DETERMINACIÓN DE REDES DE DRENAJE MEDIANTE SENSORES REMOTOS

Período 2022-2024

El conocimiento de la distribución de cursos y cuerpos de agua es de vital importancia para la gestión integral de los recursos hídricos, especialmente en el contexto actual de cambio climático donde son cada vez más frecuentes los eventos extremos, con largos periodos de sequía e inundaciones repentinas. En este sentido es sumamente necesario contar con una capa de información de la red hídrica a escala nacional con resolución espacial suficiente para el análisis a escala de cuenca.

A pesar de que existe actualmente información geoespacial pertinente a nivel nacional, no se reconoce un criterio unificado de generación de información entre las distintas unidades provinciales, ni una descripción precisa de los procedimientos utilizados para la obtención de las redes hídricas. La falta de lineamientos claros a la hora de producir la información geoespacial y la disimilitud de enfoques adoptados resultan en productos con niveles de detalle sumamente variables en la escala regional, e incertidumbre respecto a la trazabilidad del dato.

La experiencia acumulada en los últimos años por el Instituto Geográfico Nacional (IGN) en la aplicación de técnicas de aprendizaje automático para realizar clasificaciones supervisadas y, especialmente, en la generación de modelos digitales de elevación de media-alta resolución a partir de imágenes de radar del satélite SAOCOM-1, constituyen una base fundamental para la integración de metodologías y fuentes de información. Es así que, en el marco del presente proyecto, se propone desarrollar un método de procesamiento para la identificación y clasificación semi-automática de redes hídricas. Para ello, se planea trabajar en zonas piloto con características topográficas, cobertura vegetal y dinámicas hídricas diferenciadas, que permitan evaluar la aplicabilidad de la metodología bajo diversas condiciones ambientales.

Para la detección de dicha red se realizaron pruebas en un área piloto en la provincia de Córdoba, fusionando dos métodos: la aplicación de un algoritmo de machine learning a los resultados parciales de una clasificación binaria agua-no agua, y una extracción a partir de información topográfica. Para ello se emplearon imágenes satelitales ópticas Sentinel 2; un modelo digital de elevación (MDE) basado en imágenes SAOCOM; y software SIG para el geoprocesamiento de la información resultante de la clasificación supervisada.

Parámetros como pendiente y acumulación de flujo se calcularon para la obtención de la red a partir de la topografía. El abordaje para la separación de clases agua-no agua consistió en utilizar imágenes ópticas, calculando índices específicos para la detección de agua, aplicando Random Forest en la clasificación supervisada. Por último, se evaluó una combinación de los procedimientos anteriores, incorporando la red de drenaje topográfica al conjunto de capas de entrada del clasificador.

Los resultados preliminares muestran que las redes obtenidas por los distintos métodos son complementarias, en el sentido que aquella obtenida mediante clasificación logra identificar los cursos de agua principales, mientras que la extraída a partir del MDE identifica los cursos menores que transportan poca cantidad de agua de manera intermitente. Por otro lado, al combinar ambos métodos de detección se observa una mejora en la completitud del diseño de la red de drenaje.

El análisis y la comparación de estos casos muestra un potencial para el desarrollo de una propuesta metodológica superadora con la cual obtener una red hídrica a nivel nacional.

Los próximos pasos implicarán la implementación del mismo proceso utilizando la metodología desarrollada y probada en las áreas piloto, en otras regiones del territorio argentino. Este paso nos permitirá identificar los límites de la metodología y, por lo tanto, ajustar el procedimiento propuesto para las áreas previamente inexploradas.