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
rojas suarez guillermo
Fecha de interpretación
01/11/2023
Revisor
Zubieta Barragán Ricardo
Resultados y conclusiones
Dado a la accesibilidad remota y constante actualización de sistemas de monitoreo y teledetección satelital se ha permitido analizar la data de coberturas forestales, llegando a obtener información relacionada con la pérdida y avance de actividades antrópicas como la minería ilegal en la región de Madre de Dios, siendo esta la principal causa de la pérdida y contaminación de los bosques amazónicos. Por ello, el artículo hace referencia al área de interés que alberga un tamaño de 930 km2, del cual se tiene un estimación de 17% de perdida por actividad minera, no obstante, esto tiene que ser sujeto a verificación ya que existen actividades como la tala ilegal y ganadería ilegal que contribuye con la deforestación de la región. Los indicios geológicos presentados establecen la meteorización de la pirita generando mayor drenaje ácido producto de las minería ilegal en la región, asimismo, provoca la unión de iones metálicos que se transportan a lo largo del río. A esto se suma el mercurio empleado en la separación y obtención del oro el cual termina contaminando a las comunidades locales y vida acuática en el río Amazonas, es así que, los resultados obtenidos fueron obtenidos a través de respuestas espectrales para minerales meteorizados. Este rango de lectura espectral tiene menor rango de frecuencia de longitud de onda, ya que usa los valores de rango débil para identificar; mientras que para minerales primarios se emplea valores significativos. Además, la información recopilada podría ayudar en la planificación de investigaciones de campo más detalladas.
Metodología y datos
El estudio analizó dos imágenes obtenidas por dos satélites, siendo la primera Landsat 7 el 30 de agosto de 2001; y la segunda imagen Sentinel-2 el 24 de julio de 2017. Ambas están evaluadas por su condición estacionaria según el periodo del año y la presencia de nubes, asimismo, las imágenes tienen su origen antes y después del inicio de la fiebre del oro. Es de importancia entender que la selección de zona de estudio es debido a la presencia de explotación ilegal, en este sentido, se evaluaron los índices de diferencia de vegetación normalizada NDVI en ambas imágenes otorgadas para el estudio, aplicando la corrección de la parte superior de la atmósfera y aplicando la reflectancia de superficie DOS-1. Para el preprocesamiento se emplearon herramientas de QGIS como la clasificación semiautomática, la cual estima la pérdida de cobertura arbórea en la zona de estudio a través de la diferencia de píxeles representantes de la vegetación presente en las imágenes del estudio. Al mismo tiempo, se buscó interpretar la química ambiental para medir el impacto durante los periodos evaluados, ya que el área de estudio se ubica en una llanura aluvial y conformada principalmente por limo, arcilla y arcilla arenosa. Para este fin, se evaluó los grupos minerales los cuales fueron extraídos de las imágenes Sentinel-2, es así que se ha enmascarado los pixeles que representan el agua y la vegetación a través del índice NDVI para evitar una interpretación erróneo en los cálculos de modelamiento. Y finalmente, se formuló umbrales para los índices dejando solo los píxeles con los valores más altos para limitar los resultados a áreas con mayor abundancia de minerales particulares, luego el análisis de bootstrap de la distribución de la media y desviación estándar que proporcionó valores estadísticos para los índices aplicados. Dentro de las consideraciones de evaluacion de imagen se tomo una escala de color donde entre mas oscuro es el color en la escala del mapa de colores, mayor es la probabilidad de que un mineral o grupo de minerales determinado sea más abundante. La identificación de áreas con abundancia en hierro ferroso fue a través del cálculo (3+11)/(4+8a) ((Verde + SWIR) / (Rojo + NIR estrecho), este análisis permite rastrear la erosión de la pirita, ya que la exposición de la pirita al agua y al oxígeno se genera oxidación, en otra instancia se continúa oxidando y convierte en hierro férrico. El resultado de este análisis es resaltar las áreas con presencia de hierro férrico de grano grueso, suelos húmedos o restos de cenizas producto de incendios forestales. No obstante, la erosión de los minerales es un resultado del tiempo y no de un periodo recién descrito, dado que los píxeles empleados pueden confundirse por suelos húmedos. Por ejemplo la explotación ilegal de minerales en la zona del Río Huaypetue tiene operando alrededor de 90 años, el cual presenta valores más marcados con respecto a la oxidación de hierro férrico. Para calcular el grupo menor de minerales de hierro férrico se empleó el cálculo (4/2) (Rojo / Azul), identificando áreas con presencia de minerales como jarosita, goethita y hematita, siendo los dos primeros productos minerales de la pirita meteorizada que surge en las últimas etapas de meteorización. Asimismo, en la figura 6 se resaltó la zonas de operación de minería ilegal, donde se genera otro grupo de minerales arcilla-sulfato-mica-mármol los cuales requieren el cálculo siguiente : (8a/4)*(NIR estrecho/Rojo)*( 2.1), dicho índice de arcilla permite evaluar la presencia de minerales del grupo arcilla-sulfato-mica-mármol.
Limitaciones de la investigación
La resolución de las imágenes Landsat 7 empleó escala de 30m (ESA) y 10m para Sentinel-2 (ESA[3]), lo cual arrojó píxeles mixtos, influyendo de manera significativa en el estudio. La obtención de las imágenes presentan variabilidad dado las condiciones climáticas que pueden diferir de la estación del año provocando que la obtención de las imágenes dependen de la aparición de nubes. Se deberá emplear datos hiperespectrales para realizar un análisis detallado. La resolución espectral de las imágenes Landsat 7 o Sentinel-2 no permiten el rastreo de metales particulares, por ello, se debería aplicar nuevos métodos como datos armonizados los cuales son proporcionados por el proyecto HLS que permitan un mejor análisis de la pérdida de arbórea.
Adaptación: Bosques, Agricultura
Mitigación: Uso de suelo, cambio de uso de suelo y silvicultura, Agricultura
Escala: Nacional
Ámbito geográfico: Peru
Palabras clave: LANDSAT, MONITOREO, FORESTACION, COBERTURA VEGETAL