Clasificación geomorfométrica a partir de datos lidiar en un área minera degradada

Abstract

Las características del cualquier entorno varían considerablemente en función de la topografía, siendo un factor indispensable a tener en cuenta en cualquier estudio, y más concretamente en la Sierra Minera de Cartagena – La Unión; zona de clima semiárido en la que históricamente ha tenido lugar una gran actividad de minería extractiva que ha modificado todos sus componentes morfológicos (relieve, pendiente, etc.), resultando por tanto de especial interés la clasificación de los elementos geomorfológicos allí presentes. En este estudio se ha utilizado un Modelo Digital de Elevaciones (MDE) de 4 metros de resolución espacial obtenido a partir de un vuelo LiDAR (Light Detection and Ranging) con el objetivo de hacer una clasificación geomorfométrica. Para ello, se realiza una primera aproximación a la realidad de la zona de estudio mediante una clasificación no supervisada, utilizando como técnica cluster el algoritmo ISODATA (Iterative Self- Organizing Data Analysis Technique), e introduciendo los atributos topográficos derivados directamente del MDE para caracterizar las clases. Asimismo, se realiza una clasificación supervisada basada en áreas de entrenamiento de los principales elementos geomorfológicos.

The characteristics of any environment vary widely in relation with the topography, being an indispensable factor to take into account in any study, and more specifically in the mining range of Cartagena - La Unión. It is a semiarid area in which, historically, large mining activity has changed all its morphological components (relief, slope, etc..), being of special interest the classification of its geomorphological elements. The data used in the classifications were derived from a four-meter grid LIDAR- DEM. Firstly, we perform an approximation to the reality of the study area by unsupervised classification, using the ISODATA (Iterative Self- Organizing Data Analysis Technique) algorithm cluster technique, introducing the topographic attributes derived directly from the DEM to characterize classes. Also a supervised classification based on training areas of the main geomorphological elements is performed.