Identificación de erosión del suelo, mediante imágenes de satélite spot 5 hrg, en el parque Estatal ''Sierra de Tepotzotlán'', Estado de México /por Paulina González Santillan; director Silvia Terrazas Dominguez
Material type:
TextChapingo, Méx. : El autor, 2010Description: 1 recurso en línea (91 páginas): Cuadros, figurasContent type: - texto
- computadora
- recursos en linea
| Cover image | Item type | Current library | Home library | Collection | Shelving location | Call number | Materials specified | Vol info | URL | Copy number | Status | Notes | Date due | Barcode | Item holds | Item hold queue priority | Course reserves | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Tesis digital | Biblioteca Digital En línea | Tesis digitales de Licenciatura | Tesis digital (Browse shelf(Opens below)) | Available (Préstamo interno) |
Ingeniería Forestal División de Ciencias Forestales, 2010 Licenciatura
En el Parque Estatal “Sierra de Tepotzotlán” las áreas erosionadas se localizan en terrenos que anteriormente fueron de agricultura de temporal y bosques, y que actualmente han perdido la mayor parte de suelo, mostrando suelo desprovisto de vegetación y afloramientos de material parental. El objetivo de este estudio fue identificar la erosión del suelo de forma cualitativa, utilizando imágenes de satélite SPOT 5 HRG y Modelos de Elevación Digital (MED) procesadas con el software IDRISI© KILIMANJARO. Se clasificaron tres niveles de erosión que fueron: erosión severa (ES), media (EM) y leve (EL) mediante tres métodos: generación de un Índice de Vegetación de Diferencia Normalizada (NDVI, por sus siglas en inglés), clasificación supervisada por el criterio de máxima probabilidad y una clasificación mediante Redes Neuronales Artificiales (RNA). El primero fue la reclasificación de una banda artificial NDVI obteniendo, una exactitud global del mapa de 59.4 % y el estadístico Kappa de 56 %. El segundo fue una clasificación supervisada por el criterio de máxima probabilidad con una exactitud global del mapa de 66 % y el estadístico K de 60 %. El tercero fue una clasificación con ayuda de Redes Neuronales Artificiales (RNA) realizándose tres pruebas, con una exactitud global del mapa de 65.7 % y K fue de 59 %, 67.4 % de exactitud y K de 63 % y 66.0 % de exactitud global con un K de 60 %, respectivamente. Finalmente se concluyó que la mejor clasificación para identificar la erosión del suelo, fue la segunda prueba de RNA, arrojando una superficie de 3820.34 ha de erosión leve, 860.51 ha de erosión media y 152.89 ha erosión severa.
ALEPH 10 20130110
BATCH-UPD 10 20130110
BATCH-UPD 10 20130410
BATCH-UPD 10 20130914
BATCH-UPD 10 20140324
BATCH-UPD 10 20141002
CONVERSION 10 20130109
There are no comments on this title.
