Determinación con imágenes satelitales del índice de vegetación de diferencia normalizada del valle de Pampas-Tayacaja

Hipólito Carbajal-Morán, Fermín Onofre-Enriquez

Resumen


El trabajo tuvo como objetivo determinar el índice de vegetación de diferencia normalizada (NDVI) del valle de Pampas-Tayacaja, ubicado en los andes centrales del Perú, en épocas de estiaje. La investigación fue del tipo aplicado a un nivel descriptivo, con 30 muestras tomadas en el periodo del año 1991 a 2020 en los meses de agosto, los mapas considerados en el estudio fueron provenientes de los satélites LandSat y filtrados teniendo en cuenta la nubosidad menor al 10 %, procurando que el área de estudio esté totalmente despejada. El NDVI fue calculado de los mapas rojos e infrarrojo cercano obtenidos usando Quantum GIS (QGIS). El NDVI  mínimo obtenido fue de  -0.1765; esto representa a las aguas del río Opamayo que atraviesa el valle en estudio, el valor máximo obtenido fue 0.7853, que representa a las zonas con vegetación formado por árboles de eucalipto existentes en el valle. Se determinó que los satélites LandSat 5, LandSat 7 y LandSat 8 proporcionan imágenes de bandas espectrales que permitieron determinar el NDVI del valle en un periodo de 30 años. Como resultado se obtuvo que el índice de vegetación de diferencia normalizada del valle de Pampas-Tayacaja es mayor a 0.20 y menor a 0.23; lo cual representa escases de vegetación de tallo mediano alto, también se encontró que la pendiente de la línea de tendencia a lo largo del periodo de tiempo estudiado es ligeramente negativa (-0.0005); este dato indica que la deforestación en el lugar estudiado es progresiva.


Palabras clave


Vegetación; satélites; verdor; ráster; rojo e infrarrojo.

Texto completo:

PDF HTML

Referencias


Agency European Space. (2013). Los índices de vegetación. www.esa.int/SPECIALS/Eduspace_Global.../SEMJH5TWT1H_2.html

Akbari, H., & Konopacki, S. (2005). Calculating energy-saving potentials of heat-island reduction strategies. Energy policy, 33(6), 721–756. https://doi.org/10.1016/j.enpol.2003.10.001

Alonso, D. (2015). Qué es el NDVI y cómo formularlo? http://mappinggis.com/2015/06/ndvi-que-es-y-como-calcularlo-con-saga-desde-qgis/

Asrar, G., Myneni, R., Li, Y., & Kanemasu, E. T. (1989). Measuring and modeling spectral characteristics of a tallgrass prairie. Remote Sens. Environ. 27, 143–155. https://doi.org/10.1016/0034-4257(89)90014-X

Carbajal, G. I. (2017). Estimación del índice de sequía a partir de datos imágenes NDVI y LST del sensor MODIS y TRMM para las regiones de Lambayeque, Piura y Cajamarca–Perú, durante el periodo 2000–2013.

Chuvieco, E. (2008). Teledetección ambiental, la observación de la tierra desde el espacio. (Ariel (ed.); Segunda).

García Haro, A. (2019). Procedimiento de cálculo de la Land Surface Temperture (LST) y Normalized Difference Vegetation Index (NDVI) con imágenes Landsat-8 en ArcGIS.

Gascon, M., Cirach, M., Martínez, D., Dadvand, P., Valentín, A., Plasència, A., & Nieuwenhuijsen, M. J. (2016). Normalized difference vegetation index (NDVI) as a marker of surrounding greenness in epidemiological studies: The case of Barcelona city. Urban Forestry & Urban Greening, 19, 88–94. https://doi.org/10.1016/j.ufug.2016.07.001

GOREH. (2007). Estudio de diagnóstico y zonificación de la provincia de Tayacaja. Journal of Chemical Information and Modeling, 246. https://doi.org/10.1017/CBO9781107415324.004

Hasyim, A. W., & Hernawan, F. P. (2017). Distribution of green open space in Malang City based on multispectral data. E&ES, 70(1), 12001. https://doi.org/10.1088/1755-1315/70/1/012001

Iizuka, K., & Tateishi, R. (2015). Estimation of CO2 sequestration by the forests in Japan by discriminating precise tree age category using remote sensing techniques. Remote Sensing, 7(11), 15082–15113. https://doi.org/10.3390/rs71115082

Mamani, R. M. (2020). Índices de área verde y cobertura vegetal de la ciudad de La Paz. Revista IIGEO, 1(11), 60–75.

Mudede, M. F., Newete, S. W., Abutaleb, K., & Nkongolo, N. (2020). Monitoring the urban environment quality in the city of Johannesburg using remote sensing data. Journal of African Earth Sciences, 171, 103969. https://doi.org/10.1016/j.jafrearsci.2020.103969

Pérez, L. (2014). Identificación de vegetación en imágenes satelitales. Instituto Politécnico Nacional.

Richards, J. A. (2013). Remote Sensing Digital Image Analysis: An Introduction (Springer (ed.); 5a ed.). https://doi.org/10.1007/978-3-642-30062-2

Robinson, N. P., Allred, B. W., Jones, M. O., Moreno, A., Kimball, J. S., Naugle, D. E., Erickson, T. A., & Richardson, A. D. (2017). A dynamic Landsat derived normalized difference vegetation index (NDVI) product for the conterminous United States. Remote Sensing, 9(8), 863. https://doi.org/10.3390/rs9080863

Rufasto, E. M., Medina, C., Becerra, M. O., Morales, S. J., Barón, H. E., & Mejía, D. E. (2018). Estimación del rendimiento del cultivo de arroz con imágenes de satélite, datos insitu, valle Chancay-Lambayeque-Perú. Revista Científica, 8(1).

Santana, L. M., Escobar, L. A., & Capote, P. A. (2010). Estimación de un índice de calidad ambiental urbano, a partir de imágenes de satélite. Revista de geografía Norte Grande, 95(45), 77–95. https://doi.org/10.4067/S0718-34022010000100006

Schmidt, C., & McCullum, A. (2016). La creación y el uso del Índice normalizado de diferencia de vegetación (Normalized Difference Vegetation Index o NDVI) a partir de imágenes satelitales. National Aeronautics and Space Administration, 22. https://arset.gsfc.nasa.gov/sites/default/files/land/webinars/Advanced_NDVI/SPAN ARSET_Advanced_NDVI_Week1_Final.pdf

Team, Q. D. (2016). QGIS geographic information system. Open source geospatial foundation project.

Tudare, J. L. M., & Trejo, F. J. P. (2016). Variabilidad de la Vegetación con el Índice de Diferencia Normalizada (NDVI) en Latinoamérica. Novum Scientiarum, 4.

USGS. (2020, junio 2). EarthExplorer. https://earthexplorer.usgs.gov/

Valor, E., & Caselles, V. (1996). Mapping land surface emissivity from NDVI: Application to European, African and South American areas. Remote sensing of environment, 57, 167–169. https://doi.org/10.1016/0034-4257(96)00039-9

Weng, Q., Lu, D., & Schubring, J. (2004). Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies. Remote Sensing of Environment, 89(4), 467–483. https://doi.org/10.1016/j.rse.2003.11.005




DOI: https://doi.org/10.23857/pc.v5i1.1893

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/