USO DE SENSORES REMOTOS EN LA GESTIÓN DEL TERRITORIO

Los suelos se forman a partir de la meteorización de las rocas, por lo tanto, el material que contengan éstas influirá directamente en el material resultante. La composición mecánica, química y mineralógica de los suelos, en las primeras etapas de su desarrollo, tiene directa relación por la composición de las rocas formadoras y solamente en etapas de evolución y desarrollo posterior, dan origen a la formación de perfiles de suelos maduros, con horizontes bien diferenciados. Sobre todo en regiones tropicales, los suelos adquieren características diferentes a la roca madre; sin embargo, las rocas formadoras del suelo influyen de manera directa en la composición y propiedades de la masa de suelo (Hérnandez Jímenez, y otros, 2006).

En la literatura se identifican diferentes metodologías para caracterizar los suelos (Guevara-Ochoa, Bruno, Vives, Zimmermann, & Gandini, 2018); estudios recientes demuestran la factibilidad técnica de llevar a cabo este tipo de análisis mediante teledetección (Fernández-Fierro, Carlos, Andrés, & Magdy, 2020).; Sin embargo; este tipo de técnicas presentan limitaciones cuando existen coberturas que impiden la observación directa del suelo en las imágenes, lo que lleva a la búsqueda de nuevas técnicas indirectas que permitan trabajar características que se relacionen entre sí, como por ejemplo; especies de plantas que crecen o se desarrollan en sitios donde predomina un determinado grupo textural, ya sea por las características físicas o químicas de esos suelos, estos indicios generan la posibilidad de aprovechar la relación que existe entre la granulometría y la cobertura vegetal a través del uso y la aplicación de la teledetección. Los resultados de los análisis de la interacción de las capas de textura del suelo y cobertura vegetal nos permiten identificar zonas potenciales a erosión hídrica, facilitando a los planificadores una mejor toma de decisiones para el ordenamiento territorial (Carlos, Murugan, & Dávila, 2014).

En las últimas décadas, el avance tecnológico ha tenido un impacto notable en la forma como se estudia la superficie de la Tierra. Investigaciones recientes afirman

(National Remote Sensing Agency (NRSA), Hyderabad, 2002). Por lo que es importante analizar herramientas de clasificación de cobertura del suelo para estudios que permitan identificar los rasgos texturales por su granulometría (fino, medio, grueso) y la relación que tienen entre la pedología y cobertura vegetal, correlacionados con el material parental (génesis) (Suárez, Jiménez, Castro, & Cruz, 2017), además de ser vital en los estudios, monitoreo, cuantificación de recursos naturales y fenómenos naturales, entre otros (Backoulou, Elliott, Giles, & Mirik, 2015).

El procesamiento de imágenes satelitales proporciona información sobre la textura y características de la superficie (Warner, Nellis, & Foody, 2009). Para esto, en el caso en el que el sensor satelital proporciona información directa del suelo, se pueden aprovechar características espectrales asociadas a las propiedades reflectivas de imágenes multiespectrales para realizar el análisis utilizando clasificación supervisada. Por otra parte, cuando el sensor satelital proporciona información sobre la cobertura, se puede realizar un análisis indirecto del suelo mediante interconexiones con la cobertura.

En este documento se describe un estudio de caso en el cual se realizó la caracterización de la interacción entre la geopedología y la cobertura vegetal natural de la hoja geológica Arajuno escala 1: 100 000 localizada al costado oriental de la Sierra, en la zona Subandina del Ecuador (Figura1). Caracterización realizada mediante como: geomorfología, geopedología, capacidad y uso de las tierras, uso y cobertura del suelo, conflictos de uso del suelo y aptitud agrícola entre otras, la dirección ejecución de mencionado proyecto estaba a cargo de: SENPLADES, MAGAP, IEE, INIGEMM; y tuvo una duración de 6 años (2009 -2015).

Para la clasificación supervisada por el tipo de grano se utilizó imágenes ASTER, las cuales presentan las mayoría de clastos de cuarzo lechoso con matriz arcillo-arenosa cuarzosa; depósitos gruesos, (clastos y matriz arenosa a conglomerática) y clastos de granito o de rocas metamórficas. La granulometría de los depósitos es fuerte y sus elementos alcanzan a veces más de 1 metro de diámetro (Figura 2).

El compósito Aster con la menor cantidad de nubes ayudó a que la clasificación a partir de RF sea un insumo importante al momento que el algoritmo pueda identificar características texturalesv y la relación que tiene con la vegetación (Figura 3).

La clasificación (Figura 4B), muestra una similitud respecto a los datos generados inicialmente con la

El tipo de grano medio a fino presentan características de suelo entre arcillo-limoso y arcillo-arenoso que por sus características tienen mayor capacidad de retención de agua, lo que refleja la presencia de humedales; adicionalmente se observa que la clasificación es efectiva por la utilización de las bandas del SWIR y TIR; del sensor ASTER; según (Gonzaga, 2014) (Figura 2).

El tipo de grano grueso se identifica en la zona suroeste de la hoja de Arajuno, pudiendo evidenciar principalmente cerca a redes hídricas y guardando relación con cultivos de ciclo corto.

En relación con las características geológicas, se puede evidenciar que en la parte sur-oeste de la hoja de Arajuno existe la presencia de texturas profundas con características areno-francoso y franco-arenoso, las cuales bajo una comparativa general con la Formación Mera tiene semejanza, puesto que la formación está conformada por depósitos de composición gruesa, esencialmente constituidos de material volcánico (clastos y matriz arenosa a conglomerática) y en menor proporción de clastos de granito o de rocas metamórficas, además la granulometría de los depósitos es fuerte y sus elementos alcanzan a veces más de 1

Como comentario final, con el estudio de caso se evidenció que el porcentaje de exactitud de la clasificación obtenido es el

66,16 % dando un valor aceptable con relación al total de la zona de estudio, considerando que este dato puede mejorar obteniendo mayor cantidad de datos de entrenamiento; con lo que se puede concluir que el uso de sensores remotos y la implementación del algoritmo especializados pueden ser un aporte importante para la gestión del territorio.

Con los análisis realizados se observa que el tipo de vegetación está relacionado con la clase textural del suelo, puesto que en grano grueso existe poca presencia de vegetación a diferencia del grano medio a fino que tiene mayor presencia de vegetación, como por ejemplo cultivos de ciclo corto/largo. Además, se debe considerar que existe un margen de error durante la identificación que realiza el algoritmo entre grano fino y medio, error que se puede atribuir a la retrodispersión de la imagen, en cuanto a la detección de estas dos variables.