ANÁLISIS COMPARATIVO DE ASERTIVIDAD PARA TRES ÍNDICES DE ZONAS CONSTRUIDAS APLICADOS A CIUDADES COLOMBIANA
DOI:
https://doi.org/10.19053/1900771X.v22.n2.2022.15018Palabras clave:
Índice Kappa, Landsat 8, Planificación urbana, Teledetección, Zona urbanaResumen
La delimitación y caracterización espacio-temporal de las zonas construidas o urbanizadas en las ciudades es un insumo fundamental para la planificación territorial. Los Índices de Zonas Construidas son empleados para identificar las zonas
urbanas utilizando sensores remotos. Este estudio tuvo por objetivo evaluar la asertividad multitemporal (1997, 2002, 2007 y 2018) de tres Índices de Zonas Construidas (NDBI, UI e IBI) calculados en imágenes Landsat para tres ciudades
colombianas. Las imágenes fueron mejoradas a través de técnicas de Teledetección y se determinaron los Índices de Zonas Construidas teniendo en cuenta los parámetros establecidos por sus creadores. Se emplearon 700 puntos verdad terreno
(350 para zonas construidas y 350 para zonas no construidas) para establecer la asertividad multitemporal usando el Índice de Kappa. Los resultados muestran que el índice con mejor asertividad multitemporal global fue el NDBI (Kappa = 0.382),
el cual también fue el de mejor desempeño para la ciudad de mayor tamaño (Kappa = 0.566); para la ciudad de tamaño intermedio el índice más acertado correspondió al UI (Kappa = 0.545). Los Índices evaluados tuvieron valores nulos de Kappa en la ciudad de Espinal; descartando los resultados obtenidos en esta última ciudad, la asertividad global de los
índices puede incrementarse hasta 0.573. Se infiere la necesidad de realizar nuevas investigaciones que permitan evaluar a
mayor detalle la aplicabilidad y asertividad de estos índices en el contexto colombiano, al igual que los ajustes a los rangos de valores óptimos para cada ciudad en particular de acuerdo a sus características arquitectónicas.
Descargas
Citas
W. Tu et al., “Portraying Urban Functional Zones by Coupling Remote Sensing Imagery and Human Sensing Data,” Remote Sen., vol. 10, no. 1, pp. 1-20, Ene. 2018. https://doi. 10.3390/rs10010141
S. S. Bhatti and N. K. Tripathi, “Built-up area extraction using Landsat 8 OLI imagery,” GIScience Remote Sens., vol. 51, no. 4, pp. 445-467, Jul. 2014. https://doi. 10.1080/15481603.2014.939539
R. C. Estoque and Y. Murayama, “Classification and change detection of built-up lands from Landsat-7 ETM+ and Landsat-8 OLI/TIRS imageries: A comparative assessment of various spectral indices,” Ecol. Indic., vol. 56, pp. 205-217, Sep.2015. https://doi. 10.1016/j.ecolind.2015.03.037
H. Xu, “A new index for delineating built‐up land features in satellite imagery,” Int. J. Remote Sens., vol. 29, no. 14, pp. 4269-4276, Jul. 2008. https://doi. 10.1080/01431160802039957.
Y. Zha, J. Gao, and S. Ni, “Use of normalized difference built-up index in automatically mapping urban areas from TM imagery,” Int. J. Remote Sens., vol. 24, no. 3, pp. 583-594, Ene. 2003. https://doi.10.1080/01431160304987
M. Kawamura, S. Jayamanna, and Y. Tsujiko, “Relation between social and environmental conditions in Colombo Sri Lanka and the urban index estimated by satellite remote sensing data,” Int. Soc. Photogramm. Remote Sens., vol. 31, no. 7, pp. 321-326, 1996. Disponible en: https://a-a-r-s.org/proceeding/ACRS1996/Papers/GLE96-3.htm
M. Ichsan Ali, A. Hafid Hasim, and M. Raiz Abidin, “Monitoring the Built-up Area Transformation Using Urban Index and Normalized Difference Built-up Index Analysis,” Int. J. Eng., vol. 32, no. 5, May 2019. Disponible en: http://eprints.unm.ac.id/13396/8/Turnitin_Monitoring%20the%20Built-up%20Area%20Transformation%20Using%20Urban%20Index%20and%20Normalized%20Difference%20Built-up%20Index%20Analysis.pdf DOI:10.5829/ije.2019.32.05b.04
Shahfahad et al., “Indices based assessment of built-up density and urban expansion of fast growing Surat city using multi-temporal Landsat data sets,” GeoJournal, vol. 86, no. 4, pp. 1607-1623, Ago. 2021. https://doi.10.1007/s10708-020-10148-w
P. Sinha, N. K. Verma, and E. Ayele, “Urban Built-up Area Extraction and Change Detection of Adama Municipal Area using Time-Series Landsat Images,” Int. J. Adv. Remote Sens. GIS, vol. 5, no. 1, pp. 1886-1895, Ago. 2016. https://doi. 10.23953/cloud.ijarsg.67
Abhishek Bhatt, S. K. Ghosh, and Anil Kumar, “Spectral Indices Based Change Detection in an Urban Area Using Landsat Data,” en Proceedings of Fifth International Conference on Soft Computing for Problem Solving. Advances in Intelligent Systems and Computing, K. Pant, M., Deep, K., Bansal, J., Nagar, A., Das, Ed. Singapur: Springer, 2016, pp. 425-441. https://doi.org/10.1007/978-981-10-0451-3_39
C. Salas Pérez, D. Coy Castro, K. Acuña Ramírez, L. Páez Cuervo, and E. Upegui, “Crecimiento urbano e impermeabilización del suelo alrededor de la Reserva Forestal Thomas van der Hammen, en la ciudad de Bogotá,” Ambient. y Desarro., vol. 23, no. 44, Feb. 2019. https://doi.10.11144/Javeriana.ayd23-44.cuis
Departamento Administrativo Nacional de Estadística, “Proyecciones de población municipal para el periodo 2018 – 2035 con base en el CNPV 2018,” Secretaría Distrital de Planeación, 2019. Disponible en: https://www.sdp.gov.co/gestion-estudios-estrategicos/estudios-macro/censo-2018/proyecciones-de-poblacion.
USGS, “Landsat Collection 2 level-1,” EarthExplorer, 2021. Disponible en: https://earthexplorer.usgs.gov/.
A. Ariza, “Descripción y Corrección de Productos Landsat 8 LDCM (Landsat Data Continuity Mission) Versión 1.0,” 2013. Disponible en: https://www.un-spider.org/sites/default/files/LDCM-L8.R1.pdf
G. Yin, G. Mariethoz, and M. McCabe, “Gap-Filling of Landsat 7 Imagery Using the Direct Sampling Method,” Remote Sens., vol. 9, no. 1, pp. 1-20, Dic.2016. https://doi. 10.3390/rs9010012
QGIS, “QGIS Development Team ‘QGIS,’” Open Source Geospatial Foundation, 2019. https://qgis.org/es/site/.
R. G. Congalton, “A review of assessing the accuracy of classifications of remotely sensed data,” Remote Sens. Environ., vol. 37, no. 1, pp. 35-46, Jul. 1991,https://doi. 10.1016/0034-4257(91)90048-B
S. V. Stehman, “Sampling designs for accuracy assessment of land cover,” Int. J. Remote Sens., vol. 30, no. 20, pp. 5243-5272, Sep. 2009. https://doi.10.1080/01431160903131000
J. Cohen, “A Coefficient of Agreement for Nominal Scales,” Educ. Psychol. Meas., vol. 20, no. 1, pp. 37-46, Abr. 1960.https://doi.10.1177/001316446002000104
J. R. Landis and G. G. Koch, “The Measurement of Observer Agreement for Categorical Data,” Biometrics, vol. 33, no. 1, p. 159, Mar. 1977. https://doi.10.2307/2529310
Y. XI, N. X. Thinh, and C. LI, “Preliminary comparative assessment of various spectral indices for built-up land derived from Landsat-8 OLI and Sentinel-2A MSI imageries,” Eur. J. Remote Sens., vol. 52, no. 1, pp. 240-252, Ene. 2019 https://doi.10.1080/22797254.2019.1584737
D. K. Ghosh, A. C. Mandal, R. Majumder, P. Patra, and G. S. Bhunia, “Analysis for Mapping of Built-Up Area Using Remotely Sensed Indices – A Case Study of Rajarhat Block in Barasat Sadar Sub-Division in West Bengal (India),” J. Landsc. Ecol., vol. 11, no. 2, pp. 67-76, Nov. 2018. https://doi.10.2478/jlecol-2018-0007
F. Yulianto, B. Tjahjono, and S. Anwar, “Detection Settlements and Population Distribution Using GIS And Remotely Sensed Data, In The Surrounding Area of Merapi Volcano, Central Java, Indonesia,” Int. J. Emerg. Technol. Adv. Eng., vol. 4, no. 3, pp. 1-10, Mar. 2014. Disponible en: https://ijetae.com/files/Volume4Issue3/IJETAE_0314_01.pdf

Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Los autores deben firmar y enviar la Autorización de evaluación y publicación del artículo suministrada por la Revista, en la cual se consignan todos los aspectos involucrados a los Derechos de Autor.
Todos los artículos de la Revista Ingeniería Investigación y Desarrollo son difundidos bajo la licencia Creative Commons de Atribución (BY).
Declaración de privacidad
Los nombres y direcciones de correo electrónico introducidos en esta revista se usarán exclusivamente para los fines establecidos en ella y no se proporcionarán a terceros o para su uso con otros fines.