seleccionamos las bandas 7,4 y2 en los colores rojo, verde y azul respectivamente para distinguir con mayor facilidad las áreas deforestadas.

54 - Nos acercamos aumentando el zoom a una escala de 1: , observando la delimitación del área deforestada por el software Seguido procedemos a inicial la edición del Shape (capa de la unidad de deforestación) y con ayuda de las herramientas: Edit vértices (Edición de vértices), Construction tools (herramientas de construcción; polígonos y líneas) y con las barras de Edicion y de Advanced editing, mejorando la capa con rasgos más finos y cubriendo las áreas que no fueron delimitadas por el software.

55 - El siguiente paso es delimitar las áreas deforestadas pero que están tapadas por las nubes Mediante una extensión del ArcGis migramos el formato Shp. Al formato KML. El cual es compatible con el Google Earth.

56 - Buscando la imagen satelital más cercana al año de la imagen LANDSAT podremos observar con claridad el área Una vez visualizada el área sin nubes en el Google Earth procedemos a terminar de delimitar las áreas deforestadas faltantes.

57 51 - Una vez terminada la delimitación de toda la escena, hacemos lo mismo con la siguiente, teniendo como resultado la delimitación completa de todo el distrito de Nauta. - Como producto final tenemos un mapa temático de deforestación del distrito de Nauta.