Interpretación de:
<b>Remote sensing techniques</b> for tracking changes caused by illegal gold mining in Madre de Dios, Peru
https://doi.org/10.2478/mgrsd-2020-0028Adamek, K., Lupa, M., Zawadzki, M., 2021: <b>Remote sensing techniques</b> for tracking changes caused by illegal gold mining in Madre de Dios, Peru, Miscellanea Geographica, 25, 205-212, https://doi.org/10.2478/mgrsd-2020-0028
Intérprete
Aranibar Pareja Adelaida
Fecha de interpretación
22/03/2023
Revisor
Martínez Alejandra G.
Resultados y conclusiones
La utilidad de la teledetección para detectar la minería ilegal en áreas de difícil acceso, como la selva amazónica, y su impacto en la pérdida de la cobertura arbórea. También se menciona el riesgo de Drenaje Ácido de Minas y la contaminación por metales pesados en las aguas del río Madre de Dios e indirectamente en el río Amazonas. Además, se menciona que la falta de minerales arcillosos en las áreas centrales de las minas dificulta la reconstrucción de la vegetación y el estado anterior del bosque. El estudio investigó el uso de datos satelitales para evaluar el impacto de la minería ilegal de oro en la región de Madre de Dios, que necesita protección especial debido a su valor ambiental. Se utilizó la relación NDVI para identificar límites de sitios de minas ilegales y cambios en la forma. Se encontró una pérdida del 17% de árboles en el área entre 2001-2017, y se observaron procesos de meteorización y lixiviación de minerales arcillosos que pueden conducir a un mayor deterioro ambiental. A pesar de las limitaciones de los datos, la teledetección puede proporcionar información útil para la protección del medio ambiente y la toma de decisiones. La información recopilada podría ayudar en la planificación de investigaciones de campo más detalladas.
Metodología y datos
Se utilizaron dos imágenes de satélite, una fue obtenida por Landsat del año 2001 y otra por Sentinel -2 del 2017. Se calculó la pérdida de la cubierta arbórea utilizando la relación del Índice de vegetación de diferencia normalizada (NDVI) y y la comparación de dos imágenes satelitales preprocesadas utilizando Top of Atmosphere correction y convertidas a Surface Reflectance utilizando DOS-1 y la clasificación semiautomática (QGIS) Se utilizó la imagen satelital Sentinel-2 para generar los mapas de índices y se excluyeron los píxeles con poca iluminación solar. El grupo de minerales de hierro ferroso se calculó mediante una fórmula (3+11)/(4+8a) ((Green + SWIR) / (Red + Narrow NIR)) que permite identificar áreas donde hay abundancia de hierro en el estado de oxidación +2. El grupo mineral de hierro férrico minoritario se calculó como (4/2) (Rojo/Azul). El grupo mineral arcilla-sulfato-mica-mármol se calculó como (8a/4).
Limitaciones de la investigación
La resolución espacial de los datos de Landsat 7 utilizados, que es de 30 m (ESA) y de 10 m para los datos de Sentinel-2 (ESA [3]). Además, la presencia de píxeles mixtos puede afectar negativamente el análisis de los datos satelitales.
Adaptación: Agricultura, Bosques
Mitigación: Agricultura, Uso de suelo, cambio de uso de suelo y silvicultura
Escala: Nacional
Ámbito geográfico: Perú
Palabras clave: Teledetección, imágenes satelitales, Landsat
Cita de la interpretación
Aranibar Pareja, Adelaida, 2023: Interpretación de Adamek et al. (2021, doi:10.2478/mgrsd-2020-0028), Observatorio de Conocimiento Científico sobre Cambio Climático del Perú, IGP, https://cienciaclimatica.igp.gob.pe/entities/interpretation/8983d712-b3fe-4a69-8e80-2cc7a7c215ce