Metodologías inductivas y deductivas en técnicas de teledetección

RESUMEN:

La teledetección (Remote Sensing) se fundamenta
en la observación remota de la superficie terrestre y
abarca los procesos que permiten obtener información a
distancia y su posterior tratamiento. Se presentaron
metodologías vinculadas con la aplicación de
métodos inductivos y deductivos, las cuales evidenciaron,
tanto en la etapa de análisis como de procesamiento
digital de imágenes satelitales, la identificación
de aplicaciones de los razonamientos inductivos y deductivos,
evaluados a partir de conceptos epistemológicos. A partir
de los diferentes ejemplos propuestos, se analizaron las
ventajas, desventajas y conflictos observados en la
adopción de estas metodologías por disciplinas
científicas como teledetección.

INTRODUCCIÓN

En epistemología se ha discutido extensamente
sobre el uso de metodologías inductivas y deductivas como
parte del proceso de investigación científica. En
general, las discusiones se refieren a investigaciones llevadas a
cabo en épocas distintas e ilustran situaciones
históricas. Sin embargo, existen campos de
investigación y desarrollo en la actualidad en los que se
emplean ambas metodologías (inductivas/deductivas). En
este trabajo se ilustra la aplicación de estas
metodologías en el campo de
teledetección.

Las imágenes satelitales representan una fuente
de información de la cual es factible extraer datos
espacialmente distribuidos a partir de análisis y
procesamiento digital. Esta información puede consistir en
variables continuas, categorización de la imagen en clases
temáticas, análisis de cambios, medición de
la estructura espacial del territorio, entre otras;
utilizándose como complemento y/o actualización del
conocimiento del territorio.

La información almacenada en las imágenes
es utilizada para adquirir o comprobar conocimientos del
territorio, entendiéndolas como un conjunto
sistemático de medidas cuantitativas. Representan
importantes herramientas para la observación de una parte
del universo (mundo), con el objetivo de realizar afirmaciones o
proposiciones acerca del espacio observado.

Algunos autores plantean, en la etapa de
extracción de información temática a partir
de las imágenes, técnicas que conducen a la
aplicación de metodologías inductivas o deductivas.
La selección del tipo de metodología será
función de si se parte de un diseño experimental
para extraer leyes (metodología inductiva), o bien, si se
proponen estimaciones al analizar las relaciones teóricas
entre los componentes que intervienen en el problema
(metodología deductiva). (Chuvieco, 2002)

El objetivo de este trabajo es analizar la
aplicación de los métodos inductivos y deductivos
en la disciplina de teledetección, con el fin de
identificar de qué manera se construyen y validan
conocimientos usando cada uno de los métodos
mencionados.

FUNDAMENTOS DE
TELEDETECCIÓN

El fundamento físico de la teledetección
se basa en la medida de la radiación
electromagnética emitida o reflejada por objetos, como
respuesta a la incidencia de una radiación natural (luz
solar: "Teledetección pasiva") o artificial (radar:
"Teledetección activa"). (Figura 1)

Figura 1: Esquema de teledetección
pasiva (izq.) y activa (der.).

La imagen como salida de un sensor a bordo de un
satélite (teledetección espacial), es generada como
producto de una cámara cuya óptica está
preparada para concentrar la imagen sobre el sensor separando
espectralmente en grupos la luz incidente. De esta forma, cada
grupo se almacena en la memoria como una imagen separada en
bandas correspondiendo al rango azul, verde, rojo, infrarrojos,
etc. del espectro electromagnético.

Por otro lado, por ser la imagen un producto digital,
puede calibrarse para que cada píxel (la menor superficie
discriminada por el sensor) nos de un valor de radiancia en vez
de un contaje digital solamente, en una escala de niveles de
grises de 256 valores. Estas bandas que componen la
adquisición de una imagen, están perfectamente
registradas entre si y pueden combinarse para producir una
composición del terreno en color natural o falso color,
siendo factible generar otras imágenes para proveer mapas
de parámetros geofísicos, como concentración
de clorofila en cuerpos de agua o temperatura
superficial.

Además, es posible correlacionar la
información mencionada con la medida en el campo y
clasificar digitalmente la imagen, a través del estudio de
la matriz de píxeles asociadas, con el fin de separar,
identificar y cuantificar, por ejemplo: superficies de las
diferentes clases presentes en ella, como áreas de
cultivos, lagunas, cuerpos de agua, forestaciones,
etc.

En la Figura 2, se presenta un esquema de los conceptos
vertidos en párrafos precedentes.

Figura 2: Esquema de recepción,
producción y calibración de información en
imágenes satelitales.

REVISIÓN
DE LOS CONCEPTOS DE INDUCCIÓN Y
DEDUCCIÓN

Los razonamientos que proceden desde un número
finito de hechos específicos hasta una conclusión
general, se llaman razonamientos inductivos, para distinguirlos
de los razonamientos lógicos o deductivos. En los primeros
las leyes generales son formuladas en un ámbito más
amplio del que se parte, que es el ámbito de los hechos
(Chalmers, 2000).

Es decir que se podría caracterizar
"deducción" como un razonamiento tal que, a partir de
proposiciones verdaderas se garantice la verdad de su
conclusión. La verdad de la conclusión se obtiene
bajo dos condiciones: la verdad de las premisas y la validez de
la inferencia.

Por otro lado, el razonamiento inductivo conduce a una
conclusión más o menos probable, pero no otorga
garantía completa acerca de la verdad de lo que se
concluye. Esto de la falta de garantía hace que una
inducción (a diferencia de la deducción) pueda
llevar de premisas verdaderas a una conclusión falsa. El
razonamiento inductivo está siempre sujeto a
refutación por la aparición de un nuevo
dato.

En este sentido, para el INDUCTIVISMO INGENUO, la
ciencia se inicia con la OBSERVACIÓN. Para ello se
requiere que el observador científico tenga los
órganos de los sentidos en condiciones normales y
esté libre de prejuicios. A los enunciados que se alcanzan
mediante la observación se los conoce bajo la
denominación de enunciados observacionales, de los cuales
se derivarán, mediante la generalización,
teorías y leyes que constituirán el conocimiento
científico.

Podemos distinguir entre dos tipos de enunciados
observacionales: (a) los singulares, derivados de la
observación de un determinado fenómeno, en un
determinado momento y lugar y (b) los generales o universales,
que hacen referencia a todos los acontecimientos de un
determinado tipo en todos los lugares y en todos los tiempos. Las
leyes y teorías que forman el conocimiento
científico son enunciados de este tipo.

En general, las condiciones que deben cumplir los
enunciados observacionales singulares para establecer
generalizaciones universales son tres:

a) Que el número de enunciados observacionales
sea grande, vale decir, no es lícito establecer una
generalización a partir de una sola observación. Se
trata de una condición necesaria.

b) Que las observaciones se repitan en una amplia
variedad de condiciones.

c) Que ningún enunciado observacional aceptado
contradiga la ley universal derivada. Ésta es una
condición esencial.

El tipo de razonamiento que nos permite ir de los
enunciados singulares a los universales, es decir, de la parte al
todo, se llama RAZONAMIENTO INDUCTIVO, y el proceso,
INDUCCIÓN.

El problema de la Inducción es que la validez y
la justificabilidad de su principio pueden ponerse en duda. En
relación a la validez, se sostiene que las argumentaciones
lógicas válidas se caracterizan por el hecho que si
la premisa es verdadera, la conclusión debe ser verdadera.
Esto es lo propio en las argumentaciones deductivas. Pero las
argumentaciones inductivas no son argumentaciones
lógicamente válidas. Podría darse el caso de
conclusiones falsas con premisas verdaderas, sin que esto
constituya una contradicción. Respecto a la
justificabilidad, los inductivistas emplean la inducción
para justificar la inducción, lo que constituye una
definición circular. Así como se cita en Chalmers,
2000, "cada razonamiento inductivo involucra la llamada a un
conocimiento previo, que requiere un razonamiento inductivo que
lo justifique, que a su vez implica una llamada a otro
conocimiento previo y así sucesivamente en una cadena sin
fin".

La inducción, presenta otros problemas
mencionados por Chalmers (2002) y resumidos a
continuación:

a) Determinar cuánto es "un
número de enunciados observacionales grande". b)
Determinar cuánto es "una amplia variedad de
circunstancias".

Un intento de evitar el problema de la postura del
inductivismo ingenuo consiste en recurrir a la probabilidad: ya
no se afirma que el conocimiento científico, al que se han
arribado mediante la inducción, sea perfectamente
verdadero, sino probablemente verdadero.

Según Chalmers, lo atractivo del inductivismo es
que "las leyes y teorías que constituyen el conocimiento
científico se derivan por inducción a partir de una
base de hechos suministrada por la observación y la
experimentación (inducción). Una vez que se cuenta
con este conocimiento general, se puede recurrir a él para
hacer predicciones y ofrecer explicaciones
(deducción)".

Desde el punto de vista epistemológico, tanto
inducción como deducción derivan del verbo latino
duco, ducere, ductum, que significa llevar, transportar,
acompañar. La inducción y la deducción se
diferencian en el prefijo: in es de dirección, de entrada;
y de es de extracción, de salida.

Los métodos inductivo y deductivo pueden
representar el razonamiento en una dirección o en la
contraria, de lo general a lo particular o viceversa. Ambos
utilizan la lógica y llegan a una
conclusión.

La diferencia fundamental entre el método
deductivo y el inductivo es que el primero aspira a demostrar,
mediante la lógica pura, la conclusión en su
totalidad a partir de unas premisas, de manera que
se garantiza la veracidad de las conclusiones, si no se invalida
la lógica aplicada.

Por el contrario, el método inductivo crea leyes
a partir de la observación de los hechos, mediante la
generalización del comportamiento observado; en realidad,
lo que realiza es una especie de generalización, sin que
por medio de la lógica pueda conseguir una
demostración de las citadas leyes o conjunto de
conclusiones. Estas conclusiones podrían ser falsas y, al
mismo tiempo, la aplicación parcial efectuada de la
lógica podría mantener su validez; por eso, el
método inductivo necesita una condición adicional,
su aplicación se considera válida mientras no se
encuentre ningún caso que no cumpla el modelo
propuesto.

Otro método se presenta en este ámbito, el
hipotético-deductivo o de contrastación de
hipótesis, el cual no plantea problemas, puesto que su
validez depende de los resultados de la propia
contrastación. Este método se suele utilizar para
mejorar o precisar teorías previas en función de
nuevos conocimientos, donde la complejidad del modelo no permite
formulaciones lógicas. Por lo tanto, tiene un
carácter predominantemente intuitivo y necesita, no
sólo para ser rechazado sino también para imponer
su validez, la contrastación de sus
conclusiones.

TIPOS DE
METODOLOGÍAS EN TELEDETECCIÓN

En teledetección, se puede realizar una
clasificación de los métodos disponibles en dos
grupos en función de la metodología utilizada en la
generación de información: (Chuvieco,
2002)

1) Métodos inductivos: se basan en
la observación experimental para extraer leyes. Intentan
establecer una relación cualitativa y cuantitativa entre
el parámetro a estimar y los valores del sensor, a partir
de observaciones in situ, tomadas en el momento de adquirir la
imagen. Es decir, se pueden obtener funciones de ajuste local que
ponen en relación los datos de la imagen con el
parámetro de interés. Las técnicas de ajuste
más habituales son las regresiones matemáticas o
las redes neuronales. (Hines et al. 1998). Ventajas: sencillez,
fácil de calibrar y posibilidad de estimar su exactitud,
ya que se contrastan con observaciones de la misma variable que
se estima.

Desventajas: escasa capacidad de generalización,
ya que sólo podrían aplicarse con las mismas o
similares condiciones a la situación en que se generaron
(condiciones ambientales del lugar, sensor, rango de la variable
que se estima, condiciones de observación o
atmosférica, etc.)

2) Métodos deductivos: se basan en
la aplicación de modelos físicos o
matemáticos que permitan estimar los parámetros de
interés a partir de los datos adquiridos mediante
teledetección. Analizan los factores físicos que
intervienen en los procesos de reflexión, absorción
y dispersión de la radiación incidente, y plantean
métodos para estimar la reflectividad global observada por
el sensor a partir de una serie de parámetros de entrada
(propiedades ópticas de las hojas, ángulo de
observación, etc.). Establecen una relación de
validez general, lo más independiente posible de las
condiciones de observación. Parten de demostrar la
relación física entre el parámetro a estimar
(ejemplo: reflectancia) y la información espectral
contenida en la imagen (ejemplo: nivel de gris o digital). Luego
de establecida esta relación, el método se
invierte, de tal forma que pueda estimarse la variable a partir
de la imagen. Esto implica un proceso de ajuste que generalmente
no es muy preciso, ya que se deben asumir condiciones que rara
vez se dan en la naturaleza, como isotropía
en las hojas, reflectividad lambertiana (sobre superficie
especular), etc.

APLICACIÓN
DE MÉTODOS EMPÍRICOS EN
TELEDETECCIÓN

Con el fin de presentar la aplicación de
metodologías inductivas y deductivas en
teledetección se proponen ejemplos desarrollados en base a
imágenes satelitales de la serie LANDSAT y datos de campo,
como herramienta para determinar y verificar relaciones entre
parámetros de calidad y niveles de
reflectancia.

Ejemplo 1: Se muestra una metodología que
consiste en utilizar los dos tipos de métodos (deductivo e
inductivo) sobre la región sur de Brasil, particularmente
en la Laguna de los Patos. Se establece una relación entre
valores medidos de material en suspensión (MES) dentro del
cuerpo lagunar y valores medidos sobre las imágenes
disponibles. El método deductivo, consistió en
convertir, a partir de funciones ya establecidas (Chuvieco, 1996)
valores de niveles digitales (ND) almacenados en cada
píxel de la imagen a valores físicos de
reflectividad. Por otro lado, en el método inductivo se ha
inferido una función matemática entre los valores
observados de ND y reflectividad, con respecto a los valores
medidos de MES en campo.

El método deductivo propone transformar valores
de ND a niveles de reflectividades (?)? con la expresión
propuesta en Chuvieco, 1996 (Ec. 1) y en otras publicaciones que
demuestran la aceptación de esta expresión por la
comunidad científica.

?= D*p*L / Eo*cos T (1)

donde ?: ?reflectividad; D: factor de corrección
por distancia Tierra-Sol; L: radiancia espectral con L = ao+a1*ND
(2); ao, a1: coeficientes de calibración por banda propia
de cada sensor; Eo: irradiancia solar en el techo de la
atmósfera; T: ?ángulo cenital de flujo
incidente.

Por otro lado, a partir de la observación de la
relación entre los valores de ND y las mediciones en
campo, según la Figura 3, es posible establecer una
función entre ambas variables.

Figura 3: Niveles digitales (ND) medidos
en la Banda 1 (B1) de cada imagen satelital junto
con los respectivos valores de MES medidos en
campaña.

A través del método inductivo, y asociando
este comportamiento a otros similares se deduce que un conjunto
de datos como el presentado en la Figura 3 es posible
describirlos matemáticamente a través de una
expresión de tipo de exponencial como la
siguiente:

Ln (MES [mg/L]) = a * (?1) + b
(3)

donde: ?1 reflectividad en banda 1 calculada en
función de ND para la misma banda. Los coeficientes a y b,
de la ecuación (3) son los parámetros a ajustar por
regresión múltiple.

En este ejemplo se observa la aplicación de ambos
métodos considerados. El método deductivo se
utilizó porque se parte de leyes ya establecidas y
verificadas hacia otros valores de ciertas variables. En este
caso, la teoría genera una transformación de
variables, avalada por la aplicación de expresiones
fuertemente fundamentada por gran cantidad de observaciones
dentro de esta disciplina científica. Por otro lado, el
método inductivo parte de observar el comportamiento de
cierta variable y generar a partir de allí leyes, al
comparar este comportamiento con otros ya estudiados, para
garantizar la conclusión extraída. Esto demuestra
que el concepto epistemológico de los métodos
involucrados es desarrollado en la metodología aplicada.
La expresión propuesta en la ec. (3) indica que si bien a
los datos observados en la Figura 3 se asocian a una
función del tipo exponencial, esta se verifica mientras
que no observen nuevos datos que refuten esta
generalización. En esta etapa se observan las falencias en
la justificación de la afirmación realizada
anteriormente, lo que constituye una desventaja del
método.

Ejemplo 2: Se ilustra el desarrollo de un modelo
teórico, a partir de la relación existente entre
Clorofila-a (Cl-a) y valores de reflectividad. La región
de aplicación de este segundo ejemplo es el embalse Los
Molinos, provincia de Córdoba.

Se considera a la Cl-a como una variable primaria e
indirecta, según Jensen (2000), ya que se relaciona con
los datos obtenidos por el sensor, modificando primariamente
la señal registrada por el mismo. Este tipo
de variable es exclusivamente cuantitativa y se pueden explicar
indirectamente por la reflectividad de una cubierta observando en
qué bandas su efecto es más visible. Esto es entre
las bandas azul y rojo del espectro electromagnético,
entre 0,45 y 0,65 &µm de longitud de onda.

El principio sobre el que se basa este modelado es que a
mayor absorción debido a la presencia de Cl-a en el
embalse, la reflectividad será baja. (Chuvieco,
1996)

Una vez definido y calibrado el modelo matemático
que permite cuantificar y mapear parámetros
biológicos, se aplica la siguiente expresión
teórica (Ec. 4) deducida en base al procesamiento de
imágenes y la observación del conjunto de valores
medidos respecto de los correspondientes procesados (Bazán
et al., 2003).

ln (Cl-a [&µg/L]) = 1,8726
– 0,0334 * (?1/??2) – 4,0591* (?1) (4)

donde: ?1 y ?2 son valores de reflectividad en bandas 1
y 2, respectivamente. Los coeficientes a, b y c, de la
ecuación (4) son los parámetros ajustados por
regresión múltiple.

En la Figura 4, se observa un mapeo de la
distribución de Cl-a en el Embalse, resultante de aplicar
la metodología resumida anteriormente sobre las
imágenes disponibles de la región.

Figura 4: Distribución de Cl-a sobre
imagen satelital del 18/08/00. Rango [0-10 &µg/L] De
esta forma se observa en este ejemplo, el desarrollo de ambas
metodologías en forma similar al presentado
en el Ejemplo 1. Así, el método deductivo implica
una asimilación verdadera de la ley que vincula los ND y
las reflectividades, la cual será aceptada mientras sea
aceptada la ley que las vincula. Por otro lado, la
observación de la relación entre las
reflectividades de las distintas bandas con respecto a la Cl-a,
lleva a definir la relación entre el valor medido en campo
y el teórico, lo que implica llegar a una expresión
como la propuesta en la ecuación (4) estimada en
función de múltiples observaciones y pruebas de
conjuntos de valores.

Ejemplo 3: Se presenta el procesamiento digital de
productos LANDSAT, con el objetivo de extraer información
relacionada con los cambios ambientales. Se plantea,
principalmente, el crecimiento urbano en la ciudad de
Córdoba y alrededores y la identificación de zonas
factibles de cambios en el uso de suelo, determinando en base a
comparaciones de los rangos espectrales sobre imágenes del
año 1999 y 2003. La metodología utilizada plantea
el análisis de cada imagen en una secuencia temporal
definida, realizando un reconocimiento e integración de
elementos visuales como brillo, color, textura y emplazamiento,
para inferir rasgos diferenciales en la morfología
urbana.

Así, la interpretación visual
permitió reconocer objetos y extraer información de
las imágenes, ya que a partir del brillo puede deducirse
la densidad de edificación, ya que aquellas zonas con
mayor influencia del trazado viario ofrecen un brillo más
oscuro. En el mismo sentido, el color indica si la zona cuenta o
no con espacios verdes. La textura indica el grado de
heterogeneidad propia de un determinado sector, mientras que el
emplazamiento indica el carácter del objeto analizado
dentro de la imagen con respecto a su entorno. (Chuvieco,
2002)

En la Figura 5, se presenta una imagen satelital de la
ciudad de Córdoba y alrededores, donde la tonalidad
más oscura en el centro de la misma hace referencia a una
zona con mayor población que en el resto de la imagen. Se
ha marcado con recuadros dentro de cada imagen aquellas zonas
donde se prevén futuros cambios de usos de
suelo.

Figura 5: Imagen LANDSAT 7 del día
07/01/03. Bandas 5-4-3. En las zonas recuadradas se prevén
cambios futuros en el uso del suelo.

Por otro lado, diferencias en cuanto a superficies
loteadas y ocupadas entre dos imágenes desfasadas
temporalmente (14/12/99 y 07/01/03) se observan en zonas
próximas a Mendiolaza y en al oeste del Aeropuerto de
Córdoba, en menor medida, lo que se muestra con recuadros
de las Figuras 6 y 7, respectivamente.

Figura 6: Imagen satelital del noroeste de
la ciudad de Córdoba. Destacando en loteos en el cuadrante
superior izquierdo de la imagen de 14/12/99.

Figura 7: Imagen satelital del noroeste de
la ciudad de Córdoba. Destacando construcciones en el
cuadrante superior izquierdo de la imagen de 07/01/03.

Así, en la Figura 8, se presenta a la derecha la
transecta seleccionada sobre una imagen satelital, mientras que a
la izquierda la correspondiente firma espectral. En esta
última, el eje horizontal del gráfico representa
distancias muestreadas desde izquierda a derecha y el eje
vertical indica el rango de los píxeles dentro de una
escala que varía de 0 a 255.

Figura 8: Firma espectral sobre imagen
satelital LANDSAT 7. BANDA: 3-2-1. 14 de Noviembre
de 2000.

Una interpretación de los perfiles espectrales
precedentes señala la presencia de los bordes de agua con
respecto al terreno seco correspondiente al Embalse San Roque,
con valores de píxeles por debajo de 50 en las bandas
analizadas del espectro visible (Roja, Verde y Azul). Regiones
con presencia de espacios verdes, se asocian a altos valores de
píxeles entre 50 y 70, mientras que zonas urbanizadas con
valores entre 70 y 150.

En función de este análisis, se plantea la
aplicación de un método deductivo al realizar sobre
la imagen una clasificación supervisada, identificando
rangos de valores de intensidades de píxeles o niveles
digitales para extraer información de las zonas
urbanizadas en forma espectral.

Se realizó sobre la imagen una
clasificación por medio de funciones teóricas
establecidas una agrupación de píxeles de la imagen
con valores de ND entre 70 y 150, en una clase o categoría
de datos, cuyo resultado se presenta en la Figura 9.

En este sentido, las imágenes de satélites
provén dos tipos de variable.

– Primarias: relacionadas directamente con los datos
obtenidos por el sensor, influyen primariamente en la
señal registrada en la imagen. Por ejemplo, la temperatura
ya que modifica la radiancia emitida en el rango infrarrojo
térmico del espectro electromagnético. Lo mismo
puede asociarse a variables como clorofila, contenido de agua,
material en suspensión, etc. que alteran directamente la
reflectividad de una cubierta.

– Secundarias: derivan de las primeras por algún
tipo de conceptualización. Por ejemplo, la
identificación de distintos tipos de coberturas de suelo,
lo cual se identifica al medir la radiancia en distintas bandas
del espectro, y relacionarla con propiedades texturales y
espaciales (forma, textura, etc.).

Figura 9: Izq. Imagen satelital LANDSAT 7, del
día 03/12/98. Bandas (R-G-B): 3-2-1.

Der. Resultado de la clasificación
supervisada en un grupo.

Por último, en el Ejemplo 3 se presenta la
aplicación del método inductivo en
teledetección. A partir de observaciones y tratamiento de
datos estadísticos extraídos de las mismas
imágenes se estableció una ley, al definir rangos
de píxeles, que permite evidenciar cualitativamente zonas
con cambios de uso de suelo. A partir de la bibliografía
que determina los procesos para identificar cambios de usos de
suelo, el método planteado en este ejemplo sigue lo
recomendado por distintos autores. En este caso, se identifica el
método inductivo en este procedimiento, basado
principalmente en observaciones de comportamientos en otros
sitios y extrapolando a la región en estudio. Esto
representa una debilidad en la metodología adoptada,
aunque representa la que mayor uso directo realiza sobre las
imágenes disponibles.

CONCLUSIONES

En este trabajo se han considerado métodos
identificados como inductivos y deductivos dentro de las
investigaciones en teledetección. A través de un
análisis de la significación de esos
términos en la disciplina específica y en
epistemología, se ha establecido que los términos
se corresponden, de modo que el uso en teledetección puede
verse como un caso particular del uso más general en
epistemología. Las concepciones de estos métodos
para la generación de conocimiento son básicamente
las mismas, variando las técnicas en función del
momento histórico. El rango de aplicaciones de la
teledetección depende de las innovaciones en los sensores
remotos y en los métodos de tratamiento.

Se han presentado ejemplos que demuestran la
aplicación de métodos deductivos e inductivos en la
rama de la teledetección. En esta disciplina
científica, es posible utilizar datos de la propia imagen
para extraer información, por ejemplo por observaciones, o
bien relacionarla ya sea con datos de campo o con expresiones
teóricas establecidas para aplicar alguno de los
métodos inductivos o deductivos.

Los métodos deductivos resultan un camino
más firme que los inductivos para estimar variables
biofísicas a partir de la teledetección, ya que se
basan en general en expresiones teóricas con cierto nivel
de credibilidad y aceptadas por los usuarios de esta disciplina.
Consideran a la imagen como una matriz de medidas
numéricas de una variable de interés, por lo que
podrían utilizarse para obtener una distribución
espacial de dicha variable (para las variables
primarias).

Por otro lado, los métodos inductivos son una
gran ayuda para generar cartografía temática de la
región de interés, por medio de
interpretación visual o digital de las imágenes,
como se presentó en el ejemplo 3. Así, la
aplicación de estas metodologías, con cierta
antigüedad en el ámbito de la ciencia, se ve
indudablemente reasignada al ámbito de la
teledetección, innovando como herramienta de
trabajo.

En los ejemplos planteados, se parte del mundo analizado
y se presenta una metodología en cada caso con la que se
realizan predicciones para extraer resultados específicos.
Complementando esto con observaciones del mundo y comparaciones
con los resultados es posible arribar a la validación de
la mecánica propuesta. Esto es en el sentido de confirmar
que la manifestación se comporta igual que el mundo
analizado.

El principal conflicto observado da cuenta que en esta
disciplina la mayor cantidad de información y
aprovechamiento de las imágenes, es a través de la
observación. Es decir, la metodología inductiva es
la que mayor cantidad de información es posible brindar
del producto imagen y esta a su vez es la que menor
justificación presenta. Esto representa el punto
más débil de la aplicación de las
metodologías presentadas, de las cuales se supone que la
inducción debe ser las que de mayor valor a la
teledetección ya que los métodos deductivos en
teledetección se basa en formulaciones ya verificadas y
aceptadas por la comunidad científica.

BIBLIOGRAFÍA

Chalmers, A. F. (2000): "¿Qué es esa cosa
llamada ciencia?", 3º Ed. Siglo Veintiuno de
Argentina Editores. S.A. España.

Chuvieco, E. (1996): "Fundamentos de la
teledetección". 3º Ed. RIALP, S.A. Madrid. Chuvieco,
E. (2002): "Teledetección ambiental". 3º Ed. RIALP,
S.A. Madrid.

ESRI (2001): "Manual del Programa ENVI V3.5"
Environmental System Research Institute, Redlands,
California, EE.UU.

Gitelson,A., Garbuzov, G., Szilagyi, F. y Mittenzwey, K.
(1993): "Quantitative remote sensing methods for real-time
monitoring of inland waters quality". International Journal of
Remote Sensing, 14, 1269-1295. EE.UU.

Hines, W. W. y Montgomery, D. C., 1996: "Probabilidad y
estadística para ingenieros". 2º Ed.
Compañía Editorial Continental. S.A.
México.

Jensen, J. R. (2000): "Remote sensing of the
environment. An Earth resource perspective, Upper Saddle River",
N.J., Prentice-Hall.

Bazán, R.; Pagot, M.; Corral, M.;
Rodríguez, A.; Oroná, C.; Cossavella, A. (2003):
"Modelado y aplicación de sensores remotos a calidad de
agua en el Embalse Los Molinos, Córdoba Argentina". (En
evaluación en CURIHAM, Rosario. Argentina).

Autor:

Mariana Pagot