Estudio de mapas ALOS, Cusco · de drenaje de las cuencas del Vilcabamba y el medio Apurímac. El área de estudio del PRAA se centra en la subcuenca del río Santa Teresa, que forma

Estudio de mapas ALOS, Cusco

03Proyecto PRAA

Estudio de mapas ALOS, Cusco

04 Estudio de mapas ALOS, Cusco

Autores : Dr. Juan Julio Ordoñez Gálvez , Ing. Oscar Felipe Obando, Ing. Fernando Arboleda OrozcoIng. Jorge Luis Carranza Valle, Ing. Héctor Alberto Vera Arévalo, Ing. Ricardo Villasis CuestasIng. Cesar Moreno Guzmán, Bach. Miriam Rocio Casaverde Riveros – SENAMHI

Consultores : Dr. Wilson Suarez Alayza, Ing. Karina Morales Avalos, Bach. Tannia Sanchez

Revisión : Dr. Juan Julio Ordoñez Gálvez, Bach. Miriam Rocio Casaverde Riveros

Año : 2011

Edición : SENAMHI

Ministerio del Ambiente – MINAMAv. Javier Prado Oeste 1440, San Isidro, Lima.Teléfono (51-1) 611600http://www.minam.gob.pe

Servicio Nacional de Meteorología e Hidrología del Perú SENAMHIJr. Cahuide 785 Jesús MaríaTeléfonos: (51 – 1) 6141414 (central) y 6141408 (CPN)http://www.senamhi.gob.pe

Diseño : Fernando Zuzunaga Núñez

Primera edición : Mayo 2013

El contenido de este documento puede ser reproducido mencionando la fuente del SENAMHI.

La presente publicación forma parte del Proyecto “Adaptación al Impacto del Retroceso Acelerado de Glaciares en los Andes Tropicales – PRAA”, implementado en Bolivia, Colombia, Ecuador y Perú con financiamiento del Fondo para el Medio Ambiente Mundial (GEF) y fondos PHRD del gobierno japonés, a través del Banco Mundial, administrado por la Secretaría General de la Comunidad Andina y liderado en el Perú por el Ministerio del Ambiente (MINAM).

05Proyecto PRAA

Índice

Capítulo 1. 07 PERCEPCIÓN REMOTA 07 1.1 Metodología 08 1.2 Resultados 17 1.3 Análisis de resultados 22 1.4 Conclusiones 26Referencias 29


07Proyecto PRAA

Capítulo 1.PERCEPCIÓN REMOTA

Pese a que nuestro país es causante de solo el 0,4% de las emisiones mundiales de gases de efecto invernadero, los impactos que el calentamiento genera en el territorio son muy severos, en especial en la preocupante reducción de nevados, el aumento de sequías y heladas, entre otros, los cuales, según modelos climáticos, tenderán a intensificarse y ser más frecuentes. El Perú que posee 20 cordilleras con presencia de glaciares, se ha perdido en los últimos 35 años el 22% de superficies glaciares. Esto ha generado una pérdida de más de 12 000 MMC de agua, lo que supera el consumo de agua de Lima, durante más de 10 años.

Es por ello que la aplicación de los Sistemas de Información Geográfica, y el tratamiento de las imágenes de satélites son herramientas fundamentales en la toma de decisiones para el manejo sustentable de los recursos naturales, ya que permite la identificación de tipos de coberturas asociadas a la naturaleza de los cuerpos de agua.

El objetivo de este trabajo es determinar y estudiar con la ayuda de imágenes satelitales (sensores pasivos) el retroceso sufrido por los glaciares del Nevado Salkantay (Cusco), que debido al incremento de la temperatura hace difícil un proceso de re-hielo, durante los meses que se suponen deberían ser fríos.

El empleo de esta herramienta de sensoramiento remoto es una valiosa contribución al monitoreo de los glaciares y su entorno en diversos períodos de tiempo. En estudio se ha tenido en cuenta

algunos detalles, que se describen a continuación:

• El nivel de estudio que se empleara será semidetallado.

• Escala de trabajo 1/100 000 o 1/50 000.• La unidad mínima a emplearse es división

política y/o unidad hidrográfica.• Los sensores a usar son ALOS (Advanced Land

Observing Satélite) y Landsat.• Los softwares utilizados son ArcGIS, ERDAS

Imagine y ENVI.

El estudio nos permitirá arribar a conclusiones preliminares las cuales serán de interés para relacionar los fenómenos ambientales (calentamiento global/efecto invernadero) que influyen en una zona de tanta importancia, ya que se puede considerar como una de las mayores y escasas reservas de agua del país.

Hay que señalar que se han obtenido resultados que se acercan mucho a los esperados. Creemos que ello se debe principalmente a la dimensión de los glaciares analizados, mucho más discretos que los habitualmente estudiados mediante las técnicas aquí descritas (tengamos en cuenta que algunas zonas de clasificación, presentan sombra debido a la hora de toma de la escena, causando dificultad al momento de realizar una clasificación, solucionándose con otro tipo de imágenes), que contrasta con la resolución espacial disponible, de 10 m. La discrepancia existente entre los diferentes datos oficiales consultados no ofrece un excesivo margen de confianza, ello es debido a la tendencia anómala en la evolución de los glaciares.


1.1 Metodología

La teledetección es una ciencia por la cual las características de un objeto de interés pueden ser identificadas, medidas y analizadas sin contacto directo a través de un sensor, basado en la manera como los objetos reflejan, refractan, absorben o emiten energía electromagnética (luz visible, ultravioleta, infrarrojos, etc.), con esto se obtiene información de color, forma, tamaño y textura del objeto.

Constituye una herramienta fundamental para la evaluación del medio físico y biológico en el tiempo. Los métodos que se aplican a través de diferentes procesos permiten discriminar formaciones a través del comportamiento radiométrico y espectral de los diferentes tipos de cobertura sobre el medio. Esto permite desarrollar estudios e investigaciones

técnicas científicas, de múltiples aplicaciones en medio ambiente, agricultura, recursos hídricos, glaciares tropicales, entre otros.

El objetivo principal de la teledetección en la hidrología (Tabla 1.1), es observar y medir cambios cualitativos y cuantitativos de los cuerpos y corrientes de agua sobre la Tierra, así como su superficie, vegetación asociada, evidencias de contaminación, sedimentación, entre otros; ofrece también información para la evaluación y monitoreo de las cuencas hidrográficas como unidad básica para la gestión del recurso. Y en el caso que nos compete de los glaciares tropicales, que cumplen un rol importante en el aporte y regulación natural de las cuencas hidrográficas del país, y que actualmente se encuentran en peligro de desaparecer por los efectos del cambio climático.

Tabla 1-1 Aplicación de la Teledetección a la Hidrología.

Los glaciares son excelentes indicadores de las fluctuaciones del clima, debido a que revelan variaciones en los parámetros de temperatura y precipitación. El derretimiento de estas masas de hielo se debe al aumento de la temperatura en el aire y el descenso de las precipitaciones, es así que surge la necesidad de monitorearlas, estudiarlas e

inventariar su superficie lo que permitirá conocer su estructura y evolución y realizar una estimación de la cantidad de agua disponible, lo que por ende, ayudará en la toma de decisiones para afrontar la pérdida de esta importante fuente de agua.

El satélite japonés ALOS (Advanced Land Observing

09Proyecto PRAA

Satellite, Tabla 1.2) fue lanzado por la Agencia Espacial Japonesa (JAXA) el 24 de Enero de 2006, con la misión de observar y obtener imágenes de todo el planeta para el monitoreo de desastres,

evaluación e inventario de recursos naturales y en especial para proveer a la comunidad usuaria de información de resolución suficiente capaz de permitir la generación de mapas a escala 1:25 000.

Tabla 1-2 Principales Características del Satélite ALOS.

El satélite ALOS está compuesto de 3 sistemas independientes: PRISM (Panchromatic Remote Sensing Instrument for Stereo Mapping), AVNIR-2 (Advanced Visible and Near Infrared Radiometer) y PALSAR (Phased Array type L-band Synthetic Aperture Radar); que adquieren simultáneamente imágenes ópticas e imágenes de radar con diversas

resoluciones y coberturas.

El PRISM (Figura 1.1), genera imágenes en tonos grises, con resolución espacial de 2,5 m, con franjas de hasta 70 km de ancho. Se constituye de un conjunto de 3 sensores que permite obtener simultáneamente imágenes en visada vertical

Figura 1-1 Sensor PRISM y sus modos de mapeo.Fuente: JAXA, 2007.


(nadir), inclinada hacia adelante y hacia atrás, haciendo posible la adquisición de imágenes tridimensionales a lo largo de la trayectoria, recoge data suficiente para mapeo a escala de 1:25 000.

Las principales aplicaciones de las imágenes de PRISM (Tabla 1.3) son en cartografía, construcción de DEM, mapeo y planeamiento urbano, agricultura, estudios forestales, estudios costeros, monitoreo

de inundaciones, geología, simulaciones 3D, entre otros.

El AVNIR-2 (Figura 1.2), sensor multiespectral de 4 bandas, es capaz de obtener imágenes en colores del planeta con resolución de 10 metros y, variando la inclinación de la vista lateralmente, consigue describir rápidamente situaciones de desastres naturales. Sus características las

Tabla 1-3 Características técnicas del sensor PRISM. Fuente: JAXA, 2007

Figura 1-2 Sensor AVNIR-2 y sus modos de mapeo. Fuente: JAXA, 2007

11Proyecto PRAA

hacen adecuadas para estudios que requieren alto nivel de detalle, como estudios de uso y cobertura del suelo, manejo de recursos naturales, facilitando el monitoreo ambiental (Tabla 1.4).

El PALSAR (Figura 1.3), es un avanzado sistema de radar para la captación de imágenes a través de microondas, pudiendo operar noche y día, en cualquier condición climática, con resolución de hasta 10 metros (Tabla 1.5).

Tabla 1-4 Características técnicas del sensor AVNIR.

Figura 1-3 Sensor PALSAR y sus Modos de mapeo. Fuente: JAXA, 2007


Tabla 1-5 Características técnicas del sensor PALSAR.

Para el propósito de este estudio empleamos imágenes ALOS, con las cuales se determinaron las siguientes etapas:

1.1.1 Selección y adquisición de imágenes

Dentro del marco del Proyecto PRAA, se tiene una donación de 60 imágenes ALOS, las cuales serán utilizadas básicamente para realizar análisis y estudios de percepción remota en las glaciares de Huaytapallana (Junín) y Salkantay (Cuzco).En el caso particular de este estudio, se ha

utilizado información cartográfica del IGN e imágenes ALOS de los sensores PRISM y AVNIR-2 (Tabla 1.6) en modo pancromático y multiespectral respectivamente, que se detalla a continuación:

• Cartografía Nacional a escala 1:100 000 en formato digital (IGN).

• Subcuenca Santa Teresa, Aobamba y Sacsara: Hojas 27-q, 27-r, 28-q, 28-r.

• Cuatro imágenes PRISM nadir de 2,5 metros de resolución de la zona del Vilcanota.

• Cuatro imágenes PRISM backward de 2,5

Tabla 1-6 Imágenes ALOS georeferenciadas utilizadas.

13Proyecto PRAA

metros de resolución de la zona del Vilcanota.• Dos imágenes AVNIR 2 de 10 metros de

resolución de la zona del Vilcanota.• Dos Imágenes Landsat 5TM de 30 metros de

resolución de los años 2006 y 2008 de la zona del Vilcanota.

1.1.2 Delimitación del área de estudio

Determinar cuál es el área de interés, previo reconocimiento de la zona, para su adecuada delimitación y ubicación de coordenadas.

Características del Nevado Salkantay

Altura: 6 271 msnm.Ubicación: Nor oeste de la ciudad del Cuzco, y al norte del distrito de Ollantaytambo, en la provincia de La Convención, Anta y Urubamba, en el Departamento del Cuzco al Sur del Perú. Mapas: Carta Nacional IGN Hojas 27-q, 27-r, 28-q, 28-r.

El Nevado Salkantay políticamente pertenece a la jurisdicción del distrito de Santa Teresa, provincia de la Convención en el departamento de Cusco, a 260 kilómetros de la ciudad capital del Cusco.

Se encuentra ubicado geográficamente en la Cordillera Vilcabamba y se eleva a 6 271 msnm. La superficie glaciar del Salkantay se extiende en las nacientes de los ríos Sacsara, Santa Teresa y Aobamba, cubriendo también parcialmente el área de drenaje de las cuencas del Vilcabamba y el medio Apurímac.

El área de estudio del PRAA se centra en la subcuenca del río Santa Teresa, que forma parte de la Cuenca del Río Urubamba y cuyo origen se debe a las aguas de deshielo de este nevado.

Para acceder a él, se toma la carretera afirmada de Cusco a Mollepata, que por estar a 2 803 msnm de altitud permite subir gradualmente hacia el Salkantay por el paso Marcoccasa.

Figura 1-4 Zona de Estudio Nevado Salkantay (ALOS AVNIR-2 2008).

1.1.3 Adecuación de la cartografía vectorial

Hacer uso de información cartográfica necesaria

que permita realizar los procesos adecuados para la adición y superposición con las imágenes de satélite que nos permita obtener una mejor georeferenciación de las diferentes imágenes de


satélites empleadas.

La cartografía del IGN empleada en el presente estudio está en el sistema de proyección UTM WGS 1984 zona 18 Sur, respetándose este sistema para el procesamiento de las imágenes satelitales.

1.1.4 Preprocesamiento y corrección de imágenes

Consiste en un conjunto de técnicas orientadas a mejorar la presentación de la imagen satelital con la finalidad de facilitar la interpretación por parte del analista. Obtener imágenes de satélite con una adecuada información, siendo estas más representativa y acorde a la realidad para sus respectivas aplicaciones de procesamiento. Cabe resaltar que las imágenes ALOS ya vienen corregidas radiométrica y geométricamente.

a) Corrección radiométrica

Por corrección radiométrica se entiende el proceso que consiste en igualar el registro de los detectores mediante un modelo generalmente lineal. Actualmente, la mayoría de las empresas ponen en el mercado imágenes básicamente tratadas con este nivel de precisión.

b) Corrección geométrica

La corrección geométrica consiste en eliminar de la imagen el efecto sistemático, panorámico, de rotación y curvatura de la Tierra y de la variación

de altitud del satélite con respecto del elipsoide de referencia. El proceso de corrección consiste en operar un remuestreo al paso indicado por la resolución geométrica del propio satélite.

c) GeoreferenciaciónLa georeferenciación consiste en un proceso de referenciación de la imagen adquirida dentro de un registro cartográfico escogido por el usuario. La corrección puede operarse bajo una óptica bidimensional, utilizando puntos de apoyo de un sistema cartográfico conocido como UTM o Lambert y, mediante una traslación en X e Y, se corrige la imagen con un error cuadrático medio fijado por el usuario teniendo en cuenta las características de la imagen y sus niveles de precisión.

El nivel de precisión para la georeferenciación de las imágenes, depende en gran medida de la fuente de información geográfica utilizada (mapas temáticos, cartografía oficial, puntos de GPS, etc.) y de la escala a la cual se vaya a realizar el trabajo. Básicamente consiste en introducir las coordenadas de puntos fácilmente reconocibles en la imagen como son cruces de carreteras, desembocaduras de ríos, construcciones o rasgos fisiográficos.

Para la georeferenciación de las imágenes ALOS (Figura 1.5) se tomó como información de referencia la cartografía elaborada por el IGN, correspondiente a la zona de estudio (curvas de nivel y red hidrográfica). Se tuvo en consideración las dimensiones de la escena, la focalización del área de estudio, el método de resampleo y la

Figura 1-5 Proceso de georeferenciación de una imagen satelital usando ENVI teniendo como referencia información vectorial. Fuente: Elaboración propia

15Proyecto PRAA

información vectorial de referencia.Los puntos de control o GCP escogidos representan la misma posición tanto en la imagen a rectificar como en la información vectorial de referencia, las coordenadas de estos puntos son conocidas y para su selección se utilizaron criterios como vértices de ríos y/o quebradas, lagunas, rasgos fisiográficos, entre otros.

1.1.5 Elaboración de Mosaicos

Para las imágenes PRISM, previo a la georeferenciación se hicieron los mosaicos de las imágenes de la misma fecha de toma (Tabla 1.7), ya que automáticamente pueden ser obtenidos en ENVI (Figura 1.6).

Tabla 1-7 Mosaicos de Imágenes ALOS PRISM.

Figura 1-6 Mosaico de Imágenes PRISM de la zona de Salkantay. Fuente: Elaboración propia


1.1.6 Combinación en Color

Para fines de interpretación de imágenes, se tienen criterios de interpretación visual como son: tono, color, textura, estructura y localización, sombras, y formas.

A partir de la información multiespectral, se puede obtener distintas combinaciones de color, para ello se aplica a cada uno de los 3 colores primarios R, G, B a una banda distinta de la imagen seleccionada con el criterio y orden conveniente. La elección de las bandas para la combinación y el orden de los colores dependen del sensor y de la naturaleza del trabajo que se realiza. Este proceso permite visualizar imágenes de distintas porciones del espectro, lo que facilita la delimitación visual de diferentes coberturas.

Las combinaciones comúnmente usadas son:

• Bandas 3, 2, 1 (RGB): Es una imagen de color natural. Refleja el área tal como la observa el ojo humano en una fotografía aérea a color.

• Bandas 4, 3, 2 (RGB): Tiene buena sensibilidad a la vegetación verde, la que aparece de color rojo, los glaciares se ven de color blanco y el agua se ve de color oscuro debido a sus características de absorción. Esta fue la combinación mayormente utilizada para áreas glaciares (Figura 1.7).

• Bandas 3, 4, 2 (RGB): La vegetación aparece de color verde, los glaciares en tonalidades purpuras, y el agua de color oscuro.

1.1.7Clasificaciónnosupervisada

Generar la sectorización de cuerpos y/o elementos mediante el método de clasificación no supervisada, podemos clasificar una imagen sin la ayuda de las áreas de muestreo en campo. Esto es lo que denominamos clasificación no supervisada.

No se posee ningún conocimiento previo y de lo que se trata es de discriminar píxeles en función de una magnitud cuantitativa de diferenciación entre unos y otros, supone la búsqueda automática de grupos de valores homogéneos.

Figura 1-7 Imagen AVNIR-2 en combinación RGB 432 y RGB 321. Fuente: Elaboración propia

Para la clasificación se utilizó un clasificador de máxima probabilidad que en este caso es de orden polinomial. Este clasificador evalúa la probabilidad de que un píxel pertenezca a una de las categorías consideradas que en este caso es masa glaciar y lo clasifica en la categoría a la cual tenga mayor probabilidad de pertenecer, asume que esas probabilidades son iguales para todas las clases y que los datos tienen una distribución normal.

Cabe mencionar que los glaciares ofrecen un comportamiento completamente diferente del agua, con una reflectividad elevada en las bandas visibles, reduciéndose drásticamente en el infrarrojo cercano. Esta respuesta es similar a la de las nubes, debiendo discriminarse posteriormente para obtener mejores resultados, tal como se aprecia en la Figura 1.8.

17Proyecto PRAA

Figura 1-8 Clasificación no supervisada de las Firmas espectrales de los valores de glaciar. Fuente: Elaboración propia

Con el programa ERDAS se realizó la clasificación espectral no supervisada del área glaciar usando datos en modo pancromático y modo multiespectral. Los resultados mostrados comprenden la clasificación basada en 20 clases en un máximo de 6 iteraciones para la zona de estudio.

1.1.8 Caracterización de áreas glaciares

Reflejar las características del área glaciar en el área de estudio mediante un proceso de clasificación es decir obtener los valores de pixeles que le corresponden al área glaciar. En la Figura 1.9, se aprecia el resultado de la clasificación de área glaciar usando el software ERDAS Imagine, y en la Figura 1.10, su posterior conversión a vectores en ArcGIS para la obtención del área total de superficie glaciar.

Luego de esto, se procedió a la edición y evaluación de la clasificación obtenida, donde se escogieron las clases representativas de las áreas de cobertura glaciar y se discriminaron especialmente las coberturas nubosas.

1.2 Resultados

La metodología utilizada permitió cuantificar y delimitar la cobertura glaciar de la zona de estudio en mención, sin embargo hay zonas que presentan cobertura de nubes y sombras, lo que complica la determinación de la superficie glaciar, no obstante se realizó la discriminación, obteniéndose los resultados que se muestran en la Figura 1.11 y en la Tabla 1.8, donde se puede observar para la zona de Salkantay una considerable disminución del área glaciar en el lapso de los años 2006 y 2008, y un ligero aumento al 2009.


Figura 1-9 Caracterización del área glaciar en ERDAS. Fuente: Elaboración propia

Figura 1-10 Caracterización del área glaciar, usando herramientas GIS. Fuente: Elaboración propia

19Proyecto PRAA

Figura 1-11 Comparación multitemporal de las áreas glaciares de la zona de Salkantay 2006

Tabla 1-8 Áreas de cobertura glaciar determinadas.


Sin embargo, para la determinación de la evolución en los diferentes periodos analizados, lo óptimo es trabajar con imágenes del mismo sensor y resolución espacial para diferentes años.

Las imágenes utilizadas provienen de los sensores

ALOS PRISM y AVNIR-2, el procesamiento fue realizado mediante los software ENVI y ERDAS Imagine y ArcGIS.

En la Figura 1.12, se describe las etapas seguidas en el tratamiento de las imágenes de satélite ALOS.

Los periodos de análisis multitemporal y el número de imágenes procesadas que nos van a permitir

visualizar de una manera adecuada la diferencia del área glaciar, se detallan en la Tabla 1.9.

Tabla 1-9 Periodos analizados y tipos de sensores.

Figura 1-12 Etapas en tratamiento de imágenes de satélite.

21Proyecto PRAA

Se realizaron combinaciones de bandas para ambos sensores, para poder encontrar la mejor combinación en RGB de estas bandas, es así que para las imágenes del sensor AVNIR-2, se

utilizaron las combinaciones 3,2,1 (RGB) y 4,3,2 (RGB), obteniéndose con esta ultima una mejor visualización de la zona glaciar, permitiendo finalmente clasificar área final (Figura 1.13).

Figura 1-13 Área glaciar multitemporal del Salkantay en los periodos 2006, 2008 y 2009.

la última imagen del año 2009 no tiene cobertura nubosa en la zona de estudio. En la Tabla 1.10, se detalla el área aproximada cubierta por nubes.

Figura 1-14 Área glaciar del Salkantay año 2006 y zonas con cubierta nubosa. Fuente: Elaboración propia


Figura 1-15 Área glaciar del Salkantay año 2008 y zonas con cubierta nubosa. Fuente: Elaboración propiaTabla 1-10 Zona de cobertura nubosa en las imágenes ALOS.

Del proceso de superposición entre área glaciar total con las subcuencas delimitadas, se obtuvo la cobertura glaciar multitemporal por subcuenca para Aobamba, Santa Teresa y Sacsara, cuyos resultados se muestran a continuación en la Tabla 1.11, así como el área por cuenca principal para Urubamba y Apurímac en la Tabla 1.12.

1.3 Análisis de resultados

Con los resultados obtenidos se procedió a realizar una comparación de las superficies

del periodo 2006 al 2009, donde se observa la disminución de área en la zona evaluada en 20 493 km2, asimismo se aprecia que en el periodo de 2006 al 2008 la reducción ha sido del orden 22,5%; sin embargo, para el año 2009 se observa un ligero aumento de 1,8%.

Para la subcuenca de Aobamba (Figura 1.16), entre los años 2006 y 2008, se observa un porcentaje de pérdida glaciar de 30,4% en 2 años, y para el año 2009 un aumento de 5,2%, habiéndose perdido en total una extensión de 2 487 km2.

23Proyecto PRAA

Tabla 1-11 Área glaciar del Salkantay por sub cuencas.

Tabla 1-12 Área glaciar por Periodos de las Cuencas Urubamba y Apurímac.

Para la subcuenca de Santa Teresa (Figura 1.17), entre los años 2006 y 2008, se observa un porcentaje de perdida glaciar de 18,7% en 2 años, y para el año 2009 un aumento de 3,3%, habiéndose perdido un total de 2 851 km2 de extensión glaciar.

Para la subcuenca de Sacsara (Figura 1.18), entre los años 2006 y 2008, se observa un porcentaje de pérdida glaciar de 13,5% en 2 años, y para el año 2009 un ligero aumento de 0,4%, sumando un total de pérdida de glaciar de 2 399 km2.

Para las cuencas principales, se observó en el caso de la cuenca del Urubamba (Figura 1.19), entre los años 2006 y 2008, un porcentaje de pérdida glaciar de 18% en 2 años, y para el año 2009 un aumento de 0,6%, en total una perdida glaciar de 10 340 km2.

Para la cuenca del Apurímac (Figura 1.20), entre los años 2006 y 2008, se observa un porcentaje de pérdida glaciar de 29,5% en 2 años, y para el año 2009 un aumento de 4,1%, presentando una pérdida de 10 154 km2 de extensión glaciar durante todo el periodo estudiado.


Figura 1-16 Área glaciar de la subcuenca Aobamba. Fuente: Elaboración propia

Figura 1-17 Área glaciar de la subcuenca Santa Teresa. Fuente: Elaboración propia

25Proyecto PRAA

Figura 1-18 Área glaciar de la subcuenca Sacsara. Fuente: Elaboración propia

Figura 1-19 Área glaciar de la cuenca Urubamba. Fuente: Elaboración propia


Figura 1-20 Área glaciar de la cuenca Apurímac. Fuente: Elaboración propia

1.4 Conclusiones

Es evidente, que la delineación de los glaciares (o de cualquier otra superficie a clasificar) mediante técnicas de teledetección, con una determinada resolución espacial, funciona mejor en la observación de grandes extensiones de glaciar, debido a los problemas de falta de precisión que surjan en el delineado de los contornos y no tanto en las zonas interiores.

Es importante resaltar que a pesar de haber usado para este análisis imágenes de alta resolución ALOS, éstas no son de similar resolución espacial, ya que las PRISM (2006) son de 2,5 metros y las AVNIR-2 (2008 y 2009) de 10 metros. Asimismo hay zonas que presentan cobertura nubosa que afectan la determinación de área glaciar, lo que se ha solucionado con la utilización de imágenes Landsat que a pesar de ser de menor resolución espacial (30 metros) nos sirve para comparar las

áreas estudiadas, sin embargo estos resultados deben ser ajustados con trabajo de campo.

Una vez matizado todo lo anterior, las conclusiones son que la metodología que ofrece mejores resultados es la que emplea una clasificación no supervisada de 20 clases, los valores de índices que muestra el área glaciar nos permitirá realizar un filtro, que nos ayudara a obtener de una manera adecuada la delimitación de zonas que presentan cubierta de hielo obteniéndose resultados satisfactorios.

Para el caso que compete a este estudio se ha observado, entre los años 2006 y 2010, que la superficie glaciar de la zona de estudio ha disminuido sensiblemente su extensión en 20 493 km2, es decir en un 21,1% de y de las 3 subcuencas estudiadas, el porcentaje de pérdida glaciar más alto se da en la subcuenca del río Aobamba.

27Proyecto PRAA


29Proyecto PRAA

Referencias

Casanova, J. L. Y Sanz, Justo, J., 1997. Teledetección. Usos Y Aplicaciones. Valladolid. Universidad De Valladolid.

Gonzales, P. E. y García, R. P. 2005. Aplicaciones de la Teledetección en Hidrología. Dpto. Análisis Geográfico Regional y Geografía Física (U.C.M.)

JAXA Japan Aerospace Exploration Agency. 2007. ALOS User Handbook. Earth Observation Research Center.

Maestro, I.C. 2004. “Análisis Comparativo de Distintos Métodos de Estimación de la Superficie Glaciar Apartir de Imágenes Landsat”

Pérez, Carlos y Muñoz, Ángel. 2006. Teledetección: Nociones y Aplicaciones. Universidad de Salamanca.

Pitte, Pierre; Ferri, Lidia y Espizua, Lidia. 2009. Aplicación de sensores remotos al estudio de glaciares en el Cerro Aconcagua, Instituto Argentino de Nivología y Ciencias Ambientales.

Soler, José y Sasal, Teresa. 2007. Identificación de Materiales por su respuesta espectral.

Vargas, Christian; Villón, Carmen y Pasapera, José. 2009. Comparación de Técnicas para el Mapeo de Cobertura Glaciar con Imágenes LANDSAT y ASTER en la Cordillera Blanca, Ancash, Perú.


31Proyecto PRAA

El Proyecto “Adaptación al Impacto del Retroceso Acelerado de Glaciares en los Andes Tropicales - PRAA”, es implementado con fondos del Banco Mundial (GEF y PHRD Japón) y administrado por la Secretaría General de la Comunidad Andina en beneficio de Bolivia, Colombia, Ecuador y Perú.El Ministerio del Ambiente lidera el PRAA en el Perú, en colaboración con diversas entidades para su ejecución, entre las cuales se incluye: SENAMHI, AGRORURAL, IGP, Municipalidad Distrital de Santa Teresa, Municipalidad Provincial de Huancayo, Municipalidad Distrital El Tambo, SEDAM Huancayo, Gobiernos Regionales de Cusco, Junín y CARE Perú.

Documents

Estudio de mapas ALOS, Cusco · de drenaje de las cuencas del Vilcabamba y el medio Apurímac. El área de estudio del PRAA se centra en la subcuenca del río Santa Teresa, que forma