UNA MIRADA ARTÍSTICA
Variaciones en los patrones de ordenamiento y estructura espacial del paisaje en Medellín.
a la percepción espacial del territorio
ÚLTIMAS CUATRO DÉCADAS - Palmett-Plata. O., Henao-Tamayo. A. S.
ambiente
Te damos la bienvenida a este ambiente virtual en donde encontrarás detallado el proceso metodológico levado a cabo en el estudio de los patrones de ordenamiento y estructura espacial del paisaje del área de Medellín.
Modelo gráfico del área de estudio en Unidades de Paisaje
Al iniciar el estudio del área de Medellín, se realiza la delimitación aprovechando la división político administrativa por corregimientos para asumir cada no, como una Unidad de Paisaje con características únicas.
Consulta espacial por años con USGS
Una vez seleccionada el área de estudio se procede a consultar las imágenes satelitales por años, es decir, de los últimos 40 años (1980 a 2020). Para ello se requirió el uso de la plataforma USGS de Estados Unidos.
Detalle Unidades de Paisaje
Para analizar las características individuales de cada unidad de paisaje, fue necesaria su separación a partir de la herramienta de corte o croquizado por áreas. Esto es posible gracias a las herramientas de Qgis.
Paneo espacial en tiempo real con Google Earth
Para contrastar la información obtenida en la imágenes satelitales, se hacen rondas en tiempo real, en las zonas o unidades visuales de paisaje por separado, para detectar la constancia o no de las texturas, colores y superficies de cada patrón analizado.
COMPOSICIÓN
Continuamos con la segunda colección, en donde detallamos la composición de una imagen satelital al ser descargada. Plataforma de los satélites Landsat TM usadas, Landsat 5, 7 y 8.
Al descargar una imagen satelital de cualquier año, ella viene comprimida, es decir, es un paquete de bandas y metadatos, los cuales permiten su análisis a través del geoprocesamiento de sus componentes. Una imagen satelital está compuesta por bandas y estas dependen del tiempo en el cual fue capturada la imagen, siendo de 7 a 11 bandas el número, por ejemplo, una imagen captada en el año 2020, con el satélite Landsat-8 está compuesta por 11 bandas.
Composición de la imagen satelital
BANDAS
Entramos en este momento a la colección de bandas, en donde te mostraremos que hacemos con las bandas que traen las imágenes satelitales descargadas. Tenemos como base el área de Medellín (rural y urbana) y el geoprocesamiento de combinación de bandas realizado con el software QGis.
Para obtener mayor precisión en la visualización de vegetación sana se establece la combinación de bandas 7, 5 y 3, en ese orden, para obtener como resultado una imagen destacando este aspecto. El color verde muestra la vegetación sana y el color marrón muestra la vegetación enferma o escasa en suelo descubierto.
Vegetación sana 7-5-3 - Año 1986
Color infrarrojo Tierra-Agua 4-3-2. Año 1986
La combinación de bandas que dan como resultado el color infrarrojo confirman la combinación de otras bandas, ya que esta combinación reporta a través del color Rojo, una vegetación sana y bien desarrollada. Rosa, áreas vegetales menos densas o con vegetación menos desarrollada. Blanco, áreas con escasa o nula vegetación. Azul oscuro o negro indica la presencia de agua. Marrón, vegetación arbustiva muy variable, Beig-dorado, zonas de transición, prados secos asociados a matorral ralo
Color natural 3-2-1. Año 1986
El color natural involucra 3 bandas visibles y se le asigna a cada una de ellas su verdadero color. Para las imágenes Landsat-7 la combinación de bandas recomendado es 3-2-1 y para las imágenes de Landsat-8 la combinación recomendada es 4-3-2.
Un falso color de la vegetación es una interpretación de imágenes multiespectrales utilizando la gama de bandas visuales RGB estándar (rojo, verde y azul). Una imagen en falso color puede revelar mucha información visual que de otro modo quedaría oculta para los humanos. Por ejemplo, para el ojo humano, la vegetación es verde si es frondosa y sana, pero a veces resulta más difícil distinguirla de su entorno, sobre todo en las zonas urbanas.
Falso color vegetación 7-4-2. Año 1986
Las zonas urbanas tienden a presentar una gran reflexión de la energía mostrando mayores contrastes cuando se juega con las bandas del visible que cuando se juega con las bandas del infrarrojo cercano. Para ello, las combinaciones de las bandas 4-5-1 para imágenes del año 1986 presentan una colorimetría bastante particular, que viene cargada por peso que tiene cada color en la reflexión y absorción de la energía.
Falso color zonas urbanas . 4-5-1. Año 1986
VEGETACIÓN
Ahora te explicaremos las ventajas del cálculo de Índice de Vegetación de Diferencia Normalizada, el cual ayuda a diferenciar la vegetación de otros tipos de cubierta terrestre (artificial) y a determinar su estado general. También permite definir y visualizar las áreas con vegetación en el mapa, así como detectar cambios anormales en el proceso de crecimiento.
Cálculo de NDVI con la calculadora ráster, en la Unidad Visual de Paisaje de Medellín en los años 1986, 2000, 2004, 2019. El NDVI es un simple indicador de la biomasa fotosintéticamente activa o, en términos simples, un cálculo de la salud de la vegetación.
Una vez se tienen los mapas base de cada unidad de paisaje y los croquizados de las UVP en la combinación de bandas, se procede a realizar el cálculo del índice NDVI de vegetación en cada UVP. De este cálculo queda la creación de un nuevo archivo temporal que puede ser guardado como imagen para luego analizar sus códigos e interpretar cualitativamente su apariencia.
Cálculo de NDV con el complemento SAGA, en la Unidad Visual de Paisaje de Medellín en los años 1986, 2000, 2004, 2019. Cálculos realizados con el complemento SAGA del software Qgis.
Para posibilitar una interpretación más precisa y profunda, se disponen las imágenes de forma paralela haciendo coincidir la UVP y su año, de manera que las imágenes resultado del cálculo NDVI con calculadora ráster y el cálculo NDVI con Saga, se puedan comparar de forma perceptual. Al tener las imágenes de forma alineada como resultado, su apreciación se hacen mucho más evidentes las diferencias y afinidades y sobre todo, la nitidez de los datos reportados en las imágenes.
PAISAJE
En esta ocasión, tomaremos de ejemplo la UVP de Altavista, para explicarte el geoprocesamiento de Rasterización a Poligonizado, proceso que permitió una mayor claridad en los índices de los patrones (dimensión textural, desviación típica, coincidencias y correlación espacial) para la aplicación de las métricas de análisis. (cuantificación, composición, forma y diversidad)
Geoprocesamiento de imágenes satelitales de Rasterización a Poligonizado después de haber realizado la combinación de Bandas para Vegetación sana. UVP de Altavista año 2019.
El paso de la imagen en RGB o rasterizada a Poligonización permite cuantificar los pixeles por áreas en gamas tonales de un mismo color, lo que acerca a conocer la superficie que cubre cada uno de los patrones en estudio asociados a una intensidad tonal. Este último geoprocesamiento permitió detallar los aspectos completos de cada patrón. Ejemplo: Patrón: Vegetación Primeria. Componentes: Bosques naturales tropicales, selva y palmar. Características: es aquélla que no ha sufrido cambios significativos por las actividades humanas o perturbaciones naturales. Atributos: suelos, que en general son arcillosos ricos en calcio, magnesio y humus. Plantas de gran porte, abundante follaje y variadas especies. Árboles y arbustos de gran tamaño.
Superficie: para UVP1. Año 1986. 35%
De esta manera, y de forma repetitiva y constante, se obtuvieron los datos para cada patrón en los distintos años representativos de las 4 décadas en las 6 UVP y se establece mediante esta metodología la variación que existe de los patrones del paisaje asociados al ordenamiento y disposición del territorio de manera cuantificada, justificando y explicando lo mostrado en las imágenes satelitales.
Proceso visual de Rasterización a Poligonizado
PERSONAS
Quienes hicieron parte del proyecto, a través de su participación activa, creativa y retadora.
Olga Alicia Palmett Plata
Licenciada en educación.
Especialista en Docencia Investigativa
Universitaria y Magíster en Diseño del Paisaje.
Ana Sofía Henao Tamayo
Jaime García Leal
Arquitecta Especialista en Planeación urbana.
Magíster en Artes.
Ingeniero Catastral y Geodesta
Magíster en Estudios Urbano Regionales.