Geomorfología en las costas del Golfo de México

Alexis Cruz Benítez1 y Mireily Declet Cruz2 1,2Universidad de Puerto Rico, Recinto Universitario de Mayagüez

alexis.cruz2@upr.edu1, declet86@gmail.com2

HC 01 Box 4590, Naguabo PR, 007181 Calle Aguja Blanca 423, Urb. San Demetrio, Vega Baja PR, 006932

Abstract

El Golfo de México cubre las costas de Estados Unidos, México y parte de Cuba. Las

corrientes son las que influyen en la erosión y deposición en las costas, cambiando la

geomorfología del área, así mismo como la línea de costa. El propósito de la investigación fue

estudiar la geomorfología en las costas del Golfo de México. En este trabajo se utilizó imágenes

de Landsat-7, el cual contiene el sensor Enhanced Thematic Mapper Plus. Estas imágenes

fueron procesadas utilizando el programa de ENVI versión 4.5. En conclusión, utilizando ENVI

podemos generar imágenes que nos ayuden a estudiar la geomorfología de las costas de cualquier

área, la dinámica de sedimentos y corrientes.

Keywords: Landsat-7, ETM+, ENVI, Erosión, Deposición, Corrientes, Sedimentos

INTRODUCCIÓN

Geomorfología es el estudio del origen y evolución de características topográficas por

procesos físicos y químicos que operan en o cerca de la superficie de la Tierra (Easterbrook,

1999). En este trabajo se quiere estudiar como las costas son influenciadas, directa o

indirectamente, por las corrientes del Golfo de México (Figura 1). Las imágenes obtenidas

fueron del satélite Landsat-7 utilizando el sensor Enhanced Thematic Mapper (ETM+). El

mismo consiste de 7 bandas y una banda pancromática (Tabla 1). Es importante señalar, que la

banda 6, el cual es la banda termal, tiene una subdivisión. En esta se encuentran la banda 6H

(high) y 6L (low). Estas bandas están diseñadas una para el continente y otra para el agua. Esto

es debido a las diferencias en sensitividad de brillantez en el sensor con respecto al agua y a la

tierra.

Figura 1. Corrientes en el Golfo de México.

Bandas Resolución espacial Función

1-5, 7 30 metros Banda Reflectiva

8 15 metros Banda Pancromática

6H, 6L 60 metros Banda Termal

Tabla 1. Características del Sensor ETM+

ETM+ tiene una resolución temporal de 16 días, lo que implica que pasa por un mismo

lugar cada 16 días. Tiene una resolución radiométrica de 8 bits (permite guardar hasta 256

valores digitales). El tamaño de la escena tomada por el sensor es de 170 km (Norte-Sur) y 183

km (Este-Oeste). La proyección es UTM con el datum WGS-84.

METODOLOGÍA

Las imágenes para este trabajo fueron obtenidas del U.S. Geological Survey (USGS) a

través de la página http://glovis.usgs.gov. Estas imágenes están en el formato .tar.gz, el cual

significa que el archivo esta doblemente comprimido. Esto es porque el tamaño del archivo es

muy grande. El archivo fue descomprimido utilizando el programa de WinZip. Luego de

descomprimir el archivo, la imagen estaba separada por las distintas bandas del sensor. Para

obtener la imagen final para el área de estudio, utilizamos el programa ENVI 4.5 para juntar las

imágenes a través de la rutina de Layer Stacking. A continuación el procedimiento:

1. Abrir las imágenes que están separadas por bandas.

2. En ENVI, en el menú principal basic tools Layer Stacking Import File seleccionar

todas las bandas Reorder files (ponerlas en orden desde 10-80) guardar archivo.

3. Luego abrir la imagen en color verdadero. Ya esta imagen tiene las 8 bandas juntas, y

podemos trabajar con ellas.

Luego de obtener la imagen final, procesamos la imagen, utilizando color falso, y las

clasificaciones supervisada y no supervisada. Para la clasificación supervisada se utilizó la

rutina de Region of Interest (ROI) para entrenar al programa y poder clasificar la imagen. En

esta clasificación se utilizó la rutina por “minimum distance” y “maximum likelihood”. Para

clasificación no-supervisada, se utilizaron las rutinas de IsoData y K-means. Para K-means

se utilizaron 5 iteraciones.

Las regiones geográficas que se utilizaron para el estudio fueron México, Louissiana y

Florida.

RESULTADOS Y DISCUSIÓN

• México

A B

Imagen 1, A y B. Imagen 1A es color verdadero e Imagen 1B es color falso. En estas imágenes

se pueden apreciar las diferencias en concentración de los sedimentos.

C D

Imagen 1, C y D. Imagen 1C es clasificación no supervisada con la rutina de IsoData y la

Imagen 1D es con la rutina de K-means. Por la rutina de IsoData se puede apreciar más

claramente las diferentes concentraciones de sedimentos.

E F

Imagen 1, E y F. Ambas son clasificación supervisada. La imagen 1E es bajo la rutina de

Maximum likelihood y la imagen 1F bajo la rutina de minimum distance. Es de mucha

importancia conocer el área de estudio para poder hacer una clasificación más precisa y correcta

ya que en este caso no se estaba seguro de que lo que se clasifico como arena era realmente

arena.

• Louissiana

A B

Imagen 2, A y B. La imagen 2A es en color verdadero y la imagen 2B es en color falso. Esta

imagen es del área de Louissiana. En la imagen verdadera se puede notar los sedimentos

suspendidos mientras en la de color falso se puede apreciar mejor la nube.

C D

Imagen 2, C y D. Clasificación no-supervisada del área de Louissiana. La imagen 2C es bajo la

rutina de IsoData, y la 2D, bajo la rutina de K-means. En ambas imágenes se puede apreciar la

dinámica de los sedimentos, como estos sedimentos vienen del continente hacia el Golfo de

México.

E F

Imagen 2, E y F. Ambas son clasificaciones supervisadas. La imagen 2E es bajo la rutina de

máximum likelihood y la imagen 2F es bajo la rutina de minimum distance. Ambas imágenes

tienen contaminación por los pixeles de la nube. En la imagen 2E la nube se confunde con la

clasificación de la ciudad debido a que la estadística utilizada en el método maximum likelihood

hace que la reflectancia de la nube se confunda con la ciudad ya que el color de ambos es

parecido. En la imagen 2F la nube se confunde con los sedimentos porque el método estadístico

de minimum distance lo que hace es tomar el valor digital mas cercano para hacer la

clasificación y no el parecido en los valores.

• Florida

A B

Imagen 3, A y B. La imagen 3A es de color verdadero y la imagen 3B es de color falso. En

ambas se pueden apreciar los sedimentos, en especial, el área donde la corriente entra hacia el

continente y se ve el fondo, el canal y los sedimentos depositados. Además el delta que hay

dentro de el.

C D

Imagen 3, C y D. Ambas son imágenes no-supervisadas. La imagen 3C es bajo la rutina de

IsoData, donde se puede apreciar mejor los sedimentos del delta hacia el continente. La imagen

3D es bajo la rutina K-means, donde se puede apreciar en la dirección en que va la corriente.

CONCLUSIÓN

Podemos concluir que ENVI es una buena herramienta para estudiar las dinámicas y

geomorfología de las costas. Con este programa podemos estudiar fácilmente utilizando

clasificaciones no supervisadas y supervisadas hacia donde se mueven las corrientes y por tal

razón podemos conocer hacia donde se mueve la mayor concentración de sedimentos. El efecto

de la atmósfera en las imágenes causa contaminación de pixeles en la misma. Esto puede causar

que en las clasificaciones supervisadas y no supervisadas, según su método de estadística, los

pixeles se pueden confundir con otra región de interés.

RECOMENDACIONES

Se necesita saber datos del campo para obtener una imagen de clasificación supervisada que

contenga resultados correctos. También es de mucha importancia conocer los datos geográficos y

características de las costas para una mejor interpretación y clasificación.

AGRADECIMIENTOS

• Dr. Fernando Gilbes

REFERENCIAS

Easterbrook, D.J., 1999. Surfaces processes and Landforms. Second Ed. Prentice Hall, New

Jersey 07458