Firmas espectrales de especies vegetales, suelo y agua de la cuenca del río Chira, región Piura
Palabras clave:
Firma espectral, espectrorradiómetro, imagen satelital, cuenca del río Chira, FieldSpec4Resumen
El monitoreo y detección remota va creciendo exponencialmente, especialmente cuando se trata de la dinámica del comportamiento espectral de diferentes objetos situados en la superficie de la tierra; por lo que, dichas observaciones permiten comprender diversos fenómenos con información actualizada, sirviendo ello, para tomar decisiones responsables en dicho contexto. Tal es así que, una firma espectral obtenida con el espectrorradiómetro FieldSpec4 permite la identificación mediante sensoramiento remoto de distintos tipos de cobertura de especies vegetales, suelo y agua de la cuenca del río Chira, región Piura. Se elaboró la ubicación geográfica satelital de dicha cuenca utilizando el shape correspondiente, un modelo de elevación digital DEM, SNAP y ENVI; para luego, en función de los patrones espectrales clasificar dichas especies a partir de la construcción de librerías espectrales que contie- nen longitudes de onda desde los 350 nm hasta los 2500 nm con un intervalo de 1 nm, correspondiéndole valores de reflectancia del suelo entre 0 y 1. Finalmente, el procesamiento y presentación de las firmas espectrales recogi- das se procesaron en gabinete, realizando el filtro correspondiente de los datos originales y la aplicación del método de la media móvil, determinado así firmas espectrales de especies vegetales, tales como: Muntingia calabura, Jatropha curcas, Ipomoea carnea la popular borrachera, Inga feuilleei, entre otros; suelo con chamiso, suelo con overal, suelo rocoso, suelo con cadmio, entre otros; y, agua de la cuenca del río Chira, región Piura, medidos con el espectrorradiómetro FieldSpec4, sistematizando así una biblioteca de firmas espectrales, que en futuros trabajos servirían para la obtención o clasificación de mapas de cobertura, uso de suelo entre otros, de diferentes elementos sobre la superficie de la tierra en cualquier zona geográfica de interés.
Citas
Adami, M., Bernardes, S., Arai, E., Freitas, m., Shimabukuro, y., Espírito-Santo, F., Rudorff, B. y Anderson, L. (2018). Seasonality of vegetation types of South America depicted by moderate resolution imaging spectro radiometer (MODIS) time series, International Journal of Applied Earth Observation and Geoinformation, Volume 69, Pp. 148-163, ISSN 1569-8432. https://doi.org/10.1016/j.jag.2018.02.010
Aldana, C., Revilla, M., Gonzales, J., Saavedra, Y., Moncada, W., & Maicelo, J. (2020). Relación de firmas espectrales para la identificación de bosque seco en imágenes de satélite Sentinel 2, cuenca baja del río Chira, Región Piura. In Revista de Teledetección (Issue 56, p. 147). Universitat Politecnica de Valencia. https://doi.org/10.4995/raet.2020.14110
Aldana, C., Saavedra, Y., Gonzales, J., Gálvez, D., Palacios, C., Aldana, W., & Moncada, W. (2021). Spatial-tem poral agricultural production of Citrus x limonand Mangifera indica, using spectral signatures and satellite images. In Scientia Agropecuaria (Vol. 12, Issue 4, pp. 557–570). Universidad Nacional de Trujillo. https://doi.org/10.17268/sci.agropecu.2021.060
Alonso, C., & Moreno, V. (1996). Análisis multitemporal de imágenes LANDSAT TM en la cartografía de las masas de hielo y nieve aplicada a la modelización hidrológica. Asociación Española de Teledetección. Disponible en: http://www.aet.org.es/revistas/revista7/AET7_4.pdf
ASD Inc. (2017). FieldSpec 4 Hi-Res High Resolution Spectroradiometer. https://www.asdi.com/products-and-services/fieldspec-spectroradiometers/fieldspec-4-hi-res
Borole*, V. Y., Kulkarni, Dr. S. B., & Bhise, P. R. (2019). Soil Spectral Signature Analysis for Influence of Fertilizers on Two Different Crops in Raver Tahshil. In International Journal of Recent Technology and Engineering (IJRTE) (Vol. 8, Issue 3, pp. 659–663). Blue Eyes Intelligence Engineering and Sciences Engineering and Sciences Publication - BEIESP. https://doi.org/10.35940/ijrte.b2640.098319
Borràs, J., Delegido, J., Pezzola, A., Pereira, M., Morassi, G., & Camps-Valls, G. (2017). Clasificación de usos del suelo a partir de imágenes Sentinel-2. In Revista de Teledetección (Issue 48, p. 55). Universitat Politecnica de Valencia. https://doi.org/10.4995/raet.2017.7133
Han-ya, I., Ishii, K., & Noguchi, N. (2010). Monitoring Rice Growth Environment by Low-altitude Remote Sensing Using Spectroradiometer. In IFAC Proceedings Volumes (Vol. 43, Issue 26, pp. 184–189). Elsevier BV. https://doi.org/10.3182/20101206-3-jp-3009.00032
Jianxi, H., Yuzhuo, H., Wei, S., Junming, L. y Dehai, Z. (2017). Mapping corn and soybean cropped area with GF-1 WFV data[J]. Transactions of the Chinese Society of Agricultural Engineering, 33(7):164-170. DOI:10.11975/j.issn.1002-6819.2017.07.021
Palamuleni, L., Annegarn, H., Kneen, M., & Landmann, T. (2007). Mapping rural savanna woodlands in malawi: a comparison of maximum likelihood and fuzzy classifiers. In 2007 IEEE International Geoscience and
Remote Sensing Symposium. 2007 IEEE International Geoscience and Remote Sensing Symposium. IEEE. https://doi.org/10.1109/igarss.2007.4423035
Peddle, D. R., Peter White, H., Soffer, R. J., Miller, J. R., & LeDrew, E. F. (2001). Reflectance processing of remote sensing spectroradiometer data. In Computers & Geosciences (Vol. 27, Issue 2, pp. 203–213). Elsevier BV. https://doi.org/10.1016/s0098-3004(00)00096-0
Van Dijk, D., Shoaie, S., van Leeuwen, T., & Veraverbeke, S. (2021). Spectral signature analysis of false positive burned area detection from agricultural harvests using Sentinel-2 data. In International Journal of Applied Earth Observation and Geoinformation (Vol. 97, p. 102296). Elsevier BV. https://doi.org/10.1016/j. jag.2021.102296
Vasava, H. B., & Das, B. S. (2022). Assessment of Soil Properties using Spectral Signatures of Bulk Soils and Their Aggregate Size Fractions. In Geoderma (Vol. 417, p. 115837). Elsevier BV. https://doi.org/10.1016/j. geoderma.2022.115837
Zhao, H., Wang, Y., Liu, S., Li, K., & Gao, W. (2019). Spectral reflectance characterization and fiber type discrimination for common natural textile materials using a portable spectroradiometer. In Journal of Archaeologi cal Science (Vol. 111, p. 105026). Elsevier BV. https://doi.org/10.1016/j.jas.2019.105026
Zeferino, L. B., Souza, L. F. T. de, Amaral, C. H. do, Fernandes Filho, E. I., & Oliveira, T. S. de. (2020). Does environmental data increase the accuracy of land use and land cover classification? In International Journal of Applied Earth Observation and Geoinformation (Vol. 91, p. 102128). Elsevier BV. https://doi.org/10.1016/ j.jag.2020.102128z
