Este articulo enfatiza la utilidad de herramientas como son los Sistemas de Información Geográfica (SIG) ysensores remotos para la detección efectiva de alteraciones ambientales y predicción de futuros escenarios. Eneste caso se analizaron cambios en el uso de suelos provocados por acciones antropogénicas en el Estuario deSantos (Brasil). La aplicación de técnicas como clasificación supervisada en imágenes de satélite del área deestudio y el posterior análisis multitemporal de las mismas fue imprescindible para establecer cambios en lospatrones de usos de suelos en un lapso de 7 años. El algoritmo seleccionado para realizar la clasificación fue“maximum likelihood” por su mayor efectividad en la comparación de firmas espectrales. La utilización de estastécnicas facilita la identificación de áreas vulnerables y por ende la posibilidad de realizar pronósticos detendencias que resulta de gran utilidad para un control efectivo de las actividades antropogénicas en el área. Elpronóstico de tendencias se realizó mediante la aplicación de funciones de “fuzzy sets” y análisis multi-criterio(MCA) basados en una serie de factores y restricciones que caracterizan y describen el área de estudio. La teoríade fuzzy sets provee una base matemática muy efectiva para la construcción de reglas de decisión utilizada en laevaluación de criterios, lo que facilita la creación de futuros escenarios basados en el minucioso análisis defactores y restricciones del presente para determinar su influencia en el futuro.
Abstract
This article emphasizes the advantages of Geographical Information Systems (GIS) and remote sensing aseffective tools for detection of environmental alterations and future scenarios. The main objective of this study wasthe analysis of landuse changes caused by anthropogenic activities in Santos Estuary (Brazil). The application ofsupervised classification techniques at satellite images of the study area and its multitemporal analysis weredecisive to determine changes in landuse patterns in a 7 years period. The maximum likelihood algorithm wasselected for the supervised classification due to its effectiveness in the comparison of spectral signatures.Application of these techniques facilitates the identification of vulnerable areas therefore the possibility oftendencies forecasting in the study area. Future tendencies forecasting was performed by the application of fuzzysets functions and multicriteria analysis (MCA) based on a series of factors and constraints that characterize anddescribe the study area. The fuzzy set theory provides and effective mathematical basis for the construction ofdecision rules used in the evaluation of this criteria. Therefore it is possible to create future scenarios based ondetailed analysis of present factors and constraints of the study area in order to determine their influence in thefuture.