Métodos de clasificación orientada a objetos para la

evaluación de usos de suelo, en la zona centro-

norte del Ecuador

Alexis Cifuentes1; Christian Aguilar 1 Víctor García1; Franklin Cargua1-2

1Universidad Nacional de Chimborazo; UNIGIS – Zalsburg of University 2

RESUMEN GEOBIA
El objetivo de este trabajo fue el desarrollo de una
base de datos de herbazal de páramo en la zona
centro norte del Ecuador. Para lograr el objetivo se
utilizó SIGs, así como la metodología GEOBIA
propuesta por Urbanski en 2013, e imágenes
LandSat 8 del año 2016. Esta metodología fue
modificada para aumentar la precisión de la
clasificación y modelos de elevación que
acompañaron a la reflectancia en la clasificación.
Así nuestros resultados permiten concluir que es
necesario el monitoreo continuo de este ecosistema
ya que la intervención a nivel de toda la zona ya
supera el 30%. La metodología desarrollada en este
estudio se muestra muy conveniente para el
monitoreo rápido, eficiente y económico de los
ecosistemas. Fuente: (Crespo, 2018; Rodríguez, 2011)
Gráfico 01. Ecosistemas de páramo MAE 2014., Zona centro-norte

METODOLOGÍA RESULTADOS DISCUSIÓN

Para mejorar la calidad de la imagen La clase Herbazal agrupa el Herbazal del Páramo el
multiespectral de 30 m a 15 m, se utilizó la cual abarca la mayor extensión de los ecosistemas
herramienta “pan-sharpened composit”. Esta de montaña localizado en valles glaciares, laderas
herramienta permite combinar 3 bandas con de vertientes y llanuras subglaciares, los suelos son
una resolución de 30 m; con una banda ricos en materia orgánica. El Herbazal húmedo
pancromática (banda 8) de 15 m, lo que mejoró montano alto superior del Páramo que se encuentra
en enclaves volcánicos, presentan humedad
la calidad de la imagen haciéndola más nítida,
relativamente baja reduciendo la concentración de
obteniendo 85 cuadrantes.
carbono. El Herbazal inundable del Páramo
Lograron identificar 2 235 815, cada cuadrante presente donde existe un balance hídrico positivo,
presenta valores entre 20 000 y 40 000 objetos los suelos tienen condiciones anaeróbicas que
cada uno dependiendo de su pureza en cuanto a inhiben la descomposición de materia orgánica
nubosidad. (Carbono orgánico hasta 50%). Y el Herbazal
húmedo subnival del Páramo que se ubica en
laderas periglaciares en suelos entisoles poco
profundos, presentan poca materia baja capacidad
de retención y regulación de agua. (Ministerio de
Ambiente del Ecuador, 2013).

Para esta clase el rango de reflectancia varía entre

30.27 y 40.40, con características de pendiente
pronunciada y altitud superior a 3503. Aguilar,
Mora, & Vargas (2015).

Tabla 1. Clasificación utilizando GEOBIA .

CONCLUSIONES
Mediante el uso de GEOBIA se logró identificar
herbazal de páramo en las provincias de Bolívar,
Tungurahua, Cotopaxi, Napo, Pichincha,
Imbabura y Carchi; para el año 2016 de 46.64%
de Herbazal, 31.92% de Intervención, 15.30%
son Bosques, 6.05% tienen características de
Figura 1. Delimitación de cuadrantes. Cuerpos de Agua y el 0.09% posee una capa de
Nieve.
Las imágenes multiespectrales obtenidas del
sensor remoto Landsat 8 en épocas de verano
agilizan el proceso de clasificación y rediseño de
capas de ecosistemas sujetos a cambios; por un
lado, ya que evita forjar procesos de corrección
de nubosidad, y por otro lado, el mejor detalle
de visualización que éstas presentan.
Figura 2. Validación en campo

Referencias
Franklin Cargua 1. Aguilar Arias, H., Mora Zamora, R., & Vargas Bolaños, C. (2015). Metodología Para La Corrección Atmosférica De Imágenes Aster, Rapideye, Spot 2 Y Landsat 8 Con El Módulo Flaash
Del Software Envi. Atmospheric Correction Methodology for Aster, Rapideye, Spot 2 and Landsat 8 Images With Envi Flaash Module Software. Revista Geográfica de América

Universida Nacional de Chimborazo Central, 2(53), 39–59. https://doi.org/10.15359/rgac.2-53.2

2. Al-Ahmadi, F. S., & Hames, A. S. (2009). Comparison of four classification methods to extract land use and land cover from raw satellite images for some remote arid areas,

Franklincargua@Hotmail.com
Kingdom of Saudi Arabia. Journal of King Abdulaziz University, Earth Sciences, 20(1), 167–191. https://doi.org/10.4197/Ear.20-1.9
3. Ayala-Izurieta, J., Márquez, C., García, V., Recalde-Moreno, C., Rodríguez-Llerena, M., & Damián-Carrión, D. (2017). Land Cover Classification in an Ecuadorian Mountain Geosystem
Using a Random Forest Classifier, Spectral Vegetation Indices, and Ancillary Geographic Data. Geosciences, 7(2), 34. https://doi.org/10.3390/geosciences7020034
0995832089 4. Cargua, F. E., Rodríguez, M. V, & Recalde, C. G. (2014). Cuantificación del Contenido de Carbono en una Plantación de Pino Insigne ( Pinus radiata ) y en Estrato de Páramo de
Quantification of Carbon in a Forest Plantation of Pine Insigne ( Pinus radiata ) and Moor Stratum of Low Ozogoche , Sangay, 25(3), 83–92. https://doi.org/10.4067/S0718-
07642014000300011
5. Castañeda, J. J. (2016). Desarrollo de una metodología de clasificación semiautomática de formas del relieve en la geografía colombiana basado en clasificación de objetos, 88.
Recuperado a partir de http://hdl.handle.net/11349/4303
6. Chuvieco, E. (1996). Fundamentos de teledetección espacial. (S. A. RIALP, Ed.). Madrid. https://doi.org/23.304-1995
7. Corrales, G., Plata, W., Hinojoza, G., & Aguilar, J. (2014). Análisis de los cambios de uso y cobertura del suelo para el Estado de Sinaloa mediante Sistemas de Información
Geográfica. XVI Congreso Nacional de tecnologías de la Información Geográfica 25, 26 y 27 de Junio de 2014. Alicante, 10.
8. Crespo, S. (2018). Técnica de clasificación cartográfica orientada a objetos para obtener una base de datos de uso de suelo de páramos, de Chimborazo.
9. Dronova, I., Gong, P., & Wang, L. (2011). Object-based analysis and change detection of major wetland cover types and their classification uncertainty during the low water period
at Poyang Lake, China. Remote Sensing of Environment, 115(12), 3220–3236. https://doi.org/10.1016/j.rse.2011.07.006
10. ESRI. (s/f). Galería de índices—ArcGIS Pro | ArcGIS Desktop. Recuperado el 16 de septiembre de 2018, a partir de https://pro.arcgis.com/es/pro-app/help/data/imagery/indices-
gallery.htm
11. Hofstede, R., Calles, J., López, V., Polanco, R., Torres, F., Ulloa, J., … Cerra, M. (2014). Los páramos Andinos ¿Qué Sabemos? Estado de conocimiento sobre el impacto del cambio
climático en el ecosistema páramo. UICN, Quito, Ecuador. Recuperado a partir de https://portals.iucn.org/library/sites/library/files/documents/2014-025.pdf