universidad nacional autonoma de honduras...

UNIVERSIDAD NACIONAL AUTONOMA DE HONDURAS

FACULTAD DE CIENCIAS ESPACIALES

Maestría en Ordenamiento y Gestión del Territorio

CARACTERIZACIÓN DE ALTERACION HIDROTERMAL Y DINAMICA DE

COBERTURA DE SUELOS MEDIANTE METODOS DE TELEDETECCIÓN, EN

EL VALLE DE CHOLUTECA, HONDURAS.

RAFAEL ENRIQUE CORRALES ANDINO

Máster en Ordenamiento y Gestión del Territorio

Dr. JUAN GREGORIO REJAS AYUGA

Tutor

Ciudad Universitaria, Tegucigalpa, M.D.C. Honduras, América Central

Octubre 11 de 2010

AUTORIDADES UNIVERSITARIAS:

Julieta Gonzalina Castellanos Ruíz

Rectora

Rutilia Calderón Padilla

Vice-Rectora Académica

Ernesto Paz Aguilar

Vice-Rector de Relaciones Internacionales

América Alvarado Díaz

Vice-Rectora de Asuntos Estudiantiles

Emma Virginia Rivera Mejía

Secretaría General

Olga Marina Joya

Director de Estudios de Posgrados

María Cristina Pineda de Carías

Decana Facultad de Ciencias Espaciales

Tribunal Examinador:

Francisco Maza Vásquez

Universidad de Alcalá de Henares

Gustavo Daniel Buzai

Universidad Nacional de Luján

Francisco Aguilera

Universidad de Alcalá de Henares

Caracterización de Alteración Hidrotermal y Dinámica de Cobertura de Suelos mediante métodos de Teledetección, en El Valle de Choluteca, Honduras. Tesis MOGT/UNAH

Rafael E. Corrales, 2010 i

RESUMEN

La Alteración Hidrotermal, es un cambio ambiental sobre las rocas, que provoca

una respuesta mineralógica, química y textural, en presencia de agua caliente,

vapor o gas.

Se realizó un estudio del suelo con tecnología de Percepción Remota o

Teledetección, para caracterizar alteraciones hidrotermales y su comportamiento

en dinámica de coberturas. El objetivo fue la generación de cartografía temática

que pueda integrarse en un Sistema de Información Geográfica como capas de

valor añadido para futuros estudios ambientales, de modelización y su relación

con investigaciones arqueológicas en la región del Valle de Choluteca.

Marco Metodológico, los materiales que se utilizaron fueron: Imágenes TM (año

1990), y ETM+ (año 2002) del sensor Landsat, , Librerías de firmas espectrales

(USGS), Cartografía vectorial y MDT de 30 m. La metodología: 1) Tratamiento

Digital de Imágenes (Clasificación por cobertura y uso del suelo) y Verificación

de Campo; 2) Dinámica de Cambio del Suelo y 3) Caracterización de Alteración

Hidrotermal del Suelo.

Entre los resultados podemos decir que la clasificación genero las siguientes

coberturas: Bosques, Matorrales, Pastos, Cultivos, Suelo desnudo y Agua, de la

dinámica de cambios podemos decir que un 53.4%, se mantuvo sin cambios,

mientras que se produjo un 25.6% de cambio negativo y un 21.0% de cambio

positivo, Las alteraciones hidrotermales se caracterizan por óxidos de hierro y

material arcilloso, integrando los resultados en un SIG de uso libre.

Palabra Clave: Alteraciones, Hidrotermal, Cambios, Suelos, Choluteca.


Rafael E. Corrales, 2010 ii

AGRADECIMIENTO

A mi tutor Dr. Juan Gregorio Rejas Ayuga, por toda la ayuda brindada en el

desarrollo y elaboración del trabajo de investigación, sus conocimientos y

criterios siempre fueron oportunos.

A los Directores de la Maestría en Ordenamiento y Gestión del Territorio, Dr.

Joaquín Bosque Sendra y Dra. María Cristina Pineda de Carías, por la

oportunidad que me brindaron de ser parte de este programa.

A la Coordinadora de la Maestría MsC. Vilma Lorena Ochoa López, por su

apoyo desinteresado y buena voluntad, así como su cooperación para que este

trabajo se culminara con satisfacción.

A mis compañeros y amigos que de una u otra manera contribuyeron en la

formación de criterios, desde sus diferentes ámbitos de trabajo.

A mi Familia por el apoyo que siempre me ha brindado y que sin lugar a duda,

me seguirá brindando.


Rafael E. Corrales, 2010 iii

DEDICATORIA

Este trabajo está dedicado a mi Querida Abuela;

Doña Laura Estela Rodríguez viuda de Vijil, su templanza es ejemplo en mi

vida.

A mi Esposa:

Dra. Ana Lucia Kuhl de Corrales y a mis Hijos Rafael Enrique Corrales Kuhl y

Lucia Corrales Kuhl.

El hombre nada puede aprender sino en virtud de lo que sabe.

Aristóteles


Rafael E. Corrales, 2010 iv

CONTENIDO

RESUMEN…………………………………………………………………………………………i

AGRADECIMIENTOS……………………………………………………………………………ii

DEDICATORIA…………………………………………………………………………………..iii

I. INTRODUCCIÓN………………………………………………………………………01

II. IDENTIFICACIÓN DEL PROBLEMA…………………………...............................02

III. MARCO TEORICO Y CONTEXTUAL……………………………………………….03

III.1. MARCO TEÓRICO…………………………………………….........................03

III.2. MARCO CONTEXTUAL…………………………………................................11

III.2.1. Ubicación Geográfica…………………….…………………………..11

III.2.2 Condiciones Estratigráficas………………….……………………….12

IV. OBJETIVOS Y ALCANCE…………………………………….................................16

V. MARCO METODOLÓGICO……………………………….………………………….17

V.I. MATERIALES Y EQUIPO…………………………….………………………….17

V.II. MÉTODOS……………………………………………….……………………….17

V.II.1. Pre Procesamiento de imágenes Satelitales………………………………..17

V.II.1.1. Layer Stake…………………………………………………………..18

V.II.1.2. SubSet……………………………………….……………………….20

V.II.1.3. Corrección Radiométrica de Imágenes…...................................23

V.II.2. Clasificación por Cobertura y Uso del Suelo…..……………………………26

V.II.2.1. Método ISODATA…………………………………………………...26

V.II.3. Dinámica de Cambios en el Suelo…………………...................................27

V.II.3.1. Operación Matrix…………………………….................................27

V.II.4. Caracterización de Alteraciones Hidrotermales del Suelo………………..29


Rafael E. Corrales, 2010 v

V.II.4.1. Análisis de Componentes Principales

(Técnica de Crosta)…………………………………………………………...30

V.II.4.1.a. Método Crosta 6 bandas TM…………………………………….32

V.II.4.1.b. Método Crosta 4 bandas TM

para Óxidos de Hierro………………….……………………………………..33

V.II.4.1.c. Método Crosta 4 bandas

TM para Hidroxilos……………………...…………………………………….33

V.II.4.1.d. Índice de relación mineral

con ERDAS (Minerales Arcillosos,

Minerales Ferrosos y Óxidos de Hierro)……………………………………34

V.II.4.1.e. Transformación IHS – RGB……………………………………...34

V.II.4.1.f. Índice de Alteración Hidrotermal con ERDAS…………………..35

V.II.4.1.g. Índice de Óxidos de Hierro con ERDAS………………………..35

V.II.4.1.h. Índice de Mineral Arcilloso con ERDAS………………………...35

V.II.5. Integración de los datos al Sistema de

Información Geográfica (SIG)………………………………………………………..36

VI. RESULTADOS…………………………………………………………………………38

VI.I. Clasificación por Cobertura y Uso del Suelo………………………………….38

VI.II. Dinámica de Cambios…………………………………...................................48

VI.III. Alteración Hidrotermal……………………………........................................50

VI.IV. Sistema de Información Geográfica (SIG)……..........................................60

VII. DISCUSIÓN…………………………………………………………………………….63

VIII. CONCLUSIONES………………………………………….......................................65

IX. RECOMENDACIONES……………………………………......................................68

BIBLIOGRAFÍA…………………………………………………………………………………70


Rafael E. Corrales, 2010 vi

ANEXOS…………………………………………………………….......................................73

ANEXO I. SISTEMA DE TELEDETECCIÓN ESPACIAL.....................................74

ANEXO II. SISTEMA DE INFORMACIÓN GEOGRÁFICA……………….............75

ANEXO III. METADATOS IMAGEN LANDSAT DE 06

DE FEBRERO DE 1910…………………………...................................................76

ANEXO IV. METADATO DE IMAGEN LANDSAT 06

DE MAYO DE 2002…………………………………..………………………………..98

ANEXO V. ÍNDICE PATH ROW DE IMÁGENESLANDSAT…………………….102

ANEXO VI. VERIFICACIÓN DE CAMPO, VALLE DE CHOLUTECA…………..103

ANEXO VII. MAPA DE CLASIFICACIÓN POR COBERTURA

Y USO DEL SUELO EN EL VALLE DE CHOLUTECA…………………………..109

ANEXO VIII. MAPA DE ALTERACIÓN HIDROTERMAL

EN EL VALLE DE CHOLUTECA…………………………………………………...110

ANEXO IX. FUTURA LÍNEA DE INVESTIGACIÓN………………………………112

INDICE DE FIGURAS

Figura 3.1.1. Matríz de Filas y Columnas de una Imagen Digital Multibanda. IAFE........7

Figura 3.1.2. Longitud de Onda, en el espectro electromagnético. IAFE…………………8

Figura 3.1.3. Firma Espectral de la Vegetación. Elaboración propia……………………...8

Figura 3.1.4. Clasificación Digital de Imágenes. IAFE………………………………………9

Figura 3.2.1. Ubicación Geográfica del valle de Choluteca. Elaboración propia……….11

Figura 3.2.2.a. Mapa Geológico de Honduras. Honduras Geology……………………...14

Figura 3.2.2.b. Mapa de Fallas y Lineamientos de Honduras. Honduras Geology…….14


Rafael E. Corrales, 2010 vii

Figura 3.3.2.c. Mapa de CuadrangulosGeológicos de Honduras.Honduras Geology…15

Figura 5.2.1.1.a. Interpreter del Menú ERDAS……………………………………………...18

Figura 5.2.1.1.b. Utilities/Layer Stake ERDAS………………………………………………19

Figura 5.2.1.1.c. Layer Stake ERDAS………………………………………………………..19

Figura 5.2.1.1.d. Imágenes LandSat, bandas unidas en mismo archivo………………..20

Figura 5.2.1.2.a. Interpreter del Menú ERDAS……………………...................................20

Figura 5.2.1.2.b. Utilities/Subset del Menú ERDAS………………………………………...21

Figura 5.2.1.2.c. Herramienta de AOI, ERDAS…………………………………………….22

Figura 5.2.1.2.d. Utilities/Subset del Menú ERDAS………………………………………...23

Figura 5.2.1.3.a. Modelo para calculo de Radiancia……………………………………….24

Figura 5.2.1.3.c. Modelo para calculo de Reflectancia…………………………………….25

Figura 5.2.1.3.d. Imagen Izquierda con ND, a la derecha imagen de Reflectancia…….26

Figura 5.2.3.1.a. Dialogo de Interpreter/GIS Analysis para opción Matrix……………….28

Figura 5.2.3.1.b. Ejemplo: Imagen de Matriz de Cambios y su tabla de Atributos……..28

Figura 5.2.4. Firmas espectrales de diferentes minerales alterados.Delendetti………...29

Figura 5.2.4.1.a. Modelo de Componente Principal………………………………………..33

Figura 5.2.4.1.d. Realce a Intensidad, Mezcla y Saturación del Índice…………………..34

Figura 5.2.4.1.e. Realce Final de IHS a RGB……………………………………………….35

Figura 5.2.5. Estructura de Sistema de Información Geográfica………………………….36

Figura 6.1.a. Identificación de clases para aplicación de Recodificación.

Imagen superior: ISODATA 1990; Imagen posterior: Sin Clasificación 1990


Rafael E. Corrales, 2010

viii

y Dialogo de Atributos de cada clase………………………………………………………...42

Figura 6.1.b. Identificación de clases para aplicación de Recodificación.

Imagen superior: ISODATA 2002; Imagen posterior: Sin Clasificación 2002

y Dialogo de Atributos de cada clase………………………………………………………...43

Figura 6.2.a. Matriz de Cambios entre imágenes p18r51 de 1990 y 2002………………48

Figura 6.3.a. Imagen Crosta de 6 bandas no térmicas, para detectar

anomalías hidrotermales………………………………………………………………………51

Figura 6.3.b. Imagen CP4, mostrando hidroxilos en tonos oscuros………………………52

Figura 6.3.c. Imagen CP5, mostrando Óxidos de hierro en tonos oscuros……………..53

Figura 6.3.d. Imagen de R4-G2-B1 (Crosta 4 bandas), para materiales hidroxilos…….54

Figura 6.3.e. Imagen individual del CP4, material hidroxilo en tonos claros…………….55

Figura 6.3.f. Imagen R4-G2-B1 (Crosta 4 bandas) para detección

de Óxidos de Hierro. En este caso los rojos oscuros corresponden

a áreas alteradas hidrotermalmente con óxidos…………………………………………….56

Figura 6.3.g. Imagen de cociente 3/1, para detección de óxidos de hierro……………...57

Figura 6.3.h. Imagen de índice de arcillas (bandas 5/7)…………………………………..58

Figura 6.3.i. Gráfico de RGB y su relación a IHS…………………………………………...58

Figura 6.3.j. Imagen de Composición Mineral R1G2B3……………………………………59

Figura 6.3.k. Imagen de Composición Mineral R3G2B1…………………………………...59

Figura 6.4.a. Estructura del SIG de integración…………………………………………….60

Figura 6.4.b. Visualización del SIG, desde formato ArcGIS……………………………….61


Rafael E. Corrales, 2010 ix

Figura 6.4.c. Visualización del SIG, desde ArcReader, de acceso público……………...61

Figura 6.4.d. Mapa de Modelo Digital del Terrero del área de estudio…………………..62

Figura A.I.a. Sistema de Percepción Remota. Por James Tindall………………………..74

Figura A.I.b. Espectro Electromagnético…………………................................................74

INDICE DE CUADRO

Cuadro 5.2.1. Bandas Espectrales del sensor LandSat 5 y 7…………………………….18

Cuadro 5.2.4.1. Reflectancia y Absorción de minerales al sensor LandSat……………..32

Cuadro 6.1.a. Clasificación Tipo Muchos a Uno, Imagen p18r51 de 1990 y 2002……..41

Cuadro 6.1.c. Matriz de Error para Clasificación deimagen p18r51 de 1990……………44

Cuadro 6.1.d. Precisión Total de la Clasificación en la imagen p18r51 de 1990………..44

Cuadro 6.1.e. Índice Kappa, Clasificación p18r51 de 1990……………………………….45

Cuadro 6.1.f. Matriz de Error para Clasificación de imagen p18r51 de 2002……………46

Cuadro 6.1.g. Precisión Total de la Clasificación en la imagen p18r51 de 2002………..47

Cuadro 6.1.h. Índice Kappa, Clasificación p18r51 de 2002……………………………….47

Cuadro 6.2.a. Dinámica de Cambio de las 6 coberturas entre 1990 y 2002,

correspondiente al Valle de Choluteca. Código de cobertura: 1= Bosques,

2 = Matorrales, 3 = Pastos, 4 = Cultivos, 5 = Suelo Desnudo y 6 = Agua……………….50

Cuadro 6.3.a. Matriz Cargas de Crosta de 6 bandas no térmicas.

Muestra valores para Vegetación (v), Hidroxilos (h) y Óxidos (o)………………………...53

Cuadro 6.3.b. Matriz de Cragas, (Crosta 4 bandas) para Hidroxilos……………………..54

Cuadro 6.3.c. Matriz de Cargas, (Crosta 4 bandas) para Óxidos…………………………56


Rafael E. Corrales, 2010 1

I. INTRODUCCIÓN

Si partimos del punto que La Tierra es un sistema abierto, por lo tanto, dinámico,

en el cual los distintos materiales que lo conforman se mueven de un sitio a otro,

cambian de forma y también de composición a través de distintos procesos.

Desde el punto de vista de la geoquímica, existen dos grandes divisiones

cuando se hacen consideraciones inherentes a la Tierra como sistema de

estudio: ambiente geoquímico profundo y ambiente geoquímico superficial,

divisiones que han sido hechas en función de las variables que caracterizan o

que actúan de manera más notoria en cada uno de estos sub sistemas. En

cualquiera de estos ambientes una masa de material, raramente conserva su

identidad, ya que esta pasa a través de una serie de transformaciones mayores

conocidas como ciclo geoquímico, de esta manera todo material contenido en

el sistema tierra, tiende en intervalos de tiempo muy variables, a ser

redistribuido, alterado, fraccionado, y mezclado con otros materiales. Este

proceso en el cual átomos y partículas se mueven de un ambiente o localidad a

un nuevo ambiente ha sido descrito a través de los conceptos de diferenciación

geoquímica y dispersión geoquímica.

Así, en el ambiente geoquímico profundo, la dispersión de elementos químicos

está controlada principalmente por la composición de las fases derivadas del

manto, la presión del medio y la temperatura, siendo los procesos de fusión,

cristalización, re cristalización, y alteración hidrotermal los que controlan de

manera más pronunciada la dispersión de elementos.

En este sentido, los datos de percepción remota y el tratamiento digital de las

imágenes vienen utilizándose desde hace décadas para la generación de

cartografía temática de varios tipos, dos de ellos objetivos prioritarios del

proyecto de Tesis: (1) cubiertas terrestres -cultivos, vegetación, urbano- y (2)

posibles alteraciones hidrotermales.



Para ello, las investigaciones se han centrado en mejorar dos técnicas

habituales, clasificación digital por un lado, y Técnica Crosta (Crosta et al. 2000)

en lo referente a la detección de superficies alteradas hidrotermalmente; esta

última ha sido validada y contrastada científicamente para diferentes escenarios

geológicos. Permite discriminar a partir de las imágenes que adquieren sensores

espaciales entre la respuesta espectral de las arcillas y la de los óxidos de

hierro, que se pueden interpretar como alteraciones argilíticas y limoníticas,

respectivamente.

El presente proyecto incide en el desarrollo de estas metodologías para el

estudio de las coberturas de suelos y su dinámica temporal en un caso concreto.

II. IDENTIFICACION DEL PROBLEMA

La escasa información sobre la mineralogía de los suelos, su poca actualización,

la poca importancia ante sus características, físicas y químicas, tales como

alteraciones hidrotermales, que establecen cambios en las capacidades del uso

del suelo y cambios en su cobertura vegetal, hace que en su mayoría, se

subutilice o sobre utilice un suelo.

En este sentido se ha planteado realizar un estudio del suelo con tecnología de

Percepción Remota, para caracterizar alteraciones hidrotermales y su

comportamiento en dinámica de coberturas. Con esto se pretende establecer, si

dichas alteraciones hidrotermales tienen influencia directa en los cambios de

cobertura del suelo. Es decir establecer, si la presencia de materiales formados

en condiciones de alteración hidrotermal, marca cambios en el uso del suelo,

afectan a la geomorfología de la zona o a su estabilidad, o si estos evidencian

rastros de utilidad arqueológica para establecer rutas y patrones de

desplazamiento de poblaciones humanas.



III. MARCO TEÓRICO Y CONTEXTUAL

En este capítulo se describirá el ámbito conceptual a utilizarse durante el

desarrollo de la investigación, así como del marco contextual del área sujeta a

estudio.

III.1. MARCO TEÓRICO

Dentro del marco teórico encontraremos a continuación las definiciones más

relevantes dentro del campo.

Alteración Hidrotermal

Todo cambio ambiental sobre las rocas, provoca una respuesta mineralógica,

química y textural, (en presencia de agua caliente, vapor o gas) conocida en

términos generales como alteración hidrotermal.

La alteración hidrotermal ocurre a través de la transformación de fases

minerales, crecimiento de nuevos minerales, disolución de minerales y/o

precipitación, y reacciones de intercambio iónico entre los minerales

constituyentes de una roca y el fluido caliente que circuló por la misma. Aunque

la composición litológica inicial tiene una influencia en la mineralogía secundaria

(hidrotermal), su efecto es menor que el debido a la permeabilidad, temperatura

y composición del fluido (Maksaev V., 2003).

En efecto, la temperatura del fluido y el pH del mismo son los factores más

relevantes en la asociación mineralógica resultante de los procesos de alteración

hidrotermal, más que la litología.

Factores que controlan a la alteración hidrotermal de las rocas.

a) Temperatura y la diferencia de temperatura (Δtº) entre la roca y el

fluido que la invade: mientras más caliente el fluido mayor será el efecto

sobre la mineralogía original.



b) Composición del fluido; sobre todo el pH del fluido hidrotermal:

mientras más bajo el pH (fluido más ácido) mayor será el efecto sobre los

minerales originales.

c) Permeabilidad de la roca: Una roca compacta y sin permeabilidad no

podrá ser invadida por fluidos hidrotermales para causar efectos de

alteración. Sin embargo, los fluidos pueden producir fracturas hidráulicas

de las rocas o disolución de minerales generando permeabilidad

secundaria en ellas.

d) Duración de la interacción agua/roca y variaciones de la razón

agua/roca. Mientras mayor volumen de aguas calientes circulen por las

rocas y por mayor tiempo, las modificaciones mineralógicas serán más

completas.

e) Composición de la roca; la proporción de minerales es relevante para

grados menos intensos de alteración, dado que los distintos minerales

tienen distinta susceptibilidad a ser alterados, pero en alteraciones

intensas la mineralogía resultante es esencialmente independiente del

tipo de roca original.

f) Presión: este es un efecto indirecto, pero controla procesos

secundarios como la profundidad de ebullición de fluidos, fracturas

hidráulicas (generación de brechas hidrotermales) y erupción o

explosiones hidrotermales (Maksaev V., 2003).

Percepción Remota o Teledetección

Es la ciencia que se encarga de la adquisición de información a través de

sensores sin entrar en contacto directo entre el sensor y el objeto o fenómeno

sujeto de estudio. Generalmente consiste de un sistema fotográfico u óptico-

electrónico capaces de detectar y registrar, en forma de imágenes o no, el flujo

de energía radiante reflejado o emitido por objetos distantes (Anexo I).



Leyes Físicas de la radiación Electromagnética

La fuente de energía principal en un sistema de Teledetección es la radiación

solar, misma que pasa por interacciones con la atmósfera y la tierra.

Según la Ley de Planck la energía Qi de un cuerpo negro (para dar una

determinada temperatura de emisión) en función de la frecuencia de la emisión

“f” (por tanto su longitud de onda).

Qi = ħ.f siendo ħ = cte de Planck

Tanto el flujo radiante, como la emitancia depende la la longitud de onda (λ)

emitida. Planck definió la emitancia de un cuerpo negro para una λi como:

Siendo: ħ = cte de Planck 6.266x10-34J.s

K = cte de Boltzman 1.38x10-23ws2.k-1

T = Temperatura absoluta de un cuerpo negro en grados Kelvin (⁰K)

La Ley de Desplazamiento de Wien, define la λi a la que se emite a la máxima

cantidad de energía (λmax) en función de la temperatura del foco emisor:

λmax = A/T

Donde A = 2898 µm . ⁰K; y T = temperatura en ⁰K

De manera que si conocemos la temperatura de emisión de un objeto,

podríamos conocerla λ en que se emite la mayor cantidad de energía. Si

integramos todas las λ, tendremos la Ley de Stefan Boltzman:

Mn = σ.T4



Siendo σ = la cte de Stefan Boltzman = 5.6697x10-8W.m-2k-4

Como la energía incide tanto en las leyes del movimiento ondulatorio y de la

teoría cuántica, al fusionar ambos principios tendremos:

C = λ.f (Ley Ondulatoria, C = Velocidad de la Luz)

Qi = ħ.f (Teoría de Partículas, f = frecuencia en Herzios)

Qi = ħ.c / λ (uniendo ambos principios)

Propagación de la Energía en la Atmosfera y la Terra

La Energía interacciona con la atmosfera, que está compuesta por moléculas

gaseosas y partículas en suspensión (CO2, O2, O3, N2, Argón y vapor de H2O).

La interacción con estas partículas produce dos tipos de fenómenos:

Absorsión: implica una reducción de la energía debido principalmente al CO2,

O2, O3, las zonas del espectro electromagnético donde existe menor absorción,

son las destinadas para el diseño de los sensores, estas zonas son conocidas

como ventanas atmosféricas.

Dispersión: en este caso la energía incidente se refleja o refracta, variando su

dirección e intensidad (por lo tanto hay una disminución de la misma). Este

fenómeno varía según la λ de la radiación incidente y del tamaño de la partícula:

Dispersión de Rayleygh (cielo azul), Dispersión de Mie (brumas) y Dispersión no

selectiva (nubes blancas).

En el suelo la propagación depende de la composición, estructura y

emplazamiento de los materiales de la superficie terrestre, de la geometría de la

observación y de la λ incidente. Todo ello implica que la energía incidente sea

Reflejada (forma especular en todas direcciones), Absorbida (que

posteriormente se transformará en energía emitida) y transmitida (energía

geotérmica.



Imagen Digital

Según Pinilla (1995), es una función discretizada de la imagen analógica, en las

dimensiones geométricas, por la generación de celdas por muestreo

equiespaciado de la superficie (Figura 3.1.1), como en sentido radiométrico, por

la asignación de valores enteros o Niveles Digitales (ND), que están

comprendidos entre 0 y k1, siendo k el margen dinámico del sistema,

determinado a su vez por su resolución radiométrica.

Figura 3.1.1. Matríz de Filas y Columnas de una Imagen Digital Multibanda. IAFE.

Longitud de Onda

Distancia entre dos nodos o dos valles consecutivos de una onda. En el caso de

la radiación electromagnética, es el recíproco de la frecuencia de dicha radiación

multiplicada por la velocidad de la luz. De su λ derivan la mayor parte de las

propiedades de la radiación electromagnética (Figura 3.1.2). La clasificación del

espectro electromagnético en regiones consiste en la agrupación de aquellos

intervalos de λ en los cuales la radiación tiene comportamientos

electromagnéticos similares.



Figura 3.1.2. Longitud de Onda, en el espectro electromagnético. IAFE.

Firma Espectral

Forma característica del espectro de emisión/reflexión de una determinada

superficie. Como cada material posee bandas de absorción diferentes de

acuerdo a su composición química, la energía solar reflejada será el

complemento a la incidente más la emitida por aquélla. (Figura 3.1.3).

Figura 3.1.3. Firma Espectral de la Vegetación. Elaboración propia.



Clasificación de Imágenes Satelitales

La clasificación es el proceso por el cual se agrupan los pixeles en un número

determinado o finito de clases individuales con base en los niveles digitales de

los datos (Figura 3.1.4). Cuando un pixel cumple satisfactoriamente los

requisitos (criterios), este es asignado a la clase que corresponda a ese requisito

(Corrales, 2004).

Figura 3.1.4. Clasificación Digital de Imágenes. IAFE.

La única restricción que se impone a la identificación de superficies mediante la

teledetección deriva de la propia resolución espectral del sensor, el cual no es

capaz de proporcionar un espectro continuo de la superficie observada sino de

un número finito de bandas, dentro de cuyos intervalos espectrales no puede

hacer distinción alguna. La teledetección hiperespectral, que proporciona una

gran cantidad de bandas para cada imagen, acerca las firmas obtenidas a la

verdadera firma espectral de la superficie, y con ello facilita su identificación.

Detección de Cambios

Es un método de análisis multitemporal de cambios, en el cual se hace una

comparación digital de imágenes obtenidas en diferentes fechas.



Sistema de Información Geográfica

Un Sistema de Información Geográfico "SIG o GIS", es una integración

organizada de hardware, software, datos geográficos y personal, diseñado para

capturar, almacenar, manipular, analizar y desplegar en todas sus formas la

información geográficamente referenciada con el fin de resolver problemas

complejos de planificación y gestión. También puede definirse como un modelo

de una parte de la realidad referido a un sistema de coordenadas terrestre y

construido para satisfacer unas necesidades concretas de información,

(GEOINFO).

Los SIGs pueden ser utilizados y manejados como bases de datos

convencionales manejando todas las opciones de análisis, búsqueda selectiva,

realización de estadísticos, etc., propias de cualquier Sistema Gestor de Bases

de Datos y como bases de datos georreferenciados. La información es integrada

en un sistema que facilitaría las tareas organizativas y que ayudaría a observar

más intuitivamente toda la información necesaria, aprovechando la característica

propia de los SIGs, es decir, la georreferenciación de la información, para el

análisis o evaluación de los programas desarrollados (Rodríguez et al, 2000).

Un SIG desde el punto de vista de software (programa) está compuesto de

cuatro componentes que operan de manera secuencial y combinada (Buzai,

2007):

Almacenamiento y Organización de Datos Geográficos Espaciales

Almacenamiento y Organización de datos Geográficos Tabulares

Tratamiento de Datos, o Rutinas de Análisis Espacial

Reporte de Resultados en Mapas, Tablas y Gráficos.

Un SIG debe ser una herramienta funcional, que brinde seguridad, pero que a la

vez sea flexible con respecto a los datos de entrada y salida (Anexo II).



III.2. MARCO CONTEXTUAL

III.2.1. Ubicación Geográfica

El área de estudio se encuentra en el “Valle” de Choluteca, es un rectángulo de

una superficie de 6,318.4 km2, ubicado en la siguiente coordenada de

proyección UTM, en el centroide 479348.3128 E 1668742.421 N. El área

comparte los departamentos de Choluteca (municipios de Choluteca, Marcovia,

Namasigue y Santa Ana de Yusguare, El Corpus, El Triunfo, Orocuina y Liure) y

una pequeña fracción de Valle (municipio de San Lorenzo). El valle es irrigado

principalmente por el Río Grande o Choluteca, el Río Sampile, Estero Real y Río

Istoca.

Figura 3.2.1. Ubicación Geográfica del valle de Choluteca. Elaboración propia.



III.2.2 Condiciones Estratigráficas

La estratigrafía del lugar está conformada según Kozuch, 1991 en las

siguientes formaciones y grupos (Figura 3.2.2.a):

Formación Matagalpa (Tm):

Afloramientos de andesitas, basaltos y depósitos piroclásticos de la parte

Norte de América Central fue designada como Formación Matagalpa.

Rocas frescas revelan un color de morado oscuro o negro y una textura

porfiritica, muchas veces zonas silisificadas se encuentran en estas rocas

que forman pequeños picos resistentes a la erosión. Estudios muestran

que poseen un espesor variable entre20 a 350 metros.

Originalmente se le había asignado una edad Oligoceno a Mioceno

temprano, mas tarde estudios en el cuadrángulo Siguatepeque revelaron

que hay basaltos y andesitas que datan del Paleoceno. A estas rocas se

les dio el nombre de Agua Dulce. Muestras del cuadrángulo San Pedro

Zacapa se encontraron algunas muestras de rocas volcánicas que se

mapearon como Formación Matagalpa y que tenían que ser más antiguas

que el Oligoceno tardío. Hasta establecer el rango de edades exactas

tanto como su identidad real (Matagalpa o Agua Dulce) a estas rocas se

les dará el nombre de una sola formación Matagalpa con una edad amplia

del Paleoceno al Mioceno medio.

Grupo Padre Miguel (Tpm):

Una secuencia gruesa de ignimbritas cubre la mayoría del Occidente de

honduras y descansan en una relación disconforme sobre la Formación

Matagalpa, se ha calculado que puede haber 5, 000 kilómetros cúbicos de

material volcánico cubriendo el país. Estas ignimbritas fueron

originalmente designadas Grupo Jutiapa. Subsecuentemente fueron



correlacionadas con el Grupo Padre Miguel de Guatemala y el nombre de

Jutiapa fue abandonado a favor de Padre Miguel.

Las rocas más notables son las ignimbritas riolíticas blancas, pero entre

ellas hay también tobas, lahars, sillars, y sedimentos piroclásticos. Las

rocas sedimentarias derivadas de coladas de basaltos, andesita y riolita,

contienen pómez y fragmentos piroclasticos. Se estima una edad del

Oligoceno al Mioceno en muestras tomadas en varias partes del país.

Aluviones del Cuaternario (Qal):

Los aluviones del cuaternario generalmente ocupan los pisos de los

grandes valles, las costas, y los pies de las montañas. Por lo general se

presentan como terrazas de grava o depósitos de cauce. En algunos

lugares las terrazas forman varios niveles de las cuales los superiores se

encuentran a veces muy erosionadas.

Cuerpos Intrusivos (Pzi, Ki, Kti y Ti):

Desde los pequeños diques que penetran las formaciones más recientes

hasta los enormes cuerpos intrusivos, la distribución, composición y edad

de estas rocas es muy extensa y variable en todo el país. Generalmente,

estos cuerpos intrusivos son granitos, grano de oritas, dioritas y tonalitas.

En cada ocasión se hizo lo posible por distinguir las rocas en el mapa de

acuerdo con su edad respectiva, la cual puede ser del Paleozoico (Pzi),

Cretacico (Ki), Terciario (Ti), o una edad entre los dos períodos (KTi).

En la zona se presentan fallas geológicas ni lineamientos importantes

(Figura 3.2.2.b), por lo menos no aparecen reportes hasta lo investigado,

tampoco existen cuadrángulos geológicos en escala 1:50,000 para la

zona (Figura 3.2.2.c).



Figura 3.2.2.a. Mapa Geológico de Honduras. Honduras Geology.

Figura 3.3.2.b. Mapa de Fallas y Lineamientos de Honduras. Honduras Geology.



Figura 3.2.2.c. Mapa de CuadrangulosGeológicos de Honduras. Honduras Geology.



IV. OBJETIVOS Y ALCANCE

Objetivo General

El objetivo de este trabajo es la generación de cartografía temática que pueda

integrarse en un Sistema de Información Geográfica (S.I.G.) como capas de

valor añadido para futuros estudios ambientales, de modelización y su relación

con investigaciones arqueológicas en la región del Valle de Choluteca.

Objetivos Específicos

Objetivos específicos del proyecto de Tesis son:

- Generación de cartografía de cobertura de suelos y su dinámica mediante

técnicas y datos de Percepción Remota (Teledetección).

- Delimitación de posibles materiales alterados hidrotermalmente presentes

en el área de estudio y sus alrededores mediante Técnica de Crosta.

- Generación de distintos índices de suelos, estudio de cambios y su

relación con posibles efectos de erosión de ladera e inundación.

Alcance

El interés de la detección de posible actividad de alteración en laderas y lugares

expuestos se debe a que la acción hidrotermal junto con la meteorización puede

favorecer deslizamientos en un terreno ya de por sí proclive a sufrir este tipo de

fenómeno, lo cual entraña en sí mismo un riesgo potencial para los núcleos de

población y lugares de valor patrimonial del área.



La mayor parte de estudios de alteraciones hidrotermales se han realizado en

zonas desprovistas de vegetación. En este caso, resulta de especial interés el

estudio de las diferentes coberturas vegetales y su dinámica temporal, ya que

puede aportar datos significativos sobre su efecto en la técnica y sobre

investigaciones similares que se desarrollen en zonas tropicales.

El proyecto de Tesis permitirá avanzar en el desarrollo de las metodologías de

percepción remota dentro del marco general de proyectos de investigación

aplicables como nuevas tecnologías para la exploración de sitios considerados

de interés cultural y antropológicos.

V. MARCO METODOLÓGICO

V.I MATERIALES Y EQUIPO

Los materiales y equipo que se utilizarán en el proyecto de Tesis son los

siguientes:

- Imágenes TM, y ETM+ del satélite Landsat (Anexo III y IV)

- Modelo digital del terreno de 30 mt de paso de malla.

- Librerías de firmas espectrales del USGS

- Cartografía vectorial

- Programas Utilizados: ArcGIS 9.3 y ERDAS IMAGINE 8.5

V.II MÉTODOS

2.1. Pre-procesamiento de Imágenes Satelitales

El pre-procesamiento de las imágenes satelitales, consistió en la unión de las

bandas espectrales, sin las bandas terminas, tanto para la imagen p18r51 de

06 de febrero de 1990 y p18r51 del 06 de mayo del 2022, (Anexo V) la



primera del sensor Thematic Mapper 5 y la segunda del Enhancement

Thematic Mapper 7 (TM5 y ETM 7) del proyecto LandSat , (Cuadro 5.2.1).

Cuadro 5.2.1. Bandas Espectrales del sensor LandSat 5 y 7.

2.1.1. Layer Stake:

Para el desarrollo de estos procesos se utilizo el programa de tratamiento

digital de imágenes ERDAS Imagine, como se explica a continuación:

a) Desde ERDAS Imagine, abra el modulo Interpreter, (Figura

5.2.1.1.a).

Figura 5.2.1.1.a. Interpreter del Menú ERDAS.

b) Seleccione la opción Utilities/Layer Stake, para que aparezca la caja

de dialogo Layer Selection and Staking, en donde cargamos las

diferentes bandas espectrales que corresponden a la misma escena

de imagen satelital, (Figura 5.2.1.1.b).



Figura 5.2.1.1.b. Utilities/Layer Stake ERDAS.

c) Para cargar las bandas, es necesario introducir como archivo de

entrada (Input File) la primera banda de la imagen, luego para ir

agregando las demás bandas hacemos un clic en el botón Add, para

las siguientes banda en el orden correspondientes a banda 2, 3, 4,

sucesivamente hasta llegar a la ultima banda. (Figura 5.2.1.1.c).

Figura 5.2.1.1.c. Layer Stake ERDAS.



d) Creando un archivo nuevo de imagen, para esto fue necesario dar un

nombre de salida (Output File), hacer un clic en el Radio Union y un

clic en el botón OK. De esta forma visualizamos las imágenes de

forma multibanda (Figura 5.2.1.1.d) en la combinación escogida (R4,

G5, B3),

Figura 5.2.1.1.d. Imágenes LandSat, bandas unidas en mismo archivo.

2.1.2. SubSet

a) Para ello utilizamos el Modulo de Interpreter del programa ERDAS

Imagen, (Figura 5.2.1.2.a).

Figura 5.2.1.2.a. Interpreter del Menú ERDAS.



b) Seleccionamos la opción Utilities, la cual desplegó diferentes

opciones operacionales de las cuales la que necesitamos fue la opción

Subset. Esto fue importante ya que no queríamos trabajar con toda la

imagen, sino que únicamente una porción poligonal, (Figura 5.2.1.2.b).

Figura 5.2.1.2.b. Utilities/Subset del Menú ERDAS.

c) Para la aplicación correcta de cortado fue necesario introducir la imagen

que queremos cortar, dar un nombre de salida y seleccionar el método

adecuado que en este caso se realizo por Área de Interés (AOI), la cual

se establece previo al corte con el área que queremos estudiar, esto se

logró escogiendo desde la vista la opción AOI y de ella las herramientas

(Tool) de la cual tomamos la herramienta de creación de polígonos para

establecer el área de estudio, que este caso atiende la porción

continental del territorio cercano al Golfo de Fonseca en los

departamentos de Valle y Choluteca, en lo que hemos llamado Valle de

Choluteca, (Figura 5.2.1.2.c).



Figura 5.2.1.2.c. Herramienta de AOI, ERDAS.

d) Luego de crear el polígono debemos salvarlo para utilizarlo en la caja

de dialogo del cortador (Subset).este se guardara con el formato *.aoi.

En este paso tenemos el cuidado de cortar un fragmento de imagen

que no contenga datos 0 (cero), para poder realizar satisfactoriamente

las correcciones de magnitudes físicas a radiancia y reflectividad,

(Figura 5.2.1.2.d)



Figura 5.2.1.2.d. Utilities/Subset del Menú ERDAS.

2.1.3. Corrección Radiométrica de Imágenes (Radiancia y Reflectancia)

a) Una vez que hemos cortado la imagen con el área objeto de estudio y

que ésta a su vez no contenga datos cero (0), introducidos

generalmente por los bordes de las imágenes, se procedió a calcular

su radiancia, como fase primordial para establecer la reflectancia de

las diferentes cubiertas de la superficie terrestre capturada en la

imagen.



b) El cálculo de la radiancia se realizo con la utilización del modelador de

ERDAS IMAGINE y el algoritmo L= G*DN + B, como se muestra en la

siguiente Figura 5.2.1.3.a:

Figura 5.2.1.3.a. Modelo para calculo de Radiancia.

En donde:

L: Radiancia

G: Gain

B: Bias

DN: Numero Digital



c) Una vez que obtuvimos una nueva imagen de la misma escena de

estudio pero con datos de radiancia, proseguimos a calcular la

reflectividad a través del algoritmo basado en la reflectividad de TOA a

través de la radiancia, o la reflectancia al tope de la atmósfera, la cual

indica la relación entre la energía incidente y la reflejada (solo se

puede expresar en porcentajes). A continuación se puede observar en

la Figura 5.2.1.3.c:

Figura 5.2.1.3.c. Modelo para calculo de Reflectancia.

d) Una vez calculados los valores de la reflectancia de la imagen, los

datos están listos para el procesamiento de obtención de

Clasificaciones Digitales por Cobertura y Uso del Suelo, como parte

importante en el análisis de cambios multitemporal y de los cocientes

de minerales ferrosos y arcillosos, tal como observamos en la Figura

5.2.1.3.d.



Figura 5.2.1.3.d. Imagen Izquierda con ND, a la derecha imagen de Reflectancia.

2.2. Clasificación por Cobertura y Uso del Suelo

Existen dos tipos de clasificación una supervisada, donde el intérprete

asigna muestras de entrenamiento de las diferentes clases o cluster y otra

donde el intérprete asigna un número máximo de clases por cercanía

espectral, en este proyecto hemos seleccionado el método no

supervisado.

2.2.1. Método ISODATA

a) Clasificador ISODATA, se uso para realizar una clasificación no

supervisada, utiliza la formula de la distancia espectral mínima para

formar cluster, comenzando arbitrariamente con un cluster

promedio (de firmas espectrales existentes). cada vez que se repite

el proceso de formación de cluster, el promedio de estos se

modifica. Los nuevos cluster se usan para las siguientes

Iteraciones. La utilidad isodata se repite hasta que se ejecuta el

número máximo de iteraciones o se alcance el máximo porcentaje

de asignaciones de pixeles sin cambios entre varias iteraciones.

Rcorrales

Resaltado

Rcorrales

Resaltado



b) En este trabajo se generaron 100 cluster, a un nivel de 12

iteraciones, la combinación de bandas utilizada fue Banda TM4 en

Rojo, Banda TM5 en Verde y Banda TM3 en Azul, se corrió una

matriz de confusión para conocer su confiabilidad, siendo aprobada

si presenta un mínimo de 85% de acierto.

c) Recodificación, la recodificación constituye la fusión de las

diferentes muestras de entrenamiento (Anexo V, VI) una vez que

estas se han analizado por separabilidad por banda espectral.

d) Filtros, Los filtros se encuentran basados en la técnica de vecino

más cercano con un kernel menor de 3x3, para evitar pérdidas

mayores de información, luego se establece un Clump, proceso

intermedio de filtrado, para terminar con el Eliminate, en donde se

establece el área mínima que se eliminará de las coberturas

aisladas, lo que evita que la clasificación contenga efectos de

salpicaduras.

2.3. Dinámica de Cambios en el Suelo

2.3.1. Operación Matrix

a) Una vez que se tienes las dos imágenes clasificadas con la misma

nomenclatura, se pude aplicar la detección de cambios, utilizando

desde Interpreter/GIS Analysis/ Matrix, (Figura 5.2.3.1.a) del cual

seleccionamos como Vector 1 a la imagen de Fecha 1, y para el

Vector 2 la imagen de Fecha 2, generando una nueva imagen con

los datos de la Fecha 1 y la Fecha 2 como relación de cambio por

lo que fue necesario crear una nueva columna llamada cambios, al

Rcorrales

Resaltado

La recodificación implica ajustar los "cluster" supervisadamente a las clases que cmo expertos sabemos que existen en la zona y que espectralmente aparecen como una misma clase, mientras que su uso la obliga a cambiar.



igual que una de Área por Hectáreas y la asignación de color a

cambios positivos, cambios negativos y áreas sin cambio (Figura

5.2.3.1.b).

Figura 5.2.3.1.a. Dialogo de Interpreter/GIS Analysis para opción Matrix.

Figura 5.2.3.1.b. Ejemplo: Imagen de Matriz de Cambios y su tabla de Atributos.



2.3.2. Una vez generada esta información se puede realizar diferentes

análisis de los cambios ocurridos entre ambas imágenes, relacionándolas

con aspectos socio-económicos y ambientales.

2.4. Caracterización de Alteración Hidrotermal del Suelo

El método para la caracterización de alteraciones hidrotermales del suelo por

técnicas de teledetección (Figura 5.2.4), consiste en un análisis de

componentes principales (ACP) selectivos aplicados para la cartografía de

óxido de hierro y minerales arcillosos. Estos materiales están directamente

relacionados con varios tipos de alteración hidrotermal tales como

alteraciones potásicas, filíticas y propilíticas (Bragado, E., Rejas, J.G.,

Marchamalo M. and Martínez, R. 2008).

Figura 5.2.4. Firmas espectrales de diferentes minerales alterados.Delendetti.



2.4.1. Análisis de Componentes Principales (Técnica de Crosta)

La ACP es una poderosa técnica que puede utilizarse para los efectos de la

supresión de la irradiancia que dominan todas las bandas, resaltando las

características de reflectancia espectral de materiales geológicos. ACP se

puede aplicar a conjuntos de datos multivariantes, como las imágenes

multiespectrales de teledetección, con el fin de obtener respuestas

espectrales concretas, como en el caso de minerales de alteración

hidrotermal.

Investigadores como Delendatti, describe un ACP como una combinación

lineal por la cual un conjunto de variables correlacionadas se transforma en

un sistema de variables no correlacionadas llamadas componentes

principales (CP) las cuales pueden describir en un espacio menos complejo

la variabilidad total de los datos originales. Esto quiere decir que las

transformaciones iniciales de los datos estarán referidas a un nuevo sistema

de ejes ortogonales en el cual la varianza en la dirección del primer eje está

maximizada. La varianza total de los componentes es igual a la varianza de

las variables originales y los CP se ordenan según varianza decreciente.

Según Chuvieco (1990), Las bandas del Thematic Mapper del Proyecto

LandSat (TM) son variables correlacionables porque comparten información

espectral debido a que los distintos tipos de superficies tienden a presentar

comportamientos similares en regiones próximas del espectro

electromagnético.

Aplicando ACP a un número n de bandas (las cuales definen un espacio n-

dimensional) se generan n componentes principales (CP) o nuevas bandas

en las que la información espectral original se reorganiza de forma más

sencilla reduciendo al mínimo la redundancia de la información (y por lo tanto

la correlación) entre las nuevas bandas sin que esto implique la pérdida de



datos ya que la varianza total del sistema permanece constante después de

la transformación.

La literatura cita que al correr un ACP, la secuencia de cálculos efectuados

son los siguiente: 1) matriz de varianza/covarianza; 2) matriz de correlación

entre bandas originales; 3) matriz de eigenvectores por eigenvalor y 4) matriz

de pesos (loadings). Observando las correspondientes matrices se puede ver

que todas las variables aportan información a las CP´s.

Los eigenvalores expresan la longitud de cada una de las nuevas

componentes y permiten ver la distribución de la varianza total del sistema en

las nuevas bandas.

La primera CP retiene el mayor porcentaje de información original y las

siguientes componentes retienen proporciones cada vez menores. Los

eigenvectores representan los pesos sobre cada una de las variables

originales en la ecuación para calcular una CP y el signo de los mismos

indica el sentido de variación de las nuevas variables en relación con las

originales.

Los elementos de la matriz de cargas o loadings miden la correlación de las

variables originales con las CP y en el cálculo del peso entre una CP y una

banda intervienen el eigenvector de la componente en la banda, el eigenvalor

del componente y la desviación típica de la banda (Chuvieco 1990).

Una vez comprendidas las interacciones entre los fluidos hidrotermales

formados por variables proporciones de líquidos magmáticos y/o meteóricos

con la roca, producen asociaciones de minerales de alteración en la zona de

acción; óxidos de hierro, (hematita, goethita y jarosita); así como, materiales

arcillosos alterados. Espectralmente cada roca alterada es sensible a un

rango específico del espectro electromagnético; los óxidos de hierro son más

sensibles a ser detectados en el visible (400 – 700 nm) con máxima



reflectancia en la banda roja TM3 y las alteraciones arcillosas presentan

refletancia y absorción en el rango de los infrarrojos de onda corta (SWIR) o

bandas TM5 y TM7. (Cuadro.5.2.4.1)

Cuadro 5.2.4.1. Reflectancia y Absorción de minerales al sensor LandSat

Material Reflectancia Absorción

Carbonatos TM5 TM7

Filosilicatos

Sulfatos

Hematita TM3 TM2

Goethita TM3, TM2 TM1

Jarosita TM3, TM2, TM1 TM1

a) Método Costa de 6 bandas TM

En este caso se utilizo una imagen con 6 bandas de LandSat TM,

básicamente no térmicas. La imagen fue procesada por análisis de

componente principal de las 6 bandas (Figura 5.2.4.1.a), por lo que se

generó una nueva imagen con 6 componentes principales (CP1, CP2,

CP3, CP4, CP5 y CP6), con una matriz de covarianza y de cargas, que

determinan la brillantez de los elementos minerales detectados en las

imágenes de CP´s.

Cuando el resultado son áreas oscuras en una imagen de las CP´s, esta

debieron ser separadas para poderlas representar como capas

individuales .



Figura 5.2.4.1.a. Modelo de Componente Principal.

b) Método Crosta 4 Bandas TM para Óxidos de Hierro

Para la detección de óxidos de hierro se utilizó una imagen de cuatro

bandas, específicamente las primeras cuatro del sensor LandSat TM (1,

3, 4 y 5) la banda del rango azul, rojo y la infrarroja cercana y media,

como la presencia de oxido de hierro se observa en tonos oscuros en la

imagen resultante de los cuadro componentes principales (CP1, CP2,

CP3 y CP4), esta se debe invertir para observar las áreas de óxidos de

hierro en tonos brillantes.

c) Método Crosta 4 Bandas TM para Hidroxilos

Para la detección de hidroxilos se utilizó una imagen de cuatro bandas,

del sensor LandSat TM (1, 4, 5 y 7) se excluyeron las bandas 2 y 3, para

evitar la mezcla de óxidos de hierro como la presencia de oxido de hierro

se observa en tonos oscuros en la imagen resultante de los cuadro



componentes principales (CP1, CP2, CP3 y CP4), esta se debe invertir

para observar las áreas de óxidos de hierro en tonos brillantes.

d) Índice de relación mineral con ERDAS (Minerales Arcillosos, Minerales

Ferrosos y Óxidos de Hierro), en ingles Ferrous Mineral.

En este índice se utilizaron los cocientes de banda 5 / banda 7, para

detectar mineral arcilloso, banda 5 / Banda 4, para minerales ferrosos y la

banda 3 / banda 1, para material de óxidos de hierro, dando como

resultado una imagen de tres bandas, en el orden antes mencionado. Se

adapto un realce RGB a IHS (Figura 5.2.4.1.d).

e) Tranformación IHS – RGB: a la imagen IHS se vuelve a transformar a

RGB, recordando invertir las bandas espectrales (Figura 5.2.4.1.e)

Figura 5.2.4.1.d. Realce a Intensidad, Mezcla y Saturación del Índice



Figura 5.2.4.1.e. Realce Final de IHS a RGB.

f) Índice de Alteraciones Hidrotermales con ERDAS

Conocida en ingles como Hydrothermal Composite, en la que las bandas

TM utilizadas son las siguientes: (5 / 7), (3 / 1), (4 / 3).

g) Índice de Óxidos de Hierro con ERDAS

También llamada Iron Óxide , con las bandas TM (3 / 1).

h) Índice de mineral Arcilloso con ERDAS

Este índice utiliza las bandas TM (5 / 7), en ingles Clay Mineral.



2.5. Integración de los datos al Sistema de Información Geográfica (SIG)

La integración de los datos comenzó por organizar los por categorías vectorial, y

raster tal como se presenta en la Figura 5.2.5.

Figura 5.2.5. Estructura de Sistema de Información Geográfica.

Con la integración de los datos al SIG, se procedió a realizar los diferentes

análisis de relación de zonas alteradas con las áreas de cambio en la cobertura

y uso del suelo, así como de posibles áreas de riesgo natural y antrópico, por lo



que cada imagen tuvo que ser reclasificada de forma binaria (0/1) tomando en

consideración las áreas con alteraciones hidrotermales (1) y las áreas sin

alteraciones (0), lo misma para las áreas de mayor cambio y para las coberturas

de intersección.

El SIG también integra capas vectoriales de la división política administrativa por

país, departamento y aldeas, datos de infraestructura vial, capas temáticas de

fisiografía y recursos naturales.



VI. RESULTADOS

Los resultados se presentan, en el siguiente orden: 1) Clasificación por

Cobertura y Uso del Suelo de ambas fechas (1990 y 2002); 2) Dinámica de

Cambios entre imágenes Clasificadas por Cobertura y Uso del Suelo; 3)

Anomalías Hidrotermales y 4) Integración de Sistema de Información

Geográfica.

VI.I. Clasificación por Cobertura y Uso del Suelo

Los datos resultados de la clasificación por cobertura y uso del suelo a nivel de

familiarización de la imagen p18r51, tanto de 1990 como del 2002, fue la

siguiente:

Bosque Latifoliado: Predominio de árboles de hoja ancha, altura de la

cobertura variable según la topografía y suelo, lo que favorece que los

árboles alcancen una altura de 40 m. Especies predominantes:

liquidámbar (Liquidambar sp), roble o encino (Quercus sp), aguacatillo

(Persea sp), guayabillo (Ficus), varias especies de moraceas y helechos,

en general los árboles poseen una altura de 15 a 60 m. según su edad.

Bosque Mixto: Los remanentes modificados del bosque original pueden

presentar árboles dominantes con altura de hasta 25 a 30 metros;

constituido principalmente por especies de Pino y Roble, acompañadas

por árboles de Nance, Acacias, Guayabas, entre otras.

Bosque de Pino: Constituido por diferentes especies de pino ubicadas en

el centro y oeste del país. Estas especies cambian según la altitud.

Generalmente cubren suelos no agrícolas, su heterogeneidad es debido a

su madurez y al porcentaje de mezcla con otras coberturas. Las especies

más frecuentes son:Pinus maximinoii, P. oocarpa y P. pseudostrobus



Bosque seco: Constituido por especies arbustales deciduas latifoliadas,

donde podemos encontrar algunas leguminosas como el carbón, se

encuentra ubicado en las zonas poca altura (entre los 600 – 1000 m.) y

con pendientes suaves.

Matorral: Cobertura que generalmente se encuentra en los bordes de los

bosques, en donde ha ocurrido algún tipo de intervención, las especies

con frecuencia son una mezcla de arbustos rudimentarios así con

especies del bosque original.

Pastizal: Cobertura constituida principalmente y casi de forma exclusiva

por pastos de 1 a 2 m de alto. Este puede ser verde o seco, según la

estación climática.

Cultivo: Esta cobertura puede definirse como tierra utilizada para la

producción de alimentos y granos. Pueden ser zonas con cultivos a gran

escala en suelos planos o con poca pendiente, generalmente cerca de los

ríos y con sistema de riego permanente, o incluir áreas cultivadas en

zonas de laderas sin mucha mecanización, con variedad de cultivos.

Suelo labrado: Son áreas preparadas para el cultivo, de siembra reciente,

o que han quedado expuestas después de la cosecha.

Suelo desnudo: Se incluye todas las áreas desprovistas de cobertura,

como playas de río, zonas de deslizamiento o zonas degradas por efecto

de la agricultura o la escorrentía.

Río: Cuerpo de agua que recorre las montañas, valles y desemboca en el

mar. Generalmente se tomaron en cuenta ríos de cauce mayor de 10 m

de ancho, identificables digital y visualmente, que siguen patrones lineales

sinuosos y muchas veces son respuesta de la combinación de la

cobertura vegetal asociada a los márgenes.



Suelo quemado: Esta clase incluye áreas afectadas por los incendios y/o

que se encuentran en recuperación, con rastros de ceniza en la cobertura

vegetal.

Humo: Esta categoría identifica aquellas áreas que al momento de

adquirir la imagen, estaban siendo afectadas por el fuego.

De la anterior clasificación se agruparon algunas clases mientras que

otras no quedaron dentro del área de estudio seleccionada para el

análisis de la detección de las anomalías hidrotermales.

Urbano: Incluye áreas pobladas, como cabeceras municipales, pueblos y

aldeas grandes, siendo la ciudad de Santa Rosa de Copán y otras

comunidades las que digital y visualmente se observan.

Nube: Acumulación atmosférica de vapor de agua.

Sombras: Ausencia de reflectancia causada por nubes y montañas.

Bosque de Manglar: Son áreas de vegetación arbustal salobres, se

encuentra como barrera de playas.

Una vez que conocimos las diferentes coberturas que enmarcan la imagen

completa, fue necesario reclasificar las coberturas para el área de interés que le

llamamos “Valle de Choluteca”, de la cual nos quedaron seis (6) coberturas a

nivel uno (p. e.: en lugar de bosque de manglar, mixto, latifoliado, micro

latifoliado o seco, la cobertura queda únicamente como Bosque), lo que significa

que se elaboró una clasificación conocida como de muchos a uno, en el Cuadro

6.1.a, muestra dicha clasificación correspondiente a ambas fechas.

Como el método que se utilizó fue no supervisado, con el algoritmo ISODATA,

se generaron 100 cluster con las bandas 4 (Infrarrojo cercano), 5 (Infrarrojo

medio) y 3 (Rojo) en RGB, como resultado obtuvimos las imágenes clasificadas,



mismas que verificamos posteriormente su pertenencia a las seis (6) clases

antes mencionadas.

Cuadro 6.1.a. Clasificación Tipo Muchos a Uno, Imagen p18r51 de 1990 y 2002.

CLASE COLOR CÓDIGO

Sin Dato Negro 00

Bosque Verde Oscuro 01

Matorral Verde Claro 02

Pasto Tan 03

Cultivo Amarillo 04

Suelo Desnudo Violeta 05

Agua Azul 06



Las imágenes resultantes de las clasificaciones ISOTADA, necesitaron ser

recodificadas, al identificar cuáles de las cien (100) clases pertenecían a las seis

(6) clases del área de interés (Figura 6.1.a y Figura 6.1.b))

Figura 6.1.a. Identificación de clases para aplicación de Recodificación. Imagen

superior: ISODATA 1990; Imagen posterior: Sin Clasificación 1990 y Dialogo de

Atributos de cada clase.

La validación de la Clasificación, se realizo con el Accuracy Assessment, de la

cual se generó una Matriz de Error, la Precisión Total de la clasificación y el

Índice Kappa, que para la imagen LandSat p18r51 con fecha 06 de Febrero de

1990, arrojo los siguientes resultados:

Rcorrales

Resaltado



Figura 6.1.b. Identificación de clases para aplicación de Recodificación. Imagen

superior: ISODATA 2002; Imagen posterior: Sin Clasificación 2002 y Dialogo de

Atributos de cada clase.

Matriz de Error (Cuadro 6.1.b) para la Imagen Clasificada de 1990: 90%

Precisión Total (Cuadro 6.1.c), para la Imagen Clasificada de 1990: 90%

Índice Kappa (Cuadro 6.1.d), para la Imagen Clasificada de 1990: 0.86

Los matorrales se mezclan con los pastos, debido a las condiciones ecológicas

presentes en el área de estudio del valle de Choluteca.



Cuadro 6.1.b. Matriz de Error para Clasificación de imagen p18r51 de 1990.

Cuadro 6.1.c. Precisión Total de la Clasificación en la imagen p18r51 de 1990.



Cuadro 6.1.d. Índice Kappa, Clasificación p18r51 de 1990.

Los resultados del Accurary Assessment para la imagen del 06 de Mayo del

2002, fueron los siguientes:

Matriz de Error (Cuadro 6.1.e),para la Imagen Clasificada de 2002: 0.87

Precisión Total (Cuadro 6.1.f), para la Imagen Clasificada de 2002: 87%

Índice Kappa (Cuadro 6.1.g), para la Imagen Clasificada de 2002: 0.87

Los datos de ambas clasificaciones fueron comprobadas con visitas de campo

con el levantamiento de las coberturas colecta de coordenadas geográficas y

toma de fotografías de las coberturas.



Cuadro 6.1.f. Matriz de Error para Clasificación de imagen p18r51 de 2002.

En este caso los resultados indican que los matorrales se mezclan con los

pastizales, esto se debe a que se encuentran en un ecosistema seco, donde

tanto bosque, matorral y pastizal, se mantienen en condiciones de humedad muy

parecidas, siendo muy difíciles de separar, aun con las giras de campo (Anexo

VI). Este resultado se mantuvo en todas las estadísticas de esta clasificación,

pero de forma general se logro alcanzar una precisión de 87%, siendo aceptable

en términos de cobertura a nivel de imágenes LandSat.



Cuadro 6.1.g. Precisión Total de la Clasificación en la imagen p18r51 de 2002.

Cuadro 6.1.h. Índice Kappa, Clasificación p18r51 de 2002.



6.2. Dinámica de Cambios

El área total de la zona de estudio es de 293,378.04 ha, los resultados obtenidos

para la dinámica en el cambio de las coberturas del suelo fueron de sin cambio,

cuando la cobertura se mantuvo de una fecha 1 (1990) a una fecha 2 (2002);

cambio negativo, cuando en la fecha 1 tenemos una cobertura ecológicamente

mayor y en la fecha 2, paso a una cobertura de menor grado ecológico; y cambio

positivo, cuando en la fecha 1 tenemos una cobertura de menor grado ecológico

y en la fecha 2, paso a un nivel ecológico más alto, lo que se conoce como

alcanzar el estado clímax, en total tenemos 36 combinaciones, ya que son 6

coberturas (Figura 6.2.a).

Figura 6.2.a. Matriz de Cambios entre imágenes p18r51 de 1990 y 2002.

Rcorrales

Resaltado

Hay cambios de naturaleza efímera o estacional, lo que no determina perdidas a largo plazo o sustitución de coberturas.



La tasa en la dinámica de cambio de las coberturas para aproximadamente 12

años, fue la siguiente:

Tasa en la dinámica de cambio negativo en la cobertura fue del 25.6%, lo

que quiere decir que tiene la cantidad de 75,147.26 ha.

Tasa en la dinámica de cambio positivo en la cobertura fue del 21.0%, o

61,642.71 ha.

Tasa sin cambios en la dinámica del suelo fue de 53.4%, o la cantidad de

156,518.95 ha.

Cuando vemos los datos de la cobertura correspondiente a los Bosques, misma

que ecológicamente se encuentra en una posición más alta que las demás

coberturas, notamos los siguientes resultados:

La Tasa de Ganancia de Bosque fue de 44.2%, o 30,644.65 ha.

La Tasa de Pérdida de cobertura de Bosque fue del 43.0%, o la cantidad

de 29,821.60 ha.

Manteniéndose un 12.8% sin cambios, por lo que tenemos un 57.0% de

cobertura de bosque, entre la cobertura de cambio positivo y la cobertura

sin cambio.

De manera general encontramos un cambio de 25.6% en pérdidas desde el

punto de vista ecológico y una ganancia general de 74.4% del área de estudio.

Dentro del punto de vista antropológico, el dinamismo de las coberturas se

centra entre los pastos, los cultivos y los suelos desnudos (Cuadro 6.2.a), en

donde la mayor parte de los cultivos pasaron a ser pastos (8,467.95 ha), lo

mismo que el suelo desnudo a pastos (11,586.8 ha).



Cuadro 6.2.a. Dinámica de Cambio de las 6 coberturas entre 1990 y 2002,

correspondiente al Valle de Choluteca. Código de cobertura: 1= Bosques, 2 =

Matorrales, 3 = Pastos, 4 = Cultivos, 5 = Suelo Desnudo y 6 = Agua.

6.3. Alteración Hidrotermal

Los resultados de la detección de alteraciones hidrotermales a través de su

caracterización por la presencia o ausencia de minerales, se encuentra

caracterizada por Óxidos de Hierro, Hidroxilos y Materiales Ferrosos.



En la Figura 6.3.a, se muestra el resultado del componente principal dirigido

(Crosta) de 6 bandas no térmicas, los CP4= Hidroxilos, CP5= Óxidos de Hierro.

Figura 6.3.a. Imagen Crosta de 6 bandas no térmicas, para detectar anomalías

hidrotermales.

Al estudiar los valores de la matriz de relaciones de varianza covarianza (Cuadro

6.3.a) y las cargas (+, -) de los coeficientes, las imágenes indican que

encontramos en el componente CP1 valores correspondientes a la topografía y

al albedo (coeficiente de reflexón, igual a Energía reflejada entre unidad de

superficie) , el CP2, corresponde a las características de la vegetación, la CP4,

corresponde a minerales hidroxilos (Figura 6.3.b), los que se ven en tonos

claros, el CP5, corresponde óxidos de hierro, en tonos oscuros (Figura 6.3.c),

mientras que la CP6, revela Hematita, también en tonos oscuros.



Figura 6.3.b. Imagen CP4, mostrando hidroxilos en tonos claros.

Figura 6.3.c. Imagen CP5, mostrando Óxidos de hierro en tonos oscuros.



Cuadro 6.3.a. Matriz Cargas de Crosta de 6 bandas no térmicas. Muestra valores para

Vegetación (v), Hidroxilos (h) y Óxidos (o).

Otra de las técnicas aplicadas fue el método Crosta de 4 bandas espectrales, al

utilizar las bandas 1, 4, 5 y 7, como si fueran 1, 2, 3, 4, respectivamente, el

resultado fue una imagen de cuatro componentes principales, donde la CP4,

muestra o detecta los minerales hidroxilos en tonos brillantes. En la Figura 6.3.d,

muestra la combinación de bandas R4-G2-B1, por lo que los tonos rojos

brillantes corresponden efectivamente a los materiales hidroxilos (Cuadro 6.3.b).

Para efecto de visualizar en una banda separada los materiales hidroxilos, en

tonos de grises, concentrándose en los tonos claros o brillantes, los cuales

pueden ser objeto de reclasificación o enmascaramiento para resaltar

únicamente el material alterado, de esta forma es más accesible a la integración

con otros datos, esto se puede observar en la Figura 6.3.e.



Cuadro 6.3.b. Matriz de Cargas, (Crosta 4 bandas) para Hidroxilos.

En el cuadro anterior notamos que en la CP4, tenemos un aporte importante de

la banda espectral 7, también observamos que los mismos se observan en tonos

oscuros opuesto a lo esperado debido a la carga (-), de esta manera

aseguramos que los materiales hidroxilos de alteración hidrotermal los

encontraremos solo en los tonos oscuros.

Figura 6.3.d. Imagen de R4-G2-B1 (Crosta 4 bandas), para materiales hidroxilos.



Otro aspecto importante a destacar es que en este proceso no se incluyeron las

bandas 2 y 3, ya que dichas bandas se utilizan para la detección de óxidos de

hierro.

Figura 6.3.e. Imagen individual del CP4, material hidroxilo en tonos oscuros.

Para la detección de los Óxidos de Hierro, al aplicar el método de Crosta de 4

bandas espectrales, de las cuales se incluyeron las 1,3,4,5, tal como en las

anteriores operaciones la CP1 siempre corresponde a características de la

topografía y al albedo, siendo la CP4, la correspondiente a las características de

alteración hidrotermal de Óxidos de Hierro.

En este caso la máxima aportación de los valores la encontramos en la banda

TM3, la que se expresa en la CP4, en este caso la carga negativa nos indica que

los tonos característicos para los óxidos se verán en la imagen en tonos

oscuros. En el Cuadro 6.3.c., se resumen los valores para la interpretación de

dicha alteración hidrotermal, lo mismo que en la Figura 6.3.f.



Cuadro 6.3.c. Matriz de Cargas, (Crosta 4 bandas) para Óxidos.

Figura 6.3.f. Imagen R4-G2-B1 (Crosta 4 bandas) para detección de Óxidos de Hierro.

En este caso los rojos oscuros corresponden a áreas alteradas hidrotermalmente con

óxidos.

Los Índices o cocientes arrojaron las imágenes de material arcilloso (Bandas

5/7), óxidos de hierro (bandas 3/1) y mineral ferroso (Bandas 5/4).



En el índice para los óxidos (Bandas 3/1), los valores se observan en tonos

claros, contrarias a las anteriores imágenes de óxidos, en este caso, como

tienen alta Reflectancia en la banda 3 y Absorción en la banda 1, lo que la

vuelve sensible para combinarla en falso color (Figura 6.3.g).

Figura 6.3.g. Imagen de cociente 3/1, para detección de óxidos de hierro.

Mientras que en el índice para detección de arcillas, se utilizó el cociente 5/7, en

donde la Reflectancia se produce en la banda 5, y la Absorción se da en la

banda 7, (Figura 6.3.h).

También se genero una imagen de la combinación de los diferentes minerales

característico de las alteraciones hidrotermales, a la cual se le llama

composición de minerales o mineral composite, la cual agrupa los tres

minerales, y es representable en las tres bandas R(5/7)-G(5/4)-B(3/1).



Figura 6.3.h. Imagen de índice de arcillas (bandas 5/7).

También se aplicó la técnica de realce radiométrico para resaltar el resultado de

los componentes de los minerales (Figura 6.3.i), esto produce una imagen

intermedia de Intensidad, Matiz y Saturación (IHS) (Figura 6.3.j), para luego

volver a transformarla a RED GREEN y BLUE (RGB). Con el cuidado de invertir

el orden de las imágenes para la imagen resultante (Figura 6.3.k).

Figura 6.3.i. Gráfico de RGB y su relación a IHS.



Figura 6.3.j. Imagen de Composición Mineral R1G2B3.

Figura 6.3.k. Imagen de Composición Mineral R3G2B1.



6.4. Sistema de Información Geográfica (SIG)

El resultado del SIG de Anomalías Hidrotermales y Dinámica del Suelo del valle

de Choluteca (SIG AHDS) tiene como estructura 6 grupos de Capas o Layers:

Clasificación: donde se encuentran las clasificaciones para las imágenes

del valle de Choluteca para las fechas 06 de febrero de 1990 y 06 de

mayo del 2002 (Figura 6.4.a).

Crosta: con las imágenes de Crosta de 4 bandas, para Hidroxilos y

Óxidos.

Crosta de 6 bandas: con la imagen Crosta de 6 bandas, para Hidroxilos y

Óxidos.

Dinámica de Cambios: con la imagen de Cambios en la Cobertura.

Índices ERDAS: con las imágenes de los cocientes de Alteraciones

Hidrotermal.

MDT: con la imagen del Modelo Digital del Terreno.

Figura 6.4.a. Estructura del SIG de integración



El SIG, fue creado en la plataforma ArcGIS, como muestra la Figura 6.4.b, y para

acceso a todo público se transformó a la plataforma ArcReader ver figura 6.4.c.

Figura 6.4.b. Visualización del SIG, desde formato ArcGIS.

Figura 6.4.c. Visualización del SIG, desde ArcReader, de acceso público.



De esta forma el usuario tiene la posibilidad de cruzar información temática y

crear cartografía según las necesidades, dependiendo de sus capacidades y

conocimientos, tal como se muestra en la Figura 6.4.d.

Figura 6.4.d. Mapa de Modelo Digital del Terrero del área de estudio.



VII. DISCUSIÓN

La Percepción Remota o Teledetección, se ha vuelta una de las

herramientas aliadas en muchas disciplinas científicas, sobre todo de las

que son objeto a cartografiar para generar nuevas formas de análisis, así

como de las demás técnicas aplicadas por las Tecnologías de la

Información Geográfica o TIG.

Desde el punto de vista de las TIG, el Ordenamiento del Territorio (OT),

es una de las disciplinas de mayor producción cartográfica, volviendo al

OT eje transversal en los contextos socioeconómicos, políticos y de

recursos naturales.

En este sentido el trabajo realizado en esta investigación, contempló lo

que se conoce como Clasificación por Cobertura y Uso del Suelo, así

como la Dinámica de Cambio en el tiempo o como se conoce en el mundo

académico: Análisis Multitemporal de Imágenes Satelitales.

Sumado a esto, tenemos las Técnicas de Detección de Minerales de

Alteraciones Hidrotermales, que determinan los cambios en las

composiciones físicas y químicas del suelo, lo que establece el porqué,

en un área que es característica a cierta vegetación, estas se ven

interrumpidas por dichos cambios. Interesante sería que este tipo de

técnicas se empezaran a aplicar en los diferentes estudios territoriales

con aspectos geológicos, tanto para apoyar el conocimiento ante las

condiciones del suelo para la agricultura, o para la industria de

explotación mineral, temas que se encuentran vedados y que dicha

información se mantiene hermética, cuando esta existe.



Entre más información tengamos de nuestro territorio, más variables

tendremos para la planificación de un país (Honduras), que tiene la

estructura legal para su ordenamiento territorial, pero que carece de la

información actualizada para llevarla a cabo.

Con esta investigación se espera que se comiencen a desarrollar las

nuevas formas de análisis territorial, incluso con variables que antes

pensábamos eran imposibles de estudiar, o que considerábamos como

tabú, por ejemplo: hablar de desarrollar un ordenamiento del país

tomando en cuenta sus atributos minerales, ya que estos siempre se han

visto como enemigos del ambiente, dicho sea de paso que un mal

enfoque o sondeo de este sí se convierte en un problema ambiental.

Sabemos que en el país existen condiciones para cartografiar las

diferentes actividades del hombre, para mejor el manejo de sus recursos

(sean de origen natural o antrópicos). Solo falta apuntar en la dirección

correcta, lo que lograremos al generar información que nos diga hacia

donde tenemos que caminar, comenzando por fortalecer los estándares

de las bases cartográficas del país.



VIII. CONCLUSIONES

En conclusión podemos decir que tanto una clasificación supervisada

como una no supervisada, brindan resultados satisfactorios cuando se

sabe que es lo que se quiere obtener, por lo que para este trabajo de

investigación se utilizo la clasificó por el método ISODATA, con 100

clusters, y apoyo de campo, para su precisión.

Para garantizar la confiabilidad de las clasificaciones generalmente el

análisis de los datos se hizo a través de una matriz de confusión que

permitió confrontar la información de los sitios de verificación con aquella

de la base cartográfica que se evaluó.

Se logro clasificar la cobertura a primer nivel con grandes categorías:

Bosques, Matorrales, Pastos, Cultivos, Suelo Desnudo y Agua. Aunque la

mayoría de los autores no incluyen el agua en sus clasificaciones, el

motivo se incluyó fue por un aumento en el caudal del cuerpo de agua

entre ambas fechas en la zona norte del área de estudio.

La clasificación fue lo suficientemente confiable para concluir que en el

área se produjo un cambio en las coberturas menor a la que se esperaba,

ya que la dinámica indicó que un 53.4%, o 156,518.95 ha. Se

mantuvieron sin cambio, mientras que el cambio positivo fue de 21.0%,

para un total de 74.4%, en relación al 25.6% de cambio negativo.

También podemos decir que fueron los pastos los que interactuaron con

mayores porcentajes, tanto con los cultivos como con el suelo desnudo,

mismo que puede tanto ser suelo labrado, como propiamente desnudo,

con algún porcentaje de erosión. En otras palabras los pastos vienen a



ser zonas de descanso o barbecho, combinadas para la agricultura y para

la pastura de ganado vacuno y caprino.

En el caso de los bosques, estos no representan un atractivo directo en

las poblaciones humanas nativas, ya que es un bosque microlatifoliado

seco, con muchas leguminosas adaptadas al déficit de precipitación y a

altas temperaturas, por lo que es razonable que los números indiquen un

57.0% de ganancia de cobertura de bosque, entre lo que no cambio y lo

que cambio de manera positiva, desde el punto de vista ecológico.

Cabe apuntar que los bosques secos se encuentran en peligro de

extinción y que hay proyectos propuestos para comenzar a protegerlos y

educar a los pobladores locales los beneficios de este tipo de bosques a

nivel ecológico y ecoturístico.

De las imágenes procesadas para detectar alteraciones hidrotermales,

por las diferentes técnicas, podemos decir que efectivamente el método

de Crosta o de Componente Principal Dirigido, destaca las características

espectrales a las cuales son sensibles los diferentes materiales minerales

asociados con las alteraciones hidrotermales. Por lo que para detectar

minerales arcillosos la utilización de las Bandas 1, 4, 5 y 7 del sensor

LandSat, nos dio muy buenos resultados, en este caso evitando las

bandas 2 y 3 del mismo sensor, ya que estas bandas son sensibles a los

óxidos de hierro. También fue importante conocer como estos se

comportan espectralmente, como referencia a los aportes que se generan

como Componente Principal, al igual que la carga positiva o negativa que

estos desarrollen, lo cual nos indicó si estos se ven identificados brillantes

u oscuros en las imágenes producidas.



Lo mismo al utilizar 6 bandas no térmicas del mismo sensor LandSat, de

la cual los óxidos se pueden ver con éxito en la banda CP5, y los

hidroxilos o material de arcillas se pueden identificar en la CP4, esta se

logra detectar con la variabilidad de las bandas en la estadística de los

eigevalores y los coeficientes positivo o negativo en las bandas de

Reflectancia y Absorvancia.

Se puede destacar que al procesar por análisis de Componente Principal

para materiales alterados hidrotermalmente, nos provee de las tablas

estadísticas, que indican efectivamente como se muestras los minerales y

en que componente se producen, esto es realmente una ventaja, en

comparación con los índices que existen en algunos programas , de los

cuales producen de forma directa imágenes de cocientes, de las cuales

generalmente no podemos ver las tablas de los datos estadísticos.

El uso de los índices o cocientes directos, solo se deben utilizar cuando el

usuario ha alcanzado cierta experiencia para poder identificar los

materiales característicos de las alteraciones hidrotermales.

Una de las posibles dificultades para la detección de materiales

hidrotermales es la cobertura vegetal, por lo que resulto indispensable

saber cómo se comportan las diferentes coberturas en las bandas

espectrales de diferentes sensores, de esta manera se puede conocer

que bandas son las mejores combinaciones para los propósitos

deseados, tal es el caso de los Componentes Principales, en donde en el

CP2, se refleja la aportación de la banda del infrarrojo cercano (Banda 4

de LandSat).



Uno de los resultados esperados en este trabajo es la creación de

cartografía temática, y para ello se decidió establecer un Sistema de

Información Geográfica SIG, con la integración de los productos de la

Clasificación por cobertura y uso del Suelo, la Dinámica del Cambio entre

ambas clasificaciones, los productos de las imágenes con alteraciones

hidrotermales y vectores de la división política administrativa, así como de

infraestructura vial y de recursos naturales. Todo esto a ser manejado por

un programa gratuito de manejo de datos espaciales, llamado ArcReader.

IX. RECOMENDACIONES

Una de las recomendaciones más importantes en todo trabajo de tesis es

determinar la nueva línea de investigación que se deriva del mismo

trabajo, por lo que en este caso no será diferente.

Al terminar este trabajo, una de las líneas de futuro desarrollo es la radio

espectrometría de campo y de ambientes controlados, para caracterizar

los diferentes materiales de la cubierta espectral, en un grafico de firma

espectral más definido (Continuo), que los datos discretos que

manejamos con imágenes multitemporales.

Esto a la vez desarrollaría la implementación de sensores

hiperespectrales tales como Hiperion o ALI, específicamente para

desarrollar librerías de nuestras propias coberturas del suelo.

El seguir utilizando el método Crosta para materiales alterados

hidrotermalmente, posibilita, la idea de realizar estudios de detección de

lineamientos o fallas geológicas, que estarían apoyando a conocer mejor



las condiciones de nuetras rocas y al mismo tiempo es un tema de interés

nacional en la actualidad.

Otra recomendación es utilizar la información de las alteraciones para

buscar edificios arqueológicos en zonas donde se tengan sospechas de

rutas de comercio antiguas, o donde se hayan encontrado artefactos de

civilizaciones anteriores a nuestro periodo.



BIBLIOGRAFIA

1. Bragado, E., Rejas, J.G., Marchamalo M. and Martínez, R. 2008.

Characterization of hydrothermally altered materials in the Central

Volcanic Range, Costa Rica, using TM data. PROCEEDINGS OF THE

REMOTE SENSING AND PHOTOGRAMMETRY SOCIETY

CONFERENCE 2008 “Measuring change in the Earth system”.

University of Exeter.

2. Buzai, G. 2007. Sistemas de Información Geográfica y Geografía.

Lineas de Avance Teorico-Metodologico a comienzos del siglo XXI.

Daniel Hiernaux y Alicia Lindón (comp.) Tratado de Geografía

Humana. Anthropos. Barcelona. pp. 582-600.

3. Corrales, R., 2004. Caracterización y Detección de cambios en 14

Áreas Protegidas de Honduras, a partir del Estudio de Datos

Geoespaciales. Trabajo de Tesis previa opción a Licenciatura, en

Biología. UNAH.

4. Delendatti, G., 2003. Caracterización de Zonas alteración hidrotermal

en las imágenes del Río Castaño, provincia de San Juan, mediante

procesamiento digital de imágenes TM. Revista de la Asociación

Geológica de Argentina, 58 (1): 97-108(2003).

5. F. J. Salas, E. Chuvieco. 1995. Aplicación de Imágenes LandSat-TM

en la Cartografía de Modelos Combustibles. Revista de Teledetección.



6. GEOINFO. http://www.geoinfo-int.com/htmls/sig.html

7. Honduras Geology. http://geology.csustan.edu/rrogers/honduras/

8. James Tindall. Deconvolution of Plant Type(s) for Homeland Security

Enforcement Using Remote Sensing on a UAV Collection Platform.

Homeland Security Affairs. http://www.hsaj.org/?fullarticle=2.1.4

9. Kozuch, M., 1991. Mapa Geológico de Honduras. Instituto Geográfico

Nacional de Honduras.

10. Maksaev V., 2003. GL 54 A. Metalogénesis. Capitulo 8. Alteraciones

Hidrotermales. Facultad de Ciencias Físicas y Matemáticas,

Universidad de Chile. Departamento de Geología.

http://www.cec.uchile.cl/~vmaksaev/metalogenesis.html.

11. Petroglia, C., Acosta & Sergio Lara. 2008. Sistema de Clasificación de

la Cobertura de la Tierra, FOA.

12. Pinilla, C. 1995. Elementos de teledetección. Rama. Madrid.

http://personal.telefonica.terra.es/web/pinillaweb/glosario.htm

13. Rodríguez V, C Díaz Castillo, J Bosque Sendra, La Aplicación de los

SIG a la Actividad de las Organizaciones No Gubertamentales.

Tecnologías Geográficas para el Desarrollo Sostenible. Departamento

de Geografía. Universidad de Alcalá, 2000: 655-675.

http://www.geoinfo-int.com/htmls/sig.html

http://geology.csustan.edu/rrogers/honduras/

http://www.hsaj.org/?fullarticle=2.1.4

http://www.cec.uchile.cl/~vmaksaev/metalogenesis.html

http://personal.telefonica.terra.es/web/pinillaweb/glosario.htm



14. Sader, E., D., Hayes, D. Irwin, S., Saatchi. 2001. Preliminary Forest

Cover Change Estimates for Central America (1990’s), whit reference

to the proposed Mesoamerican Biological Corridor.11p.



ANEXOS



ANEXO I. SISTEMA DE TELEDETECCIÓN ESPACIAL

Figura A.I.a. Sistema de Percepción Remota. Por James Tindall.

Figura A.I.b. Espectro Electromagnético



ANEXO II. SISTEMA DE INFORMACIÓN GEOGRÁFICA

Figura A.II. Sistema de Información Geográfica



ANEXO III. METADATOS IMAGEN LANDSAT DE 06 DE FEBRERO DE 1910

NDF_REVISION=0.00; PRODUCT_NUMBER=01499050500020017; DATA_FILE_INTERLEAVING=BSQ; TAPE_SPANNING_FLAG=1/1; START_LINE_NUMBER=1; START_DATA_FILE=1; BLOCKING_FACTOR=1; MAP_PROJECTION_NAME=SPACE_OBLIQUE_MERC; USGS_PROJECTION_NUMBER=22; USGS_MAP_ZONE=62; USGS_PROJECTION_PARAMETERS=6378137.000000000000000,6356752.314140000400000,5.000000000000000,18.000000000000000,0.000000000000000,0.000000000000000,0.000000000000000,0.000000000000000,0.000000000000000,0.000000000000000,0.000000000000000,0.000000000000000,1.000000000000000,0.000000000000000,0.000000000000000; HORIZONTAL_DATUM=WGS84; EARTH_ELLIPSOID_SEMI-MAJOR_AXIS=6378137.000; EARTH_ELLIPSOID_SEMI-MINOR_AXIS=6356752.314; EARTH_ELLIPSOID_ORIGIN_OFFSET=0.000,0.000,0.000; EARTH_ELLIPSOID_ROTATION_OFFSET=0.000000,0.000000,0.000000; PRODUCT_SIZE=FULL_SCENE; RESAMPLING=CC; PROCESSING_DATE/TIME=050699/11570900; PROCESSING_SOFTWARE=NLAPS_3_5_4E; DATA_SET_TYPE=EDC_TM; PIXEL_FORMAT=BYTE; PIXEL_ORDER=NOT_INVERTED; BITS_PER_PIXEL=8; PIXELS_PER_LINE=6922; LINES_PER_DATA_FILE=6433; DATA_ORIENTATION=UPPER_LEFT/RIGHT; NUMBER_OF_DATA_FILES=7; LINES_PER_VOLUME=45031; RECORD_SIZE=6922; UPPER_LEFT_CORNER=0885329.0912W,0135807.7457N,18572336.808,102550.038; UPPER_RIGHT_CORNER=0870510.8001W,0134234.5468N,18585374.581,299367.178; LOWER_RIGHT_CORNER=0872013.2062W,0120416.1242N,18768285.700,287250.583; LOWER_LEFT_CORNER=0890749.8165W,0121943.4069N,18755247.927,90433.442;



REFERENCE_POINT=SCENE_CENTER; REFERENCE_POSITION=0880640.5011W,0130116.2370N,18670311.253,194900.315,3461.50,3217.00; REFERENCE_OFFSET=170.44,-7.29; ORIENTATION=273.789912; WRS=018/051.0; ACQUISITION_DATE/TIME=020690/15335649; SATELLITE=LANDSAT_5; SATELLITE_INSTRUMENT=TM; PIXEL_SPACING=28.5000,28.5000; PIXEL_SPACING_UNITS=METERS; PROCESSING_LEVEL=08; SUN_ELEVATION=43.31; SUN_AZIMUTH=127.02; NUMBER_OF_BANDS_IN_VOLUME=7; BAND1_NAME=TM_BAND_1; BAND1_WAVELENGTHS=0.45,0.52; BAND1_RADIOMETRIC_GAINS/BIAS=0.6024314,-1.5200000; BAND2_NAME=TM_BAND_2; BAND2_WAVELENGTHS=0.52,0.60; BAND2_RADIOMETRIC_GAINS/BIAS=1.1750981,-2.8399999; BAND3_NAME=TM_BAND_3; BAND3_WAVELENGTHS=0.63,0.69; BAND3_RADIOMETRIC_GAINS/BIAS=0.8057647,-1.1700000; BAND4_NAME=TM_BAND_4; BAND4_WAVELENGTHS=0.76,0.90; BAND4_RADIOMETRIC_GAINS/BIAS=0.8145490,-1.5100000; BAND5_NAME=TM_BAND_5; BAND5_WAVELENGTHS=1.55,1.75; BAND5_RADIOMETRIC_GAINS/BIAS=0.1080784,-0.3700000; BAND6_NAME=TM_BAND_6; BAND6_WAVELENGTHS=10.40,12.50; BAND6_RADIOMETRIC_GAINS/BIAS=0.0551582,1.2377996; BAND7_NAME=TM_BAND_7; BAND7_WAVELENGTHS=2.08,2.35; BAND7_RADIOMETRIC_GAINS/BIAS=0.0569804,-0.1500000; END_OF_HDR;



GROUP = INVENTORYMETADATA GROUPTYPE = MASTERGROUP GROUP = ECSDATAGRANULE OBJECT = SIZEMBECSDATAGRANULE NUM_VAL = 1 VALUE = 404.561 END_OBJECT = SIZEMBECSDATAGRANULE OBJECT = REPROCESSINGPLANNED NUM_VAL = 1 VALUE = "no further update anticipated" END_OBJECT = REPROCESSINGPLANNED OBJECT = REPROCESSINGACTUAL NUM_VAL = 1 VALUE = "processed once" END_OBJECT = REPROCESSINGACTUAL OBJECT = LOCALGRANULEID NUM_VAL = 1 VALUE = "p018r51_5t19900206" END_OBJECT = LOCALGRANULEID OBJECT = DAYNIGHTFLAG NUM_VAL = 1 VALUE = "Day" END_OBJECT = DAYNIGHTFLAG OBJECT = PRODUCTIONDATETIME NUM_VAL = 1 VALUE = "2002-03-27-T17:16:02.0Z" END_OBJECT = PRODUCTIONDATETIME OBJECT = LOCALVERSIONID NUM_VAL = 1 VALUE = "001" END_OBJECT = LOCALVERSIONID END_GROUP = ECSDATAGRANULE GROUP = MEASUREDPARAMETER



OBJECT = MEASUREDPARAMETERCONTAINER CLASS = "1" OBJECT = PARAMETERNAME NUM_VAL = 1 CLASS = "1" VALUE = "Geospatial Image" END_OBJECT = PARAMETERNAME GROUP = QASTATS CLASS = "1" OBJECT = QAPERCENTMISSINGDATA NUM_VAL = 1 CLASS = "1" VALUE = 0 END_OBJECT = QAPERCENTMISSINGDATA OBJECT = QAPERCENTCLOUDCOVER NUM_VAL = 1 CLASS = "1" VALUE = 0 END_OBJECT = QAPERCENTCLOUDCOVER END_GROUP = QASTATS END_OBJECT = MEASUREDPARAMETERCONTAINER END_GROUP = MEASUREDPARAMETER GROUP = COLLECTIONDESCRIPTIONCLASS OBJECT = SHORTNAME NUM_VAL = 1 VALUE = "GeoCvTM" END_OBJECT = SHORTNAME OBJECT = VERSIONID NUM_VAL = 1 VALUE = 1 END_OBJECT = VERSIONID END_GROUP = COLLECTIONDESCRIPTIONCLASS



GROUP = INPUTGRANULE OBJECT = INPUTPOINTER NUM_VAL = 11 VALUE = ("p018r51_5t19900206_nn1.tif", "p018r51_5t19900206_nn2.tif", "p018r51_5t19900206_nn3.tif", "p018r51_5t19900206_nn4.tif", "p018r51_5t19900206_nn5.tif","p018r51_5t19900206_nn6.tif", "p018r51_5t19900206_nn7.tif", "p018r51_5t19900206.met", "p018r51_5t19900206.hdr", "p018r51_5t19900206.jpg", "p018r51_5t19900206.htm") END_OBJECT = INPUTPOINTER END_GROUP = INPUTGRANULE GROUP = SPATIALDOMAINCONTAINER GROUP = HORIZONTALSPATIALDOMAINCONTAINER GROUP = ZONEIDENTIFIERCLASS OBJECT = ZONEIDENTIFIER NUM_VAL = 1 VALUE = "16" END_OBJECT = ZONEIDENTIFIER END_GROUP = ZONEIDENTIFIERCLASS GROUP = GPOLYGON OBJECT = GPOLYGONCONTAINER CLASS = "1" GROUP = GRING CLASS = "1" OBJECT = EXCLUSIONGRINGFLAG NUM_VAL = 1 CLASS = "1" VALUE = "N" END_OBJECT = EXCLUSIONGRINGFLAG END_GROUP = GRING



GROUP = GRINGPOINT CLASS = "1" OBJECT = GRINGPOINTLATITUDE NUM_VAL = 4 CLASS = "1" VALUE = (13.949384, 13.707439, 12.106640, 12.346948) END_OBJECT = GRINGPOINTLATITUDE OBJECT = GRINGPOINTLONGITUDE NUM_VAL = 4 CLASS = "1" VALUE = (-88.778611, -87.108558, -87.463277, -89.123166) END_OBJECT = GRINGPOINTLONGITUDE OBJECT = GRINGPOINTSEQUENCENO NUM_VAL = 4 CLASS = "1" VALUE = (0, 1, 2, 3) END_OBJECT = GRINGPOINTSEQUENCENO END_GROUP = GRINGPOINT END_OBJECT = GPOLYGONCONTAINER END_GROUP = GPOLYGON END_GROUP = HORIZONTALSPATIALDOMAINCONTAINER END_GROUP = SPATIALDOMAINCONTAINER GROUP = SINGLEDATETIME OBJECT = TIMEOFDAY NUM_VAL = 1 VALUE = "15:41:00.0" END_OBJECT = TIMEOFDAY OBJECT = CALENDARDATE NUM_VAL = 1 VALUE = "1990-02-06" END_OBJECT = CALENDARDATE END_GROUP = SINGLEDATETIME



GROUP = SENSORCHARACTERISTIC OBJECT = SENSORCHARACTERISTICCONTAINER CLASS = "1" OBJECT = PLATFORMSHORTNAME NUM_VAL = 1 CLASS = "1" VALUE = "Landsat 5" END_OBJECT = PLATFORMSHORTNAME OBJECT = INSTRUMENTSHORTNAME NUM_VAL = 1 CLASS = "1" VALUE = "Landsat 5" END_OBJECT = INSTRUMENTSHORTNAME OBJECT = SENSORSHORTNAME NUM_VAL = 1 CLASS = "1" VALUE = "TM" END_OBJECT = SENSORSHORTNAME END_OBJECT = SENSORCHARACTERISTICCONTAINER END_GROUP = SENSORCHARACTERISTIC GROUP = ADDITIONALATTRIBUTES OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "1" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "1" NUM_VAL = 1 VALUE = "SolarAzimuth" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "1" OBJECT = PARAMETERVALUE NUM_VAL = 1



CLASS = "1" VALUE = "127.02" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "2" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "2" NUM_VAL = 1 VALUE = "SolarElevation" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "2" OBJECT = PARAMETERVALUE NUM_VAL = 1 CLASS = "2" VALUE = "43.31" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "3" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "3" NUM_VAL = 1 VALUE = "MaxBlockRMSE" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "3" OBJECT = PARAMETERVALUE NUM_VAL = 1



CLASS = "3" VALUE = "50" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "4" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "4" NUM_VAL = 1 VALUE = "Band1GainSetting" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "4" OBJECT = PARAMETERVALUE NUM_VAL = 1 CLASS = "4" VALUE = "0.6024314" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "5" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "5" NUM_VAL = 1 VALUE = "Band1BiasSetting" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "5" OBJECT = PARAMETERVALUE NUM_VAL = 1



CLASS = "5" VALUE = "-1.5200000" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "6" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "6" NUM_VAL = 1 VALUE = "Band2GainSetting" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "6" OBJECT = PARAMETERVALUE NUM_VAL = 1 CLASS = "6" VALUE = "1.1750981" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "7" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "7" NUM_VAL = 1 VALUE = "Band2BiasSetting" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "7" OBJECT = PARAMETERVALUE NUM_VAL = 1



CLASS = "15" VALUE = "1.2377996" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "16" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "16" NUM_VAL = 1 VALUE = "Band7GainSetting" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "16" OBJECT = PARAMETERVALUE NUM_VAL = 1 CLASS = "16" VALUE = "0.0569804" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "17" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "17" NUM_VAL = 1 VALUE = "Band7BiasSetting" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "17" OBJECT = PARAMETERVALUE NUM_VAL = 1



CLASS = "17" VALUE = "-0.1500000" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "18" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "18" NUM_VAL = 1 VALUE = "Landsat4WRSPath" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "18" OBJECT = PARAMETERVALUE NUM_VAL = 1 CLASS = "18" VALUE = "018" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "19" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "19" NUM_VAL = 1 VALUE = "Landsat4WRSRow" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "19" OBJECT = PARAMETERVALUE NUM_VAL = 1



CLASS = "19" VALUE = "51" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "20" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "20" NUM_VAL = 1 VALUE = "NumberofRows" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "20" OBJECT = PARAMETERVALUE NUM_VAL = 1 CLASS = "20" VALUE = "7407" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "21" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "21" NUM_VAL = 1 VALUE = "NumberofColumns" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "21" OBJECT = PARAMETERVALUE NUM_VAL = 1



CLASS = "21" VALUE = "7802" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "22" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "22" NUM_VAL = 1 VALUE = "ReferencePixelOrigin" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "22" OBJECT = PARAMETERVALUE NUM_VAL = 1 CLASS = "22" VALUE = "Center of Reference Pixel" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "23" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "23" NUM_VAL = 1 VALUE = "ReferencePixelRowNumber" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "23" OBJECT = PARAMETERVALUE NUM_VAL = 1



CLASS = "23" VALUE = "1" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "24" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "24" NUM_VAL = 1 VALUE = "ReferencePixelColumnNumber" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "24" OBJECT = PARAMETERVALUE NUM_VAL = 1 CLASS = "24" VALUE = "1" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "25" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "25" NUM_VAL = 1 VALUE = "PixelIncrementUnit" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "25" OBJECT = PARAMETERVALUE NUM_VAL = 1



CLASS = "25" VALUE = "meters" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "26" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "26" NUM_VAL = 1 VALUE = "ReferencePixelNorthing" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "26" OBJECT = PARAMETERVALUE NUM_VAL = 1 CLASS = "26" VALUE = "1546267.50" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "27" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "27" NUM_VAL = 1 VALUE = "ReferencePixelEasting" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "27" OBJECT = PARAMETERVALUE NUM_VAL = 1



CLASS = "27" VALUE = "267216.00" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "28" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "28" NUM_VAL = 1 VALUE = "NorthingIncrement" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "28" OBJECT = PARAMETERVALUE NUM_VAL = 1 CLASS = "28" VALUE = "-28.5" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "29" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "29" NUM_VAL = 1 VALUE = "EastingIncrement" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "29" OBJECT = PARAMETERVALUE NUM_VAL = 1



CLASS = "29" VALUE = "28.5" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER OBJECT = ADDITIONALATTRIBUTESCONTAINER CLASS = "30" OBJECT = ADDITIONALATTRIBUTENAME CLASS = "30" NUM_VAL = 1 VALUE = "RawSceneProvider" END_OBJECT = ADDITIONALATTRIBUTENAME GROUP = INFORMATIONCONTENT CLASS = "30" OBJECT = PARAMETERVALUE NUM_VAL = 1 CLASS = "30" VALUE = "Not Available" END_OBJECT = PARAMETERVALUE END_GROUP = INFORMATIONCONTENT END_OBJECT = ADDITIONALATTRIBUTESCONTAINER END_GROUP = ADDITIONALATTRIBUTES END_GROUP = INVENTORYMETADATA END



ANEXO IV. METADATO DE IMAGEN LANDSAT 06 DE MAYO DE 2002

GROUP = METADATA_FILE PRODUCT_CREATION_TIME = 2002-12-20T20:31:30Z PRODUCT_FILE_SIZE = 681.4 STATION_ID = "EDC" GROUND_STATION = "PFS" GROUP = ORTHO_PRODUCT_METADATA SPACECRAFT_ID = "Landsat7" SENSOR_ID = "ETM+" ACQUISITION_DATE = 2002-05-06 WRS_PATH = 018 WRS_ROW = 051 SCENE_CENTER_LAT = +13.0263933 SCENE_CENTER_LON = -88.1131041 SCENE_UL_CORNER_LAT = +13.9636060 SCENE_UL_CORNER_LON = -88.7710710 SCENE_UR_CORNER_LAT = +13.7187828 SCENE_UR_CORNER_LON = -87.0959112 SCENE_LL_CORNER_LAT = +12.3301912 SCENE_LL_CORNER_LON = -89.1251271 SCENE_LR_CORNER_LAT = +12.0873169 SCENE_LR_CORNER_LON = -87.4595773 SCENE_UL_CORNER_MAPX = 308683.500 SCENE_UL_CORNER_MAPY = 1544415.000 SCENE_UR_CORNER_MAPX = 489630.000 SCENE_UR_CORNER_MAPY = 1516627.500 SCENE_LL_CORNER_MAPX = 268897.500 SCENE_LL_CORNER_MAPY = 1363981.500 SCENE_LR_CORNER_MAPX = 449986.500 SCENE_LR_CORNER_MAPY = 1336251.000 BAND1_FILE_NAME = "p018r051_7t20020506_z16_nn10.tif" BAND2_FILE_NAME = "p018r051_7t20020506_z16_nn20.tif" BAND3_FILE_NAME = "p018r051_7t20020506_z16_nn30.tif" BAND4_FILE_NAME = "p018r051_7t20020506_z16_nn40.tif" BAND5_FILE_NAME = "p018r051_7t20020506_z16_nn50.tif" BAND61_FILE_NAME = "p018r051_7k20020506_z16_nn61.tif" BAND62_FILE_NAME = "p018r051_7k20020506_z16_nn62.tif" BAND7_FILE_NAME = "p018r051_7t20020506_z16_nn70.tif" BAND8_FILE_NAME = "p018r051_7p20020506_z16_nn80.tif" GROUP = PROJECTION_PARAMETERS REFERENCE_DATUM = "WGS84" REFERENCE_ELLIPSOID = "WGS84" GRID_CELL_ORIGIN = "Center"



UL_GRID_LINE_NUMBER = 1 UL_GRID_SAMPLE_NUMBER = 1 GRID_INCREMENT_UNIT = "Meters" GRID_CELL_SIZE_PAN = 14.250 GRID_CELL_SIZE_THM = 57.000 GRID_CELL_SIZE_REF = 28.500 FALSE_NORTHING = 0 ORIENTATION = "NUP" RESAMPLING_OPTION = "NN" MAP_PROJECTION = "UTM" END_GROUP = PROJECTION_PARAMETERS GROUP = UTM_PARAMETERS ZONE_NUMBER = +16 END_GROUP = UTM_PARAMETERS SUN_AZIMUTH = 78.7757475 SUN_ELEVATION = 63.6386760 QA_PERCENT_MISSING_DATA = 66 CLOUD_COVER = 60 PRODUCT_SAMPLES_PAN = 17754 PRODUCT_LINES_PAN = 15318 PRODUCT_SAMPLES_REF = 8877 PRODUCT_LINES_REF = 7659 PRODUCT_SAMPLES_THM = 4439 PRODUCT_LINES_THM = 3830 OUTPUT_FORMAT = "GEOTIFF" END_GROUP = ORTHO_PRODUCT_METADATA GROUP = L1G_PRODUCT_METADATA BAND_COMBINATION = "123456678" CPF_FILE_NAME = "L7CPF20020401_20020630_03" GROUP = MIN_MAX_RADIANCE LMAX_BAND1 = 191.600 LMIN_BAND1 = -6.200 LMAX_BAND2 = 196.500 LMIN_BAND2 = -6.400 LMAX_BAND3 = 152.900 LMIN_BAND3 = -5.000 LMAX_BAND4 = 241.100 LMIN_BAND4 = -5.100 LMAX_BAND5 = 31.060 LMIN_BAND5 = -1.000 LMAX_BAND61 = 17.040 LMIN_BAND61 = 0.000 LMAX_BAND62 = 12.650 LMIN_BAND62 = 3.200



LMAX_BAND7 = 10.800 LMIN_BAND7 = -0.350 LMAX_BAND8 = 243.100 LMIN_BAND8 = -4.700 END_GROUP = MIN_MAX_RADIANCE GROUP = MIN_MAX_PIXEL_VALUE QCALMAX_BAND1 = 255.0 QCALMIN_BAND1 = 1.0 QCALMAX_BAND2 = 255.0 QCALMIN_BAND2 = 1.0 QCALMAX_BAND3 = 255.0 QCALMIN_BAND3 = 1.0 QCALMAX_BAND4 = 255.0 QCALMIN_BAND4 = 1.0 QCALMAX_BAND5 = 255.0 QCALMIN_BAND5 = 1.0 QCALMAX_BAND61 = 255.0 QCALMIN_BAND61 = 1.0 QCALMAX_BAND62 = 255.0 QCALMIN_BAND62 = 1.0 QCALMAX_BAND7 = 255.0 QCALMIN_BAND7 = 1.0 QCALMAX_BAND8 = 255.0 QCALMIN_BAND8 = 1.0 END_GROUP = MIN_MAX_PIXEL_VALUE GROUP = PRODUCT_PARAMETERS CORRECTION_METHOD_GAIN_BAND1 = "CPF" CORRECTION_METHOD_GAIN_BAND2 = "CPF" CORRECTION_METHOD_GAIN_BAND3 = "CPF" CORRECTION_METHOD_GAIN_BAND4 = "CPF" CORRECTION_METHOD_GAIN_BAND5 = "CPF" CORRECTION_METHOD_GAIN_BAND61 = "CPF" CORRECTION_METHOD_GAIN_BAND62 = "CPF" CORRECTION_METHOD_GAIN_BAND7 = "CPF" CORRECTION_METHOD_GAIN_BAND8 = "CPF" CORRECTION_METHOD_BIAS = "IC" BAND1_GAIN = "H" BAND2_GAIN = "H" BAND3_GAIN = "H" BAND4_GAIN = "L" BAND5_GAIN = "H" BAND6_GAIN1 = "L" BAND6_GAIN2 = "H" BAND7_GAIN = "H"



BAND8_GAIN = "L" BAND1_GAIN_CHANGE = "0" BAND2_GAIN_CHANGE = "0" BAND3_GAIN_CHANGE = "0" BAND4_GAIN_CHANGE = "0" BAND5_GAIN_CHANGE = "0" BAND6_GAIN_CHANGE1 = "0" BAND6_GAIN_CHANGE2 = "0" BAND7_GAIN_CHANGE = "0" BAND8_GAIN_CHANGE = "0" BAND1_SL_GAIN_CHANGE = "0" BAND2_SL_GAIN_CHANGE = "0" BAND3_SL_GAIN_CHANGE = "0" BAND4_SL_GAIN_CHANGE = "0" BAND5_SL_GAIN_CHANGE = "0" BAND6_SL_GAIN_CHANGE1 = "0" BAND6_SL_GAIN_CHANGE2 = "0" BAND7_SL_GAIN_CHANGE = "0" BAND8_SL_GAIN_CHANGE = "0" END_GROUP = PRODUCT_PARAMETERS GROUP = CORRECTIONS_APPLIED STRIPING_BAND1 = "NONE" STRIPING_BAND2 = "NONE" STRIPING_BAND3 = "NONE" STRIPING_BAND4 = "NONE" STRIPING_BAND5 = "NONE" STRIPING_BAND61 = "NONE" STRIPING_BAND62 = "NONE" STRIPING_BAND7 = "NONE" STRIPING_BAND8 = "NONE" BANDING = "N" COHERENT_NOISE = "N" MEMORY_EFFECT = "N" SCAN_CORRELATED_SHIFT = "N" INOPERABLE_DETECTORS = "N" DROPPED_LINES = Y END_GROUP = CORRECTIONS_APPLIED END_GROUP = L1G_PRODUCT_METADATA END_GROUP = METADATA_FILE END



ANEXO V. ÍNDICE PATH ROW DE IMÁGENES LANDSAT

Figura V.I. Path 18 Row 51, imagen del Valle de Choluteca

Cuadro de Gain y Bias para las imágenes Landsat.



Anexo VI. VERIFICACIÓN DE CAMPO, VALLE DE CHOLUTECA

Figura A. VI.a. Fotografías de Puntos de Control para la clasificación por

cobertura y uso del suelo.

Lugar:

Choluteca, carretera San Lorenzo – Choluteca

Coordenadas:

0467442 E

1479757 N

Cobertura:

Bosque seco microlatifoliado, con árboles y arbustos de las familias

Leguminosas, Burseraceas y Asteraceas.



Figura A. VI.b. Fotografías de Puntos de Control para la clasificación por

cobertura y uso del suelo.

Lugar:

Río Grande o Nacaome, carretera departamento de Valle.

Coordenadas:

0449745 E

14796485 N

Cobertura:

Bosque de galería con especies arbóreas de Sauce (Salix spp.),

Palmas y Leguminosas.



Figura A. VI.c. Fotografía de Punto de Control para la clasificación por cobertura y uso

del suelo.

Lugar:

Cultivos departamento de Valle

Coordenadas:

0449727 E

1497102 N

Cobertura:

Cultivos de Melón, al margen del Río Grande o Nacaome.



Figura A. VI.b. Fotografía de Punto de Control para la clasificación por cobertura y uso

del suelo.

Lugar:

Pastos en la Carretera Nacaome – San Lorenzo, Valle

Coordenadas:

0452147 E

1491443 N

Cobertura:

Área de pastoreo, especies predominantes: gramíneas y arboles de

Leguminosas para sombra de ganado.



Figura A. VI.e. Fotografía de Punto de Control para la clasificación por cobertura y uso

del suelo

Lugar:


Coordenadas:

0452147 E

1491443 N

Cobertura:

Área de pastoreo, especies predominantes: gramíneas y arboles de

Leguminosas para sombra de ganado.



Figura A. VI.d. Fotografía de Punto de Control para la clasificación por cobertura y uso

del suelo.(Bosque II).

Lugar:


Coordenadas:

0467442 E

1479757 N

Cobertura:

Bosque seco microlatifoliado, donde predominan árboles y arbustos

de las familias Leguminosas de hojas delgadas, algunas especies

caducifolias y espinosas.



ANEXO VII. MAPA DE CLASIFICACIÓN POR COBERTURA Y USO DEL

SUELO Y DINÁMICA DE CAMBIO, IMÁGENES 1990 – 2002.

Figura A.VII. Clasificación por Cobertura y Uso del Suelo y sus Cambios



ANEXO VIII. MAPA DE ALTERACIONES HIDROTERMALES

Figura A.VIII.a. Alteración Hidrotermal por Cocientes Dirigidos



Figura A.VIII. Alteraciones Hidrotermales, Método Crosta de 6 y 4 Bandas.



ANEXO IX. FUTURA LÍNEA DE INVESTIGACIÓN

Posible Cráter en la imagen del a´rea de estudio del valle de Choluteca

Tipos de cráter: Simples y Complejos.



Ejemplo de MDT de Cráter de Península de Yucatán

universidad nacional autonoma de honduras...

Documents