CAP5. Satélite en costas sedimentarias

Métodos en Teledetección Aplicada a la Prevención de Riesgos Naturales en el Litoral
ESTUDIOS DE EROSIÓN CON SATÉLITE EN COSTAS
SEDIMENTARIAS MICROMAREALES
I. Rodríguez, M.J. Sánchez, I. Montoya
Área de Geología, Dpto. de Biología y Geología, ESCET, Universidad Rey Juan Carlos
C/Tulipán s/n, 28933 Móstoles (Madrid), España.
INTRODUCCIÓN
Se entiende por teledetección aquella tecnología que permite obtener
información de los cuerpos situados sobre la superficie terrestre sin entrar en
contacto con ellos (Chuvieco, 1990). Si bien, dentro de esta definición
quedarían incluidas las fotografías aéreas y los datos LIDAR, este texto sólo se
ocupará de las imágenes tomadas por satélite, pues los anteriores son objeto de
sendos capítulos, respectivamente.
La erosión costera y las inundaciones por el ascenso del nivel medio del mar
representan riesgos geológicos que ocurren de forma continuada, y en diferentes
escalas de tiempo. Para estudiar estos cambios es imprescindible realizar un
análisis detallado de las distintas posiciones de la línea de costa en los
diferentes momentos que abarca el estudio. Definir la posición de la línea de
costa no es sencillo pues dada su naturaleza altamente cambiante, permite
establecer distintos argumentos para su definición. La teledetección ofrece
nuevas herramientas basadas en el diferente comportamiento espectral de las
cubiertas, de forma que la extracción de la línea de costa se realiza de forma
automática, precisamente apoyada sobre estas características, y no sobre la
experiencia y pericia del operador encargado de la restitución y digitalización
de la línea de agua (Rodríguez, 1999b).
Breve repaso a los principios físicos de la teledetección
Para centrar al lector en el tema, a continuación se hará una descripción
breve de los principios y mecanismos que rigen en teledetección. Se hace, por
tanto, necesario utilizar otras fuentes para ampliar y profundizar en estos
conocimientos. Se recomienda revisar los textos de Campbell, 1996; Lillesand y
Kiefer, 2000; Chuvieco, 2007.
La teledetección se basa en la energía que emiten los cuerpos situados
sobre la superficie terrestre y que es recogida por el sensor que viaja a bordo de
una plataforma o satélite. En este sistema, es necesario, pues, una fuente de
energía que incida sobre las cubiertas terrestres que, en el caso de teledetección
pasiva es el Sol, y en la teledetección activa es el propio sensor el que la
genera. Esta energía, en su camino hacia tierra atraviesa la atmósfera donde
65
Programa Iberoamericano de Ciencia y Tecnología para el desarrollo
parte de la radiación es reflejada y dispersada por los aerosoles y las partículas
de la atmósfera. De la radiación que alcanza la superficie, parte es absorbida por
la propia superficie, y otra parte es reflejada siendo ésta la que registra el
sistema de observación, y depende de las características y del tipo de cubierta.
Por su parte, el sensor recoge esta energía que le llega de la superficie en
varias bandas del espectro de acuerdo a su resolución espectral. Ésta será
mayor cuanto más bandas del espectro sea capaz de manejar. La sensibilidad
del sensor, es decir, la capacidad para detectar variaciones en la energía que
recibe, establece la resolución radiométrica, y se expresa en niveles de gris, de
forma que ésta aumenta a mayor número de niveles. Por otra parte, el valor que
presenta el píxel en la imagen se conoce como nivel digital (ND). Una de las
características que hacen de la teledetección una herramienta especialmente
interesante para estudios evolutivos del medio es su capacidad de recoger la
misma porción de terreno cada cierto tiempo. Esto se conoce como resolución
temporal, de forma que cuanto menos tiempo tarde el satélite en pasar por el
mismo sitio y captar la misma imagen, mayor resolución temporal tendrá. Por
otra parte, las características técnicas del satélite determinan su resolución
espacial, el cual define el grado de detalle con que podemos visualizar una
imagen. A efectos prácticos significa que elementos con tamaños inferiores al
del píxel, no son visibles en la imagen.
El número y anchura de las bandas espectrales en las que se recogen las
imágenes depende del tipo de sensor. Como ya se ha mencionado, la energía
que registra el sensor depende de la naturaleza de las cubiertas. Esta forma
característica de reflejar la energía determina su firma espectral. En la Fig. 1 se
muestra la firma espectral de diferentes cubiertas, que permite discriminarlas en
una imagen por medio de un análisis de la reflectividad en sus diferentes
bandas.
66
Métodos en Teledetección Aplicada a la Prevención de Riesgos Naturales en el Litoral
Fig. 1. Firma espectral típica de distintas cubiertas (Chuvieco, 1990).
Comportamiento espectral del agua
Como se puede ver en la Fig. 1, el agua presenta un comportamiento
espectral bien diferente al resto de las cubiertas. En la región del azul (0,4-0,5
µm), el agua transmite la mayor parte de la energía recibida, por lo que a esta
longitud de onda hay mayor oportunidad para detectar las características del
fondo. A medida que aumenta la longitud de onda el agua va absorbiendo
mayor energía y, por tanto, va disminuyendo su reflectividad hacia la región del
infrarrojo (<0,7 µm), donde la absorción es tan grande, que la distinción entre
agua y tierra se puede realizar sin problema (Fig. 2) (Rodríguez, 1999b).
Las impurezas que contiene el agua cambian sus propiedades
espectrales. Los sedimentos procedentes de fuentes naturales o artificiales
producen turbidez en el agua, disminuyendo su transparencia. A medida que la
concentración de sedimentos aumenta también lo hace el brillo en la región del
visible (0,4-0,7 µm), de forma que el agua deja de actuar como un cuerpo
oscuro al aumentar su reflectividad, y el pico de reflectancia pasa desde un
máximo en la región del azul hacia el verde (0,5-0,6 µm). A medida que el
contenido en sedimentos aumenta, el color del agua se torna próximo al del
propio sedimento (Rodríguez, 1999b).
67
Programa Iberoamericano de Ciencia y Tecnología para el desarrollo
Fig. 2. Histograma de una banda del infrarrojo original.
¿Cómo elegir una imagen?
La elección de la imagen más apropiada para analizar la evolución
ocurrida en un determinado tramo costero depende, principalmente, de la
resolución espacial y de la temporal. En el primer caso, habrá que buscar un
tipo de sensor que ofrezca un tamaño de píxel adecuado a las características
dinámicas de nuestro sistema, de forma que la magnitud de los cambios no
quede por debajo del tamaño del píxel. En cuanto a la resolución temporal, el
tiempo que abarque el estudio dependerá de las fechas en las que hay
disponibilidad de imágenes.
Así, y atendiendo a estas dos características, las imágenes más
empleadas para este tipo de análisis son Landsat, que presenta resoluciones
espacial y temporal de 30 m y 16 días respectivamente (Correa y AlcántaraCarrió, 2007); SPOT, con una resolución espacial de 10 m (2,5 m en SPOT 5)
en el modo pancromático (con un ancho de banda que abarca desde el verde al
infrarrojo cercano) y 20 m (10 m en SPOT 5) en el en el modo multiespectral
(bandas verde, rojo e infrarrojo cercano), y 26 días de resolución temporal
(Rodríguez, 1999a, 1999b, 2001); IKONOS con 1 m en el modo pancromático
y 4 m en modo multiespectral, (Li et al., 2003, Di, et al., 2003), ASTER con 15
m y periodicidad de 16 días; QuickBird, con 0,6 m en el modo pancromático y
2,5 m en el modo multiespectral (azul, verde, rojo e infrarrojo próximo) (PardoPascual et al., 2007; Ruiz et al., 2007). Las imágenes de radar también se han
utilizado para estudios de erosión costera (Maged, 2001; 2003), aunque en
menor medida debido principalmente a las características propias de este tipo de
imágenes, siendo más empleadas en estudios de otro tipo de riesgos costeros
68
Métodos en Teledetección Aplicada a la Prevención de Riesgos Naturales en el Litoral
como son los derrames y vertidos de hidrocarburos (Bern et al., 1992; Fingas y
Brown, 1997; Platonov y Redondo, 2001; Gamarra, 2003; Carreño et al., 2005).
Para estudios retrospectivos es esencial conocer desde cuando hay
imágenes disponibles para ser utilizadas. Así, Landsat 5 y Spot 2, tienen
imágenes desde los años 1984 y 1990 respectivamente, pudiendo ser empleadas
en estudios de cambio a medio y largo plazo; mientras que IKONOS y ASTER,
se disponen desde el año 1999 y, en el caso de QuickBird, desde octubre de
2001, pudiendo utilizarse estas últimas sólo en análisis a corto plazo. Además,
en este último caso, se presenta el inconveniente de que no hay cobertura total
sobre el globo.
Para tener una idea detallada de los sensores e imágenes con sus
resoluciones y disponibilidad, se recomienda visitar la página web Asprs Guide
to Land Imaging Satellites.
EXTRACCIÓN DE LA LÍNEA DE COSTA
Como ya se ha comentado previamente, la detección automática de la
línea de orilla a partir de imágenes de satélites, se logra teniendo en cuenta el
diferente comportamiento espectral que presentan las distintas cubiertas con
relación a la del agua. Rodríguez (1999a, 1999b, 2001) analizó diferentes
técnicas de tratamiento digital de imágenes de satélite con el fin de comparar
resultados al objeto de establecer el método mejor para extraer de forma
automática la línea de costa. El estudio se realizó sobre imágenes del satélite
SPOT-3, en la costa del Delta del Ebro. En todos los casos se procedió de la
misma manera: primero se aplicó una de las técnicas de tratamiento digital de
imágenes que se explican a continuación para definir la línea de costa, y las
imágenes binarias resultantes del proceso se vectorizaron para obtener la línea
de orilla en formato vectorial (Fig. 3).
69
Programa Iberoamericano de Ciencia y Tecnología para el desarrollo
A
B
Fig. 3. A) Imagen binaria. B) Línea de costa vectorizada a partir de la imagen anterior
(Rodríguez, 1999b).
Análisis de la banda del Infrarrojo
Esta es la forma más intuitiva de delimitar el borde costero, pues como
ya se ha visto anteriormente, la determinación del límite tierra-agua es más fácil
en la región del infrarrojo cercano donde la tierra presenta tonos más brillantes,
mientras que el agua permanece oscura. El análisis del histograma permite
determinar el valor máximo que presenta el ND del agua en cada una de ellas, y
a partir de estos valores obtener imágenes binarias, donde sólo se muestra tierra
y agua.
Cociente entre Bandas
Una buena aproximación se obtiene del cociente propuesto por
Philipson y Hafker (1981, en Campbell 1996) para estudiar zonas inundadas.
Consiste en relacionar la diferencia entre las bandas del verde y del infrarrojo,
con la banda del verde: [(XSv-XSIC)/XSv]. Puesto que el agua es muy oscura en
la banda del infrarrojo, la relación se acerca a 1 en áreas inundadas y a 0 en
zonas no inundadas. Por ejemplo, si la tierra está seca su valor digital estará
cercano a 35 siendo entonces la relación para zonas inundadas (35-0)/35=1 y
para zonas no inundadas (35-35)/35=0. Esta relación da, en general, buenos
resultados, pero estos autores encontraron que cuando el agua presentaba
turbidez alta el procedimiento no era siempre afortunado, teniendo que utilizar
otros métodos para identificar las aguas turbias y separar tales áreas de las
70
Métodos en Teledetección Aplicada a la Prevención de Riesgos Naturales en el Litoral
zonas no inundadas. El resultado de aplicar este índice es directamente una
imagen binaria.
Cálculo del Índice de Vegetación
Otro cociente entre bandas es el denominado índice de vegetación
normalizado (NDVI), el cual relaciona las bandas del rojo (IR) y del Infrarrojo
(IIc) de la siguiente forma NDVI = [(IIc-IR) / (IIc+IR)]. Una de las utilidades de
los índices de vegetación es la de mejorar la discriminación entre dos cubiertas
con comportamiento reflectivo muy distinto (Chuvieco 1990). Si dos cubiertas
tienen el mismo comportamiento espectral, el índice de vegetación apenas
proporciona información adicional, mientras que pequeñas diferencias en la
repuesta espectral ofrece un resultado que muestra el contraste entre las dos
reflectividades (Campbell, 1996).
Una vez obtenida la imagen NDVI, y previo a la obtención de la línea de
costa vectorial, es preciso binarizar la imagen de forma que todo lo que sea
agua adopte el valor de 0 y todo lo que es tierra, el valor de 1. Previamente hay
que determinar el valor del ND del agua, bien a partir del análisis del
histograma de esta nueva imagen NDVI, bien a partir de la consulta en varios
puntos de la imagen, especialmente en posibles zonas conflictivas (Fig. 4),
estableciendo, de esta forma, el valor umbral entre agua-tierra.
Fig. 4. Imagen NDVI que muestra los puntos donde se ha consultado el valor del píxel.
71
Programa Iberoamericano de Ciencia y Tecnología para el desarrollo
Clasificación de imágenes
La clasificación es una técnica de tratamiento digital de imágenes que
permite agrupar los píxeles de la imagen de acuerdo a un patrón de reflectancia
espectral previamente definido.
Hay dos formas de establecer la clasificación:
1. Dejando que el sistema defina por sí sólo estos patrones, integrando
en diferentes clases los píxeles presentes de acuerdo a su nivel digital. Este
procedimiento se conoce como clasificación no supervisada.
2. En el otro procedimiento o clasificación supervisada, es el propio
usuario el que, identifica y localiza los tipos de clases o coberturas presentes en
la imagen. El procedimiento consiste en elegir sobre la imagen multiespectral
una muestra representativa de estas clases, denominando a estas áreas elegidas
"campos de entrenamiento". En esta fase hay que ser muy cuidadosos al situar
las áreas de entrenamiento, pues los resultados de la clasificación dependen en
gran medida de la precisión con la que se han elegido dichas áreas, por lo que es
recomendable tomar varias áreas por categoría definida y asegurarse de que los
píxeles seleccionados pertenezcan únicamente a esa clase.
Una vez concluido el proceso anterior, es necesario aplicar un método
que permita la clasificación de toda la imagen. Existen varios métodos de
clasificación supervisada. Uno de los más utilizados es el de Máxima
Probabilidad, en el que el sistema calcula, para cada campo de entrenamiento y
para cada una de las bandas que interviene en la clasificación, parámetros de
estadística multivariable tales como la media, la desviación típica, y las
matrices de correlación, de forma que al final del proceso cada pixel es
evaluado y asignado a la clase a la cual tiene mayor probabilidad de pertenecer,
de acuerdo con las reglas del método de clasificación elegido. Este método es el
más robusto de todos, a pesar de que es el que conlleva mayor tiempo de
cálculo (Rodríguez, 1999b). No obstante, para ahondar más en esta cuestión se
recomienda consultar alguno de los manuales citados anteriormente. El
resultado de la clasificación con las clases definidas y su leyenda se muestra en
la Fig. 5. Es importante señalar que la clasificación representa un método para
transformar los datos multiespectrales en información temática.
72
Métodos en Teledetección Aplicada a la Prevención de Riesgos Naturales en el Litoral
Clases definidas en la clasificación
supervisada
Clasificación de la imagen
Fig. 5. Resultado obtenido en la clasificación
Normalmente, después de realizar una clasificación conviene realizar un
suavizado de los resultados por medio de la aplicación de filtros modales, de
forma que se eliminen los píxeles aislados que no corresponden a las categorías
donde se encuentran.
Para obtener la línea de costa a partir de la imagen clasificada es
necesario realizar una reclasificación para obtener una imagen binaria que,
posteriormente, se vectorice de forma automática.
Análisis de Componentes Principales (CP)
Este es un procedimiento estadístico de extracción de información de las
imágenes, consistente en construir nuevas bandas a partir de las originales,
condensando la mayor parte de la información en ellas.
Cuando se proyectan los ND de diferentes bandas, se observa que existe
una fuerte correlación entre ellas. Esto hace que la información que dan estas
bandas sea, en gran parte, redundante. Una forma de solucionar este problema
es construir imágenes nuevas en las que los ND correspondientes a cada pixel
se obtienen estableciendo nuevos ejes (componentes principales) que resultan
de una combinación lineal de bandas.
73
Programa Iberoamericano de Ciencia y Tecnología para el desarrollo
La ventaja de estas representaciones es que permiten acrecentar la
información correspondiente a una serie de imágenes multiespectrales en una o
dos CP, relegando el ruido a los CP con menos variación de los cuales se puede
prescindir en la interpretación. De esta forma resulta sencillo visualizar las
diferencias entre las distintas imágenes. Por este motivo, este procedimiento se
está haciendo muy común en estudios ambientales, sobre todo cuando se quiere
abordar un estudio multitemporal (Chuvieco, 1990), a pesar de que supone la
destrucción de las relaciones entre la radiancia del objeto y el valor digital. De
igual manera, se recomienda la consulta de los manuales de referencia para
profundizar en la herramienta.
Comparación de estos métodos
Como se ha expuesto previamente, todos los métodos fueron aplicados
sobre imágenes SPOT (20 m de resolución espacial) en la zona del Delta del
Ebro. Los resultados obtenidos en este caso muestran que todos ellos permiten
la extracción automática de la línea de costa, pero la clasificación resulta la más
eficiente, ofreciendo mejores resultados pues permite discriminar mejor
cubiertas ambiguas desde el punto de vista espectral, sobre todo en las zonas
donde existe turbidez, donde todos los demás métodos no son capaces de
definir la línea de forma correcta, mientras que con la clasificación supervisada
es posible lograr una delimitación válida (Fig. 6). El mayor inconveniente que
encontramos en la clasificación supervisada es el mayor tiempo de proceso que
conlleva. (Rodríguez, 1999a y 1999b).
No obstante, conviene realizar una serie de consideraciones sobre el
resto de los métodos. El análisis de la banda del infrarrojo y el cociente
propuesto por Philipson y Hafker representan dos métodos sencillos y rápidos,
pero presentan problemas en zonas con aguas turbias. El cálculo del NDVI, se
presenta como un buen método para discriminar el agua de la tierra, pero
mostró el inconveniente de no ser muy efectivo en áreas de aguas someras o
con turbidez, como la que se presenta en la Fig. 6, correspondiente a los
sectores intermareales de la bahía del Fangar, en la que aparecen zonas de baja
profundidad y con aguas turbias procedentes de los desagües de las tierras
cultivadas en el interior del Delta. La línea de costa obtenida a partir de la
segunda componente principal, presentaba también resultados similares a los
expuestos para los otros métodos.
74
Métodos en Teledetección Aplicada a la Prevención de Riesgos Naturales en el Litoral
Fig. 6. Imagen que muestra la superposición de las líneas obtenidas de la vectorización
de la clasificación (en verde) y del NDVI (en amarillo) (Rodríguez, 1999a).
ESTIMACIÓN DEL ERROR
Una consideración a tener en cuenta es que las líneas de costa así
definidas muestran la posición del agua en el momento del paso del satélite, por
lo que para realizar estudios evolutivos es preciso corregir los efectos de la
variaciones del nivel del mar ocurridas en el intervalo de tiempo abarcado en el
estudio. Por lo tanto, no son recomendables para sectores meso a
macromareales donde la línea de costa puede tener variaciones significativas
cada 6 o 12 horas.
Con los métodos de tratamiento digital de imágenes expuestos
anteriormente, el margen de error en la determinación de la línea de orilla puede
variar dependiendo del tamaño del píxel. Existen tratamientos basados en los
denominados análisis de mezclas espectrales que extraen información sobre el
grado de mezcla entre clases de cada píxel, lo que permite minimizar estos
errores.
Por otra parte, se están desarrollando diferentes métodos que permiten
aumentar la precisión en la determinación de la línea de orilla a partir de
algoritmos donde es posible realizar la extracción de la línea de costa a nivel
75
Programa Iberoamericano de Ciencia y Tecnología para el desarrollo
subpixel. El algoritmo desarrollado por Ruiz et al. (2007) y Pardo et al. (2007,
2008), parte de la extracción inicial de una línea de costa aproximada a nivel
píxel y, en una segunda fase, sobre esta primera línea se hace la búsqueda de la
posición a nivel subpíxel. El programa desarrollado se basa en el remuestreo
previo de la imagen para trabajar sobre píxeles de menor dimensión. Sobre un
vecindario dado de la nueva imagen remuestreada y situada sobre la línea de
costa preliminar, se ajusta una función polinómica de 5º grado y, una vez
definida esta función matemática de forma analítica, se deduce el punto en el
que la curvatura es nula y el gradiente máximo. Este análisis se repite
sucesivamente siguiendo la línea de costa preliminar, de forma que al final es
posible deducir la posición de la orilla con un error medio muy bajo (Pardo et
al. 2008).
Otra forma de extraer la línea de costa es a partir del Modelos Digitales
de Elevaciones (MDE), alcanzando errores aceptables en su definición (Di et
al., 2003).
COMPARACIÓN DE LAS LÍNEAS DE COSTA. ANÁLISIS SIG
Es evidente que este análisis no puede quedarse en la extracción de la
línea de costa a partir de las imágenes. Es necesario, pues, un sistema que
permita su comparación para obtener resultados acerca de los movimientos que
presentan dichas líneas, pudiendo establecer las zonas donde se produce
acreción o erosión de la costa (Ojeda, 2000). Los Sistemas de Información
Geográfica, debido a su versatilidad y a su capacidad de integrar diferentes
fuentes de información resultan una herramienta de uso común para este tipo
de análisis, estando plenamente difundida entre todos los investigadores que
trabajan en el ámbito costero. Las herramientas y procedimientos a utilizar en la
aplicación de los SIG para analizar los distintos tipos de riesgos no son objeto
de este capítulo, pero sí es preciso acentuar la natural continuidad en los
procedimientos entre la teledetección y los SIG, pues uno de los objetivos
principales del tratamiento de imágenes de satélite es la obtención de una
cartografía que refleje el estado actual de la costa, o los cambios ocurridos en
un periodo determinado. Una revisión de sus aplicaciones en el ámbito costero
se muestra en Rodríguez et al., 2008.
76
Métodos en Teledetección Aplicada a la Prevención de Riesgos Naturales en el Litoral
AGRADECIMIENTOS
Este trabajo es una contribución a la Red Iberoramericana en
Teledetección aplicada a la Prevención de Riesgos Geológicos Litorales
financiada por el Programa Iberoamericano de Ciencia y Tecnología para el
Desarrollo (CYTED)".
REFERENCIAS
Asprs Guide to Land Imaging Satellites.
http://www.asprs.org/news/satellites/asprs_database_110804.pdf
Bern, T. -I., Wahl, T., Anderssen, T. y Olsen, R. (1992). Oil spill detection
using satellite based SAR: Experience from a field experiment. Proc. 1st ERS-1
Symposium, Cannes, France (pp. 829 – 834).
Campbell, J.B. (1996). Introduction to Remote Sensing. Ed. Taylor & Francis;
622 pp.
Carreño, F., García, S y Rodríguez, I. (2005). Interpretación de imágenes radar
para la detección de la contaminación marina provocada por el Prestige con un
SIG. X Conferencia Iberoamericana sobre Sistemas de Información Geográfica.
San José de Puerto Rico.
Chuvieco, E. (1990). Fundamentos de Teledetección Espacial. Ed. Rialp; 453
pp.
Chuvieco, E. (2007). Teledetección ambiental: la observación de la tierra
desde el espacio. Ed. Ariel, 2ª Ed.; 586 pp.
Correa, I. y Alcántara-Carrió, J. (2007). Cartografía y sensores remotos
aplicados al estudio de cambios históricos en la posición y conFig.ción de la
línea de costa del Caribe y Pacífico colombianos. Congreso de la Asociación
Española de Teledetección. Mar del Plata, Argentina.
Di, K., Ma. R., y Li, R. (2003).Geometric Processing of Ikonos Stereo Imagery
for Coastal Mapping Applications. Photogrammetric Engineering & Remote
Sensing. Vol. 69, No. 8, August 2003, pp. 873–879.
Fingas, M. F. y Brown, C. E. (1997). Review of oil spill remote sensing. Spill
Science and Technology Bulletin, 4, 199–208.
Gamarra, A. (2003). The use of Radar Imagery in the Prestige Fuel Spill Case.
Conference The Impact of Satellite Tecnology on Maritime Security. Vigo
(Spain).
Li, R., Di, K. y Ma. R. (2003). 3-D shoreline extraction from IKONOS satellite
imagery. Marine Geodesy, 26, 107– 115.
Lillesand, T.M. y Kiefer, R.W. (2000): Remote Sensing and Image
Interpretation, New York, John Wiley and Sons.
77
Programa Iberoamericano de Ciencia y Tecnología para el desarrollo
Maged, M. (2001). TOPSAR wave spectra model and coastal erosion detection.
Int. J. Appl. Earth Observ. Geoinform. 3(4), 357-365.
Maged, M. (2003). ERS-1 modulation transfer function impact on shoreline
change model. Int. J. Appl. Earth Observ. Geoinform. 4, 279-294.
Ojeda, J. (2000). Métodos para el cálculo de la erosión costera. Revisión,
tendencias y propuesta. Boletín de la A.G.E, 30. págs. 103-118.
Pardo-Pascual, J.E., Ruiz-Fernández, L.A., Almonacid, J., Rodríguez-Recatalá,
B. y Gracia, G. (2007). Métodos para la determinación automática de la línea de
costa con precisión subpíxel, En: L. Gómez Pujol y J.J. Fornós (Eds.).
Investigaciones recientes (2005-2007) en Geomorfología Litoral. Universidad
de las Islas Baleares. Palma de Mallorca. 39-40.
Pardo Pascual, J.E., Ruiz Fernández, L. A., Palomar Vázquez, J. M., Calaf, X.,
Colmenárez, G. R., Almonacid J., Gracia G. (2008). Teledetección, GPS y
Lidar: Nuevas técnicas de análisis y evolución de la línea de costa y de los
espacios playa-duna. Actas de las Jornadas Técnicas “Las nuevas técnicas de
información geográfica al servicio de la gestión de zonas costeras: Análisis de
la evolución de playas y dunas”.
Platonov, A. y Redondo, J.M. (2001). Peligro de vertidos en las rutas marítimas
del mediterráneo noroccidental: Resultados preliminares del estudio mediante
las imágenes espaciales del radar de apertura sintética SAR. VI Jornadas
Españolas de Ingeniería de Costas y Puertos. Alicante.
Rodríguez, I. (1999a). Aplicación del tratamiento digital de imágenes de satélite
para la obtención de la línea de costa. V Jornadas Españolas de Puertos y
Costas. La Coruña, España.
Rodríguez, I. (1999b). Evolución Geomorfológica del Delta del Ebro y
Prognosis de su Evolución. Tesis doctoral. Universidad de Alcalá de Henares,
España.
Rodríguez, I. (2001). Comparación de técnicas basadas en el tratamiento digital
de imágenes de satélite para la obtención de la línea de costa del Delta del Ebro.
IX Congreso Nacional de Teledetección. Universidad de Lérida, España.
Rodríguez, I., Montoya, I., Sánchez, M.J., Carreño, F. (2008). Geographic
Information Systems Applied to Integrated Coastal Zone Management.
Geomorphology. In press.
Ruiz, L.A., Pardo, J.E., Almonacid, J., Rodríguez, B. (2007). Coastline
automated detection and multiresolution evaluation using satellite images.
Proceedings of Coastal Zone 07. Portland, Oregon.
78