SciELO - Scientific Electronic Library Online

 
vol.51 número2Estructura comunitaria del microfitobentos de la zona costera central de VenezuelaLas mujeres en la actividad pesquera: una mirada al aporte de las platoneras de Buenaventura, Colombia índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • En proceso de indezaciónCitado por Google
  • No hay articulos similaresSimilares en SciELO
  • En proceso de indezaciónSimilares en Google

Compartir


Boletín de Investigaciones Marinas y Costeras - INVEMAR

versión impresa ISSN 0122-9761

Bol. Invest. Mar. Cost. vol.51 no.2 Santa Marta jul./dic. 2022  Epub 14-Dic-2022

https://doi.org/10.25268/bimc.invemar.2022.51.2.1161 

ARTICULO DE INVESTIGACIÓN

Mapeo de planos lodosos con imágenes UAV en La Bocana de Iscuandé, costa Pacífica colombiana

Camilo F. Mina-Cartagena1 
http://orcid.org/ 0000-0003-0257-1715

José E. Fuentes2  * 
http://orcid.org/0000-0003-1233-4924

Richard Johnston González3 
http://orcid.org/0000-0002-1365-8261

1Agesat Research Group, Geography Department, Universidad del Valle, Cali, Colombia. camilo.mina@correounivalle.edu.co

2Agesat Research Group, Geography Department, Universidad del Valle, Cali, Colombia. jose.fuentes@correounivalle.edu.co

3 Asociación para el Estudio y Conservación de las Aves Acuáticas en Colombia-Calidris , Cali, Colombia. richard.johnston@cornell.edu


ABSTRACT

Conservation planning for marine-coastal environments requires updated and detailed maps; the aim of this work is to generate detailed maps for two mudflats in the Iscuandé River Delta (Bocana de Iscuandé) in the Colombian Pacific Coast (Department of Nariño). These are important areas for fauna, especially migratory shorebirds. To address this problem, this study investigated the use of unmanned aerial vehicles (UAVs) as an alternative for collecting detailed mapping information in areas of difficult access using photogrammetric methods and a geographic information system (GIS). UAV images were used to generate maps with a high level of detail at a scale of 1:10,000 that include detailed information about environments such as mudflats and mangroves which had not been mapped before. UAVs are a practical tool for mapping places where weather and access conditions hinder the use of satellite images or conventional aerial photography. They are also useful for mapping areas with high temporal and spatial variability, such as mudflats, where other platforms may not reveal their short-term dynamics. Our results show that this technique has a high potential for mapping such environments, and reveal that the Iscuandé mudflats are maintained by a relative equilibrium between the ebb and flow of waves and tides, and are also influenced by the local climate. This type of application provides critical data for conservation and management strategies of areas with great ecological importance.

Key words: UAV; geographic information system; tidal mudflats; shorebirds; Colombian Pacific

RESUMEN

La planificación de la conservación de los ambientes marino-costeros requiere de mapas actualizados y detallados, por lo que el objetivo de este trabajo es generar la cartografía detallada de dos planos lodosos en el delta del río Iscuandé (Bocana de Iscuandé) en la costa Pacífica colombiana (departamento de Nariño). Estas son áreas importantes para la fauna, especialmente para las aves playeras migratorias. Para abordar este problema, este estudio investigó el uso de Vehículos Aéreos no Tripulados (UAV, por sus siglas en inglés) como una alternativa para recopilar información cartográfica detallada en áreas de difícil acceso utilizando métodos fotogramétricos y Sistemas de Información Geográfica. (SIG). Las imágenes de los vehículos aéreos no tripulados se utilizaron para generar mapas con un alto nivel de detalle a escala 1:10.000 que incluyen información detallada sobre entornos como los planos intermareales y los manglares que no habían sido cartografiados anteriormente. Los Vehículos Aéreos no Tripulados son una herramienta práctica para cartografiar lugares en los que las condiciones meteorológicas y de acceso dificultan el uso de imágenes por satélite o de fotografía aérea convencional. En concreto, la cartografía de zonas con alta dinámica temporal y espacial, como los planos lodosos, no es posible con otras plataformas debido a su naturaleza altamente cambiante en cortos periodos de tiempo. El principal resultado muestra que es posible cartografiar los planos intermareales mostrando que se mantienen en un relativo equilibrio entre el flujo y reflujo de las olas y las mareas temporalmente e influenciadas por el clima local. Este tipo de aplicación proporciona datos críticos para las estrategias de conservación y gestión de áreas de gran importancia ecológica.

Palabras-clave: UAV; sistema de información geográfica; planos lodosos; aves playeras; Pacífico colombiano

INTRODUCCIÓN

El término vehículo aéreo no tripulado (UAV por sus siglas en inglés) se volvió común en la década de 1990 para describir aeronaves autónomas (Hoffmann et al., 2004; Rao et al., 2016). En los últimos años han aumentado las aplicaciones geográficas de los UAV, que adquieren datos principalmente por medio de cámaras (Zhang, 2008). La fotografía aérea permite extraer múltiples elementos de información. Por ejemplo, con una imagen capturada se pueden identificar objetos en la superficie al combinar sus propiedades de textura, forma y tonalidad. La fotografía aérea con UAV permite identificar coberturas terrestres que no se distinguen con facilidad en imágenes satelitales debido a su resolución espacial. Las aplicaciones del mapeo UAV incluyen el modelado topográfico, el inventario de flora y fauna y las estimaciones de la cobertura terrestre. (Greenwood, 2016; Fuentes et al., 2018; Fuentes, 2020).

Los UAV se han utilizado para capturar imágenes de ambientes costeros (Green et al., 2019) y, junto con los sistemas de información geográfica (SIG) y la fotogrametría, para clasificar y mapear la cobertura terrestre (tipos de sedimento, vegetación y cuerpos de agua), así como para estudiar sus cambios en el tiempo (Gonçalves y Henriques, 2015). También se han utilizado métodos que se basan en UAV para mapear los cambios en el litoral (Nikolakopoulos et al., 2019), para evaluar la relación entre la excavación de macrofauna y la geomorfología de las marismas (Brunier et al., 2020), para monitorear la biomasa en salinas costeras (Doughty y Cavanaugh, 2019), para clasificar la cobertura de terreno costero (Meng et al., 2017) y para estimar la biomasa sobre la superficie de los manglares (Navarro et al., 2020). Con los UAV ha sido posible realizar estudios en áreas extensas y en períodos cortos a un bajo costo (Koh y Wich, 2012). Los UAV pueden capturar imágenes de alta resolución espacial y temporal a través de vuelos más frecuentes a baja altura (Mandujano y Rísquez, 2017). En el caso de los ambientes marino-costeros de Colombia, existen en la actualidad mapas nacionales oficiales a escalas de 1:100,000 (Ideam et al., 2017) con una cantidad limitada de detalles para aplicaciones a escalas más pequeñas. En Colombia se han utilizado recientemente estos métodos para mapear afloramientos rocosos y bosques de manglar (Castellanos et al., 2019) y arrecifes de coral (Sierra et al., 2020). Además, se han utilizado UAV para actualizar los mapas topográficos nacionales del Instituto Geográfico Nacional (Igac) en lugares donde los métodos tradicionales se encuentran limitados por condiciones climáticas y geográficas (Vergara y Arenas, 2017).

Los ambientes marinos y costeros constituyen casi la mitad del territorio nacional (Andrade, 2011) y contienen múltiples ecosistemas y especies de flora y fauna. Muchos de estos ambientes brindan servicios ecosistémicos asociados a especies y espacios bajo gestión de conservación (manglares, playas, acantilados, fondos marinos blandos, corales, praderas marinas), así como servicios de suministro y sustento a muchas comunidades locales, particularmente en la costa del Pacífico. La costa del océano Pacífico colombiano es una de las regiones con las precipitaciones anuales más altas del mundo (Rangel, 2004), superada únicamente por Mawsynram y Cherrapunji en la India, pues la región Pacífica experimenta una nubosidad constante debido al desplazamiento de masas de aire del océano Pacífico y la ubicación geográfica de la serranía del Baudó y la cordillera Occidental de los Andes (Gutiérrez et al., 2019), lo que limita el acceso a imágenes satelitales con poca nubosidad.

Los planos lodosos son áreas costeras casi planas en zonas intermareales que se consideran como transiciones y conexiones entre el mar y la tierra. Consisten en sedimentos no consolidados, en general arenas y limos, con sales precipitadas producto de la deposición de limos estuarinos, arcillas y detritus de animales marinos (Eisma, 1998; Tan et al., 2020). Los planos lodosos se caracterizan por ser humedales que se sumergen periódicamente en agua marina (Bayliss et al., 1979). Por sus aspectos geológicos y geomorfológicos, los planos lodosos pueden observarse como capas expuestas de lodo. Desde una perspectiva ambiental y ecológica, las marismas albergan un gran número de nichos ecológicos y proveen hábitats valiosos a muchas especies, incluyendo microorganismos, crustáceos, gusanos, peces y aves (Phang y Friess, 2015). Los planos lodosos o planicies intermareales son ambientes comunes a lo largo de los litorales del Pacífico, si bien son rara vez estudiados en Colombia. Los planos lodosos pueden encontrarse en las desembocaduras de los ríos y en áreas estuarinas formadas por sedimentos arenosos, arcillosos y limosos suministrados por la erosión y la acreción costera. El transporte fluvial dispone estos sedimentos en masas de lodo expuestas o sumergidas de acuerdo con el nivel de la marea y la influencia del oleaje (Gao, 2019). Los planos lodosos incluyen áreas sin vegetación como playas salinas, estuarios y bajíos arenosos; áreas con vegetación herbácea; áreas inundadas de agua salada; y áreas de aguas dulces y salobres inundadas por la marea (Igac et al., 2007).

Los planos lodosos representan áreas de alta biodiversidad que incluyen diferentes especies de macroinvertebrados bentónicos (Xue et al., 2019) y aves migratorias que las usan como paradas de alimentación y descanso (Burger et al., 1997). Particularmente en Colombia, los planos lodosos son el destino del mayor número de especies de aves playeras y migratorias, así como del mayor número de individuos (Johnston-González et al., 2010). Uno de los planos lodosos más importantes para las aves playeras es la Reserva de Aves Playeras de la Bocana del Río Iscuandé, a lo largo de la costa pacífica del departamento de Nariño (Cantera et al., 2009). El objetivo de esta investigación fue evaluar el potencial de las técnicas UAV para el mapeo de alta resolución espacial de los planos lodosos costeros en la Bocana del Río Iscuandé del departamento de Nariño, Colombia, en diferentes condiciones climáticas.

ÁREA DE ESTUDIO

El delta del río Iscuandé está ubicado en el municipio de Santa Bárbara de Iscuandé (2° 28’ N, 77° 59’ W), a lo largo de la costa pacífica del departamento de Nariño. Esta área está incluida en el Complejo Marino-Costero Iscuandé-Sanquianga-Gorgona, que hace parte de la Unidad de Manejo Integrado Guapi-Iscuandé del Parque Nacional Natural Sanquianga (Figura 1). Este delta está dentro de la unidad geomorfológica de pantanos de manglar y se inunda dos veces en el día con cada marea alta. Su sustrato es fangoso y rico en materia orgánica, por lo que alberga bosques de manglar y otros organismos asociados a este ecosistema, con un rango mareal promedio de 3,7 m (Invemar et al., 2003). Su relieve está determinado por la terraza aluvial del océano Pacífico y se caracteriza por tierras bajas y llanuras aluviales adyacentes al mar, atravesadas por estuarios. Ubicada en la región biogeográfica del Chocó Neotropical, la Bocana de Iscuandé recibe un promedio de lluvias de 3 318 a 5 909 mm año−1 (Rangel, 2004). Entre sus paisajes y ecosistemas hay bosques de manglar, bosques de llanura aluvial, playas, islas de barrera y marismas, con diversas comunidades de peces, moluscos, crustáceos, bivalvos y aves playeras (Calidris et al., 2017). Hay dos planos lodosos a las orillas del litoral de Iscuandé que se conocen localmente como bajo La Cunita (2°39’15” N, 78°03’00” W) y bajo Quiñones (2°39’57” N, 78°00’28” W) (Figura 1). Estos planos lodosos se reconocen como sitios de importancia biológica a nivel nacional y se declararon sitios de importancia regional dentro de la Red Hemisférica de Reservas para Aves Playeras (WHSRN, por sus iniciales en inglés) en 2009 debido a sus poblaciones significativas de aves migratorias (Calidris, 2017).

Figura 1 Ubicación de los planos lodosos La Cunita y Quiñones del Pacífico colombiano en una imagen satelital PlanetScope de agosto de 2019. 

MATERIALES Y MÉTODOS

Durante los meses de agosto y noviembre de 2019, se visitaron los planos lodosos de La Cunita y Quiñones de 9 a 10 am con la marea baja para obtener imágenes de los planos expuestos en condiciones óptimas de luz solar. Se capturaron las imágenes con dos UAV convencionales. Para el primer vuelo en Quiñones se utilizó el UAV DJI Phantom 3 con un sensor RGB CMOS de 1/2.3” (12 MP efectivos), con una resolución máxima de 4 000 x 3 000 píxeles. Para el segundo vuelo en Quiñones y los dos vuelos en La Cunita se utilizó un vehículo DJI Mavic Air equipado con RGB CMOS de 1/2.3” (12 MP efectivos), con una resolución máxima de 4056 x 3040 píxeles. Las imágenes se georreferenciaron mediante un sistema global de navegación por satélite (GNSS) que incluye vehículos tanto en el Sistema de Posicionamiento Global (GPS, EEUU) y el Sistema Global de Navegación por Satélite GLONASS (Rusia), con precisiones horizontales y verticales de aproximadamente ± 1,5 m y ± 0,5 m respectivamente.

Se prepararon los vuelos mediante la plataforma en línea DroneDeploy, donde el área a fotografiar se escogió usando Google Maps y se definieron variables de vuelo como la altitud y el traslape, i.e., el porcentaje de área común entre fotografías. El valor de la altitud guarda una relación inversa con el número de fotos tomadas durante el vuelo, i.e., a mayor altura, menos fotos tomadas, y viceversa. Se requiere una gran superposición entre imágenes para obtener resultados de alta precisión. Por lo tanto, el plan de adquisición de imágenes se diseñó con cuidado para que tuviera el traslape suficiente en función del tiempo de vuelo. Teniendo en cuenta variables atmosféricas como la velocidad del viento y la nubosidad, se estableció una altitud de 90 m para los vuelos de La Cunita y de 150 m para Quiñones, con un porcentaje de traslape del 65 % para ambos vuelos. Se estableció una distancia de muestreo del suelo (GSD) de menos de 15 cm por tamaño del píxel, teniendo en cuenta que el tipo de terreno a mapear era una zona intermareal principalmente plana. Se ejecutaron las mismas misiones de vuelo en cada área porque DroneDeploy guarda las misiones previas para uso futuro.

Posteriormente se procesaron las imágenes en el software fotogramétrico específico para vuelos UAV Pix4Dmapper, versión 4.2.27. El software encuentra de manera automática miles de puntos comunes entre imágenes. Cada punto característico que se encuentre en una imagen se denomina punto clave [keypoint]. Cuando los puntos claves coinciden en dos o más imágenes, se consideran coincidentes y se utilizan para generar un punto tridimensional. Entre más puntos clave haya, con mayor precisión se podrán calcular a partir de un grupo de fotografías tomadas desde un UAV. A partir de estas fotos se crea una nube de puntos en función del porcentaje de superposicón, lo cual facilita el cálculo de la paralaje y la posterior reconstrucción tridimensional de las formas presentes en las imágenes, generando una ortofotografía del área de sobrevuelo. Previo a este paso se añaden los puntos de control del suelo (GCP) de los datos tomados del GNSS para mejorar el posicionamiento de las imágenes. Como resultado se generaron cuatro ortofotos, y se escogió el sistema de coordenadas universal transversal de Mercator (UTM 17 Norte) para el área de estudio. Las ortofotos resultantes de las imágenes del vehículo DJI Phantom 3 se escalaron a 14,93 cm/píxel, mientras que las del dron DJI Mavic Air se escalaron a valores entre 4,32 y 5,39 cm/píxel (Tabla 1). En total se tomaron más de 1510 fotografías durante los cuatro vuelos sobre los dos planos lodosos.

Tabla 1 Escalas de píxeles de las ortofotos resultantes. 

Las ortofotos se cargaron en ESRI® ArcGIS, versión 10.5, y se utilizaron para crear una capa de cobertura de terreno con las siguientes clases: banco de arena, manglar, pasto, estanque, matorral (majagua) y planos lodosos mareales. Las escalas finales de mapeo fueron 1:5000 para Bajo La Cunita y de 1:2500 para Bajo Quiñones. La diferencia entre las escalas se relaciona con el uso de dos vehículos con sensores de resoluciones máximas diferentes. La Figura 2 resume los métodos mencionados.

Figura 2 Diagrama de flujo para mapear los planos lodosos 

Después de elaborar las ortofotos (Figura 3) se generaron los polígonos finales de fotointerpretación para realizar la cartografía temática de las dos zonas.

Figura 3 Ortofotos de los planos lodosos de La Cunita y Quiñones entre agosto y noviembre de 2019. El fondo es una imagen de PlanetScope de agosto de 2019. 

RESULTADOS

La llanura mareal de La Cunita, la más grande en el territorio, tiene una extensa área de sedimentos fangosos en su borde oriental, donde se forma una red de canales superficiales que drena en dirección occidente-oriente en función de la pendiente (Figura 4). Un banco de arena rodea la masa de sedimentos fangosos al oeste porque esta área no se inunda durante la marea alta y protege el plano lodoso del oleaje. Hay una franja de majagua (Talipariti tiliaceum) sobre el banco de arena y algunos individuos de mangle rojo (Rhizophora mangle) sobre el plano lodoso (Figura 5).

Figura 4 Mapa del Bajo La Cunita en agosto (los dos paneles de la izquierda) y noviembre (los dos paneles de la derecha) de 2019. El fondo es una imagen de PlanetScope de agosto de 2019. 

Figura 5 Sistema de canales en la zona fangosa e individuos de mangle rojo en Bajo La Cunita. El color púrpura muestra una acumulación de materia orgánica en descomposición y sedimentos. 

Hubo varios cambios en la extensión de las coberturas costeras entre agosto y noviembre, incluyendo la acreción del banco de arena en el extremo norte, la reducción del tamaño de la franja de arbustos de majagua y el incremento en el número de mangles rojos (Tabla 2). Aunque parece que el área de sedimentos fangosos expuestos se redujo, es más probable que este efecto se deba al muestreo. Las diferencias en la altura de la marea y la dificultad para componer mosaicos de imagen en áreas cercanas al agua hacen que sea difícil obtener un traslape perfecto, así como dilucidar cambios en el área de los planos lodosos.

Tabla 2 Cambios en la extensión de la cobertura de terreno (ha) en La Cunita. 

* Disminución aparente. Ver explicación en el texto.

Como el plano lodoso más grande del área estuarina, La Cunita alberga el mayor número de aves playeras por número de especies e individuos, tales como especímenes de la familia Scolopacidae, junto con especies de la familia Charadriidae. Las aves buscan comida en el sustrato fangoso y descansan y anidan para reproducirse en los bancos de arena con vegetación.

Bajo Quiñones tiene una superficie total y un área fangosa menores que La Cunita (Figura 6). La vegetación está dominada por un grupo de mangles rojos más altos y maduros que los de La Cunita. Hay pastos halófilos junto a los manglares al occidente y en el centro de esta área. Hacia el norte hay un pequeño estanque de agua marina rodeado por manglares y habitado por crustáceos como el cangrejo azul. Un banco de arena atraviesa el plano lodoso de norte a sur, en pendiente hacia el este, similar al de La Cunita, pero de menor longitud.

Figure 6 Map of Bajo Quiñones from August (2 left panels) and November (2 right panels) of 2019. The background image is a PlanetScope image from August 2019. 

De agosto a noviembre, la extensión de los planos lodosos intermareales expuestos aumenta (hay que tener en cuenta que los bordes de los mosaicos no coinciden en su totalidad porque la altura de la marea modifica la imagen resultante). Adicionalmente, el ancho del banco de arena disminuye, particularmente en su extremo sur (Tabla 3).

Tabla 3 Cambios en la cobertura del terreno (ha) en Bajo Quiñones. 

Durante este periodo, el área de manglar aumenta a expensas del pasto y el agua (estanque). Además, hay una redistribución de sedimentos a lo largo de la playa (Figura 7).

Figura 7 Cambios en la vegetación y redistribución de sedimentos (flechas amarillas) en Bajo Quiñones entre agosto y noviembre de 2019. 

Este plano lodoso alberga un menor número de individuos de aves debido al limitado espacio disponible. Sin embargo, hay presencia de aves más grandes como el pelícano pardo (Pelecanus occidentalis), que utiliza los grandes árboles de los manglares para descansar.

DISCUSIÓN Y CONCLUSIONES

El uso de UAV para mapear planos lodosos permitió una inspección detallada de los ambientes que no habían sido mapeados debido a las limitaciones de acceso y a las condiciones de nubosidad. Es preciso anotar que el tamaño relativamente pequeño del área de estudio (< 79 ha) permite el uso de esta técnica, lo cual no sería viable en inspecciones nacionales a mayor escala, tales como el Mapa de Ecosistemas Continentales y Costeros, de carácter oficial. Además, el mapeo mediante UAV es útil para evaluar cambios espaciales en periodos cortos, tal como lo demuestran estudios realizados en otras áreas costeras (Samiappan et al., 2017a, 2017b; Gonçalves et al., 2018; Broussard et al., 2020; Gómez-Gutiérrez y Gonçalves, 2020) y el presente estudio. En ecosistemas costeros, los modelos de elevación de alta precisión y las ortofotos derivadas de conjuntos de datos tomados por los UAV mejoran el detalle espacial y temporal del reconocimiento geomorfológico. La implementación exitosa de un reconocimiento por UAV aumentó la resolución temporal del conjunto de datos y redujo potencialmente los costos de despliegue. Esto demuestra la alta resolución espacial y temporal que brindan los UAV cuando vuelan a bajas altitudes y con la frecuencia deseada por el investigador (Mandujano et al., 2017). La fotogrametría de los UAV se ha convertido en una solución relevante -y posiblemente más asequible- para el monitoreo costero, según Gonçalves y Henriques (2015). Esta afirmación coincide con la mejora en la clasificación de planos lodosos mediante la fotointerpretación de imágenes de muy alta resolución. Los resultados son precisos en la medida en que los elementos en la fotografía pueden observarse en detalle mediante el zoom, junto con las notas y registros hechos en el campo, para identificar especies de plantas y características geográficas con mayor facilidad. El proceso, aunque consume más tiempo, brinda resultados más precisos en comparación con la clasificación de imágenes satelitales (Schmedtmann y Campagnolo, 2015; Broussard et al., 2020).

En este caso, el uso de UAVs permitió una caracterización detallada de las dinámicas espaciales y temporales de los planos lodosos de La Bocana de Iscuandé, donde se encontraron diferencias en la constitución sedimentológica y morfológica. En específico, se encontraron diferencias en los tipos de materiales, en la pendiente y en la actividad de la marea y de las olas, condiciones que moldean el desarrollo y evolución de estos paisajes (Gao, 2019) y les dan un alto dinamismo espacial en periodos cortos. Estas características los hacen sitios ideales para el monitoreo con la ayuda de UAV.

Las limitaciones de esta técnica en nuestro estudio incluyen la dificultad para obtener puntos de control en el suelo (GCP) de alta precisión, las diferentes resoluciones espaciales relacionadas con el uso de cámaras diferentes y el ruido de áreas con agua en movimiento. Con respecto a los GCP, no se utilizaron GCP de alta precisión, lo cual es típico de esta técnica, debido a la dificultad para acceder a las áreas fangosas expuestas al mar. Aun así, las ortofotos no mostraron ninguna distorsión significativa causada por su limitada extensión espacial y su topografía plana. Su correcto posicionamiento se corroboró con imágenes ortorrectificadas de un satélite planetario con resolución de 3 m con fecha similar a la de los vuelos aquí discutidos. El uso de UAV con resoluciones espaciales y sensores diferentes, a pesar de que no compromete el detalle del mapeo final, arrojó algunas diferencias en el tamaño de los píxeles, por lo que se aconseja usar un solo vehículo para obtener ortofotos con tamaños de píxel similares. Finalmente, las imágenes tenían un efecto de ruido por el reflejo de la luz solar en áreas con agua marina en movimiento, si bien se adquirieron cuando el sol no estaba en su cénit. Las fotos con este efecto no pudieron ser combinadas por medio del software, lo que resultó en algunas diferencias en la extensión de las ortofotos finales. Para vuelos futuros que incluyan áreas marinas, debe considerarse el uso de elementos flotantes con colores contrastantes (i.e., boyas) como puntos de control para aumentar la precisión de las ortofotos.

Los UAV son herramientas prácticas para mapear espacios cuyas dimensiones y condiciones meteorológicas dificultan el estudio con imágenes satelitales o fotografía aérea convencional, e.g., las áreas costeras remotas. En este estudio se utilizaron imágenes UAV para caracterizar las dinámicas de dos planos lodosos en el transcurso de cuatro meses, utilizando resoluciones espaciales y temporales muy altas. Una mayor frecuencia de vuelos y puntos de control terrestres más precisos, junto con más estudios sobre su geología, biología y calidad ambiental generan datos críticos para la planeación de conservación en lugares de gran importancia ecológica, particularmente para las aves migratorias.

AGRADECIMIENTOS

Este estudio fue financiado con un subsidio del programa de Fraternidad de Soluciones Costeras de la Universidad de Cornell y recibió apoyo logístico de la Asociación Calidris en el marco del proyecto de pasantía Mapeo de planos lodosos en la Bocana de Iscuandé, Departamento de Nariño, a partir de imágenes UAV. También recibió apoyo de la Vicerrectoría de Investigaciones de la Universidad del Valle por medio del subsidio CI 4406 - Convocatoria Interna 124-2020 asociado al proyecto Análisis multi-temporal de la vulnerabilidad por erosión costera en la Unidad Ambiental Costera Málaga Buenaventura. Queremos agradecer al Consejo Comunitario Esfuerzo Pescador de La Bocana de Iscuandé en el municipio de Santa Bárbara, departamento de Nariño, por permitirnos acceder a su territorio, así como a la Asociación Calidris y a la Universidad del Valle por su asesoría técnica

REFERENCIAS

Andrade, M.G. 2011. Estado del conocimiento de la biodiversidad en Colombia y sus amenazas. Consideraciones para fortalecer la interacción ciencia-política. Rev. Acad. Col. Cien., 35 (137):491-508. [ Links ]

Bayliss-Smith, T. P., R. Healey, R. Lailey, T. Spencer and D. R. Stoddart. 1979. Tidal flows in salt marsh creeks. Estuar. Coast., 9 (3):235-55. doi: https://doi.org/10.1016/0302-3524(79)90038-0Links ]

Broussard, W. P., J.M. Visser and R.P. Brooks. 2020. Quantifying vegetation and landscape metrics with hyperspatial unmanned aircraft system imagery in a coastal oligohaline marsh. Estuar. Coast., 1-12. doi: https://doi.org/10.1007/s12237-020-00828-8Links ]

Brunier, G., E. Michaud, J. Fleury, E.J. Anthony, S. Morvan and A. Gardel. 2020. Assessing the relationship between macro-faunal burrowing activity and mudflat geomorphology from UAV-based Structure-from-Motion photogrammetry. Remote Sens. Environ., 241:111717. doi: https://doi.org/10.1016/j.rse.2020.111717Links ]

Burger, J., L. Niles and K.E. Clark. 1997. Importance of beach, mudflat and marsh habitats to migrant shorebirds on Delaware Bay. Biol. Conserv., 79 (2):283-92. doi: https://doi.org/10.1016/S0006-3207(96)00077-8Links ]

Calidris. 2017. La Bocana de Iscuande, un lugar que conservamos, Resultados del monitoreo participativo en el territorio colectivo del Consejo Comunitario Esfuerzo Pescador. Cali.134 p. [ Links ]

Cantera, J.R., A. Giraldo, V. Castrillon, F. Cortes, A. Guzman, L.M. Mejía-Ladino, H. Saenz, O.D. Solano y E. Montoya. 2009. Informe del estado de los ambientes y recursos marinos y costeros en Colombia. Año 2008. Inst. Invest. Mar. Cost. Invemar, Santa Marta. [ Links ]

Castellanos-Galindo, G.A., E. Casella, J.C. Mejía-Rentería and A. Rovere. 2019. Habitat mapping of remote coasts: Evaluating the usefulness of lightweight unmanned aerial vehicles for conservation and monitoring. Biol. Conserv., 239:108282. doi: https://doi.org/10.1016/j.biocon.2019.108282Links ]

Doughty, C.L. and K.C. Cavanaugh. Mapping coastal wetland biomass from high resolution Unmanned Aerial Vehicle (UAV) imagery. Rem. Sens., 11 (5): 540. doi: https://doi.org/10.3390/rs11050540Links ]

Eisma, D. 1998. Intertidal deposits: river mouths, tidal flats, and coastal lagoons. Vol. 16. CRC. Boca Raton, USA. 234 p. [ Links ]

Fuentes, J. 2020. Comparación de modelos de altura de la vegetación para estimación de biomasa en un bosque de manglar en el Caribe Colombiano. Entor. Geo., (19): 1-18. doi: https://doi.org/10.25100/eg.v0i19.9471Links ]

Fuentes, J., D. Varga and J. Pinto. 2018. The use of high-resolution historical images to analyse the leopard pattern in the arid area of La Alta Guajira, Colombia. Geosci. J., 8 (10):366. [ Links ]

Gao, S. 2019. Geomorphology and sedimentology of tidal flats: 359-381. In Perillo, G.M.E., E. Wolanski, D.R. Cahoon and C.S. Hopkinson (Eds). Coastal wetlands. Elsevier. [ Links ]

Gómez-Gutiérrez, Á. and G.R. Gonçalves. 2020. Surveying coastal cliffs using two UAV platforms (multirotor and fixed-wing) and three different approaches for the estimation of volumetric changes. Int. J. Rem. Sens., 41 (21):8143-75. doi: https://doi.org/10.1080/01431161.2020.1752950Links ]

Gonçalves, J.A. and R. Henriques. 2015. UAV photogrammetry for topographic monitoring of coastal areas. ISPRS J. Photogramm. Remote Sens., 104:101-11. doi: https://doi.org/10.1016/j.isprsjprs.2015.02.009Links ]

Gonçalves, J.A., L. Bastos, S. Madeira, A. Magalhães and A. Bio. 2018. Three-dimensional data collection for coastal management - efficiency and applicability of terrestrial and airborne methods. Int. J. Rem. Sens., 39 (24):9380-99. doi: https://doi.org/10.1080/01431161.2018.1523591Links ]

Green, D.R., J.J. Hagon, C. Gómez and B.J. Gregory. 2019. Using low-cost UAVs for environmental monitoring, mapping, and modelling: Examples from the coastal zone: 465-501. In: Krishnamurthy, R.R., M.P. Jonathan, S. Srinivasalu and B. Glaeser (Eds). Coastal management. Academic. [ Links ]

Greenwood, F. 2016. Drones on the horizon: new frontier in agricultural innovation. ICT Update. [ Links ]

Gutiérrez, M.A., K.E. Meneses y L.M. Vásquez. 2019. Boletín meteomarino mensual del Pacífico colombiano No. 74/Febrero. San Andrés de Tumaco. 31 p. [ Links ]

Hoffmann, G., D.G. Rajnarayan, S.L. Waslander, D. Dostal, J.S. Jang and C.J. Tomlin. 2004. The Stanford testbed of autonomous rotorcraft for multi agent control (Starmac). Paper presented at the Digital Avionics Systems Conference, 2004. DASC 04. [ Links ]

Ideam, Igac, IAvH, Sinchi, IIAP e Invemar. 2017. Mapa de ecosistemas continentales, costeros y marinos de Colombia (MEC), escala 1:100.000. Bogotá. 177 p. [ Links ]

Igac, Ideam, IAvH, Invemar, Sinchi e IIAP. 2007. Ecosistemas continentales, costeros y marinos de Colombia: Imprenta Nacional de Colombia. [ Links ]

Invemar, CRC, Corponariño e IIAP. 2003. Formulación del plan de manejo integrado de la zona costera del complejo de las bocanas Guapi Iscuandé, Pacífico colombiano. Fase I Caracterización y diagnóstico. Invemar, Santa Marta. 575 p. [ Links ]

Johnston-González, R., C. Ruiz-Guerra, D. Eusse-González, L.F. Castillo-Cortés, Y. Cifuentes-Sarmiento, P. Falk-Fernández y V. Ramírez De Los Ríos. 2010. Plan de conservación para aves playeras en Colombia. Asociación Calidris, Cali. 44 p. [ Links ]

Koh, L.P. and S.A. Wich. 2012. Dawn of drone ecology: Low-cost autonomous aerial vehicles for conservation. Trop. Conserv. Sci., 5 (2):121-32. doi: https://doi.org/10.1177/194008291200500202Links ]

Mandujano, S., M. Pazmany y A. Rísquez-Valdepeña. 2017. Drones: una nueva tecnología para el estudio y monitoreo de fauna y hábitats. Agro. Pro., 10: 79-84. [ Links ]

Meng, X., N. Shang, X. Zhang, C. Li, K. Zhao, X. Qiu and E. Weeks. 2017. Photogrammetric UAV mapping of terrain under dense coastal vegetation: An object-oriented classification ensemble algorithm for classification and terrain correction. Rem. Sens., 9 (11):1187. [ Links ]

Navarro, A., M. Young, B. Allan, P. Carnell, P. Macreadie and D. Ierodiaconou. 2020. The application of Unmanned Aerial Vehicles (UAVs) to estimate above-ground biomass of mangrove ecosystems. Rem. Sens. Environ., 242:111747. doi: https://doi.org/10.1016/j.rse.2020.111747Links ]

Nikolakopoulos, K., A. Kyriou, I. Koukouvelas, V. Zygouri and D. Apostolopoulos. 2019. Combination of aerial, satellite, and UAV photogrammetry for mapping the diachronic coastline evolution: The case of Lefkada Island. ISPRS Int. J. Geo-Inf., 8 (11):489. doi: https://doi.org/10.3390/ijgi8110489Links ]

Phang, V.X., L.M. Chou and D.A. Friess. 2015. Ecosystem carbon stocks across a tropical intertidal habitat mosaic of mangrove forest, seagrass meadow, mudflat and sandbar. Earth Surf. Process. Landf., 40(10): 1387-1400. doi: https://doi.org/10.1002/esp.3745Links ]

Rangel, J.O. 2004. Colombia diversidad biótica IV: El Chocó biogeográfico/costa pacífica. Univ. Nal. Col., Inst. Cienc. Nat. [ Links ]

Rao, B., A.G. Gopi and R. Maione. 2016. The societal impact of commercial drones. Technol., 45: 83-90. doi: https://doi.org/10.1016/j.techsoc.2016.02.009Links ]

Reid, W. V. 1998. Biodiversity hotspots. Trends Ecol. Evol., 13 (7): 275-280. doi: https://doi.org/10.1016/S0169-5347(98)01363-9Links ]

Roldán-Pérez, G. 2016. Los macroinvertebrados como bioindicadores de la calidad del agua: cuatro décadas de desarrollo en Colombia y Latinoamerica. Rev. Acad. Colomb. Cienc. Ex. Fis. Nat., 40 (155): 254-274. doi: https://doi.org/10.18257/raccefyn.335Links ]

Samiappan, S., G. Turnage, L.A. Hathcock and R. Moorhead. 2017a. Mapping of invasive phragmites (common reed) in Gulf of Mexico coastal wetlands using multispectral imagery and small unmanned aerial systems. Int. J. Remote Sens., 38 (8-10):2861-82. doi: https://doi.org/10.1080/01431161.2016.1271480Links ]

Samiappan, S., G. Turnage, L. Hathcock, L. Casagrande, P. Stinson and R. Moorhead. 2017b. Using unmanned aerial vehicles for high-resolution remote sensing to map invasive Phragmites australis in coastal wetlands. Int. J. Remote Sens., 38 (8-10):2199-217. doi: https://doi.org/10.1080/01431161.2016.1239288Links ]

Schmedtmann, J. and M.L. Campagnolo. 2015. Reliable crop identification with satellite imagery in the context of common agriculture policy subsidy control. Rem. Sens., 7, 9325-9346. doi: https://doi.org/10.3390/rs70709325Links ]

Sierra-Escrigas, S.L., R.D.P. Peluffo and R. García-Urueña. 2020. Shallow coral reef community mapping and update on its ecological units using aerial images at Isla Arena, Colombian Caribbean. Int. J. Rem. Sens., 41 (21):8198-215. doi: https://doi.org/10.1080/01431161.2020.1763495Links ]

Tan, K., J. Chen, W. Zhang, K. Liu, P. Tao and X. Cheng. 2020. Estimation of soil surface water contents for intertidal mudflats using a near-infrared long-range terrestrial laser scanner. ISPRS J. Photogramm. Rem. Sens., 159:129-39. doi: https://doi.org/10.1016/j.isprsjprs.2019.11.003. [ Links ]

Vergara, A. y D. Arenas. 2017. Evaluación de la viabilidad del uso de aeronaves no tripuladas para la elaboración de cartografía catastral multipropósito. Anal. Geo., 54: 122. [ Links ]

Xue, J., J. Yang, Q. Wang, R.B. Aronson and H. Wu. 2019. Community structure of benthic macroinvertebrates in reclaimed and natural tidal flats of the Yangtze River estuary. Aq. Fish., 4 (5):205-213. doi: https://doi.org/10.1016/j.aaf.2019.04.001Links ]

Zhang, C. 2008. An UAV-based photogrammetric mapping system for road condition assessment. Int. Arch. Photogramm. Rem. Sens. Spatial Inf. Sci., 37:627-32. [ Links ]

Recibido: 05 de Marzo de 2021; Aprobado: 07 de Abril de 2022

Creative Commons License This is an open-access article distributed under the terms of the Creative Commons Attribution License