Look-up in Google Scholar
Full metadata record
Rojas Acuña, Joel
Badaracco Meza, Rolando Renee
2013-09-23T17:36:06Z
2013-09-23T17:36:06Z
2012
https://hdl.handle.net/20.500.12672/3071
En el presente trabajo, utilizamos la ciencia de la teledetección por ser una herramienta particularmente valiosa para obtener datos relevantes sobre el Suelo. El objetivo de este trabajo es estimar la salinidad del suelo con el uso de imágenes de satélite y su validación con los datos in-situ de conductividad eléctrica (CE) del suelo. Las áreas de estudio en este trabajo fueron cuatro: San Antero, La Viña, Saltur y Ucupe ubicadas en el distrito de Cayalti, Nueva Arica y Zaña, respectivamente. Estas áreas de estudio se encuentran en la cuenca de Zaña de la provincia de Chiclayo en la región de Lambayeque. En este trabajo se usaron imágenes de satélite procedente de los sensores ASTER, TM y ETM+ que fueron procesados y analizados usando el software de procesamiento de imágenes ENVI 4.5 y el lenguaje de programación IDL 7.0. Se determinó los componentes principales, el índice de sal (IndSal), el índice de vegetación de diferencia normalizada (NDVI) y las reflectancias espectrales de las bandas imágenes para correlacionarlos con los datos in-situ de la CE del suelo mediante el análisis de regresión lineal simple y múltiple y obtener modelos de la CE del suelo estimada. El análisis de regresión lineal múltiple presento mejores resultados que el análisis de regresión lineal simple. Para el área de La Viña se obtuvieron tres modelos de regresión lineal múltiple, el primer modelo se obtuvo al correlacionar los valores de la CE del suelo, el NDVI, el IndSal y el segundo componente principal (PC2) de la imagen ASTER obteniéndose un coeficiente de correlación negativa de - 0.87. El segundo modelo se obtuvo al correlacionar los valores de la CE del suelo, el NDVI y las reflectancias espectrales de las bandas 5 y 7 de la imagen ETM+ obteniéndose una correlación negativa de - 0.89. El tercer modelo se obtuvo al correlacionar los valores de la CE del suelo, el NDVI y las reflectancias espectrales de las bandas 5 y 7 de la imagen TM obteniéndose una correlación negativa de - 0.80. Para el área de San Antero se obtuvo un modelo de regresión lineal múltiple que se obtuvo al correlacionar los valores de la CE del suelo, el NDVI y las reflectancias espectrales de las bandas 3 y 7 de la imagen TM obteniéndose una correlación negativa de - 0,92. Para el área de Saltur se obtuvo un modelo de regresión lineal múltiple que se obtuvo al correlacionar los valores de la CE del suelo y las reflectancias espectrales de las bandas 5 y 7 de la imagen TM obteniéndose un coeficiente de correlación de 0,75. Para el área del Ucupe se obtuvo un modelo de regresión lineal múltiple que se obtuvo al correlacionar los valores de la CE del suelo, las reflectancia espectrales de las bandas 5 y 7 de la imagen TM obteniéndose un coeficiente de correlación de 0,82. A partir de los modelos obtenidos de la estimación de la CE del suelo se generaron mapas temáticos de la distribución espacial de la CE del suelo estimada para cada área de estudio. -- Palabras claves: Imágenes satelitales, NDVI, IndSal, CE, ASTER, TM y ETM.
Tesis
spa
Universidad Nacional Mayor de San Marcos
info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/4.0/
Universidad Nacional Mayor de San Marcos
Repositorio de Tesis - UNMSM
Suelos salinos - Perú
Cultivos y suelos
Satélites artificiales en la investigación geográfica
Lambayeque (Perú : Dpto.)
Detección de la salinidad en los suelos de cultivos de algodón usando imágenes de satélite en la costa norte del Perú
info:eu-repo/semantics/bachelorThesis
Universidad Nacional Mayor de San Marcos. Facultad de Ciencias Físicas. Escuela Académico Profesional de Física
Física
Licenciado en Física
PE
https://purl.org/pe-repo/ocde/ford#1.03.00
https://purl.org/pe-repo/renati/level#tituloProfesional
08647737
https://orcid.org/0000-0001-9722-7890
https://purl.org/pe-repo/renati/type#tesis
Pública



This item is licensed under a Creative Commons License Creative Commons