Master Thesis ǀ Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en
Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University of Salzburg ǀ Universidad de Salzburg
Análisis espaciotemporal en procesos de eutrofización por actividades de piscicultura intensiva en la represa de Betania (Colombia) Time-space analysis of eutrophication processes due to intensive fish farming activities in the Betania reservoir (Colombia) by/por
Ing. Hector Alexander Montaña Pacheco 11826639 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science– MSc Advisor ǀ Supervisor: Anton Eitzinger PhD
Bogotá D.C. – Colombia, mayo 24 de 2021
COMPROMISO DE CIENCIA Por medio del presente documento, incluyendo mi firma personal certifico y aseguro que mi tesis es completamente el resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.
Bogotá D.C., mayo de 2021
____________________________ Héctor Alexander Montaña Pacheco
DEDICATORIA Dedico este trabajo de investigación a Dios, a mi esposa Yolanda y a mi hija Valeria, quienes son mis compañeras de viaje y principal motivación, además de su valioso apoyo en la consecución de esta importante meta en mi vida.
4
RESUMEN
La represa de Betania en el Departamento del Huila, Colombia, no solamente ha sido la principal fuente de generación eléctrica del suroccidente colombiano, sino también ha enmarcado una próspera actividad económica alrededor de la producción piscícola mediante el cultivo intensivo de peces. Sin embargo, los procesos de intervención antrópica en su desarrollo han generado presiones ambientales en el cuerpo de agua conduciendo al detrimento de la calidad de agua y del balance del ecosistema. Estos procesos de producción involucran la intervención de factores químicos y biológicos que alteran los procesos naturales y conducen a la eutrofización del cuerpo de agua debido al exceso de fósforo disuelto. En este trabajo, fue posible establecer la firma espectral del fosforo y su visualización y distribución en el cuerpo de agua de la represa de Betania, mediante la utilización de las imágenes satelitales y la aplicación de métodos estadísticos para su procesamiento digital, logrando así identificar su incidencia en los estados tróficos de la represa. Específicamente se realizó un análisis multitemporal para los años 2007 y 2020 sobre imágenes Landsat 5 y 8, respectivamente, aplicando la combinación de bandas establecidas según la firma espectral definida y su relación con las áreas detectadas con presencia de biomasa. Si bien, la resolución de la imagen de 2007 no aportó los resultados esperados, la imagen de 2020 permitió establecer las áreas con presencia de fosforo y que en su mayoría son concordantes con las áreas de ubicación de las piscinas o jaulas de producción piscícola. PALABRAS CLAVE: Piscicultura, Eutrofización, Procesamiento Digital de Imágenes, Análisis Espaciotemporal, Firma Espectral, Landsat
5
ABSTRACT The Betania reservoir in the department of Huila, Colombia, has not only been the primary source of electricity generation in the southwestern of Colombia but also it has framed a prosperous economic activity around fish production in the form of intensive fish farming. However, the anthropic intervention processes in its development has generated environmental pressures on the waterbody, leading to deterioration of water quality and ecosystem balance. These production processes involve the intervention of chemical and biological factors that alter the natural processes and derive into the eutrophication of the waterbody due to the excess of dissolved phosphorus. In this work, it was possible to establish the spectral signature of phosphorus and its visualization and distribution in the Betania reservoir through satellite images and the application of statistical methods for their digital processing, thus identifying its direct impact on the trophic states in the waterbody. Specifically, a multitemporal analysis for the years 2007 and 2020 was performed based on Landsat 5 and 8 images, respectively, applying band combinations established according to the defined spectral signature and its relationship with areas detected with biomass presence. Although, the 2007 image resolution did not provide the expected results, the 2020 image allowed to establish areas with phosphorus presence, mostly consistent with location areas of cages or pools of fish production. KEY WORDS: Fish Farming, eutrophication, Digital Image Processing, Time-space analysis, Spectral Signature, Landsat
6
TABLA DE CONTENIDO
1.
INTRODUCCIÓN .......................................................................................... 12 1.1.
ANTECEDENTES .................................................................................. 12
1.2.
OBJETIVOS ........................................................................................... 13
1.2.1. Objetivo General: .............................................................................. 13 1.2.2. Objetivos específicos: ....................................................................... 13
2.
1.3.
PREGUNTAS DE INVESTIGACIÓN ...................................................... 14
1.4.
HIPOTESIS DE INVESTIGACION ......................................................... 14
1.5.
JUSTIFICACION .................................................................................... 14
1.6.
ALCANCE .............................................................................................. 15
REVISION DE LITERATURA ........................................................................ 17 2.1.
Las represas .......................................................................................... 17
2.1.1. Afectaciones ambientales en la construcción de represas ............... 18 2.2.
La eutrofización ...................................................................................... 18
2.2.1. Etapas en el proceso de eutrofización .............................................. 19 2.2.2. Estados de la eutrofización ............................................................... 20 2.3.
La piscicultura ........................................................................................ 21
2.3.1. Tipos de cultivos piscícolas .............................................................. 22 2.3.2. Capacidad de carga .......................................................................... 22 2.3.3. Aporte a los procesos de eutrofización ............................................. 23 2.3.4. La piscicultura en la represa de Betania ........................................... 23 2.4.
Teledetección ......................................................................................... 24
2.4.1. Componentes de la teledetección..................................................... 24 2.4.2. Espectro Electromagnético ............................................................... 25 2.4.3. Interacciones de la radiación solar en la atmosfera terrestre............ 26 2.5.
Sensores remotos y satélites ................................................................. 27
2.5.1. Tipos de sensores ............................................................................ 27 2.5.2. Tipos de resolución de un sensor: .................................................... 28 2.5.3. Tipos de sensores según su resolución espacial .............................. 29 2.6.
Principales repositorios públicos de imágenes satelitales...................... 32
2.6.1. USGS EARTH EXPLORER .............................................................. 32 2.6.2. Plataforma Google Earth Engine ...................................................... 33 2.6.3. LandViewer ....................................................................................... 35 2.7.
Procesamiento Digital de Imágenes....................................................... 36
2.7.1. Análisis Multitemporales ................................................................... 37
7
2.7.2. Firmas Espectrales ........................................................................... 39 2.7.3. Índice de correlación de Pearson ..................................................... 41 3.
METODOLOGIA............................................................................................ 43 3.1.
Área de estudio ...................................................................................... 43
3.2.
Flujograma Metodológico ....................................................................... 45
3.3.
Definición de insumos ............................................................................ 46
3.3.1. Adquisición de imágenes objetivo en Google Earth Engine ............. 48 3.3.2. Proceso de análisis ........................................................................... 50 4.
RESULTADOS .............................................................................................. 54 4.1.
Escenario 1: septiembre de 2007.......................................................... 54
4.1.1. Visualización NDVI septiembre de 2007 ........................................... 56 4.2.
Escenario 2: enero de 2020 ................................................................... 57
4.2.1. Visualización NDVI enero 2020 ........................................................ 59 5.
ANALISIS DE RESULTADOS ....................................................................... 61
6.
CONCLUSIONES Y RECOMENDACIONES ................................................ 64
7.
BIBLIOGRAFIA ............................................................................................. 66
8
LISTA DE FIGURAS Figura 1. Represa de Betania .............................................................................. 17 Figura 2. Componentes de un sistema de teledetección ..................................... 25 Figura 3. Espectro electromagnético ................................................................... 26 Figura 4. Plataforma de imágenes USGS............................................................ 33 Figura 5. Esquema de funcionamiento de imágenes en Google Earth Engine.... 34 Figura 6. Distribución de herramientas y utilidades del visor Google Earth Engine ............................................................................................................................. 35 Figura 7. Visor de imágenes de LandViewer ....................................................... 36 Figura 8. Ejemplo de aplicación del índice de vegetación ................................... 39 Figura 9. Espectro de reflectancia generalizado en algunos materiales de la superficie de la tierra. ........................................................................................... 40 Figura 10. Ubicación del embalse de Betania en el territorio colombiano ........... 44 Figura 11. Flujograma metodológico ................................................................... 46 Figura 12. Imagen del embalse de Betania y ubicación de puntos de muestreo en color verdadero composición RGB 5-7-2.............................................................. 48 Figura 13. Script de descarga de imagen del área de estudio e incorporación de la ubicación de puntos de muestreo. .................................................................... 49 Figura 14. Script de configuración del grafico de firma espectral. ....................... 50 Figura 15. Comportamiento espectral del muestro tomado en estaciones de campo................................................................................................................... 51 Figura 16. Comportamiento de bandas espectrales respecto a cada punto de campo................................................................................................................... 52 Figura 17. Índice de correlación Pearson para el fosforo vs bandas espectrales analizadas. ........................................................................................................... 53
9
Figura 18. Concentración de fosforo en puntos de muestreo para la imagen Landsat 5 de 2007. Combinación de bandas RGB 4-5-2. Sectores norte y sur del brazo Magdalena. ................................................................................................. 55 Figura 19. Visualización del nivel de biomasa en el cuerpo de agua del embalse de Betania, usando el índice NDVI. ...................................................................... 56 Figura 20. Ubicación de áreas con presencia de fosforo en los puntos de muestreo para imagen Landsat 8. Combinación de bandas RGB 4-5-2. ............. 58 Figura 21. Visualización del nivel de biomasa en el cuerpo de agua del embalse de Betania, usando el índice NDVI. ...................................................................... 59
10
LISTA DE TABLAS Tabla 1. Criterios de aplicación del Índice OCDE (1982) ..................................... 21 Tabla 2. Resolución espacial de algunos sensores ............................................. 28 Tabla 3. Serie de satélites Landsat y sus rangos de vigencia. ............................. 30 Tabla 3. Ubicación y medición de contenido de fosforo en los puntos de muestreo. ............................................................................................................................. 47 Tabla 4. Valores radiométricos obtenidos en la investigación.............................. 51
11
ACRONIMOS ARVI
Índice de vegetación resistente a la atmósfera
DANE
Departamento Administrativo Nacional de Estadística
EVI
Índice de Vegetación Mejorado
IGAC
Instituto Geográfico Agustín Codazzi
NDVI
Índice de Vegetación de Diferencia Normalizada
OCDE
Organización para la Cooperación y el Desarrollo Económicos
PVI
Índice de Vegetación Perpendicular
RVI
Índice de Proporción de Vegetación
SAVI
Índice de Vegetación Ajustado al Suelo
SEVIRI
Spinning Enhanced Visible and InfraRed Imager
SIG
Sistema de información geográfica
SPOT
Systeme Probatoire d'Observation de la Terre
TOA
Datos de reflectancia espectral
12
1. INTRODUCCIÓN 1.1.
ANTECEDENTES En la actualidad, los procesos de explotación de recursos naturales
requieren de un análisis de sostenibilidad, de tal forma que la búsqueda por la maximización de beneficios económicos esté restringida a la minimización de perjuicios en el medio ambiente y al aseguramiento del recurso en el largo plazo.
En el mundo, una de las actividades que requieren de mayor control para asegurar esta sostenibilidad es la piscicultura, y específicamente la piscicultura intensiva. Esta consiste en el cultivo de peces en piscinas artesanales con una alimentación exclusivamente artificial. De aquí que, en los procesos de alimentación de los alevinos tratados, la alta cantidad de fósforo en el alimento asegura el rápido crecimiento de los peces, pero también genera cambios en las características del cuerpo de agua, aumentando la disponibilidad de nutrientes, el crecimiento de algas y la consecuente variabilidad extrema del oxígeno disuelto, en un proceso conocido como eutrofización.
En Colombia, el principal cuerpo de agua con actividad piscícola intensiva es la represa de Betania, ubicada en el departamento del Huila, en el centro occidente del territorio colombiano. La actividad piscícola ha consolidado en gran parte el desarrollo económico de la región, pero a su vez los procesos de producción intensiva han generado procesos de eutrofización.
Es necesario entonces un seguimiento, análisis y un plan de manejo de esta actividad para hacerla sostenible en el tiempo. Si bien, existen estudios a nivel investigativo respecto a niveles de eutrofización en el cuerpo de agua de la represa de Betania, no se ubican análisis espacio temporales sobre el comportamiento de estos procesos en el cuerpo de agua mediante la definición de una zonificación para dichos procesos.
13
Mediante la utilización de herramientas SIG y de procesamiento de imágenes satelitales, se pretende generar una zonificación en relación a las diferentes dinámicas de los procesos de eutrofización y articular estas con modelos matemáticos específicos que permitirán determinar niveles óptimos en las tazas de alimentación piscícola, que permitan minimizar los niveles de eutrofización localizados.
1.2.
OBJETIVOS
1.2.1. Objetivo General:
-
Determinar a nivel espacial y temporal (2007 y 2020) el estado de
eutrofización en función de los niveles de fosforo, en la represa de Betania en el departamento de Huila en Colombia.
1.2.2. Objetivos específicos: •
Identificar los procesos físicos y químicos y las variables más relevantes
involucrados para la caracterización de la calidad de agua de cuerpos de agua con piscicultura intensiva. •
Integrar y recolectar información de las variables físicas y químicas
relevantes que se hayan reportado por diferentes estudios en la represa de Betania a nivel espacial y temporal. •
Generar escenarios de análisis del estado de eutrofización de la represa de
Betania en función de las concentraciones de fosforo, mediante herramientas de procesamiento digital de imágenes, sistemas de información geográfica y modelos matemáticos, a partir de la información recolectada.
14
1.3. •
PREGUNTAS DE INVESTIGACIÓN
¿Cuáles son los niveles de fosforo resultantes de la actividad piscícola como aportantes a los procesos de eutrofización existentes en el embalse de Betania?
•
¿Como se caracteriza a nivel espectral mediante imágenes satelitales, la concentración de fosforo en el cuerpo de agua del embalse de Betania?
•
¿Cuáles son los escenarios a determinar en las temporalidades a analizar, respecto a la identificación de áreas eutrofizadas en función del fosforo en el cuerpo de agua del embalse de Betania?
1.4.
HIPOTESIS DE INVESTIGACION
La utilización de imágenes satelitales permite determinar los niveles de eutrofización en la represa de Betania (Colombia).
1.5.
JUSTIFICACION Actualmente en Colombia el recurso hídrico se encuentra intervenido de
manera considerable y a gran escala por parte de la población civil, involucrando esto procesos tanto industriales, domésticos, artesanales, entre otros y que así mismo, generan grandes volúmenes de residuos y desechos que afectan considerablemente la calidad del agua y por ende los procesos naturales de renovación y propios del ciclo del agua, que al final genera desbalances y alteraciones importantes en los ecosistemas en los que interviene el agua, es decir casi en la totalidad de estos.
Si bien, la piscicultura se ha consolidado como un importante renglón de la economía colombiana, los procesos de cultivo empleados en grandes cuerpos de
15
agua, deben involucrar controles relacionados con los métodos de alimentación y de manejo de residuos por parte del cultivador, en cabeza de las autoridades ambientales competentes para tales fines.
Es por lo anterior, que mediante un diagnóstico certero acerca de los diversos escenarios a nivel espacial y temporal de los factores que afectan, no solo el proceso de calidad en los cultivos piscícolas sino en los factores ambientales entorno a la calidad del agua, se podrán generar criterios de peso en relación a la mejor ubicación de las jaulas para el cultivo piscícola sino además en torno a la mejor definición de tazas de alimentación, población, reproducción y los demás factores relevantes, con el fin de lograr una mejor utilización del recurso hídrico en función de las demás utilidades del agua.
La generación de un estudio de estas características, en el cual se logre visualizar claramente la espacialización de los escenarios, permite que se tenga una herramienta de decisión a nivel local, que permitirán encaminar acciones hacia las mejores prácticas, así como la identificación de otros y/o nuevos escenarios, que permitan la mejor utilización de los recursos naturales en el entorno.
1.6.
ALCANCE Los análisis multitemporales se consolidan como una técnica importante
para determinar de forma eficaz y eficiente, los diversos comportamientos en el tiempo respecto a los diversos escenarios existentes en el territorio, en virtud de las bondades el procesamiento digital de imágenes para tal fin.
El estudio y análisis espacial de los niveles de eutrofización en la represa de Betania permitirá establecer un patrón de comportamiento temporal respecto al comportamiento de los fenómenos que intervienen en tales niveles, esto en función de factores como los niveles de fosforo y clorofila entre otros. Esto permitirá contar con un insumo de gran importancia al momento de definir estrategias de control de cargas orgánicas en el cuerpo de agua, así como la identificación de otros posibles
16
escenarios de contaminación, con el fin de consolidar una herramienta clave en los indicadores de gestión de calidad de agua en función con otros elementos del entorno, tales como la vegetación circundante a la represa y las demás actividades socioeconómicas en torno a esta.
Los resultados generados en este estudio podrán ser utilizados por parte de personal profesional y técnico que se encuentre involucrado en el monitoreo de la calidad de agua, no solamente con fines de generación de energía, sino en la definición y ajuste de estándares y normativas en relación al control ambiental tanto en la actividad piscícola, como en la calidad de aguas servidas de los asentamientos poblados ubicados en la periferia del embalse.
17
2. REVISION DE LITERATURA 2.1. Las represas
Las represas son estructuras artificiales cuyo objeto es retener y/o desviar agua con el fin de obtener un aprovechamiento o evitar algún riesgo sobre un área específica. Esta construcción se caracteriza por la edificación de un muro construido de manera perpendicular a la dirección del cuerpo de agua y la cual puede ser usada para fines de consumo humano, riego, generación eléctrica, piscicultura, turismo, entre otros (Concepto.de, s. f.). Es importante mencionar que el concepto de embalse corresponde al cuerpo de agua como tal que alberga la represa, el cual tiene una profundidad especifica.
Teniendo en cuenta su uso, la represa de Betania, objeto del presente estudio, corresponde a una represa de almacenamiento y que su fin está destinado principalmente a la generación de energía eléctrica, según la infraestructura ilustrada en la figura1.
Figura 1. Represa de Betania. (Fuente: El Tiempo, Casa Editorial, 2017)
18
2.1.1. Afectaciones ambientales en la construcción de represas
La construcción y puesta en funcionamiento de las represas, involucran impactos ambientales que alteran equilibrios ecológicos e incluso climáticos. Como concepto especifico, según Ramírez y Grattz (2012):
Las represas grandes son un perjuicio para el ambiente porque inundan ecosistemas valiosos, alteran dramáticamente el flujo natural del agua, desestabilizan el hábitat de la vida silvestre y obstruyen las trayectorias de diversas especies, por mencionar sólo algunos de los impactos. La eutrofización por cultivo de peces y por vegetación inundada, el vertimiento de aguas residuales, de riego, en los cultivos acuícolas que pueden tener influencias en la sedimentación de sólidos suspendidos por modificación de la velocidad y dirección de las corrientes, ya que éstas alteran el régimen de flujo; la utilización de aditivos en los cultivos de arroz entre otros (p. 83).
2.2. La eutrofización
La eutrofización es la acumulación de los cuerpos de agua con nutrientes a un nivel acelerado, por lo cual no puede ser equilibrado por el proceso natural de eliminación o mineralización. Según Abella y Martínez (2012):
La eutrofización ha sido identificada como la principal causa de deterioro de la calidad del agua, que puede restringir su uso para pesca, recreación, industrial y de consumo. La eutrofización es un proceso que puede ser irreversible, que se presenta en los ecosistemas acuáticos lénticos como respuesta al enriquecimiento de ciertos nutrientes, llevando al perjuicio de la calidad del agua por el incremento abundante en la densidad de las comunidades de fitoplancton, las cuales poseen un periodo de vida relativamente corto, por lo que al morir y ser descompuestas por las bacterias aeróbicas provocan la disminución del oxígeno disuelto en el agua,
19
desarrollando condiciones hipóxicas o anóxicas, creando medios letales para el desarrollo óptimo de organismos vivos (pp. 244-245).
Lo anterior se puede evidenciar en el crecimiento descontrolado de vegetación y otros organismos, los cuales, en sus procesos naturales de reproducción y crecimiento, así como en su putrefacción, consumen grandes cantidades de oxígeno disuelto, con una contribución mayor de materia orgánica. Según (iAgua, 2018): La eutrofización afecta a la calidad de las aguas ya que al aumentar la podredumbre y agotarse el oxígeno, las aguas adquieren un olor nauseabundo. El olor de estas aguas puede ocasionar pérdidas económicas (turismo, áreas que pierden valor…), problemas respiratorios y su consumo puede ocasionar problemas sanitarios a las personas de la zona. También puede afectar a la producción piscícola de una zona, ya sea esta extracción o mediante el cultivo. La acuicultura puede producir un mayor aporte de nutrientes a las aguas circundantes por lo que deben ser supervisadas y gestionadas con delicadeza (¶ 10,11).
2.2.1. Etapas en el proceso de eutrofización •
Etapa de proliferación de organismos primarios:
En el medio ideal sin alguna fuente de contaminación, los procesos de fotosíntesis en el cuerpo de agua en los organismos existentes permiten la correcta asimilación del oxígeno por parte de estos (Angulo, 2014). Cuando la materia orgánica aparece en el medio, comienza un proceso de oxidación y la intervención de bacterias aerobias, las cuales transforman dicha materia orgánica en nutrientes que permiten el desarrollo y aumento de cantidad de organismos como algas y plantas (Balcorta y Guerrero, 2010).
20
•
Etapa de degradación aerobia:
En esta etapa se empiezan a manifestar cambios a nivel físico como el color del agua, aparición de la turbiedad, entre otras, los cuales no permiten el acceso directo de la luz y por ende los procesos de fotosíntesis de los organismos vegetales se alteran y los procesos de respiración a nivel bacteriano se obstaculiza debido a la muerte de organismos como las algas. Lo anterior genera la disminución del oxígeno disuelto y cambios en el pH del agua (Angulo, 2014). •
Etapa de degradación anaerobia:
Esta etapa se caracteriza por la extinción total del oxígeno disuelto y por ende la muerte de organismos y bacteria aerobias. La actuación de las bacterias anaerobias se incrementa y el agua se generan gases olorosos como el metano, amonio, entre otros. La reacción entre el agua y los sulfuros generados forman ácido sulfhídrico produciendo olores nauseabundos. Así mismo se incrementa la acidez del agua (Balcorta y Guerrero, 2010). •
Etapa de anoxia
En esta etapa es predominante la afectación de las poblaciones por parte de los niveles de acidificación del cuerpo de agua (Balcorta y Guerrero, 2010).
2.2.2. Estados de la eutrofización
Según Romero (s.f.): El estado trófico de un ecosistema acuático puede definirse como la relación entre el estado de nutrientes del ecosistema y el crecimiento de la materia orgánica en el mismo, y conocerlo es fundamental a la hora de gestionarlo. En la mayor parte de los casos, el factor de limitación en aguas dulces es el fósforo y en aguas salinas suele ser el nitrógeno (p. 2).
21
Para medir el estado trófico de un sistema y hacer comparaciones con otros sistemas, se utilizan índices calculados para diferentes parámetros. Estas comparaciones se establecen entre datos tomados en campo y unos valores establecidos cada rango (Ledesma, Bonansea, Rodríguez y Sánchez, 2013). Estos últimos han sido establecidos por la Organización para la Cooperación y el Desarrollo Económico (OCDE) en 1982, como se observa en la tabla 1. Tabla 1. Criterios de aplicación del Índice OCDE (1982)
Concentración
Máximo de
Profundidad
de fósforo
clorofila
de Secchi
(mg/m3)
(mg/m3)
(m)
Ultraoligotrófico
≤4
≤2.5
≥12
Oligotrófico
≤10
≤8
≥6
Mesotrófico
10-35
8-25
6.3
Eutrófico
35-100
25-75
3-1.5
Hipereutrófico
≥100
≥75
≤1.5
Estado trófico
2.3. La piscicultura
La piscicultura se entiende como la actividad de cultivo de organismos o especies acuáticas con el fin de generar una explotación económica que implica la intervención del medio de cultivo para el aumento de la producción.
Estos cultivos se implementan en corrales y jaulas dispuestas en el cuerpo de agua y se diferencian en que las jaulas son de tipo flotante, es decir no están limitadas por el lecho; los corrales si utilizan el lecho del cuerpo de agua para limitar la circulación de los peces (Rueda, 2016).
22
2.3.1. Tipos de cultivos piscícolas
Según la intensidad de alimentación artificial, se presentan tres tipos: •
Extensivos: los peces se alimentan de lo que dispongan en el medio natural tal como plancton, organismos en suspensión, detritos, entre otros, sin implicar la necesidad de aporte de otros tipos de alimentos (Beveridge, 1986).
•
Semi-intensivos: se combina lo que se disponga en el medio y alimentación proporcionada por el piscicultor (alimento tipo concentrado). Los contenidos proteicos se disponen en cantidades menores al 10% del total, mediante la preparación de algún subproducto agrícola (Beveridge, 1986).
•
Intensivos: Solamente se dispone de alimento tipo concentrado con contenidos mayores al 20% de proteína, con base en la harina de pescado como principal alimento para los alevinos (Beveridge, 1986).
Para los dos primeros casos, la producción se orienta a pequeños niveles de producción y/o autoconsumo. Para el cultivo intensivo la producción es mucho mayor, lo que involucra la implementación de jaulas y/o corrales con el fin de orientar la productividad y viabilidad de un proyecto a gran escala (Rueda, 2016).
2.3.2. Capacidad de carga
La capacidad de carga se define como el límite determinado que tiene un ecosistema para soportar una población de organismos en función de la productividad, capacidad de renovación y adaptabilidad de estos (Subgerencia Cultural del Banco de la República, 2015).
Esta capacidad de carga se consolida como un factor dependiente de las condiciones ambientales del entorno. Para estas condiciones, la disponibilidad de
23
nutrientes naturales y su impacto en el desarrollo de la subsistencia del ecosistema acuático y en específico de los peces, permiten definir la relación entre estos nutrientes y el desarrollo de la biomasa del cultivo piscícola (Beveridge, 1986).
De lo anterior, que la disposición natural del fósforo en medios naturales es baja, lo cual va en contravía con el desarrollo del crecimiento óptimo de los peces y por ende en la prosperidad de un cultivo piscícola; así que este fósforo se debe disponer en los cultivos de forma artificial mediante las aplicaciones de raciones de alimento.
2.3.3. Aporte a los procesos de eutrofización
Si bien, en el proceso de alimentación artificial de los cultivos piscícolas están orientados a mejorar la biomasa de los peces y por ende la productividad de estos cultivos, la abundancia de los nutrientes presentes en el cuerpo de agua deriva en la aparición de procesos de eutrofización.
Se ha reconocido al fosforo como responsable de la eutrofización (Chin, 2013). Para el caso de los cultivos piscícolas, este fosforo se manifiesta del alimento concentrado sin ingerir o de los excedentes de las heces de los peces (Angulo, 2014).
Este escenario de incremento de fosforo se manifiesta con el aumento del crecimiento de algas, descomposición de materia orgánica, disminución de niveles de oxígeno disuelto y finalmente muerte masiva de peces causada por hipoxia.
2.3.4. La piscicultura en la represa de Betania
Desde 1987, la principal función de la represa de Betania es la generación de energía eléctrica. Sin embargo, esta represa se ha consolidado como un importante enclave de producción piscícola en Colombia, con una producción de
24
22.000 toneladas, aportando aproximadamente el 45% de la producción nacional de Tilapia en un estimado de 34 hectáreas de jaulas (El Nuevo Siglo, 2019).
2.4. Teledetección
La teledetección se define como una técnica que permite obtener información de objetos sobre la superficie terrestre sin involucrar algún tipo de contacto material, mediante un sensor óptico ubicado en una plataforma ya sea aerotransportada o satelital.
Este proceso es posible mediante el análisis del flujo de radiación, cuyo origen parte desde el objeto terrestre y puede ser de tres tipos: •
Radiación solar reflejada: Luz visible e infrarrojo reflejado.
•
Radiación emitida por los objetos: infrarrojo térmico.
•
Radiación emitida por el sensor y reflejada por los objetos: Radar
Los dos primeros se denominan teledetección pasiva y la última teledetección activa (Universidad de Murcia, s.f.a).
2.4.1.
Componentes de la teledetección
El proceso de teledetección relaciona componentes principales tales como una fuente principal de energía como es el sol, una cobertura terrestre especifica ya sea vegetación, cuerpos de agua y construcciones civiles, las cuales reflejan la radiación solar con diferentes niveles de respuesta hacia un sensor cuya función es capturar las imágenes del área o áreas de interés. Esta imagen es llevada a un formato especifico mediante un receptor, del cual se toma para hacer un postproceso de correcciones digitales y visuales realizadas por un intérprete, quien
25
a su vez genera reportes en informes temáticos para el usuario final. Este proceso se puede apreciar en la figura 2.
Figura 2. Componentes de un sistema de teledetección. (Fuente: Chuvieco, 1996)
2.4.2.
Espectro Electromagnético
La radiación y la luz emitida por el sol se ubica en un rango o espectro amplio de bandas según su longitud de onda o frecuencia (Chuvieco, 1996). Estas bandas espectrales se clasifican en: •
Espectro visible: (0.4 a 0.7 micrones). En esta banda se ubican las radiaciones electromagnéticas que el ojo humano puede percibir.
•
Infrarrojo: (0.7 a 14 micrones). En esta banda es posible detectar masas vegetales y humedad concentrada, así como la reflexión de radiación solar y de emisión de la superficie terrestre.
26
•
Microondas: (mayor a 1mm.). Energía que permite hacer análisis con áreas nubosas.
El detalle de la distribución de estas bandas espectrales, puede ser observado en la figura 3.
Figura 3. Espectro electromagnético. (Fuente: Casanova, 2009)
2.4.3.
Interacciones de la radiación solar en la atmosfera terrestre
Teniendo en cuenta el ambiente gaseoso de la atmosfera terrestre y sus componentes químicos, se presentan los siguientes eventos físicos: •
Refracción: Debido a la presencia de diferentes capas con diferentes condiciones, la propagación de la energía electromagnética no es rectilínea, sino que toma cierta curvatura.
•
Reflexión: Según el ángulo de incidencia, si este es muy pequeño la energía electromagnética tiende a reflejarse hacia el espacio, impidiendo esto su penetración a la atmosfera.
27
•
Dispersión: Debido a la densidad y tipo de las partículas en suspensión y/o gases presentes en la atmosfera.
•
Absorción:
Para gases como el ozono, vapor de agua y el anhidrido
carbónico, hacen que la teledetección solamente se limite a ciertas bandas del espectro, lo que se denomina ventanas atmosféricas (CENS 453, s.f.).
2.5. Sensores remotos y satélites
Los sensores son dispositivos diseñados para lograr detectar señales electromagnéticas con el fin de convertirla en un formato físico para su almacenamiento. Las características intrínsecas de la información capturada dependen del tipo de sensor utilizado y la altura de captura de la información (IGAC, 2007).
2.5.1. Tipos de sensores
Existen 2 tipos de sensores: •
Pasivos: Son los sensores que capturan información electromagnética reflejada por elementos terrestres, proveniente de otra fuente diferente al sensor. En este tipo de sensor se ubican las fotografías aéreas, imágenes multiespectrales, sensores térmicos, exploradores de barrido multiespectral, entre otros (CENS 453, s.f.).
Activos: Son los sensores que detectan la información reflejada a partir de su propia fuente de emisión de radiación electromagnética. Los dispositivos aquí incluidos corresponden a radar, el cual trabaja con la región del espectro de microondas y el Lidar que trabaja rangos del espectro entre el ultravioleta y el infrarrojo cercano (CENS 453, s.f.).
28
2.5.2. Tipos de resolución de un sensor
La salida de radiación emitida o reflejada de un objeto o cobertura, se manifiesta de modo continuo en 4 dimensiones: espacio, tiempo, longitud de onda y radiancia. Un sensor debe interpretar cada una de estas dimensiones en la resolución para cada uno (CENS 453, s.f.). •
Resolución espacial: Se refiere al tamaño del objeto más pequeño que se puede distinguir en una imagen, es decir, el tamaño del pixel según la tabla 2, sobre el terreno (Pérez y Muñoz, 2006). Tabla 2. Resolución espacial de algunos sensores (Fuente: Pérez y Muñoz, 2006)
RESOLUCION SATELITE
ESPACIAL
QUICKBIRD
0.61 m
IKONOS
1m
ORBVIEW 3
1m
SPOT 5
2.5 m
SPOT 3
•
SENSOR
HRV pan
10 m
LANDSAT 7 ETM+pan
15 m
LANDSAT 5
TM pan
30 m
MOS
VTIR
900 m
NOAA
AVHRR
1100 m
METEOSAT
VISSR
5000 m
Resolución radiométrica: Indica la capacidad del sensor para identificar las variaciones que en la radiación se presentan. Esta se representa en niveles digitales que se pueden captar. A mayor precisión radiométrica, mayor cantidad de detalles se pueden identificar en la imagen (Universidad de Murcia, s.f.b).
•
Resolución temporal: Se refiere al lapso de tiempo que el sensor tarda en tomar imágenes de la misma zona objeto de estudio o análisis. Esto se
29
encuentra condicionado al tipo de orbita, ángulo de toma y velocidad del sensor (Pérez y Muñoz, 2006). •
Resolución espectral: Se refiere al número de bandas espectrales y el ancho de cada una de estas que puede discriminar un sensor. Cuanto mayor sea el número de bandas detectadas mayor es la resolución espectral del sensor (Pérez y Muñoz, 2006). Esta resolución se clasifica en monoespectral, como la aplicada para imágenes de radar, multiespectral que utiliza de 2 a 5 bandas espectrales e hiperespectral que utiliza más de 5 bandas espectrales. De lo anterior, a mayor cantidad de bandas, mayor capacidad de análisis de la imagen.
2.5.3. Tipos de sensores según su resolución espacial
Desde hace varias décadas, se han desplegado diversas misiones satelitales, orientadas según la resolución espacial indicada en la tabla 3, al estudio de diversas temáticas, abarcando desde estudios a nivel mundial hasta análisis de objetos en un territorio.
2.5.3.1. Misión NOAA y Meteosat
Para los años 60 y 70 fueron desplegadas estas misiones con el objetivo de hacer estudios de índole meteorológico a escala mundial y continental. Estos sensores fueron desarrollados para la detección y análisis de factores como: •
Seguimiento, temperatura, reflectividad, espesor y cálculo de contenido de vapor de agua en nubes.
•
Temperatura superficial del mar.
•
Temperatura y humedad del suelo.
30
Actualmente, el sensor SEVIRI (Spinning Enhanced Visible and InfraRed Imager) permite la adquisición de imágenes con mejor resolución espacial brinda una mejor utilidad en el seguimiento a los diversos fenómenos meteorológicos (Universidad de Murcia, s.f.b).
2.5.3.2. Misión Satelital Landsat
El programa satelital Landsat corresponde a un programa de observación terrestre gestionado entre el Servicio Geológico de los Estados Unidos y la Agencia Espacial Estadounidense NASA, con el fin de hacer monitoreo principalmente orientado a los recursos naturales y el medio ambiente. Este programa inició en el año 1972 con el lanzamiento de ERTS-1 (Landsat 1) y con diversos avances posteriores llegando al satélite Landsat 8, el cual fue lanzado en 2013, según la descripción de la tabla 3. (Geomática Ambiental, 2019). Tabla 3. Serie de satélites Landsat y sus rangos de vigencia.
Landsat 1
23/07/1972 – 06/01/1978
Landsat 2
22/01/1975 – 25/01/1982
Landsat 3
05/03/1978 – 31/03/1983
Landsat 4
16/06/1982 – 14/12/1993
Landsat 5
07/03/1984 – 05/06/2013
Landsat 6
03/10/1993 - Lanzamiento fallido.
Landsat 7
1999 - actualidad
Landsat 8
2013 – actualidad
Fuente: Geomática Ambiental (2019)
En relación a las series de satélites más recientes, las imágenes Landsat 7 y 8 corresponden a imágenes hiperespectrales.
31
2.5.3.3. Misión SPOT
El proyecto SPOT (Systeme Probatoire d'Observation de la Terre), comienza en 1986 y al igual que la misión Landsat, su objeto es el análisis de recursos naturales. Para el año 1998 es lanzado el ultimo sensor con mejoras significativas respecto a resolución (10 metros), así como la introducción de módulos adicionales con bandas preestablecidas para análisis de vegetación específicos (Universidad de Murcia, s.f.b).
2.5.3.4. Misión Sentinel
Esta misión comenzó a operar desde el mes de abril de 2014 con los sensores Sentinel 1. Para el mes de junio de 2015 entra en funcionamiento el Sentinel 2 y por último para el mes de febrero de 2016 fue lanzado el sensor Sentinel 3. Las imágenes proporcionadas por estos sensores se ubican en el rango de los 10 a 20 metros, con una gran variedad de bandas las cuales incluyen bandas térmicas, además de presentar correcciones atmosféricas (para Sentinel 2 y 3), así como el despliegue de herramientas para la observación detallada de los océanos, monitoreo ambiental y del clima (MasterGIS, 2019).
2.5.3.5. Imágenes de alta resolución
Desde 1999, los sensores como Ikonos, Quickbird, entre otros, han permitido obtener imágenes de resoluciones menores a 5 metros, abordando el análisis cartográfico para estudios a nivel regional, pero en mayor alcance, de índole puntual. La aplicación de estas imágenes permite la realización de estudios en ámbitos como: •
Agricultura de precisión: en monitoreo de cultivos, niveles de humedad, aplicación de fertilizantes, entre otros.
32
•
Catastro urbano, rural y de redes: En definición y cambio de tipología de construcciones, espacio público, distribución de equipamiento, uso del suelo, y redes de servicios públicos, telecomunicaciones y transporte.
•
Infraestructura, obras públicas, explotaciones mineras y petroleras.
•
Áreas vulnerables o afectadas por riesgos de desastres: En la determinación de factores como geomorfología, áreas inundadas, áreas contaminadas.
•
Inventario de recursos naturales: En áreas forestales, cuerpos de agua, yacimientos, entre otros (González, 2010).
2.6. Principales repositorios públicos de imágenes satelitales
Actualmente, existen varias plataformas que disponen de diversos tipos de imágenes satelitales. Según su utilidad y temporalidad, estas plataformas permiten acceder, ya sea de forma gratuita o mediante compra directa, a repositorios específicos de diversas áreas del globo terrestre. Entre las más populares se ubican:
2.6.1. USGS EARTH EXPLORER
Esta plataforma dispuesta por el Servicio Geológico de Estados Unidos dispone de una variedad muy amplia de datos ópticos y de radar, así como de datos de modelos digitales de elevación, entro otros productos, disponibles para su consulta y descarga gratuita a través de su explorador Earth Explorer de la figura 4.
33
Figura 4. Plataforma de imágenes USGS. (Fuente: U.S. Geological Survey, 2021)
Las imágenes disponibles en esta plataforma no presentan ningún tipo de corrección, por lo cual, deben ser objeto de preprocesamiento para su correcta utilización. Para su descarga, se pueden ingresar las coordenadas del área requerida o mediante la utilización de un polígono digital previamente generado del área de interés.
2.6.2. Plataforma Google Earth Engine
La plataforma Google Earth Engine es una aplicación de datos en la nube de información digital de diferentes sensores remotos de aproximadamente 40 años y que “combina un catálogo con petabytes de imágenes de satélite y conjuntos de datos geoespaciales con capacidades de análisis a escala planetaria y lo pone a disposición de científicos, investigadores y desarrolladores con el fin de detectar cambios, mapear tendencias y cuantificar diferencias en la superficie de la Tierra” (Morales, 2020, ¶ 3).
34
Figura 5. Esquema de funcionamiento de imágenes en Google Earth Engine. (Fuente: Google Earth Engine, 2020)
En los repositorios en la nube que contienen la información disponible por GEE para su consulta, existen imágenes Landsat que ya tienen realizada la corrección radiométrica al tope de la atmosfera, siendo esto una ventaja, ya que los diferentes preprocesamientos representan la inversión de tiempo y recursos en la parte de análisis de datos. “… se muestra el potencial de fusionar la creación de visores con la incorporación de imágenes satélites y datos vectoriales, así como, diferentes tipos de algoritmos y análisis que permiten el procesado de dicha información para añadirlos directamente al visor” (Ramos, 2018, ¶ 13).
2.6.2.1. Interfase de aplicación de Google Earth Engine
Google Earth Engine permite tener interoperabilidad con código de programación en JavaScript mediante un editor de código ubicado en la pantalla principal, según lo ilustrado en la figura 6.
35
Figura 6. Distribución de herramientas y utilidades del visor Google Earth Engine. (Fuente: Morales, 2020)
Para el proceso de obtención de imágenes y procesamiento digital de estas mediante análisis espectral y aplicación de índices espectrales empleados en esta investigación, se requirió acudir a herramientas de programación, análisis estadístico y visualización de bandas.
2.6.3. LandViewer
Consiste en un base de datos articulada con una interfaz de consulta de imágenes Landsat y Sentinel entre otras y que permite realizar análisis mediante varias herramientas dispuestas para tal fin (Earth Observing System, 2021). Estas imágenes son de visualización gratuita y con precio de compra para descarga. El visor de imágenes, en la figura 7, contiene una serie de herramientas SIG, como de análisis y calculadora raster, así como la disposición de algoritmos predefinidos para el cálculo de índices espectrales.
36
Figura 7. Visor de imágenes de LandViewer. (Fuente: Earth Observing System, 2021)
2.7. Procesamiento Digital de Imágenes
Según Basterra (2011):
El procesamiento digital de imágenes, es la aplicación de técnicas matemáticas, estadísticas y computacionales, que permiten mejorar, corregir, analizar y extraer información de las imágenes captadas por los sensores a borde de los satélites. El procesamiento digital permite realizar operaciones complejas, muy costosas o inaccesibles para el análisis visual. Tiene la ventaja de permitir una rápida comparación de fenómenos multitemporales por la accesibilidad a la información que posee (p.22).
Este procesamiento digital presenta tres etapas: Preprocesamiento, realce o mejoramiento y clasificación.
Preprocesamiento: Se realiza con el fin de corregir las distorsiones radiométricas y geométricas de la imagen. Tales distorsiones se generan debido a factores atmosféricos, geométricos y de instrumentos (Teledet, s. f.).
37
Realce o mejoramiento: Se realiza con el fin de optimizar el potencial de interpretación de una imagen mediante la utilización de métodos de contraste, aplicación de filtros, combinaciones de colores, entre otros ajustes (Teledet, s. f.).
Clasificación: En este aparte se genera información a partir de la imagen analizada mediante la aplicación de modelos y agrupamientos espectrales que permiten establecer rangos temáticos, según la finalidad del análisis (Teledet, s. f.).
2.7.1. Análisis Multitemporales
Los análisis multitemporales se definen como análisis espaciales mediante la comparación en diferentes periodos de tiempo, para diversos tipos de coberturas en un área específica de terreno, teniendo como soporte, diversos tipos de imágenes de sensores o mapas sobre los cuales se realizan evaluaciones de cambios, los cuales son susceptibles de clasificación y permiten deducir la evolución de un fenómeno ya sea natural o antrópico (Chuvieco, 1996).
2.7.1.1. Técnicas de detección de cambios
Para la detección de cambios en imágenes con fechas diferentes, se usan técnicas definidas en métodos cualitativos y cuantitativos.
2.7.1.1.1. Métodos cualitativos •
Composiciones multitemporales: Consiste en aplicar una asignación de banda espectral ya sea rojo, verde o azul a una imagen de una fecha y otra asignación a otra imagen de la misma zona, pero con diferente fecha, con otra asignación de banda. Esto es, como ejemplo, a la imagen 1 se aplica la banda R y a la imagen 2 la banda G. Los cambios se verán en las áreas que
38
no ubiquen mezcla de color entre la banda R y la banda G (Sánchez y Toral, 2014). •
Componentes
principales:
Se
aplica
generando
bandas
no
correlacionadas, mejorando la interpretación visual. Se aplica una banda estable a la información inicial detectando así la información nueva en la imagen posterior (Sánchez y Toral, 2014).
2.7.1.1.2. Métodos cuantitativos •
Índices de vegetación: Los índices de vegetación a nivel espectral, se han desarrollado y utilizado como un método indirecto para la estimación de entornos o variables de tipo biofísico de la capa vegetal de un área o comarca especifica. Basados en la radiancia y la reflectividad, según la figura 8, se caracterizan por la combinación de dos o más bandas espectrales. Según Muñoz (2013): Al hablar de índices, se refiere a un conjunto de operaciones algebraicas efectuadas sobre los valores numéricos de los pixeles, usando dos o más bandas pertenecientes a la misma escena… Estos índices, son utilizados para mejorar la discriminación entre el suelo y la vegetación, reduciendo el efecto del relieve en la caracterización espectral de las diferentes cubiertas. (p.2)
Dentro de los índices más conocidos se encuentran: ✓ NDVI: Índice de Vegetación de Diferencia Normalizada ✓ ARVI: Índice de vegetación resistente a la atmósfera ✓ SAVI: Índice de Vegetación Ajustado al Suelo ✓ PVI:
Índice de Vegetación Perpendicular
✓ RVI:
Índice de Proporción de Vegetación
✓ EVI:
Índice de Vegetación Mejorado
39
Figura 8. Ejemplo de aplicación del índice de vegetación. (Fuente: Toribio, 2019)
•
Diferencia o cociente entre imágenes: Según Sánchez y Toral (2014), “consiste en una simple resta o cociente entre las imágenes de dos fechas, que permite discriminar aquellas zonas que han experimentado cambios entre esas fechas” (p. 65). Esta operación diferencia las zonas con cambios con un cociente igual a 1 para las zonas con cambios y valor 0 para las zonas sin modificaciones.
•
Vectores multitemporales: Involucra cambios temporales según a la dirección de estos. El cambio se ubica en función de la distancia euclidiana y el ángulo entre las dos fechas de análisis (Sánchez y Toral, 2014).
2.7.2. Firmas Espectrales
Las firmas espectrales se definen como la forma en que un objeto absorbe, emite o refleja le energía conformando un patrón espectral, permitiendo la identificación y discriminación de diferentes objetos del terreno, según lo ilustrado en la figura 9. Este patrón espectral se genera o construye a partir de la señal registrada en los sensores remotos para las diferentes posiciones del espectro electromagnético (Karszenbaum y Barrazza, s. f.).
40
Figura 9. Espectro de reflectancia generalizado en algunos materiales de la superficie de la tierra. (Fuente: Fajardo, 2018).
En
cuerpos
de
agua,
las
firmas
espectrales
permiten
definir
comportamientos como la delineación de estos respecto a áreas secas mediante la utilización del infrarrojo, aplicación del espectro visible para determinar condiciones del agua, detección de contenidos de clorofila en la banda verde, la utilización del ultravioleta, azul y verde en la detección y delimitación de derrames de petróleo, entre otras (Karszenbaum y Barrazza, s. f.).
2.7.2.1. Índice de Vegetación Diferencial Normalizado NDVI
Según Muñoz (2013), el NDVI:
Minimiza efectos topográficos y produce escala lineal de medición. La escala va de –1 a 1 con el valor cero representando el valor aproximado donde empieza la ausencia de vegetación. Los valores negativos representan
41
superficies sin vegetación. La normalización que realiza, reduce el efecto de la degradación de calibración del sensor y la influencia de los efectos atmosféricos. Gran sencillez matemática.
La fórmula de aplicación del NDVI a imágenes multiespectrales corresponde a: NDVI = (NIR – RED) / NIR + RED En donde: NIR : Infrarrojo cercano RED : Banda del rojo
2.7.3. Índice de correlación de Pearson
Según Onofre (2019):
El índice o coeficiente de correlación de Pearson, es el más utilizado para estudiar el grado de relación lineal existente entre dos variables cuantitativas. Se suele representar por r y se obtiene tipificando el promedio de los productos de las puntuaciones diferenciales de cada caso (desviaciones de la media) en las dos variables correlacionadas (p. 26).
2.7.3.1. Cálculo del índice de correlación de Pearson
Para el cálculo del índice se aplica la siguiente formula:
En donde: •
σXY: Covarianza o el grado de variación conjunta de las dos variables.
•
σX:
Desviación estándar de la variable X
•
σY:
Desviación estándar de la variable Y
42
Los límites de variación del índice de correlación de Pearson corresponden al intervalo entre -1 y 1, caracterizándose por las siguientes condiciones: •
Si r = 1: La correlación positiva en correcta, es decir que se refleja la dependencia total entre variables. Es decir que, si se aumenta en una variable, la otra también aumentara en la misma proporción de la primera.
•
Si r se ubica entre 0 y 1: La correlación es positiva.
•
Si r = 0: No se presenta una relación lineal.
•
Si r se ubica entre 0 y -1: La correlación es negativa.
•
Si r= -1: La correlación negativa se denomina perfecta caracterizándose por una relación inversa, es decir si una variable crece, la otra disminuye en la misma proporción de la primera (Fallas, 2012).
43
3. METODOLOGIA 3.1. Área de estudio El embalse de Betania se ubica en el departamento de Huila – Colombia, en los municipios de Campoalegre, Hobo y Yaguará, figura a 35 kilómetros de la ciudad de Neiva. Localizado en el valle alto del Rio Magdalena a 2°42’ de latitud norte y 75°26’ de longitud oeste, con una altura promedio de 561 metros sobre el nivel del mar, cuenta con una extensión de 7.400 hectáreas distribuidas en 2 áreas denominadas brazo Yaguara y brazo Magdalena ubicadas, izquierda y derecha respectivamente según la figura 10; además de un potencial de almacenamiento de 2000 millones de metros cúbicos de agua que permiten generar un aproximado de 510.000 Kw (Larrahondo, s.f.).
44
Figura 10. Ubicación del embalse de Betania en el territorio colombiano. (Fuente de datos: DANE, 2020)
45
El clima promedio en el área del embalse se ubica en 24°C con una media de precipitación pluvial anual de 1000 a 2000 mm (Angulo, 2014).
El embalse de Betania, según Bravo (2017): Presenta un caudal de entrada promedio mensual de 463.26 m3/s, con un valor máximo de 755.2 m3/s, y mínimos de 145.08m3/s. El caudal de descarga promedio mensual es de 388.6 m3/s., con un caudal máximo de 819.0 m3/seg., y mínimo de 166 m3/s. El tiempo de residencia de las aguas es en promedio de 50 días con un valor máximo de retención de 130 días y mínimo de 24 días, valores que reflejan el grado de estabilidad en el manejo hidráulico del sistema y su alta capacidad de retención de sedimentos (p.46).
Las actividades piscícolas se desarrollan en jaulas con cerca de 85 proyectos para
grandes,
medianos
y
pequeños piscicultores,
los
cuales
cultivan
principalmente tilapia roja aportando aproximadamente el 45% de la producción nacional. “En los últimos diez años, la producción piscícola del Huila ha tenido un crecimiento significativo al pasar de 17.645 toneladas en el 2009 a 58.131 toneladas en el 2018, dado principalmente por el incremento en la producción de tilapia roja y plateada” (Sánchez, 2020, ¶ 12).
3.2.
Flujograma Metodológico
El flujograma metodológico para este estudio, ilustrados en la figura 11, consiste inicialmente en la definición del tipo de información tanto grafica como alfanumérica, establecida por unos criterios de selección, así como el posterior proceso de procesamiento, aplicación del análisis multitemporal según los parámetros establecidos y finalmente el análisis de resultados.
46
Figura 11. Flujograma metodológico
3.3.
Definición de insumos Para el análisis de acumulación de contenido de fosforo (P), como elemento
primario en los procesos de eutrofización en el embalse de Betania, se utilizaron los datos generados de la tesis de maestría “Perdida de Fosforo en Zonas de Cultivo de Tilapia en el embalse de Betania” (Marriner, 2008), en la cual se realizó un muestreo en campo de puntos con actividad piscícola intensiva, ubicados estos en el denominado brazo Magdalena y en los cuales se hicieron mediciones respecto a las caracterizaciones físicas y químicas del agua, tales como profundidad,
47
temperatura, pH, saturación de oxígeno, niveles de nitrógeno, fósforo, entre otros. Para este estudio se utilizaron los datos del fósforo tomados para el mes de julio de 2007, según lo descrito en la Tabla 4. Tabla 4. Ubicación y medición de contenido de fosforo en los puntos de muestreo. (Fuente: Marriner K, 2008) CONTENIDO NOMBRE PUNTO DE
DE FOSFORO
MUESTRA
LATITUD
LONGITUD
(mg/m2)
CARAGUAJA
2.62420000000
-75.47840000000
0.42
LOS PIJAOS
2.67990000000
-75.42090000000
0.56
BOTERO
2.63450000000
-75.44640000000
0.37
LAS BRISAS
2.64740000000
-75.45440000000
0.30
COMEPEZ
2.65240000000
-75.43090000000
0.32
NUEVA YORK
2.66440000000
-75.45550000000
0.31
PACANDE
2.67520000000
-75.44870000000
0.24
LAS ISLAS
2.69450000000
-75.43290000000
0.25
AGUAS ABIERTAS
2.69460000000
-75.43990000000
0.33
PUENTE AMARILLO
2.59204104415
-75.46518093900
0.45
Por otra parte, para la selección de imágenes, se utilizaron las imágenes Landsat 5 del año 2007 y Landsat 8 de 2020. Lo anterior, teniendo en cuenta que estas imágenes son de uso y descarga gratuita, a diferencia de las imágenes Sentinel o SPOT, las cuales, aunque presentan mejor resolución espacial y espectral para los fines de esta investigación, involucran costos de descarga según el área de interés y su extensión. Así mismo, las mencionadas imágenes fueron descargadas de la plataforma Google Earth Engine, esto debido a que esta plataforma permite descargar las imágenes con las correcciones atmosféricas y geométricas ya realizadas sobre dichas imágenes, permitiendo así, que se puedan realizar los análisis requeridos sin procesos adicionales. Las demás plataformas ya vistas, no involucran las mencionadas correcciones sobre las imágenes contenidas en sus repositorios.
48
3.3.1. Adquisición de imágenes objetivo en Google Earth Engine
Para la adquisición de las imágenes para este proyecto, se procedió a generar la escena, respecto al área de estudio y la fecha de toma, la cual corresponde con el periodo de toma de muestras en campo mencionadas en la tabla 3, el mes de julio de 2007. Al momento de realizar la búsqueda, se logró ubicar una imagen del mes de septiembre de 2007 (figura 11), ya que, para el mes de julio, se ubican imágenes multiespectrales con nubosidad que no permiten el análisis objeto del estudio.
Figura 12. Imagen del embalse de Betania y ubicación de puntos de muestreo en color verdadero composición RGB 5-7-2. (Fuente de la imagen: Google Earth Engine, 2020)
49
Para la figura 12, esta se descargó de la plataforma Google Earth Engine, mediante la generación de un script, en lenguaje JavaScript, adicionando, además, los puntos de muestreo, con la sintaxis presentada en la figura 13.
Figura 13. Script de descarga de imagen del área de estudio e incorporación de la ubicación de puntos de muestreo.
Con las coordenadas georreferenciadas de los 10 puntos de toma de muestras para el fosforo, se localizaron en la imagen Landsat 5 de fecha 2007-0927, esta a su vez tiene una resolución espectral de 7 bandas, pero se tomaron, para el cálculo de los valores radiométrico 6 bandas las cuales son, B1, B2, B3, B4, B5 Y B7, exceptuando la B6 termal. Es decir, se tomó el valor de reflectancia del pixel en cada longitud de onda, para caracterizar el comportamiento radiométrico del contenido de fosforo en el espejo de agua de la represa de Betania, según la figura 14, mediante el siguiente código:
50
Figura 14. Script de configuración del grafico de firma espectral.
3.3.2. Proceso de análisis Con el fin de caracterizar a nivel espectral la concentración de fosforo en el cuerpo de agua y una vez adquiridas las imágenes, se procede a realizar la caracterización del comportamiento espectral del contenido de fosforo en el espejo de agua. Esto se realiza mediante la ponderación del promedio de la intensidad de energía reflejada por cada pixel y sus vecinos para cada imagen, esto con el fin de generar la gráfica de la firma o huella espectral, ubicando en el eje de las abscisas las respectivas bandas espectrales del sensor Landsat 5 y en el eje de las ordenadas el valor espectral según la figura 15.
51
Figura 15. Comportamiento espectral del muestro tomado en estaciones de campo.
Posteriormente, se generaron las estadísticas básicas en el software Matlab, el cual permite procesar matemáticamente los datos de reflectividad y contenido de fosforo en los puntos de muestreo. Se calculó la desviación estándar, la cual denota la variabilidad de los datos tomados en campo por longitud de onda, así como el cálculo para el índice de correlación de Pearson, el cual mide el grado de correlación entre distintas variables relacionadas linealmente. En este estudio, se utiliza este coeficiente para determinar cuál es el grado de correlación entre el contenido de fosforo en el espejo de agua y su respuesta espectral en cada longitud de onda del sensor Landsat 5, según los valores relacionados en la tabla 4. Tabla 5. Valores radiométricos obtenidos en la investigación. PUNTO DE CAMPO
B1
B2
B3
B4
B5
B7
CONTENIDO DE FOSFORO
CARAGUAJA
0.106
0.09 0.081 0.052 0.018 0.016
0.42
LOS PIJAOS
0.092 0.076 0.059 0.043 0.024 0.013
0.56
BOTERO
0.099 0.087 0.081 0.049 0.022 0.013
0.37
LAS BRISAS
0.099 0.084 0.076 0.043
0.02 0.013
0.3
COMEPEZ
0.093 0.073 0.056 0.037 0.026 0.024
0.32
NUEVA YORK
0.093 0.081 0.069
0.31
PACANDE
0.092 0.078 0.064 0.037 0,014
0.04 0.014 0.008
0.04
0.01
0.24
LAS ISLAS
0.09 0.076 0.054
0.02 0.013
0.25
AGUAS ABIERTAS
0.09 0.073 0.052 0.037 0.014 0.008
0.33
PUENTE AMARILLO 0.099 0.087 0.076 0.058 0.026 0.022
0.45
52
3.3.2.1. Análisis en el comportamiento de bandas En la figura 16 de comparación de bandas, en la cual se graficaron, en el eje de las abscisas, los diez puntos de toma de muestras y en el eje de las ordenadas el valor de reflectividad por banda, se evidencia visualmente una homogeneidad de los valores espectrales por banda, lo que significa que los datos tomados espectralmente obedecen a pixeles puros, pixeles que emiten la reflectividad de un solo elemento geográfico, lo cual es importante para el presente estudio, ya que garantiza resultados sobre el espejo de agua y no están influenciados por otra cobertura.
COMPARACION DE BANDAS 0,12
0,1
0,08
B1 B2 B3
0,06
B4 B5
0,04
B7 0,02
0 0
1
2
3
4
5
6
7
8
9
10
Figura 16. Comportamiento de bandas espectrales respecto a cada punto de campo.
Seguidamente, mediante la aplicación del índice de correlación de Pearson, se generó la firma espectral que condujo a obtener la respuesta espectral al fosforo, para los datos de campo utilizados para este estudio.
53
CORRELACION FOSFORO VS BANDAS ESPECTRALES 0,600 0,510757
0,469260
0,500 0,400 0,300
0,288647 0,230772
0,257876 0,200537
0,200 0,100 0,000 B1
B2
B3
B4
B5
B7
Figura 17. Índice de correlación Pearson para el fosforo vs bandas espectrales analizadas.
Como se observa en la figura 17, las bandas espectrales que mayor respuesta tuvieron frente a la concentración de fosforo son la banda 4 (infrarrojo cercano), la banda 5 (infrarrojo lejano) y la banda uno (azul).
Finalmente, con la identificación de las bandas espectrales mencionadas, se procedió al cálculo del índice de vegetación de diferencia normalizada NDVI, con el fin de establecer las áreas con mayor concentración de biomasa en el cuerpo de agua.
54
4. RESULTADOS El comportamiento espectral de las muestras tomadas para cada estación tiende a ser homogéneo, según lo expuesto en la figura 15, es decir, que los niveles físicos y químicos de estas estaciones son muy similares, lo cual indica que sus características permiten establecer un modelo de análisis único para todo el cuerpo de agua.
De lo anterior, y en concordancia con la correlación del fosforo y las bandas espectrales, ilustrado en la figura 17, se procedió a generar las combinaciones de bandas RGB 4-5-2 y el cálculo del NDVI, en el software GIS, arrojando los siguientes escenarios:
4.1.
Escenario 1: septiembre de 2007 Si bien, los datos para el fosforo como elemento determinante en los
procesos de eutrofización en el embalse, tomados en campo para 2007, muestran unos valores de reflectancia relativamente representativos; estos datos visualmente no son identificables en la imagen Landsat 5 del mismo año, debido a la resolución de 30 x 30 metros según lo observado en la figura 18. Esto se debe, a que si bien, los datos de utilizados fueron tomados insitu, se tendría que tener una mejor resolución de la imagen para detectar estos escenarios. Lo anterior, en concordancia con la aplicación de la combinación de bandas 4, 5 y 1, según la firma espectral generada.
55
Figura 18. Concentración de fosforo en puntos de muestreo para la imagen Landsat 5 de 2007. Combinación de bandas RGB 4-5-2. Sectores norte y sur del brazo Magdalena.
Es claro que para las áreas mostradas en los mapas a y b de la figura 18, no se logra un detalle visible dentro de las manifestaciones de fosforo en el cuerpo de agua del embalse, sin embargo, es de mencionar que en el área de ubicación del punto Nueva York en el mapa c de la misma figura, se señala en el circulo naranja, la identificación de unas pequeñas áreas, que muestran la respuesta del fosforo según la combinación de bandas mencionadas. Estas áreas se detectan realizando un ajuste del histograma generado para cada banda con el fin de mejorar la calidad de la definición de la imagen más no para alterar la firma espectral.
56
4.1.1. Visualización NDVI septiembre de 2007
Una vez realizada la combinación de bandas para la determinación del NDVI el resultado fue el siguiente:
Figura 19. Visualización del nivel de biomasa en el cuerpo de agua del embalse de Betania, usando el índice NDVI.
Según la figura 19, el nivel de biomasa en el cuerpo de agua del embalse tiende a ser menor de cero, lo que indicaría una ausencia generalizada de biomasa en el cuerpo de agua. Las partes de verde claro corresponden a áreas de desembocaduras de ríos y áreas de rondas de rio.
Teniendo en cuenta la
57
resolución de la imagen Landsat, ya mencionada, los niveles de biomasa relativamente bajos dentro del cuerpo de agua (áreas de color verde claro), corresponderían a las desembocaduras de ríos y áreas relacionadas con asentamientos de tipo urbano. Para los puntos muestreados, no se detectan áreas con concentración significativas de biomasa.
4.2.
Escenario 2: enero de 2020 Al realizar el ejercicio para la comparación temporal del escenario de interés,
se utilizó una imagen Landsat 8 de fecha 6 de marzo de 2020, descargada mediante el aplicativo Google Earth Engine, según el mismo procedimiento para la imagen de 2007.
58
Figura 20. Ubicación de áreas con presencia de fosforo en los puntos de muestreo para imagen Landsat 8. Combinación de bandas RGB 4-5-2.
En la figura 20, se observa al interior del cuerpo de agua la ubicación de áreas en las cuales se manifiesta el fosforo (puntos en gris) a la firma espectral generada, permitiendo una mejor diferenciación de la generada en la imagen de 2007. Esto se debe, a que la imagen Landsat 8 presenta mayor cantidad de bandas que la imagen Landsat 5, lo cual permite una mejor generación de resultados visibles. Estas manifestaciones de fosforo dentro del cuerpo de agua corresponden, en su gran mayoría, a la ubicación de piscinas o jaulas de reproducción piscícola. La disposición de estas jaulas corresponde a líneas rectas, así como a puntos distribuidos en su gran mayoría, cercanos al borde del cuerpo de agua.
59
4.2.1. Visualización NDVI enero 2020
Una vez realizada la combinación de bandas para la determinación del NDVI en la imagen Landsat 8 de enero de marzo de 2020, el resultado es:
Figura 21. Visualización del nivel de biomasa en el cuerpo de agua del embalse de Betania, usando el índice NDVI.
En la figura 21 se observa que, en las áreas de color verde claro, si bien presentan un nivel de biomasa bajo, sí presentan relación con las áreas con respuesta espectral al fosforo, ratificando esto la relación directa entre la disposición del fosforo y los procesos de eutrofización en el cuerpo de agua del
60
embalse. Igualmente, se pueden definir con mayor claridad las áreas con presencia de biomasa que, para el cuerpo de agua, corresponde a un aproximado de 85% del área de límite del cuerpo de agua.
61
5. ANALISIS DE RESULTADOS Mediante la identificación de la respuesta espectral del fosforo, se permitió establecer la distribución de este elemento en el cuerpo de agua de la represa y su relación como elemento determinante en los procesos de eutrofización, y en específico, en las áreas utilizadas como jaulas o piscinas de reproducción piscícola. Los datos de campo utilizados son fundamentales al momento de ejecutar el análisis estadístico para la definición de la firma espectral respecto al fosforo, sirviendo esto como base, no solo para contar con datos más actualizados, sino además, permitir la mejor definición de modelos complementarios en función de otros factores que permitan determinar con mayor precisión, el estado actual de contaminación y eutrofización de la represa.
Si bien es cierto, que los datos utilizados en esta investigación están muy bien distribuidos geográficamente en la zona de estudio, se podrían correlacionar más variables con el fin de obtener un comportamiento espectral más cercano a la realidad. En el trabajo de Luna y Aburto (2014), se utilizaron, además de datos de niveles de fósforo, datos para la variable nitrógeno, dando buenos resultados para la implementación de un sistema de tratamiento de aguas superficiales.
Esto permitiría generar mejores modelos de manejo respecto, no solo al control de la calidad del agua, sino además de la generación de herramientas de decisión en el manejo socioeconómico en la destinación del recurso hídrico que involucre una mayor precisión, haciendo un control de la alteración del paisaje ecosistémico y los servicios asociados a este, a partir de procesos antrópicos, no solo en la producción piscícola en la represa de Betania, sino en las descargas de aguas residuales de los centros poblados ubicados en el borde del cuerpo de agua y otras actividades socioeconómicas, lo que desencadena a una taza mayor los procesos de clasificación trófica.
Por otra parte, en los estudios realizados por Araque y Jiménez (2009), la caracterización de la firma espectral es necesaria para la detección de diferentes coberturas, donde se analizó la sanidad vegetal de los cultivos de palma.
62
Igualmente, en Ávila, Escobar y Morantes (2019), se utiliza la firma espectral para el control del crecimiento en cultivos de maíz.
Con el desarrollo de la metodología, basada en espectroradiometría satelital, se dan los primeros avances de estudios no invasivos (sin contacto con el elemento espacial). Sin embargo, se pueden proponer mejoras con estudios basados en espectroradiometría de campo. Estos estudios utilizan el potencial de mayores longitudes del espectro electromagnético, donde se puede caracterizar, y modelar comportamientos espectrales de mayor complejidad.
Así mismo, la aplicación dentro de este estudio del índice de correlación de Pearson, entre el contenido de fosforo y las bandas espectrales, muestran una correlación con la banda cuatro de 0.51, lo cual busca explicar las variables, así como lo realizado por Álvarez, De Santis y Chuvieco (2005), donde se detectó una correlación alta entre el contenido de humedad de la biomasa y la posibilidad de incendios forestales. Según por lo expuesto por Ferrero et al. (2002), se evidencia la importancia de analizar la correlación espectral entre pares de bandas a partir de la generación de componentes principales. Los estudios realizados por Ávila (2020), donde de calculan áreas afectadas por incendios a partir de la espectroradiometría satelital, permiten sustentar los resultados obtenidos en este estudio.
Con los resultados obtenidos de la presente investigación, se logró dar respuesta a la pregunta de investigación, referente al comportamiento espectral del fosforo en las diferentes longitudes de onda de los sensores trabajos. Como se evidencia en la figura 14, la respuesta espectral decrece a medida que se incrementa la longitud de la onda. Estos comportamientos son característicos de contenido de humedad en los elementos de un territorio. También se observa en la figura 16, como el contenido de biomasa altera el comportamiento espectral del agua, que es descendente, en valores atípicos cuando hay contenido de biomasa.
Como aporte adicional a la presente investigación, también se evaluó el preprocesamiento de la información espacial a través de la herramienta de Google
63
Earth Engine, la cual hace más fácil de operar la información de tipo ráster, teniendo un alto rendimiento en los cálculos realizados, como lo realizado por Córdova, Venturini y Walker (2020), en el estudio de periodos de sequía y por Ochochoque (2017), en el análisis de uso cobertura forestal del suelo mediante análisis estadísticos, por citar algunos documentos, donde se evidencia el uso óptimo de estas geotecnologías para el procesamiento y modelamiento de la información espacial.
64
6. CONCLUSIONES Y RECOMENDACIONES Se ha mostrado en esta investigación, que no solamente los estudios biológicos en torno a la calidad de agua poseen un potencial de conocimientos respecto a los impactos generados por los procesos productivos inherentes a la explotación piscícola del embalse de Betania, sino que también la combinación de este conocimiento con herramientas de percepción remota y procesamiento digital de imágenes, muestran un claro camino en la generación de nuevos escenarios que permitan ampliar estos conocimientos. Si bien, la firma espectral determinada para el fosforo mediante los procesos matemáticos y estadísticos descritos en la metodología ha permitido establecer la respuesta espectral para este mineral, la resolución de la imagen Landsat 5 del año 2007 no permite definir puntualmente la distribución espacial de este mineral en el cuerpo de agua. Sin embargo, el procedimiento sí permite correlacionar estadísticamente las variables tomadas en las muestras de campo con las diferentes bandas espectrales de las imágenes.
No obstante, la imagen Landsat 8 tomada para el mes de marzo de 2020 ha permitido una mejor visualización de la respuesta espectral del fosforo aplicando la combinación definida, a pesar de mantener al igual de la imagen Landsat 5, una resolución de 30x30 metros como tamaño de pixel, logrando visualizar no solamente las áreas de actividad piscícola muestreadas, sino además de otras áreas al interior del brazo del embalse con esta misma actividad. Estas mismas áreas de respuesta del fosforo, son coincidentes con el índice de vegetación diferencial normalizado NDVI.
Aunque la comparación temporal de las imágenes respecto a los niveles de fosforo y el NDVI, en el brazo Magdalena del embalse de Betania, no se logró obtener debido a lo anteriormente mencionado para la imagen Landsat 5, esta investigación permite establecer una base de investigación para estudios posteriores, a fin de obtener resultados a mayor detalle. Esto se lograría mediante la consecución de datos de campo actualizados, no solamente respecto a niveles de fosforo, sino además para otros componentes como la clorofila, el nitrógeno y el oxígeno disuelto; además de contar con una fuente o repositorios de imágenes de
65
tipo hiperespectral, cuya naturaleza permite contar con una mayor gama de opciones de combinación de bandas, permitiendo esto una mejor respuesta espectral para el elemento de estudio. Es de anotar que, con imágenes hiperespectrales más recientes, también se puede contar con mejores resoluciones espaciales para estas, esto es, la adquisición de imágenes tipo Sentinel, las cuales presentan resoluciones de 10X10 metros o para una investigación dirigida especialmente al objeto de esta investigación, realizar levantamientos fotográficos mediante de la utilización de drones.
Los insumos mencionados mejorarían los resultados obtenidos en esta investigación a futuro, permitiendo esto, generar una herramienta que establezca las áreas de alta afectación por eutrofización del embalse y así mismo proponer acciones a seguir con el fin de controlar y mejorar los indicadores de gestión y acción en torno a la calidad del agua en concordancia con las actividades piscícolas ubicadas allí.
Finalmente, este estudio permite considerar la importancia y pertinencia de realizar monitoreo a los procesos de eutrofización en el manejo de las cuencas hidrográficas, en torno al cuerpo de agua de la represa, como los aportes realizados por Doña, Caselles, Sánchez, Ferril y Camacho (2011), Carrasco (2020), y González y Rodríguez (2004). Estos estudios aportan análisis de las principales variables en el desarrollo de estos procesos como concentraciones de clorofila, turbiedad, y niveles de nutrientes, con el fin de evaluar amenazas y vulnerabilidad de los diferentes elementos del paisaje y territorio.
66
7. BIBLIOGRAFIA Abella J. y Martinez M. (2012). Contribución de un afluente tributario a la eutrofización del lago de Tota (Boyacá, Colombia). Revista Colombiana de Química. Volumen 41, No. 2. Accedido el 27 de noviembre de 2019, de https://revistas.unal.edu.co/index.php/rcolquim/article/view/39372/41267
Álvarez M., De Santis A. y Chuvieco E. (2005). Estimación del peligro de incendios a partir de teledetección y variables meteorológicas: variación temporal del contenido de humedad del combustible. Recursos Rurais, no. 1. Accedido 13 de agosto de 2020. https://revistas.usc.es/index.php/rr/article/view/5336
Angulo J. (2014). Estudio comparativo entre los Embalses de Betania y El Quimbo, debido a los posibles problemas de eutrofización (Tesis de pregrado). Fundación Universitaria Agraria de Colombia Uniagraria. Bogotá, Colombia. Accedido el 28 de noviembre de 2019, de https://issuu.com/maosabo/docs/tesis0377ic
Araque L. y Jiménez A. (2009). Caracterización de firma espectral a partir de sensores remotos para el manejo de sanidad vegetal en el cultivo de palma de aceite. Revista Palmas 30, no. 3. Accedido el 12 de agosto de 2020. https://publicaciones.fedepalma.org/index.php/palmas/article/view/1455
Ávila E. (2020). Propuesta metodológica para cuantificar áreas afectadas por incendios forestales utilizando imágenes satelitales sentinel-2. Caso de estudio Páramo del Almorzadero Colombia. Revista UD y la geomática, no. 15. Accedido el 15 de agosto de 2020. https://doi.org/10.14483/23448407.15260
Ávila E., Escobar N. y Morantes C. (2019). Applying Satellite Images to Spectral Signature Development of Maize Production (Zea Mays L.) under Colombia’s Middle Tropics Conditions. Entramado 15, no. 2. Accedido el 12 de agosto de 2020. https://doi.org/10.18041/1900-3803/entramado.2.5734.
Balcorta C. y Guerrero R. (2010) Eutrofización: Abundancia que mata. Accedido el 28 de noviembre de 2019 de https://bibliotecas.umar.mx/publicaciones/Eutrofizacion.pdf
67
Basterra I. (2011). Teledetección – Imágenes Satelitales – Procesamiento Digital de Imágenes. Facultad de Ingeniería - Universidad Nacional del Nordeste. Accedido el 4 de diciembre de 2019 de http://ing.unne.edu.ar/dep/goeciencias/fotointer/pub/teoria2011/parte02/tdi .pdf
Beveridge M. (1986). Piscicultura en jaulas y corrales. Modelos para calcular la capacidad de carga y las repercusiones en el ambiente. Accedido el 29 de noviembre de 2019 de http://www.fao.org/3/AD021S/AD021S00.htm##TOC.
Bravo F, (2017). Evaluación de la metodología de eficiencia de atrapamiento de Brune para cuantificar la alteración del caudal sólido del río Magdalena aguas debajo de los embalses Quimbo y Betania. Tesis de grado. Ingeniería Civil. Universidad de La Salle. Accedido el 25 de junio de 2020. https://ciencia.lasalle.edu.co/cgi/viewcontent.cgi?article=1115&context=ing _civil
Carrasco D. (2020). Nivel de eutrofización de la laguna San Nicolás Cajamarca aplicando teledetección satelital en un periodo de 20 años. Universidad Privada del Norte. Accedido el 16 de agosto de 2020. https://repositorio.upn.edu.pe/handle/11537/23804.
Casanova V. (2009). Ondas Gravitatorias. Carnaval de física. Accedido el 2 de marzo de 2021 de https://www.astrofisicayfisica.com/2009/11/ondasgravitatorias-carnaval-de-la.html
CENS 453. (s.f.) Teledetección. Tercer Año. Accedido el 1 de diciembre de 2019 http://www.essa.ara.mil.ar/cens/MATERIAS%20TERCER%20A%C3%91O /3%C2%B0%20A%C3%91O/09TELEDETECCION/PRIMER%20CUATRIMESTRE/PRIMER%20CUATRI MESTRE.pdf
Chin D. (2013). Water-quality engineering in natural systems. A John Wiley & Sons, Inc., Publication. Accedido el 29 de noviembre de 2019 de http://www.amac.md/Biblioteca/data/28/14/10/36.2.pdf
Chuvieco E. (1996). Fundamentos de Teledetección Espacial. Ed. Rialp.
Concepto.de (s.f.). Represa: Concepto, partes, clasificación y ejemplos. Accedido el 27 de noviembre de 2019, de https://concepto.de/represa/
68
Córdova O., Venturini V. y Walker E. (2020). Monitoreo de sequías en El Salvador mediante variables teledetectadas usando la plataforma Google Earth Engine. Revista de Teledetección (55) p. 93-103. Accedido el 30 de junio de 2020 de https://dialnet.unirioja.es/servlet/articulo?codigo=7472871
DANE. Departamento Administrativo Nacional de Estadística. (2020). Geovisor de Consulta de Codificación de la Divipola. Accedido el 15 de junio de 2020 de https://geoportal.dane.gov.co/geovisores/territorio/consulta-divipoladivision-politico-administrativa-de-colombia/
Doña C., Caselles V., Sánchez J., Ferril A. y Camacho A. (2011). Herramienta para el estudio del estado de eutrofización de masas de agua continentales. Revista de Teledetección, 36. Accedido el 16 de agosto de 2020. https://dialnet.unirioja.es/servlet/articulo?codigo=3847653
Earth Observing System. (2021). Imágenes de Satélite Gratis: Las Mejores Fuentes. [Blog]. Accedido el 10 de marzo de 2021 de https://eos.com/es/blog/imagenes-de-satelite-gratis/
El Nuevo Siglo (2019, noviembre 4). Importamos casi el 40% del pescado que comemos. Accedido el 30 de noviembre de 2019 de http://elnuevosiglo.com.co/articulos/11-2019-importamos-casi-el-40-delpescado-que-comemos
El Tiempo, Casa Editorial. (2017). Alerta amarilla en represa de Betania por lluvias en el Huila El Tiempo website. Accedido el 27 de noviembre de 2019, de: https://www.eltiempo.com/colombia/otras-ciudades/embalse-de-betaniaen-el-huila-en-alerta-por-lluvias-en-colombia-115716
Fajardo L. (2018). Firmas Espectrales: Componentes y Necesidad de Metadatos. IGAC CIAF. Accedido el 25 de junio de 2020. https://www.researchgate.net/profile/Luis_Fajardo_Reina/publication/3345 45971_Firmas_Espectrales/links/5d309d39a6fdcc2462eb4e2c/FirmasEspectrales.pdf.
Fallas J. (2012). Correlación lineal. Midiendo la relación entre dos variables. Accedido el 10 de marzo de 2021 de https://www.ucipfg.com/Repositorio/MGAP/MGAP-05/BLOQUEACADEMICO/Unidad-2/complementarias/correlacion_lineal_2012.pdf
69
Ferrero S., Palacio M. y Campanella O. (2002). Análisis de componentes principales en teledetección. Consideraciones estadísticas para optimizar su interpretación. Revista Teledetección No. 17. Accedido el 16 de agosto de 2020. http://www.aet.org.es/revistas/revista17/AET17-05.pdf
Geomática Ambiental. (2019). Características de las misiones de los satélites Landsat. [Blog]. Accedido el 27 de junio de 2020 de https://www.geomatica.pe/blog/caracteristicas-de-las-misiones-de-lossatelites-landsat
González C. (2010). Imágenes satelitales de alta resolución. Revista InfoGEo. Accedido el 4 de marzo de 2021 de https://mundogeo.com/2000/01/01/imagenes-satelitales-de-altaresolucion/
González M. y Rodríguez M. (2004). Análisis de la contaminación hídrica en humedales de ambiente semiárido aplicando teledetección (La Mancha, 1992-2001). Estudios Geográficos. Accedido 17 de agosto de 2020. http://www.aet.org.es/revistas/revista36/Numero36_04.pdf
Google Earth Engine. (2020). Explorer. Accedido el 24 de junio de 2020 de https://earthengine.google.com
iAgua. (2018). Eutrofización: Causas, consecuencias y soluciones. Accedido el 28 de noviembre de 2019, de https://www.iagua.es/noticias/sewervaciberica/eutrofizacion-causas-consecuencias-y-soluciones
IGAC, Instituto Geográfico Agustín Codazzi (2007). Mejora de los sistemas de cartografía del territorio colombiano. Accedido el 1 de diciembre de 2019 de https://docplayer.es/13303754-Mejora-de-los-sistemas-de-cartografiadel-territorio-colombiano.html
Karszenbaum H. y Barraza V. (s.f). introducción a la teledetección cuantitativa. Accedido el 25 de junio de 2020. http://files.especializaciontig.webnode.com/200000032-25950268dd/5.-Firmas%20espectrales.pdf
Larrahondo M. (s.f). Avances en el manejo y aprovechamiento acuícola de embalses en America Latina y el caribe. Accedido el 24 de junio de 2020. http://www.fao.org/3/AB488S/AB488S04.htm
70
Ledesma C., Bonansea M., Rodríguez C. y Sánchez A. (2013). Determinación de indicadores de eutrofización en el embalse Río Tercero, Córdoba (Argentina). Revista Ciencia Agronómica, p.419-425. Accedido el 28 de noviembre de 2019 de https://doi.org/10.1590/S1806-66902013000300002
Luna V. y Aburto S. (2014). Sistema de humedales artificiales para el control de la eutroficación del lago del Bosque de San Juan de Aragón. TIP Revista especializada en Ciencias Químico-Biológicas. Volumen 17. p. 32-55. Accedido el 23 de marzo de 2021 de https://www.sciencedirect.com/science/article/pii/S1405888X14703183
MasterGIS. (2019). Características de los satélites Sentinel. Accedido el 10 de marzo de 2021 de https://www.mastergis.com/caracteristicas-sentinel/
Marriner K. (2008). Pérdidas de fósforo en zonas de cultivo de tilapia (Oreochromis spp.) en el Embalse de Betania (Huila - Colombia). Tesis de maestría en Biología. Universidad Jorge Tadeo Lozano. Accedido el 25 de junio de 2020 http://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/1467/1/T 006.pdf
Morales A. (2020). Google Earth Engine y cómo acceder a sus algoritmos desde QGIS. [blog]. Accedido el 24 de junio de 2020 de https://mappinggis.com/2020/01/google-earth-engine-y-como-acceder-asus-algoritmos-desde-qgis/
Muñoz P. (2013). Apuntes de Teledetección: Índices de vegetación. Centro de Información de Recursos Naturales CIREN. Accedido el 26 de junio de 2020 de http://bibliotecadigital.ciren.cl/bitstream/handle/123456789/26389/Tema% 20Indices%20de%20vegetaci%C3%B3n%2C%20Pedro%20Mu%C3%B1o z%20A.pdf?sequence=1&isAllowed=y
Ochochoque J. (2017). Aplicación de la teledetección en el avance de la explotación minera, Centro Poblado de Malenowski, distrito de Mazuco, región de Madre de Dios. Tesis de pregado en Ingenieria topografica y agrimensura. Universidad Nacional del Altiplano. Accedido el 30 de junio de 2020 de http://repositorio.unap.edu.pe/bitstream/handle/UNAP/4184/Ochochoque_ Condori_Juan_Pastor.pdf?sequence=1&isAllowed=y
Onofre L. (2019). Correlación entre la adicción por las redes sociales y el comportamiento de los estudiantes de la escuela profesional de ingeniería civil de la Universidad Nacional del Altiplano de Puno – 2018. Tesis de
71
pregrado en Ingeniería Estadística e informática. Universidad Nacional del Altiplano de Puno. Accedido el 10 de marzo de 2021 de http://repositorio.unap.edu.pe/bitstream/handle/UNAP/11880/Onofre_Cerv antes_Luz_Abigail.pdf?sequence=1&isAllowed=y
Pérez C. y Muñoz A. (2006). Teledetección: Nociones y aplicaciones. Accedido el 1 de diciembre de 2019 de https://mundocartogeo.files.wordpress.com/2015/03/teledeteccionnocionesaplicaciones-2006publico.pdf
Ramírez, E. y Grattz, C. (2012). Problemática ambiental en la represa de PradoTolima. Ingenio libre, Revista de la facultad de ingeniería de la Universidad Libre 1. P. 82-85. Accedido el 27 de noviembre de 2019, de https://studylib.es/doc/7992759/problem%C3%A1tica-ambiental-en-larepresa-de-prado
Ramos B. (2018). ¿Qué es Google Earth Engine? [Blog]. Accedido el 10 de marzo de 2021 de https://www.cursosgis.com/que-es-google-earth-engine/
Romero I. (s.f.) Eutrofización. Carga crítica de fósforo. Universitat Politécnica de Valencia. Accedido el 29 de noviembre de 2019 de https://riunet.upv.es/bitstream/handle/10251/116293/Romero%20%20Eutrofizaci%c3%b3n.%20Carga%20cr%c3%adtica%20de%20f%c3% b3sforo..pdf?sequence=1&isAllowed=y
Rueda E. (2016). Modelo Dinámico de Capacidad de Carga de un Cuerpo de Agua Léntico con Piscicultura Intensiva Basado en la Concentración de Fósforo y Oxígeno Disuelto. (Tesis de maestría). Universidad Jorge Tadeo Lozano. Bogotá D.C., Colombia.
Sánchez A. y Toral N. (2014). Análisis de las capacidades de los sistemas Landsat y EO1 para la actualización cartográfica. Estudio de un caso práctico. Tesis de pregrado. Universidad Politécnica de Madrid. Accedido el 26 de junio de 2020. http://oa.upm.es/26849/1/PFC_ANDREA_SANCHEZ_GARCIA.pdf.
Sánchez L. (2020). Incertidumbre en el sector piscícola. Accedido el 24 de junio de 2020 de https://www.lanacion.com.co/801175-2/
72
Subgerencia Cultural del Banco de la República. (2015). Capacidad de carga de un ecosistema. Accedido el 29 de noviembre de 2019, de https://enciclopedia.banrepcultural.org/index.php/Capacidad_de_carga_de _un_ecosistema Teledet. (s. f.). Procesamiento digital de imágenes. Accedido el 5 de diciembre de 2019, de http://www.teledet.com.uy/tutorial-imagenessatelitales/procesamiento-imagenes-satelitales.htm
Toribio G. (2019). ¿Qué índice de vegetación elegir? [Blog]. Accedido el 4 de marzo de 2021 de https://www.cursosteledeteccion.com/que-indice-devegetacion-elegir/
Universidad de Murcia (s.f.a) Capitulo 10 Teledetección. Accedido el 30 de noviembre de 2019 de https://www.um.es/geograf/sigmur/sigpdf/temario_10.pdf
Universidad de Murcia (s.f.b). Tema 3. Plataformas, sensores y canales. Accedido el 2 de diciembre de 2019 de https://www.um.es/geograf/sigmur/teledet/tema03.pdf
U.S. Geological Survey. (2021). Earthexplorer. Accedido el 10 de marzo de 2021 de https://earthexplorer.usgs.gov/
