Mi O2

IV.5.
Tasseled Cap y Clasificacin No supervisada ISODATA
Figura 62. Combinacin Brillo Verdor - Humedad, en base a la imagen LandSat 5 del 26 de febrero de 2011 del Gran
Buenos Aires.
En el caso de las nuevas bandas generadas en el Tasseled Cap (TCC) (Figura 62) se presto
atencin a la banda que present separacin entre los sitios contaminados, el suelo desnudo y la
vegetacin, debido a que estos dos ltimos elementos forman parte en la composicin de los sitios
contaminados entre otros elementos. Tambin se clasific la combinacin Brillo Verdor
Humedad con un clasificador no supervisado ISODATA.
IV.5.1. Tasseled Cap

Basurales 612 298 50% 123.305
Ex basurales 153 130 85%
Rellenos
1.992 1227 62%
sanitarios
Total 2.957 1.672 57% 124.977
Tabla 15. Cantidad de hectreas y porcentajes

por clase y sitio, en base a la banda Brillo de la
imagen LandSat 5 del 26 de febrero de 2011.
Figura 63. Brillo en base a la imagen LandSat 5 del 26 de febrero de 2011 del Gran Buenos Aires.
Con respecto a la banda Brillo, en la Figura 63 y Tabla 15, los sitios contaminados excepto los
rellenos presentaron rangos diferentes al suelo y la vegetacin. Por un lado, con el mismo rango
de 0,2 a 0,40 de brillo se encontraron los basurales, ex basurales, chatarreras y cuerpos de agua
con algas, con tonos ms claros que los cursos y cuerpos de agua (Mapa 11).
Figura 64. Humedad en base a la imagen LandSat 5 del 26 de febrero de 2011 del Gran Buenos Aires.
En el caso de la Humedad todos los sitios presentaron superposicin entre si, con la vegetacin y
el suelo (Figura 64).
Figura 65. Verdor en base a la imagen LandSat 5 del 26 de febrero de 2011 del Gran Buenos Aires.
Mientras que con el Verdor, slo los cuerpos de agua con sedimentos (o laguna artificiales) y las
piletas se diferenciaron (Figura 65). Estos presentaron tonos mas oscuros que el resto de las
cubiertas, en el caso de los ex basurales y el relleno inactivo de Villa Dominico los valores fueron
cercanos a la vegetacin, lo que en la imagen se observa en tonos claros mientras que Norte III
fue ms oscuro similar al suelo desnudo.
Al igual que el trabajo de Zamorano et al. (2008), los basurales y rellenos presentaron en las
bandas de Verdor y Humedad comportamientos heterogneos, similares a la vegetacin, el suelo
desnudo o el aglomerado urbano. Lo que indica heterogeneidad en su composicin y
comportamiento. Mientras que en la banda Brillo se pudieron diferenciar de estas dos cubiertas
pero no entre ellos ni con las chatarreras.
IV.5.2. Clasificacin No supervisado del Tasseled Cap
Luego, al hacer una combinacin de bandas Brillo - Verdor - Humedad (Figura 62) se observ que
haba patrones de colores segn el sitio por lo cual se aplic un clasificador no supervisado
ISODATA de 10 clases con mascaras de rea urbana y cursos de agua.
Sitios contaminados Sitios
Superficie potencialmente
Referencia contaminados
(ha) %
ha (ha)
coincidencia
Cuerpos de agua (clases 1 y 2) 186 10 5% 3.447
Chatarreras (clases 3, 4 y 5) 13 2 15%
Basurales (clases 4, 5 y 6) 612 10 2%
64.390
Ex basurales (clases 4, 5 y 6) 153 6 4%
Rellenos sanitarios (clases 5 y 6) 1.992 448 22%
Total 2.957 476 16% 67.837
Tabla 16. Cantidad de hectreas y porcentajes por clase y sitio, en base a una clasificacin no supervisada de la
imagen LandSat 5 del 26 de febrero de 2011.
IV.6. Serie multitemporal y Anlisis de Componentes Principales
Se utilizaron dos series multitemporales con 41 escenas del periodo 2001 al 2011 de LandSat 5,
tanto para el NDVI a 30 m de resolucin espacial y como la temperatura de brillo aparente en
grados Celsius [C] a 90 y 120 m.
IV.6.1. NDVI
Figura 66. Combinacin de los tres primeros componentes, en base a la serie de NDVI del 2001 al 2011.
Para el estudio del NDVI se consideraron 2 o 3 muestras por cada sitio, y como se menciono
anteriormente las muestras seleccionadas fueron aquellas que presentaron mayor
heterogeneidad. Tambin se compararon con muestras de vegetacin, el aglomerado urbano,
suelo desnudo, y de agua de la represa Roggero y el Ro de la Plata. La primera cubierta presento
los mayores valores de NDVI superiores a 0,25, excepto en tres fechas: enero y julio de 2004 y
enero 2006 cuando el suelo lo supero (Figura 67). Con valores inferiores a 0,1 en orden
decreciente se encontr el aglomerado urbano, la represa Roggero y el Ro de la Plata. El suelo
presento comportamiento contrario a la vegetacin en julio de 2004, julio a octubre 2005, julio a
diciembre 2007 y octubre 2010 a julio 2011.
Cuerpos de agua
Figura 67. Cuerpos de agua -anlisis multitemporal del NDVI, en base a una serie multitemporal de 41 escenas
LandSat 5 del periodo 2001 al 2011.
Los cuerpos de agua presentaron los siguientes valores, ordenados en forma decreciente: con
alga en suspensin, piletas de lixiviados y con sedimentos, aunque hubo superposicin entre los
tres, en mayor medida entre los dos ltimo con el agua de la Represa Roggero.
Los cuerpos de agua con alga y las piletas presentaron comportamientos similares, tanto en
crecimiento /decrecimiento, a la vegetacin pero siempre inferior excepto en julio 2001 y enero
2004. Mientras que los cuerpos con sedimentos se asemejaron al agua de la Represa Roggero
con valores superiores.
Rellenos sanitarios
Figura 68. Rellenos sanitarios -anlisis multitemporal del NDVI, en base a una serie multitemporal de 41 escenas
LandSat 5 del periodo 2001 al 2011.
Los rellenos no siguieron el comportamiento de una nica cubierta a lo largo de la serie de 10

aos, sino de tres: la vegetacin, el aglomerado urbano y el suelo desnudo. Gran parte inferior a la
vegetacin y superior al aglomerado urbano (Figura 68).
En forma global, considerando el crecimiento del NDVI en primavera -verano y el decrecimiento en
otoo - invierno, el de Villa Dominico fue decreciendo hasta octubre 2004 cuando presento su
mnimo ms importante de los 10 aos, sta cada puede deberse a su cierre definitivo el 31 de
Enero de 2004. Luego comienza a crecer hasta su mximo en enero de 2008.
El relleno Norte III en forma global fue decreciendo, con un mnimo en marzo 2007, cuando
presento valores inferiores al aglomerado urbano y un comportamiento contrario a la vegetacin.
Este relleno actualmente se encuentra activo con capacidad de disposicin hasta el 2012.
Basurales, ex basurales y chatarreras
Figura 69. Rellenos sanitarios -anlisis multitemporal del NDVI, LandSat 5 del periodo 2001 al 2011.
Los ex basurales presentaron mayor valor de NDVI y menor dispersin que los basurales. El
mnimo y mximo de 0,1 y 0,7 respectivamente de NDVI durante el periodo 2001 2010.
Ambos sitios contaminados presentaron comportamiento similar a la vegetacin y valores
superiores al aglomerado urbano y la Represa Roggero. Mientras que las chatarreras presentaron
valores intermedios entre los ex basurales y basurales (Figura 69).
IV.6.2. NDVI y ACP

A la serie multitemporal de NDVI se aplic ACP, y se observ que las tres primeras componentes
distinguan mejor los sitios contaminados que los ltimos componentes (Mapa 12), para lo cual se
gener una clasificacin no supervisada ISODATA obteniendo los siguientes resultados (Tabla 17):
Referencia Superficie potencialmente
(ha) (ha) % coincidencia contaminados (ha)
Cuerpos de agua (clases 1 y 2) 186 18 10% 402
Chatarreras (clases 11, 14, 15, 16, 17 y 20) 13 5 38%
Basurales (clases 11, 14, 15, 16, 17 y 20) 612 17 3%
49.928
Ex basurales (clases 11, 14, 15, 16, 17 y 20) 153 5 3%
Rellenos sanitarios (clases 11, 14, 15, 16, 17 y 20) 1.992 610 31%
Total 2.957 0% 50.330
Tabla 17. Cantidad de hectreas y porcentajes por clase y sitio, en base a una clasificacin no supervisada de tres
componentes de una serie multitemporal de NDVI de 41 escenas LandSat 5 del periodo 2001 al 2011.
Los resultados obtenidos presentaron porcentaje de coincidencia inferior a los esperados

visualmente.
IV.6.3. Temperatura
IV.6.3.1. Temperatura con imgenes LandSat 5

En la Figura 70 se graficaron las temperaturas diarias mnimas, promedios y mximas (lneas
punteadas) de la serie multitemporal de temperaturas LandSat 5 y la temperatura media del aire
(lneas continuas) obtenidas de las estaciones meteorolgicas del INTA Castelar y Aeroparque
Jorge Newery de la CABA.
Figura 70. Temperaturas mnimas, medias y mximas diarias del periodo 2001 a 2011 del GBA (Estacin INTA Castelar
y Aeroparque Jorge Newery CABA) y de las bandas trmicas de LandSat 5 del rea de estudio path/row 225-84.
Los comportamientos en cuanto al crecimiento o decrecimiento a travs del tiempo de las

imgenes y los datos climticos fueron muy similares, con excepcin del mes de julio de 2006 y
2009. Aunque los valores de las imgenes fueron de 1 a 20 C superiores a los datos climticos
tanto para la minima como mxima mientras que las temperaturas medias presentaron diferencias
de hasta 5 C. La temperatura media del aire del GBA en el periodo de estudio es de 17C, 11C
en julio y 23C en verano.
Cuerpos de agua
Figura 71. Temperaturas de cuerpos de agua en base a la serie multitemporal de LandSat 5 del 2001 al 2011.
En forma global, los cuerpos de agua presentaron las siguientes temperaturas en orden
decreciente:
las piletas de lixiviado de los rellenos sanitarios Norte III (relleno activo) y Villa Dominico
(relleno inactivo o en etapa de post de clausura).
Algunos cuerpos de agua con sedimentos y/o algas en suspensin con temperaturas
superiores de 2 a 5C a los suelos desnudos o con poca vegetacin (julio 2001 - enero
2002, julio 2004 -enero 2005, octubre 2005 - abril 2006, enero a abril 2007, octubre 2008-
abril 2009, octubre 2010- enero 2011).
los restantes cuerpos presentaron temperaturas similares a la vegetacin y superiores a
las muestras de agua del Ro de la Plata y de la Represa Roggero, excepto en julio a
octubre de 2006 y de julio 2007 a octubre 2008 cuando las temperaturas fueron inferiores
a todas las cubiertas.
Por medio de la temperatura y su ubicacin dentro de los rellenos sanitarios se identificaron las
piletas de lixiviados del resto de los cuerpos de agua (las tosqueras que son de nuestro inters de
estudio y las lagunas artificiales o naturales), obteniendo 10 sitios equivalentes a 96 ha. Estas dos
ltimas presentaron comportamientos similares.
Basurales, ex basurales y rellenos sanitarios
Figura 72. Temperaturas de basurales, ex basurales y rellenos sanitarios en base a la serie multitemporal de LandSat 5
del 2001 al 2011.
En la Figura 72 se observan que las tres cubiertas bajo estudio se encuentran entremezcladas,
aunque varios rellenos sanitarios (lnea cortada violeta) presentan las mayores temperaturas, y en
menor medida los ex basurales (lnea continua roja) y los basurales (lnea continua fucsia). Como
se comento anteriormente, por cada tipo de sitios contaminados se consideraron slo las muestras
que presentaron diferentes comportamientos, esto se acento con los basurales lo que puede
indicar heterogeneidad en cuanto a su composicin, y en menor medida los rellenos sanitarios y
ex basurales.
Debido a la nula separabilidad se gener un grfico de reas en base a los valores mnimos y
mximos de estos sitios, junto con los cuerpos de agua sin considerar las piletas de lixiviados 23 y
grficos de lneas de las cubiertas adicionales (Figura 73).
Las piletas de lixiviados son sitios contaminados controlados que sern considerados en el inventario pero no son
23
parte de los objetivos de este trabajo.

Figura 73. Grfico combinado de reas (basurales, ex basurales, rellenos sanitarios y cuerpos de agua a excepcin de
las piletas de lixiviados) y lneas de otras coberturas, base a la serie multitemporal de temperatura de LandSat 5 del
2001 al 2011.
En forma global, el comportamiento de todas las cubiertas sigui la estacionalidad, es decir, las
temperaturas crecieron en primavera - verano y decrecieron en otoo - invierno, a excepcin de
los periodos de abril a julio de 2003 y 2006 (Figura 73), cuando se esperaba un decrecimiento de
las temperaturas del ro de la Plata y la Represa Roggero.
Tambin se observa que hay superposicin entre el rea rayada (correspondiente a los cursos de
agua), el rea slida (basurales, ex basurales y rellenos sanitarios) y las lneas (cubiertas
adicionales). Las reas que no presentaron superposicin, fueron evaluadas considerando
tambin los siguientes periodos y rangos de temperaturas:
los cuerpos de agua: octubre de 2002 a julio 2003 con temperaturas superiores a 11C,
julio a octubre 2006 con valores inferiores a 10C julio, abril a octubre 2008 con valores
crecientes de 15 a 25C y enero 2009 con temperaturas superiores a 30C,
los basurales, ex basurales y rellenos sanitarios: octubre 2009 en el rango de 1 a 13C,
enero a octubre 2010 con valores crecientes de 22 a 27C, octubre 2010 a enero 2011 con
temperaturas mayores a los 27C.
El comportamiento promedio del rea de los basurales, ex basurales y rellenos sanitarios
coincidieron con el suelo desnudo o con poca vegetacin. Mientras que los valores mnimos del
rea fueron mayores e iguales a los valores del aglomerado urbano (enero 2001 a 2008 y abril a
julio 2011), la vegetacin (a partir de octubre 2009 a julio 2011) y superaron ampliamente a las
muestras de agua del ro de la Plata y la Represa Roggero (enero 2006, enero a octubre 2009 y
enero 2010 a 2011). Para excluir la superposicin con el aglomerado urbano, el ro de la Plata y la
Represa Roggero se aplico una mscara de rea urbana (ver prxima seccin - IV.7. Mscaras),
creadas a partir de la serie multitemporal de temperatura. Estos resultados se integraron con los
de ASTER en el Mapa 13.
IV.6.3.2. Temperatura con imgenes ASTER
Se utilizaron 2 bandas trmicas del 2 de diciembre de 2004 y 27 de febrero de 2011 (Figura 74 a y

b), ambas presentaron dos picos de temperatura, el primero correspondiente a los cuerpos de
agua del GBA (21 y 26C respectivamente) en particular al estuario del Ro de La Plata, y el
restante al rea continental (28 y 31C respectivamente). Los valores de la imagen de primavera
fueron inferiores a la del verano.
Figura 74. Mapa e histograma de temperaturas en base a la imagen ASTER del 2 de diciembre de 2004, del Gran
Buenos Aires. El valor de temperatura ms alta se corresponde con el color ms oscuro en el mapa.
Figura 75. Mapa e histograma de temperaturas en base a la imagen ASTER del 27 de febrero de 2011, del Gran
Buenos Aires. El valor de temperatura ms alta se corresponde con el color ms oscuro en el mapa.
El agua del Estuario como las nubes representaron las temperaturas ms bajas de las escenas,
seguida por los grandes espacios verdes en el GBA y los humedales en la parte insular del Delta.
La parte continental present valores cercanos a los 26 y 30C para los aos 2004 y 2011
respectivamente, mayormente correspondiente al aglomerado urbano y en menor medida a los
suelos desnudo, mientras que las mximas temperaturas fueron de la infraestructura vial que
convergen en el puerto de Buenos Aires junto con las terminales ferroviarias y aeroportuarias.
De cada escena se extrajeron 10 muestras de 50 pxeles por sitio contaminado, se calcularon y

graficaron los diagramas de caja y bigotes (Figuras 76), obtenindose medianas similares para los
basurales, ex basurales y chatarreras mientras que los cuerpos de agua presentaron las
temperaturas ms bajas a lo contrario de los rellenos sanitarios. Aunque hubo superposicin del
25% entre estos dos ltimos sitios y nula separabilidad entre los tipos de cuerpos de agua.
Limite Limite
Sitio Mediana Q3 [C]
inferior [C] superior [C]
contaminado
2004 2011 2004 2011 2004 2011 2004 2011
Basural 25,8 28,4 28,8 30,6 29,7 31,5 31,1 33,0
Ex basural 26,6 29,0 28,8 31,2 29,6 32,7 31,2 35,1
Relleno
28,8 30,7 32,0 33,2 33,0 34,0 34,2 35,3
sanitario
Cuerpos de
20,3 23,8 22,1 26,7 23,5 27,6 26,8 29,6
agua
Chatarrera 24,5 28,2 28,9 31,4 30,3 32,7 32,0 35,3
Figura 76 y Tabla 18. Grfico de caja y bigotes y TABLA DE DATOS por sitio contaminado, en base a las escenas
ASTER del 2 de diciembre de 2004 y 27 de febrero de 2011.
Los cuerpos de agua presentaron valores similares a ros del rea de estudio de 20,3 26,8C y
23,8-29,6C para 2004 y 2011 respectivamente.
El resto de los sitios contaminados presentaron rangos de temperatura similares (24,5-34,2C y

28,2-35,3C para 2004 y 2011 respectivamente), y a su vez coincidiendo con:
El aglomerado urbano de media y alta densidad de construccin que rodean las reas
portuarias (Desde Puerto Madero hasta la Reserva Costanera Norte en la CABA,
Puerto de fruto de Tigre, Vicente Lpez), las terminales de FFCC (como Retiro,
Constitucin, Once, Tigre).
La infraestructura vial (principales rutas, avenidas y autopistas): 9 de julio y las
autopistas Panamericana, Illia, General Paz, Delle Piane, Gaona.
Las grandes concentraciones de industrias / portuarias como polo petroqumico
DockSud o el puerto con gran cantidad de containers y barriles.
Los grandes techados de chapas y playas de estacionamiento correspondientes a
shopping y cines (Unicenter, Solei Factory, Abasto, Patio Bullrich, Alcorta, Parque de la
Costa), universidades (Facultad de abogaca y Ciudad Universitaria), Clubes (River
Plate, Boca Juniors).
Los aeropuertos de CABA, San Fernando, El Palomar, Ezeiza, Morn y Moreno.
Considerando los perodos y valores posibles de temperatura de ASTER y las mscaras se

obtuvieron los sitios potencialmente contaminados detectados por temperatura a 90 m Mapa 13.
IV.6.3.3. Resultados de la temperatura

Se unificaron los resultados obtenidos por las imgenes LandSat 5 y ASTER, considerando las
reas en comn y en el caso las reas del borde de la escena LandSat fuera de la escena
ASTER. Las reas coincidentes con los polgonos de referencia fueron (Tabla 19):
Temperatura LandSat5 y ASTER Referencia
% contaminados
(ha) ha (ha)
coincidencia
Cuerpos de agua 186 110 59% 10.322
Chatarreras 13 8 62%
Basurales 612 228 37%
149.139
Ex basurales 153 109 71%
Rellenos sanitarios 1.992 1736 87%
Total 2.957 2.191 74% 159.461
Tabla 19. Cantidad de hectreas y porcentajes por clase y sitio, en base a una clasificacin no supervisada de
imgenes trmicas LandSat 5 y ASTER del perodo 2001 a 2011.
Estos resultados fueron inspeccionados con LandSat y Google Earth, obteniendo entre otros
resultados:
(j) 2 chatarreras con alta temperatura alta (frente al aeropuerto de San Fernando y detrs del
estacionamiento del Soleil Factory).
(k) Complejos habitacionales construidos sobre ex basurales y aledaos a basurales, que
presentaron altas temperaturas, en los partidos de San Martn y Hurlingham (ver seccin
IV.1.3. Resultados del anlisis visual).
(l) Las temperaturas de los rellenos inactivos como Villa Dominico y Bancalari fueron
inferiores al del relleno activo Norte III.
En comparacin con el trabajo de Ferrer-Vidal y Sol-Sugraes (1995) con una escena de

primavera de LandSat 5 de la ciudad de Barcelona en Espaa, se determin que la temperatura
media de un relleno sanitario (31,90 C) era muy cercano al rea urbana (31,52 C) y superior al
suelo desnudo (29,55 C). Mientras que Shaker y Yan (2010) monitorearon el comportamiento de
rellenos sanitarios en la ciudad de Toronto en Canada, con LandSat 5 desde 1985 a 2009,
obteniendo que la temperatura en primavera de 2008 de un relleno activo fue levemente superior
otro inactivo, superior a la vegetacin y muy superior a la del aire (37C, 33C, 27C y 22C
respectivamente).
En nuestro caso, lo comparamos con una escena de noviembre de 2008 obteniendo
superposicin entre las temperaturas de los rellenos sanitarios (21 a 31C), el aglomerado urbano
de (23,5 C), el suelo desnudo de (27C) y la vegetacin (18C).
A pesar que las condiciones climaticas, geogrficas y las correcciones de las escenas son
diferentes o se desconocen, los valores del primer trabajo fueron cercanos a los nuestros aunque
el suelo desnudo presento mayor temperatura que el aglomerado. En el segundo caso, hubo una
diferencia de 6C, 9,5C, 0C y 4C con nuestro trabajo, coincidiendo slo con la vegetacin.
Ambas comparaciones se realizaron debido a que no se encontr informacin sobre estos sitios
contaminados en el GBA.
En cuanto a la baja resolucin de las imgenes trmicas, Ishihara et al. (2002) concluyeron que
presentaba restricciones en cuanto a la deteccin de sitios pequeos. En nuestro caso no se
puedo analizar la respuesta de las chatarreras con LandSat 5 de 120 m por lo cual se
complemento con ASTER de 90 m.
Mientras que Silvestri et al. (2005) determinaron que las imgenes tomadas por el sensor en la
primavera o verano en horario matutino eran las nicas con posibilidad de difrenciar las
temperatura entre los sitios de disposicin de residuos (donde hay procesos de fermentacin,
quema y lixiviados) del restos de las cubiertas. En nuestro caso, todas las escenas fueron en
horario matutino (horario local), LandSat de 9 a 10 h y ASTER a las 11 h. Con el primer sensor no
se pudo separar estos sitios, pero si 2 de ellos con el segundo.
Adems con LandSat puedo distinguir las piletas de lixiviados de las tosqueras y lagunas. Estas
dos ultimas no pudieron separarse, mientras que la separabilidad entre los cuerpos de agua y los
sitios de disposicin de basura fue baja. En el caso de ASTER con un horario ms cercano al
medio dia, las piletas de lixiviado presentaron temperaturas similares a las tosqueras y lagunas y
al igual que LandSat 5 no hubo separabilidad entre los rellenos sanitarios, basurales y ex
basurales, adicionandose en este caso las chatarreras.
IV.7. Mscaras
Como se menciono anteriormente, se elabor una mscara del rea urbana en base a la serie
trmica. Para ello se aplic ACP y se obtuvo la clase de aglomerado urbano del GBA en color
verde claro (Figura 77) en base a las tres primeras bandas, lo que indic informacin comn en
las distintas fechas. Esta clase present continuidad desde el puerto de la CABA hacia la periferia
a lo largo de los ejes del ferrocarril y las autopistas adoptando la forma de tentculos.
Figura 77. Anlisis de Componentes Principales en base a la serie multitemporal de temperatura de LandSat 5 del 2001
al 2011.
Esta mscara se complement con las principales rutas y avenidas, las vas de los FFCC y los
aeropuertos (Mapa 14).
IV.7. Regresin logstica binaria
El objetivo del uso de esta herramienta estadstica fue generar un modelo que exprese las
variables que mejor describen a un basural en el GBA, en base a la variable dependiente y un
conjunto de variables predictivas numricas y categricas. Es importante aclarar que en el Anexo
5 donde se detallan los pasos y resultados obtenidos, a continuacin se presenta un resumen
destacando los datos utilizados y los resultados obtenidos.
La variable dependiente llamada Sitio consto de 78 polgonos del rea de estudio, 38 de ellos
codificados como 1 cuando corresponde a un basural (es el evento que queremos detectar) y los
38 restantes codificados como 0 cuando sea ausencia de basural para lo cual se tomaron reas
con vegetacin, suelo, aglomerado urbano, ex basurales y muestras de agua.
Para la generacin del modelo se utilizo el 80% de los polgonos (31) y el 20% (14) para la
validacin. A este modelo se ingresaron los basurales detectados por anlisis visual.
Las variables independientes seleccionadas se eligieron en base a los antecedentes de

investigacin de la seccin I.2 adicionalmente se considero el tamao de estos sitios
contaminados dado que se observo que gran parte de ellos tienen un tamao similar. stas se
dividieron en dos grupos: numricas o cuantitativas y categricas, todas ellas tienen informacin
sobre los 76 polgonos de la variable dependiente:
Numricas
rea(ha): rea del basural medida en hectreas (ha).
Poblacion2011: Poblacin por municipio (hab), provenientes del Censo Nacional de
Poblacin y Vivienda del ao 2010.
Densidad2011 (hab/km2): Densidad poblacional por municipio medida en habitantes
por km2 (hab/km2) en base a datos de poblacin del 2010 y la superficie del municipio.
Generacin de basura (Tn): Generacin de basura por municipio medida en toneladas
(Tn) ingresadas al CEAMSE al ao 2005.
Pavimento: porcentaje de calles pavimentadas por municipio (%).
Brillo, verdor y humedad: valor promedio de la Transformacin Tasseled Cap, en base a
la imagen LandSat 5 del 26 de febrero de 2011.
ndices Valor: promedio de los ndices SAVI, NDVI y NSI, con rangos de valores de
-1 a 1 en base a la imagen LandSat 5 del 26 de febrero de 2011.
Temperatura media (C): valor promedio de la temperatura en C en base a la imagen
LandSat 5 del 26 de febrero de 2011.
TC1, TC2 y TC3: Valor promedio de las tres primeras componentes de ACP, en base a
una serie multitemporal de temperatura del 2001-2011 con imgenes LandSat 5.
B1 a B5 y B7: Valor promedio de la reflectancia en base a la imagen LandSat 5 del 26
de febrero de 2011.
Categricas
Corresponden a las variables descriptas en la seccin III.2, las cuales son dicotmicas, donde 1
indica cercana a 100 m, 300 o 500 m a la redonda con un basural y 0 sin relacin con un basural.
VyA100m y VyA300m: cercana con villas y asentamientos a 100 m y 300 m.
BarriosCerrados100m y BarriosCerrados300m: cercana con barrios cerrados a 100 m

y 300 m.
Industrias100m, Industrias300m e Industrias500m: cercana a industrias y parques

industriales a 100 m, 300 m y 500 m.
Rios100m y Rios300m: cercana a cursos de agua a 100 m y 300 m.
Avdayrutas100m y Avdayrutas300m: cercana a las principales avenidas, autopistas y

rutas a 100 m y 300 m.
FFCC de 100m: cercana a las vas del FFCC a 100 m.
Altitud menor a 100 m: altitud menor de 10 m de altura, correspondiente a reas

inundables o con gran probabilidad.
Otros sitios contaminados de 100 m: cercana a otros sitios contaminados (ex

basurales, rellenos sanitarios, chatarreras y tosqueras) a 100 m.
En base a Sitio (1= basural, 0= no_basural) y las 35 variables independientes se realizo la

regresin logstica binaria, obteniendo que las variables predictoras fueron rea(ha), Brillo,
Temperatura media (C) y Otros sitios contaminados100m.
La primera variable presento valores promedio de 1 ha para basurales y 3,5 ha para no_basurales
y rangos entre 0,02-2,3 ha y 2,0 a 6,2 ha, adems de muy buena separabilidad entre dichos
grupos (Figura 78-a). Mientras que para el Brillo y la Temperatura la separabilidad entre los dos
tipos de sitios fue baja, tomando rangos de 0,20 - 0,34 y 0,18 - 0,31 en reflectancia y 21 - 27C y
20 - 25,5 C respectivamente (Figura 78-b y c). En cuanto a la cercana con otros sitio
contaminado se encontr que el 30% de los basurales de referencia se encontraron a menos de
100 m a diferencia del 6% del no_basural (Figura 78-d).
Figura 78. a, b y c. Diagramas de cajas de rea(ha), Brillo y Temperatura media (C); d) Grfico de barras de Otros sitios
En base a los coeficientes de la prueba de Wald se construy la ecuacin de regresin logstica:

Y= 1/ {1 + exp(-15,376 - 0,53 * reaha + 24,176 * Brillo + 0,468 * Temperatura mediaC + 2,337
* Otros sitios contaminados100 m)}
Los valores de P(Y=Basural) menores de 0,5 se clasificaron como Basural mientras que los
mayores a dicho valor se correspondieron a No_basural. El mtodo se valido tomando el 20% de
las muestras con la ecuacin anterior y se calculo el valor de Chi-Cuadrado cuyo valor de
significancia fue de 0,37 lo que indico que la validacin y la estimacin no estaban
correlacionadas.
Finalmente, se evaluaron los 123 polgonos obtenidos por anlisis visual, obtenindose que el 93
(76%) fueron evaluados como Basurales (Mapa 15).
Captulo V. Anlisis exploratorio con Imgenes SAR en
banda X y C
V. Anlisis exploratorio con Imgenes SAR en banda X y C
En este capitulo se describe la adquisicin, el preprocesamiento, procesamiento y los resultados
obtenidos con imgenes SAR. Los fundamentos fsicos fueron explicados en el captulo II junto a
las imgenes pticas y trmicas.
V.1. Adquisicin de imgenes

Los sensores SAR utilizados en esta tesis fueron:
(m) COSMO-SkyMed (COnstellation of small Satellites for Mediterranean basin Observation)
en banda X (8 GHz) con polarizacin simple o dual de acuerdo al modo de adquisicin.
(n) ERS-2 (European Remote Sensing Satellite) en banda C (5,3 GHz), polarizacin simple,
VV.
V.1.1. COSMO-SkyMed
Las imgenes COSMO-SkyMed (CSKS) utilizadas proceden de la constelacin COSMO-SkyMed
en banda X (= 3,1 cm). sta consta de 4 satlites24, pertenecientes a la Agencia Espacial Italiana
(ASI, por Agencia Spaciale Italiana) y al Ministerio de Defensa Italiano, concebido para uso militar
y civil. Las aplicaciones de este ltimo son: manejo de riesgo ambiental, cientfico y comercial.
La revisita entre los 4 satlites es de 7 horas con ngulos de incidencia entre 25 y 59 y en 3
modos posibles de adquisicin de la imagen (Figura 79).

Figura 79. Modos de adquisicin de la imagen (e-geos, 2010a)
Los 3 modos de adquisicin de la imagen son (ASI, 2009):

Spotlight25: imgenes con extensin de 10 x 10 km2, resolucin especial de 1 x 1 m2 y un
look. En este modo el haz de la antena ilumina varias veces una misma regin. Su resolucin
espacial es alta pero su rea de cobertura es pequea.
Stripmap: imgenes con extensin de 40 x 40 km 2, resoluciones de 5 x 5 m2 y un look
(Himage); e imgenes con escena de 30 x 30 km 2, 20 x 20 m2 de resolucin espacial, y 2
24
El lanzamiento de CSKS-1 y 2 fue en el ao 2007, CSKS-3 en el ao 2008 y CSKS-4 (Cosmo-SkyMed) en el 2010.
25
Hay 2 modos: uno de uso civil y otro militar. El modo descrito corresponde al modo comercial.
polarizaciones posibles entre HH, HV, VH o VV (PingPong). En el modo Stripmap, el patrn de
iluminacin de la antena se mantiene ortogonal a la lnea de vuelo del radar. En Himage slo
tiene una polarizacin mientras que en PingPong, los pulsos emitidos y/o recibidos alternan la
polarizacin.
ScanSAR: imgenes con extensin de 100x100 km 2 (WIDE REGION), hasta 200 x 200
km2 (HUGE REGION) y resolucin espacial desde 30 x 30 m2 hasta 100x100 m2.

Estos productos pueden tener dos niveles de correccin posibles: Standard y High-level.
El nivel Standard presenta cuatro subtipos segn el grado de correccin radiomtrica y
geomtrica, cada uno de ellos se basa en el anterior:
Nivel 0 datos RAW (Received SAR Echo Signal): son los datos crudos tomados por el
sensor.
Nivel 1A datos SCS (Single look, Complex, Slant range): con correcciones mnimas, como
un proyeccin en rango y azimuth adems de una ecualizacin radiomtrica
Nivel 1B datos DGM (Detected, Ground projected, Multilook): tienen calibracin
radiomtrica interna del sensor, proyectada sobre un elipsoide de referencia.
Nivel 1C datos GEC (Geo-coded, Ellipsoid corrected) y Nivel 1D datos GTC (Geo-coded,
Terrain corrected): ambos son los datos del nivel anterior pero con una georreferencia externa
al sensor, en el caso 1C en base a un sistema de referencia cartogrfico mientras que 1D con
una DEM.
El nivel Higher tiene 6 productos, todas ellas incluyen correcciones radiomtrica y geomtrica:
Quick look (vista rpida)
Speckle Filtered (filtrado por speckle)
Co-registered (corregistrada)
Backscattering (retrodispersin)
Mosaiked (mosaico)
DEM & Interferometric Products: Coherence map; Interferograms (Productos
interferomtricos y DEM: mapa de coherencia, interferograma).

V.1.2. ERS-2
El satlite ERS-2, que funciona en banda C, es el segundo satlite de teledeteccin diseado por
la Agencia Espacial Europea (ESA por European Space Agency), lanzado en el ao 1995. Su
misin es el estudio del ocano, la criosfera y seguimiento de procesos terrestre. El tiempo de
revisita es de 35 das y su ngulo de incidencia de 23.

En esta tesis se utiliz una nica imagen con modo de adquisicin Stripmap. En este modo la
antena tiene la flexibilidad de seleccionar un swath cambiando el ngulo de incidencia y la
elevacin del haz, con ancho de escena de 100 km X 102,5 km.

Los productos de ERS-2 son varios26:
Raw: datos crudos tomados por el sensor.
SLCI (Single Look Complex Image): datos en bruto a los que se ha aplicado un ligero
preprocesado, aunque manteniendo la forma compleja de los mismos. No se aplican
algoritmos para la reduccin del fenmeno "speckle" y los datos estn en forma de "slant-
range".
PRI (Precision Image)27: imagen con correcciones sistemticas y reduccin de speckle
(mediante 3 looks).
GEC (Ellipsoid Geocoded Image) y GTC (Terrain Geocoded Image): productos de alto nivel
localiza y rectifica, con precisin, la imagen SAR, se han eliminado las distorsiones del
terreno utilizando un DEM.
En la tabla 20 se proporcionan las caractersticas principales de las imgenes utilizadas segn el

modo de adquisicin. Todas las imgenes SAR utilizadas se encontraban en valores originales en
amplitud expresados en ND, mientras que el tipo de producto utilizado fue estndar para CSKS y
PRI para ERS-2. El rea de coberturas se muestras en la Figura 80.
Modos de adquisicin
Caractersticas
Spotlight Stripmap-Ping Pong Stripmap-Himage Stripmap
Satlite-Misin CSKS1 CSKS2 CSKS3 CSKS3 CSKS3 ERS-2
Nombre de la imagen 620 613 612 23 322 ERS2
Banda X C
ngulo de incidencia 40 40 40 40 40 23
Polarizaciones HH HV, HH VV, HH VV HH VV
Resolucin en alcance (m) 1 20 5 22
Resolucin en azimut (m) 1 20 5 25
Tamao del pixel (m2) 1x1 20 x 20 5x5 12,5 x12,5
Resolucin radiomtrica
(ENL: nmero de observa- 1 2,82 2 3
ciones)
Nivel de Correccin DGM GEC Pri
rea de la escena 10 km x 10 km 30 km x 30 km 40 km x 40 km 100 km x 102,5 km
Fecha 06/12/10 14/12/10 15/12/10 29/06/09 25/06/09 27/09/05
Tabla 20. Caractersticas de las imgenes SAR.
La descripcin de gran parte de los productos fue tomada de: www.crepad.rcanaria.es

26
Esta correccin difiere del producto estndar generado por ESA. La correccin la realizo la Estacin terrena de
27
CONAE.

Figura 80. rea de cobertura de las imgenes SAR.
V.2. Preprocesamiento
Estas imgenes al igual que las pticas y trmicas fueron corregidas aunque no atmosfricamente
debido a que estos sensores son poco afectados por la atmsfera (CCRS, 2008). Adicionalmente
fueron calibradas para obtener los valores en potencia y decibeles a partir de una ecuacin de
calibracin propia de cada sensor.
V.2.1. Correccin radiomtrica

La magnitud que se obtiene al realizar la correccin radiomtrica es el coeficiente de
retrodispersin, con notacin 0 tambin conocida como Sigma0, magnitud fsica que contiene la
informacin sobre el blanco. Este concepto es equivalente al de reflectancia en el ptico, y se
obtiene de la relacin fundamental entre las caractersticas del radar, el blanco y la seal recibida,
para un reflector puntual y lambertiano28 (Ulaby et al., 1982):
Donde:
Pt es la potencia enviada por el trasmisor a la antena que trasmite.
Gt es la ganancia de la antena, que multiplicada por Pt da cuenta de la potencia
irradiada por la antena.
Rt es la distancia entre el blanco reflector y el trasmisor
es la seccin eficaz de retrodispersin (al radar) del blanco y es el factor que relaciona la fuente de
iluminacin con la superficie. Tiene unidades de superficie.
Rr es la distancia entre el reflector y el receptor (en el caso de un satlite la antena que emite es la misma
que recibe entonces Rr = Rt).
28
Una superficie lambertiana refleja la energa incidente por igual en todas direcciones.
Ar es la superficie efectiva de la antena que recibe la seal (en el caso de satlites es la misma que enva).
El trmino encerrado en el triangulo da cuenta de la potencia que llega al blanco mientras que el
trmino encerrado en el circulo da cuenta de la potencia que sale del receptor debido a la
perturbacin del haz incidente. Por ltimo la densidad de radiacin que sale del blanco dispersada
de manera isotrpica, rectngulo, llega al receptor e incide en toda su rea efectiva, A r.
La ganancia de la antena Gt tiene la siguiente relacin con la longitud de onda y el rea efectiva:
Gt= 4 * * At/ 2
Entonces, al reemplazarlo en la ecuacin de potencia se obtiene:
Donde la intensidad de la radiacin cae a la cuarta potencia de la

distancia.
Al despejar el , seccin eficaz de retrodispersin de un determinado blanco, y normalizarla por el
rea y se denomina 0:
(8)
Donde i es la seccin eficaz individual de cada porcin del terreno y A es el rea total donde se
promedian todas las respuestas recibidas.
El 0 se puede expresar de tres formas:

Potencia, 0: es directamente proporcional a la intensidad de energa recibida. La
distribucin de los datos no es normal.
Amplitud, 0A: es la raz cuadrada de la potencia (0). La distribucin de los datos se
asemeja a una gausiana.
Decibeles, 0dB: es el logaritmo de la potencia multiplicado por 10 (10*log(0)). La
distribucin se considera normal.
V.2.2. Calibracin SAR

La calibracin se utiliza para ajustar posibles cambio temporales en la ganancia de la antena y en
las condiciones de saturacin de la seal, con el fin de convertir los valores de amplitud de cada
pxel, expresado en contaje digital ND a valores de brillo o coeficiente de retrodispersin ( 0) en
potencia corregidos en rango (Laur et al. 1996 en Frulla et al., 1998).
Todas las imgenes originales almacenaban sus datos en 16 bits, pudiendo alcanzar su valor
mnimo de 0 y mximo de 65535.
La calibracin de los datos SAR dependen del procesador del sistema satlite considerado. Los
datos necesarios para este procedimiento fueron obtenidos de la cabecera header o metadata
de cada imagen, para ello se procedi como se indica en la figura 81:
Figura 81. Lectura de los coeficientes de la metadata de una imagen CKSK con ENVI.
CSKS
La ecuacin de calibracin utilizada es la propuesta por la ASI (e-geos, 2010), correspondiente a
imgenes con nivel de correccin 1B y 1C (tabla 9):
Paso Frmula Condicin Descripcin
1 2
Donde P(i,j) es el valor en potencia de cada pxel, o sea,
P(i, j ) = img inp (i, j ) el cuadrado del valor positivo de la amplitud imginp (i,j)
expresado en contaje digital ND.
2 RslflagNONE Remove the Reference Slant Range (la distancia oblicua
de referencia).
2 Rexp Rslflag: Range Spreading Loss Compensation
Fact = Rref
Rexp: Reference Slant Range Exponent (Exponente de la
distancia oblicua de referencia).
Rref:Reference Slant Range- (Reference Slant Range)
3 IncflagNONE Remove the Reference Incidence Angle (obtener el ngulo
de incidencia de referencia)
Fact ' = Fact sin( ref ) ref -Reference Incidence Angle- (ngulo de incidencia de
referencia).
Incflag: Incidence Angle Compensation Geometry.
4 1 Remove the Rescaling Factor (obtener el Factor de
Fact ' ' = Fact ' reescalado o reajuste)
F2 F: Rescaling Factor (factor de reescalado o reajuste)
5 Kflag=0 Apply the Calibration Factor (aplicar el factor de
1 calibracin)
FTot = Fact ' ' '
K K: Calibration Constant (constante de calibracin).
Kflag: Calibration Constant Compensation Flag.
6 Apply the total scaling factor (aplicar el factor de
0 (i, j ) = P (i, j ) * FTot rescalado)
Ftot es un numero, factor de reescalado
Tabla 21. Calibracin de CSKS
En el primer paso de la frmula de calibracin (Tabla 21) se calculo P(i,j), con la herramienta
BandMath de ENVI, mediante la formula (abs(float(b1)))^2 donde b1 corresponda a una de las
bandas polarizadas en amplitud expresado en niveles digitales ND.
Los pasos 2 a 5 se ejecutaron con el programa estadstico R versin 2.12.029 (Figura 82). En estos
pasos se calcularon coeficientes para cada imagen y polarizacin (Figura 83). Se chequearon
cada una de las condiciones establecidas, cumpliendo con cada una de ellas.
Figura 82. Procesamiento con R de los pasos 2 al 5 de la calibracin. Ejemplo sobre la imagen CSKS612.
En el caso de las imgenes con dos polarizaciones se calcularon dos constantes de calibracin
(K) y factores de reescalado (Ftot: ftothv, ftotvv o ftothh).
En el paso 6 se obtuvo Sigma0 (0) en potencia, multiplicando los resultados obtenidos en el paso
1 y 5.
El uso de este programa se debi a que utiliza ms decimales que otros como IDL y Excel, 14 decimales, lo que
29
permiti trabajar con mayor precisin.

Figura 83. Pasos para la calibracin. Ejemplo sobre la imagen CSKS612 con polarizacin HH.
Luego se paso 0 en potencia a decibles mediante la siguiente ecuacin: 10*LOG(B3), donde B3

es 0 en potencia. Esta ecuacin, en el Band Math del ENVI se implementa como: 10*alog10(B3)
Los resultados obtenidos se reflejan en la tabla 22.
Modos de adquisicin
Caractersticas
Spotlight Stripmap-Ping Pong Stripmap-Himage
Nombre de la imagen CSKS620 CSKS613 CSKS612 CSKS023 CSKS322
Polarizaciones HH HV, HH VV, HH VV HH
Rref 780000
Rexp 2 1,5
ANGref 40.0
F 2,34E+002 108,03 99,2 1,4 2,06
Khv=6,9649795e+25 Kvv=4,3727821e+25
K 2,86E+035 1,61E+022 1,15E+022
Khh=7,1766182e+25 Khh=4,5471837e+25
Valores obtenidos con R
Paso 2.
3,70E+023 3,70E+023 3,70E+023 4,75E+017 4,75E+017
Fact=Rref^(2*Rexp)
Paso 3. Fact1=Fact*
2,76E+023 2,76E+023 2,76E+023 3,54E+017 3,54E+017
sin(ANGref)
Paso 4. Fact2=Fact1/
5,04E+030 2,36E+019 2,80E+019 1,80E+017 8,36E+016
(F^2)
Ftothv=3,393001e-7 Ftotvv =6,409737e-7
Paso 5. Ftot=Fact2/K 1,76E-005 1,12E-005 7,25E-006
Ftothh=3,292941e-7 Ftothh =6,163899e-7
Condiciones
Rslflag NONE ACQUISITION ZERO DOPPLER
Incflag NONE ACQUISITION ZERO DOPPLER
Kflag=0 0
Tabla 22. Clculos de coeficientes de calibracin de CSKS.
Comentarios sobre la calibracin de CSKS
El preprocesamiento de calibracin se repiti con el programa NEST DAT4A-1.5. Con la misma
formula de calibracin que se indica en la tabla 2 de e-geos (2010b) que trabaja con un ngulo de
incidencia de un elipsoide:
Fact ' = Fact sin( ref )

Tambin se puede optar por trabajar con un DEM, en este caso se introduce un trmino a la
ecuacin anterior:
Fact = Fact * sin ( ref ) * sin( DEM ) / sin( el )
Donde DEM es el ngulo de incidencia calculado sobre un DEM y el es el ngulo de incidencia
calculado a partir de una red de puntos tomados por el satlite.
Se obtuvieron las estadsticas bsicas de cada imagen con ambos programas, los cuales aplican
la calibracin propuesta por e-geos (2010b). Todos los resultados se indicaron con 6 decimales
como se obtuvo con ENVI (tabla 23), mientras NEST trabaja con 13 decimales los cuales fueron
redondeados en el 6to decimal.
0 en HV HH
dB ENVI NEST DAT ENVI NEST DAT
Mnimo -64,69 -62,74 -64,82 -62,57
CSK613 Mximo 30,76 30,86 19,14 18,7
Media -5,42 -6,32 -15,78 -14,61
Mnimo -61,93 -144,47 -62,1 -144,08
CSK612 Mximo 33,43 33,59 28,94 29,17
Media -4,86 -5,81 -6,51 -7,12
Mnimo - - -110,95 -47,54
CSK620 Mximo - - 48,14 48,18
Media - - -0,89 -1,98

Tabla 23. Estadsticas de las imgenes CSKS (612, 613 y 620).
Como los resultados no coincidieron se opt por estudiar las estadsticas parciales tres muestras
(agua, vegetacin y suelo) sobre la imagen CSKS612 con polarizacin HH (Tabla 24).
Imagen CSK612, Vegetacin en HH Agua en HH Suelo en HH
0 en dB ENVI NEST DAT ENVI NEST DAT ENVI NEST DAT
Mnimo -16,01 -17,31 -55,69 -144,47 -26,46 -30,07
Mximo -2,5 -2,37 -16,28 -14,15 -3,34 -4,16
Media -6,46 -7,48 -26,54 -25,09 -12,5 -12,17
Tabla 24. Estadsticas de la Imgenes CSKS (612, 613 y 620).
De la tabla 24 se observa que las mayores diferencias corresponden a la muestra de agua.

Debido a que el objetivo de esta tesis no se centr en la calibracin de imgenes y el tiempo para
realizarla fue acotado (6 meses), se decidi dejar el chequeo de cada paso de calibracin
realizado con NEST y el anlisis de las muestras, en particular la de agua por presentar las
mayores diferencias, para un trabajo futuro. Por todo lo anterior se considero el pre y
procesamiento con ENVI.
ERS-2
En el caso de ERS-2 la ecuacin de calibracin es la propuesta por la ESA (Laur et. al., 2004):
0 = DN2 + Sen ()
K Sen (ref)
Donde DN, como se mencion anteriormente, es la amplitud expresado en contaje digital, K es
una constante de calibracin, es el ngulo de incidencia local y ref es el ngulo de referencia
que corresponde al ngulo medio del rango (tabla 25).
Caractersticas de ERS-2
Nombre de la imagen ERS-2

Polarizaciones VV
Constante de calibracin (K) 936914
ngulo de incidencia local ( ) 19,623 a 26,631
ngulo de referencia (ref) 23,2
Tabla 25. Coeficientes de calibracin de ERS-2.
V.2.3. Correccin geomtrica

El mtodo de remuestreo utilizado fue convolucin cbica mediante una transformacin
polinmica de primer grado obtenida a partir de puntos de control.
En el caso de CKSK se utiliz como referencia la misma imagen pero georreferenciada
automticamente con el programa NEST DAT 30, debido a que la correccin con este programa fue
correcta, por lo cual se tomo para tomar puntos de control. Mientras que las escenas 023VV y
322HH fueron recibidas en nivel 1C, lo que incluye las correcciones geomtricas y la proyeccin a
un sistema de referencia, por lo cual no necesitaron dichas correcciones.
En el caso de las imgenes ERS2-VV se utiliz como referencia una imagen pancromtica
Landsat 7 ETM+ de 15m del 20 diciembre de 2001 (con nivel de correccin 5 - georreferenciada y
con proyeccin UTM zona 21 y datum WGS84).
Todas las imgenes fueron proyectadas a Lat/Lon, y datum WGS84, a partir de puntos de control
que se describen a continuacin:
CSKS620 de 1 m x 1 m de resolucin fue georreferenciada con 46 puntos de control
distribuidos homogneamente obtenindose un error RSM de 0,367075 pxeles (equivalente a
0,37m).
CSKS613: de 20 m x 20 m de resolucin fue georreferenciada con 40 puntos de control
La imagen original se calibr desde SarTools/Radiometric Correction/Calibrate

30
y georrefenci con
Geometry/Reprojection. Luego se exporto a ENVI con formato .TIF (File/Product Writers).
5,55m).
CSKS612 de 20 m x 20 m de resolucin fue georreferenciada con 40 puntos de control
5,75m).
ERS2-VV de 12,5 m x 12,5 m se tomaron 29 puntos de control distribuidos
homogneamente obtenindose un error RSM de 0,346329 pxeles (equivalente a 4,33 m).
V.3. Procesamiento
Para el anlisis exploratorio se realizaron estadsticas globales en base cada imagen y parciales a
partir de un conjunto de sitios contaminados y cubiertas del rea de estudio, empleando tablas de
datos y grficos de caja y diagrama.
En calcular las estadsticas globales se aplic para cada imagen una mscara31 (Figura 84) de
forma de evitar el fondo negro producto de la georrefencia que modifica las estadsticas globales.
Figura 84. Mscara de color amarillo de CSKS612 con polarizacin VV.
En base a la imagen con la mscara se calcularon desde ENVI los histogramas divididos en 1000
intervalos32 y luego fueron exportados como dato numrico a SPSS, a partir de los cuales se
obtuvieron las estadsticas bsicas en tablas y los grficos de caja.
En el caso de las estadsticas parciales, se extrajeron 10 muestras por cada sitio y cubierta de
aproximadamente 50 pxeles cada una, y se graficaron slo las 3 muestras con mayor
heterogeneidad para cada sitio y cobertura de forma de mostrar la heterogeneidad en la
composicin de los sitios de disposicin de residuos (materia orgnica, escombros, plsticos,
materia inerte, metales, vegetacin, etc.). En lo posible se mantuvieron las mismas muestras para
todas las imgenes excepto para 620HH que abarca una regin mucho menor que el resto (Figura
87).
Luego de realizar el anlisis estadstico se determin la imagen que presento la mejor
separabilidad entre cada sitio contaminado y las cubiertas, y se extrajeron los pxeles
comprendidos en los rangos de cada sitio. Los resultados obtenidos fueron compararon con los
sitios de referencia, excluyendo los pxeles unitarios y aplicando mscaras de aglomerado urbano
obtenida de la serie multitemporal trmica con LandSat, coberturas vectoriales de ros, rutas y
avenidas del GBA.
Las mscaras se generaron con la herramienta Band Math, donde se consideraron los valores iguales a 1.
31
Por defecto ENVI divide a los histograma en 256 intervalos que fueron modificados a 1000 para obtener valores ms
32
cercanos a los verdaderos desde File/Preference/Miscellaneous/Max Histogram Bins

Finalmente, se realizo anlisis visual empleando la variacin del tono y la forma para lo cual se
utilizaron imgenes LandSat 5 y Digital Globe del Google Earth de fechas prximas a las SAR
como apoyo visual.
V.3.1. Estadsticas globales

En base a cada imagen se obtuvieron sus histogramas en potencia y decibeles (Figura 85 de a
r) y estadsticas (Tabla 26), con el objetivo de conocer las distribuciones de los datos.
a) b)
Histogramas de la imagen 612HH en potencia (a) y en decibeles (b)
c) d)
Histogramas de la imagen 612VV en potencia (c) y decibeles (d).
e) f)
Histogramas de la imagen 322HH en potencia (e) y decibeles (f).
h)
g)
Histogramas de la imagen 023VV en potencia (g) y en decibeles (h).
i) j)
k)
Histogramas de la imagen 613HH en potencia (i) y en decibeles (j) y sobre el pico mximo en el rango -0,002 a 0,002 dB
(k).
l) ll)
m)
Histograma de la imagen 613HV en potencia (l) y en decibeles (ll) y sobre el pico mximo en el rango -0,001 a 0,001 dB
(m).
) o)
p)
Histogramas de la imagen 620HH en potencia () y en decibeles (o) y sobre el pico mximo en el rango -0,001 a 0,001
dB (p).
q) r)
Histogramas de la imagen ERS2-VV en potencia (q) y en decibeles (r).
Figura 85. Distribuciones de las imgenes SAR.
Imgenes SAR
Nombre Mnimo Q1 Mediana Q3 Mximo
CSKS322HH -51,4 -12,54 -9,55 -5,79 44,93
CSKS023VV -49,51 -11,52 -8,92 -5,74 46,81
CSKS612HH -62,1 -10,51 -7,05 -0,05 28,8
CSKS612VV -61,93 -9,56 -5,95 -0,07 32,48
CSKS613HV -64,69 -17,51 -13,98 -0,03 30,7
CSKS613HH -64,82 -10,36 -6,73 -0,05 19,13
CSKS620HH -47,54 -10,77 -4,64 -0,05 48,12
ERS2-VV -48,49 -13,87 -12,1 -10,24 35,67
Tabla 26. Estadsticas bsicas en dB, obtenidas con SPSS.
Todos los histogramas de las imgenes en potencia presentaron distribucin Gamma, donde los
datos se agruparon mayormente hacia la izquierda. Mientras que en decibeles, presentaron dos
comportamientos: distribuciones tendientes a Gaussiana o Normal en forma simtrica con
mediana cercana a -10 dB en el caso de las dos polarizaciones de 612 y las restantes
distribuciones presentaron dos picos, los mximos absolutos entre -10 a 0 dB y los mximos
relativo entre -20 a -10 dB excepto en ERS2-VV con -40 dB.
Figura 86. Grfico de caja y bigotes de las imgenes SAR utilizadas. Las lneas horizontales representan el lmite
superior, Q3 en la parte superior de la caja (75% de los datos) mientras que la lnea interior es la mediana y la inferior de
la caja es Q1 (25% de los datos), y la inferior del grfico es el lmite inferior.
En la Figura 86 se observan 8 diagramas de caja y bigotes correspondientes a cada escena SAR.
El rango de valores sin considerar los valores atpicos y anmalos fue de -40 a 20 dB, y se
presentaron distribuciones simtricas (322HH, 023VV y ERS2-VV) y con sesgo a la derecha
(612HH, 612VV, 613HV y 613HH) y a la izquierda (620HH). Todas las imgenes excepto 613HV
presentaron bigotes inferiores y superiores del mismo largo.
La imagen con menor dispersin fue ERS2-VV y la de mayor 613HV en comparacin al resto de
las imgenes SAR.
Se presentaron distribuciones muy similares entre:
322HH y 023VV de 5m x 5m de tamao de pxel, siendo la primera imagen
la de mayor dispersin.
612HH, 612VV y 613HH de 20m x 20m de tamao de pxel, en el caso de
las imgenes CSKS con sesgo a la derecha mientras que ERS2-VV a la izquierda.
V.3.2. Estadsticas parciales

V.3.2.1. Cuatro coberturas del rea de estudio
Como se menciono anteriormente, los sitios contaminados fueron comparados con cubiertas del
rea de estudio para comparar su comportamiento. Estas cubiertas fueron agua de los ros
Reconquista y Matanza, suelo, vegetacin y aglomerado urbano para cada imagen en decibeles,
tanto para CSKS en banda X como para ERS-2 en banda C.
Figura 87. Estadsticas de muestras de agua (azul), suelo (marrn) y vegetacin (verde). Las lneas horizontales
representan el lmite superior, Q3 en la parte superior de la caja (75% de los datos) mientras que la lnea interior es la
mediana y la inferior de la caja es Q1 (25% de los datos), y la inferior del grfico es el lmite inferior.
En la Figura 87 se observa separabilidad entre el agua y el resto de las cubiertas, excepto en la

imagen 023VV. En las imgenes 612HH, 613HH, 613HV y ERS-2VV no hubo solapamiento de
cajas ni bigotes mientras que en 322HH, 612VV y 620HH el solapamiento fue con el suelo en un
25%.
Las restantes cubiertas presentaron superposicin y presentaron mayoritariamente los siguientes
valores en forma decreciente: aglomerado urbano (-22 a 10 dB), vegetacin (-22 a 0 dB), suelo (-
25 a 0 dB) y agua (-45 a -5 dB). El rango de trabajo fue de -45 a 10 dB.
Gran parte de las muestras presentaron puntos anmalos y asimetra, tambin dispersin
acentundose en las muestras de agua (excepto en 023VV, 322HH y ERS-2VV) y del aglomerado
urbano (excepto en 322HH y 612HH).
3.2.2. Estadsticas sobre los sitios contaminados
Cuerpos de agua
Figura 88. Cuerpos de agua: grfico de caja y bigotes de las imgenes SAR utilizadas. Las lneas horizontales
En la Figura 88 se observan los diferentes tipos de cuerpos de agua: pileta de lixiviado, agua con
sedimentos correspondiente a las lagunas y tosqueras y el agua con algas correspondiente a las
tosqueras, adems de las cubiertas del rea de estudio. Todos ellos presentan nula separabilidad
en las imgenes 023VV, 322HH, 620HH y ERS2-VV.
En general el agua con sedimento, las piletas de lixiviados y los ros presentaron comportamiento
similares e inferiores al agua con algas, los rboles, la vegetacin y los juncales del Delta.
En la imagen 612HH, el agua con sedimento (-35 a -15dB), los ros (-37 a -16 dB) y las piletas de
lixiviados (-38 a -18 dB) presentan valores similares y se separan muy bien de los rboles (-20 a
-4 dB), juncales (-17 a -2 dB), suelo (-19 a -7 dB) y vegetacin (-14 a -3 dB). Similar situacin se
repiti con 612VV, 613HV y 322HH, aunque hubo solapamientos de bigotes en un 25% con los
rboles y el suelo.
Para la separacin entre los tipos de cuerpos de agua se utiliz la imagen 612HH en el rango
entre -40 a -20 dB que involucr al agua con sedimentos y las piletas de lixiviados, excluyendo a
los ros con una mscara vectorial de ros del rea de estudio.
Chatarreras
Figura 89. Chatarreras: grfico de caja y bigotes de las imgenes SAR utilizadas. Las lneas horizontales representan
el lmite superior, Q3 en la parte superior de la caja (75% de los datos) mientras que la lnea interior es la mediana y la
inferior de la caja es Q1 (25% de los datos), y la inferior del grfico es el lmite inferior.
En la Figura 89 se observa que las chatarreras presentaron nula separabilidad con el resto de las
cubiertas, excepto 2 muestras de ellas en la imagen 613HH (-8 a 4 dB) con valores superiores al
suelo (-25 a -12 dB), el agua (-45 a 24 dB), la vegetacin (-21 a -7 dB) y similar al aglomerado
urbano (-25 a -2 dB). Para separarlo de esta ultima cubierta se aplico una mascara. Estas
muestras de las chatarreras presentaron simetra y poca dispersin.
Basurales
Figura 90. Basurales: grfico de caja y bigotes de las imgenes SAR utilizadas. Las lneas horizontales representan el
lmite superior, Q3 en la parte superior de la caja (75% de los datos) mientras que la lnea interior es la mediana y la
En la Figura 90 se observa que en la imagen 613HV los basurales valores en decibeles ( 0) que
oscilaron entre -25 a -11 dB, similar al agua (-32 a -15 dB) e inferior al aglomerado (-12 a 5 dB), la
vegetacin (-11 a 8 dB) y el suelo (-15 a -5 dB) aunque con este ltimo se solaparon los bigotes de
dos basurales en un 25% y una caja en un 50%. Las muestras presentaron asimetra y poca
dispersin. Para separarlo del agua se emplearon los cuerpos de agua obtenidos anteriormente
como mscara.
Ex basurales
Figura 91. Ex basurales: grfico de caja y bigotes de las imgenes SAR utilizadas. Las lneas horizontales representan
el lmite superior, Q3 en la parte superior de la caja (75% de los datos) mientras que la lnea interior es la mediana y la
Una de las muestras de los ex basurales (-31 a -10 dB) presento buena separacin con el
aglomerado urbano (-14 a 5 dB), suelo (-15 a -5 dB) y vegetacin (-13 a 3 dB) en la escena 613HV
y similar al rango del agua (-32 a -13 dB). En este ltimo caso se utilizo como mscara los
resultados obtenidos de los tems anteriores con los cuerpos de agua. Las tres muestras de ex
basurales tomaron valores entre 30 a -7 dB y presentaron dispersin y asimetra (Figura 91).
Rellenos sanitarios
Figura 92. Rellenos sanitarios: grfico de caja y bigotes de las imgenes SAR utilizadas. Las lneas horizontales
En este caso se tomaron muestras de un relleno activo (Norte III) e inactivo (Bancalari),
pudindose slo distinguir el primero de ellos en la imagen 613HV con valores entre -40 a -16 dB
e inferiores al resto de las cubiertas (Figura 92). Mientras que el inactivo tomo valores entre -4 a
-14 dB, superponindose con el aglomerado urbano (-8 a 5 dB), la vegetacin (-13 a 3 dB) y el
suelo (-15 a -5 dB). Para separarlo del aglomerado urbano se utiliz una mascara.
En el resto de las imgenes el relleno activo presento valores inferiores al inactivo en 023VV,
322HH, 612HH y 612VV y superiores en 613HH, 620HH y ERS2-VV.
En resumen los sitios contaminados presentaron los siguientes valores para las imgenes que
presentaron la mejor separabilidad con el resto de las cubiertas. En el caso de los ex basurales,
basurales y rellenos sanitarios activos se trataron como un conjunto dado que presentaron rangos
superpuestos entre -40 a -15 dB (Figura 93).
Figura 93. Sitios contaminados: grfico de caja y bigotes de las imgenes SAR utilizadas. Las lneas horizontales
En el Mapa 16 y en la siguiente tabla se reflejan la cantidad de hectreas detectadas como sitios

potencialmente contaminados (Tabla 27):
Referencia contaminados
(ha) %
ha (ha)
coincidencia
Cuerpos de agua - CSKS612HH 274 151 55% 302
Chatarreras CSKS613HH 15 0,1 1% 170
Cuerpos de agua - CSKS613HV 275 176 64% 101
Basurales - CSKS613HV 215 12 6%
Ex basurales - CSKS613HV 122 12 10%
Rellenos sanitarios - CSKS613HV 473 62 13% 1.668
Tabla 27. Resultados obtenidos con imgenes CSKS.
V.3.3. Elementos de interpretacin SAR
Variacin en el tono
En la Figura 94 se observan diferentes coberturas y su comportamiento en imgenes SAR y
ptica, destacndose con recuadro rojo el montculo de basura triturada de color gris.
Figura 94. Relleno sanitario, chatarrera y tosquera. Imagen CSKS 322HH a la izquierda y ptica a la derecha.
Los tonos ms bajos de 0 correspondieron a las tosqueras con agua, que al incidir la energa
sobre estas reas quietas y lisas se produce la reflexin especular por la cual la energa reflejada
se aleja en direccin contraria al sensor y por ello en la imagen la superficie se ve oscura.
En tonos bajos se observaron los suelos desnudos y los montculos de basura triturada a cielo
abierto mientras que con tonos intermedios de 0 se destacaron los montculos de basura tapados
con tierra y el suelo con vegetacin. Estas superficies son irregulares por lo cual se produce la
reflexin difusa, es decir, la energa se dispersa en muchas direcciones y slo una parte de esta
regresa al sensor por lo cual no es un tono bajo ni tampoco brillante.
Tambin se observaron tonos brillantes en las chatarreras, que son objetos geomtricos que
modifican el ngulo de reflexin de la energa incidente lo que puede intensificar la energa que
regresa al sensor y por ende aparecer ms brillante en la imagen.
En el caso de chatarreras en reas altamente urbanizadas, los tonos de este sitio contaminado y
los techos de chapa de diferentes construcciones fueron similares (Figura 95).
612HH 612VV 613HH Imagen ptica del Google

Earth
Figura 95. Chatarrera (polgono con borde amarillo) y un ex basural (polgono con borde rojo) en rea urbana.
Regresando al caso de los cuerpos de agua, en la Figura 96 se observaron estos sitios en
diferentes imgenes SAR siempre en tonos bajos, los tonos brillantes se correspondieron a los
techos de las viviendas aledaas a las tosqueras y al rea urbana que se comportaron igual que
las chatarreras, al producir respuestas de gran intensidad por efecto de los mecanismos de
corner reflector y los tonos intermedios correspondieron a las reas verdes.
Figura 96. Tosqueras en rea urbana. Imgenes SAR.
V.4. Resultados SAR

En resumen, las imgenes SAR utilizadas en este trabajo fueron CSKS en banda X (612 en HH y
VV, 620HH, 322HH, 023VV y 613 HH y VV) y ERS-2VV en banda C.
CSKS 612HH, 613HH y 613HV fueron de utilidad para la deteccin de sitios potencialmente
contaminantes, a excepcin de los rellenos sanitarios inactivos y los cuerpos de agua con algas
que presentaron valores altos y similares a la vegetacin y el suelo.
Los sitios detectados presentaron alta separabilidad con las cubiertas de suelo, vegetacin, juncal
y rboles a excepcin del agua o el aglomerado urbano, para lo cual se utilizaron mscaras y
tambin se excluyeron los pxeles unitario. Los resultados finales se muestran en el Mapa 16.
Los cuerpos de agua, a excepcin de aquellos con alga en suspensin (afectando algunas de las
tosqueras), presentaron valores entre -38 a -15 dB en 612HH, involucrando agua con sedimentos,
las piletas de lixiviados y los ros. Por este ltimo se utiliz una mscara vectorial de ros,
identificndose estos cursos por ser rectilneos a diferencia de las tosqueras, las lagunas y las
piletas con formas cuadradas, rectangulares y otras formas geomtricas.
Al igual que Garcia y Miguelsanz (2009), la discriminacin de los cuerpos de agua con vegetacin
en suspensin con banda X fue baja, por un lado debido al retorno de energa por parte de la
vegetacin que se asimilo a la vegetacin del suelo y por otro a la poca capacidad de penetracin
de esta banda.
En el caso de las muestras de las chatarreras, 2 de ellas presentaron valores entre -15 a 3 dB en
613HH similares al aglomerado urbano de -25 a -2 dB, por lo cual se utilizo una mscara de
aglomerado urbano generada con las bandas trmicas. En cuanto al anlisis visual present tonos
brillantes similares al aglomerado urbano con techos de chapas, por lo cual no fue posible la
deteccin slo con anlisis visual en SAR.
Los ex basurales, basurales y rellenos sanitarios activos se trataron como un conjunto debido a
que presentaron rangos superpuestos de -40 a -15 dB (Figura 93) ordenados en forma
decreciente en 613HV. Este rango coincidi en parte con los curso de agua (-30 a -15 dB)
detectados anteriormente, por lo cual se restaron los resultados obtenidos con 612HH y 613HV
obteniendo los posibles sitios de disposicin de residuos.
Estos rangos coincidieron con los relevados por Ottavianelli (2007) en los rellenos sanitarios de
Inglaterra, tanto los montculos de basura a cielo abierto con alto contenido de materia orgnica,
plsticos y metales como los cubiertos con tierra. Las mediciones se realizaron con un sensor fijo
en banda C con polarizaciones HH, HV y VV.
Con respecto a la variacin de tonos estos sitios de disposicin de residuos presentaron tonos
bajos en los montculos de basura tritura a cielo abierto e intermedios los montculos tapados con
tierra, diferencindose del trabajo de Yonezawa (2009), donde los montculos de tierra presentaron
valores altos de 0 con imgenes PALSAR en banda L con polarizacin HH en Japn, aunque en
dicho trabajo no fue posible su diferenciacin con el resto de las coberturas.
Con respecto al alto contraste entre los sitios contaminados y las cubiertas de vegetacin (pastos,
juncales y rboles) y suelo desnudo o con vegetacin en reas urbanas como el GBA, las mejores
polarizaciones fueron las transmitidas en H y recibidas en H o V, auque no fue posible la
separacin con el aglomerado urbano y los cursos de agua por lo cual se utilizaron mscaras. La
banda que permiti la separacin fue la X a diferencia de C donde la separacin fue nula. El
ngulo de incidencia de 40 de CSKS fue ms adecuado que 23 de ERS-2, por lo cual un ngulo
mayor permiti mejor discriminacin entre cubiertas.
Mientras que el tamao del pxel ms adecuado fue de 20 m x 20 m, que se ajust mejor al rea
urbana del GBA que los otros tamaos empleados de 1, 5 y 12 m de CSKS y ERS-2. Por lo cual a
menor resolucin menor detalle y mejor discriminacin.
Captulo VI. Deteccin de sitios contaminados y
potencialmente contaminados con
imgenes pticas, trmicas y SAR
- Evaluacin de las metodologas utilizadas

- Elaboracin de mapas
- Inventario
VI. Deteccin de sitios contaminados y potencialmente contaminados
Para determinar los sitios potencialmente contaminantes de consideraron al menos 3 mtodos,

preferentemente aquellos que presentaron valores del 50% o ms de coincidencia con los 440
sitios de referencia (Figura 97).
Se intersecaron las reas en comn, y en aquellas donde 2 o ms mtodos coincidieron con
tamaos dentro de los caractersticos fueron consideradas.
Luego, se comparo el porcentaje de acierto con los sitios contaminados y se eliminaron estas
reas en comn, como paso intermedio se consideraron para cada sitio el tamao caracterstico
en base a los 440 sitios recopilados (los cuerpos de agua en el rango de 0,01 a 6,3 ha, las
chatarreras de 0,01 a 3,5 ha, los basurales de 0,01 a 5,5 ha, los ex basurales entre 0,01 a 6,2 ha y
los rellenos sanitarios entre 10 a 724 ha).
Las reas resultantes fueron considerados como sitios potencialmente contaminados (Mapa 17).
Es importante destacar que en la comparacin entre los sitios potencialmente contaminados y los
sitios contaminados se actualizo en algunos casos el tamao de estos ltimos.
Figura 97. Mtodos de extraccin empleados con imgenes pticas, trmicas y SAR. En el caso del anlisis visual en
algunos sitios super el 100%.
Basurales
En este caso se consideraron la firma espectral, la regresin logstica y para complementar el
tercer mtodo se considero el Brillo.
En primer lugar se consideraron los resultados obtenidos previamente en la regresin logstica,

donde se evaluaron los potenciales basurales en base al anlisis visual. Obteniendo que 93 de
104 polgonos fueron clasificados como basural, y 71 (40 ha) de estos coincidan con las firmas
espectrales de los basurales.
Se volvi a aplicar la regresin logstica pero en este caso a todas las reas en comn entre Brillo
y Temperatura del GBA. De esta forma se determinaron 1645 polgonos (5.733 ha), a los cuales
se le calculo el rea en hectreas y la distancia a otro tipo de sitio contaminado, obteniendo
finalmente que 44 polgonos (52 ha) cumplieron con todos los parmetros de la regresin logstica.
Sumado a los anteriores se obtuvo un total de 105 potenciales basurales equivalentes a 92 ha y
324 basurales o su equivalente a 612 ha de la recopilacin bibliogrfica y relevamiento de campo.
La cantidad de hectreas de referencia fue de 612 ha de las cuales coincidieron 273 ha o 45%
utilizando el Brillo, la firma espectral, la regresin logstica (el rea, la temperatura y la distancia a
otro sitio contaminado). Se considera que el valor obtenido por esta metodologa es un valor
bueno.
Chatarreras
Las potenciales chatarreras fueron obtenidas de:
- El anlisis visual: 20 sitios equivalentes a 19 ha
- La superposicin entre la clasificacin supervisada y el Brillo: 309 sitios equivalentes a 600
ha.
Obteniendo un total de 329 potenciales chatarreras equivalente a 619 ha y 20 chatarreras
equivalente a 13 ha de la recopilacin bibliogrfica y relevamiento de campo.
El valor obtenido por el anlisis visual, la clasificacin supervisada y el brillo fue muy alto,
varios de los polgonos detectados como potenciales chatarreras eran basurales o ex
basurales, por lo cual se considera que el mtodo utilizado esta sobreestimado y no
presenta una buena deteccin.
Cuerpos de agua
Los cuerpos de agua fueron detectados mediante anlisis visual, clasificacin no supervisada de
IRC e IRM e imgenes SAR 613HV y 612HH. En el primer caso se obtuvieron 70 polgonos
equivalente a 331 ha y de la interseccin del resto de los mtodos se obtuvieron 67 potenciales
cuerpos de agua equivalentes a 470 ha, de donde se eliminaron 7 polgono, correspondientes a
cursos de agua rectificados como el canal aliviador de Tigre. De esta forma se obtuvieron 137
potenciales cuerpos de agua con una superficie de 801 ha y 107 cuerpos de agua equivalente a
186 ha de la recopilacin bibliogrfica y relevamiento de campo. Este resultado a pesar de ser
alto se considera que presenta una buena deteccin no slo porque la cantidad de mtodos
utilizados supero ampliamente la deteccin en ms de un 50%, sino tambin es un
problema ambiental en crecimiento en el GBA y el relevamiento bibliogrfico para este tipo
de sitio contaminado fue bajo.
En el caso de los cuerpos con agua, pudieron seprarse las tres clases de la siguiente forma:
Piletas de lixiviados: mediante la temperatura y la cercania con los rellenos sanitarios se
discrimino este grupo del resto por presentar temperaturas ms elevadas, obteniendo 10
piletas equivalente a 96 ha.
Lagunas artificiales con sedimentos: por cercania con barrios cerrados y su forma
geometrica (dibujos como un trebol) mediante analisis visual, obteniendo 21 poligonos con
un total de 65 ha.
Tosqueras con sedimentos y/o algas: por exclusin de las anteriores, anlisis visual
considerando su forma rectangular o cuadrada y en el caso la serie multitemporal de NDVI
presentaron valores similares a las piletas de lixiviados. De esta forma se obtuvieron 76
sitios que ocuparon 25 ha.
Ex basurales
En este caso se utilizo el anlisis visual, el Brillo, la clasificacin supervisada y la temperatura. Del
primer mtodo se obtuvieron 31 polgonos equivalente a 56 ha, y de la interseccin de los
restantes se obtuvieron 239 polgonos o 718 ha. De esta forma se obtuvieron 270 potenciales ex
basurales o 774 ha mientras que de la recopilacin bibliogrfica y relevamiento de campo 79 ex
basurales equivalente a 153 ha. Se considera que el valor obtenido por esta metodologa esta
sobre estimado, por lo cual no es un valor bueno.
Rellenos sanitarios
En este caso se encontraron 15 polgonos equivalentes a 2.354 ha, por medio de la interseccin
de Brillo, temperatura y clasificacin supervisada. Esos polgonos presentaron grandes reas, las
cuales coincidieron en su totalidad con los mismos predios de los basurales y/o predios vecinos de
los cuales se desconoce su uso anterior o actual. Como por ejemplo, el Mercado Central y el
predio vecino al Relleno de Gonzlez Catn.
El porcentaje de coincidencia con los polgonos de referencia fue del 50% equivalente a 992 ha.
Se considera que el valor obtenido por esta metodologa es bueno a pesar de coincidir con
grandes basurales. Un relleno al igual que un basural es un sitio de disposicin de
residuos legal por lo cual presentan patrones similares, como sucedi con la temperatura o
las imgenes SAR donde no se pudieron separar.
Captulo VII. Resultados y conclusiones
VII. Resultados y conclusiones
En base a los objetivos planteados se presentan los resultados y conclusiones de la presente
tesis.
VII.1. Resultados generales

El objetivo general fue detectar y caracterizar los sitios contaminados y potencialmente
contaminados: basurales a cielo abierto, ex basurales, rellenos sanitarios, tosqueras y chatarreras
en el GBA durante el perodo 2001-2011, con herramientas de teledeteccin, estadstica y SIG.
Lo cual pudo realizarse mediante la recopilacin bibliogrfica, el relevamiento de campo, el
empleo de mtodos de extraccin con imgenes pticas, trmicas y SAR y el uso de la regresin
logstica binaria.
Encontrndose:
105 potenciales basurales (92 ha) y 324 basurales (612 ha)
329 potenciales chatarreras (619 ha) y 20 chatarreras (13 ha), aunque se considera que el
primer valor esta sobrestimado
137 potenciales cuerpos de agua (801 ha) y 107 cuerpos de agua (186 ha). Mediante la
temperatura y la cercana con los rellenos sanitarios se discrimino este grupo del resto por
presentar temperaturas ms elevadas, obteniendo 10 piletas equivalente a 96 ha.
Considerando la forma geomtrica y la cercana a barrios cerrados se separaron lagunas
artificiales (10 lagunas de 65 ha) de tosqueras (76 sitios de 25 ha), estas ultimas
presentaron forma rectangular o cuadrada y valores similares de NDVI a las piletas de
lixiviados.
270 potenciales ex basurales (774 ha) y 79 ex basurales (153 ha).
Se obtuvieron 15 polgonos (2.354 ha) que coincidieron con los grandes basurales aunque
el rea detectada incluy tambin los predios vecinos, por lo cual no se detect ningn
relleno sanitario en el GBA. 6 rellenos sanitarios (1.992 ha).
Tambin se emplearon mscaras para evitar aquellas cubiertas que presentaron comportamientos
similares a los sitios como el aglomerado urbano, el pavimento y los sitios con gran concentracin
de construccin como los aeropuertos. Asimismo, las reas detectadas como potenciales sitios
fueron discriminadas por su superficie dentro de un rango determinado por los 440 polgonos de
referencia.
Es importante destacar que no slo se detectaron nuevos potenciales sitios, sino tambin se
actualizaron los sitios contaminados en cuanto al tamao y estado (activo o inactivo).
VII.2. Resultados especficos
En base a los objetivos especficos propuestos:
VII.2.1. Recopilar informacin de la ubicacin y caractersticas de estos sitios en el GBA.

Se realizo una bsqueda exhaustiva en bibliotecas digitales, atlas y consultas a organismos
relacionados con la temtica Encontrando que los sitios de disposicin de residuos a diferencia de
las chatarreras o tosqueras fueron ms fciles de encontrar, debido a que son una problemtica
ambiental ampliamente estudiada en el GBA, parte de la informacin se encuentra disponible en
el ACUMAR, AABA, los diagnsticos ambientales de la UNGS, DPOUyT entre otros.
Aunque esta informacin se encontraba desactualizada y en diferentes formatos (listados, mapas)
por lo cual se debi realizar un trabajo previo intenso y luego su actualizacin mediante anlisis
visual con LandSat y Google Earth.
En el caso de las chatarreras y tosqueras se utilizaron recortes periodsticos e informes de la
Defensora del Pueblo de la Nacin y CABA.
En cuanto a las caracteristicas de estos sitios:

Los resultados del anlisis visual en cuanto a la caracterizacin fsica fueron:
Basurales y rellenos sanitarios
Camiones dentro del predio.
Gran cantidad de caminos de tierra internos, con buena conexin a la trama urbana con
pavimento. En el caso de los rellenos ubicados sobre las principales autopistas del GBA.
cercana con los cursos de agua.
Montculos de basura.
Vegetacin y suelo desnudo en el predio.
Tanto los grandes basurales como los ex basurales presentaron una huella o impronta en forma
de rbol, un tronco (ingreso principal), numerosas ramas (caminos secundarios de tierra) y copas
(distintos montculos de basura a cielo abierto o de tierra). Tambin se encontraron cercanos o en
el mismo predio que industrias o grandes galpones que se diferenciaron de viviendas particulares.
Los rellenos sanitarios presentaron grandes predios, con piletas de lixiviados y en algunos casos
chatarreras. En el caso de los rellenos activos se observaron en un sector del predio una montaa
de color gris correspondiente a la basura triturada a cielo abierto y numerosos camiones y
tractores. Los rellenos presentaron conexin con las principales autopistas del GBA.
En el caso de las chatarreras, presentaron un patrn relacionado con el orden de los vehculos,
que se encontraron apilados y estacionados en grupos sin un orden general, pegados sin
distancias mnimas entre ellos, contrario a los vehculos en una playa de estacionamiento.
Las tosqueras presentaron basura, agua con sedimentos y/o algas en suspensin, y varias se
ubicaron en las cercanas de villas, asentamientos o en reas periurbanas. La forma fue
generalmente rectangular. Mientras que las lagunas artificiales de los barrios cerrados
presentaron figuras geomtricas (como por ejemplo un trbol), y varias de ellas estaban cercanas
a canchas de golf. En el caso de las piletas de lixiviados se encontraron dentro de los predios de
los rellenos, con forma cuadrada, rectangular o en forma de L.
En cuanto al tamao, una caracterstica no tenida en cuenta en los antecedentes bibliogrficos,

cada sitio presento rangos caractersticos: los cuerpos de agua en el rango de 0,01 a 6,3 ha, las
chatarreras de 0,01 a 3,5 ha, los basurales de 0,01 a 5,5 ha, los ex basurales entre 0,01 a 6,2 ha y
los rellenos sanitarios entre 10 a 724 ha.
VII.2.2. Estudiar el estado del arte de la deteccin de sitios contaminados y potencialmente

contaminados mediante herramientas de teledeteccin y SIG.
En base a la bibliografia recopilada, no se encontraron mtodos que detecten o estimen con alto
porcentaje de acierto los sitios contaminados.
La mayoria de estos trabajos, tanto ptico trmico y SAR, fueron de reas agricolas o poco
urbanizadas, donde no habia solapamiento entre los sitios contaminados con el aglomerado
urbano (pavimento y techos de chapa), por lo cual dificulto el trabajo y se usaron mscaras.
En el caso de los sitios de disposicin de residuos, la dificultad en la deteccin con imgenes

radica en su composicin y generacin que ... vara no slo con la cantidad de habitantes, sino
tambin con la incidencia de otros factores como el nivel de vida y poder adquisitivo, los hbitos
de consumo, los sistemas productivos, los mtodos de embalaje y envasado de bienes y servicios
y, en general, los aspectos relacionados con el crecimiento econmico de los pases (ENGIRSU,
2005). Por todo ello se evaluaron diferentes mtodos de extraccin, que incluyeron la temperatura,
la salud de la vegetacin, patrones espaciales y elementos de interpretacin visual como tamao,
forma y contexto espacial.
Las diferentes publicaciones utilizadas correspondieron a organismos para la proteccin del
ambiente principalmente de Italia y Estados Unidos, y en menor medida de Inglaterra, Japn,
Ucrania, Taiwan y China. En el caso de la Argentina se encontr una unica publicacion con el uso
de SIG y teledeteccin del GBA, correspondiente al Atlas de la Basura, donde se utiliz una
imagen ptica LandSat 5 de diciembre 2001, muestras de 139 basurales a cielo abierto y rellenos
sanitarios relevados por el CEAMSE al 2004.
En el caso de imgenes trmicas y SAR, no se encontr su aplicacin en publicaciones en nuestro

pais por lo cual se compar con datos de otras partes del mundo.
En cuanto a la baja resolucin de las imgenes trmicas, Ishihara et al. (2002) concluyeron que
presentaba restricciones en cuanto a la deteccin de sitios pequeos. En nuestro caso no se
puedo analizar la respuesta de las chatarreras con LandSat 5 de 120 m por lo cual se
complemento con ASTER de 90 m.
Mientras que Silvestri et al. (2005) determinaron que las imgenes tomadas por el sensor en la
primavera o verano en horario matutino eran las nicas con posibilidad de difrenciar las
temperatura entre los sitios de disposicin de residuos (donde hay procesos de fermentacin,
quema y lixiviados) del restos de las cubiertas. En nuestro caso, todas las escenas fueron en
horario matutino (horario local), LandSat de 9 a 10 h y ASTER a las 11 h. Con el primer sensor no
se pudo separar estos sitios, pero si 2 de ellos con el segundo.
VII.2.3. Evaluar las metodologas recopiladas, y en base a las que mejores se ajusten a las
caractersticas socio -ambientales del GBA proponer una metodologa para la deteccin de
sitios contaminados y potencialmente contaminados
En el caso de los basurales se evaluaron 15 mtodos de extraccin (Figura 97) de los cuales los
mtodos que mejores se ajustaron fueron: la firma espectral, la regresin logstica y el Brillo. Se
considera que la cantidad de sitios estimados por la interseccin de los tres mtodos fueron
buenos.
Los resultados de la regresin logstica reflejaron que las variables rea, Brillo, Temperatura
media y la distancia a otros sitios contaminados fueron estadsticamente significativas entre 35
variables evaluadas entre ellas variables demogrficas o sociales como densidad de poblacin,
produccin de residuos, distancia a villas, asentamientos o barrios cerrados.
Para las chatarreras se evaluaron 14 mtodos, de los cuales el anlisis visual, la clasificacin
supervisada y el Brillo coincidieron en ms de un 50% con los sitios de referencia. Se considera
que la cantidad de sitios estimados esta sobrestimado.
Los cuerpos de agua fueron evaluados con 16 mtodos encontrando los mejores al anlisis visual,
clasificacin no supervisada de IRC e IRM e imgenes SAR 613HV y 612HH. Se considera que la
cantidad de sitios estimados por la interseccin de estos mtodos fueron buenos.
Asimismo, se aplicaron otros mtodos para separar las tres clases de cuerpo de agua, de la
siguiente forma:
Piletas de lixiviados: mediante la temperatura ms elevada que los otros cuerpos y la
cercana con los rellenos sanitarios.
Lagunas artificiales con sedimentos: por cercana con barrios cerrados y su forma
geomtrica (dibujos como un trbol) mediante anlisis visual.
Tosqueras con sedimentos y/o algas: por exclusin de las anteriores, anlisis visual
considerando su forma rectangular o cuadrada y en el caso la serie multitemporal de NDVI
presentaron valores similares a las piletas de lixiviados.
En el caso de los ex basurales se evaluaron 14 mtodos y se eligieron 4: anlisis visual, Brillo,

clasificacin supervisada y temperatura. Se considera que hubo una sobrestimacin en la cantidad
de potenciales ex basurales.
Finalmente, para los rellenos sanitarios se evaluaron 14 mtodos encontrando que Brillo,
temperatura y clasificacin supervisada fueron los mejores. Los resultados obtenidos coincidieron
con los basurales. Por lo cual no hubo separabilidad con los basurales.
VII.2.4. Analizar los mecanismos de interaccin entre las microondas y los sitios para
distintos modos de polarizacin, ngulos y bandas de las imgenes SAR.
En resumen, las imgenes SAR utilizadas en este trabajo fueron CSKS en banda X (612 en HH y
VV, 620HH, 322HH, 023VV y 613 HH y VV) y ERS-2VV en banda C.
CSKS 612HH, 613HH y 613HV fueron de utilidad para la deteccin de sitios potencialmente
contaminantes, a excepcin de los rellenos sanitarios inactivos y los cuerpos de agua con algas
que presentaron valores altos y similares a la vegetacin y el suelo.
Los sitios detectados presentaron alta separabilidad con las cubiertas de suelo, vegetacin, juncal
y rboles a excepcin del agua o el aglomerado urbano, para lo cual se utilizaron mscaras y
tambin se excluyeron los pxeles unitario. Los resultados finales se muestran en el Mapa 16.
Al igual que Garcia y Miguelsanz (2009), la discriminacin de los cuerpos de agua con vegetacin
en suspensin con banda X fue baja, por un lado debido al retorno de energa por parte de la
vegetacin que se asimilo a la vegetacin del suelo y por otro a la poca capacidad de penetracin
de esta banda.
En el caso de las muestras de las chatarreras presento valores similares con los techos de chapa
por lo cual no fue posible la deteccin con SAR.
Los ex basurales, basurales y rellenos sanitarios activos presentaron valores similares entre ellos
y con los cuerpos de agua. Estos rangos coincidieron con los relevados por Ottavianelli (2007) en
los rellenos sanitarios de Inglaterra, tanto los montculos de basura a cielo abierto con alto
contenido de materia orgnica, plsticos y metales como los cubiertos con tierra. Las mediciones
se realizaron con un sensor fijo en banda C con polarizaciones HH, HV y VV.
Con respecto a la variacin de tonos estos sitios de disposicin de residuos presentaron tonos
bajos en los montculos de basura tritura a cielo abierto e intermedios los montculos tapados con
tierra, diferencindose del trabajo de Yonezawa (2009), donde los montculos de tierra presentaron
valores altos de backscattering (retrodispersin) con imgenes PALSAR en banda L con
polarizacin HH en Japn, aunque en dicho trabajo no fue posible su diferenciacin con el resto
de las coberturas.
Con respecto al alto contraste entre los sitios contaminados y las cubiertas de vegetacin (pastos,
juncales y rboles) y suelo desnudo o con vegetacin en reas urbanas como el GBA, las mejores
polarizaciones fueron las transmitidas en H y recibidas en H o V, aunque no fue posible la
separacin con el aglomerado urbano y los cursos de agua por lo cual se utilizaron mscaras. La
banda que permiti la separacin fue la X a diferencia de C donde la separacin fue nula. El
ngulo de incidencia de 40 de CSKS fue ms adecuado que 23 de ERS-2, por lo cual un ngulo
mayor permiti mejor discriminacin entre cubiertas.
Mientras que el tamao del pxel ms adecuado fue de 20 m x 20 m, que se ajust mejor al rea
urbana del GBA que los otros tamaos empleados de 1, 5 y 12 m de CSKS y ERS-2. Por lo cual a
menor resolucin menor detalle y mejor discriminacin.
VII.2.5. Contribuir con los organismos y secretarias afines a un mejor conocimiento de

estos sitios, mediante el aporte de una base de datos geoespacial y mapas de afectacin
En base a la informacin recopilada y estimada se gener un inventario y mapas, donde se indica

la fuente de informacin, los mtodos de extraccin utilizados y otras caracteristicas de cada sitio.
Siendo beneficiario directo de esta tesis el Programa Nacional para la Gestin Ambiental de Sitios
Contaminado de la Secretaria de Ambiente y Desarrollo Sustentable de la Nacin.
VII.2.6. Analizar el uso de Teledeteccin y SIG como instrumento til en los marcos
institucionales, legislativos y en los acuerdos internacionales. En particular, analizar la
utilidad de las imgenes SAR para estos fines
En base a los resultados obtenidos en este trabajo se considera que el uso de teledeteccin y SIG
con imgenes pticas, trmicas y SAR representan herramientas de gestin adecuadas para la
deteccin de sitios contaminados y potencialmente contaminados, cuya aplicacin puede
complementar los objetivos del PROSICO (Artculo 2 de la Ley General del Ambiente N 25.675):
... producir una herramienta de gestin con capacidad para identificar, sistematizar,
calificar y cuantificar procesos de degradacin por contaminacin y definir las
estrategias de prevencin, control y recuperacin de sitios contaminados,
desarrollando, paralelamente, el soporte regulatorio necesario, concebido como una
construccin conjunta y consensuada entre todas las Provincias, la Ciudad
Autnoma de Buenos Aires y la Nacin, en acuerdo con el COFEMA, (). Entre los
resultados que se espera obtener de la implementacin del PROSICO, son
destacables los relativos a la obtencin de un diagnstico de situacin nacional
expresado a travs de un inventario de sitios contaminados, la definicin de
prioridades de intervencin para la recuperacin ambiental, la creacin de
instrumentos metodolgicos, tecnolgicos y jurdicos para la gestin, el
fortalecimiento institucional y la capacitacin de recursos humanos. () En este
sentido, es imprescindible contar con una herramienta que permita enmarcar las
acciones destinadas a la remediacin y al saneamiento de aquellos sitios
caracterizados como contaminados que, por un criterio de prioridad previamente
establecido, sean identificados como tales. En la actualidad, si bien existe alguna
informacin dispersa, se desconoce la entera magnitud de la problemtica.
Tambin son de utilidad para la vigilancia o monitoreo, aportando informacin cada 16 das en el
caso de las imgenes pticas y trmicas y cada 4 das en SAR.
Las dos primeras dependen las condiciones climticas y en el caso de la banda trmica su
dificultad reside en su baja resolucin (120 m para LandSat 5 y 90 m para ASTER), lo cual dificulta
la deteccin de sitios pequeos.
En cuanto al anlisis exploratorio con imgenes SAR, se obtuvo que la mejor resolucin espacial
para reas urbanas fue de 20 m, en comparacin con 1 m, 5 m y 12,5. En cuanto a su
preprocesamiento y procesamiento fueron de mayor complejidad que los pticos y trmicos.
Bibliografa
Aguila Sesser M., 2009. Cartografa y teledeteccin. Lincoln Institute of Land Policy.
Ahmed Shaker and Wai Yeung Yan, 2009. Trail road landfill site monitoring using multi-temporal
LANDSAT satellite data. Department of Civil Engineering Ryerson University, Toronto,
Canada.
Alsina G. y Mio M. L. (Editores), 2009 Diagnstico ambiental del Partido de San Miguel. Ao
2006. Primera edicin. Los Polvorines: Coleccin Publicacin Electrnica, UNGS. 250
pginas. En prensa. ISBN: en trmite.
Alsina G. y Mio M. L. (Editores), 2009. Diagnstico ambiental del Partido de Jos C. Paz. Ao
2005. Primera edicin. Los Polvorines: Coleccin Publicacin Electrnica, UNGS. 262
pginas. En prensa. ISBN: en trmite.
Alsina G. y Mio M. L., (Editores), 2009. Diagnstico ambiental del Partido de Morn. Ao 2007.
Primera edicin. Los Polvorines: Coleccin Publicacin Electrnica, UNGS. 159 pginas.
En prensa. ISBN: en trmite.
Alsina G., Borello J. A. y Mio M. L. (Editores), 2007. Diagnstico ambiental del Partido de
Malvinas Argentinas. Ao 2004. Primera edicin. Los Polvorines: Coleccin Publicacin
Electrnica, UNGS. 231 pginas. ISBN: 987-630-006-7.
Alsina G., Borello J. A. y Mio M. L. (Editores), 2007. Diagnstico ambiental del Partido del Pilar.
Ao 2002. Primera edicin. Los Polvorines: Coleccin Publicacin Electrnica N 12,
UNGS. 211 pginas. ISBN: 987-630-007-5.
Alsina G., Borello J. A. y Mio M. L. (Editores), 2007. Diagnstico preliminar ambiental del Partido
de Ituzaing. Ao 2003. Primera edicin. Los Polvorines: Coleccin Publicacin Electrnica
N 11, UNGS. 220 pginas. ISBN: 987-630-008-3.
Alsina G., Borello J. A. y Zalts A. (coordinadores), 2006. Diagnstico preliminar ambiental del
Partido de Hurlingham. Ao 2000. Mio M. L. y Rivarola y Bentez M. (asistentes en la
edicin final del libro). Primera edicin. Los Polvorines: Coleccin Investigacin Serie
Informes de Investigacin N 26, UNGS. 210 pginas. ISBN: 987-9300-74-9.
Alsina G., Borello J. A. y Zalts A. (coordinadores), 2007. Diagnstico preliminar ambiental del
Partido de San Miguel. Ao 2001. Mio M. L. (Coordinadora de la edicin final). Primera
edicin. Los Polvorines: Coleccin Publicacin Electrnica N 9, UNGS. 195 pginas.
ISBN: 978-987-9300-98-X.
Alsina G., Mio M. L. y Molina L. (Editores), 2010. Diagnstico ambiental del Partido de San
Fernando. Ao 2008. En prensa.
Altobelli A., Bressan E., Grisi J. e Napolitanoa R., 2005. Analisi delle modificazioni del territorio
circostante le discariche di 1a categoria nella provincia di Udine. Dipartimento di Biologia,
Universit degli Studi di Trieste, Italia. XV Congresso della Societa Italiana di Ecologia
Torino 2005. 15 th Meeting of the Italian Society of Ecology.
Alzate B., 2007. Unidad 4: introduccin al procesamiento de imgenes digitales. Curso 7 de
procesamiento y anlisis digital de imgenes satelitales. Especializacin en Teledeteccin y
Sistemas de Informacin Geogrfica aplicados al estudio del medio ambiente. Universidad
Nacional de Lujn.
Aragons D., Daz-Delgado R. y Bustamante J., 2005. Tratamiento de una serie temporal larga de
imgenes Landsat para la cartografa de la inundacin histrica de las marismas de
Doana. Laboratorio de Sistemas de Informacin Geogrfica y Teledeteccin (LAST) y
Grupo de Ecologa Espacial, Dep. Biologa Aplicada. Estacin Biolgica de Doana CSIC.
XI Congreso Nacional de Teledeteccin, 21-23 septiembre 2005. Puerto de la Cruz.
Tenerife.
Arango Gutirrez M., Branch Bedoya J., Botero Fernndez V., 2005. Clasificacin no supervisada
de coberturas vegetales sobre imgenes digitales de sensores remostos: LandSat ETM+.
Aristov M., 2008. Dumps and landfill monitoring using high-resolution satellite images. In Carsten
Jurgens (Ed.): Remote sensing New Challenges of High reslution, Bochum 2008.
Bagheri S. y Hordon R., 1988. Hazardous Waste Site Identification Using Photography: A Pilot
Study in Burlington New Jersey, USA. Environmental Management Vol. 12, No. 1, pp. 119-
125.
Baodonga M., Lixina W. y Shanjuna L., 2008. Remote Sensing detection for subsidence-resulted
water body and solid-waste dump in coal mine: Yanzhou being a case. Institute for
Geoinformatics & Digital Mine Research, Northeastern University, and Institute for
GIS/RS/GPS & Subsidence Research, China University of Mining & Technology, China. The
International Archives of the Photogrammetry, Remote Sensing and Spatial Information
Sciences. Vol. XXXVII. Part B6b. Beijing 2008.
Baodonga MA, WU Lixina and LIU Shanjuna, 2008. Remote Sensing detection for subsidence-
resulted water body and solid-waste dump in coal mine: Yanzhou being a case. Institute for
Geoinformatics & Digital Mine Research, Northeastern University, and Institute for
GIS/RS/GPS & Subsidence Research, China University of Mining & Technology, China. The
International Archives of the Photogrammetry, Remote Sensing and Spatial Information
Sciences. Vol. XXXVII. Part B6b. Beijing 2008.
Barnaba E., Philipson W, Ingram W. y Pim J., 1991. The use of aerial photographs in country
inventories of waste disposal sites. Photogrametric Engineering and Remote Sensing Vol.
57.
Barn Lpez F., 2004. Apuntes de Bioestadstica: Tercer Ciclo en Ciencias de la Salud y Medicina.
Departamento de Matemtica Aplicada de la Universidad de Mlaga, Espaa.
Barsky A., Da Representaao N., Cicarelli I., Galeano E., Genes S., Iguez C., Ledesma C., Ortiz
R., Quiroz S., Reynaga G., Ruiz V., Steinbach F., Talavera R., Tenor A. y Zanzi J. L., 2007.
Captulo III: uso inadecuados de grandes espacios vacantes y escasez de espacios verdes
pblicos. En Alsina et al., 2007.
Bischoff S., 2003. Captulo 6: Sudestada. El Cambio Climtico en el Ro de la Plata. Proyecto:
assessments of Impacts and adaptations to climate change (AIACC).
Borello J. A. y Catenazzi A. (coordinadores), 2001. Dignostico preliminar abiental de Jos C. Paz,
ao 1998. Informe de Investigacion n 12. ICO UNGS.
Bozzano H. y Pintos P., 1995. Medio fsico y conflictos ambientales. En CONAMBA, 1995.
Brivio P., Doria I. and Zilioli E., 1993. Aspects of Spatial Autocorrelation of Landsat TM Data for the
Inventory of Waste-Disposal Sites in Rural Environments. Photogrammetric Engineering
and Remote Sensing. Vol. 59, No. 9, pp. 1377-1382. EN en Ottavianelli (2007).
Bustamante J., Daz-Delgado R. y Aragons D., 2005. Determinacin de las caractersticas de
masas de aguas someras en las marismas de Doada mediante teledeteccin. Revista de
Teledeteccin, Vol. 2005-24, 107-111.
Byrne G., 1979. Remotely sensed land cover temperature and soil water status a brief review.
Remote Sensing Vol. 8.
Calello T., 2000. Breve caracterizacin histrica de la Regin Metropolitana de Buenos Aires.
Instituto del Conurbano. Universidad Nacional de General Sarmiento.
Cappannini D. y Domnguez O., 1961. Los principales ambientes geoedafolgicos de la Provincia
de Buenos Aires. INTA, Revista IDIA N163.
Carbone N., Blodgett C., Doster B. and Lea R., 2005. Contamination Characterization Through
Airborne Hyperspectral Imagery (HSI) Pilot Project Final Report. Missouri Department of
Natural Resources (DNR) and U.S. Environmental Protection Agency (EPA) Office Of Solid
Waste And Emergency Response (OSWER) and University of Missouri Columbia.
Cassano D. y Mio M. L., 2008. Exposicin: Legislacin, causas y efectos ambientales; y
deteccin de cavas ladrilleras y tosqueras (mediante anlisis visual de imgenes
satelitales). 2 y 3 de octubre de 2008, en la VI Jornadas de Sociologa Actores sociales,
problemas pblicos y espacios de ciudadana. UNGS.
Castro R., 1999. Sistema para el Seguiemiento y anlisis de tierras mediante teledeteccin.
Organizacion de las Naciones Unidas para Agricultura y la Alimentacin
CCRS, 2008. Tutora del Centro Canadiense de Percepcin Remota. Ministerio de Recursos
Naturales de Canad. Programa GlobeSAR. Disponible en lnea en:
www.ccrs.nrcan.gc.ca/ccrs/learn/tutorials/gsarcd/intro_e.html
Cea C., Cristbal J., Serra P. y Pons X., 2005. Mejoras en la deteccin semiautomtica de nubes y
sombras en imgenes LANDSAT. Universitat Autnoma de Barcelona. XI Congreso
Nacional de Teledeteccin, 21-23 septiembre 2005. Puerto de la Cruz. Tenerife.
CEAL, 1982. Centro Editor de Amrica Latina. Atlas Fsico de la Repblica Argentina.
Chander G., Markham B. and Barsi J., 2007. Revised Landsat 5 Thematic Mapper Radiometric
Calibration. Manuscript (GRSL-00031-2007) submitted to IEEE GRSL (expected to be
published in July 2007 issue).
Chen C. F. y Chang C. Y., 2006. Monitoring of Illegal Dumping Using Spatial Data Mining and
Remote Sensing. Center for Space and Remote Sensing Research, National Central
University, Jhongli City, Taiwan. En 27th ACRS2006, Ulannbaatar, Mongolia, 2006.
Chi-Farn Chen, Ching-Yueh Chang, ao. Monitoring of illegal dumping using spatial data mining
and remote sensing. Center for Space and Remote Sensing Research, National Central
University, Jhongli City, Taiwan.
Chuvieco E., 2007. Teledeteccin ambiental: la observacin de la tierra desde el espacio. Tercera
edicin. Editorial Ariel, Espaa.
Ciccolella P., 1999. Grandes inversiones y dinmicas metropolitanas. Buenos Aires: ciudad global
o ciudad dual?. Seminario: El nuevo milenio y lo urbano, Instituto de Investigaciones Gino
Germani, Facultad de Ciencias Sociales, Universidad de Buenos Aires, Buenos Aires.
CIM UBA, 2002. Centro de Informacin Metropolitana de la Universidad de Buenos Aires.
Convergencia de los impactos ambientales del uso de la tierra en la salud humana. Primer
Informe 2002. Partido de Pilar, Provincia de Buenos Aires.
CITAB BPBA, 2005. Centro de Investigaciones Territoriales y Ambientales Bonaerenses del
Banco de la Provincia de Buenos Aires. Datos Estadsticos e Informacin General. Pgina
Web: www.bpba.com.ar.
Clichevsky N., 2000. Informalidad y segregacin urbana en Amrica Latina. Una aproximacin,
Serie Medio Ambiente y Desarrollo, N 28, CEPAL-ECLAC, Divisin de Medio Ambiente y
Asentamientos Humanos, Santiago de Chile.
Conesa Garca C., 2004. Medio ambiente, recursos y riesgos naturales: anlisis mediante
teconologa SIG y teledeteccin: aportaciones al XI Congreso de Mtodos Cuantitativos,
SIG y Teledeteccin, Murcia del 20-23 de septiembre, 2004.
CONGALTON, R. G., 1988. A comparison of sampling schemes used in generating error matrices
for assessing the accuracy of maps generated from remotely sensed data.
Photogrammetric Engineering & Remote Sensing, 54(5), 593-600.
Curley P., 2005. GIS Litigation Support Applications in the Courtroom. GIS Analyst, Brown and
Caldwell Environmental Engineering, Atlanta.
Daniele C., Ros D., De Paula M. y Frassetto A., 2005. Impacto y riesgo de la expansin urbana
sobre los valles de inundacin en la Regin Metropolitana de Buenos Aires. En
Urbanizacin, contaminacin e infraestructura, La situacin Ambiental Argentina 2005. Vida
Silvestre. Pgina Web: www.vidasilvestre.org.ar.
Defensora del Pueblo de la Ciudad de Buenos Aires (actuacin n 5153/06 del 12 de enero de
2007 y actuaciones n 5937/05 del 7 de junio de 2007).
Defensora del Pueblo de la Nacin, 2007. Informe especial Cuenca del Ro Reconquista primera
parte. Marzo 2007.
Di Pace M. J. y Crojetovich A., 1998. La sustentabilidad ecolgica en la gestin de residuos
urbanos. Caso de estudio: rea Metropolitana de Buenos Aires, ICO-UNGS.
DPOUyT, 2007. Lineamientos Estratgicos para la Regin Metropolitana de Buenos Aires.
Subsecretara de Urbanismo y Vivienda. Direccin Provincial de Ordenamiento Urbano y
Territorial.
DPOUyT, 2009. Plan Estratgico Territorial. Direccin Provincial de Ordenamiento Urbano y
Territorial del Ministerio de Infraestructura de la Provincia de Buenos Aires.
DUDA R. y HART P., 1973. Pattern classification and scene analysis. New York: John Wiley and
Sons, 1973. 189 p.
Dukatz F.,Ferrati R. y Canziani G., 2005. Clasificacin de lagos someros pampeanos mediante
imgenes Landsat TM. Biologa Acutica n 22, 2005:95-101. ISSN 0326-1638. Instituto
Multidisciplinario sobre Ecosistemas y Desarrollo Sustentable, Facultad de Ciencias
Exactas, UNCPBA. Tandil, Buenos Aires, Argentina.
Earth Remote Sensing Data Analysis Center (ERSDAC), 1996. Algorithm Theoretical Basis
Document for ASTER Level-1 Data Processing (Ver. 3.0). Level-1 Data Working Group
ASTER Science Team, Japan.
e-geos, 2010a. COSMO-SkyMed The first radar constellation for operational applications and
serviceS. Communication 10-2010.
e-geos, 2010b. Calibracion de Cosmo-SkyMed. Obtenido de www.e-geos.it/products/cosmo.html
ENGIRSU, 2005. Estrategia nacional para la gestin integral de residuos slidos urbanos.
Ministerio de Salud y Ambiente (MSAL) y Secretaria de Ambiente y Desarrollo Sustentable
de la Nacin (SAyDS).
EPA, 1999. Using Historical Aerial Photographs and Maps to Document Waste Disposal Site
Activities. US Environmental Protection Agency.
ERDAS, 2003. ERDAS Field Guide, versin 8.7. Leica Geosystems Geospatial Imaging. USA.
Estevan M., 1984. Evolucin del Impacto Ambiental. Fundacin Mapfre. Madrid.
FARN, 2008 . Acceso a la Justicia, la causa Mendoza por Andrs Napoli. Fundacin Ambiente y
Recursos Naturales. Buenos Aires.
Federico Sabat A., 1997. Ciclo de vida material de los residuos urbanos domiciliarios, Informe de
investigacin N 5, Instituto del Conurbano, Universidad Nacional de Gral. Sarmiento,
1997.
Federico Sabat A., 1999. El circuito de los residuos slidos urbanos, Situacin en la Regin
Metropolitana de Buenos Aires, Los Polvorines, ICO-UNGS.
Fernndez L., Martucci L., Gmez G., Hornus E., Hoyos J., Lastra L., Llanos M., Maidana P.,
Mannocchi C., Mrquez D., Martnez J., Mendoza A., Mendoza L., Migueles A., Miguens A.,
Mijaresi J., Mondella N., Moudelle L., Nez N., Ogasawara G., Ogdi M., Ojeda M., Olmos
G., Orellano C., Pez L., Piaggio S., Ponce J., Quintero C., Rodrguez C., Rossi C., Sosa
G., Tejedor F., Triulzi M. y Windholz S., 2009. Captulo I: la calidad del agua para consumo
humano. En Alsina y Mio (Editores), 2009.
Ferral A., Alaniz E., Sarmiento M. and Ferral A., 2009. Assessment, Monitoring and Protection of
Groundwater Pollution in Urban Areas: Cordoba city Argentina. Research work published
by UBP and IHE-DelfHolanda -UNESCO.
Ferrero S., Palacio M. y Campanella O., 2002. Anlisis de componentes principales en
teledeteccin. Consideraciones estadsticas para optimizar su interpretacin. Facultad de
Ciencias Exactas, Fsico-Qumicas y Naturales de la Universidad Nacional de Ro Cuarto.
Revista de Teledeteccin. 2002. 17: 43-54. N. 17 Junio 2002.
Ferrer-Vidal V. y Sol-Sugraes U., 1995. Caracterizacin de emisiones trmicas en reas
suburbanas mediante imgenes Thematic Mapper. Insituto de Ciencias de la Tierra Jaume
Almera, Barcela Espaa. Revista de Teledeteccin, 1995, Vol 5, diciembre 1995.
Fior F., Rosselli R., Silvestri S., Biotto G., Furlan E., Gobbo I., Omri M., Valenti S., Rampazzo S.,
Nicoletti V., Buzzino C., Beltrame P., dal Tin M., Bellomo A. and Beghi S., 2005. The use of
Remote Sensing and GIS to map illegal dumps: a project sponsored by the Veneto Region.
Regione del Veneto, Direzione Tutela dellAmbiente and Magistrato alle Acque, Venezia,
Italy. Proceedings Sardinia 2005, Tenth International Waste Management and Landfill
Symposium S. Margherita di Pula, Cagliari, Italy; 3 7 October 2005.
FIUBA-CEAMSE, 2010. Estudio de calidad de los residuos slidos urbanos de la Ciudad de
Buenos Aires 2009. Informe Final. Falcultad de Ingenieria (FIUBA) Universidad de Buenos
Aires y CEAMSE.
Frulla L., Milovich J., Karszenbaum H. y Kandus P., 1998. Metodologas de Preprocesamiento y
Procesamiento Utilizadas en el Tratamiento Cuantitativo de Datos SAR Para el Estudio de
Ambientes en el Bajo Delta del Ro Paran, Argentina. Consejo Nacional d
Garca M. A. y Miguelsanz P., 2009. Discriminacin de lminas de agua con imgenes
TERRASAR X en La Albufera de Valencia. TRAGSATEC, Madrid. Teledeteccin: agua y
desarrollo sustenible. XIII Congreso de la Asociacin Espaola de Teledeteccin.
Calatayud, 23-26 de septiembre de 2009. pp 117-120. Editores: Salomn Montesinos
Aranda y Lara Fernndez Fornos.
Garolfo D. y Wobber F., 1974. Solid waste and remote sensign. Photogrammetric Engineering and
Remote Sensing Vol. 40.
Geo Argentina, 2004. Perspectivas del Medio Ambiente de la Argentina. Programa de las Naciones
Unidas para el Medio Ambiente, Oficina Regional para Amrica Latina y el Caribe y la
Secretaria de Ambiente y Desarrollo Sustentable de la Repblica Argentina.
Giusti L., 2009. A review of waste management practices and their impact on human health.
Faculty of Health and Life Sciences, UWE Bristol, United Kingdom. Waste Management 29
(2009) 22272239.
Gobierno de la Provincia de Pavia en Italia y Telezpazio spa, con el proyecto finalizado en el ao
2000, Monitoraggio ambientale mediante telerilevamento satellitare delle cave e delle
discariche del territorio della provincia di Pavia dal 1990 al 1999.
Goodchild M. and Kemp K., 1990. NCGIA Core Curriculum. National Center for Geographic
Information and Analysis. University of California Santa Barbara.
Greenpeace Argentina, 2008. Fotos del Relleno Sanitario Norte III CEAMSE, tomadas por Martin
Katz, octubre 2008.
Grings F., 2008. Extraccin de informacin ambiental a partir de imgenes de radar utilizando
modelos de interaccin onda-blanco. Tesis doctoral. Universidad de Buenos Aires.
Herrero A. C., Reboratti L., Fernndez l., Abramovich A. L. y Santiago F., 2001. Informe preliminar
sobre el Partido de San Miguel. Instituto del Conurbano, Universidad Nacional de General
Sarmiento.
Hiroji Tsu, 2007. Hyper-spectral and Multi-spectral sensor system development. ERSDAC: Earth
Remote Sensing Data Analysis Center. 1st Planning Meeting International Spaceborne
Imaging Spectroscopy Working Group (ISIS WG) Institute of Pacific Islands Forestry Hilo,
USA, November 16-17, 2007.
Huete A., Justice C. y Lui H, 1994. Development of vegetation and soil indices for MODIS-EOS,
Remote Sensing of Environment vol 49.
INDEC, 1993. Censo Nacional de Poblacin y Vivienda 1991. Resultados definitivos. Instituto
Nacional de Estadstica y Censos, Buenos Aires.
INDEC, 2002. Censo Nacional de Poblacin, Hogares y Viviendas 2001. INDEC, Ministerio de
Economa, Buenos Aires.
INDEC, 2003. Qu es el Gran Buenos Aires?. Instituto Nacional de Estadstica y Censos.
INDEC, 2010. Resultados provisionales del Censo Nacional de Poblacin, Hogares y Viviendas
2010. En www.censo2010.indec.gov.ar
INFOHABITAT, 2007. Villas y asentamientos desarrollados en el proyecto de investigacin
"Hbitat y programas pblicos de inclusin social en el rea Metropolitana de Buenos Aires
(2003-2007). Su implementacin y las condiciones sociales, urbanas y ambientales en el
territorio", tambin con financiamiento de la ANPCYT. Pgina web:www.infohabitat.com.ar
Ishihara N., Ochi S. y Yasuoka Y., 2002. Monitoring of Illegal Dumping Using Satellite Images.
Institute of Industrial Science, University of Tokyo y National Institute for Environmental
Studies.
Italian Space Agency, 2009. COSMO-SkyMed SAR Products Handbook. COSMO-SkyMed
Mission. Rev.2, 09/06/09.
Karszenbaum H. y Salvia M., 2008. Introduccin a la teledeteccin en microondas. Instituto de
Astronoma y Fsica del Espacio de la Universidad de Buenos Aires CONICET. Buenos
Aires, Argentina.
Koutoudjian A., 2005. Residuos slidos urbanos en la Regin Metropolitana de Buenos Aires. En:
Lineamientos Estratgicos para la Regin Metropolitana de Buenos Aires. Mimeo. 2005.
Kroeck R. y Shelton G., 1984. Overhead remote sensing for assessment of hazardous waste sites.
Office of Research and Development, US EPA, Las Vegas, Nevada.
LANDIS, J.R. AND KOCH, G. G. 1977. The measurement of observer agreement for categorical
data. Biometrics. Vol. 33, pp. 159174.
Laur H., Bally P., Meadows P., Sanchez J., Schaettler B., Lopinto E. y Esteban E., 2004. Derivation
of the backscattering coefficient so in ESA ERS SAR PRI products. Document No: ES-TN-
RS-PM-HL09 17 05 November 2004, Issue 2, Rev. 5d.
Meconi G., Murgida A., Natenzon C. y Gonzalez S., 2005. Participacin ciudadana, planes
ambientales y desarrollo local. Ejemplo de una comunidad bonaerense. PIRNA, Intituto de
Geografia, Facultad de Filosofia y Letras, UBA.
Miraglia M., Alsina G., lvarez M., Bottazzi T. y Coletti I., 200X. Captulo VI: la gestin de los
residuos patognicos. En Alsina y Mio (Editores), 2009.
Momo F., Ventura A. y Maccor T., 2003. Estado ecolgico de la Cuenca del Ro Lujn. En Las
aguas bajan turbias en la Regin Metropolitana de Buenos Aires. Alsina M. G.
(organizadora). Universidad Nacional de General Sarmiento.
Morello J. y Rodrguez F. (2001). Funciones educativas de las manchas de naturaleza en las
ciudades y sus bordes: el caso de Buenos Aires. Aves Argentinas.
Morello J., 2000. Funciones del sistema periurbano: el caso de Buenos Aires. Universidad
Nacional de Mar del Plata. Ediciones CIAMGADU.
Notarnicola C., Angiulli M. and Posa F., 2004. Satellite and airborne remote sensing data for
monitoring degraded areas. Politecnico di Bari, Italia.
Observatorio de Polticas Publicas (OPS), 2007. Poltica Ambiental situacin de la Cuenca
Matanza-Riachuelo. Observatorio de Polticas Publicas, Coordinacin General del Cuerpo
de Administradores Gubernamentales, Jefatura de Gabinete de Ministros. Autores:
Fernndez N., Lavalle A. y Vidal A.
Oliva L., 2011. Los efectos del cambio climtico en Mendoza. Rectorado Direccin de Prensa,
Universidad Nacional de Cuyo. En infouniversidades.siu.edu.ar.
Omri M., 2007. Le discariche nel Veneto. Applicazione del telerilevamento e del GIS al censimento
dei siti potenzialmente inquinati nella pianura veneta. Progetto di monitoraggio del territorio
attraverso metodologie di telerilevamento. Regione del Veneto, Direzione Tutela
dellAmbiente and Magistrato alle Acque, Venezia, Italia.
Organizacin Panamericana de la Salud, 2005. Evaluacin regional de los servicios de manejo de
residuos slidos municipales. Informe analtico de argentina comit argentino para la
evaluacin 2002 / febrero 2004. Oficina Regional de la Organizacin Mundial de la salud.
Ottavianelli G., 2007. PhD Tesis: Synthetic Aperture Radar Remote Sensing for Landfill Monitoring.
Cranfield University, Schoool of Engineering Space Research Centre.
Ottavianelli G., Hobbs S. E., Smith R. and Bruno D., 2005. Assessment of Hyperspectral and SAR
Remote Sensing for Solid Waste Landfill Management. Space Research Centre
Integrated Waste Management Centre, Cranfield University, Ingland. 22 March 2005,
ESA/ESRIN, 3rd CHRIS/PROBA Workshop.
Ottavianelli G., Hobbs S., Smith R., Morrison K. y Bruno D., 2006. SAR Interferometric Products
and Hyperspectral Data for Monitoring Solid Waste Landfill Operations. In: Fourth ESA
CHRIS Proba workshop. Frascati, Italy, 19 21 September 2006. European Space Agency,
Paris.
Pandiscia G., Braghieri R. y Baratti G., 1999. Monitaraggio ambientale mediante telerilevamento
satellitare delle cave e delle discariche del territorio della Provincia di Pavia DAL 1990 al
1999. Settore Ambiente della Provincia di Pavia e Telespazio Spa Centro Spazialedi
Matera, Italia.
Pea N., 2006. Ayuda en lnea BOXPLOT. Universidad Simn Bolivar.
Pereyra E. y Tchilinguirian P., 2003. Problemas ambientales en el rea Metropolitana Bonaerense,
Argentina: aspectos geolgicos. En Las aguas bajan turbias en la regin metropolitana del
Gran Buenos Aires. Alsina (organizadora). UNGS.
Pereyra F., 2004. Geologa urbana del rea metropolitana bonaerense y su influencia en la
problemtica ambiental. Departamento de Ciencias Geolgicas FCEyN Universidad de
Buenos Aires y SEGEMAR.En Revista de la Asociacin Geolgica Argentina, Vol. 59.
Pinilla C., 1995. Elementos de teledeteccin. Ra-Ma ediciones, Madrid Espaa.
Prez P. y Gamallo G., 1994. Basura privada, servicio pblico; los residuos en dos ciudades
argentinas, Buenos Aires, Centro Editor de Amrica Latina.
PNUD, 2010. El riesgo de desastres en la planificacin del territorio: primer avance. Programa
nacional de prevencin y reduccin del riesgo de desastres y desarrollo territorial (PNUD-
ARG 05/020). Programa Naciones Unidas para el Desarrollo PNUD, 2010. 392 p. + CD-
ROM; 30x21 cm. ISBN 978-987-1560-19-6.
PNUMA-ORPALC SayDS, 2004. Programa de las Naciones Unidas para el Medio Ambiente,
Oficina Regional para Amrica Latina y el Caribe y la Secretaria de Ambiente y Desarrollo
Sustentable de la Repblica Argentina, 2004. Geo Argentina 2004, perspectivas del Medio
Ambiente de la Argentina.
Presutti M., 2004. La matriz de co-ocurrencia en la clasificacin multiespectral: tutorial para la
enseanza de medidas texturales en cursos de grado universitario. Facultad de Ciencias
Agrarias y Forestales de la Universidad Nacional de La Plata. En 4 Jornada de Educao
em Sensoriamento Remoto no mbito do Mercosul 11 a 13 de agosto de 2004 So
Leopoldo Brasil.
RADARSAT, 2000. RADARSAT Data Products Specifications. Revision 3/0. May 8, 2000.
Document number RSI-GS-026.
Redecker A., 2008. Historical aerial photographs and digital photogrammetry for impact analyses
on derelict land sites in human settlement areas. The International Archives of the
Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B8.
Beijing 2008.
Riba A. y Jorge J., 2005. Cambio del tipo de suelo urbano detectado en el mapa trmico de
Girona. XI Congreso Nacional de Teledeteccin, 21-23 septiembre 2005. Puerto de la Cruz.
Tenerife. Dep. Fsica Aplicada. Universitat Politcnica de Catalunya. Espaa.
Richards J., 1993. Remote Sensing Digital Image Analysis: An Introduction, 3rd edn Springer.
Rodrguez A. y Saboro M., 2008. Lo Rural es Diverso: Evidencia para el Caso de Costa Rica.
Instituto Interamericano de Cooperacin para la Agricultura. Costa Rica.
SAGyPyCFA, 1995. Secretaria de Agricultura, Ganadera, Pesca y Alimentos y Consejo Federal
Agropecuario. El deterioro de las tierras en la Repblica Argentina. Alerta Amarillo. Buenos
Aires.
Salvia M. M., 2010. Aporte de la teledeteccin al estudio del funcionamiento del macrosistema
Delta del Paran: anlisis de series de tiempo y eventos extremos. Tesis doctoral.
Universidad de Buenos Aires.
SAyDS, 2004. Planta integral de tratamiento de residuos slidos urbanos, Mercedes Provincia
de Buenos Aires. Gestin integral de los residuos slidos urbanos, con reduccin de
emisiones de gas metano y su posterior utilizacin. Oficina Argentina para un Mecanismo
de Desarrollo Limpio de la SAyDS. Nota de idea de proyecto PIN 08/11/04, Resolucin
239/04 SayDS.
SAyDS, 2007. PROSICO: Programa para la Gestin Ambiental de Sitios Contaminados. Manual
metodolgico. Direccin Nacional de Control Ambiental, Direccin de Prevencin y
Recomposicin Ambiental. Secretaria de Ambiente y Desarrollo Sustentable, Julio de 2007.
SAyDS, 2009. GLOSARIO de la Gestin Residuos. Coordinacin General para la Gestin Integral
de Residuos Slidos Urbanos. En http://www2.medioambiente.gov.ar
SAyDS, 2011. Resultados del Seminario de Gestin de Residuos. Coordinacin de Prensa y
Difusin, 17 de enero de 2011. Obtenido de la pgina Web: www.ambiente.gov.ar/?
idarticulo=2950
Schwabisch M. and Siegmund R., 2002: Study on concepts for radar interferometry satellites for
ocean (and land) application. (KoRIOLIS). Section 5 Technical Issues. (koriolis_sect5.pdf)
Scioli N. y Thomas F., 2007. Los basurales a cielo abierto en la provincia de Buenos Aires.
Sebem E., Gonzlez Rivera C., Garca Rodrguez R., De la Vega Panizo R. y Valverde Gonzalo A.,
2005. Aportacin del NDVI y los sistemas expertos en la mejora de la clasificacin temtica
de imgenes multiespectrales. Universidad Politcnica de Madrid. Anais XII Simpsio
Brasileiro de Sensoriamento Remoto, Goinia, Brasil, 16-21 abril 2005, INPE, p. 2763-
2771.
Shaker A. y Yan W.Y., 2010. Trail road landfill site monitoring using multi-temporal Landsat satellite
data. Department of Civil Engineering Ryerson University, Toronto, Canada. En Canadian
Geomatics Conference 2010 and ISPRS COM I Symposium. Calgary, Canada, June 15-18,
2010.
Silvestri S. and Omri M., ao. A method for the Remote Sensing identification of uncontrolled
landfills: the case of the Veneto plain, Italy. Regione del Veneto, Direzione Tutela
dellAmbiente and Magistrato alle Acque, Venezia, Italy.
Silvestri S., Biotto G., Furlan E., Valenti S. y Gobbo L., 2011. Application of multi-criteria statistical
analyses to compute the probability of illegal dumps ocurrence in the veneto plain (Italy).
Regione del Veneto, Direzione Tutela dellAmbiente and Magistrato alle Acque, Venezia,
Italy.
Silvestri S., Omri M. and Rosselli R., 2005. The use of Remote Sensing to map illegal dumps in the
Veneto Plain. Regione del Veneto, Direzione Tutela dellAmbiente and Magistrato alle
Acque, Venezia Italy and Universit Paris, ParisFrance. Proceedings Sardinia 2005, Tenth
International Waste Management and Landfill Symposium S. Margherita di Pula, Cagliari,
Italy; 3 7 October 2005.
Silvestri S., Omri M. y Roselli R., 2005. The use or Remote sensing to map illegal dumps in the
Veneto plain. Regione del Veneto, Direzione Tutela dellAmbiente and Magistrato alle
Acque, Venezia, Italy.
Sistema de Informacin de Biodiversidad (SIB), 2005. Protocolo para el preprocesamiento de
imgenes satelitales LandSat para aplicaciones de la Administracin de Parques
Nacionales. Buenos Aires. Argentina. En lnea:
www.sib.gov.ar/introduccion/doumentos/preprocimgsat/Protocolo_img_landsat.pdf
Smith R. B., 2004. Introduccin a la percepcin remota del ambiente (PRA) CON TNTmips.
TNTview, www.microimages.com. Traducido por MicroImages Inc., 29 Octubre 2004.
Sobrino J. A. (Editor), Raissouni N., Kerr Y., Olioso A., Lpez-Garca M.J., Belaid A., El Kharraz
M.H., Cuenca J. y Dempere L., 2000. Teledeteccin. Universidad de Valencia. AECI.
Sol L., 1998. Teledeteccin: Efecto de las Obras Pblicas sobre el uso del suelo en Barcelona.
Postgrado de Economa Ecolgica Doctorado de Ciencias Ambientales.
Stumpf R., 1992. Remote sensing of water clarity and suspended sediments in coastal waters.
Proceedings of the First Thematic Conference on Remote Sensing for Marine and coastal
Environments, Louisiana, USA.
Suarez F. y Reese E., 1999. Capitulo V: Residuos. En Diagnstico preliminar ambiental del
municipio de Malvinas Argentinas, ao 1997. Di Pace M. y Reese E. (Coordinadores).
Coleccin Publicacin: Manual de gestion n 2. Instituto del Conurbano, UNGS.
Surez F., 1998. Que los recojan y arrojen fuera de la ciudad. Historias de la gestion de los
residuos slidos (las basuras) en Buenos Aires. Coleccin Investigacin Documento de
trabajo n 8. ICO -UNGS.
Surez F., 1999. Captulo V: Residuos. En Di Pace M. y Reese E. (coordinadores), 1999.
Dignostico preliminar abiental del Municipio de Malvinas Argentinas, ao 1997. Manual de
Gestion n 2. ICO UNGS.
Suarez F., 2001. Presencia de residuos slidos en la va pblica. En Diagnstico preliminar
ambiental del municipio de Jos C. Paz, ao 1998. Borello J. A. y Catenazzi A.
(Coordinadores). Coleccin Investigacion n 12. Instituto del Conurbano, UNGS.
Suarez F., Cravino M. C. y Crojethovich A., 2002. Contaminacion por residuos solidos urbanos. En
Diagnstico preliminar ambiental del municipio de Moreno, ao 1999. Alsina M. G. y
Catenazzi A. (Coordinadores). Coleccin Investigacion n 13. Instituto del Conurbano,
UNGS.
Surez F., Iulita A. y Rodrguez M., 2009. Gestin de residuos, circuito ilegal. En Atlas Ambiental
de Buenos Aires Atlas Ambiental de Buenos Aires, www.atlasdebuenosaires.gov.ar.
Subsecretara de Medio Ambiente (SMA). 1981. Evaluacin ambiental de los recursos hdricos del
Sistema Metropolitano Bonaerense. SMA, Ministerio de Salud Pblica y Medio Ambiente,
Buenos Aires.
Tutora del Centro Canadiense de Percepcin Remota CCRS-, 2008. Ministerio de Recursos
Naturales de Canad. Programa GlobeSAR. Disponible en lnea en:
www.ccrs.nrcan.gc.ca/ccrs/learn/tutorials/gsarcd/intro_e.html
Ulaby F., Moore R. y Fung A., 1982. Microwave Remote Sensing: Active and Pasive. Vol II-Radar
Remote Sensing and Surface scattering and Emission Theory. Artech House, Norwood.
Usa.
Universidad de Cranfield en Inglaterra, con el proyecto "Assessment of SAR Remote Sensing for
Landfill Waste Management".
USGS Hidrologia-CuencasyRios. http://extract.cr.usgs.gov/ U.S. Geological Survey
USGS: http://landsat.usgs.gov/Landsat_Processing_Details.php
Verd Bernabeu M., 2009. Anlisis mediante teledeteccin y S.I.G. De la lmina de agua,
vegetacin y usos del suelo en el Parque Natural Les Salines de Santa Pola durante el
periodo 1992-2001. Asociacin de Ciencias Ambientales de la Comunidad Valenciana
(ACACV). 9no Congreso Nacional del Medio Ambiente. Cumbre del Desarrollo Sostenible.
Yonezawa C., 2009. Possibility of Monitoring of Waste Disposal Site Using Satellite Imagery.
School of Food, Agricultural and Environmental Sciences, Miyagi University, Japan. JIFS,
6:23-28 (2009).
Zamorano J., Ocello N., Irgazabal de Nistal A. y Cittadino A., 2008. Atlas de la Basura AMBA 2008.
Convenio CIM-CEAMSE. Centro de Informacin Metropolitana. Facultad de Arquitectura
Diseo y Urbanismo. Universidad de Buenos Aires.
Diarios
El Da, del 15 de diciembre de 1999. El 70% del suelo de La Plata est degradado.
Pgina 12, del 20 de mayo de 2009. Clausura para un cementerio de autos.
Clarin.com, del 18 de julio de 2009. Denuncia por contaminacin en los cementerios de autos.
La Nacin, del 11 de julio de 2011. Desocuparn 40 cementerios de autos.
Clarin.com, del 18 de julio de 2009. Denuncia por contaminacin en los cementerios de autos.
Diario Clarin.com, del 18 de julio de 2009. Denuncia por contaminacin en los cementerios de au-
tos.
Anexo 1. Historia del crecimiento urbano y los sitios contaminados en el GBA
Los sitios contaminados han condicionado gran parte del proceso de urbanizacin del GBA, que a
partir del siglo XIX se desarrollo a lo largo de las vas del ferrocarril, desde el puerto de la Ciudad
de Buenos Aires hacia la periferia mayormente hacia el norte y oeste de la Ciudad. Y fue
favorecido por la epidemia de fiebre amarilla en 1871 y la de clera en 1867, por la cual las
familias ms adineradas huyeron hacia el norte del periurbano (actualmente los partidos de San
Isidro, Vicente Lpez y los barrios de Belgrano y Nez). Como efecto la Ciudad fue provista de
infraestructura (agua, cloacas y hospitales) que subsiste al da de hoy.
En esta etapa, los mdicos higienistas relacionaron las epidemias con las condiciones sanitarias
de la poblacin, en particular los basurales como focos infecciosos de enfermedades. Por esto se
relocalizaron las actividades insalubres como saladeril, la faena y la disposicin final de residuos
en los vaciaderos hacia el sur de la Ciudad (Surez, 1998). Previo a las epidemias, los residuos
eran arrojados en los en los cursos de agua o huecos en el rea urbana.
A finales del siglo XIX los residuos eran trasladados en tren hacia el vaciadero Municipal cercano
al Riachuelo (hoy Parque Almirante Brown), donde se realizaban actividad de recuperacin por los
cirujas y quema. Este ltimo procedimiento se increment durante el siglo XX en el periurbano
mientras que en la Ciudad se incineraba en las plantas del municipio (ubicadas en el Bajo Flores,
Nueva Pompeya y Chacarita) o en los incineradores internos de los edificios.
La falta de una gestin adecuada y el crecimiento poblacional del siglo XX generaron aumento de
residuos, actividad de cirujeo y contaminacin atmosfrica por emanacin de gases y holln.
Mientras tanto se acento la extensin del tejido urbano hacia la periferia, favorecido por la
extensin de las vas del ferrocarril entre los aos 1880-1914 para responder al modelo
econmico agro exportador. Y luego guiada por la poltica de sustitucin de importaciones a travs
de la cual se desarroll el sector industrial nacional fundamentalmente para la satisfaccin de un
nuevo mercado interno (Calello, 2000).
El crecimiento urbano fue en forma radial hacia la periferia, principalmente por los flujos
migratorios en las reas que rodeaban a la ciudad en asentamientos precarios, villas miseria 33 y
las reas rurales favorecidas por los loteos populares 34 a bajo precio y con infraestructura sanitaria
deficiente (red de agua, cloacas, electricidad, etc.), servicios urbanos y transporte. Dicho
crecimiento fue disminuyendo a finales de la dcada del 70 por la reduccin de las migraciones,
la cancelacin de los subsidios para el desarrollo de viviendas y transportes por parte del Estado,
la prohibicin de la subdivisin de tierras en reas sin infraestructura (Decreto Ley N 8.912/79) y
la desindustrializacin del rea Metropolitana de Buenos Aires (Herrero et al., 2001).
Con respecto al tratamiento de los residuos, en el GBA ... donde no se aplicaba el mtodo de
incineracin, comenzaron a formarse extensos basurales siguiendo la expansin urbana, el
33
Las villas miserias y asentamientos se caracterizan por ocupar terrenos pblicos o privados que generalmente no
tienen servicios bsicos, son terrenos pocos aptos, las viviendas estn construidas de materiales precarios, posee una
alta densidad poblacional, buena localizacin en relacin a los centros de produccin y consumo (Cravino, 1998).
34
El loteo popular fue el fraccionamiento de tierras destinadas para viviendas de los sectores de bajos ingresos.
incremento de la localizacin industrial y el crecimiento de la poblacin. Muchos se localizaron en
tierras anegadizas de las cuencas de los ros Matanza, Lujn y Reconquista, junto a industrias y
villas miserias. Otros surgieron aprovechando las cavas de ladrillos y tosqueras abandonadas
(Surez et al., 2009).
Debido a los grandes problemas con los residuos y las epidemias que afect a la Ciudad, en 1978
se implement el mtodo de relleno sanitario como disposicin final de residuos, actualmente en
vigencia. Bajo Ley provincial n 9.111 impulsada por el gobierno militar se cre el CEAMSE,
compuesta por una Sociedad del Estado entre la provincia y la Ciudad, que tiene a su cargo la
disposicin final de los residuos de los municipios del GBA y en ese entonces Capital Federal (hoy
Ciudad Autnoma de Buenos Aires).
Actualmente el CEAMSE tiene dos rellenos activos (Norte y Gonzlez Catn) y dos inactivos (Villa
Domnico y Bancalari). Los primeros se encuentran localizados en reas inundable entre 5 m y 10
m sobre el nivel del mar de los valles de los ros Reconquista y Matanza respectivamente. Esta
proximidad con los cursos fluviales hace que los lixiviados se incorporen tambin rpidamente a
las aguas superficiales (Pereyra y Tchilinguirian, 2003).
En el ao 1991 ante una nueva epidemia de clera se puso en evidencia las insuficiencias del
sistema de recoleccin de residuos, representadas en este perodo por la existencia de
numerosos y extensos basurales a cielo abierto. Por lo cual el CEAMSE cre la Polica Ecolgica
e inici una fuerte campaa de saneamiento de basurales clandestinos, que slo servan para
limpiar lo que se volvera a cargar de residuos en el mismo sitio o en otro cercano (Surez, 1998).
En esta dcada el crecimiento del ejido urbano deja de ser sobre las vas frreas debido a que se
desactivaron varios trayectos para transportar pasajeros y comenz sobre las extensiones de
autopistas y rutas, con un nuevo gobierno que prioriz la privatizacin las mismas (con ensanche,
construccin y mejoramiento de estos accesos) que beneficiaron a las clases con altos ingresos,
que se alejaron de la Ciudad hacia la periferia, proceso que se repiti en el ao 2002. Ese fue el
caso de la construccin y ampliacin de los accesos Norte y Oeste; la Autopista Buenos Aires - La
Plata y la rehabilitacin del Tren de la Costa, que favoreci el desarrollo de los partidos de Pilar,
Escobar, Tigre, Moreno, General Rodrguez, Lujn, Cauelas, Ezeiza y Berazategui (Cicolella,
1999). Esto genero cambio en el uso del suelo, de reas rurales o agropecuarias a urbanizaciones
cerradas y emprendimientos de servicios y comercios; y con ello la extraccin del suelo para la
construccin de los caminos, terraplenes y rellenos de reas inundables.
En el caso de los basurales durante el periodo 1993-1997 mayoritariamente se ubicaban en las

mrgenes del Ro Reconquista, del Ro Matanza-Riachuelo y del Ro de la Plata; abarcando una
superficie del 0.16% de las 388.500 hectreas. Esta ocupacin del suelo metropolitano no era
homognea sino que afectaba a San Fernando con el 1.22% y Avellaneda con 0.53%. Estos eran
los partidos con mayor proporcin del suelo transformado por basurales, mientras que La Plata
slo tenia el 0.01% y Berisso el 0.04% (Di Pace y Crojetovich, 1998). Al ao 1995 existan entre
80 y 120 basurales clandestinos, cubriendo unas 500 ha localizados principalmente en los nuevos
bordes del AMBA (Federico Sabat, 1997).
La disposicin de la basura en los rellenos sanitarios del CEAMSE del conjunto de los partidos del
GBA tuvo una marcada estacionalidad en el periodo de 1993 a 1997 estudiado por Di Pace y
Crojetovich (1998). En los meses de enero y febrero la disposicin fue menor a raz de la
reduccin de la produccin de residuos relacionada con las vacaciones de los habitantes, con la
reduccin de la alimentacin durante el verano y con una disminucin de las actividades
productivas en el periodo. La disposicin aument con la reactivacin del consumo y la produccin
en marzo, y en diciembre con las fiestas de fin de ao. La serie histrica reflej una cada
econmica en enero de 1997 cuando lleg a su punto mas bajo desde febrero de 1993,
aumentando en marzo-abril.
Al 2005 el 44% (15.000 toneladas diarias) del total de basura que se gener en el pas fueron
dispuestos en forma inadecuada, en basurales a cielo abierto o sitios que no cuentan con los
controles mnimos requeridos para una adecuada preservacin de la salud humana y del medio
ambiente, cifras que remarcan la gravedad de la situacin existente (ENGIRSU, 2005).
En este mismo ao en el GBA se haban detectado 100 basurales clandestinos, que sumados a la
CABA ocupaban una superficie cercana a las 500 hectreas (Koutoudjian, 2005) (tabla 28).
Cantidad de basurales
Partido 1995 2005
Ciudad Autnoma de Buenos Aires sin dato 6
Almirante Brown 5 3
Avellaneda 4 6
Berazategui 2 2
Berisso 2 2
Ensenada 3 3
Esteban Echeverra 6 6
Florencio Varela 3 2
General San Martn 6 7
La Matanza 13 14
Lans 3 5
Lomas de Zamora 9 8
Malvinas Argentinas 1
San Miguel 8 2
Jos C. Paz 1
Merlo 6 5
Moreno 3 3
Morn 3 6
Quilmes 11 15
San Fernando 4 1
San Isidro 3 1
Tigre 4 2
Tres de Febrero sin dato 1
Total 98 102
Tabla 28. Situacin de los basurales en el GBA en el 1995 (Di Pace y Crojetovich, 1998) y 2005 (Koutoudjian, 2005).
En el 2007 en el GBA se lleg a una situacin crtica con la disposicin final de los residuos,
donde el CEAMSE identificado la existencia de 105 basurales ilegales con residuos de origen
domiciliario e industrial en una superficie aproximada de 238 hectreas (2.380.000 m 2), con un
volumen estimado de 2.380.000 m3 de residuos (Scioli y Thomas, 2007).
Un ao despus se registraron slo una centena en la Cuenca Matanza-Riachuelo, con actividad
de cirujeo (70%), de residuos peligrosos (50%), con un total de 331 mil toneladas de residuos
dispersos (FARN, 2008).
Todo esto gener la creacin de diferentes programas de erradicacin y control de los basurales,
como el saneamiento y cierre de basurales a cielo abierto por parte del Organismo Provincial para
el Desarrollo Sostenible de la provincia de Buenos Aires (OPDS), la Autoridad de Cuenca Matanza
y Riachuelo (ACUMAR), y a nivel nacional el PROSICO y la ENGIRSU de la SAyDS.
En el caso de las chatarreras, en la CABA existen numerosos depsitos que actualmente estn
para su clausura por pedido de la Defensora del Pueblo de la Ciudad de Buenos Aires. Por ser
posibles reservorios para la proliferacin de larvas de mosquitos, en particular la especie Aedes
Aegipty (vector del virus del dengue), y por contaminacin por plomo provenientes de las bateras
de los automviles. En este ultimo caso, se ha probado la contaminacin y/o intoxicacin por
plomo en sangre de nios que habitan en asentamientos vecinos a los depsitos (actuacin n
5153/06 del 12 de enero de 2007 y actuaciones n 5937/05 del 7 de junio de 2007 de la
Defensora del Pueblo de la Ciudad de Buenos Aires).
Anexo 2. Causas y efectos
En la Figura 98 se presenta un esquema de rbol 35 de causas y efectos socio ambientales de los
sitios contaminados o potencialmente contaminantes en el GBA. En la parte superior del rbol se
describen las causas directas o indirectas que favorecen la generacin de los sitios, como las
actividades antrpicas legales o ilegales que lo generan (extraccin de suelo, disposicin de
residuos y depsitos permanente de vehculos en desuso), en el centro el o los problemas
ambientales36 y en la parte inferior sus efectos sobre la salud de la poblacin y el ambiente.
Figura 98. rbol de causa y efectos. Elaboracin propia.
Otras de las causas es la escasez o falta de recursos econmicos para la ejecucin de polticas,
campaas de educacin - concientizacin ambiental y control ambiental. En el caso de los
basurales, segn Surez et al. (2009) la dinmica de aparicin responde a dos motivos: el ahorro
del costo de transporte que alienta a la disposicin clandestina tanto por parte de distintos
agentes del circuito formal como por los generadores (industrias, comercios, urbanizaciones
cerradas, empresas recolectoras o algunas administraciones locales); y la falta y/o deficiencia en
la recoleccin en algunos barrios del GBA que impulsan a los vecinos a deshacerse de esta
manera de sus residuos.
En cuanto a los principales problemas ambientales en la GBA la PNUD (2010) destaca:
(a) La contaminacin hdrica por volcados clandestinos a la red pluvial, efluentes industriales y
lixiviados de basurales a cielo abierto.
(b) La contaminacin por relleno sanitario (ms convivencia con poblacin y actividades
informales como el cirujeo).
(c) La contaminacin del suelo por mineralizacin, impermeabilizacin, tratamiento de
residuos.
35
El rbol de un esquema conceptual que permite representar de manera simplificada, las principales causas y efectos
de las problemticas ambientales, sociales o econmicas.
36
Problema ambiental: son los desajustes de la relacin entre la sociedad y el medio fsico que sta habita (transformado
o no), que generan directa o indirectamente consecuencias negativas sobre la salud de la poblacin presente y/o futura
y sus actividades sociales; pueden impactar negativamente sobre los componentes de la flora y la fauna, y alterar las
condiciones estticas y sanitarias del ambiente (Di Pace y Reese, 1999).
(d) La degradacin del suelo (decapitacin y abandono de tierras de labranza).
Las tres primeras involucran a los residuos depositados en los basurales, ex basurales o rellenos
sanitarios, cuyos lixiviados son volcados directa o indirectamente al recurso hdrico (agua
superficial y subterrnea), aumentando la carga orgnica y disminuyendo el oxigeno disuelto en el
agua, necesario para la vida acutica o para consumo humano.
En el caso de las tosqueras o canteras de tosca, suelen excavarse a gran profundidad
ocasionando el anegamiento con aguas subterrneas luego de su abandono, lo que genera riesgo
ambiental por el eventual ingreso de contaminantes al recurso hdrico subterrneo, ya que suele
utilizrselas como basurales clandestinos ocasionales que desconocen la existencia de paredes
verticales de varios metros de profundidad (Meconi et al., 2005).
Otro de los recursos afectados es el suelo, donde la contaminacin o degradacin impide (Morello
y Rodrguez, 2001):
La formacin de suelos incluyendo la capacidad de descomposicin de materia orgnica de
los organismos del suelo.
La capacidad de retencin de agua, parte de la cual percola y alimenta el acufero. El agua
que no es retenida potencia las inundaciones.
La capacidad de detoxificacin, que implica la aptitud para transformar un compuesto txico
en otro inofensivo, y la capacidad de la vegetacin sobreyacente y del suelo de fijar nitrgeno
y participar activamente en el ciclo de macronutrientes del fsforo y nitrgeno.
Otro efecto ambiental es la contaminacin atmosfrica, debido a la fermentacin de la basura

genera gases invernaderos (como el dixido de carbono y metano), mientras que la quema es una
prctica habitual donde se produce stos y otros gases (dioxinas, furanos y otros txicos)
dependiendo de la toxicidad de la basura (Organizacin Panamericana de la Salud, 2005, 2005).
Esto genera un aumento de la temperatura sobre el entorno inmediato del sitio contaminado, que
afecta a la vegetacin debido a que disminuye la transpiracin vegetal, la actividad fotosinttica
generando estrs en la fisiologa de las plantas (Byrne, 1979 en Ferrer-Vidal y Sol-Sugraes).
A esto se suma los gases de la quema de basura, intencional o no, que afecta las vas
respiratorias y la visibilidad en los caminos adyacentes a basurales.
En cuanto a los riesgos en la salud, Cassano (1998) diferencia los riesgos en directos e indirectos.
El primero, son ocasionados por el contacto directo de las personas con los residuos, que
contienen excremento humanos y de animales, vidrios y otros elementos peligrosos. Es el caso de
la manipulacin de recipientes inadecuados para el almacenamiento de desechos (bolsas de
polietileno), al que estn expuestos los recolectores formales e informales (cirujas) por carecer del
equipo de seguridad apropiado como guantes, botas, casco y ropa. En el caso de los recolectores
formales la ms alta tasas de lesiones son en manos y pies, as como lastimaduras en la espalda,
hernias, heridas, enfermedades respiratorias y en la piel. Mientras que la incidencia en los cirujas
son los parsitos intestinales, debido a que se alimentan de restos comestibles de basura.
Las patologas broncopulmorares, los broncoespasmos, el asma, las enfermedades de la piel y los
problemas intestinales son los trastornos mas frecuentes provocados por el contacto con los
desechos (Defensora del Pueblo de la Nacin, 2007).
El segundo tipo de riesgo son los indirectos, la basura constituye el hbitat propicio para la
reproduccin de los vectores transmisores de enfermedades. Segn Surez et al. (2009) el nivel
de peligrosidad est asociado al tipo y cantidad de residuos dispuestos, a la capacidad de
biodegradacin de los recursos ecolgicos del ambiente -agua, aire, suelo- y al grado de
vulnerabilidad social de la poblacin por precariedad habitacional, manipulacin de residuos en
condiciones insalubres, etc.
Los animales que se alimentan en los basurales constituyen tambin factores peligrosos para la
transmisin de enfermedades. Algunos ejemplos de vectores transmisores de organismos
patgenos causantes de enfermedades son (Cassano, 1998):
(e) Moscas (fiebre Tifoidea, Salmonelosis, disentera, diarrea infantil, gastroenteritis,
infecciones intestinales).
(f) Cucarachas (disentera, diarrea lepra, intoxicacin alimentara).
(g) Mosquitos (malaria, fiebre amarilla, dengue, encefalitis vrica, peste Bubnica Tifus Murino,
Leptospirosis -enfermedad de Weil-).
(h) Ratas (fiebre Harverhill, Ricketsiosis, Vesiculosa, Disenteras, rabia).
Segn la SAyDS (2011) los basurales ilegales a cielo abierto son considerados la causa principal
de ms de doscientas enfermedades, tanto por contacto directo como indirecto.
En el caso de las chatarreras o cementerios de vehculos automotor tambin representan

reservorios de los vectores transmisores descriptos en el prrafo anterior, y en los suelos puede
infiltrarse el plomo proveniente de las bateras de los automviles en desuso afectando en forma
directa a los acuferos (Defensora del Pueblo de la Ciudad de Buenos Aires, 2007).
Tambin las tosqueras generan riesgos de accidentes mortales a baistas ocasionales que
desconocen la existencia de paredes verticales de varios metros de profundidad (Meconi et al.,
2005).
Otro efecto es el cambio de uso de suelo con modificacin de rea natural, como el caso del mega
emprendimiento urbano NorDelta en Tigre se produjo la iteracin del paisaje natural sobre la
Cuenca del Ro Lujn (DPOUyT, 2007). O la generacin de nuevos relieves con amplitudes
microtopogrficas de hasta 20 m en reas donde naturalmente no superaban 1 m con la
construccin de celdas de deposicion de basura de 4,8 m y ms de altura en un paisaje
inicialmente chato o las excavaciones de tosqueras (Morello, 2000).
Todos estos sitios contaminados adems de generar un entorno de degradacin ambiental

modifican las condiciones sociales de la poblacin que interacta cotidianamente con esos sitios.
Surez et al. (2009) indica que las propias condiciones de clandestinidad de los basurales crean
un espacio urbano favorable para el desarrollo de actividades ilegales (robos, transacciones
ilegales, etc.) donde la violacin de la norma parte de la propia administracin pblica por accin u
omisin. Producen en la ciudad una especie de zona liberada para el desarrollo de actividades
ilegales o delictivas, es frecuente que en las crnicas policiales el hallazgo de cadveres, autos
robados tienen como escenario urbano los basurales clandestinos.
La localizacin de los basurales en el GBA es generalmente en terrenos fiscales, reas

degradadas y depreciadas por usos anteriores, como el caso de cavas o reas inundables
cercanas a cursos de aguas, cuyas crecientes se encargan de arrastrar los residuos aguas
abajo (ENGIRSU, 2005). Es importante destacar que la primera amenaza natural del GBA son las
inundaciones por lluvias, sudestada o desborde, lo que puede potenciar los efectos de estos sitios
contaminados.
Otra ubicacin es en los bordes de las vas de ferrocarril o rutas y en campos extensos donde
anteriormente se realizaban prcticas agropecuarias, que al avanzar la trama urbana se
incorporaron a la ciudad como receptores de residuos; los basurales tambin estn
asociados a barrios marginales que forman a partir de poblacin de muy escasos recursos
que vive con los residuos y de los residuos, recuperando material o bien brindando un
servicio de recoleccin paralelo a vecinos donde la recoleccin oficial es deficitaria, y en
las inmediaciones de estos basurales se observa la presencia de chatarreras (Surez et al.,
2009). La trama social relacionada con la actividad del cirujeo reapareci a mediados de la
dcada del 90, como consecuencia del aumento de los basurales (Surez, 1998).
En cuanto a las medidas de recuperacin o saneamiento de terrenos (que no abordan las

prcticas ilegales de disposicin y las deficiencias en el servicio de recoleccin) tienen un efecto
de corto plazo ya que los motivos mencionados reintroducen constantemente el fenmeno de los
basurales a cielo abierto (Surez et al., 2009). En el caso de las tosqueras hay propuesta de
creacin de reservas naturales y/o educativas, como el sitio conocido como "La Tosquera"
perteneciente a la guarnicin militar de Campo de Mayo en el partido de Tigre (Proyecto de Ley,
Honorable Cmara de Diputados de la Nacin) en el GBA.
Anexo 3. Listado de imgenes LandSat 5
LandSat5TM 225/84
Fecha Catalogo Fecha Catalogo
29 de enero de 2001 CONAE 12 de febrero de 2006 CONAE
5 de mayo de 2001 CONAE 17 de abril de 2006 INPE
9 de agosto de 2001 CONAE 22 de julio de 2006 INPE
10 de septiembre de 2001 INPE 26 de octubre de 2006 INPE
1 de febrero de 2002 INPE 15 de diciembre de 2006 CONAE
5 de marzo de 2002 CONAE 14 de enero de 2007 INPE
27 de julio de 2002 CONAE 6 de mayo de 2007 INPE
31 de agosto de 2003 INPE 23 de junio de 2007 CONAE
3 de noviembre de 2003 INPE 31 de octubre de 2008 INPE
5 de diciembre de 2003 CONAE 16 de noviembre de 2008 CONAE
26 de marzo de 2004 CONAE 4 de febrero de 2009 INPE
27 de abril de 2004 INPE 2 de octubre de 2009 INPE
16 de julio de 2004 INPE 18 de octubre de 2009 CONAE
20 de octubre de 2004 INPE 3 de noviembre de 2009 INPE
23 de diciembre de 2004 INPE 22 de enero de 2010 INPE
26 de mayo de 2005 CONAE 5 de octubre de 2010 CONAE
19 de julio de 2005 CONAE 8 de diciembre de 2010 INPE
8 de noviembre de 2005 CONAE 26 de febrero de 2011 INPE
24 de noviembre de 2005 USGS 14 de marzo de 2011 INPE
15 de diciembre de 2005 CONAE 21 de agosto de 2011 INPE
27 de enero de 2006 CONAE
Anexo 4. Reporte de separabilidad
Aglomerad
Relleno Aglomerado
Suelo Suelo con o de Cuerpos Ex Relleno sanitario Pileta de Ro de la
Suelo sanitario Basural Vegetacin de alta de Total
desnudo vegetacin media de de agua basurales Villa Dominico lixiviados Plata
Norte III nsidad
nsidad
Sin clasificar 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Suelo de snudo 56 0 0 0 0 0 0 0 0 0 0 0 0 56
Suelo con vegetacin 0 56 0 0 0 0 3 0 9 0 0 0 0 68
Suelo 0 0 64 0 0 0 0 0 0 0 0 0 0 64
Aglomerado de media
de nsidad 0 0 0 81 0 0 2 0 30 0 0 0 0 113
Cuerpos de agua 0 0 0 0 47 0 3 0 0 7 0 0 57
Relleno sanitario Norte
III 0 0 0 0 0 51 0 0 0 0 0 0 0 51
Ex basurales 0 0 0 0 0 2 48 9 0 0 0 0 0 59
Relleno sanitario Villa
Dominico 0 0 0 0 3 1 7 46 3 0 34 0 0 94
Basural 0 0 0 0 0 10 10 0 30 0 0 0 0 50
Vegetacin 0 0 0 0 0 0 0 0 0 64 0 0 0 64
Pileta de lixiviados 0 0 0 0 11 0 0 18 0 0 28 0 0 57
Ro de la Plata 0 0 0 0 0 0 0 0 0 0 0 56 0 56
Aglomerado de alta de
nsidad 0 0 0 0 3 0 2 0 0 0 0 0 63 68
Total 56 56 64 81 64 64 72 76 72 64 69 56 63 857
Tabla 29. Matriz de confusin, en base a una clasificacin supervisada de la imagen LandSat 5 del 26 de febrero de
2011.
Errores (pxeles)
Clases
Comisin Omisin
Suelo de snudo 0 0 de 56 0 0 de 56
Suelo con vegetacin 17,65 12 de 68 0 0 de 56
Suelo 0 0 de 64 0 0 de 64
Aglomerado de media
de nsidad 28,32 32 de 113 0 0 de 81
Cuerpos de agua 17,54 10 de 57 26,56 17 de 64
Relleno sanitario Norte
III 0 0 de 51 20,31 13 de 64
Ex basurales 18,64 11 de 59 33,33 24 de 72
Relleno sanitario Villa
Dominico 51,06 48 de 94 39,47 30 de 76
Basural 40 20 de 50 58,33 42 de 72
Vegetacin 0 0 de 64 0 0 de 64
Pileta de lixiviados 50,88 29 de 57 59,42 41 de 69
Ro de la Plata 0 0 de 56 0 0 de 56
Aglomerado de alta de
nsidad 7,35 5 de 68 0 0 de 63
Tabla 30. Errores de omisin y comisin, en base a una clasificacin supervisada de la imagen LandSat 5 del 26 de
febrero de 2011.
Overall Accuracy = (690/857) 80.5134%

Kappa Coefficient = 0.7886
Input File: l5tm2011-26febcalyT6calrecorteygeo
ROI Name: (Jeffries-Matusita, Transformed Divergence)
suelo1 [Sea Green] 186 points:

AglomeradoUrbano [Sienna] 175 points: (1.99999998 2.00000000)
RepRoggero [Red1] 112 points: (2.00000000 2.00000000)
Ro [Green2] 175 points: (2.00000000 2.00000000)
PiletaLixiviado [Maroon] 179 points: (2.00000000 2.00000000)
Vegetacin [Coral] 188 points: (2.00000000 2.00000000)
Basural1 [Red] 128 points: (1.96557600 2.00000000)
Basural2 [Green1] 72 points: (1.99999919 2.00000000)
RSVillaDominico [Yellow2] 122 points: (1.99194906 2.00000000)
ExBasural2 [Cyan1] 70 points: (1.99973635 1.99999977)
RSNorteIII [Cyan] 181 points: (1.99997862 2.00000000)
AguaconAlga [White] 64 points: (1.99985811 2.00000000)
LagunaArtificial [White] 298 points: (1.99999376 2.00000000)
AglomeradoUrbano [Sienna] 175 points:

suelo1 [Sea Green] 186 points: (1.99999998 2.00000000)
Ro [Green2] 175 points: (2.00000000 2.00000000)
RepRoggero [Red1] 112 points:

Ro [Green2] 175 points: (2.00000000 2.00000000)
Ro [Green2] 175 points:

PiletaLixiviado [Maroon] 179 points:

Ro [Green2] 175 points: (2.00000000 2.00000000)
Vegetacin [Coral] 188 points:

Ro [Green2] 175 points: (2.00000000 2.00000000)
Basural1 [Red] 128 points:

Ro [Green2] 175 points: (2.00000000 2.00000000)
Basural2 [Green1] 72 points:

Ro [Green2] 175 points: (2.00000000 2.00000000)
RSVillaDominico [Yellow2] 122 points:

Ro [Green2] 175 points: (2.00000000 2.00000000)
ExBasural2 [Cyan1] 70 points:

Ro [Green2] 175 points: (2.00000000 2.00000000)
RSNorteIII [Cyan] 181 points:

Ro [Green2] 175 points: (2.00000000 2.00000000)
AguaconAlga [White] 64 points:

Ro [Green2] 175 points: (2.00000000 2.00000000)
LagunaArtificial [White] 298 points:

Ro [Green2] 175 points: (2.00000000 2.00000000)
Pair Separation (least to most);
Basural2 [Green1] 72 points and ExBasural2 [Cyan1] 70 points - 1.76822685

RSVillaDominico [Yellow2] 122 points and RSNorteIII [Cyan] 181 points - 1.80593565
Basural1 [Red] 128 points and Basural2 [Green1] 72 points - 1.80844043
PiletaLixiviado [Maroon] 179 points and RSVillaDominico [Yellow2] 122 points - 1.81701401
Basural1 [Red] 128 points and ExBasural2 [Cyan1] 70 points - 1.84131185
PiletaLixiviado [Maroon] 179 points and AguaconAlga [White] 64 points - 1.84265069
AguaconAlga [White] 64 points and LagunaArtificial [White] 298 points - 1.86984791
PiletaLixiviado [Maroon] 179 points and LagunaArtificial [White] 298 points - 1.87215839
RSVillaDominico [Yellow2] 122 points and ExBasural2 [Cyan1] 70 points - 1.94887568
RSVillaDominico [Yellow2] 122 points and AguaconAlga [White] 64 points - 1.96429357
suelo1 [Sea Green] 186 points and Basural1 [Red] 128 points - 1.96557600
Basural1 [Red] 128 points and RSVillaDominico [Yellow2] 122 points - 1.97610160
RSVillaDominico [Yellow2] 122 points and LagunaArtificial [White] 298 points - 1.97892918
Basural2 [Green1] 72 points and RSVillaDominico [Yellow2] 122 points - 1.98722982
Basural1 [Red] 128 points and RSNorteIII [Cyan] 181 points - 1.98777581
suelo1 [Sea Green] 186 points and RSVillaDominico [Yellow2] 122 points - 1.99194906
ExBasural2 [Cyan1] 70 points and RSNorteIII [Cyan] 181 points - 1.99258132
AglomeradoUrbano [Sienna] 175 points and LagunaArtificial [White] 298 points - 1.99726318
Basural1 [Red] 128 points and AguaconAlga [White] 64 points - 1.99727750
PiletaLixiviado [Maroon] 179 points and RSNorteIII [Cyan] 181 points - 1.99872781
AglomeradoUrbano [Sienna] 175 points and PiletaLixiviado [Maroon] 179 points - 1.99877619
AglomeradoUrbano [Sienna] 175 points and AguaconAlga [White] 64 points - 1.99907849
AglomeradoUrbano [Sienna] 175 points and Basural1 [Red] 128 points - 1.99935364
Basural2 [Green1] 72 points and RSNorteIII [Cyan] 181 points - 1.99949804
AglomeradoUrbano [Sienna] 175 points and RSVillaDominico [Yellow2] 122 points - 1.99955661
suelo1 [Sea Green] 186 points and ExBasural2 [Cyan1] 70 points - 1.99973635
AglomeradoUrbano [Sienna] 175 points and RepRoggero [Red1] 112 points - 1.99980339
Basural1 [Red] 128 points and LagunaArtificial [White] 298 points - 1.99984392
AglomeradoUrbano [Sienna] 175 points and RSNorteIII [Cyan] 181 points - 1.99985351
suelo1 [Sea Green] 186 points and AguaconAlga [White] 64 points - 1.99985811
AglomeradoUrbano [Sienna] 175 points and Basural2 [Green1] 72 points - 1.99993128
ExBasural2 [Cyan1] 70 points and AguaconAlga [White] 64 points - 1.99997805
suelo1 [Sea Green] 186 points and RSNorteIII [Cyan] 181 points - 1.99997862
Vegetacin [Coral] 188 points and LagunaArtificial [White] 298 points - 1.99998092
Basural2 [Green1] 72 points and AguaconAlga [White] 64 points - 1.99998290
suelo1 [Sea Green] 186 points and LagunaArtificial [White] 298 points - 1.99999376
RSNorteIII [Cyan] 181 points and AguaconAlga [White] 64 points - 1.99999382
Basural2 [Green1] 72 points and LagunaArtificial [White] 298 points - 1.99999384
Vegetacin [Coral] 188 points and RSVillaDominico [Yellow2] 122 points - 1.99999649
Vegetacin [Coral] 188 points and Basural2 [Green1] 72 points - 1.99999862
AglomeradoUrbano [Sienna] 175 points and ExBasural2 [Cyan1] 70 points - 1.99999892
ExBasural2 [Cyan1] 70 points and LagunaArtificial [White] 298 points - 1.99999915
suelo1 [Sea Green] 186 points and Basural2 [Green1] 72 points - 1.99999919
Vegetacin [Coral] 188 points and Basural1 [Red] 128 points - 1.99999992
RSNorteIII [Cyan] 181 points and LagunaArtificial [White] 298 points - 1.99999998
suelo1 [Sea Green] 186 points and AglomeradoUrbano [Sienna] 175 points - 1.99999998
Vegetacin [Coral] 188 points and ExBasural2 [Cyan1] 70 points - 2.00000000
RepRoggero [Red1] 112 points and RSVillaDominico [Yellow2] 122 points - 2.00000000
Vegetacin [Coral] 188 points and AguaconAlga [White] 64 points - 2.00000000
RepRoggero [Red1] 112 points and LagunaArtificial [White] 298 points - 2.00000000
PiletaLixiviado [Maroon] 179 points and Basural1 [Red] 128 points - 2.00000000
Vegetacin [Coral] 188 points and RSNorteIII [Cyan] 181 points - 2.00000000
RepRoggero [Red1] 112 points and AguaconAlga [White] 64 points - 2.00000000
AglomeradoUrbano [Sienna] 175 points and Vegetacin [Coral] 188 points - 2.00000000
RepRoggero [Red1] 112 points and RSNorteIII [Cyan] 181 points - 2.00000000
RepRoggero [Red1] 112 points and Basural1 [Red] 128 points - 2.00000000
suelo1 [Sea Green] 186 points and Vegetacin [Coral] 188 points - 2.00000000
AglomeradoUrbano [Sienna] 175 points and Ro [Green2] 175 points - 2.00000000
Ro [Green2] 175 points and RSNorteIII [Cyan] 181 points - 2.00000000
PiletaLixiviado [Maroon] 179 points and Basural2 [Green1] 72 points - 2.00000000
RepRoggero [Red1] 112 points and Basural2 [Green1] 72 points - 2.00000000
PiletaLixiviado [Maroon] 179 points and ExBasural2 [Cyan1] 70 points - 2.00000000
Ro [Green2] 175 points and ExBasural2 [Cyan1] 70 points - 2.00000000
suelo1 [Sea Green] 186 points and Ro [Green2] 175 points - 2.00000000
PiletaLixiviado [Maroon] 179 points and Vegetacin [Coral] 188 points - 2.00000000
RepRoggero [Red1] 112 points and Vegetacin [Coral] 188 points - 2.00000000
RepRoggero [Red1] 112 points and PiletaLixiviado [Maroon] 179 points - 2.00000000
suelo1 [Sea Green] 186 points and RepRoggero [Red1] 112 points - 2.00000000
Ro [Green2] 175 points and AguaconAlga [White] 64 points - 2.00000000
RepRoggero [Red1] 112 points and ExBasural2 [Cyan1] 70 points - 2.00000000
RepRoggero [Red1] 112 points and Ro [Green2] 175 points - 2.00000000
Ro [Green2] 175 points and LagunaArtificial [White] 298 points - 2.00000000
Ro [Green2] 175 points and PiletaLixiviado [Maroon] 179 points - 2.00000000
Ro [Green2] 175 points and Vegetacin [Coral] 188 points - 2.00000000
Ro [Green2] 175 points and Basural1 [Red] 128 points - 2.00000000
suelo1 [Sea Green] 186 points and PiletaLixiviado [Maroon] 179 points - 2.00000000
Ro [Green2] 175 points and Basural2 [Green1] 72 points - 2.00000000
Ro [Green2] 175 points and RSVillaDominico [Yellow2] 122 points - 2.00000000
Anexo 5. Regresin logstica binaria Resultados

a. Relaciones entre las variables independientes
Categricas
De la Tabla 31 se eligi una variable por cada uno de los siguientes grupos correlacionados:
- Industrias de 100 m, 300 m y 500 m.
- Barrios cerrados de 100 m y 300 m con Altitud menor a 10 m.
- Villas y asentamientos de 100 m y 300 m con Otros sitios contaminados de 100 m.
- Otros sitios contaminados de 100 m con FFCC de 100 m, altitud menor a 10 m y Avenidas y
rutas de 100 m.
- Cursos de agua de 100 m y 300 m con FFCC de 100 m.
- FFCC de 100 m con Avenidas y rutas de 100 m y 300 m.
- Avenidas y rutas de 300 m con altitud menor a 100 m.
Las variables independientes seleccionadas fueron:

- Industrias a 500 m,
- Barrios cerrados a 300 m,
- Otros sitios contaminados de 100 m
- Cursos de agua a 300 m
- Avenidas y rutas de 300 m
Cuantitativas
Para facilitar el anlisis se dividieron las variables en 4 grupos: sociales, ndices, bandas y
temperaturas. Se en listaron los pares relacionados, se eligi una de las variables de cada par y
se repiti el anlisis hasta encontrar el conjunto de variables no relacionadas.
Sociales
Las variables rea (ha) y Densidad 2011 (hab/km2) no presentaron relacin con el resto de las
variables, mientras que Poblacin 2011 (hab) - % Calles pavimentadas y Generacin de basura
(Tn) presentaron correlacin, eligindose este ltimo por presentar el valor de Pearson ms bajo
(Tabla 32).
ndices
Los pares relacionados fueron: Brillo Humedad, Verdor SAVI, Verdor NSI, Verdor NDVI,
Humedad SAVI, Humedad NSI, SAVI NSI, SAVI NDVI, NSI- NDVI, NDVI Brillo. Las
variables no correlacionadas fueron Brillo y Verdor.
Bandas
Los pares relacionados fueron: B1-B2, B1-B3, B1-B7, B2-B3, B2-B7, B3-B7, B5-B7.
Seleccionando una de las variables por par y y repitiendo el anlisis se obtuvo que las variables
no correlacionadas fueron las bandas 4 y 7.
Temperaturas
Todas las bandas presentaron relacin por la cual se eligi Temperatura media (C).
Finalmente, juntando los resultados anteriores se repiti el anlisis (Tabla 33) obteniendo los
siguientes pares relacionados: Area(ha) - Verdor, Area(ha) -Banda 4, Area(ha) - Banda 7,
Densidad2011 (hab/km2) - Verdor, Densidad2011 (hab/km2) - Banda 4, Densidad2011 (hab/km2) -
Banda 7, Brillo - Verdor, Brillo - Banda 7, Temperatura media (C) - Banda 4, Temperatura media
(C) - Banda 7, Banda 4 - Banda 7.
Las variables numricas sin relacin fueron: Area(ha), Densidad2011 (hab/km2), Generacin de
basura (Tn), Brillo y Temperatura media (C).
b. Anlisis bi-variantes entre la variable dependiente y las independientes

Categricas
De las 14 variables categricas (Tabla 34) se excluyeron 3 por presentar independencia con la
variable dependiente Sitio, obteniendo: Industrias a 300 m y 500 m, barrios cerrados a 100 m y
300 m, Villas y asentamientos a 100 y 300 m, cursos de agua a 100 m y 300 m, avenidas y rutas a
100 m y 300 m y altitud menor a 10 m.
Numricas
Realizando la prueba de normalidad y la de igualdad de varianza se obtuvieron que Brillo y
Temperatura cumplieron con ambos requisitos mientras que Generacin de basura (Tn) y rea(ha)
con la de igualdad de varianzas. Estas dos ltimas sern contempladas en la regresin logstica
dado que la normalidad no es un requisito excluyente pero si lo es la igualdad de varianza por lo
cual se excluy Densidad2011 (hab/km2).
c. Regresin Logstica
En base a Sitio (1= basural, 0= no_basural) y las 35 variables independientes se realizo la
regresin logstica binaria. Los resultados obtenidos fueron:
Tabla de clasificacin, en un paso inicial: el porcentaje de basurales clasificados en forma correcta
fue de 50,8%, dicho valor no fue un buen valor de bondad de clasificacin.
Variables de la ecuacin, en un paso inicial: el valor de la prueba de Wald fue de 0,016 que indica
que slo un 1,6% de la variacin de la variable dependiente es explicada por la constante en el
modelo, su valor de significancia es mayor a 0,05 por lo cual incluirn a las variables
independiente al modelo.
Variables que no estn en la ecuacin, en un paso inicial: las variables rea(ha), Brillo,
Temperatura media (C) mostraron significancia menores a 0,05 por lo cual se asume que son de
importancia para el modelo.
Pruebas mnibus sobre los coeficientes del modelo: como la significacin estadstica fue menor a
0,05 se considerar que las variables independientes ingresadas mejor el ajuste del modelo.
Resumen del modelo: en nuestro caso el valor de la R cuadrado de Cox y Snell fue de 0,477 que
indica que slo el 47,7% de la variacin de la variable dependiente es explicada por las variables
incluidas en el modelo.
Prueba de Hosmer y Lemenshow: el valor de significancia fue mayor 0,05 por lo cual se asume
que el modelo logstico es un buen ajuste y los datos son aceptables.
Tabla de clasificacin, en un segundo paso: el modelo tiene una especificidad (83,3%) y
sensibilidad alta (83,9%), lo que permite clasificar bien a los basurales de los no_basurales. A nivel
global los casos seleccionados fueron altos del 83,6%.
Variables en la ecuacin, en un segundo paso: nuevamente se repiti la prueba de Wald
obteniendo que las variables estadsticamente significativas para el modelo fueron rea(ha), Brillo
y Temperatura media (C).
A fin de contrastar los resultados obtenidos se repiti el procedimiento con el mtodo de inclusin
por pasos hacia Adelante (forward), donde se fueron eliminando una a una las menos
significativas. Las variables seleccionadas por ambos mtodos coincidieron.
Antes de finalizar el anlisis se ingresaron todas las variables estudiadas, incluidas aquellas que
presentaron correlacin y falta de normalidad, en una regresin logstica con el mtodo hacia
Adelante, obteniendo que Otros sitios contaminados (100 m) tambin fue de importancia por lo
cual se la incluy (Tabla 35).
En resumen, las variables incluidas en la ecuacin logsticas fueron rea(ha), Brillo,
Temperatura media (C) y Otros sitios contaminados100m.
La primera presento valores promedio de 1 ha para basurales y 3,5 ha para no_basurales, rangos
rango entre 0,02-2,3 ha y 2,0 a 6,2 ha adems de muy buena separabilidad entre dichos grupos.
Mientras que para el Brillo y la Temperatura la separabilidad entre los dos tipos de sitios fue baja,
tomando rangos de 0,20 - 0,34 y 0,18 - 0,31 en reflectancia y 21 - 27C y 20 - 25,5 C
respectivamente. En cuanto a la cercana con otros sitio contaminado se encontr que el 30% de
los basurales de referencia se encontraron a menos de 100 m a diferencia del 6% del no_basural.
En base a los coeficientes de la prueba de Wald se construy la ecuacin de regresin logstica:
Y= 1/ {1 + exp(-15,376 - 0,53 * reaha + 24,176 * Brillo + 0,468 * Temperatura mediaC + 2,337 *

Otros sitios contaminados100 m)}
Los valores de P(Y=Basural) menores de 0,5 se clasificaron como Basural mientras que los
mayores a dicho valor se correspondieron a No_basural.
Por ejemplo, para Sitio = 0 se considero: Area(ha) = 1 ha, Brillo = 0,33, Temperatura
media(C)=27C y Otros sitios contaminados (100 m)=1 obteniendo P(Sitio=0) = 1/ {1 + exp(-
15,376 - 0,53 * 1 + 24,176 * 0,33 + 0,468 * 27 + 2,337 * 1}=0,001 que se clasifico como Basural.
Para Sitio=1 se considero: Area(ha) = 5 ha, Brillo = 0,18, Temperatura media(C)=20C y Otros
sitios contaminados (100 m)=0 obteniendo P(Sitio=1) = 1/ {1 + exp(-15,376 - 0,53 * 5 + 24,176 *
0,18 + 0,468 * 20 + 2,337 * 0}=0,987 que se clasifico como No_basural.
Finalmente, se valido el mtodo tomando el 20% de las muestras con la ecuacin anterior y se
calculo el valor de Chi-Cuadrado cuyo valor de significancia fue de 0,37 lo que indico que la
validacin y la estimacin no estaban correlacionadas.
Villas y otros sitios Avenidas y Altitud
Industrias Barrios cerrados Cursos de agua FFCC
asentamientos contaminados rutas menor a
100 m 300 m 500 m 100 m 300 m 100 m 300 m (100 m) 100 m 300 m 100 m 100 m 300 m 10 m
Chi Cuadrado de Pearson 7,383a 2,484a 0,741a 0,943a 0,490a 0,001a 0,215a 1,443a 0,115a 0,019a 2,070a 0,697a 0,095a
1
Sig. (bilateral) 0,01 0,12 0,39 0,33 0,48 0,97 0,64 0,23 0,73 0,89 0,15 0,40 0,76
Chi Cuadrado de Pearson 33,868a 1,159a 1,475a 1,287a 3,325a 0,887a 2,748a 0,321a 3,266a 0,538a 2,760a 0,144a
1
Sig. (bilateral) 0,00 0,28 0,22 0,26 0,07 0,35 0,10 0,57 0,07 0,46 0,10 0,70
Industrias
Chi Cuadrado de Pearson 0,118a 0,404a 0,002a 0,066a 0,839a 2,178a 0,399a 0,895a 0,282a 1,474a 0,008a
1
Sig. (bilateral) 0,73 0,52 0,96 0,80 0,36 0,14 0,53 0,34 0,60 0,22 0,93
Chi Cuadrado de Pearson 47,944a 0,077a 0,118a 0,913a 1,654a 2,777a 0,467a0 2,247a 2,247a 5,271a
1
Sig. (bilateral) 0,00 0,78 0,73 0,34 0,20 0,10 0,49 0,13 0,13 0,02
Chi Cuadrado de Pearson 0,000a 0,404a 1,068a 2,104a 0,854a 0,594a 1,068a 2,859a 5,271a
Barrios
cerrados
1
Sig. (bilateral) 0,98 0,52 0,30 0,15 0,36 0,44 0,30 0,09 0,02
Chi Cuadrado de Pearson 30,624a 12,310a 3,640a 4,673a 9,300a 0,001a 0,588a 0,004a
1
Sig. (bilateral) 0,00 0,00 0,06 0,03 0,00 0,98 0,44 0,95
100 m 300 m 100 m 500 m 300 m 100 m

Chi Cuadrado de Pearson 4,019a 2,178a 3,056a 13,642a 1,608a 0,258a 0,403a
Villas y
asenta-
mientos
m
1
300
Sig. (bilateral) 0,05 0,14 0,08 0,00 0,20 0,61 0,53
Chi Cuadrado de Pearson 6,143a 8,284a 5,483a 4,863a 3,465a 2,074a
Sig. (bilateral) 1
sitios
Otros
0,01 0,00 0,02 0,03 0,06 0,15
100 m
conta-
minados
Chi Cuadrado de Pearson 36,334a 4,983a 2,914a 1,666a 0,042a
1
Sig. (bilateral) 0,00 0,03 0,09 0,20 0,84
agua
Chi Cuadrado de Pearson 2,082a 4,710a 4,251a 0,011a
1
Cursos de
Sig. (bilateral) 0,15 0,03 0,04 0,92
Chi Cuadrado de Pearson 1,393a 0,004a 0,002a
1
FFCC
Sig. (bilateral) 0,24 0,95 0,97
Chi Cuadrado de Pearson 22,782a 0,011a
1
Sig. (bilateral) 0,00 0,92
rutas
Chi Cuadrado de Pearson 12,935a
1
Avenidas y
Sig. (bilateral) 0,00
300 m 100 m 100 m 300 m 100 m

Chi Cuadrado de Pearson
Sig. (bilateral) 1
10 m
Altitud
menor a
Tabla 31. Prueba de Chi-Cuadrado de las variables categricas.
Poblacin Generacin de % Calles Densidad 2011
Correlaciones rea (ha)
2011 (hab) basura (Tn) pavimentadas (hab/km2)
Correlacin de -0,071 -0,043 0,067 0,065
rea (ha) Pearson
Sig. (bilateral) 1 0,586 0,741 0,609 0,617
Correlacin de 0,530 0,259 -0,165
Poblacin 2011 Pearson
(hab)
Sig. (bilateral) 1 0,000 0,044 0,205
Correlacin de 0,417 0,129
Generacin de Pearson
basura (Tn)
Sig. (bilateral) 1 0,001 0,322
Correlacin de 0,200
% Calles Pearson
pavimentadas
Sig. (bilateral) 1 0,115
Correlacin de
Densidad 2011 Pearson
(hab/km2)
Sig. (bilateral) 1
Total 62 62 62 62 62
Figura 99. Diagrama de dispersin mltiple de puntos para el grupo Sociales. Tabla 32. Coeficiente de Pearson para las variables sociales. Las celdas con negrita y
sombreadas con color gris corresponden a las variables seleccionadas para la regresin
logstica.
Figura 100. Diagrama de dispersin mltiple de puntos para el grupo ndices. Figura 101. Diagrama de dispersin mltiple de puntos para el grupo Bandas.
Temperatura
Correlaciones TC1 TC2 TC3
media ( C)
Correlacin de 0,590 0,525 0,313
Temperatura Pearson
media ( C)
Sig. (bilateral) 0,000 0,000 0,014
1
Correlacin de 0,555 0,694
TC1 Pearson
Sig. (bilateral) 1 0,000 0,000
Correlacin de 0,381
TC2 Pearson
Sig. (bilateral) 1 0,002

Correlacin de
TC3 Pearson
Sig. (bilateral) 1
Figura 102. Diagrama de dispersin mltiple de puntos para el grupo Temperaturas. Tabla 33. Coeficiente de Pearson para las variables temperatura.
Densidad2011 Generacin de Temperatura
C o r r e la cio n e s rea (ha) Brillo Verdor Banda 4 Banda 7
(hab/km2) basura (Tn) media (C)
Correlacin de 1 0,065 -0,043 -0,120 0,307 0,001 0,285 -0,261

rea(ha) Pearson
Sig. (bilateral) 0,617 0,741 0,356 0,016 0,994 0,026 0,042
Correlacin de 1 0,129 -0,097 0,235 0,115 0,230 -0,202
Densidad2011
Pearson
(hab/km2)
Sig. (bilateral) 0,322 0,456 0,068 0,378 0,075 0,119
Correlacin de 1 -0,150 0,086 -0,136 0,068 -0,199
Generacin de basura
Pearson
(Tn)
Sig. (bilateral) 0,249 0,510 0,296 0,604 0,124
Correlacin de 1 -0,275 0,200 0,047 0,864
Brillo Pearson
Sig. (bilateral) 0,032 0,060 0,721 0,000
Correlacin de 1 -0,320 0,945 -0,701
Verdor Pearson
Sig. (bilateral) 0,012 0,000 0,000
Correlacin de 1 -0,261 0,353
Temperatura media (C) Pearson
Sig. (bilateral) 0,042 0,005
Correlacin de 1 -0,446
Banda 4 Pearson
Sig. (bilateral) 0,000
Correlacin de 1
Banda 7 Pearson
Sig. (bilateral)
Total de poligonos 62
Tabla 34. Coeficiente de Pearson para las variables numricas. Las celdas con negrita y sombreadas con color gris corresponden a las variables seleccionadas para la regresin
logstica.
Cercania a
barrios barrios villas y villas y
Industrias (100 industrias industrias
cerrados cerrados asentamientos asentamientos
Tabla de contingencia m) (300 m) (500 m)
(100 m) (300 m) (100 m) (300 m)
No Si No Si No Si No Si No Si No Si No Si
SITIO Basural (31 poligonos) 21 10 23 8 21 10 29 2 29 2 22 9 18 13
No_basural (31 poligonos) 31 0 25 6 20 11 28 3 27 4 27 4 23 8
Total 52 10 48 14 41 21 57 5 56 6 49 13 41 21
a a a a a a
Chi-cuadrado de Pearson 10,910 0,144 0,208a 1,001 1,856 1,828 1,394
p-valor 0,001 0,704 0,648 0,317 0,173 0,176 0,238
Total de poligonos 62 62 62 62 62 62 62
otros sitios cursos de cursos a avenidas y

cursos de avenidas y Altitud menor
contaminados agua (300 FFCC rutas (100
Tabla de contingencia agua (100 m) rutas (300 m) a 10 m
(100 m) m) (100 m) m)
No Si No Si No Si No Si No Si No Si No Si
SITIO Basural (31 poligonos) 22 9 19 12 15 16 24 7 26 5 19 12 15 16
No_basural (31 poligonos) 29 2 25 6 22 9 31 0 25 6 21 10 16 15
Total 51 11 44 18 37 25 55 7 51 11 40 22 31 31
a a a a a a a
Chi-cuadrado de Pearson 4,546 2,273 2,809 6,876 ,403 ,131 ,016
p-valor 0,033 0,132 0,094 0,009 0,525 0,717 0,525
Total de poligonos 62 62 62 62 62 62 62
Tabla 35. Anlisis bi-variantes entre la variable dependiente y las independientes Categricas.
Prueba de Levene para la
Pruebas de Kolmogorov-Smirnova Shapiro-Wilk
Sitio igualdad de varianzas
normalidad
Estadstico Sig. Estadstico Sig. F Sig.
Basural 0,31 0,00 0,60 0,00
rea(ha) 3,7 0,06
No basural 0,17 0,02 0,91 0,01
Densidad2011 Basural 0,18 0,02 0,95 0,21
14,8 0,00
(hab/km2) No basural 0,50 0,00 0,38 0,00
Generacin de Basural 0,23 0,00 0,87 0,00
2,0 0,16
basura (Tn) No basural 0,17 0,02 0,88 0,00
Basural 0,18 0,01 0,92 0,02
Brillo 3,4 0,07
No basural 0,15 0,08 0,94 0,06
Temperatura Basural 0,11 0,20 0,96 0,32
0,0 0,85
media (C) No basural 0,16 0,05 0,95 0,15
Tabla 36. Variables en la ecuacin en el primer paso de la regresin logstica binaria con el mtodo Introducir.
Casos seleccionados Casos no seleccionados
Observado SITIO SITIO
Porcentaje Porcentaje
Basural No_basural correcto Basural No_basural correcto
SITIO Basural 0 31 ,0 0 0 .
No_basural 0 31 100,0 0 0 .
Porcentaje global 50,8 .
Tabla 37. Prueba de clasificacin en el primer paso de la regresin logstica binaria con el mtodo Introducir.
B E.T. Wald gl Sig. Exp(B)

Constante 0,033 0,256 0,016 1,000 0,898 1,033
Tabla 38. Variables en la ecuacin en el primer paso de la regresin logstica binaria con el mtodo Introducir.
Variables Puntuacin Sig.
rea(ha) 10,011 0,002
Brillo 14,540 0,000
Temperatura media (C) 6,715 0,010
Industrias (500 m) ,208 0,648
barrios cerrados (300 m) 1,856 0,173
Cursos de agua (300 m) 2,809 0,094
Avenidas y rutas (300 m) ,131 0,717
Generacin de basura (Tn) 1,622 0,203
Tabla 39. Variables que no estn en la ecuacin en el primer paso de la regresin logstica binaria con el mtodo
Introducir.
Chi cuadrado Sig.

Paso 39,531 0,000
Bloque 39,531 0,000
Modelo 39,531 0,000
Tabla 40. Pruebas mnibus sobre los coeficientes del modelo en el segundo paso de la regresin logstica binaria con el
mtodo Introducir.
R cuadrado de Cox y Snell R cuadrado de Nagelkerke

0,477 0,636
Tabla 41. Resumen del modelo en el segundo paso de la regresin logstica binaria con el mtodo Introducir.
Chi cuadrado Sig.

4,846 0,774
Tabla 42. Prueba de Hosmer y Lemeshow en el segundo paso de la regresin logstica binaria con el mtodo Introducir.
Porcentaje Porcentaje
Observado Basural No_basural correcto Basural No_basural correcto
SITIO Basural 26 5 83,3 0 0 .
No_basura 6 26 83,9 0 0 .
l
Porcentaje global 83,6 .
Tabla 43. Tabla de clasificacin en el segundo paso de la regresin logstica binaria con el mtodo Introducir.
Variable B Wald Sig.

rea(ha) 0,604 8,733 0,003
Brillo -2,469E+01 8,460 0,004
Temperatura media (C) -7,078E-01 5,517 0,019
Industrias (500 m) -1,442E+00 2,295 0,130
barrios cerrados (300 m) -2,572E+00 1,500 0,221
Cursos de agua (300 m) 1,473 2,499 0,114
Avenidas y rutas (300 m) 0,932 1,047 0,306
Generacin de basura (Tn) 1,144 0,951 0,330
Constante 21,573 7,969 0,005
Tabla 44. Variables en la ecuacin en el segundo paso de la regresin logstica binaria con el mtodo Introducir.
Paso 1a Brillo -23,998 12,061 0,001
Constante 5,604 11,826 0,001
Paso 2b rea(ha) 0,433 7,158 0,007
Brillo -24,698 10,457 0,001
Constante 4,603 6,783 0,009
Paso 3c rea(ha) 0,457 8,072 0,004
Brillo -22,944 8,698 0,003
Temperatura media -0,428 3,977 0,046
(C)
Constante 14,077 7,315 0,007
Tabla 45. Variables en la ecuacin en el segundo paso de la regresin logstica binaria con el mtodo Adelante.

rea(ha) 0,53 8,71 0,003
Brillo -24,176 8,561 0,003
Temperatura media (C) -0,468 4,196 0,041
Otros sitios contaminados (100 m) -2,337 4,172 0,041
Constante 15,376 7,569 0,006
Tabla 46. Variables en la ecuacin en el segundo paso de la regresin logstica binaria con el mtodo Introducir.

Mi O2

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Mi O2

Diunggah oleh

Hak Cipta:

Format Tersedia

IV.5.

Tasseled Cap y Clasificacin No supervisada ISODATA

IV.5.1. Tasseled Cap

Tabla 15. Cantidad de hectreas y porcentajes

Los rellenos no siguieron el comportamiento de una nica cubierta a lo largo de la serie de 10

IV.6.2. NDVI y ACP

Los resultados obtenidos presentaron porcentaje de coincidencia inferior a los esperados

IV.6.3.1. Temperatura con imgenes LandSat 5

Los comportamientos en cuanto al crecimiento o decrecimiento a travs del tiempo de las

parte de los objetivos de este trabajo.

IV.6.3.2. Temperatura con imgenes ASTER

Se utilizaron 2 bandas trmicas del 2 de diciembre de 2004 y 27 de febrero de 2011 (Figura 74 a y

De cada escena se extrajeron 10 muestras de 50 pxeles por sitio contaminado, se calcularon y

El resto de los sitios contaminados presentaron rangos de temperatura similares (24,5-34,2C y

Considerando los perodos y valores posibles de temperatura de ASTER y las mscaras se

IV.6.3.3. Resultados de la temperatura

En comparacin con el trabajo de Ferrer-Vidal y Sol-Sugraes (1995) con una escena de

Las variables independientes seleccionadas se eligieron en base a los antecedentes de

VyA100m y VyA300m: cercana con villas y asentamientos a 100 m y 300 m.

BarriosCerrados100m y BarriosCerrados300m: cercana con barrios cerrados a 100 m

Industrias100m, Industrias300m e Industrias500m: cercana a industrias y parques

Rios100m y Rios300m: cercana a cursos de agua a 100 m y 300 m.

Avdayrutas100m y Avdayrutas300m: cercana a las principales avenidas, autopistas y

FFCC de 100m: cercana a las vas del FFCC a 100 m.

Altitud menor a 100 m: altitud menor de 10 m de altura, correspondiente a reas

Otros sitios contaminados de 100 m: cercana a otros sitios contaminados (ex

En base a Sitio (1= basural, 0= no_basural) y las 35 variables independientes se realizo la

En base a los coeficientes de la prueba de Wald se construy la ecuacin de regresin logstica:

V.1. Adquisicin de imgenes

Los 3 modos de adquisicin de la imagen son (ASI, 2009):

En la tabla 20 se proporcionan las caractersticas principales de las imgenes utilizadas segn el

La descripcin de gran parte de los productos fue tomada de: www.crepad.rcanaria.es

V.2.1. Correccin radiomtrica

Donde la intensidad de la radiacin cae a la cuarta potencia de la

El 0 se puede expresar de tres formas:

V.2.2. Calibracin SAR

permiti trabajar con mayor precisin.

Luego se paso 0 en potencia a decibles mediante la siguiente ecuacin: 10*LOG(B3), donde B3

Fact ' = Fact sin( ref )

CSK613 Mximo 30,76 30,86 19,14 18,7

Media -5,42 -6,32 -15,78 -14,61

Mnimo -61,93 -144,47 -62,1 -144,08

CSK612 Mximo 33,43 33,59 28,94 29,17

Media -4,86 -5,81 -6,51 -7,12

Mnimo - - -110,95 -47,54

CSK620 Mximo - - 48,14 48,18

Media - - -0,89 -1,98

De la tabla 24 se observa que las mayores diferencias corresponden a la muestra de agua.

Nombre de la imagen ERS-2

V.2.3. Correccin geomtrica

La imagen original se calibr desde SarTools/Radiometric Correction/Calibrate

Figura 84. Mscara de color amarillo de CSKS612 con polarizacin VV.

cercanos a los verdaderos desde File/Preference/Miscellaneous/Max Histogram Bins

V.3.1. Estadsticas globales

Figura 85. Distribuciones de las imgenes SAR.

V.3.2. Estadsticas parciales

En la Figura 87 se observa separabilidad entre el agua y el resto de las cubiertas, excepto en la

3.2.2. Estadsticas sobre los sitios contaminados

En el Mapa 16 y en la siguiente tabla se reflejan la cantidad de hectreas detectadas como sitios

612HH 612VV 613HH Imagen ptica del Google

Figura 96. Tosqueras en rea urbana. Imgenes SAR.

V.4. Resultados SAR

- Evaluacin de las metodologas utilizadas