Available via license: CC BY-NC 4.0
Content may be subject to copyright.
Boletín de la Asociación de Geógrafos Españoles,
(96)
eISSN:
2605-3322
Cómo citar este trabajo:
Gómez Pazo, A. (2023). Using open-source methodologies in coastal research:
a comparison of change detection techniques. Boletín de la Asociación de Geógrafos Españoles, (96).
https://doi.org/10.21138/bage.3318
El empleo de metodologías de código abierto
para las investigaciones costeras: comparativa
de las técnicas de detección de cambios
Using open-source methodologies in coastal research:
a comparison of change detection techniques
Alejandro Gómez Pazo
a.gomez@usc.es
Departamento de Geografía
Universidade de Santiago de Compostela (España)
Resumen
El estudio de la costa ha tenido una gran importancia histórica, que se ha incrementado con la
llegada de las nuevas tecnologías y el posible impacto del cambio global. En este contexto, las
herramientas de código abierto se presentan como un pilar fundamental en esta rama de la
investigación. Este proyecto analiza las ventajas e inconvenientes de las herramientas de software
libre para la estimación de las variaciones costeras y de los cambios volumétricos empleando un
pequeño sector gallego como ejemplo. Se ha podido comprobar cómo las aproximaciones de
código abierto presentan resultados muy semejantes a las opciones con software privativo (ratios
≥ 0.97), mejorando en algunos casos los tiempos de procesado y ofreciendo unas mayores
posibilidades de personalización y capacidad de decisión a los usuarios.
Palabras clave: variaciones costeras; cambio global; SIG; ODSAS.
Recepción: 17.06.2022 Aceptación: 14.12.2022 Publicación: 07.03.2023
Este trabajo se publica bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.
Abstract
Coastal studies have a great relevance historically. This increase in the last with the new
technologies and the possible global change impact. In this context, open-source tools represent
a key element in these investigations. The present project analyzes the advantages and problems
of open-source tools for estimate coastal variations and volumetric changes. For this purpose, a
small sector of the Galician coast was used as an example. The open-source approaches have
produced similar results to those obtained with proprietary software (ratios ≥ 0.97). In some
cases, these methods improve processing times and allowing to users better possibilities for
customization and decision-making.
Keywords: coastal variations; global change; GIS; ODSAS.
1 Introducción
Las zonas costeras han mostrado históricamente un gran interés para la población dados sus
beneficios para el asentamiento de ciudades e industrias, por sus facilidades para el transporte,
y por la mayor disponibilidad de recursos. En este ámbito la población costera ha crecido de
forma continuada (Crowell et al., 2007) llegando a representar en el año 2017 el 37 % de la
población mundial. Ya en el 2000 se estimaba que unos 625 millones de personas vivían en la
denominada Low-elevation Coastal Zone (LECZ), y en todos los escenarios de futuro que se
manejan este número continuará creciendo en las próximas décadas (Neumann et al., 2015).
La importancia de la población e infraestructuras próximas al mar han hecho que desde la
investigación se ponga el foco en este sector para comprender sus dinámicas y futuro. Esto gana
peso en el actual contexto el cambio global, en el que desde la investigación se debe anticipar a
las posibles consecuencias relacionadas con la mayor virulencia de los temporales o los efectos
de la erosión costera e inundaciones en las zonas bajas.
Al igual que ha ocurrido en otros campos de la investigación, en los estudios costeros existe una
relación clara entre las mejoras tecnológicas y la expansión y precisión de los estudios (Gómez-
Pazo & Pérez-Alberti, 2021). Desde trabajos más generales de definición de las geoformas y
dinámicas generales se pasó a estudios en detalle sobre su comportamiento temporal. Esto
también ha ayudado a la expansión de la investigación costera en sectores tradicionalmente
menos analizados como las costas rocosas (Naylor et al., 2010).
En las últimas décadas existe un gran número de ejemplos de uso de las nuevas tecnologías para
estudios costeros, a partir de imágenes de satélite (Naylor et al., 2010), de datos de dron
Boletín de la Asociación de Geógrafos Españoles,
(96)
2
(Hoffmeister et al., 2020; Long et al., 2016; Pérez‐Alberti & Trenhaile, 2015), con el uso de
dispositivos de medición en el terreno (Aoki & Matsukura, 2007; Feal-Pérez & Blanco-Chao,
2013; Viles et al., 2011) o mediante la introducción de sensores (Gómez-Pazo et al., 2021a,
2021b; Hastewell et al., 2020; Hastewell et al., 2019; Payo et al., 2020; Stephenson &
Finlayson, 2009).
Actualmente, la monitorización de las variaciones costeras ha experimentado un gran avance
gracias al uso de tecnologías modernas como los drones o los sensores RFID (Radio Frequency
IDentification) junto con la aplicación de metodologías de código abierto. Esto ha permitido la
aparición de distintas aproximaciones, como las relacionadas con los cambios costeros (Gómez-
Pazo et al., 2022; Jackson et al., 2012) o con el procesado de información de dron y de
cámaras fijas (Gonçalves et al., 2018; Lyman et al., 2020; Narra et al., 2017).
Este trabajo trata de poner el foco en cómo las herramientas de código abierto pueden ayudar a
la gestión del medio litoral, evitando la necesidad de licencias comerciales y empleando tan sólo
datos de acceso abierto. Por un lado, en la definición de las tasas de variación de la línea de
costa se lleva a cabo una comparación entre DSAS (Digital Shoreline Analysis System)
(Himmelstoss et al., 2018) y ODSAS (Open Digital Shoreline Analysis System) (Gómez-Pazo et
al., 2022); y por otro, para la estimación de las variaciones volumétricas se ha optado por
seleccionar un sector sedimentario e información de dos fechas sobre la que se empleó el
Geomorphic Change Detection (GCD) (Wheaton et al., 2010) y una aproximación propia
generada en el lenguaje de programación R (R Core Team, 2020) y denominada como
Volumetric Changes using R (VolCR).
Esta investigación tiene como objetivo principal demostrar las capacidades que tienen las
herramientas de código abierto para las investigaciones costeras. La finalidad del estudio es
comparar el flujo de trabajo de las distintas metodologías y poner en perspectiva los beneficios y
posibles problemas de la aplicación de metodologías de código abierto en este tipo de
investigaciones. La zona de estudio seleccionada se analizará brevemente en el apartado de
resultados, mostrando las variaciones más significativas en ésta y analizando las cifras obtenidas a
partir de cada metodología.
2 Área de estudio
El sistema sedimentario de Pantín, localizado en la provincia de A Coruña, y su entorno más
inmediato ha sido la zona seleccionada para este trabajo (Figura 1).
Boletín de la Asociación de Geógrafos Españoles,
(96)
3
Figura 1. Localización de Pantín en el contexto peninsular (a) y provincial (b),
donde el punto SIMAR se representa en azul. En (c) se indican las zonas de trabajo
para la estimación de las variaciones costeras (rojo – sector global;
naranja – sector sedimentario) y volumétricas (azul)
Fuente: Elaboración propia a partir de datos del IGN (2022).
La ortofotografía del c) corresponde con la imagen del PNOA del año 2020
Se trata de un sector que se encuentra en la costa más energética de la Península Ibérica, con un
régimen mesomareal e importantes períodos de temporales durante el invierno, pudiendo
superar las olas los 10 m de forma puntual (Figura 2). En términos generales, a partir de los
datos del punto SIMAR 3032040 (Puertos del Estado, 2022), este sector presenta una altura
media de ola de 2,05 m, incrementándose el valor entre octubre-febrero, cuando esta media
asciende a 2,58 m. La dirección del oleaje predominante es desde el noroeste, con una
dirección media de 274°. Además, esta componente tiene una mayor importancia durante los
eventos energéticos (297°), como se puede observar en la Figura2-b.
Para el análisis de los eventos tormentosos, que tienen una mayor relevancia en la evolución de
este tipo de sistemas, se optó por el cálculo del nivel Hs.95, considerando que los temporales
deben presentar una altura media de ondas superior al cuantil .95 de la serie histórica (1958–
2021). En este caso el valor ha sido de 4,39 m.
Boletín de la Asociación de Geógrafos Españoles,
(96)
4
Figura 2. Características del oleaje en Pantín. a) altura de ola y dirección;
b) dirección y altura de olas, en azul oscuro las olas por encima del Hs.95 y en azul claro
las olas por debajo del umbral; c) Altura media de oleaje diario (2010–2020)
Fuente: elaboración propia a partir de datos de Puertos del Estado (2022)
para el punto SIMAR 3032040
Los eventos tormentosos registrados en el sector de análisis han sido de 296 y 189
respectivamente. Estos eventos son los marcados por los períodos con olas por encima de los
4,39 m (Hs.95) de más de 6 y 12 horas (Tabla 1). En ambos casos el mayor número de períodos
tormentosos se registró durante el año 2014 y los dos últimos años de la serie (2019 y 2020).
Boletín de la Asociación de Geógrafos Españoles,
(96)
5
Tabla 1. Número de tormentas considerando períodos
de >6 y >12 h con olas superiores a Hs.95.
AÑO
NÚMERO DE
TORMENTAS
(>6 horas)
NÚMERO DE
TORMENTAS
(>12 horas)
2010
15
9
2011
11
11
2012
14
7
2013
25
19
2014
45
27
2015
16
9
2016
30
19
2017
18
13
2018
37
21
2019
45
28
2020
40
26
Global
296
189
Fuente: elaboración propia a partir de datos de Puertos del Estado (2022) en el punto SIMAR
3032040 y basada en la metodología de Gómez-Pazo et al. (2021b)
3 Metodología
El flujo de trabajo de este proyecto se basa primeramente en el análisis de las distintas
alternativas existentes para la realización de análisis de la variación de las líneas de costa, así
como el análisis de las variaciones volumétricas. A partir de los distintos métodos se proponen
alternativas de código abierto en busca de resultados semejantes con procesos análogos.
3.1 Comparación de softwares de análisis costero
En la variación de la línea de costa se optó por emplear DSAS como opción propietaria y
ODSAS como variante de código abierto. La primera opción es de las más empleadas en los
estudios costeros (Castedo et al., 2015; Garrote et al., 2018; Sytnik et al., 2018), al tratarse de la
herramienta que tiene un mayor recorrido en este ámbito. Ha sido creada por el United States
Geological Survey (USGS) en la década de los 90 del pasado siglo y actualmente ya está
Boletín de la Asociación de Geógrafos Españoles,
(96)
6
disponible en su versión 5 (Himmelstoss et al., 2018) con grandes avances desde su inicio y con
una interfaz sencilla para los usuarios menos especializados, siempre dentro del entorno de
ArcGIS (ESRI). En contraposición con DSAS se optó por la estimación de las tasas de variación
costera mediante ODSAS (Gómez-Pazo et al., 2022), una herramienta basada en SAGA GIS
(Conrad et al., 2015) y R (R Core Team, 2020) que permite la estimación de los parámetros
ofrecidos en DSAS, pero sin la necesidad de licencias comerciales, al emplearse sólo softwares
libres. En este caso el diseño de las líneas de costa y la delimitación de los transeptos sobre los
que se calcularán las variaciones se realizan en SAGA GIS mediante las herramientas CliffMetrics
y ProfileCrossings, mientras que el apartado estadístico se lleva a cabo con el paquete de R
CoastCR. Se trata de una aproximación algo más compleja para usuarios no familiarizados con
estos entornos de trabajo, pero que muestra aspectos destacados como el uso de vectores y
rasters para la delineación de los transeptos, lo que permite la definición de la resolución del
estudio de un modo explícito.
Para el análisis de las variaciones volumétricas la opción propietaria escogida ha sido el GCD
cuya primera aproximación se recoge en Wheaton et al. (2010) y que actualmente está
disponible en su versión 7. Al igual que en el caso de DSAS, la interfaz de uso de GCD está en
el entorno de ArcGIS, programa que requiere una licencia comercial para el procesado. Esta
herramienta calcula a partir de Modelos Digitales (MDs) de distintas fechas las variaciones que se
han dado en un sector concreto. Esta aproximación metodológica se replicó en el entorno de
programación de R, denominándose esta primera aproximación VolCR. Actualmente se trata de
una metodología en pruebas y que se espera que esté lista para el uso de cualquier usuario
interesado en los próximos meses. Esta herramienta desencadenará en un paquete de R, al
modo de CoastCR, con el que poder procesar toda la información por parte del usuario con la
simple introducción de los MDs de partida.
3.2 Origen de la información y definición del sector de análisis
Toda la información de partida para desarrollar este proyecto es accesible gratuitamente a través
del Centro de Descargas del Instituto Geográfico Nacional (IGN, 2022). Los datos se pueden
dividir en dos fuentes. Por un lado, las ortofotografías aéreas del PNOA disponibles entre 2010
y 2020, y por otro, los datos LiDAR (Light Detection and Ranging) que para Galicia están
disponibles en dos coberturas, la primera correspondiente con los años 2009-2010 y la segunda
para el año 2015.
Boletín de la Asociación de Geógrafos Españoles,
(96)
7
Con esta base se procedió a la selección de un sector de análisis que permitiese analizar la
variabilidad de la línea de costa y las diferencias volumétricas, por lo que se ha tratado de unir
en una zona de un tamaño reducido áreas sedimentarias con pequeños acantilados. En esta zona
se han aplicado los cuatro métodos descritos para comparar los resultados y poder mostrar las
fortalezas y debilidades de las distintas aproximaciones, así como comprender las variaciones
que se han producido.
3.3 Procesado de la información e incertidumbres
La definición de la posición de las líneas de costa se realizaron empleando como referencia las
ortofotografías del Plan Nacional de Ortofotografía Aérea (PNOA) disponibles en el Instituto
Geográfico Nacional (IGN, 2022) y que van desde el año 2010 al 2020 (Tabla 2). Esta
información otorga una cobertura espacial que permite el estudio de las dinámicas en un
período medio, en este caso 10 años, pudiendo relacionar los cambios producidos con factores
marinos o continentales cuya influencia varía a lo largo del tiempo.
Tabla 2. Características de las ortofotografías aéreas empleadas
FECHA
INCERTIDUMBRE -
RMSE x,y (m)
10/08/2010
≤ 0,50
25/09/2014
≤ 0,50
18/06/2017
≤ 0,50
22/10/2020
≤ 0,40
Fuente: elaboración propia a partir de datos del IGN (2022)
Además de los errores asociados a las propias imágenes (Tabla 2) se ha incluído la
incertidumbre de las líneas de costa digitalizadas a partir de estas imágenes. Dadas las
características semejantes entre las distintas fechas (escala 1:20000 y métodos de adquisición) se
ha optado en todas las fechas por emplear un margen de error de 1 m. Esta incertidumbre se
basa en estudios previos (Del Río & Gracia, 2013; Manno et al., 2017) y se relaciona con el tipo
de línea de costa seleccionada y el elemento sobre el que se ha cartografiado (vegetación
dunar, parte alta del acantilado, etc.). Las zonas artificiales en Pantín se han eliminado del
estudio para evitar que afecten a los valores centrales de los parámetros estadísticos de las
variaciones en los sectores naturales.
Boletín de la Asociación de Geógrafos Españoles,
(96)
8
En el caso de los análisis volumétricos, los datos LiDAR (IGN, 2022) hacen referencia a los años
2010 y 2015, cuyas características técnicas son semejantes (Tabla 3), por lo que se ha optado
por generar los MDs con la misma resolución para ambas fechas (0,5 m). En ambos se ha
seleccionado como Limit of Detection (LoD) 0,2 m, entendiendo que las variaciones por debajo
de este umbral pueden deberse a las incertidumbres asociadas a la obtención de la información,
las limitaciones técnicas de los dispositivos de adquisición de datos y su procesado (Anderson,
2019; Muñoz Narciso et al., 2017; Wheaton et al., 2010).
Tabla 3. Descripción de los datos LiDAR
FECHA
DENSIDAD
MÍNIMA DE
PUNTOS
RMSE Z
PRECISIÓN
PLANIMÉTRICA
29/06/2010 0,5 pts/m
2
≤
0,4 m
≤
0,3 m
06/09/2015 0,5 pts/m
2
≤
0,2 m
≤
0,3 m
Fuente: elaboración propia a partir de datos del IGN (2022)
3.4 Parametrización de las herramientas empleadas
Para el caso del análisis de las variaciones costeras, el trazado de las líneas de costa se realizó
en SAGA GIS a partir de la fotointerpretación de las ortofotografías aéreas de cada fecha,
siempre con una escala 1:800 y ajustando brillo y contraste para facilitar la interpretación. En el
sector sedimentario esta línea de costa se basa en la línea de la vegetación, mientras que, en los
acantilados de baja entidad, el proxy para la definición de la línea de costa ha sido el cliff top
(Burningham & Fernandez-Nunez, 2020; Del Río & Gracia, 2013; Himmelstoss et al., 2018;
Kuhn & Prüfer, 2014).
En el caso de la línea de base, se optó por diseñarla artificialmente en el sector marino a partir
de una zona de influencia a partir de las líneas de costa dibujadas previamente. Esta línea base
se ha suavizado de modo manual para evitar problemas a la hora de trazar los transeptos
perpendiculares a la misma.
En los resultados de ambas metodologías se obtuvieron los mismos parámetros estadísticos: Net
Shoreline Movement (NSM), End Point Rate (EPR), Shoreline Change Envelope (SCE), Linear
Regression Rate (LRR), y Weighted Linear Regression Rate (WLR). Además, en este caso al
Boletín de la Asociación de Geógrafos Españoles,
(96)
9
tratarse de líneas de costa con la misma incertidumbre (Tabla 2), los valores de LRR y WLR serán
idénticos, por lo que en los resultados sólo se hará referencia al primero de ellos.
Para el uso de DSAS se empleó el flujo de trabajo diseñado por los autores y descrito en detalle
en la guía de uso (Himmelstoss et al., 2018). Lo primero ha sido la creación de la geodatabase y
la inclusión en esta de la información de la línea base y las líneas de costa dibujadas
previamente. Asimismo, a estos datos se les añadió la incertidumbre y la fecha de adquisición
de las imágenes.
En este caso se ha optado por el trazado automático de los transeptos con una separación de 5
m entre ellos y un suavizado de 2,5 m para adaptarse al diseño de la costa analizada. En el caso
de la capa de transeptos tan sólo se eliminaron aquellos que se correspondían con las
infraestructuras artificiales, dejando los demás sin modificar. Además, para evitar posibles
errores de estimación de las variaciones de la línea de costa al considerar menos fechas que las
incluídas, se fijó que los transeptos deban cortar las cuatro líneas de costa.
En el caso de ODSAS, se siguió el flujo de trabajo incluido en estudios previos (Gómez-Pazo et
al., 2022; Paz-Delgado et al., 2022). A partir de la línea de base y las líneas de costa de las
distintas fechas en SAGA GIS con la ayuda de CliffMetrics en primer lugar y de ProfileCrossings
a continuación, se hallaron los puntos de intersección entre cada transepto perpendicular a la
línea de base y las líneas de costa. En este caso la resolución seleccionada ha sido de 5 m y al
igual que con DSAS, no se han editado los transeptos.
Con esta información de partida y la tabla con las fechas de las imágenes y su incertidumbre
asociada se procedió al uso del paquete de R CoastCR (disponible en https://alejandro-
gomez.github.io/CoastCR/), con el que ejecutando la función Coastline Variations se filtraron
los puntos de intersección para eliminar los que no fuesen reales y se estimaron los principales
parámetros estadísticos de las variaciones costeras, obteniendo el shapefile con los transectos y
las tasas de variación asociadas así como una tabla resumen con los principales valores
estadísticos.
En el caso del análisis de las variaciones volumétricas, en primer lugar, para el empleo del GCD
se han incluido los MDs de ambas fechas en la aplicación de GCD en ArcGIS 10.7 (Wheaton et
al., 2010), tras generarlos en ArcGIS a partir de los datos LiDAR del IGN. En estos modelos se
ha respetado la resolución espacial de partida de 0,5 m y se ha definido el más reciente y el
antiguo para el posterior cálculo de las variaciones.
Boletín de la Asociación de Geógrafos Españoles,
(96)
10
Entre las opciones para la obtención de los cambios volumétricos se ha fijado la incertidumbre
(LoD) en 0,2 m para toda la superficie. Este parámetro podría modificarse si existiese
información referente a las posibles variaciones a lo largo del sector analizado, pero, al tratarse
de un sector reducido (< 13000 m2) y con información de partida semejante, no se dispone de
información suficiente para esta parametrización.
El resultado de esta herramienta es otro MD, denominado Difference of DEMs (DoD), y que
registra las variaciones entre las dos fechas analizadas. La salida del GCD ya proporciona este
MD eliminando las zonas por debajo del LoD definido previamente.
La opción para este análisis mediante código abierto se ha procesado en R y se inicia con la
introducción de los archivos LiDAR, los cuales se pueden procesar a partir de paquetes como
lidR. Una vez que se obtienen los MDs, con la ayuda de los paquetes terra, dplyr y ggplot2 se
realizan los análisis estadísticos necesarios para obtener las variaciones superficiales, en la
componente vertical y volumétricas, al igual que con la aplicación del GCD.
4 Resultados
En este apartado se desarrollará la sección vinculada a las variaciones costeras, tanto mediante la
aplicación de DSAS como de ODSAS, para posteriormente entrar en detalle en el análisis de las
variaciones volumétricas a partir del GCD y el VolCR.
4.1 Variaciones de la línea de costa
Las variaciones vividas por el sector de Pantín durante los 10 años que abarca este proyecto
están marcadas por una clara erosión. Tanto en el análisis del sector en términos globales, como
en el estudio en detalle de la zona sedimentaria las tasas de retroceso se sitúan por encima de
los 30 cm anuales (Tabla 4). En este sentido, destaca la influencia que tienen las zonas no
sedimentarias en términos medios, disminuyendo considerablemente las tasas de erosión. Esto
se relaciona con la gran estabilidad de los sectores acantilados, a excepción del extremo
occidental, donde en el período estudiado se ha vivido un desprendimiento de gran
importancia, con un retroceso en una extensión de 40 m lineales de más de 12 m de media.
Boletín de la Asociación de Geógrafos Españoles,
(96)
11
Tabla 4. Comparativa de los resultados de las variaciones de la línea de costa empleando
ODSAS y DSAS en el sector global de Pantín (polígono rojo – Figura 1)
y en el sector sedimentario (polígono naranja – Figura 1)
PARÁMETRO
ODSAS
DSAS
RATIO*
SECTOR GLOBAL
EPR (m año-1)
-0,36
-0,37
0,97
NSM (m)
-3,70
-3,80
0,97
LRR (m año-1)
-0,42
-0,42
1,00
WLR (m año
-1
) -0,42 -0,42 1,00
SCE (m) 8,93 9,62 0,93
SECTOR SEDIMENTARIO
EPR (m año-1)
-0,54
-0,54
1,00
NSM (m) -5,50 -5,54 0,99
LRR (m año
-1
) -0,62 -0,61 1,01
WLR (m año-1)
-0,62
-0,61
1,01
SCE (m)
12,21
12,40
0,98
Leyenda:
*Ratio calculado entre el valor de ODSAS y DSAS.
Fuente: elaboración propia
En la Figura 3 se muestra la evolución de una de las zonas de mayor erosión entre 2010-2020.
Se trata del sector central, al cual las olas llegan de una forma más directa, especialmente
durante los temporales invernales y que vive una evolución más rápida. El retroceso medio de
esta zona se encuentra en 17,98 m en el análisis con DSAS y en 19,17 m aplicando ODSAS.
Boletín de la Asociación de Geógrafos Españoles,
(96)
12
Figura 3. Ejemplo de las variaciones costeras en el sector sedimentario de Pantín
con los valores del NSM (m) sobre la ortofotografía del año 2010
Fuente: elaboración propia a partir de la imagen PNOA del año 2020 del IGN (2022)
En el sector sedimentario también se han registrado diferencias en el período analizado, siendo
los valores de erosión mayores en el período 2010–2014 que en el 2014–2020, con un EPR
medio de -0,72 y -0,42 m año-1 respectivamente. Estas variaciones se pueden relacionar con la
incidencia de las tormentas, especialmente importantes en 2013-2014 (Tabla 1). Estas variaciones
no alcanzan valores tan elevados en sectores como el extremo este, donde la mayor protección
ante las tormentas y su evolución más lenta afecta a los valores medios registrados en la zona
sedimentaria.
4.2 Variaciones volumétricas
En la Tabla 5 se resumen los principales valores de las variaciones registradas en la zona de
Pantín analizada entre 2010 y 2015. Con ambos métodos se observa cómo los valores de
erosión y acreción difieren en menos de 500 m2. En el caso de las variaciones volumétricas, se
identificó que el 65 % de la superficie con variaciones vivió un aumento de su volumen,
restringiéndose la erosión al 35 %, lo que ha dado como resultado una diferencia neta de más
de 4000 m3 estimada con ambos métodos.
Boletín de la Asociación de Geógrafos Españoles,
(96)
13
Tabla 5. Comparativa de los resultados de las variaciones superficiales
y volumétricas empleando GCD y VolCR
PARÁMETROS
GCD
VolCR
RATIO LoD
0,2 m
LoD 0 m
LoD 0,2 m
LoD 0 m
LoD 0,2 m
Análisis superficial
Superficie analizada (m2)
12663,5
12663,5
12824
12824
0,99
Área con cambios
detectables (m
2
)
12663,5 9294 12824 9433,75 0,99
Erosión (m2)
6113,5
4916,5
6174
4968,2
0,99
Acreción (m2)
6550
4377,5
6650
4465,25
0,98
Análisis volumétrico
Erosión (m3)
8860,73
8759,78±983,3
8926,15
8824,43±993,64
0,99
Acreción (m3)
4913,75
4700,1±875,5
4954,08
4739,16±893,05
0,99
Diferencia neta (m3)
-3946,97
-4059,68±1316
-3972
-4085,27±1350
0,99
Porcentaje por volumen
Acreción (%)
64,33
65,08
64,31
65,06
1,0
Erosión (%)
35,67
34,92
35,69
34,94
1,0
Leyenda:
Ratio calculado entre el valor de VolCR y GCD.
Fuente: elaboración propia
La erosión durante el período analizado se focaliza en la parte central, que presenta un escarpe
sedimentario en la parte inferior de una zona con presencia de vegetación dunar y más
estabilizada. En la Figura 4 se pueden observar con claridad las diferencias en la zona central,
así como que la erosión de este sector ha propiciado la acumulación de sedimentos tierra
adentro. Esto llevó a que en el 35 % de la zona analizada la acreción fuese dominante.
Como se muestra en la Figura 4-d y 5-a la mayor importancia de los cambios volumétricos,
especialmente en las zonas de acreción, se sitúa muy próxima al LoD. Esto indica que existe una
amplia superficie que experimentó pequeños incrementos durante este período, como se
aprecia en la Figura 4-c en el caso de la parte más próxima al mar.
Boletín de la Asociación de Geógrafos Españoles,
(96)
14
Figura 4. Estimación de las variaciones de volumen empleando GCD. a) MD del año 2010;
b) MD del año 2015; c) DoD entre 2010 y 2015 con un LoD de 0,2 m;
d) salida gráfica automática del GCD con las variaciones volumétricas
en relación con las variaciones en la elevación
Fuente: elaboración propia
Al igual que en la Figura 4-d, en la Figura 5-a, se muestra la variación de los cambios
volumétricos en relación con el cambio en la elevación de la zona analizada. La Figura 5-a está
generada en VolCR con un mayor nivel de detalle, pero muestra como las principales dinámicas
guardan una clara correspondencia con los valores del GCD, existiendo en el caso de las zonas
erosionadas un gran sector con variaciones volumétricas destacables, que son las de las zonas
de rojo más intenso de la Figura 4-c. Por su parte, la Figura 5-b muestra visualmente el volumen
de erosión, acreción y la diferencia entre ambas en el sector analizado.
Boletín de la Asociación de Geógrafos Españoles,
(96)
15
Figura 5. a) histograma con las variaciones volumétricas en función de los cambios
en la elevación entre 2010 y 2015; y b) diferencias volumétricas en Pantín (2010–2015)
Fuente: elaboración propia
5 Discusión
5.1 Las dinámicas de Pantín y su relación con el entorno
El sector de Pantín muestra un importante retroceso en los 10 años monitorizados en este trabajo.
Los valores obtenidos encajan con los retrocesos cuantificados por otros autores en Galicia,
aunque en la mayoría de los casos estos análisis no llegaron hasta el año 2020 (Blanco-Chao et
al., 2019, 2020; Gómez-Pazo et al., 2019, 2021c; González-Villanueva et al., 2011; Horacio et
al., 2019; Pérez-Alberti et al., 2020). En este contexto, también se percibe una mayor erosión en
el período que llega hasta 2014, en relación con los importantes eventos energéticos del
invierno de 2013-2014 que han sido estudiados en detalle para el contexto atlántico (Castelle et
al., 2015; Garrote et al., 2018; Masselink et al., 2016).
Por otra parte, en relación con la variación de la línea de costa en zonas sedimentarias
vegetadas, son numerosos los estudios que han coincidido en que se asiste a una fase de
aumento de la vegetación dunar. Este aumento se percibe claramente en las imágenes aéreas,
con el incremento de la superficie cubierta por vegetación, y se relaciona con la menor erosión
registrada en la última fase (Blanco-Chao et al., 2019, 2020; Castelle et al., 2015; Gómez-Pazo
Boletín de la Asociación de Geógrafos Españoles,
(96)
16
et al., 2021c; Horacio et al., 2019; Jackson et al., 2019; Masselink et al., 2016; Pérez-Alberti et
al., 2020).
5.2 Relación entre los métodos de análisis empleados
Este análisis ha mostrado la gran semejanza en los valores obtenidos con softwares privativos y
alternativas de código abierto. En las Tablas 4 y 5 se optó por emplear la ratio entre los valores
con software libre (ODSAS y VolCR) y los valores con software privativo (DSAS y GCD). En todos
los casos esta ratio se encuentra por encima de 0,93, siendo los valores más bajos los relativos a
la comparación entre DSAS y ODSAS en el sector global, relacionado con la distinta orientación
de los transeptos entre ambas técnicas (Tabla 4). En el caso de las variaciones volumétricas las
diferencias son mucho menores, con ratios entre 0,98 y 1,01 (Tabla 5), que se deben a que la
información es espacialmente continua y los MDs empleados en ambos casos son idénticos.
Las mayores variaciones se encuentran en sectores concretos, especialmente en el análisis de las
variaciones de la línea de costa, donde el trazado de los transeptos perpendiculares a la línea de
base genera que las intersecciones difieran bastante entre DSAS y ODSAS, como ya se había
expresado previamente en otros estudios (Gómez-Pazo et al., 2022). Partiendo de la gran
semejanza de las estimaciones entre estas técnicas, la discusión debe radicar en el tiempo de
procesado requerido por cada una de ellas y en las ventajas e inconvenientes de cada alternativa
expresadas en las tablas del siguiente apartado.
5.3 Tiempos de procesado y comparación en el análisis de las variaciones de las
líneas de costa
El mayor consumo de tiempo en estos trabajos se relaciona con el trazado de las líneas de costa.
Aunque existen métodos para la extracción automática de las líneas costeras, especialmente
mediante imágenes de satélite (Cabezas-Rabadán et al., 2020; Pardo-Pascual et al., 2018; Vos et
al., 2019), en muchas ocasiones el proceso continúa siendo eminentemente manual a través de
la fotointerpretación. En este sentido se ha estimado que el tiempo para el cartografiado de la
línea de costa varía entre los 3 minutos y 30 segundos por kilómetro para las costas acantiladas y
los 3 minutos y 50 segundos para las costas sedimentarias, empleando siempre ortofotografías
aéreas en color.
En lo referente al tiempo de procesado, la diferencia entre DSAS y ODSAS variará en función de
los datos de partida empleados. En caso de trabajar con shapefiles será necesario incluirlos en
una geodatabase (GDB) para poder procesarlos con DSAS, mientras que en el caso de ODSAS
los shapefiles se pueden emplear directamente. Por el contrario, uno de los lastres en cuanto a
Boletín de la Asociación de Geógrafos Españoles,
(96)
17
tiempo en ODSAS es la necesidad de emplear tanto SAGA GIS como R y los tiempos de carga
de información de cada uno.
Dicho lo anterior, ODSAS es más rápido que DSAS en extensiones como la analizada en este
trabajo, unos 10-15 segundos, siendo el tiempo de procesado de DSAS próximo al minuto.
Además, en el caso de ODSAS un resumen de los valores de tendencia central de todos los
parámetros está disponible en la carpeta en la que se ejecuta la herramienta en el momento de
finalización del proceso, mientras que en DSAS se puede obtener una salida gráfica espacial de
la información, pero no un reporte estadístico de forma automática.
Otro aspecto para mencionar es que la metodología de ODSAS es muy reciente, por lo que
existen menos estudios en los que se haya aplicado. Sin embargo, su gran capacidad de
procesado y el ahorro en licencias comerciales hace que ya se esté empleando en proyectos
relacionados con la European Space Agency (ESA), por lo que se espera que el número de
trabajos que empleen esta metodología crezca enormemente en los próximos años.
En la Tabla 6 se recopilan las principales ventajas e inconvenientes de cada metodología sobre
la variación de la línea de costa empleada en este trabajo.
5.4 Tiempos de procesado y comparación en el análisis de las variaciones
volumétricas
En el caso del análisis de las variaciones volumétricas, el GCD necesita que inicialmente
generemos un proyecto dentro de su Add in de ArcGIS y que añadamos al mismo los MDs
generados previamente a partir de los datos LiDAR. Este proceso tiene un consumo importante
de tiempo, especialmente si se trabaja con MDs de gran resolución y sobre superficies amplias,
ya que GCD generará el MD adaptado a su formato y el sombreado de este. Esto no ocurre en
el caso de VolCR, donde los MDs generados se introducen directamente en el procesado,
ahorrando tiempos de transformación y almacenaje. Además, en el caso de VolCR, al no
representarse espacialmente la información (es posible realizarlo, pero no está implementado
por defecto) se ahorran todos los tiempos necesarios para la visualización de los datos.
VolCR, al ser aún una primera aproximación que no dispone de funciones y paquetes de R
propios, necesita conocimientos previos de programación para realizar el proceso completo, así
como asignar correctamente todas las variables. Por el momento se puede definir como un
proceso semiautomático, que aumentará su autonomía en próximas versiones, en las que el DoD
se exportará automáticamente en formato ráster y se incluirán además de la tabla con los valores
Boletín de la Asociación de Geógrafos Españoles,
(96)
18
de variación, los gráficos para las diferencias superficiales y volumétricas, del modo que se
presentan en la Figura 5.
Tabla 6. Comparativa de ventajas e inconvenientes entre DSAS y ODSAS
DSAS
ODSAS
Ventajas
- El proceso se realiza por completo
en un mismo software
- Permite cortar los transeptos por las
líneas de costa y evita generar líneas
innecesarias
- La necesidad de conocimientos
previos del usuario es bastante baja
- Por su veteranía existe una
comunidad de usuarios extensa que
facilita la resolución de problemas
- Ofrece automáticamente la salida
gráfica del parámetro estadístico
seleccionado
- El usuario fija la resolución del trabajo a
través de la introducción de información
ráster
- No es necesario disponer de licencias de
software para realizar el proceso completo
- Se obtiene un fichero con los valores de
tendencia central de todos los parámetros
calculados
- Por lo general, el procesado es más
rápido que en DSAS
- Posibilidad de adaptar los parámetros a los
intereses del usuario al tratarse de
herramientas de código abierto
Ventajas
comunes
- Metodologías muy sencillas para conocer de forma general las dinámicas de
sectores costeros
- El consumo de tiempo de procesado es muy reducido
Inconvenientes
- Es necesario trabajar con GDB
(geodatabases de ArcGIS)
- Algunos errores de difícil
interpretación relacionados con la
configuración del equipo (idioma,
separadores decimales, etc.)
- No genera un reporte automático de
los principales estadísticos
- El procesado de los datos es algo más
complejo que en DSAS al requerir del uso
de varios softwares
- La versión actual no permite generar
visualizaciones de modo automático,
aunque sí que genera las capas espaciales
necesarias
Inconvenientes
comunes
- Es necesario tener en cuenta la incertidumbre introducida por el usuario (diseño de
línea de costa y de base)
- No se trata de una medición continua en el espacio por lo que se pueden
enmascarar dinámicas, especialmente en sectores con líneas de costa complejas
Fuente: elaboración propia
Con ambas alternativas el tiempo de procesado, desde la introducción de los datos LiDAR a la
obtención del DoD no ha superado los 10 minutos, siendo 90 segundos más rápido con VolCR.
A este respecto es necesario mencionar que cuando VolCR se encuentre en una versión
diseñada como paquete de R el tiempo se reducirá enormemente.
Este trabajo ha optado por la aplicación de los métodos para la estimación de las variaciones
volumétricas con los datos LiDAR gratuitos del IGN para 2010 y 2015. Esta información tiene
asociada una incertidumbre de 0,2 y 0,4 m en el eje vertical (Tabla 3), por lo que se trabaja con
Boletín de la Asociación de Geógrafos Españoles,
(96)
19
un margen de error amplio. Este valor de incertidumbre se reduce considerablemente en otros
estudios semejantes en los que se emplean datos de dron y técnicas fotogramétricas (Cook,
2017; Gómez-Pazo et al., 2019). El aumento en la precisión de los datos de partida hace que
VolCR muestre unos mejores resultados, adaptándose a pequeñas variaciones que permiten un
estudio más detallado de las dinámicas existentes, que no se pueden registrar con el GCD por
su limitación en el número de posiciones decimales.
Al igual que para el caso de las variaciones costeras, en el análisis de las variaciones
volumétricas también se ha generado una tabla en la que se resumen las principales ventajas e
inconvenientes de cada una de las metodologías (Tabla 7).
Tabla 7. Comparativa de ventajas e inconvenientes entre GCD y VolCR
GCD
VolCR
Ventajas
- Salidas gráficas automáticas para
los principales valores
- Ambiente de trabajo muy intuitivo
- Permite la introducción del LoD
en distintas modalidades
- Se trata de una metodología
consolidada y con un gran número
de documentos de ayuda
- Mayor precisión para marcar el nivel
de incertidumbre, siendo esto más
relevante en modelos de alta resolución
- Procesado más rápido al no realizar
tareas intermedias ni visualizar los datos
espaciales automáticamente
- Proceso realizado en un solo software
sin necesidad de softwares privativos ni
instalación de complementos
- Al tratarse de una herramienta de
código abierto se pueden modificar los
parámetros en función de las
necesidades del usuario
Ventajas
comunes
- El tiempo para la generación de resultados de calidad es muy bajo
Inconvenientes
- Sólo permite incorporar un
decimal en la incertidumbre
- Es necesario crear la información
en el ambiente GCD, duplicando
elementos como los MDs
- No permite la edición de los
gráficos
- En la versión inicial sólo dispone de la
opción de incorporar el LoD con un
valor fijo para todo el sector analizado
- Por el momento es necesario tener
conocimientos de programación para
ejecutar esta metodología
Inconvenientes
comunes
- Aún queda un camino amplio para la ejecución de LoD variables
espacialmente, aunque es un área en la que se está trabajando actualmente en
los dos métodos
Fuente: elaboración propia
Boletín de la Asociación de Geógrafos Españoles,
(96)
20
5.5 La importancia de las herramientas de código abierto para la investigación y la
gestión
En los medios costeros existe un gran interés no sólo desde el ámbito de la ciencia, sino también
desde el de la gestión. Se trata de zonas muy vulnerables donde las modificaciones asociadas al
cambio global pueden tener un gran impacto. En este sentido es donde alcanza un mayor valor
el empleo de herramientas de código abierto, que permitirán una reducción de los costes.
Frecuentemente las medidas de gestión costera están destinadas a la reparación de daños ya
existentes, especialmente en países como España, donde en sólo en el año 2018 se destinaron
casi 41 millones de euros en los denominados como Planes Litorales. En este sentido, contar con
herramientas gratuitas para el análisis de los cambios y riesgos que puedan existir en estas zonas
favorecerá el incremento de las investigaciones en este ámbito y ayudará a que desde las
administraciones públicas se opte por apoyar este tipo de análisis (Gómez-Pazo, 2022).
Muchos de los proyectos desarrollados a nivel europeo e internacional buscan precisamente la
creación de herramientas y bases de datos que puedan ser accesibles de modo gratuito para la
población (Jackson et al., 2012; Nagle-McNaughton & Cox, 2020; Narra et al., 2017). Esto se
relaciona también con las dinámicas existentes en proyectos desarrollados por instituciones como
la ESA, donde la creación de herramientas basadas en software libre gana cada vez más
importancia (Engdahl et al., 2012; Paz-Delgado et al., 2022).
La aparición de nuevas técnicas de procesado, así como la existencia de información
geoespacial a nivel global de acceso gratuito permiten la realización de numerosos estudios que
permiten la comparación entre las dinámicas de sectores alrededor del globo, cuya relación
permite la mejora de los modelos numéricos.
6 Conclusiones
El análisis del sector de Pantín demuestra la facilidad con la que técnicas muy extendidas en los
estudios costeros, como el análisis de las variaciones costeras o las diferencias volumétricas en
sectores sedimentarios, pueden ser aplicadas empleando tan sólo software libre.
Esta zona muestra una clara erosión a lo largo de los 10 años analizados, tanto en relación con la
línea de costa, como con las variaciones volumétricas en el sector de detalle. Se aprecia un
retroceso de la línea de vegetación y del escarpe de la playa, siendo muy claro este último en el
análisis de las variaciones volumétricas.
Boletín de la Asociación de Geógrafos Españoles,
(96)
21
Parece evidente que de cara al futuro de la investigación y especialmente de la gestión costera
es de vital importancia el uso de herramientas sin coste de licencia asociados, ya que favorecen
su empleo a lo largo del globo y permite que cualquier persona pueda realizar este tipo de
trabajos. En este sentido también se debe destacar la gran semejanza en cuanto a tiempos de
procesado y resultados obtenidos mediante las aproximaciones comerciales y las de código
abierto.
Agradecimientos: El trabajo de Alejandro Gómez Pazo ha sido financiado por un contrato
predoctoral FPU (Formación de Profesorado Universitario) del año 2016 con referencia
FPU16/03050. Su estancia en el British Geological Survey (BGS) durante la que se desarrolló
ODSAS ha sido financiada con una "Ayuda a la movilidad para estancias breves para
beneficiarios FPU" con referencia EST19/00682. El autor quiere agradecer todo el esfuerzo y
dedicación de sus directores de tesis (Augusto Pérez Alberti y Xosé Lois Otero Pérez), antes,
durante y tras la finalización de su contrato predoctoral. También es necesario agradecer todo el
apoyo del personal del BGS durante la estancia del autor en la institución y en especial a Andrés
Payo, el responsable principal de la creación de ODSAS y gran apoyo durante esta etapa. Por
último, agradecer el apoyo de la Asociación Española de Geografía (AGE) que le concedió a
este trabajo el premio "Jesús García Fernández" para jóvenes investigadores en su edición de
2022.
Declaración responsable: El autor declara que no existe ningún conflicto de interés con
relación a la publicación de este artículo.
Boletín de la Asociación de Geógrafos Españoles,
(96)
22
Bibliografía
Anderson, S. W. (2019). Uncertainty in quantitative analyses of topographic change: error
propagation and the role of thresholding. Earth Surface Processes and Landforms, 44(5), 1015-
1033. https://doi.org/10.1002/esp.4551
Aoki, H., & Matsukura, Y. (2007). A new technique for non-destructive field measurement of
rock-surface strength: an application of the Equotip hardness tester to weathering studies. Earth
Surface Processes and Landforms, 32(12), 1759-1769. https://doi.org/10.1002/esp.1492
Blanco-Chao, R., Cajade-Pascual, D., & Costa-Casais, M. (2020). Rotation, sedimentary deficit
and erosion of a trailing spit inside ria of Arousa (NW Spain). Science of The Total Environment,
749(April 2021), 141480. https://doi.org/10.1016/j.scitotenv.2020.141480
Blanco-Chao, R., Costa-Casais, M., Cajade-Pascual, D., & Gómez-Rey, G. (2019). Coastal Retreat
and Sedimentation during the Last 3000 Years. Atlantic Coast of NW Spain. Journal of Marine
Science and Engineering, 7(10), 331. https://doi.org/10.3390/jmse7100331
Burningham, H., & Fernandez-Nunez, M. (2020). Shoreline change analysis. In D.W.T. Jackson
& A.D. Short (Eds.), Sandy Beach Morphodynamics (pp. 439-460). Elsevier.
Cabezas-Rabadán, C., Pardo-Pascual, J.E., Palomar-Vázquez, J., Ferreira, Ó., & Costas, S.
(2020). Satellite Derived Shorelines at an Exposed Meso-tidal Beach. Journal of Coastal Research,
95(sp1), 1027. https://doi.org/10.2112/si95-200.1
Castedo, R., de la Vega-Panizo, R., Fernández-Hernández, M., & Paredes, C. (2015).
Measurement of historical cliff-top changes and estimation of future trends using GIS data
between Bridlington and Hornsea - Holderness Coast (UK). Geomorphology, 230, 146-
160. https://doi.org/10.1016/j.geomorph.2014.11.013
Castelle, B., Marieu, V., Bujan, S., Splinter, K. D., Robinet, A., Sénéchal, N., & Ferreira, S.
(2015). Impact of the winter 2013-2014 series of severe Western Europe storms on a double-
barred sandy coast: Beach and dune erosion and megacusp embayments. Geomorphology, 238,
135-148. https://doi.org/10.1016/j.geomorph.2015.03.006
Conrad, O., Bechtel, B., Bock, M., Dietrich, H., Fischer, E., Gerlitz, L., Wehberg, J.,
Wichmann, V., & Böhner, J. (2015). System for Automated Geoscientific Analyses (SAGA) v.
2.1.4. Geoscientific Model Development, 8(7), 1991-2007. https://doi.org/10.5194/gmd-8-
1991-2015
Boletín de la Asociación de Geógrafos Españoles,
(96)
23
Cook, K.L. (2017). An evaluation of the effectiveness of low-cost UAVs and structure from motion
for geomorphic change detection. Geomorphology, 278, 195-
208. https://doi.org/10.1016/j.geomorph.2016.11.009
Crowell, M., Edelman, S., Coulton, K., & McAfee, S. (2007). How many people live in coastal
areas? Journal of Coastal Research, 23(5), 1-4. https://doi.org/10.2112/07A-0017.1
Del Río, L., & Gracia, F. J. (2013). Error determination in the photogrammetric assessment of
shoreline changes. Natural Hazards, 65(3), 2385-2397. https://doi.org/10.1007/s11069-012-
0407-y
Engdahl, M., Minchella, A., Marinkovic, P., Veci, L., & Lu, J. (2012). NEST: An esa open source
Toolbox for scientific exploitation of SAR data. 2012 IEEE International Geoscience and Remote
Sensing Symposium, 5322-5324. https://doi.org/10.1109/IGARSS.2012.6352406
Feal-Pérez, A., & Blanco-Chao, R. (2013). Characterization of abrasion surfaces in rock shore
environments of NW Spain. Geo-Marine Letters, 33(2–3), 173-
181. https://doi.org/10.1007/s00367-012-0300-4
Garrote, J., Díaz-Álvarez, A., Nganhane, H., & Garzón Heydt, G. (2018). The Severe 2013–14
Winter Storms in the Historical Evolution of Cantabrian (Northern Spain) Beach-Dune Systems.
Geosciences, 8(12), 459. https://doi.org/10.3390/geosciences8120459
Gómez-Pazo, A. (2022). Aplicación de novas tecnoloxías no estudo da costa de Galicia dirixidas
a unha nova xestión no contexto do cambio global. Universidade de Santiago de Compostela.
Gómez-Pazo, A., Payo, A., Paz-Delgado, M.V., & Delgadillo-Calzadilla, M.A. (2022). Open
Digital Shoreline Analysis System: ODSAS v1.0. Journal of Marine Science and Engineering, 10(1),
26. https://doi.org/10.3390/jmse10010026
Gómez-Pazo, A., & Pérez-Alberti, A. (2021). The Use of UAVs for the Characterization and
Analysis of Rocky Coasts. Drones, 5(1), 23. https://doi.org/10.3390/drones5010023
Gómez-Pazo, A., Perez-Alberti, A., & Otero Pérez, X.L. (2019). Recent Evolution (1956–2017)
of Rodas Beach on the Cíes Islands, Galicia, NW Spain. Journal of Marine Science and
Engineering, 7(125). https://doi.org/10.3390/jmse7050125
Gómez-Pazo, A., Pérez-Alberti, A., & Trenhaile, A. (2021a). High resolution mapping and
analysis of shore platform morphology in Galicia, northwestern Spain. Marine Geology,
436(March), 106471. https://doi.org/10.1016/j.margeo.2021.106471
Boletín de la Asociación de Geógrafos Españoles,
(96)
24
Gómez-Pazo, A., Pérez-Alberti, A., & Trenhaile, A. (2021b). Tracking clast mobility using RFID
sensors on a boulder beach in Galicia, NW Spain. Geomorphology, 373,
107514. https://doi.org/10.1016/j.geomorph.2020.107514
Gómez-Pazo, A., Pérez-Alberti, A., & Trenhaile, A. (2021c). Tracking the behavior of rocky
coastal cliffs in northwestern Spain. Environmental Earth Sciences, 80(22),
757. https://doi.org/10.1007/s12665-021-09929-4
Gómez-Pazo, A., Pérez‐Alberti, A., & Trenhaile, A. (2019). Recording inter‐annual changes on a
boulder beach in Galicia, NW Spain using an unmanned aerial vehicle. Earth Surface Processes
and Landforms, 44(5), 1004-1014. https://doi.org/10.1002/esp.4549
Gonçalves, G. R., Pérez, J. A., & Duarte, J. (2018). Accuracy and effectiveness of low cost UASs
and open source photogrammetric software for foredunes mapping. International Journal of
Remote Sensing, 39(15-16), 5059-5077. https://doi.org/10.1080/01431161.2018.1446568
González-Villanueva, S., Costas, S., Pérez-Arluecea, M., Alejo, I., & Rial, F. (2011). Evolución
del sector dunar sur del complejo de Corrubedo. Geogaceta, 50(1), 177-
180. http://www.sociedadgeologica.es/archivos/geogacetas/geo50/art42.pdf
Hastewell, L., Inkpen, R., Bray, M., & Schaefer, M. (2020). Quantification of contemporary
storm-induced boulder transport on an intertidal shore platform using radio frequency
identification technology. Earth Surface Processes and Landforms, 45(7), 1601-
1621. https://doi.org/10.1002/esp.4834
Hastewell, L. J., Schaefer, M., Bray, M., & Inkpen, R. (2019). Intertidal boulder transport: A
proposed methodology adopting Radio Frequency Identification (RFID) technology to quantify
storm induced boulder mobility. Earth Surface Processes and Landforms, 44(3), 681-
698. https://doi.org/10.1002/esp.4523
Himmelstoss, E.A., Henderson, R.E., Kratzmann, M.G., & Farris, A.S. (2018). Digital Shoreline
Analysis System (DSAS) version 5.0 user guide. In Open-File
Report. https://doi.org/10.3133/ofr20181179
Hoffmeister, D., Curdt, C., & Bareth, G. (2020). Monitoring the sedimentary budget and
dislocated boulders in western Greece – results since 2008. Sedimentology, 67(3), 1411-
1430. https://doi.org/10.1111/sed.12723
Boletín de la Asociación de Geógrafos Españoles,
(96)
25
Horacio, J., Muñoz-Narciso, E., Trenhaile, A.S., & Pérez-Alberti, A. (2019). Remote sensing
monitoring of a coastal-valley earthflow in northwestern Galicia, Spain. Catena, 178(March), 276-
287. https://doi.org/10.1016/j.catena.2019.03.028
IGN. (2022). Instituto Geográfico Nacional. https://www.centrodedescargas.cnig.es/
Jackson, C.W., Alexander, C.R., & Bush, D.M. (2012). Application of the AMBUR R package for
spatio-temporal analysis of shoreline change: Jekyll Island, Georgia, USA. Computers &
Geosciences, 41, 199-207. https://doi.org/10.1016/j.cageo.2011.08.009
Jackson, D.W.T., Costas, S., González-Villanueva, R., & Cooper, A. (2019). A global ‘greening’
of coastal dunes: An integrated consequence of climate change? Global and Planetary Change,
182(June), 103026. https://doi.org/10.1016/j.gloplacha.2019.103026
Kuhn, D., & Prüfer, S. (2014). Coastal cliff monitoring and analysis of mass wasting processes
with the application of terrestrial laser scanning: A case study of Rügen, Germany.
Geomorphology, 213, 153-165. https://doi.org/10.1016/j.geomorph.2014.01.005
Long, N., Millescamps, B., Guillot, B., Pouget, F., & Bertin, X. (2016). Monitoring the
topography of a dynamic tidal inlet using UAV imagery. Remote Sensing,
8(5). https://doi.org/10.3390/rs8050387
Lyman, T.P., Elsmore, K., Gaylord, B., Byrnes, J.E.K., & Miller, L.P. (2020). Open Wave Height
Logger: An open source pressure sensor data logger for wave measurement. Limnology and
Oceanography: Methods, 18(7), 335-345. https://doi.org/10.1002/lom3.10370
Manno, G., Lo Re, C., & Ciraolo, G. (2017). Uncertainties in shoreline position analysis: The role
of run-up and tide in a gentle slope beach. Ocean Science, 13(5), 661-
671. https://doi.org/10.5194/os-13-661-2017
Masselink, G., Castelle, B., Scott, T., Dodet, G., Suanez, S., Jackson, D., & Floc’h, F. (2016).
Extreme wave activity during 2013/2014 winter and morphological impacts along the Atlantic
coast of Europe. Geophysical Research Letters, 43, 2135-
2143. https://doi.org/10.1002/2015GL067492
Muñoz Narciso, E., García, H., Sierra Pernas, C., & Pérez-Alberti, A. (2017). Study of
geomorphological changes by high quality DEMs, obtained from UAVs-Structure from Motion in
highest continental cliffs of Europe: A Capelada (Galicia, Spain). Geophysical Research Abstracts
EGU General Assembly, 19(November), 2017-
2692. https://doi.org/10.13140/RG.2.2.24076.00647
Boletín de la Asociación de Geógrafos Españoles,
(96)
26
Nagle-McNaughton, T., & Cox, R. (2020). Measuring change using quantitative differencing of
repeat structure-from-motion photogrammetry: The effect of storms on coastal boulder deposits.
Remote Sensing, 12(1). https://doi.org/10.3390/rs12010042
Narra, P., Coelho, C., Sancho, F., & Palalane, J. (2017). CERA: An open-source tool for coastal
erosion risk assessment. Ocean and Coastal Management, 142, 1-
14. https://doi.org/10.1016/j.ocecoaman.2017.03.013
Naylor, L. A., Stephenson, W.J., & Trenhaile, A. S. (2010). Rock coast geomorphology: Recent
advances and future research directions. Geomorphology, 114(1-2), 3-
11. https://doi.org/10.1016/j.geomorph.2009.02.004
Neumann, B., Vafeidis, A. T., Zimmermann, J., & Nicholls, R. J. (2015). Future coastal population
growth and exposure to sea-level rise and coastal flooding - A global assessment. PLoS ONE,
10(3). https://doi.org/10.1371/journal.pone.0118571
Pardo-Pascual, J. E., Sánchez-García, E., Almonacid-Caballer, J., Palomar-Vázquez, J. M., de los
Santos, E. P., Fernández-Sarría, A., & Balaguer-Beser, Á. (2018). Assessing the accuracy of
automatically extracted shorelines on microtidal beaches from landsat 7, landsat 8 and sentinel-2
imagery. Remote Sensing, 10(2), 1-20. https://doi.org/10.3390/rs10020326
Payo, A., Wallis, H., Ellis, M. A., Barkwith, A., & Poate, T. (2020). Application of portable
streamer traps for obtaining point measurements of total longshore sediment transport rates in
mixed sand and gravel beaches. Coastal Engineering, 156(September 2019),
103580. https://doi.org/10.1016/j.coastaleng.2019.103580
Paz-Delgado, M. V., Payo, A., Gómez-Pazo, A., Beck, A.-L., & Savastano, S. (2022). Shoreline
Change from Optical and Sar Satellite Imagery at Macro-Tidal Estuarine, Cliffed Open-Coast and
Gravel Pock-ET-Beach Environments. Journal of Marine Science and Engineering, 10,
561. https://doi.org/10.3390/jmse10050561
Pérez-Alberti, A., Gómez-Pazo, A., & Otero, X. L. (2020). Natural and Anthropogenic Variations
in the Large Shifting Dune in the Corrubedo Natural Park, NW Iberian Peninsula (1956–2017).
Applied Sciences, 11(1), 34. https://doi.org/10.3390/app11010034
Pérez‐Alberti, A., & Trenhaile, A.S. (2015). An initial evaluation of drone‐based monitoring of
boulder beaches in Galicia, north‐western Spain. Earth Surface Processes and Landforms, 40(1),
105-111. https://doi.org/10.1002/esp.3654
Puertos del Estado. (2022). Puertos del Estado. http://www.puertos.es/es-es
Boletín de la Asociación de Geógrafos Españoles,
(96)
27
R Core Team. (2020). R: A Language and Environment for Statistical Computing. https://www.r-
project.org/
Stephenson, W.J., & Finlayson, B.L. (2009). Measuring erosion with the micro-erosion meter-
Contributions to understanding landform evolution. Earth-Science Reviews, 95(1-2), 53-
62. https://doi.org/10.1016/j.earscirev.2009.03.006
Sytnik, O., Del Río, L., Greggio, N., & Bonetti, J. (2018). Historical shoreline trend analysis and
drivers of coastal change along the Ravenna coast, NE Adriatic. Environmental Earth Sciences,
77(23), 779. https://doi.org/10.1007/s12665-018-7963-8
Viles, H., Goudie, A., Grab, S., & Lalley, J. (2011). The use of the Schmidt Hammer and Equotip
for rock hardness assessment in geomorphology and heritage science: A comparative analysis.
Earth Surface Processes and Landforms, 36(3), 320-333. https://doi.org/10.1002/esp.2040
Vos, K., Splinter, K. D., Harley, M. D., Simmons, J. A., & Turner, I. L. (2019). CoastSat: A
Google Earth Engine-enabled Python toolkit to extract shorelines from publicly available satellite
imagery. Environmental Modelling and Software,
122. https://doi.org/10.1016/j.envsoft.2019.104528
Wheaton, J. M., Brasington, J., Darby, S. E., & Sear, D. A. (2010). Accounting for uncertainty in
DEMs from repeat topographic surveys: Improved sediment budgets. Earth Surface Processes
and Landforms, 35(2), 136-156. https://doi.org/10.1002/esp.1886
Boletín de la Asociación de Geógrafos Españoles,
(96)
28