Pérdida de humedales En el Complejo de Humedales Ñeembucú, Paraguay, mediante teledetección Los humedales del Ñeembucú, compuestos por ríos, arroyos, aguadas, riachos, esteros, lagunas y nacientes, no solamente ocupan una importante superficie de este departamento, sino también conservan un altísimo valor ambiental, cultural e histórico. Los humedales son sobre todo la principal fuente de producción de agua y refugio de la biodiversidad del Paraguay. Los humedales son la fuente de comida principal de los peces, de hecho en los humedales se crían los peces, los humedales son fuente de vida y son esenciales para el equilibrio ambiental. Los humedales del Ñeembucú abarcan una superficie de más de un millón de hectáreas y hoy están en grave peligro. Esto debido a que hace ya un cierto tiempo la Secretaría del Ambiente aprobó la destrucción de los humedales del Ñeembucú, al otorgar licencia ambiental para la siembra extensiva de arroz en este territorio, pisoteando normas constitucionales, legales, resoluciones y ordenanzas municipales y departamentales destinadas a su preservación y uso racional y sustentable.
Los humedales de América del Sur son de importancia mundial, pero la delimitación y el seguimiento limitados restringen la toma de decisiones informada sobre los factores que impulsan la pérdida de humedales. Una población humana en crecimiento y una demanda cada vez mayor de productos agrícolas ha provocado la pérdida y degradación de los humedales en el Neotrópico. Se puede comprender la dinámica de los humedales y el cambio de uso de la tierra mediante el monitoreo de los humedales. El Complejo de Humedales Ñeembucú es el humedal más grande de Paraguay, ubicado dentro del sistema del Río de la Plata Paraguay-Paraná. Este estudio tiene como objetivo utilizar datos de detección remota para mapear la cobertura terrestre entre 2006 y 2021, cuantificar el cambio de humedales durante el período de estudio de 15 años y así identificar los tipos de cobertura terrestre vulnerables al cambio en el Complejo de Humedales Ñeembucú.
Complejo de Humedales Ñeembucú Bosques, vegetación de secano, Los humedales con vegetación y las aguas abiertas se identificaron utilizando clasificaciones supervisadas de Random Forest capacitadas en datos de inspección visual y datos de campo. Se observó un cambio anual de -0,34, 4,95, -1,65, 0,40 para bosques, tierras secas, humedales con vegetación y aguas abiertas, respectivamente. La conversión de humedales y bosques se atribuye a la expansión agrícola y urbana. Con las presiones constantes sobre los humedales, el monitoreo será una herramienta clave para abordar el cambio y asesorar en la toma de decisiones en torno al desarrollo y la conservación de valiosos bienes y servicios ecosistémicos en el Complejo de Humedales Ñeembucú. En realidad todos los componentes del medio físico (agua, suelo, clima) están interrelacionados, así como estos están estrechamente asociados con las plantas y animales y el medio humano; ese medio es el escenario donde se desarrollan la vida humana, los procesos sociales y también se fue enriqueciendo la cultura de sus antiguos pobladores desde la remota antigüedad. Con un enfoque socio ambiental el medio de la ecorregión es el campo en el que se busca la satisfacción de las necesidades básicas, y mejorar la calidad de la vida, y en esa medida la ecorregión es también escenario de conflictos, ya que en ese espacio las propuestas de manejo sustentable del ambiente y de los recursos que de él se extraen conducen a conflictos, ya que enfrentan a intereses, necesidades y objetivos encontrados de actores sociales que pugnan por la apropiación, uso y control de los recursos naturales. Focalizando la atención en el agua, que modela la ecorregión, debemos tener presentes las estrechas interacciones entre el agua subterránea, el agua superficial y el agua que precipita, tal como se esquematiza en Figura 1.1; la alteración de cualquier fase del ciclo del agua tiene directo impacto en las otras y en la conformación de los suelos y de las plantas y animales.
Horas al sol, humedad del suelo, y relación agua-sueloplanta. Interesan particularmente en relación a este estado de agua las características de drenaje, su caudal, la calidad del agua y su nivel. Introducción Los humedales de América del Sur son de importancia mundial, pero la delimitación y el monitoreo limitados restringen la toma de decisiones informada sobre los factores que impulsan la pérdida de humedales en los neotrópicos. Los humedales son algunos de los ecosistemas más valiosos de la Tierra, y proporcionan bienes y servicios que incluyen almacenamiento y purificación de agua, fijación de carbono, producción agrícola y provisión de hábitat biodiverso (Kashaigili et al., 2006; Convención de Ramsar, 2016; Guo et al., 2017). Se estima que los humedales cubren alrededor del 3 al 6% de la superficie de la Tierra y América del Sur tiene una gran proporción de estos, con un área de humedales que cubre el 20% de la superficie del continente y contiene el 42% del volumen de turba de la Tierra (Junk, 2013; Gumbricht et al. al., 2017; Kandus et al., 2018). A pesar de su valor, los humedales son uno de los ecosistemas más vulnerables de la Tierra (Millennium Ecosystem Assessment, 2005). Los humedales se están perdiendo a un ritmo más rápido que cualquier otro ecosistema, y más de la mitad de los humedales de la Tierra se degradan o se pierden en los últimos 150 años (Sica et al., 2016; Slagter et al., 2020). La degradación, destrucción y modificación de los humedales ha sido impulsada por presiones antropogénicas y naturales (Baker et al., 2007; Gardner et al., 2015; Reis et al., 2017). En América del Sur, la creciente población humana y la creciente demanda de productos agrícolas ha impulsado el desarrollo de infraestructura, la expansión agrícola y la explotación de los recursos naturales, ejerciendo presión sobre los humedales. Los fenómenos meteorológicos extremos, como las sequías y las tormentas, también pueden impulsar el cambio de humedales. La destrucción y degradación de los humedales reduce la capacidad de los humedales para proporcionar valiosos servicios ecosistémicos, incluida la reducción de la mitigación de inundaciones y sequías, la pérdida de biodiversidad de los humedales y la reducción del suministro de recursos naturales. A pesar de la preocupación mundial por los hábitats de los humedales y los bienes y servicios de los ecosistemas que brindan, se sabe poco sobre el grado de conversión de los humedales en América del Sur (Junk, 2013). Paraguay es uno de los países menos estudiados de América del Sur, y se sabe aún menos sobre el humedal más grande dentro de los límites administrativos de Paraguay, el Complejo de Humedales Ñeembucú (Kandus et al., 2018; Pett y Wyer, 2020; Rosset et al., 2020). El Complejo de Humedales Ñeembucú se encuentra dentro del sistema del río Paraguay-Paraná-La Plata, que tiene la novena descarga de agua más alta en los océanos y la quinta área de drenaje de ríos más alta del mundo (Milliman y Meade, 1983; Junk, 2013).
El sistema del Río de la Plata Paraguay-Paraná-La Plata fluye de regiones tropicales a templadas, lo que resulta en una alta heterogeneidad ambiental y biodiversidad (Sica et al., 2016). El Complejo de Humedales Ñeembucú tiene un clima subtropical húmedo, con una precipitación total anual promedio de 1604 mm y sigue una tendencia de estación seca / húmeda (Beck et al., 2018; Climate-Data, 2021). Ñeembucú es el tercer departamento menos poblado de Paraguay, y los medios de vida dentro de este departamento dependen principalmente de la agricultura y la pesca local. (UNFPA y DGEEC, 2021). Como resultado, las poblaciones locales dependen de la salud del ecosistema de los humedales. Las prácticas agrícolas comunes en el área incluyen el uso del fuego para promover el crecimiento de pastos apetitosos y la deforestación de subsistencia. La utilización del monitoreo para comprender la dinámica de los humedales y las tendencias de cambio de uso de la tierra es crucial para informar de manera efectiva la toma de decisiones y la planificación del desarrollo en el Complejo de Humedales Ñeembucú. El monitoreo de humedales es importante para evaluar el cambio global, identificar áreas con alto riesgo de conversión y degradación de la tierra y examinar la efectividad de las políticas para preservar los hábitats de humedales (Lang y McCarty, 2008; Dewan y Yamaguchi, 2009). El conocimiento del ritmo y el alcance del cambio de los humedales se puede obtener utilizando técnicas de teledetección y este conocimiento es necesario para gestionar eficazmente los recursos y el desarrollo de los humedales. La teledetección permite realizar estudios en escalas espaciales y temporales mayores y es menos costosa que los estudios de campo (Kandus et al., 2018). Sin embargo, el monitoreo de humedales mediante sensores remotos ha enfrentado desafíos ya que los hábitats de los humedales son muy variables y carecen de características unificadoras que permitan la identificación (Gallant, 2015). Los desarrollos recientes en la tecnología de teledetección han permitido avances en la delimitación, mapeo y monitoreo de humedales con imágenes satelitales de alta calidad y alta resolución (Junk, 2013). En particular, los datos ópticos tienen una capacidad limitada para detectar hidrología y se ha observado un cambio en las fuentes de datos para el mapeo de humedales a datos de radar de apertura sintética con la disponibilidad de la colección Sentinel-1 (Guo et al., 2017). Los avances recientes se pueden utilizar para obtener conocimientos sobre la dinámica de los humedales en el Complejo de Humedales Ñeembucú. Los objetivos de este estudio son utilizar datos de teledetección para mapear la cobertura terrestre entre 2006 y 2021, utilizar estos mapas para cuantificar el cambio de humedales durante el período de estudio de 15 años y así identificar los tipos de cobertura terrestre vulnerables al cambio en el Complejo de Humedales Ñeembucú. Materiales y métodos La cobertura del suelo se identificó y cuantificó durante una serie de años dentro de un período de 15 años 94 desde 2006 hasta 2021. Se siguió un proceso de clasificación de dos pasos; el paso 1 identificó 95 bosques, vegetación no forestal y cobertura de agua abierta, y el paso 2 identificó la vegetación de la planicie seca y la vegetación de humedales, diferenciados dentro de la clase de vegetación del paso El bosque se definió utilizando la definición de bosque nacional, caracterizado por la presencia de árboles y al menos un 10% de cobertura de dosel (FAO, 2020). Los humedales con vegetación incluían todos los tipos de humedales estacionales y permanentes, excepto las aguas abiertas, y esto consistía principalmente en marismas de agua dulce, turberas, pastizales inundados estacionalmente y humedales dominados por arbustos en el área de estudio (Ramsar, 1990). Las tierras secas eran vegetación seca con menos del 10% de cobertura de árboles y las aguas abiertas eran áreas de agua no cubiertas por vegetación. Las clasificaciones supervisadas se llevaron a cabo durante cuatro "años de supervisión"; 2006, 2011, 2016 y 2021. Se clasificaron otros tres "años intermedios" (2009, 2014 y 2019) utilizando el clasificador formado en el "año de supervisión" más cercano. El área cubierta por cada clase de cobertura terrestre se cuantificó para cada año y se midió el cambio durante el período de estudio.
Área de estudio El área de estudio es una región de 8.361km2 111 dentro del Departamento de Ñeembucú, Paraguay (ver Figura 1). El área de estudio limita con el río Tebicuary al norte, el río Paraguay al oeste, el río Paraná al sur y el límite administrativo del departamento al este. El Complejo de Humedales Ñeembucú se ubica en la confluencia de dos de los ríos más importantes de Sudamérica, el Paraguay y el Paraná, y forma parte del Sistema de Cuenca del Río de la Plata (ymin: -27.44417, ymax: -26.39394, xmin: - 58.66491, xmáx: -57,18209). Ñeembucú tiene el tercer tamaño de población más baja de los departamentos de Paraguay (UNFPA y DGEEC, 2021).
Figura 1. Un mapa del área de estudio que muestra; A la ubicación de Paraguay dentro de América del Sur, B la ubicación del área de estudio dentro de Paraguay y C el área de estudio a nivel local. Los mapas se crearon utilizando RStudio, y los límites administrativos de Paraguay se obtuvieron de UNFPA y DGEEC (2021) (R Core Team, 2021). Conjuntos de datos Datos de validación Datos de campo Los datos de campo se recopilaron en octubre de 2021 de parcelas dentro de 11 localidades en el área de estudio (Ver Figura 2). Las localidades fueron seleccionadas debido a que eran terrenos de acceso público, propiedades en venta con permisos de topografía del propietario o propiedades con las que habíamos establecido relaciones previamente y permiso para inspeccionar la propiedad. La asignación aleatoria de parcelas para la recopilación de datos de campo no fue factible para el área de estudio debido a la alta proporción de tierras de propiedad privada (Fian International, 2021). Se visitaron entre 5 y 21 parcelas en cada localidad, dependiendo del tamaño de la localidad. Cada parcela tiene 10m2 y las parcelas se distribuyeron uniformemente entre los tipos de hábitat en cada localidad y al menos a 100 m de distancia.
Cada parcela se registró como tierra seca, humedal con vegetación o bosque. Las parcelas forestales se excluyeron del conjunto de datos y quedaron 97 parcelas de muestra como datos de campo que se utilizarán para producir una clasificación de vegetación no forestal. El conjunto de datos se dividió aleatoriamente en una partición de entrenamiento (75% de las observaciones) y una partición de prueba (25% de las observaciones). Datos de inspección visual Los datos de interpretación de imágenes se recopilaron utilizando imágenes Sentinel y Landsat de octubre en los años de supervisión: 2006, 2011, 2016 y 2021 (Copernicus, 2021; USGS, 2021). Esto se hizo inspeccionando visualmente, asignadas al azar, parcelas de 30m2 en compuestos de imágenes en color verdadero de las imágenes satelitales disponibles para octubre de ese año. Las resoluciones variaron entre 10m2 y 30m2 (Ver Figura 2). Las parcelas de inspección visual se asignaron en toda el área de estudio mediante un muestreo estratificado aleatorio utilizando el paquete 'sp' v.1.4 en RStudio versión 3.7.2 (Pebesma y Bivand, 2005; R Core Team, 2021). Para 2006 y 2011, se utilizaron reflectancia superficial Landsat 7 y reflectancia superficial Landsat 5 para crear imágenes compuestas para inspección. Para 2016 y 2021, se utilizaron reflectancia de superficie Sentinel-2 y reflectancia de superficie Landsat 8 para crear imágenes compuestas para inspección. Se produjo una imagen compuesta de cada conjunto de datos para cada año, y cada punto de muestra se inspeccionó e identificó como bosque, vegetación no forestal o mar abierto según la apariencia de la parcela. El bosque parecía de color verde oscuro, las aguas abiertas aparecían negras o azules, y la vegetación no forestal no pertenecía a ninguna de las clases antes mencionadas. Los humedales con vegetación y las tierras secas no se pudieron diferenciar mediante una inspección visual debido a la alta variabilidad e inconsistencia en la apariencia (Kandus et al., 2018). El conjunto de datos de inspección visual se dividió aleatoriamente en una partición de entrenamiento (75% de las observaciones) y una partición de prueba (25% de las observaciones).
Figura 2. Un mapa que muestra la distribución de los datos reales utilizados para supervisar las clasificaciones de cobertura terrestre. Ambos grupos de puntos se dividieron aleatoriamente en una partición de entrenamiento del 75% y una partición de prueba del 25%. Los puntos de inspección visual (n = 504) supervisaron la clasificación de Nivel 1 y los puntos de campo (n = 129) supervisaron la clasificación de Nivel 2
Datos de clasificación Las imágenes de las colecciones Landsat del USGS (Landsat 5, 7 y 8, nivel 2 [Colección 2]) y las colecciones Sentinel (Sentinel-1 SAR GRD y Sentinel-2 MSI) se obtuvieron utilizando Google Earth Engine para el período de estudio entre 2006 y 2021. (Gorelick et al., 2017; Copernicus, 2021; USGS, 2021). 2.3 Identificación de la cobertura terrestre Se utilizaron imágenes de las misiones LANDSAT y Sentinel para desarrollar clasificaciones supervisadas de la cobertura terrestre durante el período de estudio (Copernicus, 2021; USGS, 2021). Se empleó una metodología de dos pasos para, en primer lugar, identificar aguas abiertas, vegetación y bosque (clasificación de Nivel 1) y, en segundo lugar, para identificar tierras secas y humedales con vegetación dentro de la clase de vegetación (clasificación de Nivel 2). Procesamiento de datos Se utilizaron imágenes de las misiones Landsat y Sentinel durante un período de 12 semanas (23 de agosto a 14 de noviembre) para calcular el índice de vegetación mejorado (EVI), el índice de vegetación de diferencia normalizada (NDVI), el índice de agua de diferencia normalizada (NDWI) a partir de los datos de Landsat y el percentil 10, percentil 90 y la diferencia entre el percentil 10 y 90 para las bandas Sentinel-1. La estacionalidad anual de NDVI, NDWI y Bare Soil Index (BSI) se calcularon durante el año previo a la fecha final del período de imágenes de 12 semanas. El valor medio de las bandas en cada píxel se utilizó para producir una imagen compuesta del área de estudio. Los datos digitales de elevación de SRTM también se recopilaron en 90 m2 y se tomó una media para cada píxel de 30 m2 de la imagen compuesta (Jarvis et al., 2008). Los compuestos finales para cada año contenían bandas sin procesar y bandas procesadas (ver Tabla 1). Las ecuaciones utilizadas en el procesamiento de bandas son las siguientes. Clasificación Para la clasificación de Nivel 1, que identificó aguas abiertas, vegetación y bosque, se entrenó un clasificador de bosque aleatorio, con 800 árboles, una población de hojas mínima de 1 y una fracción de bolsa de 0,5, utilizando la partición de entrenamiento de datos de inspección visual. Se realizó una clasificación supervisada para cada año de estudio (2006, 2011, 2016, 2021), creando una clasificación de bosque, vegetación y aguas abiertas para cada año. Para producir una clasificación de Nivel 1 para tres años intermedios (2009, 2014, 2019), se utilizó el clasificador entrenado del año más cercano para clasificar la imagen compuesta del año intermedio. Por ejemplo, se elaboró una clasificación para 2009 utilizando el clasificador entrenado con datos de 2011. Una clasificación para 2014 utilizó el clasificador entrenado en 2016 y una clasificación para 2019 utilizó el clasificador entrenado en 2021. Esto produjo una clasificación de bosque, vegetación y aguas abiertas durante 7 años de estudio entre 2006 y 2021. No hubo imágenes satelitales disponibles para 35,8 km2, 0,4% del área de estudio, en el período de estudio de 2021. Se asumió que estos píxeles no habían cambiado desde 2020 y se les asignaron valores de la clasificación de 2020. Para la clasificación de Nivel 2, identificando tierras secas y humedales con vegetación, se entrenó una clasificación de bosque aleatoria, con 400 árboles, una población de hojas mínima de 1 y una fracción de bolsa de 0,75, utilizando la partición de entrenamiento de los datos de campo. Se realizó una clasificación supervisada en el área clasificada como vegetación en la clasificación de Nivel 1 para cada año de estudio (2006, 2011, 2016, 2021), creando una clasificación de tipo de vegetación. Los mismos tres años intermedios clasificados en la clasificación de Nivel 1 se sometieron a una clasificación de tipo de vegetación. La clasificación de Nivel 2 se combinó con la imagen de clasificación de Nivel 1 para cada año de estudio, produciendo imágenes de cobertura terrestre clasificadas que muestran bosques, tierras secas no forestales, humedales con vegetación y aguas abiertas. Las clasificaciones de cobertura terrestre tienen una resolución de 30m2 y utilizan un sistema de referencia de coordenadas WGS84.
Evaluación de la precisión Para evaluar la precisión de cada clasificación, se realizó una matriz de confusión en Google Earth Engine (Stehman, 1997; Gorelick et al., 2017). Se llevó a cabo una evaluación de precisión adicional en RStudio, que cuantificó la precisión total de cada clasificación y el número de falsos positivos y el número de falsos negativos para cada clase (R Core Team, 2021). Se llevaron a cabo evaluaciones de precisión para los mapas de cobertura terrestre en los años de supervisión, que fueron 2006, 2011, 2016 y 2021. Se llevaron a cabo en los resultados de la clasificación del Nivel 1 y los resultados de la clasificación del Nivel 2 por separado Detección de cambios El área cubierta por cada clase de cobertura terrestre se midió a partir de la clasificación de cobertura terrestre para cada año de estudio y se calculó el cambio anual medio entre cada una de las imágenes. El cambio anual medio para todo el período de estudio se calculó tomando la media de las estimaciones de cambio anual entre los años de estudio. Tendencia de precipitación Los datos de precipitación se obtuvieron del conjunto de datos climáticos diarios de CHIRPS (versión 2.0) con una resolución de 5566 m (Funk et al., 2015). La precipitación anual total se cuantificó tomando la suma de la precipitación anual total de todos los píxeles en el área de estudio para cada año entre 2006 y 2021 en Google Earth Engine (Gorelick et al., 2017). A continuación, se representó gráficamente la precipitación anual total utilizando RStudio (R Core Team, 2021). Resultados Clasificación de la cubierta terrestre En la Figura 3 se presentan mapas clasificados de cobertura terrestre del área de estudio, producidos en la metodología de clasificación de dos pasos. El Complejo de Humedales Ñeembucú está dominado por humedales con vegetación, que cubren 65-79% del área de estudio entre 2006 y 2021. Los humedales con vegetación eran tierras secas y cubrían entre el 8% y el 23% del área de estudio durante el período de estudio. En 2016, el humedal con vegetación cubrió un 11% más del área de estudio que para la misma clase en 2014. A la inversa, las tierras secas cubrieron un 11% menos del área de estudio que para la misma clase en 2016. Esto se explica por inundaciones severas debido a fuertes lluvias en 2015-2016, que se reportaron en la cuenca del río Paraguay (DosGollin et al., 2018). Después de excluir las observaciones de 2016 debido al clima extremo, 260 humedales y tierras secas con vegetación cubrieron el 65-70% y el 19-23% del área de estudio, respectivamente, entre 2006 y 2021. Los bosques y las aguas abiertas cubrieron el 6-8% y el 5-7% del área de estudio, respectivamente, durante el período de estudio. Resultados Clasificación de la cubierta terrestre En la Figura 3 se presentan mapas clasificados de cobertura terrestre del área de estudio, producidos en la metodología de clasificación de dos pasos. En segundo lugar, el humedal con vegetación fue el de secano, que cubrió entre el 8% y el 23% del área de estudio durante el período de estudio. En 2016, el humedal con vegetación cubrió un 11% más del área de estudio que para la misma clase en 2014. A la inversa, las tierras secas cubrieron un 11% menos del área de estudio que para la misma clase en 2016. Esto se explica por inundaciones severas debido a repetidas lluvias intensas en 2015-2016, que se reportaron en la cuenca del río Paraguay (Dos-Gollin et al., 2018). Después de excluir las observaciones de 2016 debido al clima extremo, humedales y tierras secas con vegetación cubrieron el 65-70% y el 19-23% del área de estudio, respectivamente, entre 2006 y 2021.
Los bosques y las aguas abiertas cubrieron el 6-8% y el 5-7% del área de estudio, respectivamente, durante el período de estudio.
Bosque Tierra seca Humedal con vegetación Agua abierta
Figura 3. Mapas clasificados de cobertura del suelo del área de estudio para los años de estudio entre 2006 y 2021. Los años de clasificación supervisados fueron 2006, 2011, 2016 y 2021. 2009, 2014 y 2019 fueron años intermedios, clasificados por el clasificador de años más cercano. Clasificaciones creadas en Google Earth Engine y trazadas en RStudio (Gorelick et al., 2017; R Core Team, 2021).
Evaluación de la precisión de la clasificación La clasificación aleatoria de bosques produjo mapas de clasificación de cobertura terrestre de Nivel 1 con una precisión general del 91-96% y mapas de clasificación de la cobertura terrestre de Nivel 2 con una precisión general del 82%. La Tabla 2 presenta la precisión general y el porcentaje de falsos negativos (errores de Tipo I) y falsos positivos (errores de Tipo II) en cada clase de cobertura terrestre en años de supervisión (los años en los que los datos de capacitación y pruebas estuvieron disponibles para clasificaciones de supervisores). ). Dentro de la Clasificación de Nivel 1, la vegetación estuvo sobrerrepresentada durante todos los años. Bosque fue la clase menos representada en todos los años, con falsos negativos que oscilaron entre el 2,9% de las observaciones de prueba en 2021 y el 4,7% en 2011. En 2006, el 0,8% y el 3,1% de las observaciones de aguas abiertas y bosques, respectivamente, fueron falsas identificadas como vegetación. En 2011, más de dos tercios de los falsos positivos de vegetación se clasificaron como bosques en los datos de prueba, y el resto eran aguas abiertas. La proporción de vegetación falsa positiva perteneciente a bosque y aguas abiertas fue similar a la de 2011, con más de dos tercios de la vegetación falsa positiva clasificada como bosque en los datos de prueba. En 2021, no se identificaron errores en la clase de aguas abiertas, y hubo un 0,7% más de identificación de falsos positivo de vegetación que de bosque. La clasificación de Nivel 2 tuvo una precisión menor que la clasificación de Nivel 1, debido a la heterogeneidad en los tipos de hábitat dentro de la vegetación no forestal que conduce a una falta de características unificadoras dentro de las clases (Gallant, 2015). Dentro de la vegetación seca y de humedales, el predominio de pastos, plantas herbáceas y arbustos varía, y la estacionalidad de la presencia de agua también varía dentro de la clase de humedales con vegetación. Dentro de la clasificación Nivel 2, las tierras secas estaban sobrerrepresentadas, con un mayor número de falsos positivos que la clase de humedales con vegetación. Tabla 2. La precisión de cada clasificación en la identificación de cada cobertura terrestre Cobertura terrestre nivel 1 Clasificación
AÑO
General Clasificador Precisión
Bosque FALSO POSITIVO
Vegetación FALSO NEGATIVO
FALSO POSITIVO
Aguas abiertas FALSO NEGATIVO
FALSO POSITIV O
FALSO NEGATIVO
Cobertura terrestre nivel 2 Clasificación AÑO
General Clasificador
Tierra seca Falso positivo
Humedal con Vegetación Falso negativo
Falso positivo
Falso negativo
Precisión
Detección de cambio de cobertura terrestre El mayor cambio anual a lo largo del período de estudio se observó en la vegetación de las tierras secas y las clases de cobertura de tierras de humedales con vegetación (ver Tabla 3). Se observaron cambios extremos en tierras secas y humedales con vegetación entre 2014 y 2016, con cambios de - 299 65,76% y 7,72% observados en cada clase, respectivamente. Las cifras extremas observadas en 2016 son el resultado de condiciones climáticas extremas y, como resultado, la clasificación de este año se eliminó de la detección de cambios (Dos-Gollin et al., 2018; Figura 4). La detección de cambios mostró que los humedales con vegetación disminuyeron a una tasa media anual de 1,65% y un aumento medio anual en las tierras secas de 4,94% (Cuadro 3). Además, el bosque se pierde a una tasa del 0,34% anual, mientras que el agua abierta se gana a una tasa media del 0,40% anual. Tabla 3. Variación media anual (%) en el área de cada cubierta terrestre entre los años de estudio Período de tiempo
Bosque
Tierras secas
Humedal con vegetación
Aguas abiertas
Periodo de estudio general
Tendencia de precipitación La precipitación anual total osciló entre 9,036,984 mm y 16,546,476 mm y 309 mostraron una tendencia creciente durante el período de estudio (ver Figura 4). Sin embargo, se observa una mayor variabilidad 310 en la precipitación anual en los últimos años dentro del período de estudio, con una precipitación anual total más de tres veces mayor que el año anterior observado 312 en 2016, y algunos de los años de menor precipitación observados en 2020 y 2021 ( Figura 4a). 313 El impacto de las precipitaciones extremas en 2016 se observa en la inundación de un área mayor de 314 tierras no boscosas en ese año (Figura 4b).
Total anual precipitación en mm
Cubierta Tierra seca Bosque Aguas abiertas Humedal con vegetación
Año
Año
Figura 4. Patrón temporal de la precipitación anual total A (mm) y el área B (km2) bajo cada clase de cobertura terrestre en el área de estudio entre 2006 y 2021. En A, la precipitación anual observada se traza en negro y la tendencia de precipitación ajustada en gris. Fuentes: El conjunto de datos climáticos diarios de CHIRPS (versión 2.0) (Funk et al., 2015). Procesado en Google Earth Engine y trazado en RStudio (Gorelick et al., 2017; R Core Team, 2021). Discusión El cambio de humedal identificado en el Complejo de Humedales de Ñeembucú es comparable al cambio de humedal reportado en las regiones del sistema Paraguay-Paraná-La Plata, donde la presión de los eventos de actividades humanas está impulsando las tendencias de conversión y degradación de los humedales (Collischonn et al., 2001; Junk , 2013). En el delta inferior del río Paraná, un tercio de las marismas de agua dulce se convirtieron en pastos y bosques entre 1999 y 2013 (Sica et al., 2016). Asimismo, Guerra et al. (2020) proyectaron una pérdida del 3% de vegetación nativa para 2050 en el Pantanal, la región de tierras bajas de la cuenca del río Paraguay superior. Brandolin y col. (2013) encontraron una pérdida del 15% en el área inundada en Córdoba, Argentina, y área en la que la expansión agrícola ha impulsado una alta canalización de los humedales entre 1987 y 2007. Por el contrario, se observó un aumento del 66% en el área inundada en Santa Fe, un región que experimenta una menor presión agrícola, dentro del mismo estudio en Argentina. El aumento en el área inundada observado en Santa Fe se atribuyó a un aumento de las inundaciones que impulsaron la expansión de los humedales en una región con baja presión agrícola (Brandolin et al., 2013). Los hallazgos de este estudio sugieren que las áreas de humedales dentro del Complejo de Humedales Ñeembucú se están convirtiendo en tierras secas, una tendencia similar observada en otras regiones del sistema Paraguay-Paraná-La Plata y a nivel mundial (Kashaigili et al., 2006; Junk, 2013; Gardner et al., 2015). El uso de la tierra en el Complejo de Humedales de Ñeembucú es predominantemente agrícola y es probable que la expansión agrícola y urbana esté impulsando el drenaje y la conversión de los humedales en tierras más secas y productivas (Bucher & Huszar, 1995; JICACEPAL, 2013). Esta tendencia se observa en los humedales tanto a nivel mundial como dentro del sistema del Río de la Plata Paraguay-Paraná-La. La pérdida de humedales en el Complejo de Humedales de Ñeembucú es comparable a la observada en Argentina, donde el uso de la infraestructura de gestión del agua, como canales y diques, ha sido responsable de impulsar la conversión de humedales (Bucher y Huszar, 1995; Brandolin et al., 2013; Sica et al., 2016).
En los humedales con alta producción agrícola en el delta del río Paraná en Argentina, se construyeron canales de drenaje artificial para mitigar los impactos de las frecuentes inundaciones causadas por una tendencia creciente de lluvias en la segunda mitad del siglo XX, y siguió la construcción ilegal de canales por parte de los terratenientes (Brandolin et al., 2013). Dentro del Bajo Delta del Río Paraná, las prácticas de manejo del agua, la densidad de ganado y la accesibilidad fueron los principales impulsores de la conversión de humedales (Brandolin et al., 2013; Sica et al., 2016). En la cuenca alta del río Paraguay, la pérdida de vegetación nativa fue impulsada por la agricultura de productos básicos, el estado de protección y la accesibilidad (Guerra et al., 2020). Las influencias relativas de estas variables difirieron espacialmente, teniendo la agricultura un efecto menor y la distancia a los caminos tuvo un mayor efecto en los humedales del Pantanal en comparación con los biomas más secos que rodean el Cerrado y el Amazonas. La conversión de humedales observada en el Complejo de Humedales de Ñeembucú probablemente no se atribuya a la precipitación, ya que la precipitación anual total y las tendencias de precipitación extrema están aumentando en la región. Doyle y Barros (2011) encontraron un aumento de la precipitación localizada en las cuencas del Paraná Medio y Paraguay Medio, en las que se encuentra el Complejo de Humedales Ñeembucú, y Haylock et al. (2006) reportaron un aumento anual de precipitación y días de precipitación extrema, con una temporada de lluvias más corta, para Paraguay y la región circundante. Además de esto, se observó una tendencia creciente para la precipitación total anual en el Complejo de Humedales Ñeembucú, dentro de este estudio. La dinámica de los humedales está impulsada en gran medida por las precipitaciones y, sin un desarrollo urbano y agrícola simultáneo, se espera que el aumento de las precipitaciones genere mayores inundaciones e inundaciones (Collischonn et al., 2001; Prieto, 2007; Pereira et al., 2021). La creciente inundación antes mencionada observada en Santa Fe, Argentina, es un ejemplo de expansión de humedales impulsada por el aumento de las precipitaciones (Brandolin et al., 2013). Las tendencias de precipitación observadas en el área de estudio y la región circundante sugieren que el cambio climático no está impulsando la conversión de los humedales observados en este estudio. La pérdida continua de humedales con vegetación y bosques en el Complejo de Humedales de Ñeembucú reducirá la capacidad del ecosistema para proporcionar bienes y servicios valiosos, incluido el almacenamiento de agua, el suministro de peces y combustible y el apoyo a la biodiversidad de los humedales. Los desarrollos recientes en la región, incluidas las defensas costeras de Pilar y las construcciones de la Ruta Alberdi-Pilar, representan una amenaza adicional para este hábitat vulnerable (Gardner et al., 2015; MOPC, 2021a; MOPC, 2021b). Los objetivos principales de estos desarrollos son aliviar el riesgo de inundaciones y aumentar la accesibilidad a la principal ciudad de Ñeembucú, Pilar, que con frecuencia se reconoce como impulsores de la conversión de humedales. Además, el desarrollo de la llanura aluvial en Ñeembucú puede reducir el almacenamiento de agua y generar inundaciones en el resto de la región (Gottgens et al., 2001). También puede darse el caso de que el cambio de uso de la tierra y las modificaciones de los ríos río arriba del Complejo de Humedales de Ñeembucú estén influyendo en el cambio de humedales al moderar las descargas de los ríos (da Silva y Girard, 2004). Dado el claro impacto que el cambio global ya ha tenido en estos humedales, el monitoreo de humedales es una herramienta esencial para preservar el valor económico, ecológico y cultural del Complejo de Humedales Ñeembucú (Sica et al., 2016; Kandus et al., 2018; Guerra et al., 2018). al., 2020). El monitoreo continuo del Complejo de Humedales Ñeembucú y un análisis más detallado de los impulsores del cambio de uso de la tierra en la región son esenciales para una toma de decisiones bien informada en la región (Junk, 2013; Guo et al., 2017; Kaplan y Avdan, 2018). A nivel mundial, el valor de los humedales rara vez se ha considerado seriamente en la toma de decisiones (Woodward y Wui, 2001). Sin embargo, la integración del valor de los humedales en la toma de decisiones y la planificación del desarrollo promoverá la conservación de hábitats de humedales de valor económico, ecológico y cultural.
Un análisis más detallado del cambio dentro de los tipos de humedales y los impulsores de este cambio será esencial para identificar hábitats vulnerables, monitorear la salud de los humedales y comprender el papel de las políticas y el desarrollo en el impulso de la dinámica de los humedales en Ñeembucú (Gumbricht et al., 2017; Davidson & Finlayson, 2018). Conclusión Con alrededor de 6000km2 de área de humedales dentro de un complejo de 8000km2 de bosques, pastizales y humedales, el Complejo de Humedales Ñeembucú es una región valiosa dentro del sistema del Río ParaguayParaná-La Plata dentro de la cual la preservación de la biodiversidad, el aprovisionamiento de recursos naturales y el almacenamiento de agua deben ser considerado dentro del proceso de desarrollo. Dentro del Complejo de Humedales de Ñeembucú, los humedales con vegetación y los bosques se han perdido durante los últimos 15 años, y se han convertido predominantemente en áreas de tierras secas más productivas. Dadas las crecientes tendencias de precipitación identificadas en la región, es probable que el desarrollo agrícola y urbano esté impulsando el cambio de uso de la tierra en la región. Con grandes desarrollos en curso en la región, el monitoreo continuo será esencial para comprender el impacto en el Complejo de Humedales Ñeembucú, una región en la que gran parte de los medios de vida de la población dependen de la salud del ecosistema. Con los desarrollos actuales en el área y las presiones climáticas y antropogénicas continuas proyectadas, el monitoreo será esencial para comprender el impacto del cambio climático y el desarrollo en la salud de los humedales. El monitoreo de los humedales es una herramienta clave para abordar el cambio de los humedales y obtener los conocimientos necesarios para una toma de decisiones bien informada sobre el desarrollo futuro y la conservación de valiosos bienes y servicios de los ecosistemas. Los humedales cubren una pequeña porción del planeta pero su capacidad para capturar carbono es enorme. Pueden almacenar 50 veces más carbono que las selvas tropicales, lo cual ayuda a mantener, fuera de la atmósfera, al gas que atrapa el calor que contribuye al cambio climático. Los humedales filtran la materia que contiene carbono del agua, como las hojas y los desechos animales. Esta basura natural es enterrada por el agua y los sedimentos en los humedales, confinándola. Otra ventaja es que los humedales crecen rápidamente y son fuertes, lo que significa que tienen una larga vida útil de succión de carbono de la atmósfera. Martin Eduardo Lucione https://facebook.com/Ecoalfabetizacion https://issuu.com/martinlucione Extraído bioRxiv Frances O’Leary / Para La Tierra, Centro IDEAL, Mariscal Estigarribia 321 c/ Tte. Capurro, Pilar, Dpto. 4 Ñeembucú, Paraguay.