Multitemporal land use change analysis in San Fernando, Tamaulipas for the Period 1987 to 2017
DOI:
https://doi.org/10.29059/cienciauat.v14i2.1298Keywords:
land use, change detection, segmentation, LandsatAbstract
Land Use Change (LUC) tends to have a negative effect on global atmospheric and climate processes. The objective of this paper was to assess the LUC for the San Fernando, Tamaulipas, Mexico municipality, during the period comprehended between 1987 and 2017. The classification by segmentation method was applied to satellite images obtained from 1987, 1997, 2007 and 2017, which allowed for a reduction in the noise that is characteristic of pixel-based classification. However, it was necessary to edit the results in order to recover human settlements, eliminate clouds and shadows, and reduce the confusion between vegetation cover and cultivated agricultural land in order to avoid introducing artificial LUC in the statistics produced. The multitemporal analysis showed a clear trend in the reduction of vegetation cover (- 6.53 %) and of areas devoid of vegetation (- 1.71 %). Likewise, the results also highlight a significant increase of agricultural land (+ 7.61 %), which seems to be unassociated with the increase of human settlements (+ 0.08 %). The developed methodology seems to be appropriate and of easy implementation to carry out the LUC analysis in other regions of interest.
References
Alva-Álvarez, G. I., Reyes-Hernández, H., Palacio-Aponte, A. G., Núñez-López, D. y Muñoz-Robles, C. (2018). Cambios en el paisaje ocasionados por incendios forestales en la región de Madera, Chihuahua. Madera y Bosques. 24(3): e2431694.
Cárdenas-Hernández, O .G. and Gerritsen, P. R. W. (2015). Dinámica paisajista y cambio de cobertura en la comunidad indígena de Cuzalapa (1972 a 2000). CienciaUAT. 9(2): 30-40.
Cohen, W. B., Yang, Z., and Kennedy, R. (2010). Detecting trends in forest disturbance and recovery using yearly Landsat time series: 2. Time Sync–Tools for calibration and validation. Remote Sensing of Environment. 114(12): 2911-2924.
Comaniciu, D. and Meer, P. (2002). Mean shift: A robust approach toward feature space analysis. IEEE Transactions on Pattern Analysis and Machine Intelligence. 24(5): 603-619.
Eastman, J. R. (2012). IDRISI Selva. Guía para SIG y Procesamiento de Imágenes. Manual Versión 17. Clark Labs – Clark University. [En línea]. Disponible en: https://clarklabs.org/wp-content/uloads/2016/10/IDRISI-Selva-Spanish-Manual.pdf. Fecha de consulta: 23 de octubre de 2018.
ESRI, Environmental Systems Research Institute (2018a). Preparar clasificador de máquina de vectores de soporte. [En línea]. Disponible en: http://desktop.arcgis.com/es/arcmap/10.4/tools/spatial-analyst-toolbox/train-support-vector-machine-classifier.htm. Fecha de consulta: 24 de octubre de 2018.
ESRI, Environmental Systems Research Institute (2018b). Información general sobre el conjunto de herramientas Superposición. [En línea]. Disponible en: http://desktop.arcgis.com/es/arcmap/10.4/tools/analysis-toolbox/an-overview-of-the-overlay-toolset.htm. Fecha de consulta: 24 de octubre de 2018.
Gómez, C., White, J. C., and Wulder, M. A. (2016). Optical remotely sensed time series data for land cover classification: A review. ISPRS Journal of Photogrammetry and Remote Sensing. 116: 55-72.
INEGI, Instituto Nacional de Estadística y Geografía (2015). Guía para la Interpretación de Cartografía: Uso del suelo y Vegetación. Escala 1:250,000, Serie V. [En línea]. Disponible en: http: //www.inegi.org.mx/geo/contenidos/recnat/usosuelo/doc/guia_interusosuelov.pdf. Fecha de consulta: 20 de octubre de 2018.
INEGI, Instituto Nacional de Estadística y Geografía (2018). Marco Geoestadístico, Febrero 2018. [En línea]. Disponible en: http://www.beta.inegi.org.mx/app/biblioteca/ficha.html?upc=889463526636.Fecha de consulta: 20 de octubre de 2018.
IPCC, Intergovernmental Panel on Climate Change (2012). Glossary of terms. In C. B. Field, V. Barros, T. F. Stocker, D. Qin, D. J. Dokken, K. L. Ebi, M. D. …, and P. M. Midgley (Eds.), Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. [En línea]. Dis-ponible en: http://www.ipcc.ch/pdf/special-reports/srex/SREX-Annex_Glossary.pdf. Fecha de consulta: 25 de octubre de 2018.
Jensen, J. R. (2004). Introductory Digital Image Processing: A Remote Sensing Perspective (Third edition). USA: Prentice Hall. 526 Pp.
Lillesand, T. M., Kiefer, R. W., and Chipman, J. W. (2004) Remote Sensing and Image Intrerpetation. Fifth Edition. USA: John Wiley & Sons. 763 Pp.
López-Vazquez, V., Balderas-Plata, M., Chávez-Mejía, M., Juan-Pérez, J. y Gutiérrez Cedillo, J. (2015). Cambio de Uso de Suelo e Implicaciones Socioeconómicas en un Área Mazahua del Altiplano Mexicano. CIENCIA Ergo-Sum. 22(2): 136-144.
Lu, D., Hetrick, S., and Moran, E. (2010). Land Cover Classification in a Complex Urban-Rural Landscape with QuickBird Imagery. Photogrammetric Engineering & Remote Sensing. 76(10): 1159-1168.
NASA, National Aeronautics and Space Administration (2018). Landsat 9: Continuing the Legacy–2020 and beyond. [En línea]. Disponible en: https://landsat.gsfc.nasa.gov/landsat-9/. Fecha de consulta: 23 de octubre de 2018.
Osuna-Osuna, A. K., Díaz-Torres, J. J., Anda-Sánchez, J. A., Villegas-García, E., Gallardo-Valdez, J. y Davila-Vazquez, G. (2015). Evaluación de cambio de cobertura vegetal y uso de suelo en la cuenca del río Tecolutla, Veracruz, México; periodo 1994-2010. Ambiente & Água-An Interdisciplinary Journal of Applied Science. 10(2): 350-362.
Phiri, D. and Morgenroth, J. (2017). Developments in Landsat Land Cover Classification Methods: A Review. Remote Sensing. 9(9): 967.
Press, W. H., Teukolsky, S. A., Vetterling, W. T., and Flannnery, B. P. (2007). Numerical Recipes: The Art of Scientific Computing. Third Edition. UK: Cambridge University Press. 1235 Pp.
Sahagún-Sánchez, F. J. y Reyes-Hernández, H. (2018). Impactos por cambio de uso de suelo en las áreas naturales protegidas de la región central de la Sierra Madre Oriental, México. CienciaUAT. 12(2): 6-21.
Sexton, J. O., Urban, D. L., Donohue, M. J., and Song. C. (2013). Long-term land cover dynamics by multi-temporal classification across the Landsat-5 record. Remote Sensing of Environment. 128: 246-258.
USGS, United States Geological Survey (2018). EarthExplorer. [En línea]. Disponible en: https://earthexplorer.usgs.gov/. Fecha de consulta: 2 de enero de 2018.
Yin, H., Prishchepov, A. V., Kuemmerle, T., Bleyhl, B., Buchner, J., and Radeloff, V. C. (2018). Mapping agricultural land abandonment from spatial and temporal segmentation of Landsat time series. Remote Sensing of Environment. 210: 12-24.
