Implementación de una metodología para la identificación de bofedales usando datos imágenes satelitales Landsat - caso estudio: bofedal Chunal, cuenca alta del río Chillón

Descripción del Articulo

Busca detectar los bofedales a más de 3800 msnm, de la cuenca del río Chillón (CRCH) para tal fin inicialmente se crearon dos métodos previas que sirvieron de antecedentes para generar el método Índice de Bofedal (IDB). Inicialmente se desarrollaron trabajos de campo con el objetivo de conocer y sel...

Descripción completa

Detalles Bibliográficos
Autor: Garcia Dulanto, Jorge Luis
Formato: tesis de maestría
Fecha de Publicación:2018
Institución:Universidad Nacional Mayor de San Marcos
Repositorio:UNMSM-Tesis
Lenguaje:español
OAI Identifier:oai:cybertesis.unmsm.edu.pe:20.500.12672/10446
Enlace del recurso:https://hdl.handle.net/20.500.12672/10446
Nivel de acceso:acceso abierto
Materia:Tierras húmedas - Perú
Satélites artificiales
Sensores remotos
https://purl.org/pe-repo/ocde/ford#1.05.04
id UNMS_5e8b78941cc4afb005bb3907605d5670
oai_identifier_str oai:cybertesis.unmsm.edu.pe:20.500.12672/10446
network_acronym_str UNMS
network_name_str UNMSM-Tesis
repository_id_str 410
dc.title.none.fl_str_mv Implementación de una metodología para la identificación de bofedales usando datos imágenes satelitales Landsat - caso estudio: bofedal Chunal, cuenca alta del río Chillón
title Implementación de una metodología para la identificación de bofedales usando datos imágenes satelitales Landsat - caso estudio: bofedal Chunal, cuenca alta del río Chillón
spellingShingle Implementación de una metodología para la identificación de bofedales usando datos imágenes satelitales Landsat - caso estudio: bofedal Chunal, cuenca alta del río Chillón
Garcia Dulanto, Jorge Luis
Tierras húmedas - Perú
Satélites artificiales
Sensores remotos
https://purl.org/pe-repo/ocde/ford#1.05.04
title_short Implementación de una metodología para la identificación de bofedales usando datos imágenes satelitales Landsat - caso estudio: bofedal Chunal, cuenca alta del río Chillón
title_full Implementación de una metodología para la identificación de bofedales usando datos imágenes satelitales Landsat - caso estudio: bofedal Chunal, cuenca alta del río Chillón
title_fullStr Implementación de una metodología para la identificación de bofedales usando datos imágenes satelitales Landsat - caso estudio: bofedal Chunal, cuenca alta del río Chillón
title_full_unstemmed Implementación de una metodología para la identificación de bofedales usando datos imágenes satelitales Landsat - caso estudio: bofedal Chunal, cuenca alta del río Chillón
title_sort Implementación de una metodología para la identificación de bofedales usando datos imágenes satelitales Landsat - caso estudio: bofedal Chunal, cuenca alta del río Chillón
author Garcia Dulanto, Jorge Luis
author_facet Garcia Dulanto, Jorge Luis
author_role author
dc.contributor.advisor.fl_str_mv Leo Willems, Bram
dc.contributor.author.fl_str_mv Garcia Dulanto, Jorge Luis
dc.subject.none.fl_str_mv Tierras húmedas - Perú
Satélites artificiales
Sensores remotos
topic Tierras húmedas - Perú
Satélites artificiales
Sensores remotos
https://purl.org/pe-repo/ocde/ford#1.05.04
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.05.04
description Busca detectar los bofedales a más de 3800 msnm, de la cuenca del río Chillón (CRCH) para tal fin inicialmente se crearon dos métodos previas que sirvieron de antecedentes para generar el método Índice de Bofedal (IDB). Inicialmente se desarrollaron trabajos de campo con el objetivo de conocer y seleccionar algunos bofedales y elegir un bofedal piloto (BP), posteriormente estos bofedales fueron tomados como referencia para la validación de los mapas de bofedales generados. Para lograr los objetivos de la investigación se usó la herramienta de la teledetección. Se procesaron datos imágenes de los sensores TM, ETM+ y OLI que están bordo de los satélites Landsat, de los año 1986-2015, 30 años, una imagen por año, 30 imágenes. Inicialmente se trabajó la imagen correspondiente al año 2014, todos los mapas presentados en este trabajo son principalmente del año 2014. El primer método previo aplicado para identificación de bofedales (denominada Método 1 método “endmember”s) está basado en la firma espectral de los bofedales, que es una de las características de todos los objetos y única para cada objeto, esta se produce una vez que la energía del Sol incide sobre el objeto, en base a esta característica es que se procedió a seleccionar una firma espectralmente pura (enmember) para el bofedal, “endmember” roca y “endmember” suelo, con estos “endmember”s se realizó la clasificación usando la técnica Linear Spectral Unmixing (LSU), luego se determinó las áreas de los bofedales, validadas por los trabajos de campo, de esta manera se obtuvo los perímetros-GIS de bofedales (vector de bofedales). El segundo método previo aplicado para la identificación de bofedales (denominada método 2 método Índices) fue realizada basándose en propiedades biofísicas de las bofedales, índices de vegetación NDVI (IDV), índice de agua NDWI (IDA), índice de infrarrojos NDII (IDI) e índice de sequía NDDI (IDS). Esto permitió visualizar el posible recorrido del agua según el relieve y las pendientes propias de la geografía de la cuenca. Posteriormente, tres índices fueron visualizados, de esta forma se zonificó los bofedales reconocidos en los trabajos de campo, luego para zonificar todos los bofedales, sobre esta visualización en Red, Green, Blue, para IDI, IDV, IDA. Luego se realizó una clasificación supervisada (CLS) mediante el clasificador Paralelepípedos, presente en el software de procesamiento de imágenes ENVI. En los trabajo de campo se observó que una de las características de los bofedales es que se encuentran en terrenos de poca pendiente 0 oC a 15 oC, luego se obtuvo también el perímetros-GIS de bofedales según este método. Para el método final (método 3 Índice de bofedal (IDB)) se utilizó el perímetros-GIS de bofedales, con él se generó los índices biofísicos de bofedales IDV, IDA, IDI. Finalmente haciendo correlaciones entre el porcentaje de fracción de “endmember” bofedal y los índices IDV, IDA, IDI de bofedales, y en base a estas correlaciones se propuso un Índice de bofedal (IDB) para generar mapas de bofedales; esta metodología sólo utiliza tres bandas. Luego se aplicó el IDB para cada año de 1986-2015, se obtuvo así un perimetros-GIS de bofedales para cada año y se generaron los mapas de distribución de las áreas de los bofedales, y conociendo las áreas y con datos de trabajo de campo se pudo estimar un cálculo del volumen potencial de almacenamiento de agua (VPAA). También se generó el IDV, IDA y IDI solo de bofedales, luego se obtuvo el promedio de los valores para el IDV, IDA y IDI de los bofedales para cada año todos estos resultados se compararon con la precipitación y fenómenos extremos como El Niño, La Niña, Índice C, Índice E, etc. De los resultados obtenidos se puede indicar el índice que es más sensible para la zonificación de bofedales es el IDI, con el rango de valor mínimo 0.002, y como máximo valor 0.478.
publishDate 2018
dc.date.accessioned.none.fl_str_mv 2019-05-30T20:30:24Z
dc.date.available.none.fl_str_mv 2019-05-30T20:30:24Z
dc.date.issued.fl_str_mv 2018
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.citation.none.fl_str_mv Garcia, J. (2018). Implementación de una metodología para la identificación de bofedales usando datos imágenes satelitales Landsat - caso estudio: bofedal Chunal, cuenca alta del río Chillón. [Tesis de maestría, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Físicas, Unidad de Posgrado]. Repositorio institucional Cybertesis UNMSM.
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12672/10446
identifier_str_mv Garcia, J. (2018). Implementación de una metodología para la identificación de bofedales usando datos imágenes satelitales Landsat - caso estudio: bofedal Chunal, cuenca alta del río Chillón. [Tesis de maestría, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Físicas, Unidad de Posgrado]. Repositorio institucional Cybertesis UNMSM.
url https://hdl.handle.net/20.500.12672/10446
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.source.none.fl_str_mv Universidad Nacional Mayor de San Marcos
Repositorio de Tesis - UNMSM
reponame:UNMSM-Tesis
instname:Universidad Nacional Mayor de San Marcos
instacron:UNMSM
instname_str Universidad Nacional Mayor de San Marcos
instacron_str UNMSM
institution UNMSM
reponame_str UNMSM-Tesis
collection UNMSM-Tesis
bitstream.url.fl_str_mv https://cybertesis.unmsm.edu.pe/bitstreams/ac167d6b-19d7-444e-9eae-dc3eeb052736/download
https://cybertesis.unmsm.edu.pe/bitstreams/264a1c80-3eb2-40b0-8591-205d6bc8d3e5/download
https://cybertesis.unmsm.edu.pe/bitstreams/0317c1a2-6a6a-4dfb-8e24-5fc73ceb6b5b/download
https://cybertesis.unmsm.edu.pe/bitstreams/4dc14df8-d81a-4716-ac95-73ebfc9a1a48/download
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
70e5fc2a24f67594b556b7633db40823
d641ed35e85860dd48d6cba4070f15be
543e9d2f03f2e30dee9c3eaf9fc811f5
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Cybertesis UNMSM
repository.mail.fl_str_mv cybertesis@unmsm.edu.pe
_version_ 1841544234139648000
spelling Leo Willems, BramGarcia Dulanto, Jorge Luis2019-05-30T20:30:24Z2019-05-30T20:30:24Z2018Garcia, J. (2018). Implementación de una metodología para la identificación de bofedales usando datos imágenes satelitales Landsat - caso estudio: bofedal Chunal, cuenca alta del río Chillón. [Tesis de maestría, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Físicas, Unidad de Posgrado]. Repositorio institucional Cybertesis UNMSM.https://hdl.handle.net/20.500.12672/10446Busca detectar los bofedales a más de 3800 msnm, de la cuenca del río Chillón (CRCH) para tal fin inicialmente se crearon dos métodos previas que sirvieron de antecedentes para generar el método Índice de Bofedal (IDB). Inicialmente se desarrollaron trabajos de campo con el objetivo de conocer y seleccionar algunos bofedales y elegir un bofedal piloto (BP), posteriormente estos bofedales fueron tomados como referencia para la validación de los mapas de bofedales generados. Para lograr los objetivos de la investigación se usó la herramienta de la teledetección. Se procesaron datos imágenes de los sensores TM, ETM+ y OLI que están bordo de los satélites Landsat, de los año 1986-2015, 30 años, una imagen por año, 30 imágenes. Inicialmente se trabajó la imagen correspondiente al año 2014, todos los mapas presentados en este trabajo son principalmente del año 2014. El primer método previo aplicado para identificación de bofedales (denominada Método 1 método “endmember”s) está basado en la firma espectral de los bofedales, que es una de las características de todos los objetos y única para cada objeto, esta se produce una vez que la energía del Sol incide sobre el objeto, en base a esta característica es que se procedió a seleccionar una firma espectralmente pura (enmember) para el bofedal, “endmember” roca y “endmember” suelo, con estos “endmember”s se realizó la clasificación usando la técnica Linear Spectral Unmixing (LSU), luego se determinó las áreas de los bofedales, validadas por los trabajos de campo, de esta manera se obtuvo los perímetros-GIS de bofedales (vector de bofedales). El segundo método previo aplicado para la identificación de bofedales (denominada método 2 método Índices) fue realizada basándose en propiedades biofísicas de las bofedales, índices de vegetación NDVI (IDV), índice de agua NDWI (IDA), índice de infrarrojos NDII (IDI) e índice de sequía NDDI (IDS). Esto permitió visualizar el posible recorrido del agua según el relieve y las pendientes propias de la geografía de la cuenca. Posteriormente, tres índices fueron visualizados, de esta forma se zonificó los bofedales reconocidos en los trabajos de campo, luego para zonificar todos los bofedales, sobre esta visualización en Red, Green, Blue, para IDI, IDV, IDA. Luego se realizó una clasificación supervisada (CLS) mediante el clasificador Paralelepípedos, presente en el software de procesamiento de imágenes ENVI. En los trabajo de campo se observó que una de las características de los bofedales es que se encuentran en terrenos de poca pendiente 0 oC a 15 oC, luego se obtuvo también el perímetros-GIS de bofedales según este método. Para el método final (método 3 Índice de bofedal (IDB)) se utilizó el perímetros-GIS de bofedales, con él se generó los índices biofísicos de bofedales IDV, IDA, IDI. Finalmente haciendo correlaciones entre el porcentaje de fracción de “endmember” bofedal y los índices IDV, IDA, IDI de bofedales, y en base a estas correlaciones se propuso un Índice de bofedal (IDB) para generar mapas de bofedales; esta metodología sólo utiliza tres bandas. Luego se aplicó el IDB para cada año de 1986-2015, se obtuvo así un perimetros-GIS de bofedales para cada año y se generaron los mapas de distribución de las áreas de los bofedales, y conociendo las áreas y con datos de trabajo de campo se pudo estimar un cálculo del volumen potencial de almacenamiento de agua (VPAA). También se generó el IDV, IDA y IDI solo de bofedales, luego se obtuvo el promedio de los valores para el IDV, IDA y IDI de los bofedales para cada año todos estos resultados se compararon con la precipitación y fenómenos extremos como El Niño, La Niña, Índice C, Índice E, etc. De los resultados obtenidos se puede indicar el índice que es más sensible para la zonificación de bofedales es el IDI, con el rango de valor mínimo 0.002, y como máximo valor 0.478.TesisspaUniversidad Nacional Mayor de San MarcosPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Universidad Nacional Mayor de San MarcosRepositorio de Tesis - UNMSMreponame:UNMSM-Tesisinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMTierras húmedas - PerúSatélites artificialesSensores remotoshttps://purl.org/pe-repo/ocde/ford#1.05.04Implementación de una metodología para la identificación de bofedales usando datos imágenes satelitales Landsat - caso estudio: bofedal Chunal, cuenca alta del río Chillóninfo:eu-repo/semantics/masterThesisSUNEDUMagíster en Física con mención en GeofísicaUniversidad Nacional Mayor de San Marcos. Facultad de Ciencias Físicas. Unidad de PosgradoMaestriaFísica48373712https://orcid.org/0000-0002-0666-4655Aguirre Céspedes, César AugustoOcola Aquise, Leonidas CeferinoMendoza Nolorbe, Juan NeilFashé Raymundo, OctavioEspinoza Villar, Raúl Arnaldohttps://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesis2582576508809608257609921035186832408522LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://cybertesis.unmsm.edu.pe/bitstreams/ac167d6b-19d7-444e-9eae-dc3eeb052736/download8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALGarcia_dj.pdfGarcia_dj.pdfapplication/pdf20503517https://cybertesis.unmsm.edu.pe/bitstreams/264a1c80-3eb2-40b0-8591-205d6bc8d3e5/download70e5fc2a24f67594b556b7633db40823MD53TEXTGarcia_dj.pdf.txtGarcia_dj.pdf.txtExtracted texttext/plain101787https://cybertesis.unmsm.edu.pe/bitstreams/0317c1a2-6a6a-4dfb-8e24-5fc73ceb6b5b/downloadd641ed35e85860dd48d6cba4070f15beMD56THUMBNAILGarcia_dj.pdf.jpgGarcia_dj.pdf.jpgGenerated Thumbnailimage/jpeg14883https://cybertesis.unmsm.edu.pe/bitstreams/4dc14df8-d81a-4716-ac95-73ebfc9a1a48/download543e9d2f03f2e30dee9c3eaf9fc811f5MD5720.500.12672/10446oai:cybertesis.unmsm.edu.pe:20.500.12672/104462024-08-15 23:10:28.356https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://cybertesis.unmsm.edu.peCybertesis UNMSMcybertesis@unmsm.edu.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
score 12.84232
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).