Cartografía de la condición de los manglares del Pacífico mexicano usando datos de la banda C de ENVISAT ASAR y datos ópticos de Landsat
2008
Kovacs,JM | Zhang,C | Flores-Verdugo,FJ
Para determinar si los datos de la banda C del sensor espacial SAR pudieran utilizarse solos, o de manera simultánea con datos ópticos, para hacer mapas precisos de bosques de manglar del Pacífico mexicano, se tomaron cuatro escenas de ENVISAT ASAR de doble polarización, con dos ángulos de inclinación, del complejo estuarino de manglar Teacapán-Agua Brava-Las Haciendas. Se clasificaron varias combinaciones de datos de ASAR con el propósito de determinar el arreglo óptimo para crear mapas de manglares. Además, se clasificaron datos de Landsat TM para los mismos sitios de ensayo. La precisión global al hacer mapas de estos manglares aumentó cuando se utilizó más de un modo de polarización. En general, los resultados fueron mejores cuando el ángulo de incidencia fue mayor (~41° vs ~23°). En todas los casos, los datos ópticos por sí solos proporcionaron una clasificación más precisa. Con una sola clase de manglar la mayor precisión global utilizando los datos de ASAR fue de 54%, comparada con 76% con los datos ópticos. Cuando se consideraron las cuatro diferentes clases de manglar que representan las condiciones típicas de este sistema (manglar muerto, pobre, sano y sano alto), la precisión global se redujo hasta 45% y 63%, respectivamente. Debido a la limitada penetración de la banda C en el follaje, utilizando datos del ASAR fue difícil diferenciar los manglares sanos y sanos altos de las palmas y otros bosques terrestres. Además de la confusión entre las cuatro clases de manglar, las zonas de manglares muertos resultaron erróneamente clasificadas como áreas salinas y de aguas libres de vegetación, con los datos ópticos, y como tierras agrícolas con los datos de ASAR. Dadas las ventajas para diferenciar áreas de manglar muerto de los espejos de agua y las salinas con los datos de ASAR, éstos se utilizaron de manera simultánea con datos ópticos para reducir los errores en la clasificación de estas áreas.
显示更多 [+] 显示较少 [-]