106841

Master Thesis

submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc

Department of Geoinformatics - Z_GIS University of Salzburg

Sensores remotos aplicados a la detección de cambio en línea de costa del área piloto del embalse de Itaipu, Paraguay en el periodo 1994-2014.

Remote sensing applied to coastline change detection of Itaipu Reservoir pilot area – Paraguay 1994-2014. by Luz Paola Inchausti Sosa 12041626

A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science – MSc

Advisor I Supervisor: Leonardo Zurita Arthos Ph.D.

Ciudad del Este - Paraguay, 06 de agosto de 2024

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.

Ciudad del Este, agosto del 2024

(Lugar, fecha)

Luz Paola Inchausti Sosa

DEDICATORIA

A mis padres, Luz Silvina y Raúl Reinaldo,

A mis hermanitas, Gisela Patricia y Rocío Monserrat, A Leonardo y Mateo, amorcitos de tía,

A mi esposo, Diego César.

AGRADECIMIENTOS

Es prácticamente imposible alcanzar las metas sin la presencia y el aliento de las personas más queridas. Es por ello que agradezco profundamente:

A mi familia, por apoyarme, sostenerme en todo momento en el camino de la vida y porque representan para mí una riqueza inestimable.

A Diego, por brindarme valiosos puntos de vista para enriquecer este trabajo y por hacerme sentir tan amada todos los días.

A Franklin Molinas y a Sergio Méndez, por brindarme su amistad sincera y por colaborar con datos y recomendaciones profesionales.

A Gustavo Bareiro y a Luis Morínigo, por su disponibilidad para compartir su experiencia y sugerir soluciones a problemas que se presentaron en el desarrollo del trabajo.

A la Ing. Ana Carolina Gossen, por creer en mi capacidad y por la confianza puesta en mi persona.

Al Prof. Vicente Fernández Quiñonez, por gentilmente proporcionarme los artículos de investigación de su autoría, que sirvieron como punto de partida para el trabajo.

A Anton Eitzinger y Laure Collet, por sus valiosas observaciones y sugerencias.

RESUMEN

Las márgenes o costas del embalse de Itaipu fueron objeto de estudio de programas de monitoreo a lo largo del tiempo; sin embargo, las campañas de campo son prolongadas, presentan cierto grado de peligro y requieren importantes recursos. Actualmente, es indispensable encontrar alternativas viables acorde a los avances tecnológicos.

El objetivo de este trabajo fue evaluar la utilidad de los sensores remotos para el estudio de detección de cambios de las líneas de costa en el área piloto del embalse de Itaipu, Paraguay en el periodo 1994 y 2014.

La metodología aplicada es, por un lado, el análisis multitemporal de cambios de la posición de líneas de costa mediante la utilización de la herramienta DSAS (Digital Shoreline Analysis System) del Servicio Geológico de los Estados Unidos (USGS) y, por otro lado, la estimación de las magnitudes de cambio asociadas. Para tal efecto los parámetros analizados, tanto para imágenes de alta resolución espacial como para aquellas de resolución media, son NSM (Desplazamiento Neto) y EPR (Tasa de cambio).

La erosión estimada, para un periodo de 20 años a partir de imágenes de alta resolución fue de -117.30 m, con una tasa de -5.86 m/año; mientras que a partir de imágenes de resolución media fue de -97.85 m y una tasa de -4.89 m/año. La acreción estimada, para el mismo periodo fue de 13.26 m, a partir de imágenes de alta resolución, con una tasa de 0.66 m/año; mientras que a partir de imágenes de resolución media fue de 30.10 m, con una tasa de 1.51 m/año.

La herramienta DSAS proporciona productos vectoriales que permitieron un análisis espacial de los transectos generados, y además, pudieron servir como insumo para clasificar los tramos en zonas de erosión, acreción y estabilidad.

Los resultados obtenidos se compararon con aquellos reportados en monitoreos históricos en la zona llamada área piloto en esta investigación.

Se comprobó que mediante los sensores remotos es posible obtener informaciones valiosas para entender la dinámica costera y para lograr establecer un orden de prioridades en la aplicación de medidas mitigadoras a la erosión

Palabras clave: Detección de cambio, línea de costa, teledetección, DSAS, Itaipu Binacional.

ABSTRACT

Monitoring programs have studied the margins or coastlines of the Itaipu reservoir over time. However, field campaigns are lengthy, present a certain degree of danger, and require significant resources. Currently, it is essential to find viable alternatives through technological advances.

This work aimed to evaluate the usefulness of remote sensing for the study of coastline change detection in the pilot area of the Itaipu reservoir, Paraguay, between 1994 and 2014.

The applied methodology involves, on the one hand, the multi-temporal analysis of coastline position changes through the DSAS tool (Digital Shoreline Analysis System) by the United States Geological Survey (USGS) and, on the other hand, the estimation of the associated magnitudes of change. For this purpose, the parameters analyzed for high spatial resolution images and those of medium resolution are NSM (Net Shoreline Movement) and EPR (End Point Rate).

The estimated erosion, for a period of 20 years, from high-resolution images was117.30 m, with a rate of -5.86 m/year; from medium-resolution images, it was -97.85 m and a rate of -4.89 m/year. The estimated accretion for the same period was 13.26 m from high-resolution images, with a rate of 0.66 m/year, while from medium-resolution images, it was 30.10 m, with a rate of 1.51 m/year.

The DSAS tool provides vector products that allowed spatial analysis of the generated transects, which can, in turn, served as input to classify the sections into zones of erosion, accretion, and stability.

The obtained results were compared with those reported in historical monitoring in the pilot area for this research.

It has been proven that remote sensing can provide valuable information for understanding coastal dynamics and establishing an order of priorities for applying erosion mitigation measures.

Key words: Change detection, coastline, remote sensing, DSAS, Itaipu Binacional

2.2.

2.3.

4.1

ÍNDICE DE FIGURAS

FIGURA 2.1. RELACIÓN ENTRE PBI PER CÁPITA (2017)/AGUA DULCE RENOVABLE PER CÁPITA (2014).

FUENTE: LEONE (S. F.).......................................................................................................22

FIGURA 2.2. COMPONENTES PRIMARIOS INVOLUCRADOS EN LA MORFODINÁMICA DE LAS ZONAS COSTERAS.

(ΔT ES LA DEPENDENCIA TEMPORAL INHERENTE A LA EVOLUCIÓN DE LA MORFODINÁMICA COSTERA).

FUENTE: MASSELINK ET AL. (2014). ....................................................................................25

FIGURA 2.3. PERFIL DE METEORIZACIÓN PARA REGIONES TROPICALES FUENTE: COSTA (2012). 27

FIGURA 2.4. INFLUENCIAS EN LA ESTABILIDAD DE TALUDES (A) POROPRESIÓN; (B) CORTE EN PIE DE TALUD; (C) SOBRECARGA EN LA CIMA; (D) RELLENO DEL EMBALSE; (E) FLUCTUACIÓN DEL NIVEL DE AGUA

FUENTE: COSTA (2012). ...................................................................................................28

FIGURA 2.5. DISEÑO ESQUEMÁTICO DEL EFECTO DE LAS OLAS SOBRE LAS MÁRGENES FUENTE: US

GEOLOGICAL SURVEY (S.F.) ................................................................................................29

FIGURA 2.6. EFECTOS DE LAS DIFERENTES RELACIONES ENTRE LA RESISTENCIA DE LAS ROCAS O SUELOS Y LA MORFOLOGÍA DEL ACANTILADO. FUENTE: FRENCH (2004) ........................................................30

FIGURA 2.7. FACTORES QUE CONDICIONAN LA ESTABILIDAD DEL ACANTILADO: (A), ((B) DIRECCIÓN DE LOS ESTRATOS; (C), (D) PERMEABILIDAD DE LOS ESTRATOS. FUENTE: FRENCH (2004) ..........................30

FIGURA 2.8. COLOCACIÓN DE LAS ESTACAS, DISEÑO ESQUEMÁTICO: (ARRIBA) VISTA DE PERFIL DEL

ACANTILADO, (ABAJO) VISTA EN PLANTA FUENTE: ACHA (1999B) 32

FIGURA 2.9. EL PROCESO DE LOS SENSORES REMOTOS FUENTE: ARONOFF (2005) 34

FIGURA 2.10. CARACTERÍSTICAS DE LA ENERGÍA ELECTROMAGNÉTICA FUENTE: ARONOFF (2005) 34

FIGURA 2.11. EL PROCESO DE LOS SENSORES REMOTOS. FUENTE: ARONOFF (2005) .............................35

FIGURA 2.12. ESQUEMA DE COMO LA ENERGÍA ELECTROMAGNÉTICA SE TRANSMITE, SE ABSORBE Y SE REFLEJA. FUENTE: ARONOFF (2005) ................................................................................................36

FIGURA 2.13. GENERACIÓN DE IMAGEN DIGITAL – VALOR DE LOS PÍXELES. FUENTE: ARONOFF (2005) ......36

FIGURA 2.14. FOTOGRAFÍAS DE LOCALIDAD DE ASHLAND EN MISSOURI- ESTADOS UNIDOS EN LAS QUE SE

OBSERVAN LOS CAMBIOS ENTRE LOS AÑOS 1995 Y 2000. FUENTE: ARONOFF (2005) ...................39

FIGURA 2.15. INDICADORES DE LA LÍNEA DE COSTA. FUENTE: ALICANDRO ET AL., 2019 .........................40

FIGURA 2.16. TRAYECTORIAS DE LEVANTAMIENTO CON DGPS (A PIE Y EN VEHÍCULO). FUENTE: FONTÁN ET AL (2009B) 41

FIGURA 2.17. UBICACIÓN ESPACIAL DE POSIBLES INDICADORES DE LÍNEA DE COSTA FUENTE: BOAK Y TURNER, (2005) 42

FIGURA 2.18. EXTRACCIÓN AUTOMÁTICA DE LÍNEA DE COSTA A PARTIR DE IMÁGENES SEGMENTADAS

FUENTE: DI ET AL., (2003). 43

FIGURA 2.19. ELEMENTOS CONSIDERADOS EN LOS CÁLCULOS ESTADÍSTICOS: LÍNEA DE BASE, MÚLTIPLES

LÍNEAS DE COSTA, TRANSECTOS E INTERSECCIONES. FUENTE: HIMMELSTOSS ET AL. (2018). .............45

FIGURA 2.20. EJEMPLO DE VISUALIZACIÓN DE RESULTADOS: ARRIBA, RANGOS DE PARÁMETROS; ABAJO TRANSECTOS CLASIFICADOS SEGÚN RANGOS DEFINIDOS. FUENTE: HIMMELSTOSS ET AL. (2018). .......46

FIGURA 3.1. DIAGRAMA DE LA METODOLOGÍA PROPUESTA PARA LA DETECCIÓN DE CAMBIOS DE LÍNEAS DE COSTA. FUENTE: ADAPTADO DE HIMMELSTOSS ET AL. (2018). ..................................................50

FIGURA 3.2. UBICACIÓN DEL ÁREA PILOTO. ....................................................................................51

FIGURA 3.3. LOCALIZACIÓN DE LAS CUENCAS SEDIMENTARIAS EN EL CONTINENTE SUDAMERICANO. LA CUENCA

DEL PARANÁ ESTÁ IDENTIFICADA POR LA SIGLA PR EN EL MAPA FUENTE: HASUI ET AL (2012). 52

FIGURA 3.4. GRÁFICO DE TEMPERATURA MEDIA MENSUAL (1981- 2010). FUENTE: BASADO EN ITAIPU (2023B). 54

FIGURA 3.5. GRÁFICO DE PRECIPITACIÓN MEDIA ACUMULADA MENSUAL (1981- 2010). FUENTE: BASADO EN ITAIPU (2023B). ........................................................................................................54

FIGURA 3.6. GRÁFICO DE FRECUENCIA DE DIRECCIONES PREFERENCIALES ESTACIONALES DEL VIENTO EN ÁREA DE ESTUDIO FUENTE: BASADO EN ITAIPU (2023B). ...............................................................55

FIGURA 3.7. VISTA DE CASCADAS DE RESERVA NATURAL POZUELO. FUENTE: ITAIPU BINACIONAL. (N.D.-G) 56

FIGURA 3.8. GRÁFICO DE VARIACIÓN DE LAS COTAS DE OPERACIÓN DEL EMBALSE DE ITAIPU DURANTE EL PERIODO DE ESTUDIO. FUENTE: BASADO EN ITAIPU BINACIONAL (2023C). ...................................57

FIGURA 3.9. UBICACIÓN DE LOS PUNTOS DE MONITOREO EN ESTUDIOS ANTERIORES. SE INDICA EL ÁREA DE ESTUDIO CON LÍNEAS PUNTEADAS EN COLOR ROJO FUENTE: ADAPTADO DE QUIÑONEZ (2000). 59

FIGURA 3.10. VISUALIZACIÓN DE PIXELES, LUEGO DE REMUESTREO 61

FIGURA 3.11. VISUALIZACIÓN DE LA POSICIÓN DE LÍNEAS DE COSTA, LUEGO DE LA DIGITALIZACIÓN LAS LÍNEAS DE COSTA FUERON DIGITALIZADAS A PARTIR DE FOTOGRAFÍAS AÉREAS (1994) E IMÁGENES SATELITALES (2014), DE ALTA RESOLUCIÓN. FUENTE: BASADO EN ITAIPU BINACIONAL (2023D). ......................63

FIGURA 3.12. SE EXHIBEN LAS LÍNEAS DE COSTA, LÍNEA BASE Y TRANSECTOS A PARTIR DE IMÁGENES DE ALTA RESOLUCIÓN. ...................................................................................................................64

FIGURA 3.13. VISTA DEL EDITOR DE CÓDIGO DEL GEE. ....................................................................66

FIGURA 3.14. SECUENCIA DE PASOS QUE REALIZA EL ALGORITMO EN GEE: A) COMPOSICIÓN DE IMAGEN

LIBRE DE NUBES, B) EXTRACCIÓN DE TODOS LOS CUERPOS DE AGUA, C) ELIMINACIÓN DE AGUAS

INTERNAS E ISLAS, D) CONVERSIÓN DE RÁSTER A VECTOR, E) SIMPLIFICACIÓN Y EXTRACCIÓN DE LÍNEA DE COSTA 67

FIGURA 3.15. VISUALIZACIÓN LÍNEAS DE COSTA, LÍNEA BASE Y TRANSECTOS A PARTIR DE RESOLUCIÓN MEDIA ....................................................................................................................................68

FIGURA 4.1. COMPORTAMIENTO DEL PARÁMETRO NSM CON RESPECTO A LOS TRANSECTOS, UTILIZANDO IMÁGENES DE ALTA RESOLUCIÓN. .........................................................................................69

FIGURA 4.2 COMPORTAMIENTO DEL PARÁMETRO EPR CON RESPECTO A LOS TRANSECTOS, UTILIZANDO IMÁGENES DE ALTA RESOLUCIÓN. .........................................................................................69

FIGURA 4.3. VISUALIZACIÓN DE LOS TRANSECTOS PARA CADA UNA DE LAS FUENTES DE DATOS: A) RESOLUCIÓN ESPACIAL DE 1.5X1.5M Y B) RESOLUCIÓN ESPACIAL DE 30X30M. ..............................................70

FIGURA 4.4 VISUALIZACIÓN, EN CADA TRANSECTO, DEL PARÁMETRO NSM OBTENIDO A PARTIR DE IMÁGENES DE ALTA RESOLUCIÓN 71

FIGURA 4.5. VISUALIZACIÓN, EN CADA TRANSECTO, DEL PARÁMETRO EPR OBTENIDO A PARTIR DE IMÁGENES DE ALTA RESOLUCIÓN. .......................................................................................................71

FIGURA 4.6. COMPORTAMIENTO DEL PARÁMETRO NSM CON RESPECTO A LOS TRANSECTOS, UTILIZANDO IMÁGENES DE RESOLUCIÓN MEDIA. .......................................................................................73

FIGURA 4.7. COMPORTAMIENTO DEL PARÁMETRO EPR CON RESPECTO A LOS TRANSECTOS, UTILIZANDO

IMÁGENES DE RESOLUCIÓN MEDIA. .......................................................................................73

FIGURA 4.8. VISUALIZACIÓN, EN CADA TRANSECTO, DEL PARÁMETRO NSM OBTENIDO A PARTIR DE IMÁGENES DE RESOLUCIÓN MEDIA. .....................................................................................................74

FIGURA 4.9. VISUALIZACIÓN, EN CADA TRANSECTO, DEL PARÁMETRO EPR OBTENIDO A PARTIR DE IMÁGENES DE RESOLUCIÓN MEDIA 74

FIGURA 4.10. VISUALIZACIÓN DE PREDOMINANCIA DE FENÓMENOS (EROSIÓN, ACRECIÓN, ESTABILIDAD)

SEGÚN RESULTADOS A PARTIR DE IMÁGENES DE ALTA Y MEDIA RESOLUCIÓN ESPACIAL 76

FIGURA 4.11. VISUALIZACIÓN DE LA LÍNEA DE COSTA CON TRAMOS CLASIFICADOS SEGÚN PROCESO

PREDOMINANTE (A PARTIR DE IMÁGENES DE ALTA RESOLUCIÓN). ................................................78

FIGURA 4.12. VISUALIZACIÓN DE LA LÍNEA DE COSTA CON TRAMOS CLASIFICADOS SEGÚN PROCESO

PREDOMINANTE (A PARTIR DE IMÁGENES DE RESOLUCIÓN MEDIA ................................................79

ÍNDICE DE CUADROS

CUADRO 2.1. RESUMEN DE RESOLUCIONES ESPACIALES NECESARIAS DE ACUERDO CON LOS OBJETIVOS.

FUENTE: ADAPTADO DE ARONOFF (2005) ............................................................................38

CUADRO 2.2. CONTRIBUCIONES DE AUTORES SOBRE LA UTILIZACIÓN DEL DSAS. ...................................44

CUADRO 3.1 RESUMEN DE TASAS DE RETROCESO HALLADAS DE ESTUDIOS ANTERIORES EN ZONA DE INTERÉS. FUENTE: BASADO EN QUIÑONEZ (2000) Y ACHA (1999B). ......................................................58

CUADRO 3.2. RESUMEN DE IMÁGENES UTILIZADAS

59

CUADRO 3.3. INVENTARIO DE IMÁGENES UTILIZADAS PARA PROCESOS EN GEE. 65

CUADRO 4.1 ESTADÍSTICOS PARA PARÁMETRO NSM EN TRANSECTOS OBTENIDOS A PARTIR DE IMÁGENES DE ALTA RESOLUCIÓN. ............................................................................................................72

CUADRO 4.2 ESTADÍSTICOS PARA PARÁMETRO EPR EN TRANSECTOS OBTENIDOS A PARTIR DE CON IMÁGENES DE ALTA RESOLUCIÓN. .......................................................................................................72

CUADRO 4.3. ESTADÍSTICOS PARA PARÁMETRO NSM EN TRANSECTOS OBTENIDOS A PARTIR DE IMÁGENES DE RESOLUCIÓN MEDIA. .........................................................................................................75

CUADRO 4.4. ESTADÍSTICOS PARA PARÁMETRO EPR EN TRANSECTOS OBTENIDOS A PARTIR DE CON IMÁGENES DE RESOLUCIÓN MEDIA. .....................................................................................................75

CUADRO 4.5. ESTADÍSTICOS PARA PARÁMETRO NSM EN TRANSECTOS OBTENIDOS A PARTIR DE IMÁGENES DE RESOLUCIÓN MEDIA

76

CUADRO 4.6. COMPARACIÓN DE RESULTADOS DE TASAS DE EROSIÓN HISTÓRICOS CON AQUELLOS OBTENIDOS

CON DSAS

767

ACRÓNIMOS

ALMA An old high tide water level (Antiguo límite de marea alta)

BAAPA Bosque Atlántico del Alto Paraná

CMT Comisión Mixta Técnica Paraguayo-brasileña

DGPS Differential Global Positioning System (Sistema de Posicionamiento Global Diferencial)

DSAS Digital Shoreline Analysis System (Sistema de análisis de línea de costa digital)

EPR End Point Rate (Tasa de cambio)

ESRI Environmental Systems Research Institute (Instituto de Investigación de Sistemas Ambientales)

GEE Google Earth Engine

GPS Global Positioning System (Sistema de Posicionamiento Global)

LiDAR Light Detection and Ranging

LMAP Previous high tide high-water level (Línea de marea alta previa)

LMS Least Median of Squares

LRR Linear Regression Rate

LSH-ZAIO Wet-dry line or runup maxima (Línea seca-húmeda o zona actual de alcance de la ola)

MARR.CE División de Embalse (Margen Derecha) de Itaipu Binacional

MODIS Moderate Resolution Imaging Spectrometer

MSNM Metros sobre el nivel del mar

ND Nivel Digital

NDWI Índice Diferencial de Agua Normalizado

NSM Net Shoreline Movement (Desplazamiento Neto)

NV Nivel Visual

RAE Real Academia Española

SIG Sistema de Información Geográfica

SPOT Satellite Pour l'Observation de la Terre (Satélite para la observación de la Tierra)

SQL Structured Query Language (Lenguaje de Consulta Estructurada)

UNIOESTE Universidade Estadual do Oeste do Paraná

USGS United States Geological Service (Servicio Geológico de los Estados Unidos)

UTM Universal Transverse Mercator (Universal transversal de Mercator)

WCI Confidence Interval of Weighted Linear Regression

WGS84 World Geodetic System 1984 (Sistema Geodesico Mundial 1984)

WLE Weighted Linear Regression

WLR Weighted Linear Regression Rate

WR2 R-squared of Linear Regression

GLOSARIO

Acantilado: (m) una escarpa casi vertical en un terreno; (adj.) Dicho de una costa: cortada verticalmente o a plomo.

Acreción: (f) Crecimiento por adición de materia, como en los depósitos minerales o los continentes.

Brisa lacustre: Un viento producido térmicamente que sopla durante el día desde la superficie de un gran lago hasta la orilla, causado por la diferencia en las tasas de calentamiento de las superficies del lago y de la tierra.

Escala sinóptica: La escala espacial de los sistemas migratorios de alta y baja presión de la troposfera inferior, con longitudes de onda de 1000 a 2500 km.

Marea: (f) Movimiento periódico y alternativo de ascenso y descenso de las aguas del mar, producido por la atracción del sol y de la luna.

Meteorización: (f. Geol.) Fragmentación o degradación parcial o total de las rocas y los minerales en contacto con la atmósfera, la hidrosfera o la biosfera.

Subsidencia: Hundimiento progresivo, durante un periodo bastante largo, del fondo de una cuenca sedimentaria, que permite la acumulación de grandes espesores de sedimentos.

SENSORES

REMOTOS APLICADOS A LA DETECCIÓN DE CAMBIO EN LÍNEA DE COSTA DEL ÁREA PILOTO DEL EMBALSE DE ITAIPU, PARAGUAY EN EL PERIODO 1994-2014.

1. INTRODUCCIÓN

1.1 Antecedentes

Itaipu es la obra del hombre que domina la naturaleza, que transformó sus fuerzas salvajes en instrumentos para su bienestar, que convirtió el murmullo permanente de las aguas en sonidos de energía (Debernardi, 2010, p. 19).

Este párrafo hace alusión a la majestuosidad de una de las hidroeléctricas más grandes en el mundo; pero sobre todo describe el papel que cumple para dos naciones hermanas. Sin embargo, este vínculo se caracterizó, en sus orígenes, por tensos momentos tanto para el Paraguay como para el Brasil (Itaipu Binacional, 2023a).

El río Paraná, donde se sitúa la represa de Itaipu, es el segundo más extenso de Sudamérica Nace en el Brasil (de la confluencia entre los ríos Grande y Paranaíba) y fluye 4,000 kilómetros hasta unirse al río Paraguay y desembocar en el Río de la Plata (Argentina).

En su trayecto actúa de límite entre Brasil y Paraguay en un tramo de 200 Km (Simón, 1990)

La geología de la región marcó definitivamente la morfología de la zona, creando unas cataratas espectaculares, los Saltos del Guairá (español) o As Sete Quedas (portugués).

La disputa por la posesión de las cataratas se remonta al 1872 con el tratado de Loizaga-Cotegipe que establecía los nuevos límites geográficos, luego de la derrota del Paraguay en la Guerra de la Tripe Alianza (1865-1870) (Simón, 1990; Rodriguez Alcala, 2018).

Con el pasar de los años (1950 en adelante) creció el interés en el estratégico potencial hidroeléctrico del río Paraná, lo que hizo surgir, esta vez más intensamente, las tensiones referentes a los Saltos (Rodriguez Alcala, 2018).

Luego de innumerables intervenciones y negociaciones se llegó finamente a un acuerdo (1967) que consistía en conformar una Comisión Mixta Técnica paraguayobrasileña encargada de evaluar la factibilidad y preparar los términos de referencia para el emplazamiento de un emprendimiento hidroeléctrico conjunto (Debernardi, 2010).

Fue así como en el año 1973 los presidentes de ese entonces firmaron el Tratado de Itaipu1, único en su especie, para construir el mayor proyecto ingenieril jamás imaginado; y en el 1974 se crea oficialmente el organismo bi-estatal, la Itaipu Binacional, poniendo un paño frío en los problemas de demarcación (Debernardi, 2010; Simón, 1990; Rodriguez Alcala, 2018). Es en ese sentido que “el emprendimiento binacional de Itaipu representó la solución a la centenaria discusión de los límites entre el Paraguay y el Brasil en la zona de los Saltos del Guaira, que gracias a la buena voluntad y al ingenio de las partes pudo resolverse provechosamente para ambas naciones” (Wasmosy, 2023, p. 15).

Los trabajos tuvieron una duración de varios años (1975 -1982), en los que se tuvo desafíos de todo tipo (naturales e ingenieriles)2 y alcanzando hasta 40,000 obreros en el momento de máxima demanda. Al finalizar éstas se tuvo una potencia instalada de 14,000 MW y una producción anual promedio de 90,000,000 MWH; convirtiéndose en la mayor hidroeléctrica del mundo en producción acumulada. Desde que comenzó a operar, en mayo de 1984, ya generó más de 2.4 billones de MWH (Itaipu Binacional, 2022) Civil Hub, 2019).

Actualmente, Itaipu Binacional es una entidad cuya misión es “generar energía eléctrica de calidad, con responsabilidad social y ambiental, contribuyendo al desarrollo sostenible en el Paraguay y en el Brasil” (Itaipu Binacional (s.f.-b ¶ 1). Entre sus objetivos estratégicos se encuentra la seguridad de la producción de energía de calidad, garantizar la seguridad hídrica, el desarrollo sostenible en las áreas de interés, entre otros (Itaipu Binacional, s.f.-c)

1 El Tratado de Itaipu fue firmado el 26 de abril de 1973 por los Presidentes Alfredo Stroessner (Paraguay) y Emilio Garrastazu Médici (Brasil)(Itaipu Binacional, s.f.d).

2 Fueron removidos 60 millones de m3 de tierra y roca; con la cantidad de hormigón utilizada se podría construir 850 estadios de fútbol y la cantidad de acero utilizada es equivalente a 380 torres Eiffel (Itaipu Binacional, s.f.a).

El embalse, producto del represamiento, presenta un perímetro de casi 3,000 Km y una superficie de 1,350 Km2. A lo largo de sus márgenes se producen erosiones en menor o mayor medida, atribuidas principalmente a cuatro factores: La predominancia de los vientos, el nivel de operación de la Usina hidroeléctrica, la geología y la topografía.

Desde 1982 [año de la formación del embalse], la naturaleza ha estado actuando, produciendo cambios morfológicos en las márgenes, entre los que se pueden mencionar la formación de barrancos, el retroceso del litoral en algunas zonas y el desmoronamiento o remoción de porciones de terreno (Acha, 1999b). El monitoreo de este fenómeno inició en el año 1993. La metodología utilizada en ese entonces consistía en la colocación de estacas de madera alineadas, equidistantes y perpendiculares a las márgenes; con el objetivo de medir, con el paso del tiempo, el retroceso de las líneas de costa con respecto a las estacas colocadas. Dichos trabajos demandaban campañas prolongadas y un gran número de profesionales y recursos. Actualmente resulta primordial encontrar alternativas económicamente viables y rápidas que sean acordes a los avances tecnológicos de los tiempos y útiles para continuar esta labor, de manera a identificar patrones de comportamiento y lograr establecer un orden de prioridades en la aplicación de medidas mitigadoras a la erosión.

1.2 Objetivo General

Evaluar la utilidad de los sensores remotos, a diferentes resoluciones espaciales, para el estudio de detección de cambios de las líneas de costa en el área piloto del embalse de Itaipu, Paraguay en el periodo 1994 y 2014.

1.2.1 Objetivos Específicos

a) Delimitar líneas de costa a partir de fotografías aéreas e imágenes satelitales en el área piloto de Itaipu, a diferentes resoluciones espaciales

b) Estimar magnitud de cambios mediante el cálculo de la Tasa de Punto Final o Tasa de Cambio (EPR) y del Movimiento o Desplazamiento Neto de la Costa (NSM) en el área piloto de Itaipu y a diferentes resoluciones espaciales.

c) Identificar zonas de erosión y zonas de acreción (ASALE y RAE, s.f.-b) en el área piloto a diferentes resoluciones espaciales

d) Comparar las magnitudes de tasas de erosión obtenidas mediante diversas técnicas y a diferentes resoluciones espaciales.

e) Evaluar la conveniencia de utilizar sensores remotos para la estimación de la tasa de cambio para un periodo de 20 años en el área piloto de Itaipu.

1.2.2

Preguntas de investigación

¿Dónde se ubican las líneas de costa en las fotografías aéreas e imágenes satelitales entre los años 1994 y 2014, considerando diversas resoluciones espaciales?

¿Cuál es la magnitud de cambios en el periodo de tiempo analizado y a diversas resoluciones espaciales?

¿Dónde se ubican las zonas de erosión y las zonas de acreción dentro del área piloto, considerando diversas resoluciones espaciales?

¿Cómo resulta la comparación de tasas de erosión obtenidas mediante diversas técnicas?

¿Es conveniente la utilización de sensores remotos para estimar la tasa de cambio en el área piloto de Itaipu?

1.3 Hipótesis de trabajo

La aplicación de sensores remotos permite estimar los cambios en la línea de costa en el tramo ubicado dentro del área piloto del embalse de Itaipu, a diferentes resoluciones espaciales.

1.4 Justificación

Realizar un estudio de la evolución de las líneas de costa es esencial para identificar tramos más sensibles a los agentes naturales que actúan permanentemente, permitiendo establecer las bases para la toma de decisiones consciente (Ferrucho-Maloof et al., 2022)

En el embalse de Itaipu, desde el año 1982 y a lo largo de sus más de 2,900 Km de perímetro de costa, se producen cambios en menor o mayor medida, atribuidos principalmente a cuatro factores: La formación geológica, los aspectos morfológicos e hidrodinámicos, las características climáticas, la vegetación costera. Otros factores son: el nivel de operación de la Usina hidroeléctrica, las precipitaciones intensas y la presencia de troncos flotantes (Acha, 1999b; Rubio, 2014). Estos factores han estado actuando, contribuyendo a la formación de barrancos, el retroceso del litoral en algunas zonas y el desmoronamiento o remoción de porciones de terreno (Acha, 2006).

El monitoreo de este fenómeno inició en el año 1993 con el Programa de Erosión Costera, que consideraba entre sus objetivos, la estimación de la tasa anual de erosión costera y su evolución. “El método de los pinos y de las estacas”, utilizado en ese entonces, consistía en colocar, a lo largo de las costas y de los acantilados (ASALE y RAE, s.f-a), estacas de madera alineadas, equidistantes y perpendiculares a las márgenes; con el objetivo de medir, con el paso del tiempo, el retroceso de las líneas de costa con respecto a las estacas referenciales (Acha, 1999b). Dichos trabajos demandaban campañas de campo prolongadas, importantes recursos y técnicos con dedicación casi exclusiva Sin embargo, debido a que muchos funcionarios se acogieron al beneficio de la jubilación, actualmente es primordial encontrar alternativas económicamente viables, acordes a los avances tecnológicos y útiles para continuar esta labor.

La información relativa a la magnitud y la localización de la erosión es considerada, por tanto estratégica, ya que la suma de las intervenciones, realizadas con criterio científico y basadas en informaciones válidas, contribuirán a prolongar la vida útil del emprendimiento hidroeléctrico y a la conservación de los recursos naturales (agua y suelo).

1.5 Alcance

El trabajo se propone analizar los resultados obtenidos con una metodología basada en sensores remotos y aquellos obtenidos en trabajos previos en la zona de estudio Esto, con el objetivo de evaluar la conveniencia de utilizar sensores remotos para la estimación de la tasa de cambio (metros por año) para un periodo de 20 años.

El área de estudio se encuentra en Sudamérica, en la frontera entre Paraguay y Brasil, a 15 km aguas arriba de la represa de la Central Hidroeléctrica, entre los arroyos Tati Yupi, Pira Pyta y Dos Hermanas, correspondientes al territorio paraguayo

El interés particular no radica en estimar la precisión o incertidumbres asociadas a la metodología propuesta; sino conocer el grado de correspondencia entre los órdenes de grandeza reportados en los resultados obtenidos con técnicas diversas.

Los beneficios esperados con el estudio son principalmente de interés empresarial, dado que, si llegara a demostrarse la conveniencia de la utilización de esta herramienta para la evaluación del fenómeno de erosión costera, ésta podrá ser aplicada y replicada para el resto de la costa paraguaya del Embalse de ITAIPU; lo que impactará positivamente en el mejoramiento de la gestión del tiempo, del recurso humano y financiero de la Entidad

2.

REVISIÓN DE LITERATURA

2.1. Potencial hidro-energético del río Paraná e Itaipu Binacional

En América del Sur se encuentran algunas de las cuencas hidrográficas más grandes del mundo, fuente de recursos naturales invaluables que merecen ser cuidados y preservados (Fig. 2.1).

Por otro lado, sin embargo, si son tratados sabiamente, pueden brindar innumerables oportunidades de desarrollo y crecimiento regional. Entre las cuencas mencionadas resaltan las de los ríos Amazonas, Orinoco, Paraguay, Paraná y Tocantis (Fundación Instituto de Desarrollo Regional del Rosario, 2018; IRENA, 2021).

2 1 Relación entre PBI per cápita (2017)/Agua dulce renovable per cápita (2014). Fuente: Leone (s. f.)

En Paraguay, la política energética tiene como uno de sus objetivos superiores, el de consolidar la posición nacional como eje de la integración energética regional en base al aprovechamiento de sus recursos hidro-energéticos (Viceministerio de Minas y Energía, 2016).

Figura

Es así como el país cuenta con tres centrales hidroeléctricas en su territorio, Acaray, Itaipu y Yacyreta; las dos últimas forman parte de acuerdos binacionales con Brasil y Argentina respectivamente.

Una central hidroeléctrica es un emprendimiento ingenieril cuya función es aprovechar la energía potencial gravitacional de una masa de agua para la generación de energía eléctrica (Palomeque et al., 2020). Cuanto mayor es el salto, mayor será la energía generada; de ahí que, encontrar un lugar que reúna las mejores condiciones, se vuelve de vital importancia.

La implantación de una central hidroeléctrica en un río contempla la construcción de una barrera para represarlo, lo que ocasiona la formación de un lago artificial o embalse (reservoir, en inglés). Sus funciones son acumular el agua en épocas de bajo caudal y proporcionar un desnivel necesario para la caída del agua (Itaipu Binacional, s.f.-e.)

El río Paraná es el segundo más extenso de Sudamérica. Nace en el Brasil (de la confluencia entre los ríos Grande y Paranaíba) y fluye 4,000 kilómetros hasta unirse al río Paraguay y desembocar en el Río de la Plata (Argentina). En su trayecto actúa de límite entre Brasil y Paraguay en un tramo de 200 Km (Simón, 1990)

Descubierto el potencial del río Paraná en la década del ‘60, sobre todo en la zona de los Saltos del Guaira (Sete Quedas), fue de interés, tanto para el Brasil como para el Paraguay, iniciar el proyecto para su aprovechamiento hidro-eléctrico. En medio de una disputa geopolítica y una fuerte crisis energética regional, se firmó el Tratado de Itaipu (1973), que dio vida a esta obra sin precedentes (Itaipu Binacional, 2023d)

2.2. Procesos físicos en ambientes costeros

Un embalse es un lago artificial, resultado del represamiento del río para la construcción de una central hidroeléctrica. Su tamaño es muy variable y depende directamente de la envergadura del emprendimiento. Dicho embalse se transforma así, en un sistema complejo (Sedláček et al., 2022), donde se llevan a cabo diversos procesos naturales, cuya intensidad depende de la combinación de diversos factores.

La erosión (del latín erodere, desgastar) es la transformación del paisaje a causa de procesos físicos y/o químicos responsables de disgregar, transportar y depositar partículas de suelo o roca desde una ubicación a otra (Beguería, 2010). Según Costa (2012) es el proceso que resulta del desprendimiento de partículas que componen un suelo o una roca. Según Acha (1999b, p. 8), la erosión costera puede explicarse como “el fenómeno de retroceso de las líneas de las márgenes de un canal fluvial, que se produce debido a la remoción de materiales del barranco por acción de agentes físicos como las olas, precipitaciones, viento y otros”.

La acreción, sin embargo, es la acumulación de sedimentos y la consolidación de terrenos por encima del nivel de las mareas (Garcia, 2021; ASALE y RAE, s.f.-b).

Cuando se traslada esta definición a ambientes de embalses artificiales, es comprensible que las márgenes sufran desequilibrios y comiencen a experimentar procesos de erosión o acreción a lo largo del tiempo (Diaz Mendoza, 2011)

Este fenómeno tiene muchas implicancias en la calidad de agua y en la vida útil de un emprendimiento hidroeléctrico; de ahí el interés que existe en dimensionarlo (Beguería, 2010)

Las condiciones (ambientales) de borde del sistema costero (natural o artificial) son responsables de sus variaciones geomorfológicas (Masselink et al., 2014).

Figura 2 2 Componentes primarios involucrados en la morfodinámica de las zonas costeras. (Δt es la dependencia temporal inherente a la evolución de la morfodinámica costera). Fuente: Masselink et al. (2014)

Los sistemas costeros presentan cuatro propiedades principales: Los procesos, el transporte de sedimentos, la morfología y la estratigrafía3 (Fig. 2.2).

Costa (2012) describe, de manera general, los principales factores que contribuyen a la erosión de las márgenes de un embalse, de la siguiente manera:

a) La pluviosidad. En regiones donde la pluviosidad se concentra en pocos meses al año, el poder erosivo es mayor.

b) La declividad. Al aumentar el gradiente, aumenta sensiblemente la velocidad del agua de escorrentía y en consecuencia aumenta su capacidad erosiva.

3 Las propiedades del sistema costero: a) Los procesos: Dependen de fuerzas externas de tipo hidrodinámicas, aerodinámicas, meteorológicas y biológicas. b) El transporte de sedimentos: Depende de la interacción entre el material y los fluidos en movimiento. Para medirlo se recurre al concepto de balance neto de sedimentos; si éste es positivo se entiende que más sedimentos se están depositando (acreción), mientras que si es negativo indica, se están erosionando. c) La morfología: Directamente relacionada con la formación y destrucción de accidentes geográficos, gobernados por los procesos erosivos y acrecionales. d) La estratigrafía: Se puede conocer la historia evolutiva de la costa a través del estudio de las capas o estratos en las rocas (Masselink et al., 2014)

c) La naturaleza del suelo. Los materiales sin cohesión son erosionables más fácilmente.

d) La cobertura vegetal Las raíces de la vegetación actúan como elemento fijador del suelo, aumentando su resistencia a la erosión.

e) La acción antrópica. En las áreas rurales la deforestación indiscriminada propicia varios tipos y niveles de erosión.

Describe además aquellos agentes predisponentes para la inestabilidad de las márgenes de un embalse y los agrupa en forma de complejos:

§ Complejo geológico. El suelo, dependiendo de su madurez, puede ser en menor o mayor medida inestable; principalmente en función de factores como espesor, granulometría, textura, heterogeneidad y resistencia al cizallamiento (tipo de ruptura y localización). Mientras que si el material es consolidado (rocoso), la inestabilidad dependerá del grado de heterogeneidad a lo largo de la columna sedimentaria y del perfil de meteorización (ASALE y RAE, s.f.-d), ya que las propiedades geomecánicas de los diferentes niveles variarán en consecuencia (Fig. 2.3).

Masselink et al. (2014) consideran a la litología como uno de los factores más significativos en la tasa de retroceso de la costa y en las características de los acantilados sujetos a erosión.

2.3. Perfil de meteorización para regiones tropicales. Fuente: Costa (2012).

§ Complejo morfológico Si bien la forma de relieve y de las costas tiene cierta influencia, el aspecto más significativo que determina la inestabilidad es la declividad del terreno en zonas costeras. Si la declividad es baja, las condiciones son favorables para la formación de suelos más espesos, el aumento de la infiltración de las aguas pluviales y por ende para la disminución del poder erosivo de la escorrentía superficial. Por el contrario, si la declividad es alta, la componente vertical tendrá una gran influencia en el movimiento de los suelos; lo que ocasionará la reducción de la tasa de infiltración y el aumento de las velocidades de la escorrentía superficial.

§ Complejo climático-hidrológico. La precipitación es el principal componente del clima que influye en la inestabilidad de las márgenes de un embalse. Es responsable, no solo del movimiento de suelos o rocas, sino también de extraer a su paso material cohesivo, aumentar subpresión hidrostática, aliviando las tensiones normales impuestas por el

Figura

peso propio del suelo o roca y provocar tensiones neutras a lo largo grietas y fracturas verticales o perpendiculares a la costa, provocando un aumento de las tensiones de cizalla (Fig. 2.4).

§ Complejo antrópico. Las acciones antrópicas que influyen en mayor medida en la inestabilidad de las márgenes son aquellas que ocasionan descompresiones en la base de la costa y compresiones en la cima, como ser debido a la minería o a obras civiles en general.

Figura 2.4. Influencias en la estabilidad de taludes. (a) poropresión; (b) corte en pie de talud; (c) sobrecarga en la cima; (d) relleno del embalse; (e) fluctuación del nivel de agua. Fuente: Costa (2012)

§ Complejo biótico. La vegetación puede influir positivamente en la estabilidad de las márgenes, fijando el suelo mediante sus raíces. Sin embargo, en algunos casos pueden resultar perjudiciales como por ejemplo cuando los árboles poseen rizomas fácilmente descomponibles, que al pudrirse ocasionan la aparición de caminos de infiltración excesiva para el agua hacia las profundidades del suelo, o cuando la vegetación se encuentra a merced de fuertes vientos.

Adicionalmente, se puede enfatizar que, para el caso de los embalses, las costas o márgenes se encuentran dominadas principalmente por el comportamiento del oleaje (Fig. 2.5); sobre todo en aquellos con grandes extensiones de superficie de agua. El oleaje, a su vez dependerá de las intensidades y direcciones de los vientos predominantes.

El poder del oleaje sobre las costas se puede describir con la función “Energía del oleaje = erosión costera + transporte de sedimentos”. La mayor parte de la energía de la ola se concentrará en la erosión si existe una pequeña cantidad de sedimentos para transportar; es por ello por lo que el desmoronamiento de los acantilados ocurre generalmente cuando existe una pequeña playa. Sin embargo, si existe gran cantidad de sedimentos a ser transportados, la costa no sufrirá intensos procesos erosivos la mayor parte del tiempo (French, 2004). Siguiendo esta lógica, se puede inferir que el oleaje puede ser a la vez un agente constructivo y destructivo, capaz de provocar tanto la erosión como la acreción para un mismo tramo de costa y cuyos efectos se pueden observar en el tiempo.

Figura 2 5 Diseño esquemático del efecto de las olas sobre las márgenes. Fuente: US Geological Survey (s.f.)

Según French (2004) y Rubio (2014), si la energía del oleaje es constante, la tasa de retroceso de la costa será uniforme y dependerá principalmente de la litología. Por otro

lado, no se puede omitir el papel de la dirección y la permeabilidad de los estratos que conforman el acantilado (Fig.2.6 y Fig. 2.7).

Es así como el poder erosivo del oleaje será mayor cuando los estratos apunten en dirección de las olas y cuando la permeabilidad, de los estratos superiores, sea alta.

Figura 2 6 Efectos de las diferentes relaciones entre la resistencia de las rocas o suelos y la morfología del acantilado. Fuente: French (2004)

Figura 2 7 Factores que condicionan la estabilidad del acantilado: (a), ((b) dirección de los estratos; (c), (d) permeabilidad de los estratos. Fuente: French (2004)

Los procesos de erosión y acreción están relacionados además con la variación de las mareas (ASALE y RAE, s.f.-c). Es por ello que es necesario estudiar el comportamiento de estas cuando se pretende entender la evolución de las costas. En el caso de los embalses, el ascenso y descenso de las aguas es representada por la fluctuación del nivel de operación de la usina hidroeléctrica.

Estudiando la evolución de las líneas de costa a lo largo del tiempo, es posible identificar tramos más susceptibles a la erosión y acreción (Ferrucho-Maloof et al., 2022).

Se entiende por línea de costa a la frontera o contacto que existe entre la tierra y la superficie de agua (Di et al., 2003; Ferrucho-Maloof et al., 2022; Mahapatra et al., 2014).

En (Albuquerque et al., 2013, p. 1710) se define a la línea de costa como “la representación de los bordes de un cuerpo de agua cuya posición resulta de la interacción morfodinámica controlada por las ondulaciones generadas por los sistemas meteorológicos y por el equilibrio hídrico y sedimentológico”.

El análisis multitemporal de las líneas de costa se puede realizar aplicando diversas técnicas, dependiendo de la disponibilidad de la información y de los objetivos perseguidos. Cada una de ellas reúne características y requisitos que deben ser tomados en cuenta para obtener resultados confiables y reproducibles.

Las fuentes primarias de información para determinar la posición de las líneas de costa provienen de mapas o fotografías aéreas, imágenes satelitales, levantamientos LiDAR (Light Detection and Ranging), mediciones directas con pinos o estacas colocados en campo, cálculo de los depósitos en los taludes, trazados del pelo de agua mediante equipos de mano o montados en vehículos, entre otros (Di et al., 2003; Shen, 2000).

Debido a la diversidad de proyectos hidroeléctricos, los profesionales encuentran gran dificultad a la hora de estandarizar determinaciones como volumen de agua almacenada, morfología del fondo, carga, textura de los sedimentos y erosión de las márgenes, etc. y de tal manera a que sean representativos de la realidad (Sedláček et al., 2022).

Según Fontán et al. (2009a), utilizando datos obtenidos en campo con instrumentos de la topografía convencional es posible lograr buenos resultados en este tipo de estudios. Esta metodología consiste en obtener perfiles transversales a lo largo de la línea de costa

estudiada; posteriormente a ello, se realiza una interpolación de los datos brutos y finalmente se obtiene un modelo de elevación 3D, considerando que la precisión y la exactitud de las mediciones dependerán de los instrumentos y del método de interpolación utilizados para el efecto. La desventaja de esta técnica radica en el tiempo y los costos asociados.

En la Fig. 2.8 se muestra una de las técnicas ampliamente utilizadas que consiste en la inserción en el terreno de una fila de pinos o estacas georreferenciados, colocados de manera equidistante perpendicularmente a la línea de costa y verticalmente a lo largo del acantilado, con el objetivo de medir, con una cinta métrica, el retroceso en base a la exposición de los pinos con el pasar del tiempo (Acha, 1999a; Quiñonez Fernandez, 2000).

Figura 2 8 Colocación de las estacas, diseño esquemático: (arriba) vista de perfil del acantilado, (abajo) vista en planta. Fuente: Acha (1999b)

2.3. Teledetección. Fundamentos principales

De acuerdo con las condiciones del terreno y a la tecnología que se tiene al alcance, es posible medir el retroceso o el avance de la línea de costa, aplicando diversas técnicas.

Sin embargo, actualmente una de las técnicas más utilizadas es la teledetección, entendida como aquella que permite la captura de imágenes de la superficie terrestre mediante sensores colocados en aviones o satélites. En el contexto del análisis multitemporal, esta técnica puede tener dos enfoques interesantes: la reconstrucción de la variación estacional en una zona determinada o la detección de cambios a lo largo del tiempo (Chuvieco Salinero, 2019).

Desde sus inicios la teledetección ha sido utilizada para innumerables aplicaciones en el campo de los recursos naturales y el medio ambiente (Beguería, 2010).

La ventaja de esta técnica radica en la amplia gama de resolución espacial y temporal disponible en los productos (French, 2004; Mahapatra et al., 2014). En el caso de las fotografías aéreas existen otras ventajas como ser el punto de vista sinóptico y la perspectiva tridimensional. Entre sus limitaciones y específicamente en el ámbito costero, se puede mencionar que con estos productos es posible determinar solamente los cambios horizontales en la línea de costa, no así el volumen de material erosionado (French, 2004)

Para que sea posible extraer información de la corteza terrestre mediante esta técnica, es necesario que exista algún tipo de interacción entre el sensor y el objeto observado (Velasco Cadierno, 2021). Esa interacción ocurre mediante el intercambio de energía.

Como se indica en la Fig. 2.9, dicha energía puede provenir directamente del Sol o de los mismos sensores y viaja a través de la atmósfera hasta alcanzar el objeto o la corteza terrestre. Una parte de esa energía es reflejada, otra parte es transmitida y otra es absorbida. Aquella energía reflejada viaja nuevamente por la atmósfera y es detectada por los sensores, los cuales graban la información recibida y generan la imagen en formato físico o digital. La imagen así obtenida es procesada, interpretada y convertida a un producto temático de interés. Por último, es distribuida o puesta en circulación para los usuarios, quienes la utilizan para los fines perseguidos (Aronoff, 2005; Chuvieco Salinero, 2019).

2 9 El proceso de los sensores remotos. Fuente: Aronoff (2005)

La principal forma de energía detectada por los sensores es proveniente de la radiación electromagnética (Ejemplo: luz visible, rayos x, infrarroja, microondas y ultravioleta) y se comporta como una onda. Según la teoría ondulatoria, este tipo de energía se transmite a la velocidad de la luz y siguiendo un patrón armónico, en el que se reconocen dos elementos: la longitud de onda (λ), distancia existente entre las crestas de la onda y la frecuencia (ƒ), número de crestas o picos que pasan por un punto fijo en un determinado tiempo (Fig. 2.10); ambos relacionados inversamente4 (Aronoff, 2005; Chuvieco Salinero, 2019; Velasco Cadierno, 2021).

Figura 2 10 Características de la energía electromagnética. Fuente: Aronoff (2005)

4 c= λ ƒ, donde c indica la velocidad de la luz (3x108ms-1), λ indica la longitud de onda (generalmente expresada en µm) y ƒ, la frecuencia (en Hz) ((Aronoff, 2005; Chuvieco Salinero, 2019)

Figura

La organización de los rangos de la radiación electromagnética se conoce como espectro electromagnético; dividido en regiones de acuerdo con el comportamiento y a las propiedades similares que presentan las longitudes de onda (Aronoff, 2005; Chuvieco Salinero, 2019) , como se muestra en la Fig. 2.11.

Figura 2 11 El proceso de los sensores remotos. Fuente: Aronoff (2005)

En teledetección los rangos o bandas más utilizadas son: el espectro visible, infrarrojo cercano, infrarrojo medio, infrarrojo lejano y microondas. Su utilización dependerá de las aplicaciones deseadas (Aronoff, 2005; Chuvieco Salinero, 2019)

Así como fue mencionado arriba, cuando la energía electromagnética, realiza su viaje de intercambio entre la fuente, el objeto y los sensores, partes de ella son transmitidas, reflejadas y absorbidas (Fig. 2.12); esto se debe principalmente a la presencia de la atmósfera terrestre, que actúa como un filtro o bloqueo que afecta inevitablemente al proceso de teledetección (Aronoff, 2005; Chuvieco Salinero, 2019; Velasco Cadierno, 2021).

El rango de las longitudes de onda que mejor se transmiten a través de la atmósfera es llamado “ventana atmosférica” y es justamente ese rango el más aprovechado por los sensores remotos. La ventana atmosférica está conformada por las bandas ultravioleta, visible, infrarrojo cercano, infrarrojo medio y microondas (Aronoff, 2005).

2.12. Esquema de como la energía electromagnética se transmite, se absorbe y se refleja. Fuente:

Las imágenes obtenidas pueden ser representadas en papel fotográfico o en formato digital. Estas últimas están subdivididas en grillas conformadas por celdas (generalmente cuadradas) que llevan el nombre de píxel, en él que se guarda la información asociada a esa porción del terreno. A la información o valor numérico de cada celda se lo denomina

Nivel Digital (ND); de él dependen las intensidades de gris o de color de la imagen (Fig. 2.13; Aronoff, 2005; Chuvieco Salinero, 2019)

Figura

Aronoff (2005)

Figura 2 13 Generación de imagen digital – Valor de los píxeles. Fuente: Aronoff (2005)

Es necesario distinguir el Nivel Digital (ND) del Nivel Visual (NV), que consiste en la intensidad de gris o de color con el que se visualiza el pixel en un monitor (Chuvieco Salinero, 2019)

Cuando se intenta comprender el concepto de resolución, habilidad de un sistema sensor para discriminar información de detalle, es necesario empezar asumiendo que éste depende del efecto combinado de sus componentes (Chuvieco Salinero, 2019).

Para los autores Aronoff (2005) y Chuvieco Salinero (2019) los principales tipos de resolución se resumen en:

a) Resolución espacial. Se refiere al nivel de detalle que es posible observar en una imagen. Menor es el tamaño del área u objeto a ser representado por cada píxel, mayor es el nivel de detalle necesario. De ahí se desprende la idea de que, si el menor objeto distinguible es grande, la imagen tendrá una resolución espacial gruesa o baja; por el contrario, si el menor objeto distinguible es pequeño, la imagen contará con una fina o alta resolución espacial. Depende principalmente de la longitud focal de la cámara o sensor, de su altura sobre la superficie terrestre, pero también de las condiciones atmosféricas y del grado de contraste del objeto con respecto a su entorno.

b) Resolución espectral Se refiere al número y anchura de bandas espectrales o canales que puede distinguir un sensor. Es importante considerar, no solamente el número de bandas sino también la capacidad de detectar bandas espectrales estrechas. La elección de estas características para el diseño y construcción del sensor está relacionada directamente con sus propósitos.

c) Resolución radiométrica. Mide cuan sensible es el sensor a las diferencias entre los niveles de luminosidad. Depende de las características fotoquímicas del sistema sensor. El ojo humano es capaz de detectar hasta 64 niveles de gris y las tonalidades de color no superan los 200,000, mientras que la mayor parte de los sistemas ofrecen 256 niveles por píxel (8 bit) o superior. A mayor sensibilidad, mayor resolución radiométrica

d) Resolución temporal. Alude a la frecuencia en la que el sensor obtiene imágenes de la misma área (intervalo de revisita). Está en función de las características de la

órbita de la plataforma que contiene al sensor y a las condiciones atmosféricas, ya que no se obtendrá imágenes útiles en presencia de nubes (para el caso de los sensores ópticos y térmicos). Una alta resolución temporal es primordial para estudios multitemporales; este requisito podrá variar de acuerdo con el fenómeno o proceso de interés del usuario.

Puesto que los diferentes tipos de resolución están relacionados, es importante seleccionar correctamente las características del sistema sensor, de manera a garantizar el éxito del trabajo encaminado y el logro de los objetivos perseguidos (Aronoff, 2005; Chuvieco Salinero, 2019). En el Cuadro 2.1 se observa una lista de objetivos y las resoluciones espaciales recomendadas de acuerdo con las aplicaciones y necesidades (Labrador, Évora, y Arbelo, 2012)

Cuadro 2.1. Resumen de resoluciones espaciales necesarias de acuerdo con los objetivos. Fuente: Adaptado de Aronoff (2005) Objetivo

y artillería

Resolución máxima de datos satelitales comerciales más utilizados

10 a 90 metros: Landsat 7, SPOT-4, ERS-1 y 2, Aster, Envisat

2.1 a 9 metros: IRS-1C y 1D, Radarsat-1, SPOT-5

0.6 a 2.0 metros: IKONOS, QuickBird, OrbView 3

Sin embargo, antes de ser utilizadas, las imágenes deben pasar por ciertas correcciones, de manera a eliminar las anomalías relacionadas con su localización geográfica o problemas de mal funcionamiento del sensor (rectificación geométrica) y minimizar los efectos atmosféricos (corrección radiométrica). Generalmente los distribuidores de imágenes proveen estos servicios de corrección; el usuario puede también descargar las imágenes brutas y realizar las correcciones por su cuenta (Aronoff, 2005; Chuvieco Salinero, 2019).

Además de estas correcciones, la calidad visual de las imágenes puede ser mejorada ulteriormente adaptando la resolución radiométrica de ésta a la capacidad del monitor (ajustes de contraste), generando distintas composiciones de bandas o aplicando filtros digitales, de acuerdo con los objetivos que se persigan (Chuvieco Salinero, 2019).

La teledetección es utilizada ampliamente para el estudio de ambientes costeros, en el afán de comprender los procesos dinámicos asociados y manejarlos debidamente.

Un enfoque interesante lo ofrecen los estudios o análisis multitemporales que se basan en detectar los cambios producidos en una determinada área u objeto en la superficie terrestre entre dos o más fechas (Chuvieco Salinero, 2019). En la Fig. 2.14 se muestran fotografías de una misma localidad con una distancia de 5 años.

Figura 2.14. Fotografías de localidad de Ashland en Missouri- Estados Unidos en las que se observan los cambios entre los años 1995 y 2000. Fuente: Aronoff (2005)

2.4. Extracción de líneas de costa

La información esencial para todo análisis multitemporal en ambientes costeros es la posición de las líneas de costa a lo largo del tiempo. Al mencionarlo de esta manera, parecería una tarea sencilla; sin embargo, al ser un ambiente con una dinámica muy activa, se vuelve un proceso complejo (Alicandro et al., 2019).

La identificación y extracción de las líneas de costa, para distintos periodos de tiempo, se puede realizar de distintas maneras. Sin embargo, es importante tener presente que lo que se obtiene de los relevamientos de campo y de la interpretación de imágenes de sensores remotos son solamente indicadores y no marcan necesariamente la verdadera posición de las líneas de costa (Fig. 2.15). Los indicadores pueden ser algunas características visibles en las imágenes, alguna intersección entre el datum de marea y el modelo digital de terreno o alguna característica espectral detectada de manera automática por algoritmos especializados (Alicandro et al., 2019; Beguería, 2010; Gutierrez, 2015; Martinez, 2019)

Fontán et al. (2009a) y Nicolodi et al. (2021) proponen relevar los límites de una playa mediante la utilización de GPS (Sistema de Posicionamiento Global) y DGPS (Sistema de Posicionamiento Global Diferencial), contando con dos receptores (uno fijo y otro móvil) Dependiendo de las condiciones del terreno se puede colocar el receptor sobre un

Figura 2 15 Indicadores de la línea de costa. Fuente: Alicandro et al., 2019

automóvil o sobre un chaleco/mochila (Fig. 2.16). Donde sea posible, utilizar una antena estacionaria fija de radio de cobertura suficiente. Idealmente recomiendan que, para obtener perfiles transversales a la orilla, se tomen todos los puntos necesarios en una recta, principalmente los cambios de topografía; para registrar los cambios en la línea de costa, se registren puntos a lo largo de ella y que, para calcular las superficies topográficas, se realice el levantamiento de una nube densa de puntos en toda la zona de interés. Una vez procesados e interpolados los archivos colectados, se puede proceder al estudio comparativo de los levantamientos realizados en diferentes periodos de tiempo.

Según Ojeda Zújar et al. (2013), de acuerdo con elementos como estuarios, costas rocosas, infraestructuras y playas se puede realizar la extracción de las líneas de tres tipos de líneas de costa: línea de costa larga o definida fisiográficamente, línea para el cálculo de las tasas de erosión y línea de costa corta o frente costero. La primera incluye elementos antrópicos, base de acantilados, costas rocosas y el límite exterior de la playa seca; la segunda, incluye el contacto entre la playa alta y la duna litoral o en su defecto, el primer elemento existente (que puede ser de origen natural o artificial); la tercera, en la que sustituyen elementos como puertos, espigones, estuarios por otros más adecuados al área de estudio. Las informaciones referentes a los elementos mencionados y a las líneas son

Figura 2.16. Trayectorias de levantamiento con DGPS (a pie y en vehículo). Fuente: Fontán et al. (2009b)

gestionadas en una base de datos espacial, organizadas en tablas y consultadas mediante sentencias SQL (Structured Query Language)

Sin embargo, la teledetección ofrece ventajas con respecto a los métodos previamente mencionados, entre ellas: la velocidad en la obtención de las líneas, la posibilidad de trabajar en gabinete, sin necesidad de ir físicamente al lugar de estudio ni de realizar un vuelo exclusivo para ese propósito (Dominici y Zollini, 2020).

Gutierrez (2015) presenta un ejemplo de cómo la teledetección es utilizada en conjunto con relevamientos fotogramétricos de la costa uruguaya y hace hincapié en la importancia de la digitalización de las líneas de costa. Sostiene que para ese fin es conveniente utilizar indicadores que sean fácilmente identificables a lo largo de toda la imagen. Para ello se basa en tres criterios: a) LMAP (Línea de marea alta previa/previous high tide high-water level), b) LSH-ZAIO (línea seca-húmeda o zona actual de alcance de la ola /Wet-dry line or runup maxima), y c) ALMA (antiguo límite de marea alta /An old high tide water level) (Fig. 2.17). Una vez finalizada la digitalización, se procede a la creación de polígonos para el análisis multitemporal, cuyos límites son los indicadores y la línea de costa más reciente. Finalmente se realiza el análisis de tendencias mediante cálculos estadísticos de áreas de ganancia/pérdida, cuyos resultados son visualizados en tablas e índices.

Figura 2.17. Ubicación espacial de posibles indicadores de línea de costa. Fuente: Boak y Turner, (2005)

Di et al. (2003) proponen realizar una extracción semi-automática e interactiva de las líneas de costa a partir de imágenes satelitales de IKONOS (Pan y XS, de 1m y 4m respectivamente) basándose en una segmentación homogénea de regiones de la imagen (mean shift segmentation), un método no paramétrico de clustering, en el que se obtiene, como resultado, la delimitación de las regiones (en forma de capas vectoriales) que en zonas costeras sirven para identificar el contacto entre el agua y la tierra firme (Fig. 2.18).

Cada una de estas técnicas requiere un conocimiento exhaustivo de sus fundamentos y tener presentes ciertas consideraciones, con el fin de estimar debidamente las incertidumbres asociadas.

2.5. Digital Shoreline Analysis System (DSAS)

Independientemente de cómo se hayan obtenido las líneas de costa, en los últimos años, varios autores optaron por realizar los cálculos y estimaciones mediante la herramienta Digital Shoreline Analysis System (DSAS).

Es un software gratuito que funciona como extensión en el dominio del Sistema de Información Geográfica de ESRI (Environmental Systems Research Institute, ArcGIS). Es capaz de calcular estadísticas de tasas de cambio para series temporales de datos vectoriales de líneas de costa (Himmelstoss et al., 2018). Se lanzaron al mercado varias versiones, actualmente se encuentra disponible DSAS v5.0, pero solamente para ArcMap, no así para ArcGIS Pro.

Figura 2 18 Extracción automática de línea de costa a partir de imágenes segmentadas. Fuente: Di et al., (2003)

Existen numerosos ejemplos de uso del DSAS para estudios de investigación de diversa índole y a diferentes escalas. En el Cuadro 2.2 se mencionan algunos.

Cuadro 2 2 Contribuciones de autores sobre la utilización del DSAS. Foco de estudio Contribuciones

Variación en la línea de costa y detección de cambios.

Erosión costera

Baig et al., 2020; Barrantes Castillo y Sandoval Murillo, 2021; Cifuentes-Ossa et al., 2017; Ferrucho-Maloof et al., 2022; Hossain et al., 2022; Isha y Adib, 2020; Mahapatra et al., 2014; Obiene et al., 2022; Oyedotun, 2014; Martínez, 2019; Tharwat Sarhan et al., 2022

Albuquerque et al., 2013; Nicu, 2021; Río y Garrote, 2013

Para Oyedotun (2014), la herramienta DSAS se muestra efectiva para el análisis del movimiento histórico de las líneas de costa permitiendo el mapeamiento de la posición de las líneas a lo largo del tiempo y la evaluación de las tendencias para cada uno de los transectos generados

Cifuentes-Ossa et al. (2017), la utilizan exitosamente para la estimación de la magnitud de cambio de la línea de costa. Para el efecto, emplea imágenes Landsat de los años 1986, 2001 y 2015. Debido a que estas imágenes presentan, a veces, distorsiones de tipo geométrico y radiométrico, consideran necesario realizar el pre-procesamiento, con el apoyo de puntos de control en tierra. Luego de digitalizar las líneas, las analizan con DSAS. Opinan que no se trata de un proceso particularmente complejo; sin embargo, enfatizan en la importancia de familiarizarse con las configuraciones y opciones que ofrece la herramienta, de manera a obtener transectos representativos de la realidad y poder así disminuir las ambigüedades e incertidumbres asociadas.

Otras aplicaciones exitosas en el estudio de la evolución de las costas las tuvieron (Barrantes Castillo y Sandoval Murillo, 2021; Ferrucho-Maloof et al., 2022; Hossain et al., 2022; Martinez, 2019; Obiene et al., 2022; Rosero Berni, 2021; Tharwat Sarhan et al., 2022). Existen además los trabajos que se enfocaron en la detección de cambios (Baig et al., 2020;

Cifuentes-Ossa et al., 2017; Mahapatra et al., 2014). Y otros aún (Albuquerque et al., 2013; Nicu, 2021; Río y Garrote, 2013) para el estudio de procesos erosivos.

En todos los casos mencionados el cambio a lo largo del tiempo se evalúa mediante cálculos estadísticos basados en operaciones aritméticas ejecutadas en los puntos de intersección de las entidades vectoriales correspondiente a las diversas posiciones/ubicaciones de las líneas de costa y los transectos trazados perpendicularmente a las líneas de costa y equidistantes entre sí (Figura 2.19; Albuquerque et al., 2013)

Los parámetros resultantes llevan los nombres de Net Shoreline Movement (NSM) y End Point Rate (EPR), entendidos como a) Distancia, a lo largo del transecto, entre la línea de costa más antigua y la más reciente; b) Distancia entre la línea más antigua y la más reciente dividido el tiempo transcurrido entre ellas; y cuyos resultados son reportados en forma de índices, gráficos y tablas (Figura 2.20). Existen parámetros estadísticos adicionales como Linear Regression Rate (LRR), Weighted Linear Regression Rate (WLR), Weighted Linear Regression (WLE), Confidence Interval of Weighted Linear Regression (WCI), Rsquared of Linear Regression (WR2) y Least Median of Squares (LMS), que solamente pueden ser calculados a partir de la comparación de tres o más líneas multitemporales (Cifuentes-Ossa et al., 2017; Himmelstoss et al., 2018; Oyedotun, 2014).

Figura 2.19. Elementos considerados en los cálculos estadísticos: Línea de base, múltiples líneas de costa, transectos e intersecciones. Fuente: Himmelstoss et al. (2018)

Figura 2 20 Ejemplo de visualización de resultados: arriba, Rangos de parámetros; abajo transectos clasificados según rangos definidos. Fuente: Himmelstoss et al. (2018)

3. METODOLOGÍA

3.1 Esquema metodológico

En este capítulo se explica la metodología aplicada para la realización del trabajo, que se basó principalmente en estudios previos en la zona de interés y en la utilización de sensores remotos para la obtención de imágenes aéreas y satelitales.

El principal objetivo de la investigación fue evaluar la utilidad de los sensores remotos para detectar el avance o retroceso de las líneas de costa a distintas resoluciones espaciales. Para lograrlo, la metodología propuso diversas técnicas que sirvieron para conocer la posición de las líneas de costa en un periodo de 20 años; las magnitudes de cambio asociadas y, por último, la identificación de los tramos afectados por procesos erosivos y acrecionales.

La Fig. 3.1 exhibe la secuencia de actividades, ejecutadas para la obtención de los productos que fundamentan los resultados de este trabajo y constó de las siguientes fases: 1) Delimitación de los objetivos e hipótesis del trabajo, 2) Selección del área de estudio y 3) Producción y análisis de resultados.

En la fase 1 se utilizaron de referencia trabajos de investigación centrados en erosión de costas, fenómenos y dinámicas en ambientes costeros, los principales factores que influyen en dichos procesos, mayormente mediante técnicas de teledetección (Alicandro et al., 2019; Beguería, 2010; Gutierrez, 2015; Martinez, 2019) Del mismo modo, se realizó una búsqueda acerca de las técnicas más utilizadas por la comunidad científica para la extracción de las líneas de costa, algunas convencionales y otras automáticas (Dominici y Zollini, 2020); así como acerca de criterios abocados a la correcta foto-interpretación de las imágenes utilizadas (Fontán et al., 2009a; (Nicolodi et al., 2021).

En la fase 2, para la selección del área piloto, fueron priorizadas zonas cuyas imágenes se encontraran en el repositorio de Itaipu, que fueran de alta resolución y que hayan sido objeto de estudios de monitoreo. La búsqueda de información referente a estudios previos derivó en informaciones valiosas que sirvieron como punto de partida para este trabajo. Según la bibliografía consultada, la tasa de cambio en el área de estudio se encuentra en el orden de 5-6 m/año, como máximo (Acha, 1999a; Acha, 1999b; Quiñonez, 2000). Es por

ello que, para el período propuesto de análisis, fueron necesarias fotografías aéreas e imágenes satelitales, de resolución espacial alta (1.5x1.5 m) a media (30x30 m)

En la fase 3 fueron generados y analizados productos vectoriales correspondientes a las líneas de costa para cada uno de los períodos analizados. A continuación, se exponen los criterios considerados:

a) Si bien la recomendación de los autores consultados es contar con referencias en tierra para relevar los límites de las líneas de costa en campo; debido a limitaciones relacionadas al costo y al tiempo, se optó por desarrollar el trabajo enteramente desde gabinete y mediante técnicas de teledetección en ambiente SIG.

b) Mediante la disponibilidad de las fuentes primarias de resolución espacial alta, la extracción de las líneas de costa fue realizada enteramente en softwares de gestión y procesamiento de información geográfica, ArcMap y ArcGIS Pro La digitalización manual de las mismas fue realizada a escala 1:5,000 y considerado como indicador de costa a la vegetación permanente que conforma la franja de protección del embalse de Itaipu, fácilmente identificable a lo largo de las imágenes utilizadas (Gutierrez, 2015); esto en consecuencia de que los demás indicadores no son aplicables, considerando la constante fluctuación del nivel de agua, necesaria para la operación de la usina hidroeléctrica.

c) Debido a la escasez de fuentes de información de resolución espacial media, las líneas de costa en este caso, fueron extraídas utilizando el script para Google Earth Engine, denominado “Automated Coastline Extraction from Satellite Images using Google Earth Engine” (Ujaval, 2023) que, basado en el índice de NDWI (Índice Diferencial de Agua Normalizado), ejecuta la extracción de las líneas de costa mediante procesos de detección de cuerpos de agua, remoción de islas y conversión de raster a vector.

d) El análisis geoestadístico fue ejecutado mediante la extensión DSAS (Digital Shoreline Analysis System), herramienta ampliamente utilizada por la comunidad científica y cuyas experiencias cuenta con numerosos casos de éxito para diversos y variados ambientes costeros (Albuquerque et al., 2013; Oyedotun, 2014). Siguiendo los pasos sugeridos en el manual de usuario se estimaron los parámetros de NSM y EPR, expresados en metros y metros por año, respectivamente (Himmelstoss et al., 2018).

e) Los resultados obtenidos de manera independiente tanto para imágenes de alta resolución espacial como para aquellas de resolución media fueron comparados con el objetivo de determinar el grado de correspondencia existente entre ambos (Cuadro 4.5).

f) En investigaciones previas de campo, realizadas en el área de interés (área piloto) se reportaron tasas de erosión anuales que fueron comparadas con aquellas obtenidas mediante la herramienta DSAS, basada en teledetección (Cuadro 5.1). Informaciones similares relacionadas a tasas de acreción no fueron encontradas.

g) Los mapas elaborados mostraron el comportamiento de los parámetros en cada uno de los transectos analizados y permitieron clasificar los tramos de costa en erosivos, acrecionales y estables.

h) Finalmente se analizó la utilidad de los sensores remotos para estudios de detección de cambio mediante la comparación de las magnitudes obtenidas a partir de diversas técnicas.

3 1 Diagrama de la metodología propuesta para la detección de cambios de líneas de costa. Fuente: Adaptado de Himmelstoss et al. (2018).

Figura

3.2 Caracterización del área de estudio

3.2.1 Ubicación y delimitación

El área de interés, o área piloto a los efectos de este estudio, se ubica 15 km aguas arriba de la represa de la Central Hidroeléctrica en la margen derecha del Embalse de Itaipu, que constituye un tramo de frontera húmeda entre Paraguay y Brasil Al norte limita con el A° Dos Hermanas, al sur con el A° Tati Yupi – que da el nombre a la Reserva Natural Aproximadamente en el centro del área de estudio se encuentra al A° Pira Pyta (Figura 3.2).

3.2.2 Geología

Uno de los factores que hizo posible la implantación de la majestuosa obra de ITAIPU fue sin duda su pasado geológico En la plataforma sudamericana, se encuentran varias sucesiones sedimentarias de edad paleozoica, una de ellas es conocida como Cuenca del Paraná Esta es una región deprimida, producida por una lenta subsidencia (Marqués, s.f.) durante varios millones de años Presenta forma elíptica y cubre alrededor de 1,100,000

Km2 de Brasil, extendiéndose aproximadamente por 300,000 Km2 también por el Paraguay

Oriental, el noreste de Argentina y el nor-noroeste de Uruguay (Hasui et al., 2012; Fig 3.3)

Figura 3.3. Localización de las cuencas sedimentarias en el continente sudamericano. La cuenca del Paraná está identificada por la sigla PR en el mapa. Fuente: Hasui et al. (2012)

La Cuenca del Paraná fue marcada por un intenso tectonismo Como testimonio de ello se registran grandes derrames basálticos, localmente conocidos con el nombre de Formación Alto Paraná (o Serra Geral, en Brasil), de edad estimada entre 127 y 108 Ma, que en cercanías de la localidad de Hernandarias, alcanzan espesores de 800 m (Orue, 1996).

La Formación Alto Paraná se compone de rocas basálticas toleíticas, de color oscuro, textura afanítica, adicionalmente con presencia de vesículas y amígdalas rellenadas principalmente con clorita, calcedonia y cuarzo. Esta formación se encuentra en discordancia erosiva con la formación Misiones (de edad triásica-jurásica), compuesta por areniscas rojizas, de granos redondeados, bien seleccionados, de granulometría media a fina; en sub-superficie son conocidas intercalaciones entre ambas, debido a la presencia de intrusiones tipo sills entre las capas sedimentarias (Orue, 1996).

Los suelos, derivados de las rocas descriptas, son predominantemente lateríticos, de color rojizo, con alto contenido arcilloso; lo que proporciona a los mismos una resistencia relativamente alta a los procesos erosivos.

3.2.3 Clima. Temperatura, precipitación y vientos

Según Mendez y Gamarra (2018), el clima en el área de estudio es subhúmedo con índices máximos de humedad, presentando inclusive valores de precipitación media anual de 1,800 mm Los meses de verano y primavera son caracterizados por temperaturas elevadas y alta humedad del aire, que favorecen la constante formación de sistemas de tormentas de poca duración; mientras que, durante los meses de otoño e invierno, éstas disminuyen considerablemente.

Itaipu cuenta con una red de estaciones meteorológicas ubicadas en el área de influencia del embalse, cuyas variables son observadas y registradas diariamente desde el año 1976

En las Fig. 3.4 y 3.5 se observa el comportamiento de la temperatura y la precipitación medias acumuladas en la región estudiada, entre los años 1981 y 2010.

Temperatura media

Enero Febrero Marzo Abril Mayo Junio Julio

AgostoSeptiembreOctubreNoviembreDiciembre

3 4 Gráfico de Temperatura media mensual (1981- 2010). Fuente: Basado en ITAIPU (2023b).

Precipitación media mm

Enero Febrero Marzo Abril Mayo Junio Julio

AgostoSeptiembreOctubreNoviembreDiciembre

Figura 3 5 Gráfico de Precipitación media acumulada mensual (1981- 2010). Fuente: Basado en ITAIPU (2023b).

En la Figura 3.6, a partir de la rosa de los vientos, se observa la variación estacional del viento medio de la Estación meteorológica Usina. Según la óptica profesional de meteorólogos de MARR.CE, el viento resultante es producido por la interacción de la circulación de la brisa lacustre (de componente Este) y de vientos de escala sinóptica (NWS Internet Service Team, s.f.) a nivel regional (de componente Noreste). Durante las estaciones de invierno y primavera se registran además vientos provenientes del sector Sur, ocasionados por el ingreso de frentes fríos

Figura

Figura 3 6 Gráfico de frecuencia de direcciones preferenciales estacionales del viento en área de estudio Fuente: Basado en ITAIPU (2023b).

3.2.4 Reservas biológicas y franja de protección

El área piloto se encuentra en una ecorregión conocida con el nombre de Bosque Atlántico del Alto Paraná (BAAPA), que abriga a variadas e inestimables especies de fauna y flora (Itaipu Binacional, n.d.-b, n.d.-c, n.d.-a)

Con mayor especificidad, el área piloto se ubica en la franja de protección del Embalse de ITAIPU, una extensa superficie de cobertura boscosa, que tiene el objetivo conservar la biodiversidad, mantener los servicios ambientales que producen estos ecosistemas, proteger las cuencas hídricas y disminuir los efectos de la erosión hídrica y eólica sobre las márgenes (Itaipu Binacional, n.d.-d)

La franja de protección conforma, además, corredores biológicos entre las unidades de conservación o áreas silvestres protegidas bajo cuidado de Itaipu; actualmente, estas áreas alcanzan una extensión de más de 80,000 Há.

En la Fig. 3.7, a modo de ejemplo, se exhibe una postal de la exuberante naturaleza conservada en la Reserva Natural Pozuelo

Figura 3.7. Vista de cascadas de Reserva Natural Pozuelo. Fuente: Itaipu Binacional. (n.d.-g)

3.2.5

Nivel de Operación de la usina

La generación de energía en Itaipu depende del volumen de agua disponible en la Cuenca del Paraná. La previsión, con fines de generación, se realiza mediante la colecta de datos meteorológicos y de nivel de agua en estaciones automáticas de monitoreo.

Según estos registros los niveles o cotas de operación del embalse, durante el período de estudio, oscilaron entre 217.7 msnm y 220.2 msnm.

En la Fig. 3.8 se observa el comportamiento del nivel de agua, en promedio por año

220,5

220,0

219,5

219,0

218,5

218,0

217,5

Cotas de operación del embalse de Itaipu (promedio anual)

años

Figura 3 8 Gráfico de variación de las cotas de operación del Embalse de ITAIPU durante el periodo de estudio. Fuente: Basado en Itaipu Binacional (2023c).

3.3

Estudios previos

El embalse de Itaipu presenta un perímetro de casi 3,000 Km y una superficie de 1,350 Km2. Desde su formación, ocurrida en el año 1982, la naturaleza ha estado actuando sin cesar, produciendo cambios morfológicos de diversa intensidad (Acha , 1999b).

Este fenómeno empezó a estudiarse recién en los años ‘90. Existen dos autores que resaltan en este contexto: Oscar Vicente Quiñonez Fernandez y Jorge Anibal Acha Navarro.

El primero de ellos, PhD Oscar Quiñonez, quien se desempeña actualmente como Profesor en el Departamento de Historia y Geografía de UNIOESTE (Mal. Candido Rondon – Brasil), realizó varios trabajos relacionados a la erosión de las márgenes paraguayas y brasileñas del Embalse de Itaipu, a partir del 1990 (Quiñonez, 1996, 2000)

El segundo, Ing. Jorge Acha, funcionario de la Superintendencia de Gestión Ambiental, Itaipu Binacional, llevó adelante un programa de estudio- monitoreo de la erosión costera del embalse, específicamente en la margen paraguaya, entre los años 1993 y 1998 (Acha, 1999a, 1999b).

La metodología de campo utilizada por ambos autores consistió en la colocación de pinos, o varillas de acero, en la vertical de los acantilados, con el objetivo de medir la exposición de los mismos con el pasar del tiempo. Además se colocaron estacas de madera en posiciones equidistantes, a lo largo de las márgenes, con el fin de observar y medir el retroceso de las líneas de costa con respecto a estacas de referencia (Acha, 1999a, 1999b; Gatto, 1988; Quiñonez, 1996, 2000).

A continuación, se presentan los principales resultados obtenidos en los estudios citados:

Cuadro 3.1 Resumen de tasas de retroceso halladas de estudios anteriores en zona de interés. Fuente: Basado en Quiñonez (2000) y Acha (1999b).

ID de Estación de monitoreo Altura del barranco (m) Tasa de erosión (m/año) Periodo analizado Autor

1993-1995 Quiñonez (2000)

1995-1998 Acha (1999b)

Como se observa en la Cuadro 3.1, según Acha (1999b) y Quiñonez (2000), la tasa de erosión en las parcelas monitoreadas varía entre 1.63 y 4.80 m por año.

Los puntos de monitoreo 7, 8, 9 y T1 se encuentran en el área de interés, correspondiente al área piloto para fines de este trabajo (Fig. 3.9).

Figura 3 9 Ubicación de los puntos de monitoreo en estudios anteriores. Se indica el área de estudio con líneas punteadas en color rojo Fuente: Adaptado de Quiñonez (2000).

3.4 Fuentes primarias de información

3.4.1 Imágenes de resolución espacial alta

Para reunir los insumos primarios de información, se recurrió al acervo de imágenes históricas de Itaipu Binacional, cuyas características se detallan en el Cuadro 3.2.

Cuadro 3 2 Resumen de imágenes utilizadas.

Las imágenes de los años 1994 y 2014, dado que las mismas no fueron entregadas en un formato que permitiera a la aplicación reconocer automáticamente el sistema de referencia: WGS 1984 UTM Zona 21S, requirieron de tratamientos previos (Asignación de parámetros de proyección).

También, en vista a que las imágenes utilizadas difieren sustancialmente entre sí en lo referido a: método de captura (fuente aérea y fuente satelital) y resolución espacial (1 125m y 1 50m), fue necesario realizar algunos tratamientos, de modo a minimizar las inconsistencias durante las etapas de digitalización y análisis. Los tratamientos mencionados se enfocaron principalmente en el remuestreo y el aumento del contraste (tratamiento de histograma). No se requirieron procesos de ortorrectificación ni de reproyección.

3.4.1.1 Remuestreo5

Las imágenes seleccionadas presentaban diferentes resoluciones espaciales; una de ellas (1994) de 1.125x 1.125 m y la otra (2014) de 1.5x1.5 m. Por ello, y de modo a garantizarla concordancia entre ambas fuentes a la hora de digitalizar las líneas de costa, se optó por igualar las resoluciones utilizando la herramienta “Resample”. Este remuestreo terminó definiendo un tamaño de celda en 1.5x1.5 m, mediante la técnica de convolución cubica, la cual proporciona el ajuste considerando para los cálculos a los 16 centros de celdas más cercanas. Fig. 3.10.

5 Remuestreo: Esta función del Arcmap/ArcGIS permite cambiar el tamaño de píxel de un ráster; dependiendo del tipo de datos ráster y de la finalidad del ráster resultante, se puede optar por los siguientes métodos más comunes: Más cercano, mayoría, bilineal y cúbica (ESRI, s. f.a).

3.10. Visualización de pixeles, luego de remuestreo.

3.4.1.2 Mejoramiento visual de la imagen6

De modo a elevar la concordancia entre las fuentes se entendieron convenientes ciertos ajustes adicionales a la apariencia de las imágenes En ese sentido, fueron ajustados los valores de brillo y de contraste; encontrando la más adecuada la opción estadística de “Extensión de porcentaje de recorte (Percent clip stretch)”. Estos ajustes permitieron mayor nitidez en las formas.

3.4.1.3 Criterios de foto-interpretación y extracción de las líneas de costa.

Los estudios de detección de cambios pueden realizarse desde diversos enfoques. Aunque la información indispensable será siempre la posición de la línea de costa.

Para identificar apropiadamente la posición de la línea de costa se deben tener algunas consideraciones de escala y criterios de foto-interpretación (Jurado y Fernández-Díaz, 2018); el principal de ellos es el indicador de línea de costa. Su función no es necesariamente marcar la verdadera posición de la línea de costa, sino más bien servir de referencia para el analista en el proceso de ubicar, en las imágenes utilizadas, los límites o umbrales de interés (Alicandro et al., 2019; Beguería, 2010). Ejemplo: agua-tierra o agua-

6 Mejoramiento visual de la imagen: Dependiendo de los objetivos perseguidos en un trabajo, el observador puede realizar ciertos ajustes de visualización en los rásters; entre ellos se encuentran el brillo, luminosidad total de la imagen y el contraste, diferencia entre colores claros y colores oscuros (ESRI, s. f.b).

Figura

vegetación. La menor o mayor dificultad en la realización de esta tarea dependerá de la calidad de las imágenes y la resolución espacial de las mismas.

Para el caso del Embalse de Itaipu, debido a que los niveles normales de operación varían aproximadamente entre las cotas 219.00 y 220.50 m y que no se dispone de un amplio acervo de imágenes históricas de alta resolución, se optó por asumir como indicador de línea de costa al contorno de la vegetación permanente, que forma parte de la masa boscosa a la que se usualmente se denomina franja de protección del embalse.

La digitalización de las líneas de costa de los años 1994 y 2014 fue realizada manualmente por una sola persona y ambas una escala de 1:5,000, de modo a garantizar la objetividad y la coherencia geométrica. Para tal efecto, se utilizaron las herramientas de creación de entidades vectoriales proporcionadas por Arcmap 10 (Barrantes Castillo y Sandoval Murillo, 2021; Martinez, 2019; Ojeda Zújar et al., 2013) Fig. 3.11.

A parte de las líneas de costa señaladas, se generó una entidad vectorial denominada Línea Base (baseline) Esta resulta de efectuar la operación área de influencia, o buffer, a una distancia de 180 m hacia el continente.

En cambio, los transectos (transects), también entidades vectoriales, fueron generados automáticamente por la herramienta DSAS. La dirección de cada transecto es perpendicular a la línea Base, cada uno de ellos tiene una longitud de 600 m. Los puntos medios de dos transectos consecutivos se ubican a una distancia de 100 m entre sí y sobre la línea base.

Figura 3 11 Visualización de la posición de líneas de costa, luego de la digitalización. Las líneas de costa fueron digitalizadas a partir de fotografías aéreas (1994) e imágenes satelitales (2014), de alta resolución. Fuente: Basado en Itaipu Binacional (2023d).

3.4.1.4 Análisis de cambios en las líneas de costa.

El análisis geoestadístico fue ejecutado mediante la extensión DSAS adaptada al entorno del ArcGIS Pro.

Los parámetros analizados llevan los nombres de NSM7 , entendido este como la distancia entre la línea de costa más antigua y la más reciente y EPR8 , como la razón de la distancia entre la línea más antigua y la más reciente, y el tiempo transcurrido entre tales posiciones.

En lo que resta del documento el parámetro NSM será indicado como Desplazamiento Neto y el parámetro EPR como Tasa de cambio.

7 Desplazamiento Neto o Movimiento de costa neto en español pero, de manera a facilitar la lectura del documento y su relacionamiento con otras publicaciones sobre el mismo tema, se opta por utilizar en el resto del texto el acrónimo en inglés.

8 Tasa de cambio. Misma nota que la anterior.

En el área piloto, el tramo analizado presenta una longitud de aproximadamente 29 Km.

En la Fig. 3.12 se observa la disposición de los transectos con respecto a las líneas de costa de los años 1994 y 2014.

Figura 3 12 Se exhiben las líneas de costa, línea base y transectos a partir de imágenes de alta resolución.

3.4.2 Imágenes de resolución espacial media

Se consideró conveniente, por motivaciones de interés económico, realizar una estimación de los cambios con imágenes de resolución media, entre los años 1990 y 2010 (Cuadro 3.3). Esto con el fin de evaluar el desempeño de la herramienta para detectar los avances o retrocesos de la línea de costa aún a esta resolución, en vista a que estas imágenes son distribuidas gratuitamente.

Cuadro 3.3. Inventario de imágenes utilizadas para procesos en GEE.

Nº ID Fecha de captura Plataforma Resolución Espacial

1

LANDSAT/LT05/C02/T1_L2/LT05_ 224077_19900209 09/02/1990

2 LANDSAT/LT05/C02/T1_L2/LT05_ 224077_19940103 03/01/1994

3 LANDSAT/LT05/C02/T1_L2/LT05_ 224077_19981130 30/11/1998

4 LANDSAT/LT05/C02/T1_L2/LT05_ 224077_20020109 09/01/2002

5 LANDSAT/LT05/C02/T1_L2/LT05_ 224077_20060205 05/02/2006

6 LANDSAT/LT05/C02/T1_L2/LT05_ 224077_20100115 15/01/2010

3.4.2.1 Extracción de líneas de costa

Landsat 5 TM 30 m

El enfoque para la extracción de las líneas de costa fue diferente para el caso de imágenes con resoluciones menores.

Para el efecto fue utilizado Google Earth Engine (GEE), plataforma de procesamiento y análisis de información geográfica en la nube. Cuenta con un importante acervo de imágenes de sensores como Landsat, MODIS (Moderate Resolution Imaging Spectrometer), Sentinel, etc., que se actualiza automáticamente a medida que éstas son capturadas (Perilla et al., 2020).

El código o script utilizado para este trabajo se denomina Automated Coastline Extraction from Satellite Images using Google Earth Engine (Ujaval, 2023), basado a su vez en Donchyts et al. (2016) y Sengupta et al. (2020), que permite la extracción automática de las líneas de costa (en formato vectorial). El algoritmo realiza una secuencia de pasos que consisten en: creación de una composición libre de nubes, extracción de todos los cuerpos de agua presentes en la escena, eliminación de aguas internas e islas, conversión de ráster a vector, simplificación y finalmente extracción de línea de costa (Fig. 3.13 y Fig. 3.14).

Fueron extraídas, de este modo, líneas de costa correspondientes a los años 1990, 1994, 1998, 2002, 2006 y 2010; abarcando así un periodo total de 20 años.

El código mencionado, originalmente planteado para utilizar imágenes pertenecientes a la colección del Landsat 7 ETM+ debió ser adaptado para ejecutarlo con imágenes del Landsat 5 TM, dado el periodo de tiempo de interés para este trabajo

Para la aplicación del código se definen: la variable “geometría”, adaptándola al área piloto, los rangos de fechas de captura de las imágenes deseadas, de manera a que coincidan con los períodos de las imágenes de alta resolución, así como las líneas de código específicas que declaran la plataforma satelital a utilizar, las bandas de interés en consecuencia, las rutas de salida para los archivos vectoriales y ráster generados.

Figura 3 13 Vista del Editor de código del GEE.

b c d e f

Figura 3 14 Secuencia de pasos que realiza el algoritmo en GEE: a) Composición de imagen libre de nubes, b) Extracción de todos los cuerpos de agua, c) Eliminación de aguas internas e islas, d) Conversión de ráster a vector, e) Simplificación y extracción de línea de costa.

3.4.2.2 Análisis de cambios en las líneas de costa.

Los productos vectoriales así obtenidos, se desplegaron en un ambiente SIG y fueron utilizados como insumos para los cálculos con la herramienta DSAS; siguiendo la misma metodología descripta para las imágenes de alta resolución.

Figura 3.15. Visualización líneas de costa, línea base y transectos a partir de resolución media.

También los parámetros NSM y EPR, fueron analizados de la misma manera que aquellos correspondientes a las imágenes de alta resolución.

Los transectos fueron trazados a una equidistancia de 190 m y perpendiculares a la línea base.

En la Fig. 3.15 se observa la disposición de los transectos con respecto a las líneas de costa desde el año 1990 hasta el año 2010.

4. RESULTADOS

4.1 Análisis de cambio en las líneas de costa

4.1.1 Resolución espacial alta

Los resultados obtenidos a partir de la aplicación de la herramienta DSAS muestran que los procesos más frecuentes en el área de estudio, en el periodo analizado, fueron los erosivos. A su vez se identificaron procesos de acreción y, con presencia mínima, sectores estables.

En la Fig. 4.1, se observa el comportamiento del parámetro NSM, calculado a partir de imágenes de alta resolución. Para un periodo de 20 años, los valores mínimos encontrados fueron de -68 18 y -117 30 m, correspondientes a erosión y valores máximos de 13 26 m y 10.73 m, correspondientes a acreción.

Figura 4 1 Comportamiento del parámetro NSM con respecto a los transectos, utilizando imágenes de alta resolución.

En cuanto al parámetro EPR, las máximas encontradas estuvieron entre 0 66 m/año y 0 58 m/año para los procesos de acreción; mientras que para procesos erosivos las máximas fueron de -5.86 m/año y -3.41 m/año (Fig. 4.2).

Figura 4 2 Comportamiento del parámetro EPR con respecto a los transectos, utilizando imágenes de alta resolución.

4.3. Visualización de los transectos para cada una de las fuentes de datos: a) Resolución Espacial de 1.5x1.5m y b) Resolución Espacial de 30x30m. a b

Figura

Figura 4 4 Visualización, en cada transecto, del parámetro NSM obtenido a partir de imágenes de alta resolución

Figura 4 5 Visualización, en cada transecto, del parámetro EPR obtenido a partir de imágenes de alta resolución.

El proceso erosivo se visualiza en toda el área de estudio, representando el 88% de los 264 transectos generados Mientras que la acreción representa el 11% y, finalmente, la estabilidad el 1%.

En los cuadros 4.1 y 4.2 se observa, respectivamente, un resumen de los estadísticos calculados para los parámetros NSM y EPR, a partir de resultados con imágenes de alta resolución.

Cuadro 4.1 Estadísticos para parámetro NSM en transectos obtenidos a partir de imágenes de alta resolución.

Estadísticos Valor Unidad

Descripción

Mínimo -117 3 Metro (m) Máxima distancia de retroceso de línea de costa

Máximo 13 3 Metro (m) Máxima distancia de avance de línea de costa

Promedio -20.4 Metro (m) Promedio de desplazamiento de línea de costa

Mediana -21 3 Metro (m) Mediana del desplazamiento neto

Cuadro 4.2 Estadísticos para parámetro EPR en transectos obtenidos a partir de con imágenes de alta resolución.

Estadísticos Valor Unidad

Descripción

Mínimo -5.9 Metro (m) Máxima tasa de cambio de la erosión

Máximo 0 66 Metro (m) Máxima tasa de cambio de la acreción

Promedio -1.02 Metro (m) Promedio de tasa de cambio

Mediana -1.06 Metro (m) Mediana de la tasa de cambio

Las Fig. 4.4 y Fig. 4.5 muestran el comportamiento de los parámetros NSM y EPR para cada uno de los transectos analizados en un tramo de 29 Km.

Se puede observar que los tramos de costa más afectados por la erosión se encuentran entre los transectos 64-65, 89 y 121. Mientras que aquellos de mayor acreción se encuentran entre los transectos 11, 13-14, 139-140, 183-185, 230-231 (Fig. 4.3a)

4.1.2

Resolución espacial media

En la Fig. 4.6, se observa el NSM calculado a partir de imágenes de resolución media. Para un periodo de 20 años, los valores mínimos encontrados fueron de -97.85 m y -81.97 m, correspondientes a erosión y los valores máximos de 30.10 m y 29.56 m, correspondientes a acreción.

Figura 4.6. Comportamiento del parámetro NSM con respecto a los transectos, utilizando imágenes de resolución media.

En cuanto a la tasa de cambio (EPR), las máximas encontradas fueron de 1 51 m/año y 1 48 m/año para los procesos de acreción; mientras que para procesos erosivos las máximas fueron de -4 89 m/año y -4 09 m/año (Fig. 4.7).

Figura 4.7. Comportamiento del parámetro EPR con respecto a los transectos, utilizando imágenes de resolución media.

Figura 4.8. Visualización, en cada transecto, del parámetro NSM obtenido a partir de imágenes de resolución media.

Figura 4 9 Visualización, en cada transecto, del parámetro EPR obtenido a partir de imágenes de resolución media.

En los cuadros 4.3 y 4.4, se resumen los estadísticos calculados para los parámetros NSM y EPR, a partir de resultados con imágenes de resolución media

Cuadro 4.3. Estadísticos para parámetro NSM en transectos obtenidos a partir de imágenes de resolución media

Estadísticos Valor Unidad

Descripción

Mínimo -97.8 Metro (m) Máxima distancia de retroceso de línea de costa

Máximo 30.1 Metro (m) Máxima distancia de avance de línea de costa

Promedio -19.0 Metro (m) Promedio de desplazamiento de línea de costa

Mediana -18.4 Metro (m) Mediana del desplazamiento neto

Cuadro 4.4. Estadísticos para parámetro EPR en transectos obtenidos a partir de con imágenes de resolución media.

Estadísticos Valor Unidad

Descripción

Mínimo -4 9 Metro (m) Máxima tasa de cambio de la erosión

Máximo 1.5 Metro (m) Máxima tasa de cambio de la acreción

Promedio -0.96 Metro (m) Promedio de tasa de cambio

Mediana -0 92 Metro (m) Mediana de la tasa de cambio

Los resultados obtenidos a partir de imágenes de resolución media muestran que el 64% de los 230 transectos generados corresponde a erosión, el 28% a estabilidad y el 8% a acreción.

Las Fig. 4.8 y Fig. 4.9 muestran el comportamiento de los parámetros NSM y EPR para cada uno de los transectos analizados en un tramo de 35 Km.

Se puede observar que los tramos de costa más afectados por la erosión se encuentran entre los transectos 111, 116 y 118. Mientras que aquellos marcados de mayor acreción se encuentran en los transectos 129, 196, 208 y 218 (Fig. 4.3b).

En ambos casos, tanto en los resultados obtenidos con imágenes de alta resolución como de resolución media, se observa que la mayoría de los transectos predominan los procesos erosivos Sin embargo, al comparar la proporción entre fenómenos de erosión y acreción en cada conjunto de datos, estas relaciones no se corresponden (las imágenes de media resolución dan cuenta de más sectores estables que en las de baja resolución o viceversa). (Fig. 4.10).

Figura 4.10. Visualización de predominancia de fenómenos (erosión, acreción, estabilidad) según resultados a partir de imágenes de alta y media resolución espacial

Cuadro 4.5 Estadísticos para parámetro NSM en transectos obtenidos a partir de imágenes de resolución media.

En la Cuadro 4.5 se puede observar una comparación entre los estadísticos de los parámetros de NSM y EPR, para imágenes de resolución espacial alta y media.

El NSM obtenido a partir de imágenes de resolución media, con respecto a aquellos de alta resolución, es subestimado en los valores correspondientes al mínimo (-18%) y a la mediana (-15%); mientras que sobreestimado en los valores del máximo (+77%) y del promedio (+7%).

La tasa de cambio (EPR) obtenida a partir de imágenes de resolución media, con respecto a aquellos de alta resolución, aparecen subestimada en los valores correspondientes al mínimo (-19%), al promedio (-4%) y a la mediana (-4%); mientras que sobreestimada en el valor máximo (+78%).

4.1.3 Comparación de diversas técnicas

En el Cuadro 4.6 se observa la comparación de resultados obtenidos para la tasa de cambio (erosión), para imágenes de resolución espacial alta, imágenes de resolución espacial media y aquellos obtenidos en monitoreos históricos en el área piloto.

Cuadro 4.6. Comparación de resultados de tasas de erosión históricos con aquellos obtenidos con DSAS.

Puntos de control Tasa de cambio (erosión)

EPR 1.5x1.5 m EPR 30x30 m Quiñonez (2000) Acha (1999)

T1/7 -2.01 m/año -2.85 m/año -2.19 m/año -2.56 m/año

8 -1.74 m/año -2.80 m/año -1.86 m/año

9 -2.48 m/año 0 m/año -3.58 m/año

La comparación directa de los valores medidos en campo con aquellos obtenidos mediante el análisis a partir de imágenes de alta y media resolución muestra variaciones del orden del metro, en el caso del punto de control 9 y del orden del decímetro en los puntos T1/7 y 8.

Por su parte, de la comparación directa de los valores medidos en campo con aquellos obtenidos mediante el análisis a partir de imágenes de media resolución, se observa que

las variaciones son del orden del metro, en el caso del punto de control 8 e inclusive del decímetro en el caso del punto T1/7. Sin embargo, como se observa para el punto 9, el fenómeno de erosión erosivo no fue identificado.

Observando las Fig. 4.11 y Fig. 4.12, se identifican los tramos de líneas de costa según los procesos predominantes en el período estudiado. En el mapa correspondiente a la resolución espacial alta, si bien existen tres categorías (erosión, acreción y estable), los tramos clasificados como erosión representan la mayor parte de la costa analizada. Esto se repite igualmente en el mapa correspondiente a la resolución media. Este último sin embargo muestra, además, tramos estables y de acreción más numerosos con respecto al mapa anterior.

4 11 Visualización de la línea de costa con tramos clasificados según proceso predominante (a partir de imágenes de alta resolución).

Figura

Figura 4 12 Visualización de la línea de costa con tramos clasificados según proceso predominante (a partir de imágenes de resolución media

5. DISCUSIÓN

En el trabajo se plantearon cinco preguntas de investigación, las que citamos abajo para un mejor desarrollo. Estas son:

a) ¿Dónde se ubican las líneas de costa en las fotografías aéreas e imágenes satelitales de los años 1994 y 2014, considerando diversas resoluciones espaciales?

b) ¿Cuál es la magnitud de cambios en el periodo de tiempo analizado y a diversas resoluciones espaciales?

c) ¿Dónde se ubican las zonas de erosión y las zonas de acreción dentro del área piloto, considerando diversas resoluciones espaciales?

d) ¿Cómo resulta la comparación de tasas de erosión obtenidas mediante diversas técnicas?

e) ¿Es conveniente la utilización de sensores remotos para estimar la tasa de cambio en el área piloto de Itaipu?

A continuación, se retoman cada una de ellas:

a) ¿Dónde se ubican las líneas de costa en las fotografías aéreas e imágenes satelitales de los años 1994 y 2014, considerando diversas resoluciones espaciales?

En todo estudio de detección de cambio en zonas costeras, la tarea de ubicar a las líneas de costa es crítica, ya que a partir de ellas se realizan todos los cálculos y estimaciones. Sin embargo, cuando se utilizan imágenes de sensores remotos, la delimitación de agua-tierra no es obvia, la mayoría de las veces, debido a la calidad y resolución espacial de las imágenes. Es por ese motivo que los analistas recurren al indicador de línea de costa, fácilmente identificable (Gutierrez, 2015).

Para este trabajo fueron analizadas varias opciones de indicadores de línea de costa; dado que el área piloto se encuentra en el embalse de una Usina Hidroeléctrica, los indicadores basados en altura de baja o alta marea no fueron aplicables, ya que el nivel de agua depende tanto de factores meteorológicos como operativos

Es así como, en el caso de las imágenes de alta resolución espacial, se consideró como indicador de línea de costa al contorno de la vegetación permanente de la franja de protección del embalse de Itaipu; lo que facilitó grandemente la digitalización manual de las líneas (Fig. 3.12). A modo de asegurar la calidad del producto se tomaron ciertas consideraciones; en primer lugar, se mantuvo la escala durante todo el proceso de digitalización, ésta – la escala - fue la misma en todas las imágenes utilizadas y, en segundo lugar, todas las digitalizaciones fueron realizadas por la misma persona.

Para el caso de las imágenes de resolución espacial media se utilizó el script Automated Coastline Extraction from Satellite Images using Google Earth Engine (Ujaval, 2023), mediante el cual se logró extraer líneas de costa válidas y coherentes, desde el punto de vista de la georreferenciación como de las características morfológicas del terreno (Fig. 3.15)

La tarea de determinar la posición de las líneas de costa para ambas resoluciones espaciales no representó mayores inconvenientes y las técnicas utilizadas para el efecto resultaron bastante eficientes.

A modo de mejora, se indica la importancia de colocar mojones en puntos estratégicos a lo largo del tramo de costa analizado; los mismos servirán de referencia para validaciones en futuros estudios de monitoreo. Esto debido a que la mayoría de las referencias en el terreno ya no se localizan.

b) ¿Cuál es la magnitud de cambios en el periodo de tiempo analizado y a diversas resoluciones espaciales?

El análisis geo-estadístico realizado con la extensión DSAS e implementado para imágenes de alta y media resolución espacial, fue ejecutado en ambiente SIG, sin inconvenientes, arrojando resultados coherentes con aquellos observados en monitoreos de campo.

Los parámetros de cambio analizados (NSM y EPR), obtenidos a partir de imágenes de resolución espacial alta y media mostraron que en el área piloto predomina el proceso erosivo; así como se observa en la Fig. 4.1, Fig. 4.2, Fig. 4.6 y la Fig. 4.7.

Con relación a la escala del trabajo, se considera que la selección de las imágenes aéreas y satelitales utilizadas fue correcta; sin embargo, tratándose de imágenes ya procesadas y no teniendo acceso a los archivos brutos, no fue posible verificar las correcciones geométricas aplicadas a las mismas, por parte de los analistas de la época.

c) ¿Dónde se ubican las zonas de erosión y las zonas de acreción dentro del área piloto, considerando diversas resoluciones espaciales?

Una de las ventajas de utilizar la herramienta DSAS es la capacidad de obtener informaciones de cada uno de los transectos calculados y de esta forma, no sólo conocer las magnitudes de cambio a lo largo del tramo analizado; sino de georreferenciar la presencia de procesos erosivos y acrecionales asociados

En las Fig. 4.11 y Fig. 4.12 se identificaron las zonas afectadas por erosión, aquellas afectadas por acreción y aquellas que permanecieron estables durante el periodo de tiempo estudiado. En el mapa correspondiente a la resolución espacial alta, las zonas clasificadas como erosión representan la mayor parte de la costa analizada. Esto se repite igualmente en el mapa correspondiente a la resolución media. Este último sin embargo muestra, además, tramos estables y de acreción más numerosos con respecto al mapa anterior.

Se explica esta diferencia en vista a que el script de extracción automáticas de líneas de costa en Google Earth Engine se basó en imágenes Landsat (de resolución espacial de 30x30 m) y cuyos píxeles superaban en tamaño a las posibles variaciones en el terreno ocurridas en 20 años de análisis; en otros términos y ensayando una explicación física, la velocidad de los procesos dinámicos en las costas del área piloto, no fue suficiente para que los cambios sean detectados por la plataforma satelital.

d) ¿Cómo resulta la comparación de tasas de erosión obtenidas mediante diversas técnicas? y e) ¿Es conveniente la utilización de sensores remotos para estimar la tasa de cambio en el área piloto de Itaipu?

La búsqueda de resultados de monitoreos históricos, que sirvieran como punto de partida para este trabajo, resultó en el hallazgo de datos referentes a procesos erosivos, no así a aquellos acrecionales. En el Cuadro 4 6 se observa la comparación directa de los resultados obtenidos de tasa de erosión para imágenes de resolución espacial alta, imágenes de resolución espacial media y de monitoreos históricos en el área piloto.

A pesar de que para el área de estudio se contaba solamente con 3 puntos de control, éstos sirvieron para determinar una alta correspondencia con los resultados obtenidos mediante técnicas de sensores remotos.

Es natural, debido al costo elevado de realizar campañas de campo, que la primera opción haya sido realizar la mayor parte del trabajo en gabinete. Sin embargo, para desarrollos ulteriores, debe indicarse como condición preferible realizar mayor cantidad de mediciones de campo.

Realizando un análisis acerca de las fases que comprendieron la metodología utilizada para la realización de este trabajo, colocamos a continuación algunas reflexiones:

a) La fase 1, correspondiente a la revisión bibliográfica y a la definición de objetivos e hipótesis, no presentó dificultades debido a que diversos autores a nivel internacional se ocuparon de la dinámica de costas y los sensores remotos; por lo que existe una amplia bibliografía acerca de esta problemática.

b) La fase 2, correspondiente a la selección del área de estudio, requirió mayores esfuerzos ya que las imágenes, ideales para la aplicación de la técnica DSAS, fueron escasas Éstas debían reunir algunos requisitos como: ser de alta resolución, buena calidad, baja nubosidad y debían capturar el área de interés en los años deseados (1994 y 2014) Finalmente, el par de imágenes utilizadas, provino de fuentes de datos diferentes; una, producto de un vuelo fotogramétrico (1994) y la otra, capturada por satélite (2014). Con respecto a las imágenes de resolución media, la selección se realizó automáticamente por lo que la única intervención posible en el script de Google Earth Engine, fue la modificación de los valores en las variables de código referentes a filtros de delimitación del área, plataforma satelital, periodo de tiempo, porcentaje de nubosidad, entre otras.

c) La fase 3, correspondiente a la producción y análisis de resultados, fue ejecutada sin inconvenientes. Los pasos necesarios para determinar los parámetros de NSM y EPR para ambos grupos de imágenes fueron realizados según el manual de usuario de la herramienta DSAS, bastante intuitivo para seguirse y basándose en la bibliografía consultada de diversos autores. Entre las limitaciones se deprende la casi nula probabilidad de determinar acreciones mediante imágenes de resolución media. En relación a los otros fenómenos, erosión y estabilidad, se indica la conveniencia de realizar mayor cantidad de campañas de campo, en cantidad y distribución adecuadas a una óptima relación costo-beneficio.

Así, en las condiciones actuales de conocimiento respecto al fenómeno en el Embalse de Itaipu y con los medios disponibles (imágenes alojadas en la base de datos de Itaipu) se muestra conveniente la utilización de sensores remotos para estimaciones de tasa de erosión en el área piloto del embalse de Itaipu, con la metodología propuesta.

En un futuro, cuando se disponga de datos históricos referentes a tasas de acreción, se podrá seguir la misma metodología para evaluar el grado de correspondencia.

6. CONCLUSIONES

El área de estudio fue monitoreada en el pasado por renombrados especialistas e investigadores locales. Sus resultados fueron consultados y considerados como punto de partida para este trabajo.

La herramienta DSAS permitió estimar el NSM y la EPR para ambas fuentes de datos (imágenes de resolución alta y media) La estimación de estadísticos para los valores máximos de la erosión presenta una correspondencia aceptable entre ambos resultados (porcentaje de variación inferior al 20%). Sin embargo, en aquellos relativos a la acreción la sobreestimación no es aceptable (porcentaje de variación superior al 70%). Por lo que, si el interés de futuros trabajos es estimar la acreción, se recomienda recurrir necesariamente a imágenes de alta resolución.

Los resultados obtenidos para un periodo de 20 años, utilizando imágenes de alta resolución (1.5x1.5 m), revelaron que el desplazamiento neto máximo, en términos de erosión, fue de 117.30 m; con una tasa de cambio máxima de 5.86 m/año. En cuanto a las imágenes de resolución media (30x30 m), los resultados mostraron un desplazamiento neto máximo, en términos de erosión de 97.85 m y una tasa máxima de 4.89 m/año.

Realizando la comparación directa de los resultados obtenidos mediante diversas técnicas y resoluciones espaciales, se observó lo siguiente:

a) La tasa de erosión, proporcionada por monitoreos históricos y utilizando imágenes de alta resolución, mostró variaciones del orden de metro (punto de control 9) y del orden del decímetro (puntos de control T1/7 y 8).

b) La tasa de erosión, proporcionada por monitoreos históricos y utilizando imágenes de resolución media, mostró variaciones del orden de metro (punto de control 8), del orden del decímetro (punto de control T1/7) e indefinido (punto de control 9).

c) Para el área piloto, se denotó por ende, una elevada correlación entre los resultados de tasa de erosión obtenidos mediante técnicas de campo y técnicas de sensores remotos.

Por otra parte, no fue posible realizar la comparación de la tasa de acreción, debido a ausencia de información histórica sobre el área piloto. De donde se desprende la necesidad de validar in situ los resultados obtenidos acerca de la ubicación de zonas clasificadas como erosivas, acrecionales y estables (tanto para imágenes de resolución alta como media). Esta etapa deberá realizarse necesariamente en futuro, dado que escapa del alcance de este trabajo.

Resulta así que la herramienta DSAS ofreció informaciones valiosas en estudios multitemporales o de detección de cambios en el área piloto; esto permitió identificar la tendencia en la ubicación de las líneas de costa y la tasa de cambio de los procesos erosivos. De implementar la herramienta en estudios actuales se optimizará la gestión del tiempo y del personal en los trabajos de monitoreo de la erosión costera.

De modo a dar aún más peso a los resultados obtenidos, se considera fundamental contar con una mayor cantidad de imágenes de alta resolución, capturadas en el periodo analizado, con el fin de estimar las incertidumbres asociadas a las técnicas aplicadas (DSAS cuenta con herramientas específicas para tal efecto).

En base a la metodología desarrollada, a los resultados obtenidos y a su interpretación, se confirmó la hipótesis planteada y el cumplimiento de los objetivos propuestos.

Excediendo al alcance de presente trabajo y con un interés mayormente corporativo se sugiere:

a) incursionar en la evaluación de otras técnicas como vuelos fotogramétricos o levantamentos LiDAR, con el objetivo de explorar opciones válidas para éste y los demás puntos de monitoreo de erosión costera del Embalse de ITAIPU.

b) Estimar los volúmenes de sedimentos perdidos y ganados a lo largo del tiempo.

c) Actualizar la base de datos de Itaipu, con imágenes satelitales de alta resolución; considerando que la calidad y resolución de las fuentes de datos depende la correcta ubicación de las líneas de costa.

REFERENCIAS

Acha, J. A. (1999a). Erosión costera en el embalse de Itaipu-MD. XV Seminario Nacional de Produção de Transmissao de Energia Electrica. Obtenido el 20 de febrero de 2023, de https://www.cgti.org.br/publicacoes/wp-content/uploads/2015/12/EROSIONCOSTERA-EN-EL-AMBALSE-DE-ITAIPU-MD.pdf

Acha, J. A. (1999b). Erosión Costera en el Embalse de Itaipu (Margen Derecha). BIOTA 10. Itaipu Binacional. Superintendencia de Medio Ambiente. Ciudad del Este. Paraguay. [Base de datos]

Albuquerque, M., Espinoza, J., Teixeira, P., de Oliveira, A., Corrêa, I., y Calliari, L. (2013). Erosion or Coastal Variability: An Evaluation of the DSAS and the Change Polygon Methods for the Determination of Erosive Processes on Sandy Beaches. Journal of Coastal Research, 165, 1710–1714. https://doi.org/10.2112/SI65-289.1

Alicandro, M., Baiocchi, V., Brigante, R., y Radicioni, F. (2019). Automatic Shoreline Detection from Eight-Band VHR Satellite Imagery. Journal of Marine Science and Engineering, 7(12), 459. https://doi.org/10.3390/jmse7120459

Aronoff, S. (2005). Remote Sensing for GIS Managers. ESRI Press, Edición Primera.

ASALE y RAE, Asociación de Academias de la Lengua Española y Real Academia Española. (s. f.-a). acantilado, acantilada. Diccionario de la lengua española.Edición del Tricentenario. Obtenido el 10 de abril de 2023, de https://dle.rae.es/acantilado

ASALE y RAE, Asociación de Academias de la Lengua Española y Real Academia Española. (s. f.-b). acreción. Diccionario de la lengua española. Edición del Tricentenario. Obtenido el 10 de abril de 2023, de https://dle.rae.es/acreci%C3%B3n?m=form

ASALE y RAE, Asociación de Academias de la Lengua Española y Real Academia Española. (s. f.-c). marea. Diccionario de la lengua española. Edición del Tricentenario. Obtenido el 10 de abril de 2023, de https://dle.rae.es/marea?m=form

ASALE y RAE, Asociación de Academias de la Lengua Española y Real Academia Española. (s. f.-d). meteorización. Diccionario de la lengua española. Edición del Tricentenario. Obtenido el 10 de abril de 2023, de https://dle.rae.es/meteorizaci%C3%B3n?m=form

Baig, M., Ahmad, I., Shahfahad, Tayyab, M., y Rahman, A. (2020). Analysis of shoreline changes in Vishakhapatnam coastal tract of Andhra Pradesh, India: an application of digital shoreline analysis system (DSAS). Annal of GIS. Volumen 26. Número 4. 361-376 https://doi.org/10.1080/19475683.2020.1815839

Barrantes Castillo, G., y Sandoval Murillo, L. F. (2021). Cambios en la línea de costa en el Caribe Sur de Costa Rica durante el periodo 2005-2016. Revista de Ciencias Ambientales, 55(2), 105–134. https://doi.org/10.15359/RCA.55-2.6

Beguería, S. (2010). EROSIÓN Y FUENTES DE SEDIMENTO EN LA CUENCA DEL EMBALSE DE

YESA (PIRINEO OCCIDENTAL): ENSAYO DE UNA METODOLOGÍA BASADA EN TELEDETECCIÓN Y ANÁLISIS SIG. CSIC-Instituto Pirenaico de Ecología (IPE). Obtenido el 24 de abril de 2023, de http://hdl.handle.net/10261/20915

Boak, E. H., y Turner, I. L. (2005). Shoreline definition and detection: A review. Journal of Coastal Research, 21(4), 688–703. https://doi.org/10.2112/03-0071.1

Chuvieco Salinero, E. (2019). Teledetección Ambiental. Digital Reasons. ISBN: 978-84120315-4-6

Cifuentes-Ossa, M. A., Rosero-Henao, L. V., Josephraj-Selvaraj, J., Cifuentes-Ossa, M. A., Rosero-Henao, L. V., y Josephraj-Selvaraj, J. (2017). DETECCIÓN DE CAMBIOS DE LA LÍNEA COSTERA AL NORTE DEL DISTRITO DE BUENAVENTURA MEDIANTE EL USO DE SENSORES REMOTOS. Boletín de Investigaciones Marinas y Costeras - INVEMAR, 46(1), 137–152. Obtenido el 12 de abril de 2023, de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S012297612017000100137&lng=en&nrm=iso&tlng=es

Civil Hub. (2019, 1 diciembre). Megastructures - Itaipu dam [Vídeo]. YouTube. Recuperado el 17 de mayo de 2023, de https://www.youtube.com/watch?v=WMZAzNwovVQ

Costa, W. D. (2012). Geologia da barragens. Edición Primera. San Pablo. Oficinas de Textos. ISBN: 978-85-7975-0584-0

Debernardi, E. (2010). Apuntes para la historia política de ITAIPU. Editorial Gráfica Continua S.A. Asunción. Paraguay. Edición Segunda. 613 p.

Di, K., Wang, J., Ma, R., y Li, R. (2003, Enero). Automatic shoreline extraction from high resolution IKONOS satellite imagery. ASPRS 2003 Annual Conference Proceedings. Anchorage. Alaska. Obtenido el 17 de marzo de 2023, de https://www.researchgate.net/publication/241058589_Automatic_shoreline_extrac tion_from_high_resolution_IKONOS_satellite_imagery

Diaz Mendoza, C. (2011). Alternativas para el control de la erosión mediante el uso de coberturas convencionales, no convencionales y revegetalización. Ingeniería e Investigación, 31(3), 80–90.

Dominici, D., y Zollini, S. (2020). Remote Sensing in Coastline Detection. Journal of Marine Science and Engineering, 8(7), 498. https://doi.org/10.3390/jmse8070498 Donchyts, G., Schellekens, J., Winsemius, H., Eisemann, E., y van de Giesen, N. (2016). A 30 m Resolution Surface Water Mask Including Estimation of Positional and Thematic Differences Using Landsat 8, SRTM and OpenStreetMap: A Case Study in the MurrayDarling Basin, Australia. Remote Sensing, 8(5), 386. https://doi.org/10.3390/rs8050386

ESRI. (s. f.a). Método de remuestreo (Configuración del entorno) ArcGIS Pro. Documentación. Obtenido el 14 de abril de 2023, de https://pro.arcgis.com/es/proapp/latest/tool-reference/environment-settings/resampling-method.htm

ESRI. (s. f.b). Función de brillo y contraste ArcGIS AllSource | Documentación. Obtenido el 14 de abril de 2023, de https://doc.arcgis.com/es/allsource/latest/analysis/rasterfunctions/contrast-and-brightness-function.htm

Ferrucho-Maloof, I. E., Otero-Díaz, L. J., Cueto-Fonseca, J. E., Ferrucho-Maloof, I. E., OteroDíaz, L. J., y Cueto-Fonseca, J. E. (2022). Cambios recientes de la línea de costa entre Bocas de Ceniza y Puerto Velero (Atlántico, Colombia). Boletín de Geología, 44(3), 159–178. https://doi.org/10.18273/REVBOL.V44N3-2022007

Fontán, A., Albarracín, S., y Alcántara-Carrió, J. (2009a). Estudios de erosión en costas sedimentarias mediante GPS Diferencial y Ecosondas Monohaz /Multihaz. Métodos en teledetección Aplicada a la Prevención de Riesgos Naturales en el Litoral. Obtenido el 24 de abril de 2023, de https://www.researchgate.net/profile/Javier-AlcantaraCarrio/publication/259592011_Estudios_de_erosion_en_costas_sedimentarias_med iante_GPS_diferencial_y_ecosondas_monohazmultihaz/links/0c96052cedab7a334b0 00000/Estudios-de-erosion-en-costas-sedimentarias-

Fontán, A., Albarracín, S., y Alcántara-Carrió, J. (2009b). Métodos en Teledetección Aplicada a la Prevención de Riesgos Naturales en el Litoral. https://www.researchgate.net/profile/Javier-AlcantaraCarrio/publication/259592011_Estudios_de_erosion_en_costas_sedimentarias_med iante_GPS_diferencial_y_ecosondas_monohazmultihaz/links/0c96052cedab7a334b0 00000/Estudios-de-erosion-en-costas-sedimentarias-

French, P. (2004). Coastal and estuarine management Routledge Environmental Management Series. Routledge. Obtenido el 28 de mayo de 2023, de http://196.189.45.87/bitstream/123456789/36713/1/220.Peter M.French.pdf

Fundación Instituto de Desarrollo Regional del Rosario. (2018). PRESENTE Y FUTURO DEL TRANSPORTE POR LA HIDROVÍA PARAGUAY-PARANÁ. PERSPECTIVA ECONÓMICA DE SU AMPLIACION. Fundación Institutto de Desarrollo Regional de Rosario. Edición Primera. 168 p. Obtenido 16 de mayo de 2023, de http://www.hidrovia.org/userfiles/0-libro_hidrovia_final_c-t.pdf

Garcia, L. (2021). Clima marítimo, procesos de erosión/acreción y amenazas/vulnerabilidades por erosión: Caso de estudio de la Barrera costera de Puerto Velero, Departamento del Atlántico. Universidad del Norte. 1–121.

Gatto, L. W. (1988). Techniques for measuring reservoir bank erosion. Special Report 88-3. Cold Regions Research & Engineering Laboratory. US Army Corps of Engineers.

Gutierrez, O. (2015). Dinámica sedimentaria en la costa uruguaya. Un abordaje desde la

Geografía Histórica y los S.I.G. para comprender las tendencias evolutivas vinculadas al cambio global [Universidad Autónoma de Madrid]. https://213.32.62.140/handle/10334/3671

Hasui, Y., Carneiro, C., Marques de Almeida, F., y Bartorelli, A. (2012). Geologia do Brasil. San Pablo. Editorial Beca. 900p. ISBN: 978-85-62768-10-1

Himmelstoss, E. A., Henderson, R. E., Kratzmann, M. G., y Farris, A. S. (2018). Digital Shoreline Analysis System (DSAS) version 5.0 user guide. Open-File Report. https://doi.org/10.3133/OFR20181179

Hossain, S. A., Mondal, I., Thakur, S., Linh, N. T. T., y Anh, D. T. (2022). Assessing the multidecadal shoreline dynamics along the Purba Medinipur-Balasore coastal stretch, India by integrating remote sensing and statistical methods. Acta Geophysica, 70(4), 1701–1715. https://doi.org/10.1007/s11600-022-00797-5

IRENA (2021), Evaluación del Estado de Preparación de las Energías Renovables de IRENA: Paraguay, Agencia Internacional de Energías Renovables, Abu Dabi.Obtenido el 16 de mayo de 2023, de https://www.irena.org/publications/2021/Sep/RenewablesReadiness-Assessment-Paraguay-ES

Isha, I. B., y Adib, M. R. M. (2020). Application of Geospatial Information System (GIS) using Digital Shoreline Analysis System (DSAS) in Determining Shoreline Changes. 2nd International Conference on Green Environmental Engineering and Tecnology. https://doi.org/10.1088/1755-1315/616/1/012029

Itaipu Binacional (s.f.a). Somos Itaipu Binacional [Video]. YouTube. Obtenido el 17 de mayo de 2023, de https://www.youtube.com/watch?v=zd18kAj8bWM

Itaipu Binacional (s. f.b). Motor del desarrollo nacional con rostro humano. Misión Obtenido el 17 de marzo de 2023, de https://itaipu.gov.py/es/institucional/mision

Itaipu Binacional (s.f.c). Motor del desarrollo nacional con rostro humano. Objetivos estratégicos. Obtenido el 17 de marzo de 2023, de https://itaipu.gov.py/es/institucional/objetivos-estrategicos

Itaipu Binacional. (s.f.d). Líder mundial na geração de energia limpa e renovável. Tratado de Itaipu. Obtenido el 10 de enero de 2024, de https://www.itaipu.gov.br/sites/default/files/af_df/Tratadoitaipu_Esp.pdf

Itaipu Binacional. (s.f.e). Energía hidráulica . Obtenido el 17 de mayo de 2023, de https://www.itaipu.gov.br/es/energia/energia-hidraulica

Itaipu Binacional. (s.f.-f). Áreas Silvestres Protegidas de Itaipu. Obtenido el 9 de octubre de 2023, de https://www.itaipu.gov.py/es/sala-de-prensa/noticia/areas-silvestresprotegidas-de-itaipu

Itaipu Binacional. (s.f.-g). Con 87.000 hectáreas resguardadas, Margen Derecha de ITAIPU

evoca Día de las Áreas Silvestres Protegidas. Obtenido el 9 de octubre de 2023, de https://www.itaipu.gov.py/es/sala-de-prensa/noticia/con-87000-hectareasresguardadas-margen-derecha-de-itaipu-evoca-dia-de-lasar#:~:text=El%20lado%20paraguayo%20de%20ITAIPU,la%20conservaci%C3%B3n%2 0de%2087.000%20hect%C3%A1rea

Itaipu Binacional. (s.f.-h). Proyecto Itaipu preserva. Obtenido el 9 de octubre de 2023, de https://www.itaipu.gov.py/es/medio-ambiente/proyecto-itaipu-preserva

Itaipu Binacional. (s.f.-i). Manejo y conservación de las áreas protegidas de ITAIPU son clave en la certificación de Reserva de Biosfera Obtenido el 9 de octubre de 2023, de https://www.itaipu.gov.py/es/sala-de-prensa/noticia/manejo-y-conservacion-de-lasareas-protegidas-de-itaipu-son-clave-en-la-certi

Itaipu Binacional. (2023a). Estación meteorológica convencional Usina. MARR.CE [base de datos].

Itaipu Binacional. (2023b). Datos hidrológicos Embalse. OP.DT [base de datos].

Itaipu Binacional. (2023c). Base de datos geográfica. ODRA.CE [base de datos].

Itaipu Binacional. (2023d). Dois países, um acordo: 50 anos do Tratado de Itaipu [Vídeo]. YouTube. Obtenido el 17 de mayo de 2023, de https://www.youtube.com/watch?v=4_SCd2aavB4

Jurado, P., y Fernández-Díaz, M. (2018). ESCALA, ESFUERZO DIGITALIZADOR Y FRACTALIDAD EN LA LÍNEA DE COSTA. GeoFocus Revista Internacional de Ciencia y Tecnología de La Información Geográfica, 21, 253–277. https://doi.org/10.21138/GF.568

Labrador, M., Évora, J. A., y Arbelo, M. (2012). Satélites de Teledetección para la Gestión del Territorio. Proyecto SATELMAC. Programa de Cooperación Transnacional Madeira. Azores. Canarias. Consejería de Agricultura, Ganadería, Pesca y Aguas del Gobierno de Canarias. Grupo de Observación de la Tierra y la Atmósfera. Universidad de la Laguna IROA, S.A. . Obtenido el 30 de mayo de 2023, de https://gmrcanarias.com/wpcontent/uploads/2020/10/20_catalogo_satelites_es.pdf

Leone, A. (s. f.). SED: DISPUTAS POR EL AGUA. Geopolítica de los Recursos Estratégicos. Universidad Nacional de Lanus. Obtenido el 16 de Mayo de 2023, de http://centrougarte.unla.edu.ar/geopolitica-de-recursos-estrategicos/agua

Mahapatra, M., Ratheesh, R., y Rajawat, A. S. (2014). Shoreline Change Analysis along the Coast of South Gujarat, India, Using Digital Shoreline Analysis System. Journal of the Indian Society of Remote Sensing, 42(4), 869–876. https://doi.org/10.1007/S12524013-0334-8/TABLES/2

Martínez, J.P. (2019). Evolutions of trends in the coastal dynamics of the Bay of Santa Marta, Colombia. UNIGIS. Obtenido el 26 de mayo de 2023.

Marqués, P. V. (s. f.). subsidencia Glosario de términos geológicos. Obtenido el 10 de abril de 2023, de https://www.geologiadesegovia.info/ASAM/utilidades/glosario.html#S%20%20% 20https://www.wordreference.com/definicion/subsidencia

Masselink, G., Hughes, M., y Knight, J. (2014). COASTAL PROCESSES & GEOMORPHOLOGY Routledge Taylor y Francis Group. Edición Segunda. Obtenido el 27 de abril de 2023, de https://doi.org/10.4324/9780203785461

Mendez, S., Gamarra, G. (2018). Climatología de la Cuenca del Embalse de ITAIPU. Biota Nro 19 Itaipu Binacional. Hernandarias. Paraguay. ISSN 2073-7106

Nicolodi, J., Amaral, S., Toldo, E., y Calliari, L. (2021). REGIONAL COASTLINE CHANGES AND FUTURE PREDICTED SCENARIO ON. Revista Geográfica de Chile Terra Australis Número Especial, 1, 76–95. https://doi.org/10.23854/07199562.2021571esp.Nicolodi76

Nicu, I. C. (2021). Is digital shoreline analysis system “fit” for gully erosion assessment? CATENA, 203, 105307. https://doi.org/10.1016/J.CATENA.2021.105307

NWS Internet Services Team. (s. f.). Glossary -[synoptic scale]. NOAA’s National Weather Service Obtenido el 10 de abril de 2023, de https://w1.weather.gov/glossary/index.php?letter=s NO APARECE CITADO EN EL TEXTO.

Obiene, E. A., Rowland, E. D., y Michael, I.-T. I. (2022). Analysis of Shoreline Changes in Ikoli River in Niger Delta Region Yenagoa, Bayelsa State Using Digital Shoreline Analysis System (DSAS). Journal of Marine Science, 4(1). https://doi.org/10.30564/jms.v4i1.4197

Ojeda Zújar, J., Díaz Cuevas, M. del P., Prieto Campos, A., y Álvarez Francoso, J. I. (2013). Línea de costa y sistemas de información geográfica: modelo de datos para la caracterización y cálculo de indicadores en la costa andaluza. Investigaciones Geográficas, 60, 37. https://doi.org/10.14198/INGEO2013.60.02

Orue, D. (1996). Sintesi da Geologia do Paraguai Oriental, com enfase para o magmatismo alcalino associado. Geología del Paraguay. Obtenido el 18 de agosto de 2023, de http://www.geologiadelparaguay.com.py/Orue_Mestrado.pdf

Oyedotun, T. D. T. (2014). Shoreline Geometry : DSAS as a Tool for Historical Trend Analysis. Geomorphological Techniques (Online Edition), 2(January 2014), 1–12.

Palomeque, Valdez, I., Jara, N., y Reinoso, F. (2020). Diseño de una mini central hidroeléctrica. Revista Ibérica de Sistemas e Tecnologias de Informação, (E30), 30-43. Obtenido el 16 de mayo de 2023, de:

https://www.researchgate.net/publication/342328500

Perilla, G. A., Mas, J.-F., Perilla, G. A., y Mas, J.-F. (2020). Google Earth Engine (GEE): una poderosa herramienta que vincula el potencial de los datos masivos y la eficacia del procesamiento en la nube. Investigaciones Geográficas, 101. https://doi.org/10.14350/RIG.59929

Quiñonez, O. V. (1996). O método dos pinos na quantificação da erosão marginal em rios e reservatórios. Sociedade e Natureza. https://doi.org/10.14393/SN-v8-1996-61812

Quiñonez, O. V. (2000, Agosto 17). RATES AND PROCESSES OF BANK EROSION, ITAIPU RESERVOIR, PARAGUAY-BRAZIL BORDER, SOUTH AMERICA. 5th INTERNATIONAL SYMPOSIUM ON ENVIRONMENTAL GEOTECHNOLOGY AND GLOBAL SUSTAINABLE DEVELOPMENT Obtenido el 17 de marzo de 2023, de https://www.researchgate.net/publication/236212630_RATES_AND_PROCESSES_OF _BANK_EROSION_ITAIPU_RESERVOIR_PARAGUAYBRAZIL_BORDER_SOUTH_AMERICA

Río, L. Del, y Garrote, J. (2013). Study and mapping of natural hazards in the coastal zone of Murcia. BOLETÍN GEOLÓGICO Y MINERO 124(3):505-520. Obtenido el 6 de abril de 2023, de https://www.researchgate.net/publication/289113372

Rodriguez Alcala, R. (2018). Dictamen sobre “La cuestión del Salto del Guaira”. Edición Primera. Editorial El Lector.

Rosero Berni, E. M. (2021). 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 UNIGIS.

Rubio, M. F. (2014). Gênese e dinâmica de erosões em margens de reservatórios.Pesquisa e Desenvolvimento no estudo de caso nas UHEsChavantes e Rosana (rio Paranapanema, SP/PR). Facultad de filosofía, letras y ciencias humanas. Universidad de San Pablo (USP). Obtenido el 7 de julio de 2023, de https://www.teses.usp.br/teses/disponiveis/8/8135/tde-29062015155336/publico/2014_MauricioFavaRubio_VOrig.pdf

Sedláček, J., Bábek, O., Grygar, T. M., Lenďáková, Z., Pacina, J., Štojdl, J., Hošek, M., y Elznicová, J. (2022). A closer look at sedimentation processes in two dam reservoirs. Journal of Hydrology, 605, 127397. https://doi.org/10.1016/J.JHYDROL.2021.127397

Sengupta, D., Chen, R., Meadows, M. E., y Banerjee, A. (2020). Gaining or losing ground? Tracking Asia’s hunger for ‘new’ coastal land in the era of sea level rise. Science of The Total Environment, 732, 139290. https://doi.org/10.1016/j.scitotenv.2020.139290

Shen, S.-M. (2000). GEOMORPHOLOGICAL AND TECTONIC CONTROLS ON COASTAL EROSION HUATUNG, EASTERN TAIWAN Su-Min SHEN [College London University]. Obtenido el 28 de mayo de 2023, de

https://discovery.ucl.ac.uk/id/eprint/10101293/1/Geomorphological_and_tectonic_. pdf

Simón, J. L. (1990). Politica exterior y relaciones internacionales del Paraguay contemporaneo. Centro paraguayo de estudios sociológicos. Edición Primera. Volumen 1.

Tharwat Sarhan, A., Mina Iskander, M., Nassar, K., y El-Gamal, M. (2022). Shoreline Changes Detection Using Digital Shoreline Analysis System: Case Study Damietta – Port Said Coastal Area, Egypt. MEJ. Mansoura Engineering Journal, 47(1), 35–48. https://doi.org/10.21608/bfemu.2022.236869

Ujaval, G. (2023, Enero 18). Automated Coastline Extraction from Satellite Images using Google Earth Engine Spatial Thoughts. Obtenido el 8 de agosto octubre de 2023, de https://spatialthoughts.com/2023/01/18/automated-coastline-extraction-gee

U.S. Geological Survey. (s. f.). Factors that can affect coastal cliff erosion. Obtenido el 20 de mayo de 2023, de https://www.usgs.gov/media/images/factors-can-affectcoastal-cliff-erosion

Velasco Cadierno, R. (2021). Aplicación de teledetección para estimación de severidad postincendio. Escuela de Ingenierias industriales. Universidad de Valladolid. Obtenido el 29 de mayo de 2023, de https://uvadoc.uva.es/handle/10324/50727

Viceministerio de Minas y Energía (2016). Decreto del Poder Ejecutivo 6092/2016. Política Energética de la República del Paraguay. Obtenido el 9 de octubre de 2023, de https://www.ssme.gov.py/vmme/pdf/decretos/Anexo%20Decreto%206.0922016(B).pdf

Wasmosy, J. C. (2023). ITAIPU. La respuesta pendiente. Edición Primera. Asunción. Paraguay