obtenciÓn de semillas de Áreas quemadas mediante el

OBTENCIÓN DE SEMILLAS DE ÁREAS QUEMADAS MEDIANTE EL PROCESAMIENTO

DE IMÁGENES LANDSAT UTILIZANDO LOS ÍNDICES NBR Y NDVI

ANA MARIA GARCIA GÓMEZ

ALEJANDRA MORENO ARBOLEDA

ANA MARIA MORENO ISAZA

UNIVERSIDAD DE SAN BUENAVENTURA MEDELLÍN

FACULTAD DE INGENIERÍAS

ESPECIALIZACIÓN EN SISTEMAS DE INFORMACIÓN GEOGRÁFICA

MEDELLÍN

2016

OBTENCIÓN DE SEMILLAS DE ÁREAS QUEMADAS MEDIANTE EL PROCESAMIENTO

DE IMÁGENES LANDSAT UTILIZANDO LOS ÍNDICES NBR Y NDVI

ANA MARIA GARCIA GÓMEZ

ALEJANDRA MORENO ARBOLEDA

ANA MARIA MORENO ISAZA

Trabajo de grado presentado para optar al título de Especialista en Sistemas de Información

Geográfica

Asesor:

Germán Mauricio Valencia H., Especialista (Esp) en Sistemas de Información Geográfica.

UNIVERSIDAD DE SAN BUENAVENTURA MEDELLÍN

FACULTAD DE INGENIERÍAS

ESPECIALIZACIÓN EN SISTEMAS DE INFORMACIÓN GEOGRÁFICA

MEDELLÍN

2016

Tabla de contenido

Resumen ........................................................................................................................................... 6

Abstract ............................................................................................................................................ 7

1. Introducción ................................................................................................................................. 8

2. Objetivo ........................................................................................................................................ 9

3. Área de estudio y periodos de análisis ....................................................................................... 10

4. Metodología ............................................................................................................................... 12

4.1. Principio del método ........................................................................................................... 12

4.2. Desarrollo de la metodología .............................................................................................. 14

4.2.1. Selección de zonas y años de análisis ........................................................................... 14

4.2.2. Selección y obtención de las imágenes ......................................................................... 15

4.2.3. Procesamiento de la información: Detección de áreas incendiadas .............................. 16

5. Resultados .................................................................................................................................. 24

6. Conclusiones .............................................................................................................................. 32

7. Recomendaciones ....................................................................................................................... 33

Referencias ..................................................................................................................................... 34

Anexos ............................................................................................................................................ 35

Lista de Tablas

Tabla I. Resultado de las zonas analizadas por año ....................................................................... 24

Tabla II. Anexo. Lista de imágenes adquiridas y procesadas ........................................................ 35

Lista de Figuras

Fig. 1. Área de estudio y zonas muestrales ................................................................................... 10

Fig. 2. Distribución de focos de calor en la zona de estudio (puntos de color amarillo) en el mes

de diciembre del año 2015, sobre un mapa de biomasa aérea ........................................................ 11

Fig. 3. Modelo de densidad de Kernel en la zona de estudio generado a partir de focos de calor,

año 2015 ......................................................................................................................................... 11

Fig. 4. Índice oceánico del Niño (ONI) (°C): Evolución desde 1950 ............................................ 12

Fig. 5. Zonas de análisis ................................................................................................................. 14

Fig. 6. Captura de pantalla página web del Servidor Geológico de los Estados Unidos (USGS)

para la búsqueda de imágenes satelitales ....................................................................................... 15

Fig. 7. Ruta de herramienta “Clip” de ArcMap- ........................................................................... 17

Fig. 8. Ruta de herramienta “Spatial Analyst Tools” de ArcMap .................................................. 18

Fig. 9. Ruta de herramienta “Image Analysis” de ArcMap ........................................................... 19

Fig. 10. Ruta funciones aritméticas de la herramienta “Image Analysis” de ArcMap................... 19

Fig. 11. Ruta de operación aritmética de resta en la herramienta de “Image Analysis” de ArcMap

........................................................................................................................................................ 20

Fig. 12. Ruta para combinación de bandas en la herramienta de “Image Analysis” de ArcMap .. 21

Fig. 13. Ruta para realizar la clasificación no supervisada de la herramienta “Clasification” de

ArcMap ........................................................................................................................................... 21

Fig. 14. Ruta para realizar la clasificación no supervisada de la herramienta “Clasification” de

ArcMap ........................................................................................................................................... 22

Fig. 15. Ejemplo de un “Composite” ............................................................................................. 22

Fig. 16. Ejemplo de Semillas en imágenes Pre-fuego y Post-fuego .............................................. 23

Fig. 17. Ejemplo de un Isoclutster .................................................................................................. 23

Fig. 18. Área quemada en Km2 por año ......................................................................................... 25

Fig. 19. Área quemada en Km2por zona en el año 1998 ................................................................ 26

Fig. 20. Área quemada en Km2por zona en el año 2003 ............................................................... 26






Fig. 26. Zona 14, visualización parcial de superficie ..................................................................... 29

Fig. 27. Patrón de forma y área detectada por el proceso como incendiada, Zona 14 ................... 29

Fig. 28. Zonas 8 y 9, visualización parcial de superficie ............................................................... 30

Fig. 29. Parte norte de las zonas 8 y 9, imágenes pre y post fugo con las semillas detectadas en el

procesamiento 2015 ........................................................................................................................ 30

Fig. 30. Parte sur zonas 8 y 9, imágenes pre y post fuego con las semillas detectadas en el

procesamiento 2015 ........................................................................................................................ 31

Fig. 31. Ejemplo de área incendiada para limpia y adecuación del terreno para el establecimiento

de cultivos ...................................................................................................................................... 31

6

Resumen

En este trabajo se presenta la forma como se obtuvieron semillas de áreas quemadas en la zona

norte de Sur América, usando 266 imágenes LANDSAT (5, 7 y 8) en los años 1998, 2003, 2004,

2007, 2010, 2013 y 2015 en los cuales se presentó fenómeno del niño. Se utilizaron los índices

NDVI y NBR en dos momentos para cada escena (pre y post fuego) procesando las imágenes en

el software ArcGis de ESRI, con la herramienta Image Analysis. Se obtuvo como resultado que el

año con más área se quemó en la zona de estudio fue el 1998, seguido por el año 2003 y la zona

que más incendios presentó en el período de tiempo analizado fue la de la escena Path:5-Row:55,

seguida de la escena Path:4-Row:55, las cuales abarcan el sur occidente de Venezuela que

corresponde a las formaciones rocosas de las Galeras del Cinaruco, en la región del estado de

Apure.

Palabras claves: Imágenes Landsat, Índices NDVI y NBR, Image Analysis, Áreas Quemadas,

Semillas

7

Abstract

In this work the way seeds burned areas were obtained in the northern part of South America ,

using 266 images LANDSAT (5, 7 and 8) in the years 1998, 2003, 2004 , 2007, 2010 , 2013 and

2015 is presented in which he was presented Niño phenomenon . NBR and NDVI indices were

used at two points for each scene (pre and post fire) processing images in ESRI ArcGIS software

, the Image Analysis tool. Was obtained as a result of the year with more area burned in the study

area was 1998, followed by 2003 and the area more fires occurred in the period of time analyzed

was that of the Path scene 5 - Row: 55, followed by the Path scene : 4 - Row: 55, which cover the

southwest of Venezuela corresponding to the rock formations of the Cinaruco Galeras , in the

region of the state of Apure .

Keywords: Landsat images, NBR and NDVI index, Image Analysis, Burned Areas, Seeds

8

1. Introducción

Una aproximación al régimen general de incendios de las coberturas vegetales en Colombia, se

caracteriza por la ocurrencia de eventos de fuego durante las temporadas secas anuales; la

primera durante los meses de diciembre a marzo correspondientes a la primera época seca del

año y la segunda en los meses de julio y agosto, correspondiente a la segunda época del año.

Estos adicionalmente pueden intensificarse o atenuarse, tanto en número de eventos como en

área total afectada, según sea la incidencia regional de los fenómenos El Niño y La Niña

respectivamente, en intensidades que varían y son proporcionales a la magnitud de los

fenómenos climáticos mencionados. [1, párr. 10]

En estos períodos de sequías, la vegetación pierde parte de los contenidos de humedad superficial

e interior, incrementando sus niveles de susceptibilidad y amenaza hacia la combustión de la

biomasa vegetal que los compone [1]. Aunque el área de estudio abarca un área mayor que no

sólo comprende Colombia, esta característica descrita es común para toda ella.

Así, las técnicas de teledetección satelital, resultan ser una herramienta muy útil para la

identificación de aquellas zonas afectadas por incendios por lo que en el presente estudio se

adquirieron y analizaron imágenes LANDSAT desde el año 1998 a 2015, procedentes de los

satélites Landsat 5, 7 y 8.

Los resultados generados dentro del desarrollo de este estudio hacen parte del proyecto de

investigación “Estimación de la producción de gases efecto invernadero (GEI) en el norte de Sur

América por la quema de material vegetal, integrando los métodos bottom-up y top-down”. Con

el cual se busca mejorar los procesos de estimación de GEI en la zona de estudio.

9

2. Objetivo

Identificar la variabilidad de las quemas de material vegetal en 19 zonas del norte de Sur América

en un periodo comprendido entre el año 1998 a 2015, utilizando imágenes Landsat corregidas

radiométrica y atmosféricamente.

10

3. Área de estudio y periodos de análisis

El área de estudio corresponde al norte de Sur América. Esta región está conformada por el

espacio geográfico de los países de Colombia, Venezuela, Guyana y parte del norte de Brasil. En

la figura 1 se puede observar la delimitación del área de estudio.

Fig. 1. Área de estudio y zonas muestrales

Tomada de: Creación Propia

Se escogió un tamaño muestral de 19 escenas Landsat en base a la previa identificación de focos

de calor identificados, correspondientes a los reportes de los sensores NOAA

(15,15d,12,12d,14,16n,16,17,18d,18,19,19d), GOES (8,10,12,13), MODIS (Terra y Aqua) ,

VIIRS (NPP y NPP 375), TRMM, ATSR, Meteosat 02, entre el año 2000 y 2015. En la figura 2

se observan estos focos representados en puntos.

11

Fig. 2. Distribución de focos de calor en la zona de estudio (puntos de color amarillo) en el mes de diciembre del año 2015,

sobre un mapa de biomasa aérea


Con los focos de calor, y en base a una modelación realizada para la zona utilizando el estadístico

no paramétrico de Kernel, se identificaron las zonas con mayor incidencia de incendios y donde

ha venido creciendo las áreas quemadas año a año. En la figura 3 se muestra la imagen del

modelo.

Fig. 3. Modelo de densidad de Kernel en la zona de estudio generado a partir de focos de calor, año 2015


El período de muestreo para el presente estudio se eligió de acuerdo a aquellos años en que se

presentó fenómeno del niño, por lo que se analizaron los siguientes: 2015, 2013, 2010, 2007,

2004, 2003 y 1998.

En la figura 4 se muestra el índice oceánico del Niño.

12

Fig. 4. Índice oceánico del Niño (ONI) (°C): Evolución desde 1950

El valor más reciente del ONI (Abril – Junio 2016) es 0.7°C [2]

4. Metodología

4.1. Principio del método

Se tomó como base para el análisis, la metodología desarrollada por Melchiori (2014)[3] para la

estimación de áreas quemadas, la cual fue adaptada al objetivo y resultados deseados en el

presente estudio, en el que además del análisis, se documenta paso a paso su desarrollo mediante

el uso del programa ArcGIS.

Índices

Para la identificación de las semillas de incendios se utilizaron los índices NBR (conocido como

cociente normalizado de área quemada) y el NDVI (Índice de Vegetación Diferencial

Normalizado).

13

Considerando dos imágenes con fechas diferentes (Pre-fuego y Post-fuego), se realizó la

siguiente combinación de bandas:

R: ∆ NDVI: NDVI Pre – NDVI Post

G: NBR Post

B: ∆ NBR: NBR Pre – NBR Post

Esta combinación genera una composición de colores en tonos verdes, grises y magentas, en

donde el tono magenta más encendido arroja una primera aproximación de la posible área

quemada.

Índice NBR: permite un contraste espectral entre el infrarrojo cercano (NIR) y el infrarrojo de

onda corta (SWIR).

𝑁𝐵𝑅 = (𝜌𝑁𝐼𝑅 − 𝜌𝑆𝑊𝐼𝑅) ÷ (𝜌𝑁𝐼𝑅 + 𝜌𝑆𝑊𝐼𝑅)

En un ambiente post-fuego, las superficies quemadas son poco reflectivas en el NIR, asociado a

alteraciones estructurales de la vegetación; en contraste con el SWIR, que son muy reflectivas

debido a la pérdida de agua en el suelo y la vegetación.

Índice de Vegetación Diferencial Normalizado (NDVI): es un parámetro calculado a partir de

valores reflectantes a distintas longitudes de onda y es particularmente sensible a la cubierta

vegetal.

𝑁𝐷𝑉𝐼 = ( 𝜌𝑁𝐼𝑅 − 𝜌𝑅𝐸𝐷) ÷ (𝜌𝑁𝐼𝑅 + 𝜌𝑅𝐸𝐷)

Este índice relaciona la reflectividad de una superficie en el infrarrojo cercano (NIR) y el rojo

(RED).

Las hojas de la vegetación absorben el ROJO y reflejan en su mayoría el NIR.

14

4.2. Desarrollo de la metodología

La metodología desarrollada se compone de las siguientes fases:

- Selección de zonas y años de análisis

- Selección y obtención de las imágenes

- Procesamiento de la información: detección de áreas incendiadas

4.2.1. Selección de zonas y años de análisis

La selección de las zonas se hizo de acuerdo al objetivo y área de estudio de análisis.

Para este estudio se eligieron 19 zonas, ver figura 5.

Fig. 5. Zonas de análisis


Los años seleccionados fueron aquellos en los que se presentó el fenómeno del niño, en un

período comprendido entre 1998 y 2015, a saber: 1998, 2003, 2004, 2007, 2010, 2013 y 2015.

15

4.2.2. Selección y obtención de las imágenes

Luego de tener identificados con referencia espacial WRS 2 (World Reference System) el Path1 y

Row2 de las zonas de interés, se buscaron y descargaron las imágenes con ayuda del Servidor

Geológico de los Estados Unidos (USGS), en las siguientes páginas web: http://glovis.usgs.gov/

(para la búsqueda de imágenes) y http://espa.cr.usgs.gov/ (para la solicitud y descarga). Se

definieron como restricciones para la selección de las imágenes Landsat la cantidad de nubes que

debía ser inferior al 20% y una diferencia de tiempo entre las escenas pre y pos fuego menor a 4

meses.

En la figura 6 se muestra una captura de pantalla de la página web de la USGS.

Fig. 6. Captura de pantalla página web del Servidor Geológico de los Estados Unidos (USGS) para la

búsqueda de imágenes satelitales


1 Localización de la órbita satelital en referencia global al Path (Norte)del producto: System-2 (WRS-2) 2 Localización de la órbita satelital en referencia global al Row (Este)del producto: System-2 (WRS-2)

http://glovis.usgs.gov/

http://espa.cr.usgs.gov/

16

Las imágenes seleccionadas con este método, luego fueron procesadas con el modelo de

corrección radiométrica y atmosférica LEDAPS (The Landsat Ecosystem Disturbance Adaptive

Processing System), dado que las condiciones atmosféricas en la zona de estudio requieren de un

preprocesamiento riguroso, tal y como lo define Valencia, Anaya, & Caro-Lopera, (2016) [4].

Este modelo fue desarrollado por National Aeronautics and Space Administration–Goddard

Space Flight Center y the University of Maryland. [5][6]

En cada zona se seleccionaron 2 imágenes, una imagen pre-fuego y otra post-fuego, con el fin de

hacer el análisis de cambio en las condiciones de la vegetación, para identificar las cicatrices de

los incendios.

En el presente estudio se trabajó con 266 imágenes Landsat 8, 7 y 5. En el Anexo 1 se presenta la

lista de imágenes adquiridas y procesadas.

4.2.3. Procesamiento de la información: Detección de áreas incendiadas

Para el procesamiento de la información fue utilizado el software ArcGIS de ESRI en su versión

10.3

A continuación, se describe el proceso realizado para la obtención de semillas de incendios paso

a paso.

a. Para comenzar a procesar la información de las imágenes pre y post fuego seleccionadas, se

utilizaron los siguientes índices y máscaras:

“…_sr_ndvi.tif”

“…_sr:nbr.tif”

“…_cmask.tif”

“…_cmask_conf.tif”

17

b. Se creó un shapefile el cual comprende el área interceptada de las imágenes anteriores:

"Area.shp" (1)

c. Se recortaron todas las máscaras y los índices con el "Area.shp”.

“pre_mask” (2)

“pre_maskconf” (3)

“post_mask” (4)

“post_maskconf” (5)

Esta acción se realizó con un “Clip” y los resultados quedan en formato raster.

Fig. 7. Ruta de herramienta “Clip” de ArcMap-


Los Índices resultantes fueron los siguientes:

"pre_nbr" (6)

"pre_ndvi" (7)

"post_nbr" (8)

"post_ndvi" (9)

d. Las máscaras resultantes se exportaron a “.shp” por facilidad la manipulación de los datos al

hacer cálculos con estos.

Las máscaras contienen áreas útiles para el análisis y áreas no aptas para el mismo, como

cuerpos de agua, nubes, sombras.

18

Por lo tanto, se debió extraer de cada máscara esas áreas no aptas y luego unir todos los

resultados en una sola máscara de área útil general.

“Mask_Total_Util.shp” (10)

e. Con la "Mask_Total_Util.shp", se realizó una extracción en los índices "pre_nbr" (6),

"pre_ndvi" (7), "post_nbr" (8), "post_ndvi" (9)

Fig. 8. Ruta de herramienta “Spatial Analyst Tools” de ArcMap


El resultado de esta operación fueron los siguientes raster:

“e_pre_ndvi” (11)

“e_post_ndvi” (12)

“e_pre_nbr” (13)

“e_post_nbr” (14)

f. Con estos raster se realizaron los siguientes cálculos aritméticos mediante la herramienta

“Image Analysis”:

“e_pre_ndvi” (11) - “e_post_ndvi” (12) = (15)

“e_pre_nbr” (13) - “e_post_nbr” (14) = (16)

19

Fig. 9. Ruta de herramienta “Image Analysis” de ArcMap


Fig. 10. Ruta funciones aritméticas de la herramienta “Image Analysis” de ArcMap


20

Fig. 11. Ruta de operación aritmética de resta en la herramienta de “Image Analysis” de ArcMap


g. Con los resultados de estas dos restas se procedió a la combinación de las bandas RGB de la

siguiente manera:

R: ∆ NDVI: NDVI Pre – NDVI Post

G: NBR Post

B: ∆ NBR: NBR Pre – NBR Post

21

Fig. 12. Ruta para combinación de bandas en la herramienta de “Image Analysis” de ArcMap


El resultado es un “Composite” (17).

h. A partir de este Composite (composición de bandas) se realizó una clasificación de manera no

supervisada con la herramienta “Iso Cluster Unsuoervised Classidicaton”. Para este caso se

utilizaron 20 clases para clasificar la información.

Fig. 13. Ruta para realizar la clasificación no supervisada de la herramienta “Clasification” de ArcMap

(a)


22

Fig. 14. Ruta para realizar la clasificación no supervisada de la herramienta “Clasification” de ArcMap

(b)


Resultado= Isocluster (18)

i. En este Composite se resalta el color magenta o violeta más intenso que los demás, esas son las

áreas que se identifican como incendiadas.

Fig. 15. Ejemplo de un “Composite”


23

Con la ayuda de la combinación de las bandas 7-5-2 (de la escena pre-fuego y la post.fuego), se

identifican los cambios en la vegetación, mostrando un color café oscuro en la zona de incendio,

con esto se hacia la confirmación de lo encontrado en el Composite.

Fig. 16. Ejemplo de Semillas en imágenes Pre-fuego y Post-fuego


j. Finalmente, cuando se identificaron las semillas en el Isocluster, se seleccionó la clase que

coincide con los incendios y se exportaron como shapefile generando así un archivo de “Semillas

de Incendios”.

En la Figura 17 se muestra en amarillo la clasificación que corresponde al área quemada.

Fig. 17. Ejemplo de un Isoclutster


24

5. Resultados

Se presentaron 3 escenarios durante el procesamiento de las imágenes y sus resultados:

1. Las imágenes fueron procesadas y se obtuvieron las semillas de las áreas incendiadas. En la

tabla I se representa con un cuadro de color verde.

2. Las imágenes fueron procesadas, pero no se encontraron zonas incendiadas. En la tabla I se

representa con un cuadro de color naranja.

3. No se obtuvieron imágenes para poder realizar el proceso, sea por disponibilidad o por calidad

de las mismas. En la tabla I se representa con un cuadro de color rojo.

Tabla I. Resultado de las zonas analizadas por año

Zona Path Row Año

2015 2013 2010 2007 2004 2003 1998

1 9 53

2 9 54

3 9 58

4 8 58

5 8 59

6 6 53

7 5 57

8 5 55

9 4 55

10 3 56

11 2 55

12 1 55

13 1 58

14 233 60

15 232 59

16 232 57

17 230 56

18 229 59

19 2 53

Semillas Ok

Con imágenes y Proceso Realizado pero SIN semillas

Sin imágenes disponibles

25

El año que presentó más áreas incendiadas fue el año 1998, seguido por el año 2003 y

2015 (ver figura 18).

Fig. 18. Área quemada en Km2 por año


La zona que más incendios presentó en el período de tiempo analizado fue la zona 8

(Path: 5, Row:55), seguida de la zona 9 (Path: 4, Row:55), las cuales abarcan el sur occidental de

Venezuela que corresponde a las formaciones rocosas de las Galeras del Cinaruco, siendo estas

elevaciones rocosas cubiertas de vegetación, rodeadas de pasto y bosques de galería; seguidas por

la zona 16 (Path: 232, Row:57), que se encuentra al norte de Brasil limitada con el suroeste de

Venezuela y el suroccidente de la Guyana, en el estado de Roraima, cubierto principalmente por

ecosistemas de sabana y vegetación selvática.

En las figuras 19 a la 25 se ilustran los resultados de las áreas quemadas en Km2 por zona para

cada uno de los años.

7758 7743

5440

6560

3671

5251

6742

1998 2003 2004 2007 2010 2013 2015

Área quemada en Km2 por año

26

Fig. 19. Área quemada en Km2por zona en el año 1998






27







28



Particularidades encontradas en las zonas

1. Las zonas de estudio fueron elegidas mediante previa identificación de focos de calor, por lo

que se esperaba que se encontraran áreas afectadas por incendios en todas ellas. Sin embargo, el

proceso arrojó como zonas incendiadas algunas áreas que presentan pérdida de humedad del

suelo y/o períodos de sequía de cuerpos de agua o humedales que no necesariamente eran zonas

quemadas.

Este resultado se evidenció en la zona del Magdalena en Colombia en la depresión Momposina y

se ejemplifica a continuación con la zona 14 (Path: 233, Row:60), la cual presenta el mismo

comportamiento, y está ubicada en el Alto Acará y en la zona de influencia del Río Negro en

Brasil, mostrando además que el patrón de la forma de la supuesta identificada en el proceso

como área quemada, no variaba entre la imagen pre-fuego y post-fuego. En las figuras 26 y 27 se

muestra esta zona.

13 24 18 19 3

555

177

2697

794

515652

253

5 0 0

397

37

571

11

Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 Z10 Z11 Z12 Z13 Z14 Z15 Z16 Z17 Z18 Z19

Área quemada en Km2 por zona

Año 2015

29

Fig. 26. Zona 14, visualización parcial de superficie


Fig. 27. Patrón de forma y área detectada por el proceso como incendiada, Zona 14


En el caso de las zonas 8 (Path: 5, Row:55), y 9 (Path: 4, Row:55), éstas presentan una extensa

superficie con un relieve plano de escasas pendientes y rocoso. Además, es un terreno

conformado por médanos (grandes zonas de dunas), lo que pudo haber sido detectado como

grandes focos de calor dada su superficie, pero no necesariamente de grandes zonas incendiadas.

En la figura 28 se muestra esta área.

30

Fig. 28. Zonas 8 y 9, visualización parcial de superficie


El procesamiento de las imágenes en las zonas 8 (Path: 5, Row:55), y 9 (Path: 4, Row:55),

muestra claramente áreas de incendio en la parte norte (ver figura 29), sin embargo en la zona sur

y bajo el mismo procesamiento se identifican unas áreas de posibles incendios que coinciden con

los médanos de la zona del estado de Apure en Venezuela, estas áreas de la zona sur no presentan

claramente las huellas de carbono post-fuego (ver figura 30), y aunque coincide con los focos de

calor analizados para detectar las zonas con mayor incidencia de incendios, se sugiere un análisis

más detallado de las propiedades de estas formaciones rocosas, para identificar si realmente los

focos de calor son debido a incendios u otro tipo de característica.

Fig. 29. Parte norte de las zonas 8 y 9, imágenes pre y post fugo con las semillas detectadas en el

procesamiento 2015

31


Fig. 30. Parte sur zonas 8 y 9, imágenes pre y post fuego con las semillas detectadas en el procesamiento 2015


2. En algunas zonas como la 3 (Path: 9, Row:58), y la 17 (Path: 230, Row:56), el proceso

identificó áreas incendiadas, las cuales correspondían a eventos de fuego propios de la

adecuación del terreno para el establecimiento de cultivos, este tipo de áreas incendiadas no se

tuvieron en cuenta para clasificarse como semillas. En la figura 31 se ilustra un ejemplo.

Fig. 31. Ejemplo de área incendiada para limpia y adecuación del terreno para el establecimiento de cultivos


32

6. Conclusiones

Las imágenes Landsat son un recurso muy adecuado para evaluar áreas quemadas, su

resolución espacial, temporal y radiométrica, permiten detectar y realizar estudios en grandes

extensiones de áreas afectadas por eventos de fuego. Además, su cobertura temporal y espacial

permiten realizar análisis y monitorear la frecuencia con que ocurren los incendios en una zona

de interés.

Para la zona 8 (Path: 5, Row:55) y 9 (Path: 4, Row:55) de este estudio, se sugiere un

análisis más detallado de las propiedades de las formaciones rocosas de la zona de Apure en

Venezuela, para identificar si realmente las zonas detectadas son incendios u otro tipo de

característica física del terreno, debido a que coincide con los focos de calor de las zonas con

mayor incidencia de incendios en el norte de Sur América y el procesamiento detecta grandes

áreas de incendios, sin embargo el análisis realizado en la clasificación no supervisada no

muestra resultados contundentes al comparar las imágenes pre-fuego y post-fuego.

Los resultados obtenidos para el año 1998, corroboran lo que se exhibe en la Figura 4

sobre el índice oceánico del Niño, en la cual se muestra que este año fue uno de los que presentó

el nivel más alto de temperaturas entre los años analizados.

33

7. Recomendaciones

Se recomienda buscar y adquirir las imágenes por zona y por año a trabajar. Además, no

se recomienda pedir un volumen alto de imágenes a la vez, pues su descarga requiere mucho

tiempo y el periodo de disponibilidad en la web para esta actividad es limitado. El desarrollo del

proceso va aportando la destreza para identificar desde el buscador web aquellas posibles

imágenes útiles para el proceso.

El proceso incluye una clasificación no supervisada mediante la herramienta

“Classification: Iso Cluster Unsupervised Classification”. Sin embargo, se recomienda realizar

una clasificación supervisada de la zona para descartar las áreas que no han sido afectadas por

incendios como los cuerpos de agua o los humedales, que presentan períodos de sequía. Además,

esta clasificación supervisada se debería acompañar por revisión bibliográfica y geográfica para

comprender un poco las características geomorfológicas, geológicas y de vegetación de las zonas

y no llegar a clasificar todo como incendios.

No se recomienda seleccionar imágenes pre y post fuego con separaciones de tiempo muy

prolongados (más de 3 meses), pues la vegetación puede recuperarse eliminando la cicatriz

dejadas por los eventos de fuego. Sin embargo, debido a la presencia de alta nubosidad, errores

en las imágenes, o no disponibilidad de estas, en algunos años analizados se trabajó con imágenes

de periodos prolongados y diferentes a los identificados como meses en los que se presentó el

fenómeno del niño.

Se recomienda realizar un análisis general de las características físicas de las zonas donde

se va a realizar el procesamiento de las imágenes para evitar incurrir en errores inducidos por las

propiedades del terreno.

No se recomienda usar imágenes del satélite Landsat 7 desde el año 2003 en adelante,

pues las imágenes presentan un bandeado que interrumpe el área muestreada y no se pueden

identificar las zonas incendiadas en su total extensión.

34

Referencias

[1] Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM), “Incendios de la

Cobertura Vegetal,” 2016. [Online]. Available: http://bit.ly/2bQRVt0.

[2] Climate Prediction Center, “ENSO: Recent Evolution, Current Status and Predictions,”

2016. [Online]. Available: http://bit.ly/KDImPD.

[3] A. E. Melchori, “Algoritmo digital automático para estimar áreas queimadas em imagens

de média resolucao da regiao do Jalapao,” 2014.

[4] G. M. Valencia, J. A. Anaya, and F. J. Caro-Lopera, “Implementación y evaluación del

modelo Landsat Ecosystem Disturbance Adaptive Processing System ( LEDAPS ): estudio

de caso en los Andes colombianos,” Revista de Teledetección, vol. 46, pp. 83–101, 2016.

[5] The Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS), “National

Aeronautics and Space Administration,” 2011. [Online]. Available:

http://go.nasa.gov/1EGeon3.

[6] G. Schmidt, C. Jenkerson, J. Masek, E. Vermote, and G. Feng, “Landsat Ecosystem

Disturbance Adaptive Processing System (LEDAPS) Algorithm Description,” 2013.

35

Anexos

Tabla II. Anexo. Lista de imágenes adquiridas y procesadas

Año Zona Path Row Pre/Post

Fuego

%

nubes Fecha Código

1998 1 9 53 Pre 0% 12/01/1998 LT50090531998012CPE00

Post 0% 01/03/1998 LT50090531998060CPE00

1998 2 9 54 Pre 42% 12/01/1998 LT50090541998012CPE00

Post 37% 01/03/1998 LT50090541998060CPE00

1998 3 9 58 Pre 28% 24/10/1997 LT50090581997297CPE03

Post 20% 20/05/1998 LT50090581998140XXX02

1998 4 8 58 Pre 10% 22/02/1998 LT50080581998053CPE00

Post 36% 27/04/1998 LT50080581998117CPE00

1998 5 8 59 Pre 20% 20/12/1997 LT50080591997354CPE00

Post 5% 22/02/1998 LT50080591998053CPE00

1998 6 6 58 Pre 1% 07/01/1998 LT50060581998007CPE00

Post 50% 24/02/1998 LT50060581998055CPE00

1998 7 1 55 Pre 16% 18/12/1998 LT50050571998352CPE00

Post 0% 03/01/1999 LT50050571999003CPE01

1998 8 4 55 Pre 10% 16/11/1998 LT50050551998320XXX00

Post 0% 19/01/1999 LT50050551999019CPE00

1998 9 5 55 Pre 7% 25/11/1998 LT50040551998329CPE00

Post 5% 13/02/1999 LT50040551999044CPE00

1998 10 3 56 Pre 10% 17/10/1998 LT50030561998290XXX01

Post 11% 20/12/1998 LT50030561998354CPE00

1998 11 5 57 Pre 25% 27/01/1998 LT50020551998027CPE00

Post 1% 16/03/1998 LT50020551998075CPE00

1998 12 2 55 Pre 10% 12/05/1998 LT50010551998132XXX02

Post 30% 15/07/1998 LT50010551998196AAA02

1998 13 1 58 Pre 19% 04/01/1998 LT50010581998004CPE00

Post 31% 21/02/1998 LT50010581998052CPE00

1998 14 233 60 Pre 0 29/01/1998 LT52330601998029CPE00

Post 14 02/03/1998 LT52330601998061CPE00

1998 15 233 59 Pre 0 03/11/1997 LT52320591997307XXX01

Post 7 11/03/1998 LT52320591998070CPE00

1998 16 232 57 Pre 0 03/11/1997 LT52320571997307XXX00

36


Fuego

%

nubes Fecha Código

Post 22 11/03/1998 LT52320571998070CPE00

1998 17 230 56 Pre 21 14/01/2003 LE72300562003014EDC00

Post 31 19/03/2003 LE72300562003078EDC00

1998 18 229 59 Pre 11 14/09/1998 LT52290591998257CUB00

Post 45 17/11/1998 LT52290591998321CUB00

1998 19 2 53 Pre 19% 26/12/1997 LT50020531997360CPE00

Post 27% 11/01/1998 LT50020531998011CPE00

2003 1 9 53 Pre 2% 02/01/2003 LE70090532003002EDC00

Post 0% 07/03/2003 LE70090532003066EDC00

2003 2 9 54 Pre 32% 02/01/2003 LE70090542003002EDC00

Post 5% 03/02/2003 LE70090542003034EDC00

2003 3 9 58 Pre 47% 12/09/2002 LE70090582002255EDC00

Post 31% 14/10/2002 LE70090582002287EDC00

2003 4 8 58 Pre 47% 26/12/2002 LE70080582002360EDC00

Post 35% 11/01/2003 LE70080582003011AGS00

2003 5 8 59 Pre 15% 24/11/2002 LE70080592002328AGS00

Post 10% 26/10/2003 LE70080592003299ASN01

2003 6 6 58 Pre 6% 28/12/2002 LE70060582002362AGS01

Post 3% 13/01/2003 LE70060582003013PFS00

2003 7 1 55 Pre 13% 08/12/2003 LE70050572003342EDC02

Post 7% 10/02/2004 LE70050572004041EDC01

2003 8 4 55 Pre 0% 24/12/2003 LE70050552003358ASN01

Post 0% 10/02/2004 LE70050552004041EDC01

2003 9 5 55 Pre 30% 01/12/2003 LE70040552003335EDC01

Post 0% 03/02/2004 LE70040552004034EDC01

2003 10 3 56 Pre 25% 24/11/2003 LE70030562003328ASN01

Post 5% 19/01/2004 LT50030562004019CUB00

2003 11 5 57 Pre 35% 17/11/2003 LE70020552003321ASN03

Post 30% 20/01/2004 LE70020552004020ASN01

2003 12 2 55 Pre 6% 25/10/2003 LE70010552003298EDC01

Post 36% 29/01/2004 LE70010552004029EDC02

2003 13 1 58 Pre 22% 05/01/2013 LE70010582013005CUB00

Post 14% 10/03/2013 LE70010582013069CUB00

2003 14 233 60 Pre 11% 08/12/2013 LC82330602013342LGN00

37


Fuego

%

nubes Fecha Código

Post 0% 25/01/2014 LC82330602014025LGN00

2003 15 232 59 Pre 2% 20/11/2012 LE72320592012325CUB00

Post 3% 26/01/2014 LE72320592014026CUB00

2003 16 232 57 Pre 25% 07/01/2013 LE72320572013007CUB00

Post 41% 08/02/2013 LE72320572013039CUB00

2003 17 230 56 Pre 38% 19/12/2013 LC82300562013353LGN00

Post 27% 20/01/2014 LC82300562014020LGN00

2003 18 229 59 Pre 14% 17/10/2013 LE72290592013290CUB00

Post 27% 20/12/2013 LE72290592013354CUB00

2003 19 2 53 Pre 24% 17/01/2003 LE70020532003017PFS00

Post 13% 06/03/2003 LE70020532003065AGS01

2004 1 9 53 Pre 9% 21/01/2004 LE70090532004021EDC02

Post 0% 09/03/2004 LE70090532004069ASN01

2004 2 9 54 Pre 10% 06/02/2004 LE70090542004037EDC01

Post 33% 09/03/2004 LE70090542004069ASN01

2004 3 9 58 Pre 35% 06/02/2004 LE70090582004037EDC01

Post 31% 24/02/2005 LE70090582005055EDC00

2004 4 8 58 Pre 31% 30/01/2004 LE70080582004030EDC01

Post 42% 15/02/2004 LE70080582004046ASN01

2004 5 8 59 Pre 46% 14/01/2004 LE70080592004014ASN02

Post 34% 30-ene-204 LE70080592004030EDC01

2004 6 6 58 Pre 28% 24/01/2004 LT50060582004024CUB00

Post 14% 09/02/2004 LT50060582004040CUB00

2004 7 1 55 Pre 26% 08/11/2004 LE70050572004313EDC00

Post 29% 27/01/2005 LE70050572005027ASN00

2004 8 4 55 Pre 0% 26/12/2004 LE70050552004361EDC00

Post 0% 27/01/2005 LE70050552005027ASN00

2004 9 5 55 Pre 23% 03/12/2004 LE70040552004338EDC00

Post 9% 20/01/2005 LE70040552005020EDC00

2004 10 3 56 Pre 11% 10/11/2004 LE70030562004315EDC00

Post 16% 14/02/2005 LE70030562005045EDC00

2004 11 5 57 Pre 21% 11/11/2004 LT50020552004316CUB00

Post 8% 03/03/2005 LT50020552005062CUB00

2004 12 2 55 Pre 15% 20/11/2004 LT50010552004325CUB00

38


Fuego

%

nubes Fecha Código

Post 15% 16/02/2005 LE70010552005047EDC00

2004 13 1 58 Pre 45% 12/12/2003 LE70010582003346EDC02

Post 14 21/01/2004 LT50010582004021CUB00

2004 14 233 60 Pre 0 12/10/2004 LT52330602004286CUB00

Post 0 16/01/2005 LT52330602005016CUB01

2004 15 233 59 Pre 0 22/12/2003 LT52320592003356CUB00

Post 2 08/02/2004 LT52320592004039CUB00

2004 16 232 57 Pre 7 22/12/2003 LT52320572003356CUB00

Post 8 11/03/2004 LT52320572004071CUB00

2004 17 230 56 Pre 36 17/01/2004 LE72300562004017EDC01

Post 17 02/02/2004 LE72300562004033EDC01

2004 18 229 59 Pre 10% 08/10/2004 LE72290592004282EDC02

Post 1% 17/11/2004 LT52290592004322CUB00

2004 19 2 53 Pre 12% 19/12/2003 LE70020532003353ASN01

Post 17% 20/01/2004 LE70020532004020ASN01

2007 1 9 53 Pre 0% 13/01/2007 LE70090532007013EDC00

Post 9% 29/01/2007 LE70090532007029EDC00

2007 2 9 54 Pre 24% 28/12/2007 LE70090542006362EDC00

Post 4% 13/01/2007 LE70090542007013EDC00

2007 3 9 58 Pre 22% 29/01/2007 LE70090582007029EDC00

Post 30% 02/03/2007 LE70090582007061ASN00

2007 4 8 58 Pre 25% 07/02/2007 LE70080582007038EDC00

Post 8% 23/02/2007 LE70080582007054ASN00

2007 5 8 59 Pre 2% 07/02/2007 LE70080592007038EDC01

Pre 3% 23/02/2007 LE70080592007054ASN01

2007 6 6 58 Pre 8% 16/01/2007 LT50060582007016CUB00

Post 20% 21/03/2007 LT50060582007080CUB00

2007 7 1 55 Pre 24% 01/11/2007 LE70050572007305EDC00

Post 19% 20/01/2008 LE70050572008020EDC00

2007 8 4 55 Pre 14% 29/08/2007 LE70050552007241ASN00

Post 0% 20/01/2008 LE70050552008020EDC00

2007 9 5 55 Pre 32% 26/11/2007 LE70040552007330EDC00

Post 0% 29/01/2008 LE70040552008029EDC00

2007 10 3 56 Pre 9% 19/11/2007 LE70030562007323EDC00

39


Fuego

%

nubes Fecha Código

Post 0% 18/03/2008 LT50030562008078CUB00

2007 11 5 57 Pre 28% 25/09/2007 LE70020552007268ASN00

Post 25% 16/02/2008 LE70020552008047EDC00

2007 12 2 55 Pre 30% 04/10/2007 LE70010552007277ASN00

Post 9% 28/03/2008 LE70010552008088EDC00

2007 13 1 58 Pre 9% 25/10/2006 LT50010582006298CUB00

Post 30 06/02/2007 LE70010582007037EDC00

2007 14 233 60 Pre 5 29/12/2006 LE72330602006363EDC01

Post 28 30/01/2007 LE72330602007030EDC00

2007 15 233 59 Pre 14 31/01/2007 LT52320592007031CUB00

Post 6 20/03/2007 LT52320592007079CUB00

2007 16 232 57 Pre 14 31/01/2007 LT52320572007031CUB00

Post 14 20/03/2007 LT52320572007079CUB00

2007 17 230 56 Pre 38 14/11/2006 LT52300562006318CUB00

Post 15 18/02/2007 LT52300562007049CUB01

2007 18 229 59 Pre No se encontró imagen óptima

Post No se encontró imagen óptima

2007 19 2 53 Pre 26% 28/01/2007 LE70020532007028EDC00

Post 22% 17/03/2007 LE70020532007076EDC00

2010 1 9 53 Pre 4% 05/01/2010 LE70090532010005EDC00

Post 0% 29/01/2010 LT50090532010029CHM01

2010 2 9 54 Pre 22% 04/12/2009 LE70090542009338EDC00

Post 0% 29/01/2010 LT50090542010029CHM01

2010 3 9 58 Pre 23% 05/01/2010 LE70090582010005EDC00

Post 15% 21/01/2010 LE70090582010021EDC00

2010 4 8 58 Pre 13% 14/01/2010 LE70080582010014EDC00

Post 14% 22/01/2010 LT50080582010022CHM00

2010 5 8 59 Pre 9% 29/12/2009 LE70080592009363EDC00

Post 20% 22/01/2010 LT50080592010022CHM00

2010 6 6 58 Pre 5% 07/12/2009 LT50060582009341CUB00

Post 8% 24/01/2010 LT50060582010024CUB00

2010 7 1 55 Pre 19% 11/12/2010 LE70050572010345EDC00

Post 0% 28/01/2011 LE70050572011028EDC00

2010 8 4 55 Pre 21% 24/10/2010 LE70050552010297ASN00

40


Fuego

%

nubes Fecha Código

Post 8% 12/01/2011 LE70050552011012EDC00

2010 9 5 55 Pre 8% 20/12/2010 LE70040552010354EDC00

Post 12% 06/02/2011 LE70040552011037EDC00

2010 10 3 56 Pre 17% 26/10/2010 LE70030562010299EDC00

Post 13% 29/12/2010 LE70030562010363EDC00

2010 11 5 57 Pre 46% 04/11/2010 LE70020552010308ASN00

Post 39% 08/02/2011 LE70020552011039EDC00

2010 12 2 55 Pre 33% 12/10/2010 LE70010552010285ASN00

Post 17% 01/02/2011 LE70010552011032EDC00

2010 13 1 58 Pre 12% 29/01/2010 LE70010582010029EDC00

Post 40% 02/03/2010 LE70010582010061ASN00

2010 14 233 60 Pre 11% 27/11/2009 LT52330602009331CUB01

Post 29% 22/01/2010 LE72330602010022EDC00

2010 15 233 59 Pre No se encontró imagen óptima

Post No se encontró imagen óptima

2010 16 232 57 Pre 13% 06/12/2009 LT52320572009340CUB00

Post 35% 16/02/2010 LE72320572010047EDC00

2010 17 230 56 Pre 16% 26/02/2010 LT52300562010057CUB00

Post 22% 22/03/2010 LE72300562010081EDC04

2010 18 229 59 Pre 8% 23/03/2010 LT52290592010082CUB00

Post 5% 09/10/2010 LE72290592010282EDC00

2010 19 2 53 Pre 19% 20/01/2010 LE70020532010020EDC00

Post 15% 21/02/2010 LE70020532010052EDC00

2013 1 9 53 Pre 0% 29/01/2013 LE70090532013029EDC00

Post 2% 14/02/2013 LE70090532013045EDC00

2013 2 9 54 Pre 14% 13/01/2013 LE70090542013013EDC00

Post 13% 14/02/2013 LE70090542013045EDC00

2013 3 9 58 Pre 33% 29/01/2013 LE70090582013029EDC00

Post 33% 24/07/2013 LE70090582013205EDC00

2013 4 8 58 Pre 38% 07/02/2013 LE70080582013038EDC00

Post 20% 27/03/2013 LE70080582013086ASN00

2013 5 8 59 Pre 23% 07/02/2013 LE70080592013038EDC00

Post 10% 28/04/2013 LE70080592013118EDC00

2013 6 6 58 Pre 30% 08/01/2013 LE70060582013008EDC00

41


Fuego

%

nubes Fecha Código

Post 23% 17/03/2013 LE70060582013072PFS00

2013 7 1 55 Pre 4% 24/10/2013 LC80050572013297LGN00

Post 0% 12/01/2014 LC80050572014012LGN00

2013 8 4 55 Pre 2% 17/11/2013 LE70050552013321ASN00

Post 0% 12/01/2014 LC80050552014012LGN00

2013 9 5 55 Pre 0% 18/11/2013 LC80040552013322LGN00

Post 0% 21/01/2014 LC80040552014021LGN00

2013 10 3 56 Pre 25% 13/12/2013 LC80030562013347LGN00

Post 0% 22/01/2014 LE70030562014022EDC00

2013 11 5 57 Pre 0% 18/11/2013 LC80040552013322LGN00

Post 0% 21/01/2014 LC80040552014021LGN00

2013 12 2 55 Pre 21% 02/09/2013 LE70010552013245CUB00

Post 30% 06/04/2014 LC80010552014096LGN00

2013 13 1 58 Pre 22% 05/01/2013 LE70010582013005CUB00

Post 14% 10/03/2013 LE70010582013069CUB00

2013 14 233 60 Pre 11% 08/12/2013 LC82330602013342LGN00

Post 0% 25/01/2014 LC82330602014025LGN00

2013 15 233 59 Pre 2% 20/11/2012 LE72320592012325CUB00

Post 3% 26/01/2014 LE72320592014026CUB00

2013 16 232 57 Pre 25% 07/01/2013 LE72320572013007CUB00

Post 9% 08/02/2013 LE72320572013039CUB00

2013 17 230 56 Pre 38% 22/10/2015 LC82300562013353LGN00

Post 27% 09/12/2015 LC82300562014020LGN00

2013 18 229 59 Pre 14% 17/10/2013 LE72290592013290CUB00

Post 27% 20/12/2013 LE72290592013354CUB00

2013 19 2 53 Pre 30% 11/12/2012 LE70020532012346EDC00

Post 19% 27/12/2012 LE70020532012362EDC00

2015 1 9 53 Pre 0% 26/12/2014 LC80090532014360LGN00

Post 0% 11/01/2015 LC80090532015011LGN00

2015 2 9 54 Pre 2% 26/12/2014 LC80090542014360LGN00

Post 8% 11/01/2015 LC80090542015011LGN00

2015 3 9 58 Pre 43% 26/12/2014 LC80090582014360LGN00

Post 37% 23/08/2015 LC80090582015235LGN00

2015 4 8 58 Pre 15% 04/01/2015 LC80080582015004LGN00

42


Fuego

%

nubes Fecha Código

Post 30% 21/02/2015 LC80080582015052LGN00

2015 5 8 59 Pre 16% 19/12/2014 LC80080592014353LGN00

Post 7% 21/02/2015 LC80080592015052LGN00

2015 6 6 58 Pre 3% 21/12/2014 LC80060582014355LGN00

Post 1% 07/02/2015 LC80060582015038LGN00

2015 7 1 55 Pre 9% 29/09/2014 LC80010552014272LGN00

Post 16% 09/04/2015 LC80010552015099LGN00

2015 8 4 55 Pre 0% 25/02/2015 LC80040552015056LGN00

Post 0% 30/04/2015 LC80040552015120LGN00

2015 9 5 55 Pre 0% 16/02/2015 LC80050552015047LGN00

Post 5% 12/09/2015 LC80050552015255LGN00

2015 10 3 56 Pre 2% 01/01/2015 LC80030562015001LGN00

Post 9% 18/02/2015 LC80030562015049LGN00

2015 11 5 57 Pre 2% 05/04/2015 LC80050572015095LGN00

Post 2% 12/09/2015 LC80050572015255LGN00

2015 12 2 55 Pre 20% 26/01/2015 LC80020552015026LGN00

Post 19% 02/05/2015 LC80020552015122LGN00

2015 13 1 58 Pre 15% 02/12/2014 LC80010582014336LGN00

Post 19% 03/01/2015 LC80010582015003LGN00

2015 14 233 60 Pre 8% 27/12/2014 LC82330602014361LGN00

Post 1% 28/01/2015 LC82330602015028LGN00

2015 15 233 59 Pre 1% 04/12/2014 LC82320592014338LGN00

Post 5% 06/02/2015 LC82320592015037LGN00

2015 16 232 57 Pre 9% 04/12/2014 LC82320572014338LGN00

Post 8% 05/01/2015 LC82320572015005LGN00

2015 17 230 56 Pre 7% 22/10/2015 LC82300562015295LGN00

Post 22% 09/12/2015 LC82300562015343LGN00

2015 18 229 59 Pre 1% 15/10/2015 LC82290592015288LGN00

Post 21% 16/11/2015 LC82290592015320LGN00

2015 19 2 53 Pre 14% 26/01/2015 LC80020532015026LGN00

Post 14% 02/05/2015 LC80020532015122LGN00

obtenciÓn de semillas de Áreas quemadas mediante el

Documents