https://revistas.ucr.ac.cr/index.php/geologicaRevista Geológica de América Central ISSN Impreso: 0256-7024 ISSN electrónico: 2215-261X

Cambios en vegetación debido a la actividad volcánica, caso de estudio: el caso del volcán Turrialba, Costa Rica, durante el período eruptivo 2014-2017

Andrés Fallas, Oscar H. Lücke, Bryan Alemán, Jaime Garbanzo



DOI: https://doi.org/10.15517/rgac.v59i0.34143

Resumen


Desde octubre de 2014, el Volcán Turrialba comenzó un ciclo eruptivo con erupciones freáticas y freato-magmáticas. Estas erupciones indican un cambio importante en el comportamiento de este sistema volcánico que en el periodo entre 1856 y 2014 se limitaba a actividad exhalativa con erupciones freáticas aisladas en 2007 y 2011. Esta actividad conlleva cambios físicos y químicos que afectan vegetación, fauna y centros de población. Esta situación es de interés público por lo que es necesario controlar cambios producidos para determinar posibles áreas afectadas. Este documento muestra un enfoque de teledetección que  utiliza los índices de Vegetación de Diferencia Normalizada (NDVI por sus siglas en inglés) y Normalizado de Calcinación (NBR por sus siglas en inglés) para medir cambios de la vegetación en áreas cercanas. El período de estudio comprende del 2014 al 2017 y utiliza imágenes del satélite Landsat 8. Se muestra un cambio en la vegetación del 2014 al 2015 pero uno más significativo se presenta del 2016 al 2017 con un incremento en el porcentaje de vegetación afectada.

Palabras clave


Gas; teledetección; NDVI; NBR; vegetación

Texto completo:

PDF

Referencias


Alvarado, G. (2008). Los volcanes de Costa Rica: geología, historia, riqueza natural y su gente. (3rd ed.). San Jose, Costa Rica: EUNED.

Araña, V., & López, J. (1974). Volcanismo: dínamica y petrología de sus productos. Madrid: Ediciones Itsmo.

Chuvieco, E. (2010). Teledetección Ambiental (1 ed). Barcelona: Editorial Planeta, S.A.

Corredor Llano, X. (2017). Cloud Masking. Sistema de monitoreo de bosque y carbono SMByC, IDEAM and FAO.

Escuin, S., Navarro, R., & Fernandez, P. (2008). Fire severity assessment by using NBR (Normalized Burn Ratio) and NDVI (Normalized Difference Vegetation Index) derived from LANDSAT TM/ETM images. International Journal of Remote Sensing, 29(4), 1053–1073.

García, C., & Dávila, N. (2014). Discriminación de unidades volcánicas a partir de ímagenes ópticas y radar: estudio de caso volcán de Colima, periodo 2004-2014. Universidad Autónoma del Estado de México.

Gonzaga, C. (2014). Aplicación de Índices de Vegetación Derivados de Imágenes Satelitales Landsat 7 ETM+ y ASTER para la Caracterización de la Cobertura Vegetal en la Zona Centro de la Provincia De Loja, Ecuador. Universidad Nacional de la Plata. Retrieved from http://sedici.unlp.edu.ar/handle/10915/34487

McKinnon, T. (2016). Agricultural Drones: What Farmers Need to Know. Boulder, Colorado.

RSN. (2017). Turrialba. Retrieved January 9, 2018, from http://www.rsn.ucr.ac.cr/actividad-volcanica/volcanes-costa-rica

Sobrino, J. A., & Raissouni, N. (2000). Toward remote sensing methods for land cover dynamic monitoring: Application to Morocco. International Journal of Remote Sensing, 21 (2), 353–366. http://doi.org/10.1080/014311600210876

Tortini, R., van Manen, S. M., Parkes, B. R. B., & Carn, S. A. (2017). The impact of persistent volcanic degassing on vegetation: A case study at Turrialba volcano, Costa Rica. International Journal of Applied Earth Observation and Geoinformation, 59, 92–103.

Tucker, C. J., Dregne, H. E., & Newcomb, W. W. (1991). Expansion and contraction of the Sahara Desert from 1980 to 1990. Science, 253(5017), 299–301.

U.S. Geological Survey. (2015). Landsat—Earth observation satellites: Fact Sheet. Reston, VA. http://doi.org/http://dx.doi.org/10.3133/fs20153081.

U.S. Geological Survey. (2016). Landsat 8 (L8) data users handbook. U.S.A. Retrieved from https://landsat.usgs.gov/sites/default/files/documents/Landsat8DataUsersHandbook.pdf

U.S. Geological Survey. (2017). Landsat Project Description. Retrieved January 9, 2018, from https://landsat.usgs.gov/landsat-project-description

Zhu, Z., Wang, S., & Woodcock, C. E. (2015). Improvement and expansion of the Fmask algorithm: cloud, cloud shadow, and snow detection for Landsats 4–7, 8, and Sentinel 2 images. Remote Sensing of Environment, 159, 269–277. http://doi.org/https://doi.org/10.1016/j.rse.2014.12.014

Zhu, Z., & Woodcock, C. E. (2012). Object-based cloud and cloud shadow detection in Landsat imagery. Remote Sensing of Environment, 118, 83–94. http://doi.org/https://doi.org/10.1016/j.rse.2011.10.028.


Enlaces refback

  • No hay ningún enlace refback.


© 2017 Universidad de Costa Rica. Para ver más detalles sobre la distribución de los artículos en este sitio visite el aviso legal. Este sitio es desarrollado por UCRIndex y Open Journal Systems. ¿Desea cosechar nuestros metadatos? dirección OAI-PMH: https://revistas.ucr.ac.cr/index.php/index/oai