Lenom Cajuste Bontemps** y Valentino Sorani***
**Colegio de Posgraduados, Montecillos, México.
***Instituto de Geografía, UNAM, México.
*Recibido: 2 de mayo de 1995.
Resumen
]]> El objetivo del estudio fue determinar la variabilidad espacial contenida en las imágenes SPOT XS, a partir de semivariogramas, con el fin de cuantificar la redundancia de información que permitiera estimar índices de manejo; para determinar con suficiente sensibilidad, la eficiencia de uso de los recursos naturales en la planificación agrícola. Los semivariogramas fueron construidos a partir de un recorte de 100 x 100 pixels de una imagen que cubrió el municipio de Texcoco. Se determinaron tres direcciones (0, 45 y 90 grados) con 0 grados de amplitud y pasos con h=l a 10 pixels, para cada banda y el índice de brillo BNI. Luego, se ajustaron los semivariogramas a modelos polinómicos. Los resultados indicaron que las estructuras espaciales con dirección norte se ajustaron a modelos esféricos (cuadráticos) con un alto nivel de significancia (α < 0.01) y grado de correlación (r > 0.95). Por otro lado, datos mostrados en otro trabajo, indicaron la existencia de estructuras anidadas de orden superior.Palabras clave: variabilidad espacial, análisis espacial, imágenes SPOT, redundancia de datos e indicadores de manejo.
Abstract
Semivariograms were constructed to determine the spatial variability contained in SPOT XS satellite images, in order to assess data redundancy, necessary for estimating land management indicators. Such indicators should therefore have enough sensitivity to detect the sustainability of land use for agricultural purposes. Semivariograms were calculated on a 100 x 100 pixels image portion of Texcoco country. Three directions (0, 45, and 90 degrees) with 0 degrees ot angular ratio search, and lags equal h=l to 10 pixels, were determined for each band and for the Brightness Normalized Index BNI. Further, semivariograms were adjusted to polinomical models. Results showed through high correlation coefficients (r > 0.95) that spatial structures obey (with a very high significance, α < 0.01) to a spherical model in the north direction. On the other hand, results (to be shown in another paper), revealed nested spatial structures when sampling with larger lags.
Key words: spatial variability, spatial analysis, SPOT imagery, data redundancy, land management indicators.
DESCARGAR ARTÍCULO EN FORMATO PDF
Referencias
]]>Agbu, P. A., D. Fehrenbacher e I. J. Jansen (1988), Investigation on soil mapping unit variability from SPOT–HRV Digital in East Central Illinois, Agronomy Abstracts, ASA, CSSA, SSSA, Madison, p. 252. [ Links ]
Bernstein, R. (1978), Digital Image Processing for Remote Sensing, IEEE, Nueva York. [ Links ]
Cajuste, L., V. Sorani y G. Arévalo (1994a), "Semivariograma y análisis espacial del distrito de Texcoco", Programa y Resúmenes, V Reunión Nacional SELPER–MEXICO, 3–4 de noviembre, La Paz, Baja California Sur, México, s/p. [ Links ]
Cajuste, L., V. Sorani y E. Ojeda (1994b), "Aplicación del análisis de texturas en el municipio de Texcoco", Programa y Resúmenes, V Reunión Nacional SELPER–MEXICO, 3–4 de noviembre, La Paz, Baja California Sur, México, s/p. [ Links ]
Cajuste, L., E. Ojeda y C. A. Ortiz (1994c), "Identificando uso y manejo de recursos naturales mediante un enfoque sintáctico", Programa y Resúmenes, V Reunión Nacional SELPER– MéXICO, 3–4 de noviembre, La Paz, Baja California Sur, México, s/p. [ Links ]
]]>Clark, I. (1979), Practical Geostatistics, Applied Science, Publishers, Londres. [ Links ]
Gessler, P., K. McSweeney y R. Kiefer (1989), "Analysis of Soil–Vegetation Patterns in Southwester Wisconsin using Remote Sensing and Geographic Information Systems", Agronomy Abstracts, ASA, CSSA, SSSA, Madison, p. 261. [ Links ]
Hardy, G. J. (1996), "Classification trees to characterize land cover in Norway", Intl. J. of Remote Sensing, vol. 17(10):2483–2488. [ Links ]
Hilwig, F. W. (1980), "Spatial interpretation of multitemporal LANDSAT MSS data for inventories of natural resources by integrating static and dynamic image elements", Proceedings on Remote Sensing, Ontario, pp. 126–155. [ Links ]
Lacaze, B., S. Rambal y S. T. Winkel (1994), "Identifying spatial patterns of mediterranean landscapes from geostatistics", Intl. J. of Remote Sensing, vol. 17(I0):2483–2488. [ Links ]
]]>Lillesand, T. M. y R. W. Kiefer (1987), Remote Sensing and Image Interpretation, John Wiley and Sons, Nueva York, cap. 10, pp. 610–699. [ Links ]
Luna González, L. y J. L. Palacio Prieto (1994), "Clasificación multiespectral vs clasificación visual de tipos de cubierta del terreno: un ejemplo al sur de la ciudad de México", Programa y Resúmenes, V Reunión Nacional SELPER–MEXICO, 3–4 de noviembre, La Paz, Baja California Sur, México, s/p. [ Links ]
Ojeda, E., H. Cuanalo y C. A. Ortiz (1990), Provincias, regiones y subregiones de la República Mexicana, Colegio de Posgraduados, Montecillos, Edo. de México. [ Links ]
Sorani, V. y R. Alvarez, (1994), "El Inventario Forestal Nacional de México, primeros resultados y análisis, Programa y Resúmenes", V Reunión Nacional SELPER–MéXICO, 3–4 de noviembre, La Paz, Baja California Sur, México, s/p. [ Links ]
Townshend, J. R. G. y C. O. Justice (1995), "Spatial variability of images and the monitoring of changes in the Normalized Difference Vegetation Index", Intl. J. of Remote Sensing, vol. 16(12):2187–2196. [ Links ]
]]>Wendroth, 0. and D. R. Nielsen (1992), "State–Space Approach to Spatial variability of Crop Yield", Soil Sci. Soc. Am. J., vol. 56(3):801 –807. [ Links ]
Yates, O. (1990), GeoPack A Geostatistics analysis package (user manual), Soil Laboratory, University of California, Riverside. [ Links ]
]]>