Mapeo dinámico de humedales de páramo (Bofedales) utilizando water cloud model (WCM) a través de imágenes radar en banda C y polarizaciones VH Y VV del satélite sentinel – 1"
Los humedales de montaña, conocidos como bofedales, son ecosistemas clave para la gestión hídrica debido a su capacidad de regulación y aporte a los caudales base. A nivel global, estos ecosistemas representan activos ecológicos altamente vulnerables. Este estudio se centra en 401,531 ha localizadas...
Bewaard in:
| Hoofdauteur: | |
|---|---|
| Formaat: | masterThesis |
| Taal: | spa |
| Gepubliceerd in: |
2025
|
| Onderwerpen: | |
| Online toegang: | http://bibdigital.epn.edu.ec/handle/15000/26584 |
| Tags: |
Voeg label toe
Geen labels, Wees de eerste die dit record labelt!
|
Voeg label toe | Samenvatting: | Los humedales de montaña, conocidos como bofedales, son ecosistemas clave para la gestión hídrica debido a su capacidad de regulación y aporte a los caudales base. A nivel global, estos ecosistemas representan activos ecológicos altamente vulnerables. Este estudio se centra en 401,531 ha localizadas en el norte de Ecuador, abarcando las provincias de Pichincha, Napo y Cotopaxi, y tiene como objetivo desarrollar el mapeo de humedales utilizando información óptica (Planet), datos de radar de apertura sintética (SAR) de Sentinel-1, imágenes ópticas de Sentinel-2 y estimaciones de la humedad superficial del suelo (SSM) mediante la aplicación del modelo Water Cloud Model (WCM). Adicionalmente, se llevó a cabo un análisis dinámico de la variabilidad anual y mensual del área de humedales. El mapeo óptico fue ejecutado mediante una clasificación multiclase de un mosaico óptico en el año 2022. Por otro lado, el mapeo radar se ejecutó en la plataforma Google Earth Engine (GEE) utilizando una clasificación supervisada con el algoritmo Random Forest, considerando como las bandas de Sentinel-1 (VH, VV y VVVH_ratio), índices de vegetación y agua (NDVI y NDWI) derivados de Sentinel-2, así como descriptores topográficos (índice topográfico y pendiente) calculados a partir de un modelo digital de terreno. El mapeo a partir de la SSM se realizó mediante la calibración del WCM, utilizando mediciones in situ de SSM y estimando las constantes de calibración a través del método de regresión lineal en Python, tras lo cual el mapeo fue implementado en GEE. Los resultados del mapeo mostraron que el uso exclusivo de datos ópticos (Planet, 2022) no permite realizar análisis dinámicos, determinando una extensión de 18,919 ha para el año 2022, equivalente al 4.7 % de ocupación. En contraste, la combinación de datos ópticos y radar permitió un análisis dinámico, identificando el 2023 como el año de mayor ocupación con 28,972 ha (7.2 %), siendo abril el mes de mayor cobertura (6.7 %). El análisis basado en SSM y el modelo WCM determinó una ocupación mensual más estable, sin embargo se ha determinado que esta técnica tiende a subestimar la extensión de los humedales. Temporalmente, se identificaron patrones de ocupación influenciados por la acumulación de precipitaciones. A pesar de una disminución promedio de la precipitación de 12.97 % (17 mm) entre marzo y abril, los humedales alcanzaron su mayor extensión en abril con el 6.7 % (27,041 ha) de ocupación debido a la saturación previa acumulada durante meses de alta precipitación. Durante el periodo seco (mayo-septiembre), las áreas de humedales disminuyeron, excepto en agosto, cuando se observó un incremento relacionado con las lluvias en la cuenca amazónica. |
|---|