280000.000000

280000.000000

300000.000000

300000.000000

320000.000000

320000.000000

340000.000000

340000.000000

360000.000000

360000.000000

380000.000000

380000.000000

2720

000.00

0000

2720

000.00

0000

2730

000.00

0000

2730

000.00

0000

2740

000.00

0000

2740

000.00

0000

2750

000.00

0000

2750

000.00

0000

2760

000.00

0000

2760

000.00

0000

2770

000.00

0000

2770

000.00

0000

2780

000.00

0000

2780

000.00

0000

2790

000.00

0000

2790

000.00

0000

2800

000.00

0000

2800

000.00

0000

2810

000.00

0000

2810

000.00

0000

0 5,400 10,8002,700

Meters

Ê

S I M B O L O G I AS I M B O L O G I ALímite de la UmaforLímite Municipal

USO DEL SUELO YVEGETACIÓN

Bosque de Coniferas CerradoBosque de Coniferas y Latifoliadas Abierto

Bosque de Coniferas y Latifoliadas CerradoBosque de Latifoliadas CerradoOtros Usos de SuelosPastizalesSelva BajaSelva Mediana

U M A F O R - 1 0 0 4 " T O P I A - C A N E L A S "U M A F O R - 1 0 0 4 " T O P I A - C A N E L A S "

1:250,000

UMAFOR 1003UMAFOR 1002

UMAFOR 1005

UMAFOR1006

SINALOAFUENTE: PROPIADATOS VECTORIALESIMÁGENES DE SATÉLITEESCALA: 1:250,000PROYECCION: UTMDATUM: WGS84ZONA UTM: 13

ELABORO:Unidad de Conservación y DesarrolloForestal Integral Topia. S.C.Complejo Industrial "Santiago"Santiago Papasquiaro, Durango.Tel. Fax. 01 647 86 20653ucodefi@prodigy.net.mxmanejo_angel@prodigy.net.mx

U S O D E L S U E L OU S O D E L S U E L OY V E G E T A C I Ó NY V E G E T A C I Ó N

80°0'0"W

80°0'0"W

90°0'0"W

90°0'0"W

100°0'0"W

100°0'0"W

110°0'0"W

110°0'0"W

120°0'0"W

120°0'0"W

30°0

'0"N

30°0

'0"N

20°0

'0"N

20°0

'0"N

100°0'0"W

100°0'0"W

102°0'0"W

102°0'0"W

104°0'0"W

104°0'0"W

106°0'0"W

106°0'0"W

108°0'0"W

108°0'0"W

110°0'0"W

110°0'0"W

26°0

'0"N

26°0

'0"N

24°0

'0"N

24°0

'0"N

22°0

'0"N

22°0

'0"N

CHIHUAHUA

COAHUILA

SINALOA

ZACATECAS

JALISCONAYARIT

Estados Unidos

Chih.

Sin.Coah.

Son.

Zac.Durango

Nay.

Estudio apoyado por:

CLASIFICACIÓN DEL USO DEL SUELO Y VEGETACIÓN Utilización de los sensores remotos Los sensores remotos, conocidos también como teledetección u observación de la tierra (Buiten, 1993; Robin, 1995; Roughgarden et al., 1991), la definieron como la radiación electromagnética emitida, reflejada y dispersa sobre la superficie de la tierra, medida a través de instrumentos colocados a una distancia definida con respecto al sitio de interés. Esta emisión y reflexión espectral se registra y procesa de manera que pueden desplegarse en forma de imágenes de satélite (Campbell, 1987). De acuerdo a la forma de cómo se colecta la energía reflejada por los diferentes tipos de cubierta, los sensores se clasifican en pasivos, cuando reciben la energía de un foco exterior a ello (reflectancia) y activos cuando son capaces de emitir su propio haz de energía (Chuvieco, 2002). La percepción remota ha sido utilizada en cierta forma como una herramienta importante para el mapeo de varios ecosistemas de comunidades vegetales, los esfuerzos se han enfocado en el uso de la interpretación de imágenes de satélite, así como otros elementos para la elaboración y la utilización de esta para resolver un problema de clasificación con una buena precisión. (Tueller, 2000). La demanda de imágenes para el desarrollo del mapeo forestal en recursos naturales continúa incrementándose. Los sensores remotos detallan mapas forestales que son usados en decisiones con respecto a uso de suelo, como tratamiento silvícola, calidad del agua, salud del bosque y hábitat para la vida silvestre, y esto es una ventaja de su aplicación. (Plourde y Congalton, 2003). Las imágenes de satélite representan una capa de información importante dentro de los SIG, ya que permiten el análisis en detalle de grandes áreas, reducción de costos de operación y tiempo requerido para el proceso de la información, cobertura global y periódica de los recursos, fácil y rápida obtención de la información, homogeneidad en la toma de datos, y algo muy valioso; la Información obtenida en regiones no visibles del espectro electromagnético (Mass 1988 y Soria et al., 1999) Las imágenes de satélite Landsat-TM han demostrado ser adecuadas en el mapeo de los recursos forestales debido a sus características multiespectrales. (Jensen, 2000) El análisis de cartografía temática, imágenes de satélite y el MDE mediante la interpretación de variables específicas que determinan el potencial de un sitio (suelo, clima, relieve, etc.) nos permiten regionalizar con base en potenciales de producción; sin embargo, dicha información debe ser sustentada con base en la aplicación de técnicas geoestadísticas que involucran el monitoreo en campo de variables de interés. Clasificación de Imágenes La capacidad multiespectral del satélite fundamentado en el espectro electromagnético como única perspectiva de observación con la cual se mide las características biofísicas de la tierra (Jensen, 1993) por ejemplo. Anderson et al. (1993), indican que los índices de vegetación derivados de datos de los sensores remotos han sido sistemáticamente propuestos como una fuente de información para predecir los niveles de biomasa verde. La clasificación multiespectral de imágenes es usada para extraer información temática de las imágenes de satélite de manera simultánea. (Riaño, 1999). La clasificación digital se dirige a obtener una nueva imagen en la cual a cada uno de los píxeles de la imagen original se le asigna una clase o leyenda. Esta clasificación puede ser de dos tipos: no supervisada y supervisada. (Lillesand y Kiefer, 1994). La clasificación de la imagen es generalmente llevada a cabo por el análisis de conglomerados muchas veces referido como clasificación no supervisada (Moik 1982 y Richards 1986). Una clasificación no supervisada consiste en agregar o combinar píxeles individuales en clases espectrales midiendo los valores de reflectancia de los canales originales o de los valores de las transformaciones hechas a tales canales. Las clases espectrales (cuyo número es seleccionado por el analista), son después asociados con clases de cobertura de la vegetación, basándose en información de campo, fotografías aéreas y mapas existentes. Además se usa simultáneamente la información complementaria tanto para asignar los conglomerados a las clases como para dividir los conglomerados que contienen más de un tipo de vegetación (Brown et al. 1993). En la clasificación supervisada, el analista predetermina un número especifico de clases para los tipos de vegetación y provee un grupo de sitios de entrenamiento para determinar las funciones discriminatorias en que se basan las propiedades espectrales de estas clases (Mulder 1988). Definición de áreas de entrenamiento Uno de los primeros pasos para generar una clasificación supervisada es definir las áreas que pueden ser usadas como sitios de entrenamiento para cada una de las clases de cobertura. El método para hacerlo es a través de fotointerpretación de una imagen generada en color verdadero o bien usando una de las bandas del satélite, el resultado será una serie de polígonos que representan cada una de las clases. El método de semilla para definir límites espaciales El muestreo de las áreas de entrenamiento se puede llevar a cabo a través del método de píxel semilla el cual esta limitado a definir regiones particulares dentro de una distancia o área geográfica especifica. Este método lo podemos explorar dentro del software ArcView GIS® diseñado por el grupo ESRI (Environmental Systems Research Institute, Inc.) el comando Seed tool se activa con el modulo de Image Analyst. Extensión diseñada por grupo de ERDAS®, Inc. para ArcView GIS®. Fuente: Generación de Cobertura de Uso del Suelo, utilizando Técnicas en Percepción Remota; Martínez y Pinedo, Julio de 2007. Chihuahua, Chih.