Mapeo de la distribución de la macroalga Lessonia nigrescens usando imágenes de satélite SPOT-6 en la Región Moquegua
Palabras clave:
Lessonia nigrescens, SPOT-6, clasificación supervisadaResumen
Usando imágenes submétricas (SPOT-6) y realizando observaciones in situ se desarrolló el mapeo de la distribución de la macroalga Lessonia nigrescens en la Región Moquegua. La imagen SPOT-6 corresponde al 28 de setiembre 2018. Se realizó el preprocesamiento de los datos del satélite (calibración radiométrica y corrección atmosférica usando el modelo QUAC) para obtener la reflectancia espectral para los tres canales visibles. A través del modelo de clasificación supervisada SVM se distinguieron los objetos que tienen característica espectral similar, tales como macroalgas, rocas, sombra y agua. Se estimó un área total de 3,777x104 m2 de L. nigrescens a lo largo de la costa de Moquegua, donde el 80% de la distribución se encuentra a partir de Jaboncillo hacia al norte en ambientes del intermareal rocoso en forma de franjas. El área estimada de L. nigrescens por este trabajo fue 38,5% menor al comparar con los resultados de la evaluación de la misma especie por los investigadores del laboratorio costero de Ilo-IMARPE en 2014. Mediante el análisis del perfil latitudinal y al comparar los datos satelitales con lo observado se determinó la poca variabilidad espacial de la distribución de las macroalgas que se concentran en la zona los Platanales.
Descargas
Métricas
Citas
Astrium An Eads Company. 2013. SPOT-6 & SPOT-7 Imagery User Guide. SI/DC/13034-v1.0. http://www.guyane-sig.fr/data/services_web/seas/specs/spot-6-7_fiche-technique-detaillee.pdf
Canty M J. 2014. Image analysis, classification and change detection in remote sensing with algorithms for ENVI/IDL and Python. CRC Press Taylor & Francis Group. 494 pp.
Carbajal P, Gamarra A. 2018. Guía para recolección y reconocimiento de macroalgas pardas comerciales del Perú. Inf Inst Mar Perú. 45(2). 169-181.
Chuvieco E. 1996. Fundamentos de teledetección espacial. Ediciones RIALP, S.A. 3.
Green E P, Mumby P J, Edwards A J, Clark C D. 2000. Remote Sensing Handbook for Tropical Coastal Management. Coastal Management Sourcebooks 3. UNESCO Publishing. 316.
Gower J, Hu C M, Borstad G, King S. 2006. Ocean color satellites show extensive lines of floating Sargassum in the Gulf of Mexico. IEEE Transactions on Geoscience and Remote Sensing. 44(12): 3619-3625. 568.
Harris Geospatial Products Documentation Center. 2009. Support Vector Machine. https://www.harrisgeospatial.com/docs/SupportVectorMachine.html
Hossain M S, Bujang J S, Zakaria M H, Hashim M. 2014. The application of remote sensing to seagrass ecosystems: an overview and future research prospects. International Journal of Remote Sensing. 36(1): 61-113.
Hsu C W, Chang C C, Lin, C J. 2016. A practical guide to support vector classification. National Taiwan University: http://www.csie.ntu.edu.tw/~cjlin. 16 pp.
Hu C M. 2009. A novel ocean color index to detect floating algae in the global oceans. Remote Sensing of Environment.113: 2118-2129.
Hu C, Feng L, Hardy R F, Hochberg E J. 2015. Spectral and spatial requirements of remote measurements of pelagic sargassum macroalgae. Remote Sensing of Environment. 167: 229-246.
IMARPE. Informe Final. Proyecto UE – Perú/PENX ALA/2004/016-913. Código Ref. Mincetur POG 3.3.2.1. Sector Pesca y Acuicultura. Lima. 90 pp.
IMARPE- Ilo. 2010. Evaluación poblacional de las praderas de macroalgas y su fauna asociada en el litoral marino de la región de Moquegua. Gobierno Regional de Moquegua, Dirección Regional de la Producción. Informe Final-IMARPE. 64.
IMARPE- Ilo. 2014. Evaluación del recurso macroalgas Lessonia nigrescens y Lessonia trabeculata en el litoral de la Provincia de Ilo, Región Moquegua”. Inf Interno Inst Mar Perú. 30 pp.
Iqbal M. 1983. An introduction to solar radiation. Academic Press. 390 pp.
Kutser T, Vahtmäe E, Rohtla L M. 2006. Spectral library of macroalgae and benthic substrates in Estonian coastal waters. Proc. Estonian Acad. Sci. Biol. Ecol. 55 (4): 329-340.
Lillesand T, Kiefer R, Chipman J. 2007. Remote Sensing and Image Interpretation. Wiley India 6th Edition. New Delhi-India. 763 pp.
Melgani F, Bruzzone L. 2004. Classification of hyperspectral remote sensing images with support vector machines. IEEE Transactions on Geoscience and Remote Sensing. 42(8): 1778-1790.
Tejada A, Baldarrago D, Villanueva J, Gamarra A. 2019. Evaluación del recurso Lessonia trabeculata Villouta y Santelices, 1986 en la provincia de Ilo, Región Moquegua. Octubre 2015. Inf Inst Mar Perú. 46 (1): 52-59.
Vásquez J A. 2009. Estudio de investigación de poblaciones y de las condiciones de viabilidad ecológica de las actividades extractivas de algas pardas e invertebrados en la zona costera sur, en apoyo de la investigación y desarrollo del Instituto del Mar del Perú.
Vogels M F A, de Jong S M, Sterk G, Addink E A. 2019. Mapping irrigated agriculture in complex landscapes using SPOT 6 imagery and object based image analysis – A case study in the Central Rift Valley, Ethiopia. ELSEVIER. International Journal of Applied Earth Observation and Geoinformation. 75: 118-129.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
© Bol Inst Mar Perú. La revista retiene los derechos patrimoniales de los autores con la finalidad de garantizar el acceso abierto de los manuscritos.
Todos los manuscritos publicados en la revista se distribuyen bajo la licencia “Creative Commons Atribución - NoComercial - CompartirIgual 4.0 Internacional” (CC BY-NC-SA 4.0). Implica que autores y lectores pueden de forma gratuita descargar, almacenar, copiar, redistribuir, remezclar, transformar o generar obras derivadas a partir del manuscrito, siempre y cuando mencionen la fuente primaria de publicación y la autoría del manuscrito, así como que se realice sin fines comerciales y se distribuya bajo la misma licencia que el original. Puede consultar desde aquí la versión informativa y el texto legal de la licencia.
