Potencial de Sensores Remotos en la Detección de Fosas Clandestinas
DOI:
https://doi.org/10.22335/rlct.v16i3.1973Palabras clave:
sensores remotos, fosas comunes, índices espectrales, aprendizaje de máquina, imágenes multiespectrales, ortoimagenResumen
En Colombia, la identificación de fosas comunes se ha convertido en una labor necesaria para el esclarecimiento de la verdad del conflicto violento. La actividad se realiza manualmente en la mayoría de los casos; para identificar los sitios de enterramiento se usa como insumo la información suministrada por los victimarios o los relatos de familiares de las víctimas. Sin embargo, estos métodos, además de imprecisos, son extremadamente tediosos y costosos.
Para incrementar las posibilidades de éxito de dicha labor, en otros países se han experimentado métodos de búsqueda basados en resistividad geofísica, magnetometría o radar de penetración del suelo. Estos métodos solo pueden usarse en un área delimitada, a menudo pequeña, además de presentar retos si están en lugares de difícil acceso como ciénagas, pantanos o en lugares donde persiste el conflicto, lo que podría implicar que estén minados. Por consiguiente, existe la necesidad de implementar métodos que no impliquen acceso directo al terreno y que puedan abarcar áreas extensas, agilizando la búsqueda y reduciendo el costo en tiempo y en dinero. En este artículo se explora el uso de datos obtenidos a partir de sensores remotos para identificar cómo la salud de las plantas es afectada por el contenido de materia orgánica presente en las fosas comunes, correlacionando estas con el análisis de los índices espectrales NDVI, GNDVI y GCI.
Para obtener imágenes sobre el área experimental, donde se simularon tumbas con materia orgánica de origen animal y restos óseos humanos, se utilizó el sensor multiespectral Sequoia Parrot, transportado en un UAV DJI Phantom 3 Advanced, con el cual se adquirieron imágenes en las longitudes de ondas Red, Green y nIR, para medir los índices de vegetación y estimar la salud de las plantas sobre y alrededor de las fosas. Los resultados obtenidos permitieron inferir los lugares donde se encuentran inhumados los cuerpos en el sitio experimental después de casi una década de haber sido creado el modelo experimental.
Descargas
Referencias
Auravant. (2023). Índices de vegetación y su interpretación: NDVI, GNDVI, MSAVI2, NDRE y NDWI. Auravant. Agricultura de Precisión. https://www.auravant.com/blog/agricultura-de-precision/indices-devegetacion- y-como-interpretarlos/#queesgndvi
Ballarina, M., Ballettia, C., & Guerra, F. (2015). Action cameras and low-cost aerial vehicles in archaeology. Proc. SPIE 9528, Videometrics, Range Imaging, and Applications XIII, 952813. https://doi.org/10.1117/12.2184692
Blau, S., Sterenberg, J., Weeden, P., Urzedo, F., Wright, R., & Watson, C. (2018). Exploring non-invasive approaches to assist in the detection of clandestine human burials: Developing a way forward. Forensic Sciences Research, 3(4), 320-342. https://doi.org/10.1080/20961790.2018.1493809
Brabazon, H., DeBruyb, J. M., Lenaghab, S. C., Li, F., Mundorff, A. Z., Steadman, D. W., & Stewart, C. N. (2020). Plants to remotely detect human decomposition? Trends in Plant Science, 25(10), 947-949.
Davenport, G. (2018). Remote sensing technology in forensic investigations: Geophysical techniques to locate clandestine graves and hidden evidence. In T. Y. Group (Ed.), CRC Press.
Davenport, G. C. (2001). Remote sensing applications in forensic investigations. Historical Archaeology, 35(1), 87-100. https://doi.org/10.1007/bf03374530
Doro, K. O., Kolapkar, A. M., Bank, C.-G., Wescott, D. J., & Mickleburgh, H. L. (2022). Geophysical imaging of buried human remains in simulated mass and single graves: Experiment design and results from pre-burial to six months after burial. Forensic Science International, (335), 111289. https://doi.org/10.1016/j.forsciint.2022.111289
Equitas. (2015).Un radar para encontrarlos. Cartilla sobre el Modelamiento Espacial y Estadístico Predictivo (MESP). https://es.scribd.com/doc/289476071/Un-radarpara- encontrarlos
Evers, R., & Masters, P. (2018). The application of low-altitude near-infrared aerial photography for detecting clandestine burials using a UAV and low-cost unmodified digital camera. Forensic Science International, (289), 408-418. https://doi.org/10.1016/j.forsciint.2018.06.020
FAFG (Fundación de Antropología Forense de Guatemala). (2013). Asistiendo desde 1997 a las familias en la búsqueda e identificación de sus seres queridos desaparecidos. FAFG. https://www.fafg.org/
Gitelson, A. A., Gritz, Y., & Merzlyak, M. N. (2003). Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves. Journal of Plant Physiology, 160(3), 271-282. https://doi.org/10.1078/0176-1617-00887
Gitelson, A. A., Kaufman, Y. J., & Merzlyak, M. N. (1996). Use of a green channel in remote sensing of global vegetation from EOSMODIS. Remote Sensing of Environment, 58(3), 289-298. https://doi.org/10.1016/S0034-4257(96)00072-7
González Gutiérrez, L. G. (2023). Identificación de fosas comunes mediante teledetección, aeronaves no tripuladas (UAV) e índices de vegetación [Proyecto de Grado, Universidad de Cundinamarca]. Repositorio Digital Universidad de Cundinamarca.
IDEAM (Instituto de Hidrología, Meteorología y Estudios Ambientales). (2017). Atlas climatológico de Colombia. Imprenta Nacional de Colombia.
Kalacska, M., & Bell, L. S. (2006). Remote sensing as tool for the deteccion of clandestine mass graves. Canadian Society of Forensic Science Journal, 39(1), 1-13. https://doi.org/10.1080/00085030.2006.10757132
Kalacska, M., Bell, L., Sánchez-Azofeifa, A., & Celli, T. (2009). The application of remote sensing for detecting mass graves: An experimental case study from Costa Rica. Journal of Forensic Sciences, 54(1), 159- 166. https://doi.org/10.1111/j.1556-4029.2008.00938.x
Mejía, A. A. (2024). Metodología para la identificación de fosas comunes a partir de imágenes multiespectrales [Tesis de maestría, Universidad Nacional de Colombia]. Repositorio Institucional Universidad Nacional de Colombia.
Molina, C. M. (2016). Metodología para la búsqueda de fosas a partir de la interpretación de anomalías en los datos obtenidos mediante la aplicación geofísica de alta resolución [Tesis de doctorado, Universidad Nacional de Colombia]. Repositorio Institucional Universidad Nacional de Colombia.
Molina, C. M., Pringle, J. K., & Hernández, O. (2013). Experiments to detect clandestine graves from interpreted high resolution geophysical anomalies. https://ui.adsabs. harvard.edu/abs/2013AGUSMNS21C..03M/ abstract
Molina, C. M., Pringle, J. K., Saumett, M., & Evans, G. T. (2016). Geophysical monitoring of simulated graves with resistivity, magnetic susceptibility, conductivity and GPR in Colombia, South America. Forensic Science International, 106-115. https://doi.org/10.1016/j.forsciint.2016.02.009
Molina, C. M., Pringle, J. K., Saumett, M., & Hernández, O. (2015). Preliminary results of sequential monitoring of simulated clandestine graves in Colombia, South America, using ground penetrating radar and botany. Forensic Science International, 61-70. https://doi.org/doi=10.1016/j.forsciint.2014.12.011
Molina, C. M., Wisniewski, K., Heaton, V., Pringle, J. K., Ávila, E. F., Herrera, L. A., …, & Baena, A. (2022). Monitoring of simulated clandestine graves of dismembered victims using UAVs, electrical tomography, and GPR over one year to aid investigations of human rights violations in Colombia, South America. Journal of Forensic Sciences, 67(3), 1060-1071. https://doi.org/10.1111/1556-4029.14962
Norton, E. A. (2019). A multi-temporal approach to using multispectral remote sensing for the prospection of clandestine mass graves in temperate environments. [Tesis de doctorado, Bournemouth University]. Insititutional Repository Bournemouth University
Rouse, J., Haas, R., Schell, J., & Deering, D. (1974). Monitoring vegetation systems in the Great Plains with ERTS. (N. SP-351, Ed.) Third Earth Resources Technology Satellite–1 Symposium, 1 Sect. A (pp. 309-317). https://ntrs.nasa.gov/api/citations/19740022614/downloads/19740022614.pdf Ruffell, A., & McKinley, J. (2014). Forensic geomorphology. Geomorphology, 206, 14-22. https://doi.org/10.1016/j.geomorph.2013.12.020
RUV (Registro Único de Víctimas). (2017). Registro Único de Victimas (RUV). Unidad para las Víctimas. https://www.unidadvictimas. gov.co/registro-unico-de-victimas-ruv/
Silván-Cárdenas, J., Caccavari-Garza, A., Quinto-Sánchez, M., Madrigal-Gómez, J., Coronado-Juárez, E., & Quiroz-Suárez, D. (2021). Assessing optical remote sensing for grave detection. Forensic Science International, 329, 111064. https://doi.org/10.1016/j.forsciint.2021.111064
SIRDEC (Sistema de Información Red de Desaparecidos y Cadáveres). (2017). Registro Nacional de Desaparecidos. Sistema de Información Red de Desaparecidos y Cadáveres. https://siclico.medicinalegal.gov.co/consultasPublicas/
Urbanová, P., Jurda, M., Vojtíšek, T., & Krajsa, J. (2017). Using drone-mounted cameras for on-site body documentation: 3D mapping and active survey. Forensic Science International, 281, 52-62. https://doi.org/10.1016/j. forsciint.2017.10.027
Witmer, F. D. (2015). Remote sensing of violent conflict: Eyes from above. International Journal of Remote Sensing, 36(9), 2326- 2352. https://doi.org/10.1080/01431161.2015.1035412
Wu, C., Niu, Z., & Gao, S. (2010). Gross primary production estimation from MODIS data with vegetation index and photosynthetically active radiation in maize. Journal of Geophysical Research, 115(D12). https://doi.org/10.1029/2009JD013023
Descargas
Publicado
Número
Sección
Categorías
Licencia
Derechos de autor 2024 Revista Logos Ciencia & Tecnología
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Esta revista provee acceso libre e inmediato a su contenido (https://creativecommons.org/licenses/by-nc-nd/4.0/), bajo el principio de hacer disponible gratuitamente la investigación al público y apoyar a un mayor intercambio de conocimiento global.
