El uso de Sistemas de Información Geográfica - CDIA-EC ...
El uso de Sistemas de Información Geográfica - CDIA-EC ...
El uso de Sistemas de Información Geográfica - CDIA-EC ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>El</strong> <strong>uso</strong> <strong>de</strong> <strong>Sistemas</strong> <strong>de</strong> <strong>Información</strong> Geografica y Sensores Remotos (SR) en Salud Pública<br />
Bogotá, Colombia, 27 al 30 <strong>de</strong> Marzo <strong>de</strong> 2006<br />
noche) y <strong>de</strong>l índice <strong>de</strong> vegetación (NDVI). <strong>El</strong> índice <strong>de</strong> vegetación (NDVI) es una<br />
imagen compuesta <strong>de</strong> 16 días con resolución espacial <strong>de</strong> 90 m y la temperatura<br />
(LST) es una imagen compuesta <strong>de</strong> 8 días con resolución espacial <strong>de</strong> 1 km.<br />
Estas imágenes crudas se procesaron para ser utilizadas en el análisis. Para los<br />
datos <strong>de</strong> temperatura, a causa <strong>de</strong> la presencia <strong>de</strong> nubes, se extrajo gran cantidad<br />
<strong>de</strong> datos nulos, por esta razón se procedió a tomar solo los gránulos con<br />
porcentajes <strong>de</strong> ceros aceptables, 18/19 para LST Día y 7/19 para LST Noche.<br />
Para las variables biofísicas mencionadas se calcularon los parámetros<br />
estadísticos <strong>de</strong> media, mínimos, máximos y varianza para el índice <strong>de</strong> vegetación,<br />
NDVI y la temperatura <strong>de</strong> superficie <strong>de</strong> día LST y <strong>de</strong> media para la LST noche.<br />
Mapas predictivos<br />
Para crear los mapas predictivos, se usaron las funciones <strong>de</strong> clasificación (fo y f1)<br />
obtenidas <strong>de</strong>l análisis discriminante. La presición <strong>de</strong>l mapa esta dada por la matriz<br />
<strong>de</strong> clasificación. Estos mapas muestran áreas sombreadas, unas predicen la<br />
posible presencia y otras la ausencia <strong>de</strong> la especie, en este caso, T. dimidiata y R.<br />
prolixus.<br />
Programas utilizados<br />
<strong>El</strong> programa IDRISI32 Versión I32.21 y STATISTICA STASOFT<br />
Resultados<br />
Mapas predictivos para T. dimidiata<br />
Mapa 1. Se construyo un primer mapa utilizando las imágenes LST y NDVI sin<br />
calcular los parámetros estadísticos <strong>de</strong> ten<strong>de</strong>ncia central. Se extrajeron <strong>de</strong>l análisis<br />
variables con muchos ceros, incluyéndose finalmente un total <strong>de</strong> 46 para el análisis<br />
discriminante. <strong>El</strong> mapa predictivo obtenido se observa en la figura 3; se superp<strong>uso</strong><br />
el mapa vectorial <strong>de</strong> Santan<strong>de</strong>r y el <strong>de</strong> las presencias (rojos) y ausencias (negros)<br />
99