Análisis Temporal de Datos NDVI, de la Parroquia Chiguará, Mérida, Venezuela
DOI:
https://doi.org/10.30545/scientiamericana.2021.jul-dic.1Palabras clave:
Índice Espectral, Vegetación, QGISResumen
La utilización de imágenes satelitales se ha convertido en una herramienta de gran importancia en cuanto al análisis de dinámicas territoriales y con la existencia de varios satélites que permiten su uso de manera no comercial, se estimula la aplicación de estas imágenes en distintas áreas y campos de investigación. En el presente estudio se analizaron imágenes del Satélite Landsat 8 Sensor OLI, obtenidas del servidor web del Servicio Geológico de Estados Unidos, correspondientes a las fechas 16/6/2013, 1/2/2016 y 26/9/2021. Con la finalidad de conocer el Índice de Vegetación por Diferencia Normalizada (NDVI), para cada fecha, en ese espacio de tiempo, teniendo como objetivo la parroquia Chiguará, localizada en los Andes venezolanos del estado Mérida. Se utilizó el Software Libre QGIS Versión 3.16.4. A partir de los resultados obtenidos, corroboramos la importancia que tiene el uso de las herramientas de sensores remotos. Con respecto al índice NDVI obtenido para el área de estudio se observó, en términos generales, un avance de la vegetación densa, así como la disminución de los suelos expuestos, como datos importantes que pueden indicar la escasa presencia de actividades antrópicas en esa parroquia.
Descargas
Citas
Binder, J., Peres, L., & Santos, R. (2009). A utilização da base de dados GIMSS de NDVI no âmbito da DSA. In: Simpósio Brasileiro de Sensoriamento Remoto, 2579-2586.
Braz, A., Águas, T., & Garcia, P. (2015). Análise de índices de vegetação NDVI e SAVI e índice de área folear (IAF) para a comparação da cobertura vegetal na bacia hidrográfica do córrego Ribeirãozinho, município de Selvíria MS. Revista Percurso NEMO, 7(2), 05-22. https://doi.org/10.4025/revpercurso.v7i2.28758
Camargo, F., Almeida, C., Costa, G., Feitosa, R., Oliveira., D., Heipke, C., & Ferreira, R. (2012). An open source object-based framework to extract landform classes. Expert Systems with Applications, 39(1), 541-554. https://doi.org/10.1016/j.eswa.2011.07.044
Chouhan, R., & Rao, N. (2011). Vegetation detection in multispec¬tral remote sensing images: Protective role-analysis of vegetation in 2004 indian ocean tsunami. Geo-Informa¬tion for disaster management, Turkey.
Fernandes, R., Nunes, G., & Silva, T. (2012). Classificação orientada a objetos aplicada na caracterização da cobertura da terra no Araguaia. Pesquisa Agropecuária. Brasileira, 47(9), 1251-1260. https://doi.org/10.1590/S0100-204X2012000900010
Hoppe, P., & Ulbricht, K. (1978). Application of digital imagine processing module of Landsat scenes for their improved and geological evolution. In: Earth observation from space and management of planetary resource. Paris, European Space Agency, 237-241.
Jacintho, L. (2013). Geoprocessamento e sensoriamento remoto como ferramentas na gestão ambiental de unidades de conservação: o caso da área de proteção ambiental (PA) do Capivari-monos - Dissertação de Mestrado. São Paulo: Universidade de São Paulo.
Majumber, B. (2010). Land use and land cover change detection study at Sukinda Valley using remote sensing and GIS, master’s thesis, National Institute of Technology Rourkela.
Nunes, F., & Roig, H. (2014). Análise e Mapeamento do Uso e Ocupação do Solo da Bacia do Alto do Descoberto. DF/GO por meio de classificação automática baseada em regras e lógica nebulosa. Revista Árvore, 39(1), 25-36. https://doi.org/10.1590/0100-67622015000100003
Oliveira, T., Machado, C., Silva, J., Galvíncio, J., Pimentel, R., & Silva, B. (2010). Índice de umidade (NDWI) e análise espaço-temporal do albedo da superfície da bacia hidrográfica do rio Moxotó-PE. Revista Brasileira de Geografia Física, (3), 55-69.
Pinzón, J. E., & Tucker, C. (2014). A non-stationary 1981-2012 AVHRR NDVI3g time series. Remote Sensing, 6929-6960. https://doi.org/10.3390/rs6086929
Resolen, V., Resende, T., Borges, E., Frare, C., & Machado, H. (2012). Impactos da substituição da vegetação original do cerrado brasileiro em sistemas agrícolas. Investigaciones Geográficas, Boletín del Instituto de Geografia, UNAM, (79), 39-47.
Rouse, J., Haas, R., Schell, J., & Deering, D. (1973). Monitoring vegetation systems in the great plains with ERTS. In Earth Resources Tecnology Satellite- 1 Symposium Proceedings. Washington, (1), 309-317.
Santiago, M., Silva, H., Galvincio, J., & Oliveira, T. (2009). Análise da cobertura vegetal através dos índices de vegetação (NDVI, SAVI E IAF) no entorno da barragem do Botafogo - PE. In: Simpósio Brasileiro de Sensoriamento Remoto, 3003-3009.
Small, I., Van der Meer, J., & Upshur, R. (2001). Acting on an environmental health disaster: The case of the Aral Sea. Environmental Health Perspectives, (109), 547-549. https://doi.org/10.1289/ehp.01109547
Sousa, R., Barbosa, M., Morais Neto, J., Meneses, L., & Gadelha, A. (2008). Vulnerabilidades e impactos socioeconômicos e ambientais em municípios do Cariri paraibano. Revista Engenharia Ambiental, 5(3), 63-78.
Sothe, C., Almeida, C., Liesenberg, V., & Schimalski, M. (2017). Evaluating Sentinel-2 and Landsat-8 Data to Map Su¬cessional Forest Stages in a Subtropical Forest in Sou¬thern Brazil. Remote Sensing, 9(8), 838-859. https://doi.org/10.3390/rs9080838
Zanzarini, F. (2013). Correlação espacial do índice de vegetação (NDVI) de imagem Landsat/ETM+ com atributos do solo. Revista Brasileira de Engenharia Agrícola e Ambiental, 17(6), 608-614. https://doi.org/10.1590/S1415-43662013000600006
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Arol Josue Rojas, Daniel Andrés Hernández Ramírez
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Todo el contenido de esta revista, está bajo 