105289

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

Estudio de variabilidad costera al norte de El Oro (Ecuador) mediante el uso de sensores remotos Coastal variability study at the north of El Oro (Ecuador) using remote sensors by/por

Lcda. Eliana Mabell Rosero Berni.

11851363 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science– MSc Advisor ǀ Supervisor:

Leonardo Zurita Arthos PhD

Guayaquil, Ecuador, Octubre del 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.

__Guayaquil, octubre del 2021______________________________________________ (Lugar, Fecha)

(Firma)

DEDICATORIA

A mis padres por ser siempre el motor de mi formación académica y como ser humano al haber puesto una medida alta con su ejemplo.

A mis hermanos porque entre los tres hemos visto la forma de crecer como personas motivándonos a avanzar.

A mis amigos, porque con sus consejos y compañía hacen la vida más llevadera.

3

RESUMEN Este estudio se centró en cuantificar el cambio de la línea de costa en un periodo de 34 años, se lo realizó en la zona costera norte de la provincia de El Oro en Ecuador que es bañada por el océano Pacífico. La geomorfología de esta costa presenta playas, acantilados, marismas, estuarios, y plataformas de erosión. Para la detección de las líneas costeras se utilizaron imágenes satelitales (Landsat 5 MSS, TM y Landsat 8 OLI/TIRS) estableciendo fechas estratégicas en las cuales la costa es visible y en un tiempo en el que se pueda percibir dicho cambio. Se hizo uso de la herramienta DSAS (Digital Shoreline Analysis System) versión 5 de la USGS (United States Geological Survey), esta devuelve la información a manera de datos estadísticos que permite cuantificar las múltiples posiciones históricas de una línea de costa. DSAS utiliza transectos que se intersecan con las polilíneas obtenidas de las líneas de costa extraídas utilizando el software ArcGIS pro.

De aquí derivan una gama de variables estadísticas que comparan las posiciones obtenidas a través del tiempo: El SCE (Shoreline Change Envelope) proporciona el desplazamiento de la línea de costa considerando todas las posiciones disponibles de las líneas de costa analizadas. El NSM (Net Shoreline Movement) proporciona la distancia entre la línea de costa más antigua y la más actual. El EPR (End Point Rate) proporciona la tasa de cambio total de acreción y erosión a largo plazo. El LRR (Linear Regression Rate) representa el movimiento de la línea de costa a lo largo de los transectos. Los resultados indicaron que las zonas con mayor acreción se encuentran al norte de la Isla Payana en donde se observa un transporte de sedimentos longshore, provocando la erosión de las playas al noroeste de la misma. Y en del delta del Río Jubones al suroeste de Bajo Alto en el cantón El Guabo con un flujo lento de sedimentación en dirección a La Puntilla lo cual provoca su crecimiento y a la vez la erosión de las playas al norte y sur de Bajo Alto. En promedio se encontró una tasa de cambio de -0.89 m/año erosiva con un valor máximo de EPR de -29.75 m/año de erosión y de 20.08m/año de acreción para la Costa A. Y una tasa de cambio de 0.24 m/año de acreción con un valor máximo de EPR de -57.97 m/año de erosión y 37.61 m/año de acreción para la Costa B. Esta herramienta ha demostrado su eficacia para el análisis del movimiento histórico de la costa y geometría de acantilados. Los procesos de erosión y acreción identificados sirven para la planificación estratégica y la prevención de desastres en el perfil costero del El Oro. KEY WORDS: El Oro, Ecuador, Bajo Alto, Jambelí, Isla Payana, Delta, Río Jubones, Shoreline changes, Erosión, Acreción, USGS, DSAS.

ABSTRACT This study is centered in quantifying de coastal line change in a period of 34 years, it was done in the north coastal zone of El Oro province bathed by the Pacific Ocean. The geomorphology of this coast has beaches, cliffs, marshes, estuaries and erosion platforms.

Satellite images (Landsat 5 MSS, TM y Landsat 8 OLI/TIRS) were used for the detection of the coastal lines stablishing strategic dates where the coast was visible at a time when this change can be perceived. The DSAS (Digital Shoreline Analysis System) version 5 tool of the USGS (United States Geological Survey) was used, this one returns the information as statistical data that allows quantification of the multiple historical positions of a coastal line. DSAS uses transects that intersects with the polylines obtained from the extracted coastlines by using ArcGIS pro software. From here derives a range of statistical variables that compare the positions obtained over time: The SCE (Shoreline Change Envelope) provides the displacement of the coastline considering all the available positions of the analyzed coastlines. The NSM (Net Shoreline Movement) provides the distance between the oldest and the most current coastline. The EPR (End Point Rate) provides the total longterm accretion and erosion rate of change. The LRR (Linear Regression Rate) represents the movement of the coastline along transects. The results indicated that the areas with highest accretion are in the north of Payana Island, a longshore transport sediment is observed causing the erosion of beaches in the northwest of it. And in the delta of the Jubones river in the southwest of Bajo Alto in El Guabo canton with a slow sedimentation flow in the direction of La Puntilla causing its growth and at the same time the erosion of the beaches in the north and south of Bajo Alto. Average erosive change rate of 0.89m/year with a maximum EPR value of -29.75 m/year of erosion and 20.08 m/year of accretion for Coast A. And a change rate of 0.24 m/year of accretion with a maximum EPR value of -57.97 m/year of erosion and 37.61 m/year of accretion for coast B. this tool has proven its effectiveness for historical costal movement and geometry of cliffs analysis. The erosion and accretion process identified can be used for strategic planning and disaster prevention in the coastal profile of El Oro. Keywords: El Oro, Ecuador, Bajo Alto, Jambelí, Payana island, Delta, Jubones river, Shoreline changes, Erosion, Accretion, USGS, DSAS.

TABLA DE CONTENIDO RESUMEN ........................................................................................................................................... 4 ABSTRACT ........................................................................................................................................... 5 1.

INTRODUCCIÓN ........................................................................................................................ 12

1.1.

ANTECEDENTES .................................................................................................................... 12

1.2.

OBJETIVOS ............................................................................................................................ 13

1.2.1.

OBJETIVO GENERAL .......................................................................................................... 13

1.2.2.

OBJETIVOS ESPECÍFICOS ................................................................................................... 13

1.2.3.

PREGUNTAS DE INVESTIGACIÓN ...................................................................................... 13

1.3.

JUSTIFICACIÓN...................................................................................................................... 13

1.4.

ALCANCE ............................................................................................................................... 14

2.

REVISIÓN DE LITERATURA ........................................................................................................ 16

2.1.

PERCEPCIÓN REMOTA O TELEDETECCIÓN ........................................................................... 16

2.2.

PATRÓN ESPECTRAL ............................................................................................................. 17

2.2.1.

IMÁGENES SATELITALES ................................................................................................... 20

2.2.2.

LANDSAT........................................................................................................................... 28

2.3.

ZONAS COSTERAS ................................................................................................................. 32

2.3.1.

LÍNEAS DE COSTA ............................................................................................................. 36

2.4.

MANEJO COSTERO ............................................................................................................... 38

2.5.

ANÁLISIS MULTITEMPORAL.................................................................................................. 40

2.6.

ESTUDIOS SOBRE LA ADQUISICIÓN DE LÍNEAS DE COSTA ................................................... 41

2.6.1.

“A COMPARATIVE STUDY OF SHORELINE MAPPING TECHNIQUE” .................................. 41

2.6.2.

“COASTLINE ZONE EXTRACTION USING LANDSAT-8 OLI IMAGERY” ................................ 42

2.6.3.

“EXTRACTION OF COASTLINE IN AQUACULTURE COAST FROM MULTISPECTRAL REMOTE SENSING IMAGES OBJECT-BASED REGION GROWING INTEGRATING EDGE DETECTION” ............... 42 2.7.

3.

MÉTODOS PARA LA ADQUISICIÓN DE LÍNEAS DE COSTA ..................................................... 43 METODOLOGÍA......................................................................................................................... 45

3.1.

ÁREA DE ESTUDIO ................................................................................................................ 45

3.2.

FLUJOGRAMA DE LA METODOLOGÍA ................................................................................... 48

3.3.

PROCESAMIENTO DE LAS IMÁGENES SATELITALES ............................................................. 50

3.4.

DIGITALIZACIÓN Y EXTRACCIÓN DE LAS LÍNEAS DE COSTA ................................................. 52

3.5.

CLASIFICACIÓN DEL CAMBIO DE LAS LÍNEAS DE COSTA ...................................................... 53

4.

RESULTADOS Y DISCUSIÓN....................................................................................................... 54

4.1.

PROCESAMIENTO DE LAS IMÁGENES SATELITALES ............................................................. 54

4.2.

DIGITALIZACIÓN Y EXTRACCIÓN DE LA LÍNEA DE COSTA ..................................................... 55

4.3.

CAMBIO DE LAS LÍNEAS DE COSTA ....................................................................................... 56

4.4.

MAPA TEMÁTICO MULTITEMPORAL .................................................................................... 60

4.5.

ANÁLISIS DE RESULTADOS Y DISCUSIÓN .............................................................................. 61

4.5.1.

ANÁLISIS DEL CAMBIO DE LAS LÍNEAS DE COSTA ............................................................ 61

5.

CONCLUSIONES ........................................................................................................................ 66

6.

REFERENCIAS ............................................................................................................................ 68

TABLA DE FIGURAS Figura 1. Proceso de captura, registro y análisis de las imágenes. .............................................. 16 Figura 2. Patrón espectral de 5 elementos típicos en la superficie de la Tierra. ......................... 18 Figura 3. Obtención de patrones espectrales. ............................................................................. 19 Figura 4. Comportamiento de la vegetación por estación. .......................................................... 19 Figura 5. Nombre de las bandas según su ubicación en el Espectro Electromagnético. ............. 20 Figura 6. Escena y CIV. .................................................................................................................. 21 Figura 7. Creación de una imagen digital multiespectral. ............................................................ 22 Figura 8. Visualización de las 6 Bandas de una imagen multiespectral: a) Blue, b) Green, c) Red, d) Near IR, e) Mid IR, f) Thermal IR. ............................................................................................. 23 Figura 9. a) Banda NIR en tonos de gris. b) Banda NIR en tonos de rojo. .................................... 24 Figura 10. a) Banda en tonos de gris. b) Banda a colores. ........................................................... 24 Figura 11. Color Natural. .............................................................................................................. 25 Figura 12. Color Infrarrojo. ........................................................................................................... 25 Figura 13. Infrarrojo de Onda Corta ............................................................................................. 26 Figura 14. Agricultura. .................................................................................................................. 26 Figura 15. Geología....................................................................................................................... 27 Figura 16. Batimétrica. ................................................................................................................. 27 Figura 17. a) Combinación de las bandas 4,3 y 2, vs. b) combinación de las bandas 2,3 y 4 ....... 28 Figura 18. Bandas y características del Landsat 1, 2, 3, 4 y 5....................................................... 29 Figura 19. Bandas del Landsat 4, 5 y 7 ......................................................................................... 30 Figura 20. Bandas del Landsat 8. .................................................................................................. 31 Figura 21. Representación visual de las bandas del Landsat 8 .................................................... 31 Figura 22. Costa Adeje, Tenerife, España. .................................................................................... 33 Figura 23. Ilustración de una playa y sus elementos ................................................................... 33 Figura 24. Isla de las conchas, Carolina del Norte, EE.UU. Actualmente no existe...................... 34 Figura 25. Gran Barrera de Coral, Queensland, Australia ............................................................ 34 Figura 26. Atolón de Aldabra, Islas Seychelles, África.................................................................. 35 Figura 27. Marismas del Odiel, Huelva, España ........................................................................... 35 Figura 28. Movimiento histórico de líneas de costa, Isla Natucket, Massachussetts, EE.UU ...... 36 Figura 29. Acreción por olas. ........................................................................................................ 37 Figura 30. Socavación por olas ..................................................................................................... 37 Figura 31. Dique construido en el puerto Herzliya, Israel ............................................................ 38 Figura 32. Escolleras construidas en el Cabo Hatteras, Norte de Carolina, EE.UU ...................... 39 Figura 33. Barrera construida en el Puerto Arthur, Texas, EE. UU............................................... 39

Figura 34. Zona costera de acuicultura. ....................................................................................... 43 Figura 35. Estadísticas y Censos de la provincia del El Oro (INEC, 2001). ................................... 46 Figura 36. Zona de estudio. .......................................................................................................... 47 Figura 37. Diagrama de flujo de la metodología. ......................................................................... 49 Figura 38. Cambio de resolución de 30 m a 15 m. ....................................................................... 51 Figura 39. Georreferenciación. .................................................................................................... 51 Figura 40. NDWI 2019. ................................................................................................................. 52 Figura 41. Aplicación de la herramienta Remuestrear (ESRI, s.f.) donde 'b' es el resultado final. ...................................................................................................................................................... 55 Figura 42. Líneas de costa extraídas............................................................................................. 55 Figura 43. Clasificación de las líneas costeras por erosión y acreción. ........................................ 56 Figura 44. Vulnerabilidad costera. ............................................................................................... 56 Figura 45. EPR para cada transecto de la costa de la Costa A...................................................... 57 Figura 46. NSM de cada transecto para la costa de la Costa A. ................................................... 57 Figura 47. EPR para cada transecto de la Costa B. ....................................................................... 58 Figura 48. NSM para cada transecto de la Coste B. ..................................................................... 58 Figura 49. SCE máximo de la Costa A y Costa B. .......................................................................... 59 Figura 50. NSM correspondiente al SCE máximo de la Costa A y de la Costa B........................... 60 Figura 51. Procesos de erosión y acreción de la costa de El Oro. ................................................ 60

LISTA DE TABLAS Tabla 1. Imágenes satelitales utilizadas ................................................................................... 50 Tabla 2. Clasificación de las líneas de costa basados en EPR y LRR y vulnerabilidad costera (Priya Rajan, Np, y Prakash Tiwari, 2019)................................................................................. 54 Tabla 3. Resumen de movimientos y tendencias en la Costa A................................................ 57 Tabla 4. Resumen de movimientos y tendencias en la Costa B ................................................ 58 Tabla 5. Colección de métodos estadísticos DSAS de la Costa A .............................................. 59 Tabla 6. Colección de métodos estadísticos DSAS de la Costa B .............................................. 59

GLOSARIO ArcGIS AWEI CAF CIV CNA DSAS EPR ESRI ETM+ FSC GIS GPS IBA INEC IPCC ISODATA Lidar LRR MAE MSS MTC NAS NASA NDVI NDWI NIR NSM OBRGIE OLI SCE SIGC TIRS TM USGS UTM WGS

Aeronautical Reconnaissance Coverage Geographic Information System Automatic Water Extraction Index Corporación Andina de Fomento Campo Instantáneo de Vista Cámara nacional de Acuacultura Digital Shoreline Analysis System End Point Rate Enviromental Systems Research institute Enhanced Thematic Mapper Plus Field Study Council Geographic Information System Global Positioning System Important bird areas Instituto Nacional de Estadísticas y Censos Intergovernmental Panel on Climate Change Iterative Self Organizing Data Analysis Technique Light Detection and Ranging Linear Regression Rate Ministerio del Ambiente Multiespectral Scanner Modelo de Terreno Costero National Academy of Sciences National Aeronautics and Space Administration Normalized Difference Vegetation Index Normalized Difference Water Index Near Infrared Radiation Net Shoreline Movement Object-Based Region Growing Integrating Edge Detection Operational Land Imager Shoreline Change Envelope Sistemas de Información Geográfica Costera Thermal Infrared Sensor Thematic Mapper United States Geological Survey Universal Transverse Mercator World Geodetic System

1. INTRODUCCIÓN 1.1. ANTECEDENTES La línea de costa varía con respecto al tiempo debido a la socavación y a la acreción como resultado del movimiento marino, movimiento que es diferente para las diversas zonas costeras. Este estudio se centra en cuantificar este cambio de la línea de costa, y se lo realizará en la zona costera norte de la provincia de El Oro - Ecuador que es bañada por el océano Pacífico en un periodo de 34 años. La geomorfología de esta costa presenta playas, acantilados, marismas, estuarios, y plataformas de erosión.

Para identificar los cambios en la línea de costa dados por procesos de erosión y acreción en fechas que van desde 1986 hasta el 2019, se utilizarán imágenes satelitales (Landsat 5 MSS, TM y Landsat 8 OLI/TIRS) y para su selección se establecieron fechas estratégicas en las cuales la costa debe ser visible y en un tiempo en el que se pueda percibir dicho cambio.

Para identificar las distancias y tasas de cambio de estas líneas de costa, se llevará a cabo un análisis estadístico haciendo uso del DSAS (Digital Shoreline Analysis System), que es una herramienta ofrecida por el USGS (United States Geological Survey). Aquí se obtienen dos valores importantes llamados NSM (Net recomienda Movement) es decir la magnitud del movimiento de la línea de costa y EPR (End Point Rate) que representa la tendencia del movimiento de la línea de costa.

Una vez obtenidos estos datos se podrá identificar cuáles son las áreas en las que la acreción fue mayor o la socavación fue mayor, y en qué lugares se muestra en cambio estabilidad en el movimiento de la línea de costa. Se podrá identificar también los lugares en los que la línea de costa tiene en particular un movimiento de acreción o de socavación.

Una vez identificados estos movimientos se podrá determinar los sectores que son de cuidado para que se puedan tomar las respectivas medidas precautelares.

12

1.2.

OBJETIVOS

1.2.1. OBJETIVO GENERAL Analizar el cambio de la línea de costa al norte de El Oro (Ecuador) entre los años 1986 y 2019.

1.2.2. OBJETIVOS ESPECÍFICOS •

Cuantificar la magnitud del cambio de la línea de costa al norte de El Oro (Ecuador) en el período de estudio.

•

Identificar la tasa de cambio de la línea de costa al norte de El Oro (Ecuador) en el período de estudio.

•

Identificar los lugares más afectados debido a la erosión y acreción costera al norte de El Oro (Ecuador) en el período de estudio.

1.2.3. PREGUNTAS DE INVESTIGACIÓN •

¿Cómo se puede obtener la magnitud del movimiento de una línea de costa?

•

¿Cuáles son los factores que producen los cambios de movimiento en la línea de costa?

•

¿Qué herramientas se podrá utilizar para cuantificar el movimiento de la línea de costa?

•

¿Qué movimiento de la línea de costa es perjudicial y por qué?

•

¿Cuáles son las áreas para este estudio que necesitan mayor cuidado?

1.3.

JUSTIFICACIÓN

Las zonas costeras son lugares en donde existe comunicación entre el agua y la tierra. Y son importantes porque la mayoría de los habitantes del mundo las habitan. Están continuamente cambiando debido a la dinámica litoral, en donde las olas y los vientos erosionan la roca, donde los movimientos de acreción y socavación son los que les dan su forma. Por otra parte, la línea costera delimita la tierra del océano, la energía desprendida por el océano sobre la línea costera debido a su naturaleza, la convierte en un sistema

13

dinámico que está en continuo cambio. Y lo hace en un tiempo corto capaz de ser percibido por el hombre (Nelson, 2018).

La población ecuatoriana que vive a lo largo de la línea costera depende de los ecosistemas marinos para su bienestar y desarrollo. La pesca, la acuicultura y el turismo pueden darse siempre y cuando los ecosistemas marinos y costeros se encuentren saludables. Estos generan infinidad de beneficios y es debido a esto que se debe cuidar dichos ecosistemas (CONSER, 2014).

Los cambios en la línea de costa deben ser monitoreados para la prevención y cuidado de los ecosistemas marinos y de la biodiversidad existente en los bosques de las zonas costeras, ya que de disminuir el área que ocupan estarían poniendo en peligro a muchas especies (National Academy of Sciences/Smithsonian, 1988). Detectar y analizar los cambios en la línea de costa podría anticipar una crisis en el ecosistema marino y así tomar las debidas medidas preventivas. Por el contrario, no detectarlos, y por ende no hacer algo al respecto afectaría a la salud del ecosistema marino y la biodiversidad de los bosques costeros, generando un impacto directo a la economía de los ecuatorianos que viven en las zonas costeras (McLean et al., 2001).

El monitoreo del cambio de posición de las líneas de costa también es importante porque gracias a esto se ha generado modelos empíricos de líneas de costa que permiten la predicción de tormentas, así como también su escala anual de variabilidad (Splinter, Turner, y Davidson, 2012).

1.4.

ALCANCE

Este estudio permite realizar un monitoreo continuo de las zonas costeras en cualquier parte del mundo, lo que sirve para identificar los procesos de acreción y de erosión que estas sufren. Lo cual facilita el manejo costero, ya que al determinar el tipo de proceso ayudará a la toma de decisiones efectivas con respecto a su cuidado, y el tiempo en el que lo necesitan. Gracias a esto se lograría la prevención de desastres e identificación de zonas de riesgo para posteriormente clasificarlas como prioritarias.

14

Este estudio ayuda también a la elaboración del diseño preventivo porque se puede estimar el tiempo necesario para diseñar y construir la obra preventiva. Y este tiempo puede manejarse dándole prioridad a la búsqueda de soluciones menos costosas de existir, y a la reducción del impacto ecológico en la zona debido a la construcción de la obra preventiva.

Para el manejo de una zona costera y prevención de desastres existen 4 escenarios distintos que pueden aplicarse (FSC, s.f.): 1. Mantener la línea de costa.

2. Avanzar la línea de costa.

3. Retirar la línea de costa.

4. No hacer nada.

Este estudio suministra la información necesaria para la toma de decisiones ya que permite concluir cuál de estos escenarios sería la mejor solución para la prevención de desastres.

15

2.

REVISIÓN DE LITERATURA

2.1.

PERCEPCIÓN REMOTA O TELEDETECCIÓN

Sirve para medir las propiedades de los objetos en la superficie de la Tierra utilizando información adquirida con aeronaves y satélites. Tiene el propósito de monitorear las características físicas de un área al medir la radiación reflejada y emitida a la distancia (USGS, s.f.f), en vez de en el sitio. Esta radiación tiene su origen en las señales propagadas que existen en el Universo, que al pasar por la atmósfera de la Tierra interactúa con su superficie, se está hablando de la señal electromagnética o radiación electromagnética (Campbell y Wynne, 2011). La radiación es recolectada como imágenes a través de cámaras especiales que pueden describirse como cuadrículas espaciales en un plano de dos dimensiones. Los sistemas de percepción remota utilizados en los satélites proveen una vista de la Tierra consistente y repetitiva que sirve para el monitoreo de los cambios en la Tierra a largo y corto plazo, y el impacto que tiene el desarrollo humano sobre ella Figura 1 (Schowengerdt, 2007).

Figura 1. Proceso de captura, registro y análisis de las imágenes.

Crédito: Lira Chávez, 2011.

16

El punto importante de la percepción remota es su interpretación. Hoy en día existe un conocimiento desarrollado que permite reconocer formas típicas en la superficie de la Tierra como lo son la vegetación, los diferentes tipos de suelos, roca, o cuerpos de agua.

Este conocimiento desarrollado se da por el entendimiento de cómo interactúa la radiación electromagnética con la atmósfera y superficie de la Tierra. Aunque el ojo humano solo ve una porción formada por la radiación electromagnética conocida como luz visible, la tecnología desarrollada para capturar la información generada por la radiación electromagnética es capaz de captar todo el espectro electromagnético, no solo la luz visible (Schowengerdt, 2007).

Algunas de las áreas en donde se puede aplicar la tecnología de percepción remota son en el monitoreo y asesoramiento ambiental, monitoreo y detección del cambio climático global, la agricultura, recursos renovables orgánicos, la meteorología, mapeo, reconocimiento y vigilancia militar, medios de comunicación (Schowengerdt, 2007).

La tecnología de percepción remota ofrece una amplia gama de parámetros clasificados en: espaciales, espectrales y temporales. Esto con el objetivo de satisfacer las diferentes necesidades de los usuarios, ya que dependiendo del uso final puede que se le de preferencia a la transmisión constante y con frecuencia, por sobre la resolución espacial; como puede también que se de preferencia a la resolución espacial con una transmisión constante, pero con menor frecuencia; y otro escenario es que quieran tanto la resolución espacial baja como alta, con una transmisión frecuente, pero con una entrega rápida de imágenes (Schowengerdt, 2007).

2.2.

PATRÓN ESPECTRAL

El rango de valores obtenido debido de la radiación electromagnética es conocido como espectro electromagnético. Y estos son recolectados por medio de cámaras especiales encontradas en aeronaves o satélites como imágenes. Cada imagen está compuesta por pixeles en donde cada pixel está formado por un grupo de valores de un CIV (Campo Instantáneo de Vista) conocido como variación espectral. Cuando se habla de patrones se hace referencia a una agrupación de objetos que comparten las mismas características y el Universo está lleno de patrones. El patrón espectral es la sucesión de valores encontrados 17

en las bandas de una imagen digital multiespectral en un CIV observado con diferentes filtros. Esta sucesión de valores es única para cada ente encontrado en la naturaleza (Figura 2). Al tener un patrón único es común referirse también a este patrón como firma espectral (Lira Chávez, 2011).

Figura 2. Patrón espectral de 5 elementos típicos en la superficie de la Tierra.

Créditos: Zhuge, Zou y Wang, 2017.

Saber que para cada objeto existe una firma única es provechoso para los procesos de clasificación de las imágenes. Para realizar una clasificación de los distintos tipos de objetos se hace uso de un computador y aplicaciones especializadas. Debido a las características de los patrones espectrales se ha podido realizar una definición de los mismos, y agruparlos como clases tales como vegetación, agua, suelo y demás. Lo que hace el computador es identificar los objetos de la imagen digital analizando pixel por pixel, después determina sus patrones espectrales para después asociarlos a una de las clases previamente definidas como se muestra en la Figura 3 (Hernández y Montaner, 2009).

18

Figura 3. Obtención de patrones espectrales.

Créditos: Hernández y Montaner (2009).

Determinar los patrones espectrales presenta algunas dificultades, una de estas causas es el comportamiento de la vegetación, este es dinámico y cambia con las estaciones, como se ve en la Figura 4. También está el que cada año se obtiene un patrón espectral distinto, debido a que la iluminación según la morfología de la Tierra, la ubicación del sol, la humedad del suelo y vegetación incide directamente en el patrón espectral que pueda obtenerse. Otro factor es la capacidad de un sistema para captar los objetos más pequeños la cual depende de su resolución espacial (Hernández y Montaner, 2009).

Figura 4. Comportamiento de la vegetación por estación.

Créditos: Riebeek y Simmon, 2013.

19

Para tener acceso a patrones espectrales predefinidos se lo puede realizar mediante librerías espectrales públicas. Esta opción puede no siempre ser una opción ya que existen objetos que son específicos de ciertas regiones y no existen patrones referenciales disponibles. Otra forma es definir los patrones espectrales de referencia a partir de la información en la imagen. Para esto se debe utilizar algoritmos de clasificación usando pixeles de la imagen y producir los patrones que servirán de referencia para los demás patrones en la imagen (Hernández y Montaner, 2009).

2.2.1. IMÁGENES SATELITALES La imagen satelital es lo que se obtiene al capturar la radiación electromagnética (ver la Figura 5) reflejada por la superficie de la Tierra a través de sensores remotos a bordo de un satélite artificial (USGS, s.f.e). Existen tres tipos de imágenes satelitales: pancromáticas, multiespectrales e hiperespectrales. Las imágenes pancromáticas miden parte del espectro visible y del infrarrojo cercano al espectro electromagnético en una sola banda. Las imágenes multiespectrales captan la reflectancia de la superficie de la Tierra en diferentes bandas, de 3 a 20 aproximadamente dependiendo del satélite. Y las imágenes multiespectrales captan la reflectancia de la superficie de la Tierra en diferentes bandas también, pero difieren en la cantidad, ya que esta puede ser cientos o miles (Sánchez Jara, 2012). Este estudio se enfocará solo en la utilización de la imagen multiespectral.

Figura 5. Nombre de las bandas según su ubicación en el Espectro Electromagnético.

Créditos: Olexy, 2019.

20

Una escena es una porción del paisaje de la superficie de la Tierra que es de interés para quien captura la información y para quien quiere tomar decisiones sobre ella (Lira Chávez, 1986). La escena contiene todos los objetos sobre dicha superficie, y es esta la que va a ser convertida en imagen digital multiespectral. Para realizar esta conversión se la divide en una matriz de M x N, donde cada cuadro de esta matriz se lo asocia a un CIV (Campo Instantáneo de Vista) como se muestra en la Figura 6 (Lira Chávez, 2010).

Figura 6. Escena y CIV. Créditos: Lira Chávez, 2011.

Mediante una composición de un sistema óptico, filtros de color, y sensores remotos la radiación reflejada o reflectancia de la superficie de la Tierra es capturada en forma de matrices de M x N. Con la ayuda de una barredora multiespectral, que es la encargada de medir la reflectancia proveniente de un CIV, los valores resultantes son almacenados en una banda o imagen digital por cada sensor y filtro de color como pixeles. Es decir que el conjunto de pixeles que componen una banda constituye el cambio de la radiación reflejada por un CIV de la escena, así como también un pixel representa la variación de la reflectancia de un color a otro para un mismo CIV. El conjunto de bandas resultantes de este proceso es lo que conocemos como imagen digital multiespectral, mostrado en la Figura 7 (Lira Chávez, 2010).

21

Figura 7. Creación de una imagen digital multiespectral.

Créditos: Lira Chávez, 2010.

En lo que se refiere al parecido, calidad o apariencia visual de la escena con la imagen resultante, operan dos procesos utilizados para convertir la señal análoga a digital (discretización). El primer proceso es conocido como digitización (resolución espacial), y el segundo como cuantización (resolución radiométrica). La digitización es la que proporciona el grado de detalle que se puede distinguir en una escena, mientras que la cuantización es la escala de niveles usada para discretizar la reflectancia que proviene del CIV (Lira Chávez, 2010).

Las bandas pueden ser representadas de dos formas: digital o numérica, y visual (Lira Chávez, 2011). Para ver su representación visual se necesita de un monitor a colores, una tarjeta de video y un programa que sea capaz de realizar la decodificación. Lo que va a hacer el programa es interpretar la matriz M x N de pixeles de cada banda, en donde cada pixel contiene valores que representan una posición, y la intensidad con la que se despliega un color o tono de gris, este último es el tono por defecto utilizado para la presentación visual de las bandas (Figura 8) (Lira Chávez, 2010), donde blanco representa una alta reflectancia y negro una baja reflectancia. Es decir, si tomamos una banda roja, las partes más blancas indican una mayor reflectancia de longitudes de onda roja (Baker, 1999).

22

Figura 8. Visualización de las 6 Bandas de una imagen multiespectral: a) Blue, b) Green, c) Red, d) Near IR, e) Mid IR, f) Thermal IR. Créditos: Lira Chávez, 2010.

El ojo humano solo puede ver una porción del espectro electromagnético conocida como espectro visible, por lo que bandas que contengan valores de ondas infrarrojas no pueden ser vistas por el hombre (NASA, 2013). Además, la interpretación de información en escala de grises resulta difícil para el ojo no entrenado (Baker, 1999), por lo que es necesario poder construir imágenes con colores que se puedan ver e interpretar como se muestra en las Figuras 9 y 10. Para hacer esto se representan los valores de las ondas que no se pueden ver con valores de ondas que sí se pueden ver como lo son las ondas roja, verde y azul. Con respecto a la interpretación o análisis, una vez reconocidos los objetos, existe la posibilidad de asignar colores lo más apegados a su coloración natural.

23

(a)

(b)

Figura 9. a) Banda NIR en tonos de gris. b) Banda NIR en tonos de rojo.

Créditos: NASA. 2013.

(a)

(b)

Figura 10. a) Banda en tonos de gris. b) Banda a colores.

Créditos: Sandwell, 2004.

Con el propósito de analizar e interpretar la escena se pueden realizar diferentes combinaciones de bandas y asignaciones de color. Asignándoseles rojo, verde y azul respectivamente (ESRI, 2013), entre las combinaciones más comunes de las bandas ofrecidas por el satélite Landsat 8 tenemos (GIS Geography, 2019): a) Color natural. Esta combinación utiliza las bandas 4 (rojo visible), 3 (verde visible) y 2 (azul visible). Debido a esto replica la escena lo más parecido a lo que el ojo del ser humano percibe normalmente, y es por esto que se la conoce como “color natural” (ver Figura 11). La vegetación saludable se ve verde, y la vegetación enferma se ve marrón. Las imágenes resultantes de esta combinación tienden a

24

tener un bajo contraste y su apariencia es brumosa, esto es porque la luz azul es más susceptible a ser esparcida por la atmósfera (NASA, 2013).

Figura 11. Color Natural.

Créditos: GIS Geography, 2019.

b) Color infrarrojo. Esta combinación utiliza las bandas 5 (NIR), 4 (rojo visible) y 3 (verde visible). La clorofila refleja las ondas NIR, se usa está combinación de bandas para analizar la vegetación en donde las áreas en rojo representan una vegetación sana. Las áreas oscuras representan el agua, y las áreas urbanas se ven en blanco tal y como se puede ver en la Figura 12.

Figura 12. Color Infrarrojo.

Créditos: GIS Geography, 2019.

c) Infrarrojo de onda corta. Esta combinación utiliza las bandas 7 (Infrarrojo de onda corta 2), 6 (Infrarrojo de onda corta 1) y 4 (rojo visible). Aquí la vegetación se ve en tonos de verde mostrado en la Figura 13. Los tonos oscuros de verde indican una vegetación densa, en cambio la vegetación escasa se muestra en tonos claros de verde. Las zonas urbanas se ven azules, y los suelos se ven en tonos de café.

25

Figura 13. Infrarrojo de Onda Corta.

Créditos: GIS Geography, 2019.

d) Agricultura. Esta combinación utiliza las bandas 6 (Infrarrojo de onda corta 1), 5 (NIR) y 2 (azul visible). En esta combinación la vegetación aparece de en un tono de verde oscuro. La Tierra sin vegetación aparece en tonos de magenta (ver Figura 14).

Figura 14. Agricultura.

Créditos: GIS Geography, 2019.

e) Geología. Esta combinación utiliza las bandas 7 (Infrarrojo de onda corta 2), 6 (Infrarrojo de onda corta 1) y 2 (azul visible). Esta combinación es útil para identificar formaciones geológicas, características litológicas y fallas como se puede observar en la Figura 15.

26

Figura 15. Geología.

Créditos: GIS Geography, 2019.

f) Batimétrica. Esta combinación utiliza las bandas 4 (rojo visible), 3 (verde visible) y 2 (banda costera). Y sirve para realizar estudios costeros, batimétricos, porque refleja los tonos azules y violetas. Deja en evidencia los sedimentos encontrados en el agua (ver Figuras 16 y 17).

Figura 16. Batimétrica.

Créditos: GIS Geography, 2019.

(a)

27

(b) Figura 17. a) Combinación de las bandas 4,3 y 2, vs. b) combinación de las bandas 2,3 y 4.

Créditos: Olexy, 2019.

2.2.2. LANDSAT Landsat es un programa conjunto de la NASA y la USGS (United States Geological Survey), con el propósito de observar la Tierra para el beneficio de todos (USGS, s.f.c). De entre todos los programas existentes es el que cuenta con un registro espacial de la Tierra más largo. Esta información que puede ser consultada diariamente por lo que es útil a la hora de tomar decisiones inteligentes, siendo los gobernantes políticos y administradores de tierra los más beneficiados ya que les sirve para explotar de mejor manera los recursos a su disposición, así como también del cuidado del medio ambiente (Masek, 2020).

Para organizar y distribuir las imágenes satelitales se crearon las colecciones Landsat. Hasta el momento existen 2 colecciones llamadas la colección 1 y la colección 2. La colección 1 está organizada en una estructura de niveles por título, dispuestas de esta forma pueden asegurar la calidad a través del tiempo de la información al momento de ser adquirida, ya que esta está siendo continuamente mejorada. Contiene los datos de Nivel 1 adquiridos a partir de 1972 hasta el presente. La colección 2 asegura una mejora en la geolocalización del conjunto de datos usados en Landsat Nivel – 1, también proveen fuentes para modelamiento de elevaciones digital actualizado, y actualizaciones de calibración y validación. También ofrece actualizaciones globales de reflectancia de la superficie Nivel – 2 y escenas de temperatura de la superficie de la Tierra desde 1982 hasta la actualidad (USGS, s.f.b).

28

Se puede acceder a estas colecciones a través del Earth Explorer. Earth Explorer es una interfaz en línea que permite la búsqueda y el descubrimiento de información relacionada a imágenes adquiridas con satélites o aeronaves y otros tipos de sensores remotos.

También se puede solicitar la elaboración de herramientas para que sean desarrolladas por la USGS. Earth Explorer soporta la búsqueda mediante catálogos que almacenan la información recopilada a través de una interfaz de búsqueda interactiva. Los usuarios pueden identificar áreas de búsqueda, conjuntos de datos, mostrar meta datos, y dar una mirada a todo el catálogo al hacer uso de los servicios visuales integrados de la interfaz (USGS, s.f.a). Enlace a la interfaz: https://earthexplorer.usgs.gov/ Las misiones hasta el momento son 9, que consisten en la puesta al espacio de cada satélite, por lo que la misión 1, es la misión que lanzó al espacio al satélite Landsat 1 y así sucesivamente para los demás satélites. La colección 1 está conformada por los datos obtenidos de satélites Landsat del 1 al 5 con sensores MSS (Multiespectral Scanner) y TM (Thematic Mapper). Las bandas resultantes de sensores MSS tienen 60 m de resolución espacial donde el tamaño de cada escena es de 170 km de norte a sur y de 185 km de este a oeste. En la Figura 18 se muestran las características de los satélites Landsat del 1 al 5 para sensores MSS (USGS, s.f.d).

Figura 18. Bandas y características del Landsat 1, 2, 3, 4 y 5.

Créditos: USGS, s.f.d.

Los satélites Landsat del 4, 5 con sensores de tecnología TM constan de 7 bandas espectrales. La resolución espacial de las bandas 1-5 y 7 es de 30 m, la resolución espectral de la banda 6 es de 120 km que al final se remuestrea a pixeles de 30 m. El tamaño de las escenas es de 170 km de norte a sur y de 183 km de este a oeste. En la Figura 19 se

29

muestran las características de los satélites Landsat 4 y 5 (USGS, s.f.d). No hay información para el Landsat 6 porque este satélite no llegó a orbita (USGS, s.f.c).

El satélite Landsat 7 con sensores de tecnología ETM+ (Enhanced Thematic Mapper Plus) consta de 8 bandas espectrales y de una resolución espacial de 30 m para las bandas de la 1 a la 7 (la banda 6 se remuestrea de 60 m a 30 m). La 8va banda es una imagen satelital pancromática y su resolución espacial es de 15 m. Existen dos configuraciones de ganancia: alta o baja, y todas las bandas pueden ser configuradas para una de las dos para así incrementar la sensibilidad radiométrica y el rango dinámico. Solo la banda 6 puede recolectar ambas configuraciones de ganancia para todas las escenas. El tamaño aproximado de las escenas es de 170 km de norte a sur y de 183 km de este a oeste. En la Figura 19 se muestran también las características del satélite Landsat 7 (USGS, s.f.d).

Figura 19. Bandas del Landsat 4, 5 y 7.

Créditos: USGS, s.f.d.

El satélite Landsat 8 con sensores de tecnología OLI (Operational Land Imager) y TIRS (Thermal Infrared Sensor) consta de 9 bandas espectrales con una resolución espacial de 30 m para las bandas 1 – 7 y 9. La banda agregada 1 (ultra - blue) es útil para estudios costeros y de aerosoles. La banda agregada 9 sirve para la detección de cirros. La banda 8 es pancromática y tiene una resolución espacial de 15 m. Las bandas termales 10 y 11 proveen información de temperaturas superficiales precisa y son tomadas a 100 m. El tamaño aproximado de las escenas es de 170 km de norte a sur y de 183 km de este a oeste.

En las Figuras 20 y 21 se muestran las características del satélite Landsat 8 (USGS, s.f.d).

30

Figura 20. Bandas del Landsat 8.

Créditos: USGS, s.f.d.

Figura 21. Representación visual de las bandas del Landsat 8.

Créditos: DiBiase, s.f.

31

2.3.

ZONAS COSTERAS

Las zonas costeras son lugares donde se produce la unión entre la tierra y el agua, están sujetas a cambios continuos debido a la dinámica litoral (Nelson, 2018). Debido a la naturaleza de estas costas se desarrolla un intenso desenvolvimiento comercial, son también elegidas como zonas residenciales a pesar de estar continuamente sujetas a impactos naturales tales como: inundaciones, tormentas, erosión costera y tsunamis (Morton y Miller, 2005). Son el hogar de ecosistemas (naturales y artificiales) diversos y productivos. Su expansión depende de la conexión que exista entre la tierra y el mar.

Características de estos ecosistemas son la variabilidad en distancias cortas de sus condiciones ambientales, su energía y clima. Su salinidad por ejemplo puede ir de fresca a hipersalina, se puede observar desde humedales hasta costas bañadas por olas y vemos climas que van de tropicales a polares al cambiar de sitio (McLean et al., 2001).

Las zonas costeras son vulnerables a los peligros naturales debido a que se encuentran expuestas de forma directa a la energía producida por las tormentas. Por lo que es necesario conocer los peligros que pueden darse en las zonas costeras y para hacerlo hay que tener un entendimiento de la interacción de las mareas, las corrientes y las olas que son las que traen la energía a tierra, y así poder evaluar el cambio climático y el impacto producido en las costas (Nelson, 2018).

Debido al movimiento tectónico, la exposición a las olas, vientos y corrientes oceánicas, el rango de la marea e intensidad de corriente, el flujo y transportación de sedimento a lo largo de la costa, y clima se puede tener diferentes tipos de costas (National Academy of Sciences, 1994). Dentro de este tipo de costas tenemos (Nelson, 2018): a) Costas rocosas. Son el resultado de procesos tectónicos activos donde se ha producido un levantamiento o de ajustes isostáticos al derretirse el hielo de un glacial (ver Figura 22).

32

Figura 22. Costa Adeje, Tenerife, España.

Créditos: CONABIO, s.f.

b) Playas. Son el depósito de sedimento transportado por las olas a lo largo de una costa. Se puede dividir en preplaya, que es el lugar donde rompen las olas; banco de arena, que se separa de la preplaya por una cresta llamada berma. Detrás del banco de arena tenemos los acantilados, pantanos o dunas de arena (ver Figura 23).

Figura 23. Ilustración de una playa y sus elementos.

Créditos: Alkisti Pliatsika, 2018.

c) Islas barrera. Son crestas largas de arena en el mar paralelas a la costa. Las marejadas pueden cortarlas en islas más pequeñas (ver Figura 24).

33

Figura 24. Isla de las conchas, Carolina del Norte, EE.UU. Actualmente no existe.

Créditos: National Geographic, 1998.

d) Arrecifes y atolones. Los arrecifes son organismos vivos que viven en colonias, sobreviven solo en aguas cálidas en donde reciban luz solar por lo que solo crecen en mares tropicales. Se forman a lo largo de la línea de costa cerca de la orilla y debido a su ubicación son barreras naturales que protegen la costa de las olas.

Existen arrecifes que crecen alrededor de islas volcánicas inactivas que atrapan sedimento, con el pasar del tiempo se forma una isla conocida como atolón (ver Figuras 25 y 26).

Figura 25. Gran Barrera de Coral, Queensland, Australia.

Créditos: Maloney, s.f.

34

Figura 26. Atolón de Aldabra, Islas Seychelles, África.

Créditos: Simisa, 2009.

e) Estuarios. Son valles costeros inundados por agua de mar por lo que el agua que corre por ellos es una mezcla de agua dulce y agua salada. f) Marismas. Son zonas que se inundan producto de la marea alta. Se las puede encontrar detrás de islas barrera o en estuarios (ver Figura 27).

Figura 27. Marismas del Odiel, Huelva, España.

Créditos: National Geographic, 2018.

35

2.3.1. LÍNEAS DE COSTA Las líneas de costa son la unión del mar y la tierra (ver Figura 28), es el punto donde ambos se intersectan. Debido a la dinámica del océano, energía está siendo enviada a tierra por lo que las líneas de costa cambian su ubicación. Los procesos geológicos repercuten en el movimiento de la línea de costa en un tiempo de miles de años, pero por el efecto de ciclones y tormentas este movimiento puede darse en cuestión de horas. Al saber que la línea de costa cambia con respecto al tiempo, para definir la posición de la línea de costa hay que tener en cuenta el tiempo en el que se lo hace. La línea de costa cambia específicamente debido a la marea, el oleaje y los fenómenos meteorológicos que modifican el nivel de agua en el mar ( García, 2017). Es decir que los mismos factores que modifican la línea de costa, también modifican las zonas costeras. Si la posición de la línea de costa cambia, este cambio repercute directamente en la zona costera.

Figura 28. Movimiento histórico de líneas de costa, Isla Natucket, Massachussetts, EE.UU. Créditos: Thieler, Himmelstoss, Zichichi, y Ergul, 2009.

Los factores de estabilidad de una línea de costa son la energía oceánica y el suministro de sedimento. Si uno de estos dos cambia se inicia el proceso de reajuste a la línea de costa.

El aumento de la energía en el mar se da debido a las tormentas o fenómenos climáticos.

El suministro de sedimento en una playa depende del movimiento de las olas, la corriente y los riachuelos, ya que estos se encargan de transportar el sedimento a lo largo de una playa. La acción de colocar sedimento se conoce como acreción (ver Figura 29), mientras 36

que la acción de quitar sedimento se conoce como socavación. Las olas y las corrientes pueden socavar y acrecer la playa, mientras que los riachuelos transportan sedimento a la playa. Una ola se lleva el sedimento de una playa cuando la profundidad del agua es menos de la mitad de la longitud de onda de la ola. La socavación es mayor en la zona donde rompen las olas (ver Figura 30) ya que aquí la liberación de energía es mayor (Nelson, 2018).

De una región costera a otra el movimiento de la línea de costa es consistente ( Morton y Miller, 2005).

Figura 29. Acreción por olas.

Créditos: Stone, s.f.

Figura 30. Socavación por olas.

Créditos: Stone, s.f.

El posicionamiento de líneas de costa se lo realizaba con fines científicos, pero hoy en día debido a su utilidad se lo realiza para el manejo costero y su planificación, monitoreo del cambio ambiental, y obtención de los movimientos históricos de las playas (Nelson, 2018; Morton, 1991).

37

2.4.

MANEJO COSTERO

Las dos terceras partes de la población vive cerca de la costa por lo que es de vital importancia crear planes de manejo costero para asegurar la vida de las personas, y de los ecosistemas marinos que se desarrollan en ellas (FSC, s.f.). Los objetivos de las políticas de manejo costero son: conservar, proteger y realizar un correcto manejo de los recursos costeros. En este último se busca mantener y nutrir lo hábitats propios de la zona, la flora y la fauna diversa, la calidad del agua y las características naturales del agua en la superficie (Puerto Naranja, s.f).

Dentro de las estrategias de manejo costero se busca controlar los procesos naturales de erosión de la playa al proteger la posición de la línea costera (FSC, s.f.). Para estabilizar su posición existen dos opciones: dura o suave. La estabilización dura implica la construcción de estructuras que reduzcan el impacto de las olas en la costa, y la estabilización suave implica rellenar la playa con sedimento para aplacar la erosión. Existen dos tipos de estabilización dura más usados: el primer tipo busca interrumpir la fuerza de las olas utilizando diques (Figura 31), construidos en forma paralela a la línea de costa para proteger la playa. El otro tipo, tiene por propósito interrumpir el flujo de sedimento a lo largo de la playa al construir escolleras (Figura 32) y barreras (Figura 33), que atrapan la arena provocando la ampliación de la playa (Nelson, 2018).

Figura 31. Dique construido en el puerto Herzliya, Israel.

Créditos: Michalt, 2018.

38

Figura 32. Escolleras construidas en el Cabo Hatteras, Norte de Carolina, EE.UU. Créditos: Coastal Care, s.f.

Figura 33. Barrera construida en el Puerto Arthur, Texas, EE. UU. Créditos: Baylor Roberts, s.f.

39

Tener información cuantitativa de la posición de la línea de costa es esencial para poder gestionar las técnicas aplicadas para el manejo costero, gestión de recursos, y monitoreo ambiental (Puissant, Lefèvre, y Weber, s.f).

2.5.

ANÁLISIS MULTITEMPORAL

Gracias a las misiones de los satélites Landsat hoy en día se cuenta con una base de imágenes que datan desde el año 1975, lo que permite el estudio espacial de los procesos dinámicos que vienen ocurriendo en la superficie de la Tierra. Hoy en día se puede evaluar fenómenos como: erupciones, incendios, deforestación, inundaciones, etc.,

y

categorizarlos como: esporádicos, continuos, naturales, o debido a la actividad humana.

Dependiendo del ciclo de duración de estos: horas, meses o años, se establece la selección de imágenes y la forma en la que su dinámica con la superficie de la tierra va a ser estudiada a través del tiempo. Pueden ser estudiados de forma estacional si se habla de cubiertas vegetales, o a través de la detección de cambios entre fechas de referencia si se habla de casos de expansión agrícola. Estos cambios pueden ser relativamente lentos o convulsivos (Chuvieco, 1998).

Para realizar un análisis multitemporal se debe de certificar el set de datos para garantizar su uso. Las imágenes Landsat tienen problemas de distorsión radiométrica y geométrica (Masek, Honzak, Goward, Ping, y Pak, 2001). La distorsión radiométrica es causada por problemas atmosféricos y por una mezcla entre el sol, el sensor y la geometría del objetivo (Palubinskas, Muller, y Reinartz, 2004). La distorsión geométrica se da por el sistema con el que se adquiere la imagen y a los movimientos propios del satélite (Santhosh y Renuka, 2011).

Este estudio se realiza utilizando la técnica de detección de cambios entre fechas de referencia, en el que se van a comparar imágenes previamente seleccionadas que cumplen con una serie de requisitos que aseguran la obtención de información útil para ser analizada. Dentro de esta técnica se pueden utilizar más técnicas que ayudan en el análisis del set de datos elegido como: la composición multitemporal, que busca generar una imagen a color con imágenes de distintas fechas. La diferencia o cociente entre imágenes, que compara bandas de distintas fechas de forma aritmética, y que cumplen con valores 40

radiométricos equiparables. Componentes principales, esta técnica sintetiza la información para eliminar la redundancia en un conjunto de variables, esto ayuda a mejorar la interpretación visual y su clasificación. Y vectores multitemporales, que busca incorporar la dirección del cambio entre imágenes. Si un pixel cambia entre dos fechas modifica su alineación espectral (Chuvieco, 1998).

2.6.

ESTUDIOS SOBRE LA ADQUISICIÓN DE LÍNEAS DE COSTA

El estudio de líneas de costa es necesario a nivel mundial por diversos motivos, por lo que de acuerdo a las necesidades y requerimientos se realiza la selección de alguna de las diferentes técnicas existentes para mapearlas. Como este tema trata sobre la adquisición de líneas de costa mediante la utilización de sensores remotos, se escogieron estudios que apliquen esta técnica y así saber que dicen al respecto. A continuación, se mencionarán los diferentes estudios y sus razones para realizarlos.

2.6.1. “A COMPARATIVE STUDY OF SHORELINE MAPPING TECHNIQUE” Kaichang (2004), en su trabajo denominado “Un estudio comparativo de técnicas de mapeo de líneas de costa”, habla acerca de lo importante que son las líneas de costa como dato en los Sistemas de Información Geográfica Costera (SIGC). Menciona que, debido a la naturaleza dinámica de estas, su mapeo es más complicado de lo que las personas puedan llegar a pensar. Al ser un estudio comparativo de técnicas su enfoque es describirlas y analizarlas, al mismo tiempo que introduce un nuevo método en el cual líneas de costa generadas por mareas coordinadas, son derivadas a partir de un estudio periódico realizado mediante observación satelital. Se enfoca también en establecer mediante datos cuantificables que es posible obtener una línea de costa con precisión y eficiencia al hacer uso de imágenes de percepción remota, incluyendo así el beneficio de reducir costos en el proceso.

Las técnicas empleadas para generar líneas de costa son: digitalización a partir de ortofotos, extracción mediante la intersección de una superficie digital de agua y un modelo de terreno costero (MTC), y la extracción a partir de imágenes estéreo IKONOS. Al final se realiza una comparación entre todas estas técnicas para denotar su eficiencia.

41

Debido a que las líneas de costa digitalizadas con fotos aéreas son las de más alta precisión, estas son las utilizadas de base para este análisis.

2.6.2. “COASTLINE ZONE EXTRACTION USING LANDSAT-8 OLI IMAGERY” Colak, Senel y Goksel (2019), en su trabajo denominado “Extracción de una línea de costa de una zona costera utilizando imágenes satelitales LANDSAT-8”, mencionan que la extracción de líneas de costa es fundamental para el manejo de los recursos costeros, y para el cuidado y protección de su medioambiente. También se habla de que la extracción de líneas de costa puede ser realizada utilizando imágenes obtenidas con sensores remotos, debido a las diferentes técnicas de procesamiento digital existentes. La mayoría de imágenes fueron obtenidas del Landsat 8 debido a su acceso gratuito y al ofrecer una resolución espacial suficiente para la extracción de las líneas de costa. Entre las técnicas para la extracción digital se mencionan tres frecuentemente utilizadas: AWEI (Automatic Water Extraction Index), ISODATA (Iterative Self-Oranizing Data Analysis Technique) de clasificación sin supervisión, y digitalización manual. La comparación entre estas tres mediante este estudio certifica a través de resultados cuantificables, que se puede obtener una línea de costa de una imagen satelital con la precisión necesaria, dejando en claro que es prescindible realizar una digitalización manual.

2.6.3. “EXTRACTION OF COASTLINE IN AQUACULTURE COAST FROM MULTISPECTRAL REMOTE SENSING IMAGES OBJECT-BASED REGION GROWING INTEGRATING EDGE DETECTION” Zhang, Yang, Hu y Su (2013), en su trabajo denominado “Extracción de una línea de costa de una zona de acuicultura a partir de imágenes multiespectrales obtenidas con sensor remoto de una región en crecimiento integrando la detección de bordes”, mencionan que, para tipos de costa artificiales, rocosas, arenosas, saladas, etc., se debe utilizar una técnica adecuada para su correcto mapeo. En China, existen zonas costeras que deben ser monitoreadas constantemente por lo que el desarrollo de métodos efectivos para la extracción de líneas de costa con imágenes de percepción remota tiene gran demanda. En este estudio se trabaja sobre una costa en una zona de acuicultura, lo cual implica una gran 42

dificultad a la hora de obtener su borde debido a que estas zonas y el océano tienen atributos espectrales similares.

Para la extracción del borde se utiliza un método automatizado llamado OBRGIE (ObjectBased Region Growing Integrating Edge Detection) (ver Figura 34), este método fue aplicado a imágenes Landsat Thematic Mapper con píxeles de 30 m. La aplicación de este método provee una solución rápida y económica, ya que utiliza imágenes obtenidas con sensor remoto.

Figura 34. Zona costera de acuicultura.

Créditos: Zhang et al., 2013.

2.7.

MÉTODOS PARA LA ADQUISICIÓN DE LÍNEAS DE COSTA

Existen varios criterios para identificar la línea de costa por lo que se especifica que para este estudio se va a utilizar el que basa su posicionamiento de acuerdo a su definición formal (Puissant et al., s.f). En lo que respecta a las metodologías para la obtención de líneas de costa, estas han aumentado en el tiempo según como la tecnología ha ido desarrollándose. Existen varias metodologías, por lo que se mencionan las más relevantes; dentro de estas se encuentran el levantamiento de campo, la fotografía aérea, las imágenes satelitales, GPS móvil y LIDAR aerotransportado (Arias Morán, 2003).

El levantamiento de campo es un método en donde los investigadores tienen contacto real con la costa ya que adquieren la información directamente en el terreno, por lo que se realiza una fuerte labor de campo. Antes de que hubiese la tecnología con la que contamos ahora, este era el método utilizado para la obtención de líneas de costa, pero al ser tan laborioso existen muy pocos archivos históricos de las zonas costeras (Boak y Turner, 2005).

43

Las fotografías aéreas datan de alrededor de los años 20. Estas proveen una buena cobertura de la costa, pero no abarcan mucho terreno. Antes de ser utilizadas para determinar una línea de costa, estas deben ser corregidas ya que están distorsionadas.

Estas distorsiones incluyen: distorsión radial, distorsión de relieve, inclinación y cabeceo de la aeronave, y variaciones de la escala debido a cambios de altitud al momento del vuelo.

De existir información de líneas de costa históricas, esta técnica era la más empleada para su adquisición (Thieler y Danforth, 1994).

Con respecto a la adquisición de líneas de costa con GPS, este método consiste en utilizar un GPS montado en un vehículo e ir a lo largo de la costa a una velocidad constante. Este método es más preciso que el método de fotografías aéreas, ya que permite identificar aspectos importantes de la línea de costa. Los errores que pueda generar este método dependen de la pericia del conductor a la hora de identificar la línea de costa (Boak y Turner, 2005).

La tecnología LIDAR es capaz de cubrir cientos de kilómetros de la zona de investigación en un tiempo corto. Esta tecnología mide la distancia desde el equipo hasta la superficie utilizando un rayo láser y el posicionamiento es especificado mediante GPS, por lo que puede generar un modelo de terreno de la costa de alta precisión. Debido a que es un método costoso no es muy utilizado (Arias Morán, 2003).

El método de las imágenes satelitales provee un monitoreo continuo de la superficie del planeta. Las principales limitantes de esta metodología son el tamaño del pixel, y que dependiendo de las características con las que deban cumplir las imágenes estás pueden ser de costos elevados (Boak y Turner, 2005).

44

3.

METODOLOGÍA

3.1.

ÁREA DE ESTUDIO

El área de estudio está ubicada en la parte sur de la costa del Ecuador, que colinda con las aguas del Golfo de Guayaquil, consistiendo en la unificación de las costas de los cantones Huaquillas, Arenillas, Santa Rosa, Machala, El Guabo de la provincia de El Oro (ver Figura 36).

Huaquillas, “El centinela sin relevo”, se encuentra en la frontera entre el Ecuador y el Perú.

Está constituida por 5 parroquias urbanas y tiene una extensión total de 72.6 km². Se encuentra a 1.9 metros sobre el nivel del mar, y es la segunda ciudad con prosperidad y diversidad comercial, siendo Machala la primera. Dentro de sus principales actividades comerciales se encuentra el expendio de víveres, la crianza de camarones y la producción de ladrillos que abastecen a todo El Oro (EcuRed, s.f.b).

Arenillas tiene una superficie de 810.17 km², se encuentra a 15 minutos de Huaquillas.

Entre sus principales actividades comerciales se tiene a la agricultura en donde destaca la producción de banano, y la ganadería. En las últimas décadas la siembra de arroz y la crianza de camarones han tenido auge (La Tierra, s.f.).

Dentro del cantón Santa Rosa se encuentra el Archipiélago de Jambelí, el cual tiene una extensión de 417 km². Se compone de 18 islas divididas en: 6 principales conocidas como islas mayores, y las 12 restantes conocidas como islas menores. Este archipiélago es considerado un Área de Importancia para la Conservación de Aves (IBA, por sus siglas en inglés) (Orihuela et al., 2018). Su superficie está dividida en áreas naturales y agropecuarias donde se destacan las camaroneras, los manglares, ríos dobles, playas y salinas. La actividad económica del archipiélago está representada por la industria camaronera, el turismo, el comercio y la pesca (Gordillo, Castillo, y Loja, 2020).

Machala, la capital de la provincia de El Oro, su costa está principalmente ocupada por manglares que tiene una extensión de aproximadamente 9 km de largo por 200 metros de ancho desde el estero de Salinas hasta la desembocadura del río Jubones. Parte de estos manglares son utilizados para la cría de camarón provocando su deforestación (Romero, 2016).

45

El Guabo tiene una superficie de 498 km² y se encuentra a una distancia de 18 km de Machala, a la izquierda del río Jubones. Este cantón es adornado por macizos y exuberantes árboles de guabo de donde obtiene su nombre. Su actividad económica consiste en la producción agrícola, ganadera, camaronera y productos de ciclo corto. En la producción agrícola destaca el banano de exportación. Aquí al igual que en Machala y el Archipiélago de Manabí existen abundantes manglares que son el hogar de diferentes aves marinas como las fragatas y garzas rosadas (EcuRed, s.f.a).

A continuación, en la Figura 35 se muestra el porcentaje de la población por cantón de El Oro que se dedica a la agricultura, ganadería, caza, pesca y silvicultura respectivamente:

El ORO 70,00% 60,00%

62,40%

50,00% 45,46%

40,00%

37,64%

30,00% 20,00% 10,00%

16,04%

12,27%

0,00% Huaquillas

Arenillas

Santa Rosa

Machala

El Guabo

Figura 35. Estadísticas y Censos de la provincia del El Oro (INEC, 2001).

46

Figura 36. Zona de estudio.

47

3.2.

FLUJOGRAMA DE LA METODOLOGÍA

En el diagrama de flujo mostrado en la Figura 37 se presenta de forma gráfica los pasos a seguir de la metodología utilizada para el desarrollo de este estudio. Este diagrama está basado en trabajos previos en donde se utiliza los SIG para la extracción de líneas de costa con diferentes propósitos en especial los ya mencionados en el subcapítulo 2.6 de este estudio. Se usan de referencia trabajos de tesis y demás investigaciones científicas en donde se realizan estudios sobre técnicas para la interpretación de imágenes satelitales; y de la dinámica litoral utilizados en el manejo costero y planificación de programas para la prevención de desastres en donde se nombran los siguientes: Chuvieco (1998), Morton y Miller (2005), NAS (1994), den Boer et al. (2018), Arias Morán (2003) y Temitope (2014).

Al analizar el procedimiento encontrado en estos trabajos se identifican las diferentes herramientas y teorías aplicadas para la obtención de sus resultados. De aquí se adquiere una estructura a seguir consecuente con el objetivo general y los objetivos específicos planteados en este estudio que permite identificar la información requerida a extraer, para después analizar y por consiguiente la obtención de los resultados.

Otras investigaciones consultadas con respecto a la zona en donde se realiza este estudio, las cuales sirven para la interpretación de los resultados son: Gordillo et al. (2020), Romero (2016), Aguirre et al. (2015), INOCAR (1980), Martillo (2002), Reynaud et al. (2018), Fuentes (2012), Rosero (2012) y Caiza y Nativi (2019).

La metodología empieza por la fase 1. La fase 1 empieza por la selección de las imágenes satelitales las que deben de cumplir con un criterio en función de su procesamiento mediante la obtención del índice de diferenciación de agua normalizado. En esta fase se realiza una fusión de bandas para lograr su visualización en color natural. El resultado de esta fase son imágenes satelitales de mejor resolución para algunos casos y su vista en color natural lo que permite su fácil interpretación ya que se observan los objetos capturados en las imágenes de forma evidente al ojo humano. En la segunda fase se aplica el índice de diferenciación de agua normalizado del cual se obtienen imágenes en donde el mar y la vegetación están contrastados significativamente. Se utiliza el software ArcGIS para realizar la delimitación de estas zonas, en donde la línea que las separa es la línea de costa. Una vez

48

realizado este proceso a las imágenes satelitales y su posterior interpretación se extraen las líneas de costa para los años 1986, 1998 y 2019. Lo que viene a continuación es la fase final en la cual se realiza el análisis de las líneas de costa extraídas. Se utiliza la herramienta DSAS de la USGS para la cuantificación de los resultados los cuales son analizados.

Figura 37. Diagrama de flujo de la metodología.

49

3.3.

PROCESAMIENTO DE LAS IMÁGENES SATELITALES

En esta fase se realiza la selección las imágenes satelitales con las que se va a trabajar, en este caso son las provistas por los satélites de la NASA y la USGS (United States Geological Survey). Esta selección se la realiza teniendo como objetivo marcar un tiempo en el que se puedan percibir los cambios en las costas para su posterior análisis (Chuvieco, 1998). Todas estas tienen una resolución espacial de 30 m. Los ajustes y procedimientos mencionados a continuación serán realizados utilizando el programa ArcGIS 10.5 (ESRI, s.f.).

Las imágenes del satélite Landsat tienen problemas de distorsión radiométrica y geométrica (Masek et al., 2001). Radiométrica, causadas por problemas atmosféricos y una mezcla entre el sol, el sensor y la geometría del objetivo (Palubinskas, Muller, y Reinartz, 2004). Y geométrica, debido al equipo con el que se adquiere la imagen y a los movimientos propios del satélite (Santhosh y Renuka, 2011). Para solucionar estos problemas se asignarán a las bandas (Tabla 1) puntos de control terrestre, y un sistema de referencia según la zona de estudio. Para este caso utilizaremos la Proyección UTM, Zona Geográfica 17 Sur (WGS 84, UTM Zona 17S).

Debido a la interpretación visual que se debe realizar a los resultados es conveniente lograr una mejora de la resolución de las bandas, esto se efectúa cambiando las bandas de una resolución de 30 m a una de 15 m al usar la banda Pancromática (Pasquale, Parente, y Vallario, 2017) (ver Figuras 38 y 39). Una vez hecha esta mejora se utilizará la herramienta Remuestrear (ESRI, s.f.), para aplicar el método de convolución cúbica, y tener como resultado bandas rectificadas listas para procesar (Richards, 2013).

Tabla 1. Imágenes satelitales utilizadas Satélite (SR) Landsat 5 escáner multiespectral (MSS) Landsat 5 mapeador temático (TM) Landsat 8 (OLI/TIRS)

Fecha de adquisición 14/03/1986

Bandas B1 - B4

03/06/1998

B1 - B7

10/04/2019

B1 – B11

Bandas a usar B1 –> Green B3 –> NIR1 B1 –> Blue B4 –> NIR1 B2--> Blue B5 –> NIR1

50

Figura 38. Cambio de resolución de 30 m a 15 m.

Créditos: USGS, s.f.a.

Figura 39. Georreferenciación.

Créditos: USGS, s.f.a.

51

3.4.

DIGITALIZACIÓN Y EXTRACCIÓN DE LAS LÍNEAS DE COSTA

Para la interpretación de la zona de interés es necesario aplicar índices que permitan ver las características del área de estudio. Para esto se suelen utilizar los siguientes: el índice de diferenciación de vegetación normalizado (NDVI) y el índice de diferenciación de agua normalizado (NDWI) (Pasquale et al., 2017), ambos utilizan la región espectral del infrarrojo cercano (NIR) ya que esta permite ver claramente los límites del agua y de la tierra (Tao, Fenzhen, Xiaomei, y Shanshan, 2013). Se ha comprobado que aunque los dos permiten fácilmente diferenciar la línea de costa, NDWI (Shridhar y Alvarinho, 2012) (Ecuación 1) (Ecuación 2) produce mejores resultados que NDVI (Pasquale et al, 2017).

Green−NIR1

NDWI = Green+NIR1 (1)

Blue−NIR1

NDWI = Blue+NIR1

(2)

Las imágenes resultantes mostrarán un debido contraste de agua y tierra por lo que se procederá a realizar la digitalización de la línea de costa y posterior extracción (ver la Figura 40).

Figura 40. NDWI 2019.

Créditos: USGS, s.f.a.

52

3.5.

CLASIFICACIÓN DEL CAMBIO DE LAS LÍNEAS DE COSTA

La herramienta que se utiliza para realizar el análisis de las líneas de costa extraídas del perfil costero de El ORO es: DSAS (Digital Shoreline Analysis System) versión 5, creada por la USGS. Para su ejecución esta herramienta se instala en el software ArcGIS. El DSAS ofrece los siguientes métodos estadísticos: El SCE (Shoreline Change Envelope) que proporciona el desplazamiento de la línea de costa considerando todas las posiciones disponibles de las líneas de costa analizadas, el cual está en m. El NSM (Net Shoreline Movement) que proporciona la distancia entre la línea de costa más antigua y la más actual, el cual está en m. El EPR (End Point Rate) que proporciona la tasa de cambio total de acreción y erosión a largo plazo, el cual está en m/año. El LRR (Linear Regression Rate) que proporciona la tasa de cambio estadístico, que representa el movimiento de la línea de costa a lo largo de los transectos, el cual está en m/año (Temitope, 2014).

Para obtener los cambios entre las líneas de costa de los años 2019, 1998 y 1986, se crea una base de datos geográfica personal en donde se agregan dos entidades de ArcGIS, una que servirá como línea de base y otra que contendrá todas las líneas de costa a analizar.

Además, se deben crear transectos desde la línea base hasta el grupo de líneas costeras.

Para crear la línea base, se toma la entidad que contiene las líneas de costa y se crea un buffer con 150 m generado paralelamente a las 3 líneas costeras. Los transectos fueron generados a una distancia de 25 m. Su dirección: izquierda o derecha, se debe elegir conforme a la línea base y esto se decide al identificar a qué lado de la línea base está la tierra. Para el Archipiélago de Jambelí la tierra se encuentra a la izquierda, mientras que para la porción de la costa de Santa Rosa y toda la de Huaquillas, Arenillas, Machala y El Guabo la tierra se encuentra a la derecha. Debido a esto no se pueden generar datos del área total y fueron generados en dos partes denominadas Costa A y Costa B respectivamente (den Boer, Suntoyo, y Oele, 2018).

53

Tabla 2. Clasificación de las líneas de costa basados en EPR y LRR y vulnerabilidad costera (Priya Rajan, Np, y Prakash Tiwari, 2019).

No.

Tasa de Cambio (m/año)

Clasificación de las líneas de costa

Vulnerabilidad costera

Grado

1 2 3 4 5 6 7

<-2 -1 a -2 0 a -1 0 0a1 1a2 >2

Erosión muy alta Erosión alta Erosión moderada Estable Acreción moderada Acreción alta Acreción muy alta

Muy Alta Muy Alta Alta Media Baja Muy Baja Muy Baja

7 6 5 4 3 2 1

4.

RESULTADOS Y DISCUSIÓN

4.1.

PROCESAMIENTO DE LAS IMÁGENES SATELITALES

Una vez seleccionadas las imágenes con las que se va a trabajar estás son procesadas para disminuir los problemas por distorsión y a la vez se busca aumentar la calidad de la resolución de las bandas en las que se pueda realizar dicho proceso. A continuación, la Figura 41 muestra el resultado obtenido de mejorar la calidad de una imagen satelital y de aplicar la herramienta Remuestrear (ESRI, s.f.) en ArcGIS; imágenes rectificadas de las cuales se pueden digitalizar las líneas de costa.

(a)

54

(b) Figura 41. Aplicación de la herramienta Remuestrear (ESRI, s.f.) donde 'b' es el resultado final.

Créditos: USGS, s.f.a.

4.2.

DIGITALIZACIÓN Y EXTRACCIÓN DE LA LÍNEA DE COSTA

Al aplicar los índices de diferenciación de vegetación normalizado (NDVI) y el índice de diferenciación de agua normalizado (NDWI) (Pasquale et al., 2017), las imágenes muestran una clara diferenciación entre la vegetación y el agua (ver la Figura 42), esto permite clasificar los pixeles en ArcGIS, una vez clasificados los pixeles, se convierten los resultados a líneas, las cuales al utilizar una combinación de color natural ayuda al proceso de interpretación de las mismas.

Figura 42. Líneas de costa extraídas.

55

4.3.

CAMBIO DE LAS LÍNEAS DE COSTA

Las líneas de costa resultantes se clasifican de forma que se pueda visualizar la erosión y acreción de la zona de estudio. Para esto se utilizan los métodos estadísticos EPR (ver Figura 45 para la Costa A y ver Figura 47 para la Costa B) que permiten visualizar la tasa de cambio anual y NSM (ver Figura 46 para la Costa A y ver Figura 48 para la Costa B) que permite visualizar la tasa de erosión total en metros (ver Figuras 43, 44, 49 y 50).

Figura 43. Clasificación de las líneas costeras por erosión y acreción.

Figura 44. Vulnerabilidad costera.

56

Tabla 3. Resumen de movimientos y tendencias en la Costa A. Créditos: Elaboración propia.

Línea de costa N.º de % de EPR (m/año) NMS (m) transectos transectos Tasa de Tasa de erosión total cambio Erosión 4275 68,106% -0,01 a -29,75 -0,18 a -983,82 Acreción 1987 31,65% 0,01 a 20,08 0,18 a 664,11 Sin movimiento 15 0,238% -

30,00 20,08 20,00 10,00 0,00 0

1000

2000

3000

4000

5000

6000

7000

-10,00 -20,00 -30,00 -29,75 -40,00

Figura 45. EPR para cada transecto de la costa de la Costa A.

800,00 664,11 600,00 400,00 200,00 0,00 0

1000

2000

3000

4000

5000

6000

7000

-200,00 -400,00 -600,00 -800,00 -1000,00 -983,82 -1200,00

Figura 46. NSM de cada transecto para la costa de la Costa A.

57

Tabla 4. Resumen de movimientos y tendencias en la Costa B. Créditos: Elaboración propia.

Línea de costa N.º de transectos % de transectos EPR (m/año) NMS (m) Tasa de cambio Tasa de erosión total Erosión 1550 50.24% -0,01 a -57.97 -0,17 a -1917.13 Acreción 1389 45.024% 0,01 a 37.61 0,34 a 1243.79 Sin movimiento 146 4.73% 60,00 37,61 40,00 20,00 0,00 0

500

1000

1500

2000

2500

3000

3500

-20,00 -40,00 -60,00 -57,97 -80,00

Figura 47. EPR para cada transecto de la Costa B.

1500,00

1243,79

1000,00 500,00 0,00 0

500

1000

1500

2000

2500

3000

3500

-500,00 -1000,00 -1500,00 -2000,00

-1917,13

-2500,00

Figura 48. NSM para cada transecto de la Coste B.

58

Tabla 5. Colección de métodos estadísticos DSAS de la Costa A. Créditos: Elaboración propia.

SCE (m) NSM (m) EPR (m/año) LRR (m/año) Media 83,00 -29,43 -0,89 -0,92 Mínimo 0,34 -983,82 -29,75 -34,10 Máximo 1467,28 664,11 20,08 18,25

Tabla 6. Colección de métodos estadísticos DSAS de la Costa B. Créditos: Elaboración propia.

SCE (m) NSM (m) EPR (m/año) LRR (m/año) Media 175,41 7,93 0,24 0,07 Mínimo 0,03 -1917,13 -57,97 -54,9 Máximo 2293,99 1243,79 37,61 34,02

Figura 49. SCE máximo de la Costa A y Costa B.

59

Figura 50. NSM correspondiente al SCE máximo de la Costa A y de la Costa B.

4.4.

MAPA TEMÁTICO MULTITEMPORAL

En la Figura 51 se muestra el mapa resultante donde se pueden visualizar los procesos de erosión y de acreción en la zona de estudio que junto con el análisis de los resultados cuantificados sirven para la toma de decisiones preventivas o correctivas en el área del manejo de costas del territorio ecuatoriano.

Acreción y erosión mayor Costa B

Erosión y acreción mayor Costa A

Figura 51. Procesos de erosión y acreción de la costa de El Oro.

60

4.5.

ANÁLISIS DE RESULTADOS Y DISCUSIÓN

4.5.1. ANÁLISIS DEL CAMBIO DE LAS LÍNEAS DE COSTA El área costera o litoral es un medio en un constante cambio ya que aquí convergen los medios terrestre, acuático y atmosférico. Es un espacio modelado por los procesos hidrológicos, climáticos, bioquímicos y geomorfológicos (D' Amico, Fucks, y Carut, 2019).

La interacción entre la masa terrestre y el mar da paso a distintas formas de relieve como lo son: playas, campos de dunas, acantilados, marismas, estuarios, deltas, entre otras (Carut, 2013). Estos relieves costeros toman sus formas características debido a los procesos de erosión, transporte y sedimentación de partículas de roca producidos por las olas, las mareas, las corrientes de deriva, y los ríos (CATEDU, 2016). Como se ve, los movimientos costeros son permanentes en el tiempo por lo que es importante el poder cuantificar los procesos de acreción y erosión para determinar los cambios que se dan en las zonas costeras. Estos movimientos reorganizan los sedimentos creándose la posibilidad de exponer al peligro el hábitat de diversas especies, así como también asentamientos y construcciones antrópicas (Fuentes, 2012).

El perfil costero de El Oro está configurado por áreas insulares, manglares, deltas, playas, estuarios, ríos y zonas antropogénicas. En El Oro el manglar tiene una cobertura de 23026.93 ha (Aguirre et al., 2015). La cobertura de manglar se ve directamente afectada por la construcción de piscinas para el cultivo de camarón, lo que se considera un gran impacto ambiental. El manglar es una barrera natural que protege a la costa de la erosión, las consecuencias de su deforestación son zonas con vegetación nula o escasa quedando en cambio una gran cantidad de arena. Sin el manglar las costas quedan expuestas a la dinámica litoral viéndose propensa a inundaciones, algo de lo cual sufre Bajo Alto. Sin el manglar los procesos de erosión costera se agravan al igual que los de sedimentación, destruyendo hábitats cruciales de diversas especies. Otro de los agentes principales para la variación de la línea costera de Bajo Alto es el fenómeno de El Niño, en los años 1976 – 1998, siendo el periodo 1997 – 1998 el más destructivo causando el movimiento de la población del antiguo Bajo Alto, al Nuevo Bajo Alto en el año 1997 (Fuentes, 2012; CAF, 2000). El río Jubones es el río que afecta a la dinámica litoral en el área de Bajo Alto, delta (Martillo, 2002).

61

El clima de El Oro se encuentra influenciado por su posición geográfica, corrientes oceánicas, topografía, depresión y cadenas montañosas. También existen otros fenómenos climáticos que se deben considerar como: El Niño que se caracteriza por lluvias torrenciales, provocando el desborde de los ríos y aguajes (CAF, 2000); y La Niña que por el contrario trae consigo sequía. El cambio climático es un factor que puede darse por procesos naturales o por agentes externos como los ciclos solares, la dinámica volcánica y de origen antropogénico. Se prevé un cambio climático para los años 2000 y 2050 en donde los cantones dentro del área de estudio que tendrán un incremento en las precipitaciones son: Huaquillas, Santa rosa, y Arenillas. La precipitación afecta directamente al crecimiento de los ríos que como vimos anteriormente están relacionados al movimiento de sedimento (Aguirre et al., 2015).

Las causas naturales para el movimiento de la línea costera son las inundaciones, la corriente litoral y los ríos ya que son los principales responsables del movimiento de sedimento (Reynaud et al., 2018). Mientras que una de las causas antropológicas es la construcción de camaroneras (Fuentes, 2012). El perfil de una playa es el resultado de una competencia entre el mar, los ríos y el viento, el cual puede retroceder, avanzar o mantenerse en el mismo lugar. A la estabilidad del perfil costero se la conoce como equilibrio dinámico, al avance como acreción y al retroceso como erosión (Martillo, 2002; Caiza y Nativí, 2019). Las corrientes litorales son las que ocasionan el movimiento de sedimento suspendido en la superficie del agua. Existen dos tipos de corrientes litorales representativas para describir el transporte de sedimentos de la zona litoral: Las corrientes cross-shore producidas por el cambio de nivel del agua y las corrientes longshore dadas por efecto de las olas y el viento que corren paralelas a la costa. El transporte de sedimentos puede clasificarse como un trasporte a lo largo de la costa (longshore), y transporte costa dentro o fuera (onshore-offshore). El transporte longshore es uno de los movimientos más importantes que modifican la morfología de la playa, se ejecuta paralelo a la costa y es producto de un esfuerzo en conjunto entre la marea, las olas y el viento. Por otra parte, el movimiento onshore-offshore se moviliza de forma perpendicular u oblicua a la línea de costa ejecutado por el esfuerzo cortante de las olas (Caiza y Nativí, 2019).

62

El área de estudio es parte del Golfo de Guayaquil el cual limita al Ecuador y el Perú, y forma parte de la plataforma continental con su ensenada de configuración triangular. La Isla Puná se encuentra en el centro del Golfo y al sureste el río Guayas desemboca en el canal de Jambelí, un gran valle submareal en forma de embudo de 50 km de longitud y 30 km de ancho y una profundidad de que va desde los 15 a los 25 m. El canal de Jambelí muestra huecos alargados que son paralelos a las corrientes medias y tienen una profundidad de fondo marino circundante de hasta 70 m. Las corrientes del Golfo están dominadas por las dinámicas de las mareas y el flujo de agua a través del canal de Jambelí varía desde los 7000 a los 13000 m³/s que es aproximadamente diez veces más que el promedio de contribución fluvial. Las velocidades de corriente que se forman en la superficie en la pleamar son de hasta 3.5 m/s, la marea al exterior del canal se da por la sucesión de olas progresivas, lo mismo sucede costa afuera. En esta parte las corrientes producto de la inundación marina son más fuertes, y como resultado el transporte neto resultante se dirige hacia tierra. La influencia debido a las inundaciones marinas termina cuando los ríos se inundan y el sedimento sale en dirección al Canal de Jambelí (Reynaud et al., 2018).

En el Archipiélago de Jambelí que se encuentra al sur del Golfo de Guayaquil se encuentra sedimento donde destaca el limo-arcilloso, gravas y arenas. La erosión presente en el Archipiélago ha ocasionado periódicamente la destrucción de obras antropológicas con propósito turístico por lo que se han colocado sacos de arena para formar muros de contención o geotubos (Rosero, 2012), pero al no contar con los estudios respectivos no son una verdadera respuesta a la erosión actual como se puede corroborar en este estudio.

La Costa A señalada en la Figura 51 es el sitio de mayor erosión y se encuentra en la Isla Payana al oeste del Archipiélago de Jambelí. Aquí se observa un transporte de sedimentos longshore (Caiza y Nativí, 2019).

En la Tabla 5 (DSAS de la Costa A), para la columna SCE el valor de 83 m es el desplazamiento promedio de la línea de costa, la distancia de 1467.28 m es un desplazamiento máximo de erosión como se puede ver en la Figura 49 y 50. Para la columna NSM la distancia promedio es -29.43 m, negativa, por lo que se trata de una erosión promedio. En la isla Payana se encuentra una distancia máxima de erosión de -983.82 m y también una distancia máxima de acreción de 664.11 m que también pueden visualizarse en la Figura 46. Para la columna 63

EPR la velocidad promedio es de -0.89 m/año, negativa, por lo que se trata de una velocidad de erosión promedio. La velocidad de erosión máxima es de -29.75 m/año y la velocidad de acreción máxima es de 20.08 m/año que también pueden visualizarse en la Figura 45.

La columna LRR muestra que a lo largo de los años 1986 y 2019 se muestra una tasa de cambio de erosión promedio de -0.92 m/año, una tasa de cambio de erosión máxima de 34.10 m/año y una tasa de cambio de acreción máxima de 18.25 m/año.

La Costa B a la que se hace referencia en la Figura 51 pertenece a Bajo Alto, en el cantón El Guabo. La dinámica litoral de Bajo Alto ha sido estudiada con anterioridad; particularmente se predice el crecimiento del delta del río Jubones, y un flujo lento de sedimentación con dirección a La Puntilla que provocaría su crecimiento y a la vez la erosión en las playas al norte y sur de Bajo Alto (Martillo, 2002). Que coinciden con las zonas que muestran la mayor acreción y erosión de la Costa B confirmando dichas predicciones. Existen proyectos de dragado pensados para diferentes áreas de la costa de El Oro, entre ellas consta el delta del río Jubones y el del delta de la Puntilla. La CNA (Cámara Nacional de Acuacultura) ha puesto oposición porque de no acatarse a todo lo solicitado por el MAE (Ministerio del Ambiente) para realizar los dragados y realizarlos de forma irresponsable puede afectar al ecosistema, sus especies y al sector productivo (Cámara Nacional de Acuacultura, 2014).

En la Tabla 6 (DSAS de la Costa B), para la columna SCE el valor de 175.41 m es el desplazamiento promedio de la línea de costa, la distancia de 2293.99 m es un desplazamiento máximo de erosión como se puede ver en la Figura 49 y 50. Para la columna NSM la distancia promedio es de 7.93 m positiva, por lo que se trata de una acreción promedio. Dentro del cantón El Guabo se encuentra la distancia máxima de erosión de 1917.13 m y también la distancia máxima de acreción de 1243.79 m que también pueden visualizarse en la Figura 48. Para la columna EPR la velocidad promedio es de 0.24 m/año, positiva, por lo que se trata de una velocidad de acreción promedio. La velocidad de erosión máxima es de -57.97 m/año y la velocidad de acreción máxima es de 37.61 m/año que también pueden visualizarse en la Figura 47. La columna LRR muestra que a lo largo de los años 1986 y 2019 hay una tasa de cambio de acreción promedio de 0.07 m/año, una tasa de cambio de erosión máxima de -54.9 m/año y una tasa de cambio de acreción máxima de 34.02 m/año.

64

El Grupo Intergubernamental de Expertos sobre el cambio climático (IPCC, por sus siglas en inglés) indica que cerca de un 50% tiene asentamientos residenciales en las costas (Caiza y Nativí, 2019). Los manglares son el hábitat de diversas especies de aves y constituyen una barrera natural que evita la erosión (Fuentes, 2012). Por lo que las zonas afectadas por los procesos de erosión detectadas en este estudio requieren de una mayor atención por parte de las autoridades competentes para su prevención o contención.

65

5.

CONCLUSIONES

Para la Costa A el cambio máximo de la línea costera en términos de erosión fue de -29.75 m/año. Se encontró en promedio una tasa de cambio de -0.89 m/año en las líneas costeras, este EPR negativo se obtuvo por la fuerte influencia de los valores altos de erosión localizado al norte de la Isla Payana perteneciente al Archipiélago de Jambelí. Para la Costa B el cambio máximo de la línea costera en términos de erosión fue de -57.97 m/año. Se encontró en promedio una tasa de cambio de 0.24 m/año en las líneas costeras, este EPR positivo se obtuvo por la fuerte influencia de los valores altos de acreción localizado en La Puntilla perteneciente al Cantón el Guabo. Las zonas con mayor deposición o reorganización de sedimentos se encuentran para la Costa A al norte de la Isla Payana y para la Costa B en el delta del Río Jubones al suroeste de Bajo Alto en el cantón El Guabo.

Todos los sitios detectados con actividad erosiva en la Figura 51 muestran una tendencia a seguir erosionándose con el paso del tiempo por lo que deberían de tomarse las medidas respectivas para prevenir emergencias de carácter ambiental y antropológico.

Los resultados vistos desde EPR (tasa de cambio en metros por año) y NSM (movimiento neto de las líneas en metros) ayudan a ver con claridad las variaciones que pueden tener las líneas de costa y a observar la tendencia de su movimiento en el tiempo. Pero a la hora de tomar decisiones el mapa de cambio de las líneas de costa mostrado en la Figura 51 que denota los movimientos de acreción y erosión resulta más útil a la hora de tomar decisiones por parte de las autoridades encargadas de regular el impacto ambiental en las zonas costeras.

El poner de forma cuantificable los procesos de erosión y acreción en términos de tasa de cambio, y el movimiento de las líneas con respecto al tiempo, constituyen una base científica de lo que sucede en el perfil costero de El Oro. Los cuales sirven para futuros proyectos de prevención de catástrofes ambientales y la contención de los procesos erosivos en la línea de costa mediante planes de un esfuerzo en conjunto para mantener los ecosistemas hogares de diferentes especies, y fuentes de ingreso de los habitantes en esta zona.

66

Al realizar este estudio se observan estudios escasos de lo que sucede en la Isla Payana y el archipiélago de Jambelí en general. Por lo que es necesario que se realicen estudios de la dinámica litoral de esta área. Aunque se puede inferir que el movimiento de sedimento es debido al oleaje longshore ya que más adelante de la playa erosionada se observa una puntilla que en cambio muestra crecimiento a lo largo de los años. La seguridad de dicha afirmación es limitada debido a lo escaso de fuentes científicas que hablen a profundidad de lo que sucede en esta zona.

La evolución histórica de la morfología de una línea de costa en el tiempo y su posición resultan de vital importancia para evaluar la dinámica del sistema costero en donde los sensores y los SIG han resultado útiles para su evaluación. La aplicación de la herramienta DSAS de la USGS ha sido explorada en este estudio mostrando su utilidad para cuantificar de forma estadística el movimiento de la línea de costa, a su vez se observa que la veracidad de los resultados obtenidos con esta herramienta depende de la exactitud de la información a ser analizada. La herramienta DSAS ha mostrado que proporciona información valiosa para la evaluación del comportamiento morfodinámico de la costa en términos de posición para la identificación del retroceso y avance de la línea de costa, así como también para la panificación de estrategias para la estabilidad costera.

67

6.

REFERENCIAS

Aguirre, N., Eguiguren, P., y Maita, J. (Diciembre de 2015). Vulnerabilidad al cambio climático en la Región Sur del Ecuador: Potenciales impactos en los ecosistemas, producción de biomasa y producción hídrica. Recuperado el 21 de 03 de 2021, de ResearchGate: https://www.researchgate.net/publication/298753988_Vulnerabilidad_al_cambio_climati co_en_la_Region_Sur_del_Ecuador_Potenciales_impactos_en_los_ecosistemas_producci on_de_biomasa_y_produccion_hidrica Alkisti Pliatsika, D. (Noviembre de 2018). Aeolian sediment transport potentials and dune evolution in Ancão Peninsula (Ria Formosa), Portugal. Recuperado el 06 de 10 de 2020, de Research Gate: https://www.researchgate.net/publication/333371965_Aeolian_sediment_transport_pot entials_and_dune_evolution_in_Ancao_Peninsula_Ria_Formosa_Portugal_Work_perform ed_under_the_supervision_of Arias Morán, C. (Diciembre de 2003). Spatio-Temporal Analysis of Texas Shoreline Changes.

Recuperado el 06 de 10 de 2020, de Texas A&M University: https://core.ac.uk/reader/147122918 Baker, B. (17 de Febrero de 1999). Geog 296: Contemporary Geographic Techniques. Recuperado el 06 de 10 de 2020, de Sonoma State University: http://web.sonoma.edu/users/f/freidel/techniques/exer/rem_sens/remsen_e.html Baylor Roberts, J. (s.f.). Jetty into the Gulf of Mexico. Recuperado el 06 de 10 de 2020, de National Geographic: https://www.nationalgeographic.org/encyclopedia/jetty/ Boak, E. H., y Turner, I. L. (1 de Julio de 2005). Shoreline Definition and Detection: A Review.

Recuperado el 06 de 10 de 2020, de BioOne: https://bioone.org/journals/Journal-ofCoastal-Research/volume-2005/issue-214/03-0071.1/Shoreline-Definition-and-DetectionA-Review/10.2112/03-0071.1.full CAF. Corporacion Andina de Fomento. (2000). EL FENOMENO EL NIÑO 1997 - 1998 MEMORIA, RESTOS Y SOLUCIONES. Recuperado el 21 de 03 de 2021, de SCIOTECA: https://scioteca.caf.com/bitstream/handle/123456789/675/Las%20lecciones%20de%20El %20Ni%C3%B1o.%20Ecuador.pdf?sequence=1&isAllowed=y Caiza, R., y Nativí, S. (2019). Evaluación y Modelamiento del Cambio de Línea de Costa en Condiciones Naturales y bajo Influencia de Obras de Protección Costera. Caso de Estudio: Libertador Bolívar, Santa Elena-Ecuador. Recuperado el 07 de 04 de 2021, de Repositorio Dspace: http://www.dspace.espol.edu.ec/xmlui/handle/123456789/48144 Cámara Nacional de Acuacultura. (29 de Septiembre de 2014). Aqua Cultura. Recuperado el 01 de 04 de 2021, de ISSUU: https://issuu.com/revista-cna/docs/aqua_cultura_102/7 Campbell, J., y Wynne, R. (2011). Introduction to Remote Sensing (5ta ed.). New York: The Guildford Press. Recuperado el 06 de 10 de 2020, de https://books.google.com.ec/books?hl=en&lr=&id=NkLmDjSS8TsC&oi=fnd&pg=PP1&dq= what+is+remote+sensing&ots=s1Nmx3o02y&sig=O4lI3q8RpIPWJpsN7GFIOH3_hsg&redir_ esc=y#v=onepage&q=what%20is%20remote%20sensing&f=false 68

Coastal Care. (s.f.). Campaigns. Coastal Care. Recuperado el 06 de 10 de 2020, de Coastal Care: https://coastalcare.org/protect/campaigns/ Carut, C. (5 de Agosto de 2013). LA METROPOLIZACIÓN COSTERA DE LA REGIÓN METROPOLITANA DE BUENOS AIRES. UN JUEGO DIALÉCTICO DE LOS LUGARES: ENTRE LA INSERCIÓN Y SU AISLAMIENTO EN LA NUEVA METROPOLIZACIÓN DE LA DECADA DE LOS 90. Recuperado el 20 de 03 de 2021, de FAHCE-UNLP: http://www.memoria.fahce.unlp.edu.ar/tesis/te.986/te.986.pdf CATEDU. Centro Aragones de Tecnologías para la Educación (2016). Sistema Costero. Recuperado el 20 de 03 de 2021, de CATEDU: http://educativa.catedu.es/44700165/aula/archivos/repositorio/750/988/html/45_sistema_coste ro.html Chuvieco, E. (Diciembre de 1998). El factor temporal en teledetección: evolución fenomenológica y análisis de cambios. Revista de teledetección, 10(1-9). Recuperado el 06 de 10 de 2020, de Asociación Española de Teledetección: http://www.aet.org.es/revistas/revista10/AET10_4.pdf CONSER, Conservación Internacional. (2014). Franja Costera. Recuperado el 06 de 10 de 2020, de Conservación Internacional: https://conservation.org.ec/franja-costera/ CONABIO. La Comisión Nacional para el Conocimiento y Uso de la Biodiversidad. (s.f.). Playas de arena y rocosas. Recuperado el 27 de 10 de 2021, de Biodiversidad Mexicana: https://www.biodiversidad.gob.mx/ecosistemas/playas D' Amico, G., Fucks, E., y Carut, C. (2019). Dynamism, complexity and specificity of the estuarine littorals: analysis of the littoral in Punta Atalaya, Buenos Aires, Argentina. Recuperado el 20 de 03 de 2021, de Universidad de la Rioja: https://publicaciones.unirioja.es/ojs/index.php/cig/article/view/3721 den Boer, E., Suntoyo, y Oele, A. (04 de Julio de 2018). Determination of shoreline change along the East-Java coast, using Digital Shoreline Analysis System. Recuperado el 28 de 02 de 2021, de Matec Web Conferences: https://www.matecconferences.org/articles/matecconf/abs/2018/36/matecconf_isoceen2017_01022/matec conf_isoceen2017_01022.html DiBiase, D. (s.f.). The nature of geographic information. Recuperado el 06 de 10 de 2020, de Department of Geography, PennState University: https://www.eeducation.psu.edu/natureofgeoinfo/c8_p12.html EcuRed. (s.f.a). Cantón El Guabo. Recuperado el 09 de 03 de 2021, de EcuRed: https://www.ecured.cu/Cant%C3%B3n_El_Guabo_(Ecuador) EcuRed. (s.f.b). Huaquillas. Recuperado el 09 de 03 de 2021, de EcuRed: https://www.ecured.cu/Huaquillas_(Ecuador) ESRI. Environmental Systems Research Institute. ( 24 de Julio de 2013). Band combinations for Landsat 8. Recuperado el 06 de 10 de 2020, de ESRI: https://www.esri.com/arcgisblog/products/product/imagery/band-combinations-for-landsat-8/

69

ESRI. Environmental Systems Research Institute. (s.f.). Resample. Recuperado el 28 de 01 de 2020, de ESRI: https://pro.arcgis.com/en/pro-app/latest/tool-reference/datamanagement/resample.htm FSC. Field Study Council (s.f.). Coastal management. Recuperado el 06 de 10 de 2020, de Field Study Council (FSC): https://www.geography-fieldwork.org/a-level/coasts/coastalmanagement/#primary-nav Fuentes, E. (2012). Estudio multitemporal del uso y cobertura del suelo del sector Bajo Alto en la provincia de El oro utilizando Sistemas de Información Geográfica. Recuperado el 21 de 03 de 2021, de Repositorio Institucional de la Universidad de Guayaquil: http://repositorio.ug.edu.ec/handle/redug/1751 García, G. R. (Julio de 2017). ¿Por qué se mueve la línea de costa? Revista Ciencia, 68(3).

Recuperado el 06 de 10 de 2020, de Ciencia: https://www.revistaciencia.amc.edu.mx/images/revista/68_3/PDF/68_3_muevelineacost a.pdf GIS Geography. (21 de Diciembre de 2019). Landsat 8 Bands and Band Combinations. Recuperado el 06 de 10 de 2020, de Gis Geography: https://gisgeography.com/landsat-8-bandscombinations/ Gordillo, M., Castillo, O., y Loja, M. (18 de Diciembre de 2020). INCIDENCIA DEL DESARROLLO TURÍSTICO EN LA ECONOMÍA FAMILIAR DE LA ISLA JAMBELÍ. Recuperado el 17 de 01 de 2021, de UTMACH: http://repositorio.utmachala.edu.ec/bitstream/48000/16185/1/TTFCS-2021-TRSDE00001.pdf Hernández, J., y Montaner, D. (2009). Patrones de respuesta espectral. Recuperado el 06 de 10 de 2020, de GEP - Universidad de Chile: http://www.gep.uchile.cl/Publicaciones/Hern%C3%A1ndez%20&%20Montaner%202009 %20SAF.pdf INEC. Instituto Nacional de Estadística y Censos. (2001). Fascículos Censales. Recuperado el 09 de 03 de 2021, de Ecuador en cifras: https://www.ecuadorencifras.gob.ec/documentos/webinec/Bibliotecas/Fasciculos_Censales/Fasc_Cantonales/El_Oro/ INOCAR. Instituto Oceanográfico y Antártico de la Armada. (Octubre de 1980). Minerales de arcilla en el archipiélago de Jambelí. Recuperado el 17 de 01 de 2021, de Conservación Marina en el Pacífico Este Tropical: http://www.conservapacifico.net/sites/default/files/publications/OCE101_8.pdf İşiaçık Çolak, T., Senel, G., y Göksel, Ç. (Febrero de 2019). COASTLINE ZONE EXTRACTION USING LANDSAT-8 OLI IMAGERY, CASE STUDY: BODRUM PENINSULA, TURKEY. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 42(4/W12), 101-104. Recuperado el 04 de 01 de 2021, de Researchgate: https://www.researchgate.net/publication/331350011_COASTLINE_ZONE_EXTRACTION_ USING_LANDSAT-8_OLI_IMAGERY_CASE_STUDY_BODRUM_PENINSULA_TURKEY Li, R., Di, K., y Ma, R. (Agosto de 2004). A Comparative Study of Shoreline Mapping Techniques. GIS for coastal zone management, 53-60.Recuperado el 04 de 01 de 2021, de ResearchGate: 70

https://www.researchgate.net/publication/250064906_A_Comparative_Study_of_Shoreli ne_Mapping_Techniques La Tierra. (s.f.). Cantón Arenillas. Recuperado el 09 de 03 de 2021, de La Tierra: https://tierra.tutiempo.net/ecuador/canton-arenillas-ec000517_001.html Lira Chávez, J. (1986). La percepción remota: Una introducción conceptual. Recuperado el 06 de 10 de 2020, de UGM (Unión Geofísica Mexicana): https://ugm.org.mx/publicaciones/geos/pdf/geos86-2/remota-6-2.pdf Lira Chávez, J. (2010). Tratamiento de imágenes digitales multiespectrales (2da ed.). Distrito Federal, México: Lulu. Recuperado el 06 de 10 de 2020, de https://es.scribd.com/document/101275317/Libro-Tratamiento-Digital-Imagenes Lira Chávez, J. (2011). Percepción Remota (2da ed.). Distrito Federal, México: Lulu. Recuperado el 06 de 10 de 2020, de https://books.google.com.ec/books?id=7FxkAwAAQBAJ&printsec=frontcover#v=onepage &q&f=false Maloney, M. (s.f.). Great Barrier Reef, Australia. Recuperado el 06 de 10 de 2020, de Global Alliance for the rights of nature (GARN): https://therightsofnature.org/great-barrier-reefaustralia/?cli_action=1593385124.725 Martillo, C. (2002). Dinámica Litoral En El Área De Bajo Alto – Provincia De El Oro, Y Su Aplicación Al Manejo Costero. Recuperado el 01 de 04 de 2021, de ResearchGate: https://www.researchgate.net/publication/28795926_Dinamica_Litoral_En_El_Area_De_ Bajo_Alto_-_Provincia_De_El_Oro_Y_Su_Aplicacion_Al_Manejo_Costero Masek, J. (5 de Junio de 2020). The Landsat Program. Recuperado el 06 de 10 de 2020, de USGS: https://landsat.gsfc.nasa.gov/ Masek, J., Honzak, M., Goward, S., Ping, L., y Pak, E. (2 de Octubre de 2001). Landsat-7 ETM+ as an observatory for land cover: Initial radiometric and geometric comparisons with Landsat-5 Thematic Mapper. Remote Sensing of Environment, 78(1-2), 118-130.Recuperado el 06 de 10 de 2020, de sciencedirect: https://www.sciencedirect.com/science/article/abs/pii/S0034425701002541 McLean, R., Tsyban, A., Burkett, V., Codignott, J., Forbes, D., Mimura, N., . . . Ittekkot, V. (2001).

Coastal Zones and Marine Ecosystems. Climate change, 343-379. Recuperado el 06 de 10 de 2020, de semanticscholar: https://www.semanticscholar.org/paper/Coastal-Zonesand-Marine-Ecosystems-BurkettMimura/4c8dd2ae4d80887a4a3f665b15b57c4946706bf3 Michalt. (27 de Julio de 2018). Seawall Units Herzliya Marina Case Study. Recuperado el 06 de 10 de 2020, de Econcrete: https://econcretetech.com/seawall-units-herzliya-marina/ NASA. The National Aeronautics and Space Administration. (11 de Abril de 2013). Landsat more than a pretty picture. Recuperado el 06 de 10 de 2020, de Landsat Science, NASA: https://landsat.gsfc.nasa.gov/wpcontent/uploads/2013/05/Landsat_MoreThanPrettyPicture_2013Apr11_20180607.ppt.p df

71

NAS. National Academy of Sciences. (1994). Environmental Science in the Coastal Zone.

Recuperado el 06 de 10 de 2020, de National Academies Press: https://www.nap.edu/catalog/2249/environmental-science-in-the-coastal-zone-issuesfor-further-research National Academy of Sciences/Smithsonian. (1988). Biodiversity. Washington D.C.: Harvard University. Recuperado el 06 de 10 de 2020, de The National Academy Press: https://www.nap.edu/catalog/989/biodiversity National Geographic. (23 de Marzo de 2018). Las marismas del Odiel a vista de pájaro.

Recuperado el 06 de 10 de 2020, de National Geographic en Español: https://www.nationalgeographic.com.es/fotografia/foto-del-dia/marismas-odiel-a-vistapajaro_12512 National Geographic. (9 de Agosto de 2018). Una nueva isla nació en Carolina del Norte.

Recuperado el 06 de 10 de 2020, de National Geographic en Español: https://www.ngenespanol.com/traveler/una-nueva-isla-nacio-en-carolina-del-norte/ Olexy, T. (29 de Agosto de 2019). Visualizing Remotely Sensed Data: True Color and False Color.

Recuperado el 06 de 10 de 2020, de DAI: https://dai-global-digital.com/visualizingremotely-sensed-data-true-color-and-false-color.html Orihuela, A., Ordóñez, L., Brito, J., López, F., Mazón, M., y Freile, J. (Junio de 2018). Ecología trófica del búho terrestre Athene cunicularia punensis (Strigiformes: Strigidae) en el archipiélago de Jambelí, provincia de El Oro, suroeste de Ecuador. Recuperado el 17 de 01 de 2021, de Scielo: http://www.scielo.org.pe/scielo.php?pid=S172799332018000200006&script=sci_arttext Palubinskas, G., Muller, R., y Reinartz, P. (10 de Mayo de 2004). Radiometric normalization of optical remote sensing imagery. In IGARSS 2003. 2003 IEEE International Geoscience and Remote Sensing Symposium. Proceedings (IEEE Cat. No. 03CH37477) (Vol. 2, pp. 720-722).

IEEE.Recuperado el 06 de 10 de 2020, de ieeexplore: https://ieeexplore.ieee.org/abstract/document/1293895 Pasquale, M., Parente, C., y Vallario, A. (17 de Febrero de 2017). Coastline extraction using high resolution WorldView-2 satellite imagery. Recuperado el 29 de 01 de 2020, de tandfonline: https://www.tandfonline.com/doi/abs/10.5721/EuJRS20144739 Phillips, M., y Fritzsche, H. (s.f.). Electromagnetic radiation. Recuperado el 06 de 10 de 2020, de Britannica: https://www.britannica.com/science/electromagnetic-radiation Priya Rajan, S., Np, M., y Prakash Tiwari, S. (Abril de 2019). Mapping and analysis of the physical vulnerability of coastal Tamil Nadu. Recuperado el 28 de 02 de 2021, de Researchgate: https://www.researchgate.net/publication/332632039_Mapping_and_analysis_of_the_p hysical_vulnerability_of_coastal_Tamil_Nadu Puerto Naranja. (s.f.). Chapter 7: Coastal zone management element. Recuperado el 06 de 10 de 2020, de Port Orange: https://www.portorange.org/DocumentCenter/View/1314/Chapter-7---Coastal-Zone-ManagementElement---Policy

72

Puissant, A., Lefèvre, S., y Weber, J. (s.f.). Coastline Extraction in Vhr Imagery Using Mathematical Morphology with Spatiala Spectral Knowledge. En SPRS Congress Beijing 2008 (pp. 13051310). Recuperado el 06 de 10 de 2020, de ISPRS: https://www.isprs.org/proceedings/XXXVII/congress/8_pdf/13_ThS-19/02.pdf Reynaud, J.‐Y., Witt, C., Pazmiño, N., y Gilces, S. (06 de 2018). Tide-dominated deltas in active margin basins: Insights from the Guayas estuary, Gulf of Guayaquil, Ecuador. Recuperado el 03 de 04 de 2021, de ResearchGate: https://www.researchgate.net/publication/325647844_Tidedominated_deltas_in_active_margin_basins_Insights_from_the_Guayas_estuary_Gulf_of _Guayaquil_Ecuador?enrichId=rgreq-f76217f76a1d627f9fcb549d740cb23dXXX&enrichSource=Y292ZXJQYWdlOzMyNTY0Nzg0NDtBUzo2Mz Richards, J. A. (2013). Remote Sensing Digital. Recuperado el 28 de 01 de 2020, de Gisman: http://dl.gisman.ir/Ebooks/Free/2013/Remote_Sensing_Digital_Image_Analysis_www.GI Sman.ir.pdf Riebeek, H., y Simmon, R. (18 de Noviembre de 2013). How to interpret a Satellite Image: Five tips and strategies. Recuperado el 06 de 10 de 2020, de Earth observatory, NASA: https://earthobservatory.nasa.gov/features/ColorImage Morton, R.A. (Enero de 1991). Accurate Shoreline Mapping: Past, Present, and Future. En Coastal sediments (pp. 997-1010). ASCE.Recuperado el 06 de 10 de 2020, de Researchgate: https://www.researchgate.net/publication/279619994_Accurate_shoreline_mapping_Pas t_present_and_future Morton R.A., y Miller, T. (2005). National Assessment Of Shoreline Change: Part 2 Historical Shoreline Changes And Associated Coastal. Recuperado el 06 de 10 de 2020, de USGS: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.405.6710&rep=rep1&type=pd f Romero, C. (Octubre de 2016). Machala amenazada por la pérdida de sus manglares, causas, magnitud y medidas de recuperación. Recuperado el 19 de 01 de 2021, de Repositorio Institucional de la Universidad de Guayaquil: http://repositorio.ug.edu.ec/handle/redug/14850 Rosero, J. (2012). Aplicación de los SIG para análisis de los riesgos por variabilidad costera, Ecuador. Recuperado el 04 de 04 de 2021, de USFQ: http://192.188.53.14/handle/23000/1900 Santhosh, B.S., y M.Renuka, D. (Enero de 2011). Geometric Correction in Recent High Resolution Satellite Imagery: A Case Study in Coimbatore, Tamil Nadu. International Journal of Computer Applications, 14, 32-37. Recuperado el 06 de 10 de 2020, de semanticscholar: https://pdfs.semanticscholar.org/1503/1108c70c260c2fb03e921c9760d775f61f2b.pdf Sánchez Jara, P. (24 de Octubre de 2012). La teledetección enfocada a la obtención de mapas digitales. Recuperado el 06 de 10 de 2020, de Universidad de Cuenta: https://dspace.ucuenca.edu.ec/bitstream/123456789/779/1/ti839.pdf Sandwell, D. (2004). Use of color in remote sensing. Recuperado el 06 de 10 de 2020, de Satellite Geodesy, University of California San Diego: https://topex.ucsd.edu/rs/color.pdf 73

Schowengerdt, R. A. (2007). Remote Sensing: Models and Methods for Image Processing (3era ed.). Tucson: Elsevier. Recuperado el 06 de 10 de 2020, de Science Direct: https://www.sciencedirect.com/book/9780123694072/remote-sensing#book-info Shridhar D., J., y Alvarinho J., L. (19 de Mayo de 2012). A spectral index ratio-based Antarctic landcover mapping using hyperspatial 8-band WorldView-2 imagery. Polar Science, 7(1), 1838. Recuperado el 06 de 10 de 2020, de Science Direct: https://www.sciencedirect.com/science/article/pii/S1873965212000564 Simisa. (25 de Agosto de 2009). Seychelles outer islands 25.08.2009 10-20-09. Recuperado el 06 de 10 de 2020, de Wikimedia commons: https://commons.wikimedia.org/wiki/File:Seychelles_outer_islands_25.08.2009_10-2009.jpg Splinter, K., Turner, I., y Davidson, M. (30 de Octubre de 2012). How much data is enough? The importance of morphological sampling interval and duration for calibration of empirical shoreline models. Recuperado el 06 de 10 de 2020, de sciencedirect: https://www.sciencedirect.com/science/article/abs/pii/S0378383913000495 Nelson, S.A. (23 de Abril de 2018). Coastal Zones. Tulane Recuperado el 06 de 10 de 2020, de: https://www.tulane.edu/~sanelson/Natural_Disasters/coastalzones.htm Stone, D. (s.f.). External forces: waves. Recuperado el 06 de 10 de 2020, de Pachamamatrust: http://pachamamatrust.org/f2/1_K/SGg_geography/Ao_landscaping2_KSGg.htm Tao, Z., Fenzhen, S., Xiaomei, Y., y Shanshan, H. (12 de Septiembre de 2013). Extraction of Coastline in Aquaculture Coast from Multispectral Remote Sensing Images: Object-Based Region Growing Integrating Edge Detection. Recuperado el 03 de 01 de 2020, de mdpi: https://www.mdpi.com/2072-4292/5/9/4470/htm Temitope D., T. (Enero de 2014). Shoreline geometry: DSAS as a tool for Historical Trend Analysis.

Geomorphological Techniques, 3(2.2), 1-12. Recuperado el 28 de 02 de 2021, de Researchgate: https://www.researchgate.net/publication/264534620_Shoreline_geometry_DSAS_as_a_ tool_for_Historical_Trend_Analysis Thieler, E., y Danforth, W. (1994). Historical Shoreline Mapping (I): Improving Techniques and Reducing Positioning Errors. Recuperado el 06 de 10 de 2020, de Semantic Scholar: https://www.semanticscholar.org/paper/Historical-Shoreline-Mapping-(I)%3A-Improvingand-Thieler-Danforth/589b1a8dacb7edc2c42195309230e41e14593484 Thieler, R., Himmelstoss, E., Zichichi, J., y Ergul, A. (2009). The Digital Shoreline Analysis System (DSAS) version 4.0—an ArcGIS Extension for Calculating Shoreline Change. Recuperado el 06 de 10 de 2020, de USGS: https://cmgds.marine.usgs.gov/publications/DSAS/of20081278/ USGS. The United States Geological Survey. (s.f.a.). Earth Explorer Distribution Download.

Recuperado el 06 de 10 de 2020, de Earth Explorer: https://earthexplorer.usgs.gov/ USGS. The United States Geological Survey. (s.f.b.). Landsat Collections. Recuperado el 06 de 10 de 2020, de USGS: https://www.usgs.gov/land-resources/nli/landsat/landsat-

74

collections?qt-science_support_page_related_con=2#qtscience_support_page_related_con USGS. The United States Geological Survey. (s.f.c). Landsat Satellite Missions. Recuperado el 06 de 10 de 2020, de USGS: https://www.usgs.gov/land-resources/nli/landsat/landsat-satellitemissions?qt-science_support_page_related_con=2#qtscience_support_page_related_con USGS. The United States Geological Survey. (s.f.d). What are the band designations for the Landsat satellites? Recuperado el 06 de 10 de 2020, de USGS: https://www.usgs.gov/faqs/what-are-band-designations-landsat-satellites?qtnews_science_products=0#qt-news_science_products USGS. The United States Geological Survey. (s.f.e). What are the best Landsat spectral bands for use in my research? Recuperado el 06 de 10 de 2020, de USGS: https://www.usgs.gov/faqs/what-are-best-landsat-spectral-bands-use-my-research?qtnews_science_products=0#qt-news_science_products USGS. The United States Geological Survey. (s.f.f). What is remote sensing and what is it used for?

Recuperado el 06 de 10 de 2020, de USGS: https://www.usgs.gov/faqs/what-remotesensing-and-what-it-used?qt-news_science_products=0#qt-news_science_products Zhang, T., Yang, X., Hu, S., y Su, F. (12 de Septiembre de 2013). Extraction of Coastline in Aquaculture Coast from Multispectral Remote Sensing Images: Object-Based Region Growing Integrating Edge Detection. Remote sensing, 5(9), 4470-4487. Recuperado el 04 de 01 de 2021, de MDPI: https://www.mdpi.com/2072-4292/5/9/4470 Zhuge, X., Zou, X., y Wang, Y. (Noviembre de 2017). A Fast Cloud Detection Algorithm Applicable to Monitoring and Nowcasting of daytime cloud systems. IEEE Transactions on Geoscience and Remote Sensing, 55(11), 6111-6119. Recuperado el 06 de 10 de 2020, de Research Gate: https://www.researchgate.net/publication/318843407_A_Fast_Cloud_Detection_Algorith m_Applicable_to_Monitoring_and_Nowcasting_of_Daytime_Cloud_Systems

75