CONSEJO DE GOBIERNO DEL PUEBLO SHUAR ARUTAM CGPSHA
ESTUDIO
DETERMINACIÓN DE LOS PATRONES DE DEFORESTACIÓN EN EL TERRITORIO DEL CGPSHA, A TRAVÉS DE UN ESTUDIO MULTITEMPORAL PARA LOS AÑOS 1987 y 2009.
Febrero, 2010
ESTUDIO: DETERMINACIÓN DE LOS PATRONES DE DEFORESTACIÓN EN TERRITORIO DE LA CGPSHA, A TRAVÉS DE UN ESTUDIO MULTITEMPORAL PARA LOS AÑOS 1987 y 2009.
Técnicos encargados del estudio: Dr. Luis Arévalo Ing. Santiago Silva Egsda. Elizabeth Minga
Seguimiento: Equipo técnico CPSHA
Supervisión: Equipo GIZ
Fundación Arcoiris , 2010
1
TABLA DE CONTENIDOS TABLA DE CONTENIDOS LISTA DE TABLAS LISTA DE FIGURAS LISTA DE ANEXOS CAPÍTULO 1. ANTECEDENTES CAPÍTULO 2. INTRODUCCIÒN CAPÍTULO 3. REVISION DE LITERATURA 3.1 CONCEPTO DE DEFORESTACIÒN 3.1.1. Causas de la Deforestaciòn 3.1.2. Deforestacion en el Mundo 3.1.3. Deforestaciòn en America Latina 3.1.4. Deforestaciòn en el Ecuador 3.2. PRINCIPIOS Y FUNDAMENTOS DE TELEDECCIÒN 3.2.1. Resoluciòn de un Sistema Sensor 3.2.1.1. Resoluciòn Espectral 3.2.1.2. Resolucion Radiomètrica 3.2.1.3. Resoluciòn Espacial 3.2.1.4. Resoluciòn Temporal 3.2.2. Tratamiento Digital de Imágenes 3.2.2.1 Correcciones Geomètricas 3.2.2.2 Calculo de Reflectividad 3.2.2.3. Correcciones Atmosfericas 3.2.3. Metodos de Clasificaciòn Digital 3.2.3.1 Clasificacion Supervisada 3.2.3.2 Clasificaciòn no Supervisada 3.3. CONCEPTUALIZACION DE TIPOS DE COBERTURA 3.3.1. Definicion e Importancia 3.3.2. Enfoques Generales del Estado de la Vegetaciòn 3.3.3. Clases de Cobertura y Uso del Suelo 3.4. Tecnicas de Analisis Multitemporal 3.4.1. Composiciones de Color Multitemporal 3.4.2. Diferencia entre Imágenes 3.4.3. Cocientes Multitemporales 3.4.4. Regresiòn 3.4.5. Vectores Multitemporales 3.4.6. Problemas de Delimitar Umbrales 3.4.7. Analisis Multitemporal de Imágenes Clasificadas 3.5. Modelador de Cambios en el Terreno para la Sustentabilidad Ecológica
2 3.5.1. Fichas y Paneles CAPÍTULO 4. METODOLOGIA Descripcion del area de estudio 4.1. Materiales 4.2. Base de datos Geograficos de la Cobertura Vegetal 4.2.1.1. Recopilación de Información Primaria 4.2.1.2. Validación de la Información 4.2.1.3. Homologación de la Información 4.2.1.4. Depuración y Almacenamiento de la Base de Datos 4.2.1.5. Tratamiento de Imágenes de Satelite 4.2.1.5.1. Pre-Procesamiento De Imágenes 4.2.1.5.2. Búsqueda y Selección de Imágenes 4.2.1.5.3. Corrección geométrica 4.2.1.5.4. Correcciones Radiométricas a) Corrección Atmosférica b) Análisis de Componentes Principales (ACP) 4.2.1.6. Elaboración de Mosaicos 4.2.1.7. Procesamiento de Imágenes 4.2.1.7.1. Clasificación Supervisada 4.2.1.7.2. Trabajo de Campo 4.2.1.7.3. Recolección de Firmas Espectrales 4.2.1.7.4. Análisis Estadístico 4.2.1.7.5. Fase de Asignación 4.2.1.7.6. Análisis post Casificación 4.2.1.7. Validación 4.2.1.8. Edición de Resultados Geográficos 4.2.2. Determinar la Tasa de Deforestación en Base al Análisis Multitemporal de Imágenes Satelitales, período 1987 y 2009 4.2.2.1. Identificación de Cambios en la Cobertura Vegetal y uso del Suelo 4.2.2.2. Cálculo de la Tasa de Deforestación 4.2.3. Elaboración del Modelo de Simulación del Proceso de Deforestación de la Provincia 4.2.3.1. Preparación de Datos 4.2.3.2.Corrida del Modelo CAPÍTULO 5. RESULTADOS Y DISCUSIÒN 5.1.1. Información Base Escala 1:50 000
3
5.1.1.2. Tratamiento de Imágenes Satelitales 5.1.2. Base de datos de Cobertura Vegetal de los Años 1987 y 2009 5.1.2.1. Génesis de la Cobertura Vegetal Actual 5.2.1.2. Cobertura Vegetal y Uso del Suelo 5.2.1.3. Imágenes Categorizadas para Analisis Multitemporal 5.2.1.3.1. Cobertura Vegetal año 1987 5.2.1.3.2. Cobertura Vegetal año 2009 5.2.3. Tasa de Deforestación en Base al Análisis Multitemporal de Imágenes Satelitales en el Período 1987 y 2009 5.2.3.1. Cambios de la Cobertura Vegetal 1987-2009 5.2.4. Modelo de Simulación del Proceso de Deforestación 5.2.5. Análisis de los Patrones de Deforestación 5.2.6. Alternativas De Mitigación CAPITULO 6. CONCLUSIONES Y RECOMENDACIONES CAPITULO 7.BIBLIOGRAFIA CAPITULO 8. ANEXOS
4
LISTA DE TABLAS Cuadro1. Recursos Naturales 2000 Cuadro 2. Deforestación del Ecuador continental durante el periodo 1991- 2000 Cuadro 3. Bandas de imágenes Landsat TM (Tematic Maper) Cuadro 4. Diccionario de la base datos geográficos del CGPSHA Cuadro 5. Imágenes disponibles en el presente estudio. Cuadro 6. Clasificación de cobertura vegetal utilizada Cuadro 7. Cuadro. 8. Descripción de la génesis de la cobertura vegetal por tipo de paisaje Cuadro.9. Cobertura vegetal del territorio del CGPSHA Cuadro 10. Descripción de atributos por tipo de cobertura vegetal existente en el territorio del CGPSHA Cuadro 11. Base de datos de la cobertura vegetal del territorio del CGPSHA del año 1987 Cuadro 12. Base de datos de la cobertura vegetal del territorio del CGPSHA del año 2009 simplificada. Cuadro 13. Cambio que presentan las categorías en el período de 1987-2009 Cuadro 14.
Estimación de la deforestación al 2025
Cuadro 15. Datos de población total del territorio del CGPSHA
5
LISTA DE FIGURAS Figura 1. Gráfica del proceso en teledetección Figura 2. Rango del espectro electromagnético (ERDAS 2001). Fig. 3. Ubicación del área de estudio Fig. 4. Modulo atmosc para realizar correcciones atmosféricas Fig.5 Modulo ACP para realizar correcciones radiométricas Fig.6. Mosaico elaborado para el año 2009, Imágenes ASTER Fig.7. Mosaico elaborado para el año 2007, Imágenes Landsat TM5 año 2007 y ETM+2002 Fig.8. Mosaico elaborado para el año 1987, Imágenes Landsat TM5 Fig. 9. Mapa de puntos de muestreo recolectados en campo Fig.10. Marcara del territorio del CGPSHA Fig.11. Modulo de Change analysis Fig.12. Evaluaciòn de las àreas potenciales de transición Fig.13. Generaciòn de los escenarios de predicción Fig.14. Mapa de poblados actualizada Fig.15. Mapa de puntos Altos actualizada Fig.16. Mapa de red vial Fig.17. Mapa de red hídrica Fig.18. Mapa de curvas de nivel Fig.19. Fragmento de imagen Aster con corrección atmosférica Fig.20. Fragmento de imagen Aster con corrección topográfica Fig.21. Niveles de transformación del paisaje en el territorio del CGPSHA Fig.22. Mapa de cobertura vegetal y uso actual del suelo Fig.23. Mapa de cobertura vegetal del año 1987 Fig.24. Mapa de cobertura vegetal del territorio CGPSha del año 2009 Fig.25. Tendencia de la deforestación para el periodo del 1987-2009
6 Fig. 26. Mapa de cambio de uso del suelo periodo 1987-2009 Fig.27. Anomalía detectada desde la imagen de Satélite Fig.28. Apertura de trocha para tendido eléctrico sector las peñas. Fig.29. Tendido eléctrico puesto en marcha en el sector las Peñas Fig.30. Construcción de trocha para tendido eléctrico sector la Victoria. Fig.31. Panorámica de corte a tala raza con fines de ampliación agrícola. Fig.32. Potrero sin ningún tipo de manejo Fig.33. Pastizales subutilizados Fig.34. Pequeños depósitos de madera identificados a la largo del territorio. Fig 35. Regeneración identificada en las imágenes de satélite Fig 36. Mapa de predicción generado en el modulo LCM al 20020 Fig 37. Tendencia de la deforestación al año 2020.
7
LISTA DE ANEXOS Anexo 1. Coberturas reconocidas en campo y análisis estadístico de imagenes Anexo2. Características de las principales especies que se desarrollan dentro del CGPSHA Anexo 3. Características del área de estudio Anexo 4. Variables generadas mediante modelación en Idrisi Taiga, como patrones de deforestación.
8
CAPITULO 1. ANTECEDENTES El Consejo de Gobierno del Pueblo Shuar Arutam CGPSHA, ubicado en los cantones Tiwintza, Limón Indanza, San Juan Bosco y Gualaquiza, en la provincia de Morona Santiago, se desarrolla sobre un territorio aproximado de 200.000 has en la zona de la cordillera de El Cóndor; la CGPSHA ha recibido apoyo en los últimos años de entidades de cooperación con el objetivo de apoyar a la conservación de los recursos naturales de su territorio y fomentar alternativas de desarrollo y seguridad alimentaria para el pueblo Shuar. En este marco, el
CGPSHA estableció un convenio de cooperación, con
Fundación Natura y el Proyecto El Cóndor (COSUDE –GTZ) quienes han venido apoyando de manera conjunta, por ello es de fundamental importancia analizar de qué modo las acciones orientadas al aprovechamiento sostenible de la madera, han incidido de forma directa
en la conservación del bosque natural y en el buen
manejo de los recursos de la Cordillera del Cóndor. En este contexto se presenta los resultados del estudio sobre los patrones de deforestación en el territorio de la CGPSHA, a través del estudio multitemporal para los años 1987 y 2009.
9
CAPITULO 2. INTRODUCIÒN El estudio detalla los conceptos fundamentales de la deforestación sus causas, efectos y su problemática a nivel mundial. Los temas relacionados con la aplicación de técnicas para el cambio de uso del suelo. La importancia de la aplicación de los Sistemas de Información Geográfica, como la proveedora de las herramientas para desarrollar la Geomática en el campo del análisis del territorio. La Técnica aplicada se fundamento en la interpretación de imágenes de satélite, la que sirvió para generar y actualizar la base de datos geográfica del territorio del CGPSHA. Esta base sirvió para modelar
el territorio, donde se utilizo
el modulo Land
Change Modeler (LCM), disponible en el software Idrisi Taiga, la que está programada para analizar las variables del territorio como patrones de cambio y realizar las proyección a futuro. El estudio determinó la tasa de deforestación para el periodo 1987-2009, estableció los patrones de cambio y la proyección a 30 años, con intervalo de diez años, dentro del territorio del Consejo de Gobierno del Pueblo Shuar Arutam (CGPSHA). Con esto se propuso acciones que ayuden a frenar el impacto de la deforestación, y ayudar a la conservación del CGPSHA. Se plantearon los siguientes objetivos Objetivo General Realizar un diagnóstico y análisis que permitan determinar los cambios en la cobertura boscosa, las tasas y los patrones de deforestación en el territorio del Consejo de Gobierno del Pueblo Shuar Arutam (CGPSHA).
10 Objetivos Específicos
Diseñar una base de datos geográfica del Consejo de Gobierno del Pueblo Shuar Arutam CGPSHA, utilizando herramientas de geomática ambiental.
Determinar la tasa de deforestación en base al análisis multitemporal de imágenes satelitales, en el periodo (1989-2009).
Elaborar un modelo de simulación del proceso de deforestación, que permita analizar sus patrones de cambio.
Difundir el estudio de la deforestación y sus tendencias de la provincia al Consejo de Gobierno del Pueblo Shuar Arutam CGPSHA.
11
CAPITULO 3. REVISIÒN BIBLIOGRÀFICA A continuación se describe los conceptos que engloban la deforestación, la teledetección y la modelación geográfica; como temas importantes en el desarrollo del presente trabajo. 3.1 CONCEPTO DE DEFORESTACIÒN De acuerdo al Programa de Evaluación de los Recursos Forestales, FAO, define a la Deforestación como la conversión de bosques a otro uso de la tierra o la reducción a largo plazo de la cubierta forestal por debajo del límite del 10 por ciento (http://www.fao.org/mnts/glossary_es.asp#d). Deforestación significa eliminar la cobertura de los árboles en aras de la agricultura, actividades mineras, represas, creación y mantenimiento de la infraestructura, expansión de las ciudades y otras consecuencias debidas a un
crecimiento
rápido
de
la
población
(http://www.aag.org/mycoe/student_guide/1%20Temas/4.Deforestacion.pdf).
Según el Programa de las Naciones Unidas para el Medio Ambiente (PNUMA). Entiende por deforestación el desmonte total o parcial de las formaciones arbóreas para dedicar el espacio resultante a fines agrícolas, ganadero o de otro tipo. Esta concepción no tiene en cuenta ni la pérdida de superficie arbolada por desmonte parcial, ni el entresacado selectivo de maderas, ni
cualquier
otra
forma
de
degradación
(http://www.pla.net.py/enlaces/cnelm/980617/deforefo.htm).
3.1.1 Causas de la Deforestación Para el sector forestal debería ser una prioridad absoluta afrontar las causas directas de la deforestación y la degradación forestal. La deforestación no puede compensarse sencillamente plantando más árboles. Si se toman en cuenta los numerosos problemas ecológicos, sociales y
12 económicos asociados a las grandes plantaciones de árboles. Algunas causan de la
destrucción de las selvas húmedas: El crecimiento económico general, y su correspondiente incremento de la demanda y el consumo de productos extraídos de la naturaleza en el trópico húmedo, constituyen un importante factor que presiona por una mayor producción, lo que también puede ser, a la vez, una oportunidad. El crecimiento demográfico en las áreas selváticas, es en general, alto y en muchas regiones constituye una aguda presión por parte de los nuevos demandantes de tierra, lo cual ha ocasionado fuertes impactos destructivos. La pobreza en la que viven una gran cantidad de indígenas y campesinos es un factor que impulsa hacia el uso poco adecuado de los ecosistemas, ya que representa múltiples limitaciones para el desarrollo productivo, reduce las alternativas y fomenta el uso desesperado de recursos naturales. Los macroproyectos privados y/o gubernamentales que dilapidan la naturaleza, ya sea haciendo una extracción expoliadora de los recursos forestales o sustituyendo las selvas por pastizales para el ganado o plantaciones especializadas, o bien desarrollando proyectos con graves impactos ambientales, como los hidráulicos mineros; en muchos casos, invadiendo territorios indígenas y campesinos y desplazando de diversas formas a la población. El cambio de uso de suelo, principalmente la expansión de la ganadería extensiva; pero también la agricultura migratoria constituye uno de los factores principales de la destrucción del trópico húmedo. La expansión de la frontera agrícola, a través de estos agrosistemas, sustituye los complejos y muy diversificados sistemas naturales tropicales, por agrosistemas extensivos y poco productivos.
13 La expansión de la ganadería vacuna de pastoreo en las zonas tropicales húmedas, para muchos países, ha constituido una causa fundamental que ha provocado la destrucción de millones de hectáreas (ha) en los últimos años. Otro factor de gran importancia en el proceso de deterioro es el aprovechamiento forestal inadecuado y destructivo. Existe insuficiencia en el establecimiento de sistemas sustentables de aprovechamiento forestal de las selvas y de mecanismos de regulación y control que aseguren esquemas de manejo sin destrucción. La expansión de la infraestructura urbana y de comunicaciones constituye también una causa importante. La ausencia de criterios ecológicos en el diseño y construcción de la infraestructura tiene consecuencias destructivas, tanto por la afectación directa de ocupación de espacio, como por los procesos socioeconómicos y demográficos de uso del territorio que desencadena. Problemas institucionales y de políticas públicas. En general, los esquemas institucionales no se encuentran adecuados para enfrentar los problemas de deterioro e impulsar alternativas integrales y de fondo. Es frecuente un fuerte centralismo y una política sectorializada, descoordinada y que no permite una participación de los campesinos e indígenas de las zonas de bosques tropicales. Además existe, por lo común, una ausencia de esquemas de planeación regional de mediano y largo plazo, por lo que se privilegia las visiones, muchas veces depredadoras, del corto plazo. Existe además, una falta de políticas que logren la valorización económica de la riqueza, los productos y los servicios ambientales de las zonas del trópico húmedo (http://www.pnuma.org/forodeministros/12-barbados/bbdt03eBosquesTropicalesHumedos.pdf)
3.1.2 La Deforestación en el Mundo El cambio neto anual de la cubierta forestal mundial para la década de 1990–2005 se estimó en una disminución de 8,3 millones de hectáreas de ese total 4,7 millones de hectáreas (el 55%) se percibió en América
14 Latina y el Caribe. La pérdida neta anual en América del Sur se estimó en 4,0 millones de hectáreas representando el 48% de la pérdida mundial y el 86% de la pérdida anual de toda la región; Centroamérica y México experimentaron una disminución anual de 667 000 hectáreas es decir el 14,5% del cambio regional, México participó con una disminución anual de 318 000 hectáreas. En el Caribe, la cubierta forestal aumentó en unas 41 600 hectáreas por año. Este incremento fue consecuencia principalmente de la reforestación de unas 43 700 hectáreas anuales en Cuba, y a la aparente estabilización de la superficie de bosques en la República Dominicana, estos factores compensan el cambio negativo de los demás países caribeños. El cambio anual de cubierta forestal en el período 2000–2005 fue para el Caribe en positivo, es decir se ganaron 54 000 hectáreas, mientras que para América Central y México se perdieron 545 000 y para América del Sur 4,3 millones de hectáreas (FRA 2005).
Los países que presentan los mayores índices de deforestación, registrando pérdidas anuales de más de 200 000 hectáreas son: el Brasil, México, Venezuela y Bolivia. A nivel subregional, en América del Sur la mayor reducción de la cubierta forestal se presentó en el Brasil, con una disminución de 3,1 millones de hectáreas anuales, que corresponden al 37,3% de la deforestación mundial y el 66% de la regional; en América Central, México y Honduras fueron los países que experimentaron la mayor disminución con pérdidas de 318 mil y 182 mil hectáreas anuales, respectivamente; y en el Caribe, Haití y Trinidad y Tabago, con una disminución de 700 y 600 hectáreas anuales, respectivamente (http://www.fao.org/docrep/007/ad680s/ad680soo.html).
15 3.2.2. La Deforestación en América latina De acuerdo al Estudio Evaluación de los Recursos Forestales Mundiales-2000" (ERF-2000) de la FAO estima que la pérdida anual neta de bosques en la Región para el período 1990-2000, asciende a 4,28 millones de hectáreas por año. En el resto del mundo la pérdida anual neta durante el mismo período fue de 5,11 millones de hectáreas por año.
La cubierta forestal de América Latina y el Caribe en 2005 es de 924 millones de hectáreas, correspondientes al 46% de la superficie terrestre total de la región y al 23% del área forestal total del mundo. Dentro la región el 90% del área forestal se encuentra en América del Sur, el 9% en América Central y México y solo 1% en el Caribe.
Los cinco países con mayor cubierta forestal son el Brasil (477,7 millones de hectáreas), el Perú (68,7 millones), México (64,2 millones), Colombia (60,7millones) y Bolivia (58,7 millones) totalizando 730 millones de hectáreas o sea el 79% del área forestal total en América Latina y el Caribe. La cubierta forestal en América Latina y el Caribe continúa decreciendo. La pérdida neta anual durante el período 2000–2005 asciende a 4,7 millones de hectáreas, lo que corresponde al 65% de la pérdida anual neta mundial.
En Trinidad y Tobago señalan, que hay una pérdida permanente de bosques del Estado y de privados, debidos a otros usos de la tierra tales como programas agrícolas, habitacionales, mineras, y debido a la explotación de gas y petróleo. Además vastas extensiones de tierras forestales han sido degradadas a causa de incendios forestales y la excesiva tala Haití informa que debido a la continua presión de la agricultura, el bosque natural está retrocediendo significativamente (http://www.fao.org/docrep/007/ad680s/ad680soo.html).
16 Cuadro1. Recursos Naturales 2000
País, región
Superfici e terrestre (1000 ha)
Superficie forestal 2000
Total de bosques(10 00 ha)
Porcentaje de superficie terrestre (%)
Superficie percápita
Plantaciones forestales
(ha)
(1000 ha)
Volumen de madera en los bosques2
Biomasa en los bosques 3 (t/ha)
(m3/ha)
Argentina
273 669
34 648
12,7
0,9
926
25
68
Bolivia
108 432
53 068
48,9
6,5
46
114
183
Brasil
845 651
543 905
64,3
3,2
4 982
131
209
Chile
74 881
15 536
20,7
1,0
2 017
160
268
Colombia
103 871
49 601
47,8
1,2
141
108
196
Ecuador
27 684
10 557
38,1
0,9
167
121
151
Guyana Francesa
8 815
7 926
89,9
45,6
1
145
253
Guyana
21 498
16 879
78,5
19,7
12
145
253
Paraguay
39 730
23 372
58,8
4,4
27
34
59
128 000
65 215
50,9
2,6
640
158
245
Suriname
15 600
14 113
90,5
34,0
13
145
253
Uruguay
17 481
1 292
7,4
0,4
622
-
-
Venezuela
88 206
49 506
51,1
2,1
863
134
233
1 678 643
870 082
50,5
2,6
10 457
125
203
Perú
Total América del Sur
Fuente: FAO, 2002. Evaluación de los recursos forestales mundiales-2000. Informe Principal, Estudio FAO Montes Nº 140.
3.1.3. Deforestación en el Ecuador La pérdida de bosques en el Ecuador y el cambio de la cubierta vegetal natural, es producto de las actividades de aprovechamiento en sí, las cuales en la mayoría de los casos han sido de tipo extractivo selectivo y por la importancia económica y de subsistencia de las actividades agropecuarias. En este país se ha producido un fuerte cambio del uso de la tierra, incluso en suelos de aptitud forestal. Otras causas, tales como políticas de colonización mal
17 dirigidas acompañadas por leyes que han promovido la deforestación (como el caso de la Ley de Reforma Agraria); las ventajas económicas de otros usos de la tierra frente al uso forestal; la inseguridad en la tenencia de la tierra; la subvaloración de los bosques y la madera; el débil control estatal; entre otras, conducen a una alta presión sobre el bosque y al cambio del uso de la tierra. De acuerdo a datos emitidos por el Ministerio del Ambiente, en el Ecuador los bosques ocupan la mitad de todo el territorio nacional, es decir, 130.002 km2 (http://www.rlc.fao.org).
Cuadro 2. Deforestación del Ecuador continental durante el periodo 1991- 2000 Tipo de bosque
1991 ha
2000 ha
Deforestación 1991 – 2000 (ha)
Tasa de deforestación anual (%)
Bosque húmedo
12 114 299
10 489 756
1 624 543
1,49
Bosque seco
708 768
569 657
139 111
2,18
Manglares
162 197
150 002
12 195
0,84
Moretales
477 390
470 407
6 983
0,16
13 462 654
11 679 822
TOTAL
1 782 832
1,47
Fuente: www.dev.clirsen.com/pdfs/defo_ecuador.pdf. Según
los
datos
del
“CLIRSEN”,
Centro
de
Levantamientos Integrados de Recursos Naturales por Sensores Remotos, en 1991 existían 13'462.654 hectáreas de bosques húmedos, secos y manglares, mientras que para el 2000, el área con cubierta vegetal se registró en 11'679.822, lo cual da una tasa anual del 1,47 % deforestando es decir 1´782.832 hectáreas deforestadas, para el 2004 se estima que han desaparecido aproximadamente unas 792.000 hectáreas más, quedando así un total de 10´887.822 hectáreas de cobertura forestal en el Ecuador.
Hasta hace 10 años, el 80% de la madera que se utilizaba en el Ecuador provenía de los bosques de la provincia de Esmeraldas y el
18 20% de la Región Amazónica, pero esta relación ha cambiado, debido a que en los últimos años ha sido sobre explotado por parte de las empresas madereras sin correcto y oportuno control, es así que el tráfico de la madera, en la actualidad " el 60% sale posiblemente de Esmeraldas y el 40% de la Región Amazónica", lo que nos da a entender que el gremio maderero busca otras áreas forestales para su explotación. De acuerdo a las cifras del Colegio de Ingenieros Forestales de Pichincha indican que únicamente de la provincia de Esmeraldas salen mensualmente entre 30.000 y 35.000 metros cúbicos de madera, esto equivale a una columna aproximada de 1.000 trailers llenos con trozas y tablones de madera, desconociendo el porcentaje legal e ilegal. A nivel nacional y de acuerdo al monitoreo realizado por el CLIRSEN se estima un promedio de deforestación de 198.000 hectáreas de bosques durante cada año. Si esta situación se mantiene, de acuerdo a los cálculos, el Ecuador quedaría totalmente deforestado en el año 2050 a pesar de que el 37% de los bosques están declarados como Reservas Naturales Protegidas, que equivale al 18% del territorio Nacional (http://www.dev.clirsen.com/pdfs/defo _ecuador.pdf).
3.2. PRINCIPIOS Y FUNDAMENTOS DE TELEDETECCIÓN La Teledetección (Remote Sensing) se define como la ciencia y arte de obtención de información acerca de un objeto, área, o fenómeno a través del análisis de información adquirida por un dispositivo que no está en contacto con el objeto, área, o fenómeno bajo investigación (Lillesand y Kiefer, 1994). La teledetección es una técnica aplicada, que a través del tiempo y espacio, permite obtener información sobre los objetos que se hallan en la superficie terrestre (Chuvieco 2002).
19
(iii) (i)
(ii)
Figura 1. Gráfica del proceso en teledetección
(i) Reflexión; (ii) emisión; (iii) emisión-reflexión (Chuvieco, 2002). Cualquier sistema de Teledetección consta de tres elementos fundamentales: el sensor, el objeto observado y un flujo energético que permita poner a ambos en relación. Este flujo de energía puede proceder del objeto por reflexión de la luz solar, por algún tipo de energía emitida por el propio objeto, o incluso por el sensor. De este modo se derivan las tres formas de adquirir información a partir de un sensor remoto: por reflexión, por emisión y por emisiónreflexión (Chuvieco, 1996).
Los
sensores
remotos
usualmente
registran
radiación
electromagnética. La radiación electromagnética (REM) es energía transmitida a través del espacio en forma de ondas eléctricas y magnéticas (Star y Estes 1990). Los sensores remotos están hechos de detectores que registran longitudes de onda específicas del espectro electromagnético. El espectro electromagnético es el rango de radiación electromagnético que se extiende de las ondas cósmicas hasta las ondas de radio (Chuvieco 1996). Un sensor remoto se define como un instrumento especial cuya tecnología permite la obtención de información de objetos sin estar físicamente en contacto con él. Estos instrumentos se conocen en conjunto como Sensores
20 Remotos incluyendo aparatos como la cámara fotográfica, sistemas scanner y de radar.
Todos los tipos de cobertura del suelo, absorben una porción del espectro electromagnético y proporcionan una firma espectral única de radiación electromagnética. El de las longitudes de onda que son adsorbidas por ciertos elementos y de la intensidad de la reflectancia de ellos permite analizar una imagen y hacer inferencias exactas a cerca de la escena (ERDAS 2001).
Frecuencia (MHz)1 14 1 0 0 RAYO S GAMM A
1 3
1 0
1 2
1 0
1 1
1
1 0 0U
RAYOS X
0,0 0, 1 Longitud 1 1de onda ( Angstro
1 0
10 0
ms
1 0
8
VERDE
0, 5
7
1 1 0 0 INFRARRO
L C T E R R A C VI A O 0, N1 L 1 O E T ESPECTRO A VISIBLE
AZUL
0, 4
9
0, 6
JO M E DI O
1 0
6
1 0
TÉRMIC O 1 0
10 0
0, 1
Micrómetr os
5
4
3
2
1 1 1 0 0 0 MICROONDAS RADA R RADIO, TV. UH VH F F 1 1 1 1 0 0 Centímetr os
Metr os
ROJO
0,7 µm
Figura 2. Rango del espectro electromagnético (ERDAS 2001).
3.2.1. Resolución de un sistema sensor. De acuerdo con algunos autores podemos definir la resolución de un sistema sensor como su habilidad para discriminar información de detalle (Estes y Simonett 1975). En definitiva el concepto de resolución implica cuatro manifestaciones: espacial, espectral, radiométrica y temporal (Chuvieco 1996).
21 3.2.2.1 Resolución espectral Indica el número y anchura de las bandas espectrales que puede discriminar el sensor. Los sensores del satélite Landsat TM (Mapeador Temático) captan la energía reflejada por la superficie terrestre en 7 bandas o rangos del espectro electromagnético (Estes y Simonentt, 1975). Cuadro 3. Bandas de imágenes Landsat TM (Tematic Maper) Banda
Espectro electromagnético
1
De 0,45 – 0,52 mµ, (micrómetros), corresponde al rango espectral del color azul. Banda diseñada para penetrar en cuerpos de agua, y diferenciar entre agua y suelo, vegetación
2
De 0,52 – 0,60 mµ, corresponde al color verde. Se presenta la máxima reflexión de la vegetación, siendo útil para estimar su vigor.
3
De 0,63 – 0,69 mµ, corresponde al rango espectral del color rojo. Se da la mayor absorción por la clorofila de la vegetación, ayudando a su discriminación.
4
De 0,76 – 0,90 mµ, corresponde al rango espectral del infrarrojo cercano. Útil para la determinación de biomasa y delineamientos de cuerpos de agua.
5
De 1,55 – 1,75 mµ, corresponde al rango espectral del infrarrojo medio. Indicativa del contenido de humedad en la vegetación y en el suelo.
6
De 10,40 – 12,50 mµ, corresponde al rango espectral del infrarrojo térmico, útil para mapeo de temperaturas y análisis del estrés en la vegetación.
7
De 2,08 – 2,35 mµ, corresponde al rango espectral de emisión del infrarrojo medio. Esta banda fue diseñada para mapeo térmico y aplicaciones geológicas (estudio de rocas).
Fuente: Chuvieco, 1996
3.2.2.2. Resolución radiométrica. Esta resolución depende de la sensibilidad del sensor, en otras palabras, de su capacidad para detectar variaciones en la radiancia espectral que recibe, y va del nivel (0) hasta (256); el cero equivale al color negro y el 256 al color blanco, existiendo una gama de grises en el rango indicado. Al conjunto de la resolución espectral y espacial se le conoce como resolución radiométrica.
22 3.2.2.3. Resolución espacial Este concepto designa al objeto más pequeño el píxel que puede ser identificado en una imagen. El píxel es la medida más generalizada de resolución espacial. Es la identificación de los objetos sobre la superficie tierra y la discriminación de los mismos. 3.2.2.4. Resolución temporal Relacionado
con
la
frecuencia
de
cobertura que proporciona el sensor, determinando la periodicidad en fechas con la que se registran los datos de la misma porción de la superficie terrestre. 3.2.2. Tratamiento digital de imágenes 3.2.2.1. Correcciones geométricas Las correcciones geométricas de la imagen incluyen cualquier cambio en la posición que ocupan los píxeles que la forman, los niveles digitales cambian solo su posición. La corrección geométrica puede abordarse de acuerdo a dos procedimientos: 1.
Corrección a partir de modelos orbitales: pueden corregirse errores sistemáticos como son los derivados de de la rotación o curvatura terrestre y de la inclinación de la órbita.
2. Corrección a partir de puntos de control: se asume que no se conoce la fuente de los errores, pero que estos se pueden modelarse a un conjunto de puntos que se conoce tanto las coordenadas de la imagen a corregir como las del mapa o imagen de referencia 3.2.2.2. Cálculo de reflectividad Para conocer la reflectividad de una superficie es preciso relacionar dos magnitudes: la energía reflejada y la incidente. A partir de los datos medidos por el sensor se puede obtener la primera, esa medición se codifica a un valor numérico, que se denomina ND (nivel digital) de acuerdo a unos coeficientes específicos para cada sensor. Ya que estos
23 coeficientes son conocidos puede realizarse el proceso inverso, obteniendo los valores de radiancia espectral detectada por el sensor a partir de los niveles digitales. 3.2.2.3. Corrección atmosférica y conversión a reflectividad. Empleando un procedimiento basado en un modelo propuesto por Chávez (1996). Este modelo se basa en la siguiente fórmula:
k
K Lsen,k La ,k / k ,o Eo,k cos i k ,i Ed ,k
Donde: Pk es la reflectividad para la banda k: K se refiere a cada una de las bandas del sensor, es un factor que tiene en cuenta la variación de la distancia Tierra-Sol, y se calcula a partir del día juliano (D) siguiendo la siguiente fórmula: K = (1 + 0,0167 (sen (2π (D - 93,5) / 365))²; Lsen es la radiación que recibió el sensor. Lak la radiancia atmosférica para esa banda; Tk,o de transmisividad ascendente; Eo,i es la irradiancia solar en el techo de la atmósfera; Θi el ángulo cenital solar; Tk,i la transmisividad para el flujo descendente, y Ed.k la irradiancia difusa. En el método simplificado de Chávez, los valores que propone para esta fórmula son:
Lsen,K = ao,k + a1,k ND Lak = ao,k + a1,k NDmin
24 Tk,o = cos θo (1, para observaciones verticales) Tk,i = 0,70; 0,78; 0,85; 0,91; 1; 1; para las bandas 1,2 ,3,4,5,7, respectivamente. Ed.k = 0 (ignora irradiancia difusa) Con lo que la ecuación del cálculo de reflectividad quedaría:
k
K a1,k N k NDMIN , K Eo,k cos i k ,i
El proceso de traducción de ND a reflectividad se realiza en dos fases: a)
Conversión de ND a valores de radiancia (Lsen,k), a partir de los coeficientes de calibrado del sensor, y
b)
Estimación de valores de reflectividad aparente (ρ*K), conociendo la irradiancia solar y fecha de adquisición. (Chuvieco 1996).
3.2.3. Métodos de clasificación digital La clasificación supone la fase culminante del tratamiento digital de imágenes. Como fruto de la clasificación digital se obtiene una cartografía e inventario de las categorías objeto de estudio. La información multi – espectral se condensa, en definitiva, en un documento cartográfico y en unas tablas estadísticas, que definen la localización y ofrecen el inventario superficial de las categorías de interés. La clasificación digital se dirige a obtener una nueva imagen, en la cual cada uno de los píxeles originales venga definido por un ND, que es el identificador de la clase en donde se haya incluido. Estas clases pueden describir distintos tipos de cubierta (variable nominal o categórica), o bien intervalos de una misma categoría de interés (variable ordinal) (Chuvieco 1990). Tradicionalmente se han dividido los métodos de clasificación en dos grupos: supervisado y no supervisado, de acuerdo a la forma en
25 que son obtenidas las estadísticas de entrenamiento. El método supervisado parte de un conocimiento previo del terreno, a partir del cual se seleccionan las muestras para cada una de las categorías. Por su parte, el método no supervisado procede a una búsqueda automática de grupos de valores homogéneos dentro de la imagen (Chuvieco 2002). 3.2.3.1. Clasificación supervisada Para realizar
la clasificación supervisada, se
sugiere tener un conocimiento somero de la cobertura y de los elementos circundantes de la zona o área donde se desarrollará el estudio. Son muy útiles las experiencias de campo que conlleven relevamientos florísticos, edáficos y geológicos etc. Se delimitan áreas de entrenamiento, a partir de las cuales se caracterizan cada una de las clases, para asignar más tarde el resto de los píxeles de una imagen a una de esas categorías siendo esto una manera más puntual para realizar el análisis (Chuvieco 2002). 3.2.3.2. Clasificación no supervisada Otra opción para realizar una clasificación de la cobertura se denomina clasificación no supervisada; en este caso existe un programa que identifica patrones estadísticos en los datos sin utilizar ningún dato introducido por el usuario. Se usa el algoritmo que utiliza la misma distancia espectral para formar grupos ó “clusters” de píxeles con similares características. El programa comienza usando los valores medios de los grupos, que fija arbitrariamente y cada vez que el algoritmo se repite (y se agregan nuevos píxeles a cada grupo) las medias de estos grupos son reemplazados por un nuevo valor. La nueva medida de cada grupo es usada entonces para la próxima repetición. El algoritmo se repite hasta un número máximo de repeticiones definido por el usuario o hasta que el porcentaje máximo de píxeles permanecen sin cambios entre dos repeticiones sucesivas.
26 En general se usa este método cuando se conoce poco sobre los datos antes del proceso de clasificación y se tiende a obtener el número de clases posibles, que luego pueden ser analizadas y reagrupadas para reducir el número final de clases. La clasificación no supervisada esta en condición de ofrecer una información subjetiva, basándose en la realidad del área de estudio. Tanto en la clasificación supervisada como la no supervisada, las poblaciones de píxeles de las diferentes categorías deben tener caracteres espectrales homogéneos, lo que significa que cada unidad de la imagen (píxel) se asocia con niveles contiguos similares (Chuvieco 2002).
3.3. CONCEPTUALIZACIÓN DE TIPOS DE COBERTURA VEGETAL 3.3.1. Definición e importancia Se entiende por vegetación el manto vegetal de un territorio dado. Es, por tanto, la vegetación uno de los elementos del medio más aparente y, en la mayor parte de los casos, uno de los más significativos. En efecto, el hombre percibe el medio, principalmente, a través de este manto vegetal que sólo falta, naturalmente, cuando el suelo está cubierto de nieves perpetuas o de hielo; aún en los parajes desérticos casi siempre existe algún componente vegetal La importancia y significación de la vegetación en los estudios del medio físico salta a la vista si se tienen en cuenta no sólo el papel que desempeña este elemento como asimilador básico de la energía solar, constituyéndose así en el productor primario de casi todos los ecosistemas; sino también sus importantes relaciones con el resto de los componentes bióticos y abióticos del medio; la vegetación es estabilizadora de pendientes, retarda la erosión, influye en la cantidad y calidad del agua, mantiene microclimas locales, filtra la atmósfera, atenúa el ruido, es el hábitat de las especies animales, etc.
27 Debido a todas estas circunstancias, la vegetación ha sido siempre un foco de interés y de estudio para el hombre, tanto en sí misma como por ser un componente relevante del paisaje y por el caudal de conocimientos sobre el medio natural que de ella se infieren. En áreas poco alteradas y con baja densidad de población, la vegetación corresponderá muchas veces al óptimo ecológico o reflejará fielmente las condiciones del lugar: hay características del terreno tales como las pendientes, la profundidad y humedad del suelo, o el contenido en nutrientes, etcétera, a cuyas variaciones son muy sensibles algunas especies; que resultan, por tanto, indicadoras de estas condiciones. Incluso en aquellas áreas más actuadas por el hombre, donde la vegetación ha sido sustituida por el uso agrícola, se puede hablar de relaciones entre este uso y las características del medio donde se encuentra. 3.3.2. Enfoques generales del estudio de la vegetación Es importante hacer notar que hablar de la vegetación no es lo mismo que hablar de la flora. Son dos conceptos que conviene definir, porque a menudo su utilización por los no especialistas es equivoca. Flora.- Es el conjunto de las especies y variedades de plantas de un territorio dado. El estudio de flora se refiere a la clasificación de las especies según sus caracteres morfológicos o genéticos (MOPT, 1992); se realiza para conocer la composición florística de una zona con el fin de juzgar acerca de su riqueza florística en comparación con otros estudios. Vegetación (Cobertura Vegetal).- Es el conjunto que resulta de la disposición en el espacio de los diferentes tipos de vegetales presentes en una porción cualquiera del territorio geográfico. Es decir se refiere a la organización en el espacio de los individuos que forman una muestra (y por extensión la de los que forman un tipo de vegetación) (Danserau, 1957). La Cobertura Vegetal (CV) o Vegetación.- puede ser definida también como el
28 resultado de la asociación espacio temporal de elementos biológicos vegetales característicos, los cuales conforman unidades estructurales y funcionales que trascienden el nivel de complejidad del organismo mismo (vegetal en este caso); de manera que su estudio nos ubica fundamentalmente en el nivel ecosistémico. De una forma simple se puede decir que el estudio de la flora se refiere a la lista de las especies presentes sin incluir ninguna otra información sobre ellas, fuera de la taxonómica, geográfica y de su uso e interés cultural. Por su parte, el estudio de la vegetación se refiere al estudio de las comunidades vegetales: a las relaciones de unas especies con otras y de todas ellas con el medio. Se considera tres enfoques básicos para el análisis de la cubierta vegetal, con el fin de integrarlo en los estudios del medio físico. Enfoque botánico.- Es el estudio de la flora, donde se genera información muy importante, por una parte para desarrollar acciones de conservación, y, por otra parte para conocer las relaciones probadas entre ciertas especies y sus características con el medio. Las especies que sólo pueden vivir en lugares que reúnen ciertas cualidades ambientales se convierten en especies indicadoras de tales características. Enfoque ecológico.- Clasifica la vegetación en grupos o comunidades que tienen en común un mismo hábitat. Se ponen de manifiesto así las relaciones de unas especies con otras y con el medio (por ejemplo, xerófitas, plantas que toleran la sequedad del medio.) Enfoque estructural o fisionómico.- Clasificación basada en la apariencia externa de las plantas y comunidades (por ejemplo, bosque denso, matorral, etc). No hace referencia al medio, pero puede relacionarse con él. Los datos necesarios para esta clasificación son más fácilmente cuantificables que los de los enfoques anteriores y puede ser de fácil aplicación no sólo para botánicos sino también para otros profesionales afines.
29 3.3.3. Clases de cobertura y uso del suelo Los diferentes elementos que se presentan, como tipos de cobertura y uso se los puede considerar como una línea base para una escala 1:50.000, a partir de la cual se puedan agrupar y representar a otras escalas menores dichos elementos dependiendo del área de dicha cobertura; para escalas mayores se podrá optar por aumentar la definición espacial de dichos elementos o añadir otros atributos (CLIRSEN 2002).
Ejemplo de categorización por el tipo de cobertura y uso del suelo, para el Ecuador utilizado por CLIRSEN:
EB000 VEGETACION NATURAL.- Se considera como vegetación natural, aquella cobertura vegetal resultante de los procesos naturales de la interacción de clima y el suelo, en una determinada zona.
EB010 BOSQUE HUMEDO.- Ecosistema arbóreo regenerado por sucesión natural, que se caracteriza por la presencia de árboles de diferentes especies nativas, edades con uno o más estratos; fisionómicamente se mantienen con un verdor constante.
EB020 BOSQUE DE NEBLINA.- Aquel bosque que se ubica en las estribaciones de las cordilleras en un rango altitudinal entre los 2000 y 2800 m.s.n.m., con una presencia constante de neblina. EB030 BOSQUE SECO.- Son formaciones boscosas que durante la temporada seca, pierden sus hojas, parcial o totalmente; el número de especies forestales es significativamente menor que la identificada dentro de un bosque húmedo.
30 EB040 MANGLARES.- Se trata de árboles y arbustos sempervirentes, con adaptaciones para crecer sobre pantanos tropicales de agua salobre, predominan los géneros de Rhizophora, Avicennia, Conocarpus y Laguncularia. EBO50 ARBOLEDA.- Áreas o franjas de vegetación natural formando zonas de protección orientados principalmente a la preservación de causes de agua. EB060 MATORRAL HUMEDO.- Vegetación lignificada, que no posee un fuste definido y que mantienen el verdor de sus hojas en forma constante. EB070 MATORRAL SECO.- Vegetación lignificada de poca altura que pierden sus hojas en la temporada seca, se presentan en ocasiones árboles aislados dominantes. EB080 CHAPARRO.- Formación arbustiva de pequeña altura, con una baja densidad de cobertura vegetal natural, asociada por lo general en algunos casos con vegetación herbácea, y en otros con cactáceas. EB090 MORETALES.- Formación característica en la región amazónica, con vegetación adaptada a zonas inundables, dominando principalmente la palma morete EB100
VEGETACIÓN
DE
PARAMO.-
Ecosistema
tropical
altoandino,
caracterizado por una vegetación dominante no arbórea, que incluye fragmentos de bosques nativos propios de este ecosistema. EB110 HUMEDAL.- Asociación geobotánica de las zonas inundadas por largos periodos de tiempo, en las que las especies hidrofíticas o hidro – halofíticas pueden sobrevivir o prosperar. EB120 HERBAZAL.- Áreas características de zonas con alta precipitación en que se presenta una sucesión primaria de la vegetación natural, caracterizado por una vegetación herbácea.) EA000 AREAS AGROPECUARIAS.- Áreas dedicadas para la producción de alimentos, fármacos e industria, incluyen principalmente cultivos, plantaciones, huertas, tierras en descanso y barbecho, y áreas con especies herbáceas para la
31 alimentación animal.
EA100 CULTIVOS DE CICLO CORTO.- Son aquellas tierras cuyo uso está dedicado principalmente a la explotación de cultivos, cuyo ciclo vegetativo es estacional, pudiendo ser cumplido una o más al año.
EA120 ARROZ.- Áreas dedicadas al cultivo de gramíneas denominado arroz, dedicadas principalmente para la alimentación del hombre. EA130 MAIZ.- Superficies en las que se cultiva esta gramínea dedicadas a la alimentación del hombre o con fines agroindustriales. EA140 ALGODÓN.- Áreas en las que se realiza plantaciones de algodón para el consumo industrial. EA180 Horticultura EA190 brócoli ea200 papas ea210 oleaginosas ea220 soya ea230 tomate riñón ea240 melón ea250 sandia ea260 cebolla ea270 ajo
EA400 CULTIVOS PERMANENTES Y SEMIPERMANENTES.- Comprenden aquellas tierras dedicadas a la explotación de cultivos agrícolas de mayor a un año, dedicados en su gran mayoría a la exportación y la agroindustria, como el caso del café, cacao, banano y palma africana.
EA420 BANANO.- Áreas sembradas con banano, conocidas como bananeras, dedicadas principalmente a la exportación o con fines agroindustriales
EA430 PLATANO.- Superficies conocidas como plataneras, en donde se tiene sembrado plátano para consumo nacional o de exportación.
32 EA440 ABACA.- Superficies sembradas de matas de abacá cuyas fibras son utilizadas con fines industriales. EA450 PLANTACIONES DE CAÑA DE AZUCAR.- Tierras en las que se presenta el cultivo de la caña de azúcar dedicadas principalmente a la industrialización del azúcar. EA460 CULTIVOS DE CAÑA DE AZUCAR.- Áreas dedicadas al cultivo de la caña de azúcar para la producción artesanal de alcohol y panela. EA470 PALMA AFRICANA.- Superficies sembradas y cultivadas con palma africana, cuyo fruto es industrializado. EA480 PLANTACIONES DE PALMITO.- Tierras dedicadas al cultivo de palmas para la producción de palmito. EA490 COCOTEROS.- Plantaciones de palmas dedicadas a la producción de cocos para consumo o uso industrial. EA500 CAFÉ.- Áreas en las que se tiene con plantas de café, bajo un sistema de cultivo intensivo, con fines principalmente industrial EA510 CACAO.- Áreas dedicadas al cultivo del cacao, cuya producción se encuentra dedicada al uso industrial. EA520 PLANTACIONES DE TE.- Comprende aquellas superficies en las que se cultiva y maneja plantaciones de té. EA530 CABUYA.- Son aquellas superficies en las que se encuentran plantaciones de cabuya para uso industrial. EA540
PIMIENTA
EA550 FRUTALES.- Áreas cubiertas por plantaciones sistemáticas de árboles que producen frutos, almendras u otros productos.
33 EA551 TOMATE DE ARBOL EA560 VIÑEDOS EA570 HUERTOS.- Son superficies en las que se realiza una actividad agrícola en forma intensiva de varios productos del agro, como tomate, pepino,ajo fréjol, hortalizas, plátano, yuca, cítricos, y frutales entre otros, de acuerdo con la zona climática. EA580 INVERNADEROS.- Superficies bajo cubiertas de plástico u otro material acrílico en las que se cultivan de forma intensiva principalmente flores. EA700 PASTOS.- Son tierras cuya vegetación dominante está constituida por especies predominantemente herbáceas, dedicadas en la mayoría de los casos a la alimentación de animales. EA710 PASTO NATURAL.- Son tierras cuya vegetación dominante está constituida por especies herbáceas, que tienen un crecimiento espontáneo y que no reciben cuidados especiales, utilizados con fines de alimentación, vida silvestre y protección. EA720 PASTO CULTIVADO.- Comprende aquellas tierras dedicadas a la explotación
de
especies
predominantemente
herbáceas,
que
para
su
establecimiento, requieren de labores de cultivos y manejo conducidas por el hombre. EA800 ASOCIACIONES AGROPECUARIAS.- Son asociaciones de cultivos en su mayor caso de consumo interno, con áreas de pastos o relictos de bosques natural. EA810 CULTIVOS DE ALTURA.- Son cultivos asociados de altura en donde predominan, generalmente la papa y cereales con áreas de pastos. EA820 CULTIVOS DE ZONA TEMPLADA.- Son asociaciones de cultivos de clima
34 templado en las que se tiene principalmente cereales, gramíneas, leguminosas, y maíz EA830 CULTIVOS DE ZONA CALIDA.- Asociaciones de cultivos de clima cálido (maíz, higuerilla, soya, arroz, caña de azúcar, yuca, abacá, plátano y cítricos) EA840 CULTIVOS/PASTO.- Predominio de los cultivos anuales o de ciclo corto sobre áreas de pastos. EA850 PASTO/CULTIVO.- Corresponde aquellas áreas en las que los pastos dedicados a la ganadería predominan sobre los pequeños espacios dedicados a cultivos en su mayor caso de carácter anual. EA860 PASTO/BOSQUE.- Predominio del pasto sobre el bosque, constituyendo un sistema silvopastoril.
EA900 SILVICULTURA.- Áreas dedicadas a la actividad forestal mediante la generación de plantaciones forestales con árboles de especies nativas o introducidas, y en las que se aplica alguna técnica de manejo forestal.
DA040 BANCOS DE ARENA.- Son áreas cubiertas por depósitos minerales, que se forman en el mar o en los ríos, por los sedimentos que estos arrastran. DA050 PLAYAS Y CORDÓN LITORAL BH000 CUERPOS DE AGUA.- Son superficies naturales o artificiales cubiertas permanentemente por agua. BH100 DEPOSITOS DE AGUA NATURAL.- Superficies naturales o artificiales cubiertas permanentemente por agua. BH120 LAGOS.- Cuerpos de agua continental de gran tamaño que se ubica en
35 depresiones del terreno que, con el pasar del tiempo se van llenando de sedimentos y perdiendo por lo tanto su profundidad BH130 LAGUNAS.-
Cuerpos de agua continental de tamaño mediano que se
mantiene por un significativo período de tiempo sin perder sus características limnológicas y su biota lacustre. BH150 RIOS (dobles) AL000 INFRAESTRUCTURA.- Son todas aquellas manifestaciones construidas o creadas por el hombre que generan un servicio y que incluyen obras de infraestructura física y otras
AL010 CENTROS POBLADOS.- Son asentamientos humanos en conglomerados habitacionales, que por su densidad y extensión pueden constituir ciudades, pueblos y otros tipos de infraestructura
3.4. TÉCNICAS DE ANÁLISIS MULTITEMPORAL Una de las aportaciones más destacadas de la teledetección espacial al estudio del medio ambiente es su capacidad para seguir procesos dinámicos. Al tratarse de información adquirida por un sensor situado en una órbita estable y repetitiva las imágenes de satelital constituye una fuente valiosísima para estudiar los cambios que se producen en la superficie terrestre, ya sean debido al ciclo estacional de las cubiertas, y a catástrofes naturales o alteraciones de origen humano. El análisis multitemporal tiene como objetivo detectar los cambios entre dos o más fechas, para lo que suele partirse de imágenes adquiridas en distintos años que se comparan visualmente o digitalmente (Chuvieco 1996). Las técnicas más empleadas en la teledetección de cambios son las siguientes:
36 3.4.1. Composiciones de Color Multitemporal En esta técnica se tratara de
detectar las
áreas de cambio mediante el análisis visual de cambios en color proveniente de varias fechas, si la imagen resultante aparece en tonos de color es debido a que las tres bandas que se combinan presentan comportamientos espectrales diferentes. Si vemos un píxel de color es porque cuenta un nivel digital distinto en las tres bandas, que estamos utilizando, ya que de otra manera se verían en tonos de gris (Chuvieco 2002). 3.4.2. Diferencia entre Imágenes Una simple resta entre las imágenes de las dos fechas previamente homogeneizadas radiométrica y geométricamente permite discriminar aquellas zonas que han experimentado cambios entre estas fechas, las zonas estables presentaran valores estables cercanos a cero, mientras las que hayan experimentado cambios ofrecerán valores significativamente distintos a cero (positivos o negativos) (Chuvieco 2002). 3.4.3. Cocientes Multitemporales La diferencia entre imágenes resulta una técnica sencilla para observar cambios entre fechas, si bien tiene el problema de reflejar únicamente las diferencias absolutas, pero no ofrece la significación del cambio frente a los valores originales (Chuvieco 2002). 3.4.4 Componentes principales En el caso de aplicaciones multitemporales del análisis de componente principales se utiliza de un modo tanto particular ya que no se pretender retener la información común entre fechas, si no precisamente la que cambia, para aplicar esta técnica en la detección de cambios se genera un archivo multitemporal en las bandas correspondientes a las dos fechas sobre el que se aplica el análisis de componentes principales (Chuvieco 2002).
37 3.4.5. Regresión Las técnicas de regresión se utilizan para estimar cuales serían los ND de la imagen de la segunda fecha caso de que no hubiera cambios entre ellos. En definitiva se
considera que la segunda fechas es una
función de la primera, y que toda desviación de la función estimada estaría representando el cambio, siguiendo la notación convencional los niveles digitales de la segunda fecha se estiman a través de la primera, utilizando:
NDt2 = a + b. NDt1 Donde: NDt2: indica el valor estimado de segunda fecha (t2), calculado a partir de los coeficientes de regresión (a, b) sobre los niveles digitales de la primera fecha (t1)
3.4.6. Vectores Multitemporales
Es una técnica que intenta incorporar no solo la importancia sino también la dirección del cambio entre imágenes. Si representamos en un eje bivariado con dos bandas originales (La rojo e infrarrojo cercano), cada píxel viene definido por un punto (Localización de sus ND en las dos bandas). Si este píxel cambia su cobertura entre dos fechas, también modificara su emplazamiento espectral. La magnitud de cambio vendrá dado por la longitud del vector que separa ambos puntos, por su parte el sentido del cambio se define por el ángulo que forma con el eje de referencia (Chuvieco, 2002). 3.4.7. Problema de Delimitar los Umbrales Se ha propuesto ajustar los umbrales de cambio considerando la función señal/ruido de un determinado sensor, un segundo criterio
38 parte de señalar umbrales de cambio a partir de valores críticos de incremento o decremento de una determinada variable física (Chuvieco, 2002). 3.4.8. Análisis Multitemporal de Imágenes Clasificadas La detección de cambios a partir de técnicas de clasificación puede abordarse empleando dos grupos de técnicas: 1) Por un lado, comparar imágenes previamente clasificadas, y 2) por otro, clasificar las imágenes de las dos fechas. En el primer caso se aborda una clasificación para cada imagen por separado, cuidando de emplear la misma leyenda temática en las dos fechas, con objeto de que pueda compararse posteriormente, a continuación se genera una tabla multitemporal de cambios, en donde se presentan las transiciones que se producen entre las dos fechas. En la diagonal de esta tabla aparecen los píxeles estables (que cuentan con la misma categoría de las dos fechas), mientras los cambios se detectan en el resto de las celdillas. El gran interés de esta tabla es ofrecernos las transiciones que se han producido. En otras palabras no solo observaremos las zonas estables y dinámicas sino también cual era la cobertura original y cuál es la actual, lo que nos indica las tendencias del cambios en la zona de estudio, en un estudio de deforestación, esto permitirá conocer que tipos de especies forestales están más afectadas; en una evaluación de incendios que especies se han quemado, o en un estudio urbano que espacios está experimentando un mayor proceso de urbanización (Adeniyi et al citado por Chuvieco, 2002). 3.5.
Modelador
de
Cambios
en
el
Terreno
para
la
del
Terreno
para
la
de
la
Sustentabilidad Ecológica
El Sustentabilidad
Ecológica
Modelador está
de
orientado
Cambios al
constante
problema
transformación del terreno acelerada y las necesidades analíticas bien específicas de conservación de la biodiversidad.
39
El análisis y la predicción de cambios en el LCM están organizados en submodelos de transición. Un submodelo de transición puede consistir de una sola transición de cubierta de terreno o un grupo de transiciones que se supone tienen las mismas variables conductoras.
Todos los submodelos de transición seleccionados deben ser modelados antes de poder llevar a cabo la predicción de cambios.
El LCM incorpora la opción de variables dinámicas de cubierta de terreno y desarrollo dinámico de caminos.
Todos los archivos utilizados por el LCM deben estar contenidos en la Carpeta de Trabajos (Working Folder) o en una de las Carpetas de Recursos (Resource Folders) del proyecto.
3.5.1. Fichas y Paneles
El LCM está organizado en un grupo de cinco áreas de tareas principales representadas como fichas para: Analizar cambios anteriores de cubierta de terreno
Modelar el potencial para transiciones de terreno
Predecir el curso de cambios en el futuro
Evaluar sus implicaciones para la biodiversidad, y
Evaluar intervenciones de planificación para mantener la sustentabilidad ecológica. Dentro de cada ficha, se presenta una serie de
tareas o pasos analíticos en forma de paneles desplegables. Usted puede tener tantos paneles desplegables abiertos como desee; son presentados con este formato simplemente para acomodar resoluciones de pantalla cambiantes. Las primeras tres de las cinco fichas del LCM están diseñadas para el análisis integrado de cambios de terreno y su proyección en el futuro. Como resultado, el acceso a casi todos los paneles en estas fichas requiere la especificación de un
40 grupo mínimo de parámetros del proyecto ubicados en el primer panel de la primera ficha. Advierta que los paneles de las primeras tres fichas por lo general están organizados en un grupo secuencial de operaciones que deben seguirse una detrás de la otra. (Clark Labs, 2006).
41
CAPITULO 4. METODOLOGÌA En el presente capítulo se describe todos los procesos metodológicos aplicados en el estudio; en donde se empleo técnicas de percepción remota y sistemas de información geográfica, empleadas para la elaboración de la base de datos de cobertura vegetal, la identificación de cambios en un periodo de veinte y dos años y la simulación del proceso de deforestación a treinta años en intervalos de cinco años. El área de estudio se encuentra ubicado en los cantones Tiwintza, Limón Indanza, San Juan Bosco y Gualaquiza, al sur de
la
provincia de Morona Santiago. Con respecto a la ubicación geográfica se encuentra entre las siguientes coordenadas planas: Proyección UTM, Datum WGS 84, Zona 18S Xmin: 112535
Ymin: 9611489
Xmax: 188255
Ymax: 9678745
Fig 3. Ubicación del área de estudio
42 4.1. MATERIALES Para el presente estudio se utilizó los siguientes materiales: 4.1.1. Materiales de campo
Navegador GPS (Sistema de posicionamiento global),
Cámara fotográfica
Libreta de apuntes
Vehículo
Imágenes satelitales impresas del área de estudio 4.1.2. Materiales de Gabinete
5 escenas Landsat TM5, con resolución de 30 metros
2 escenas Landsat ETM+7, con resolución de 30 metros
1 escena de radar SRTM
2 escenas aster del año 2009
Software Idrisi Taiga, una Licencia (Programa tratamiento digital de
imágenes y análisis geomático)
Sftware Erdas 9,1 Programa tratamiento digital de imágenes y
análisis geomático)
Software ArcGis 9,3 Manejo de base datos y edición cartografica
2 computadoras, escritorio y portátil.
43 4.2. MÈTODOS 4.2.1.
BASE
DE
DATOS
GEOGRÁFICA
DE
LA
COBERTURA VEGETAL DEL CONSEJO GOBIERNO DEL PUEBLO SHUAR ARUTAM DEL AÑO 2009 Y UTILIZANDO TÉCNICAS DE INTERPRETACIÓN DE IMÁGENES SATELITALES 4.2.1.1. Recopilación de información primaria Se recopiló toda la información base existente en formato digital procedentes de las cartas topográficas del Instituto Geográfico Militar IGM escala 1:50 000 en formato shp. Se verificó en que sistemas de referencia se encontraba la información teniendo que realizar ciertas transformaciones, puesto que algunas fuentes de información se encontraran en Psad 56. Siendo necesario transformar a WGS 84, de acuerdo al requerimiento del estudio. La información primaria que se partió como línea base para el presente estudio consto de la siguiente información: Cuadro 4. Diccionario de la base datos geográficos del CGPSHA Archivo(shp) Centro poblado(1987) Curvas de nivel
Tipo Punto
Descriptor shape
Fuente IGM
Tipo de dato texto
Línea
Shape
IGM
texto
División cantonal, provincial
Polígono
Shape IGM
numérico texto numérico
Red vial (1987) Línea Cotas Punto Red hídrica Línea Ubicación de las Punto comunidades Limite de Polígono CGPSHA Fuente: Equipo de Trabajo, 2010.
Shape
IGM
Shape Shape Shape
IGM IGM
Shape
CGPSHA CGPSHA
Texto numérico numérico texto texto texto numérico
44 4.2.1.2. Validación de la información. Luego de unificados los datos en un mismo sistema de referencia, se realizo la validación de la información cuadrícula por cuadrícula, de la siguiente manera: En
lo
que
se
refiere
a
nombres
geográficos de los centros poblados, se verificó en las hojas topográficas 1:50.000.
En cuanto a la categorización por cabeceras cantonales y cabeceras
parroquiales, se utilizó como lo indica el libro de la división política administrativa del INEC y los mapas de las provincias inmersas en la zona editados por el IGM, escala 1:250.000; a demás utilizando el GPS se actualizo ciertos poblados que no constaban en la base recopilada. En lo referente a la red hídrica de igual forma se valido la respectiva base de datos en lo concerniente a la categoría y nombre asignado a cada elemento cartográfico tomando en cuenta las cartas topográficas. Para el caso de la red vial se verificó el tipo de vía asignado en la base digital y se comprobó con el material impreso por el IGM; a demás se actualizó las vías faltantes con el GPS e imagen satelital corregida. Por último para el caso de la topografía y puntos altos acotados también se verificó su base digital con la información impresa por el IGM. Se trabajo una imagen de Radar SRTM, en donde se pudo obtener el modelo de elevación digital del terreno (MDT), el que sirvió para generar contornos con intervalos de 40 metros entre línea de altitud. 4.2.1.3. Homologación de la información Terminada
la fase de
recopilación y
validación, se procedió de acuerdo a las especificaciones cartográficas 1:50.000, a clasificar de la siguiente manera:
Red vial:
45 Carretera pavimentada dos o más vías Carretera sin pavimentar dos o más vías Carretera sin pavimentar angosta Caminos de herradura
Red Hidrográfica: Ríos de primer orden Ríos de segundo orden
Quebradas: Quebradas Intermitentes Quebradas Secas
Centros Poblados: Capital de provincia Cabeceras cantonales Cabeceras parroquiales Centros poblados
Curvas de nivel: 200 metros 40 metros En esta clasificación se reviso que
todas las variables de las diferentes fuentes de datos estén dentro de la clase de entidad correspondiente, esto es importante en un sistema de información geográfica (SIG) donde los elementos que conforman el mundo real se denominan
46 entidades y se caracterizan por una posición (georeferencia) y por su forma geométrica (punto, línea, polígono, superficie). 4.2.1.4. Depuración y almacenamiento de la Base de Datos
Las entidades representan los elementos que se almacenan y manipulan para poder llevar a cabo los diferentes procesos de análisis en SIG; para lo cual se debe tomar en cuenta otra característica básica de las entidades que es sus atributos, los mismos que se almacenan en bases de datos y permiten describir las entidades. Toda la información recopilada, validada y homologada se almaceno en una geodatabase personal bajo el software ArcGis 9.3 4.2.1.5. Tratamiento de Imágenes de Satélite 4.2.1.5.1.
Pre-Procesamiento
De
Imágenes Esta etapa consistió en elegir de las mejores imágenes satelitales disponibles, la importación al formato de trabajo del programa Idrisi Taiga, realizar las correcciones geométricas y radiométricas. Para finalmente concluir con la elaboración de mosaicos del área de estudio. 4.2.1.5.2. Búsqueda y selección de imágenes Se realizó la búsqueda minuciosa de imágenes disponibles en la base de datos de la NASA y de la Universidad de Maryland de los Estados Unidos disponibles en el internet; obteniendo el siguiente material disponible de imágenes Landsat TM5, TM7 y ASTER.
47 Cuadro 5. Imágenes disponibles en el presente estudio. Path y row
Fecha
Sensor
09/62
1987-03-19
TM5
1987-09-11
TM5
2002-09-12
TM7
2007-02-06
TM5
1987-03-26
TM5
2001-11-03
TM7
SC: AST_L1A.003: 2075351962
2009/08/14
ASTER
SC: AST_L1A.003: 2076870161
2009/08/14
ASTER
10/62 09/62 Proceso de adquisición
Fuente: Equipo de Trabajo, 2010.
4.2.1.5.3. Corrección geométrica Las imágenes de satélite Landsat TM5 y ETM+7, seleccionadas fueron corregidas geométricamente a la zona de Ecuador, ya que inicialmente al momento de importar para su trabajo tenían el problema que constaban con la posición al norte. Este problema se lo corrigió en la metadata de cada una de las imágenes. Las imágenes Aster fueron tratadas de modo diferente a las Landsat,
ya que fue necesario hacer la
ortorectificación de cada escena, esto con el fin de corregir el problema de la topografía de la zona de estudio, en este trabajo se utilizo el MDT, generado a partir de la imagen de radar SRTM del año 2000. 4.2.1.5.4.Correcciones radiométricas a) Corrección atmosférica Se procedió a realizar correcciones atmosféricas a cada imagen con la finalidad de obtener mejores resultados al momento de realizar las clasificaciones, se trabajo con el modulo de Atmosc disponible en el software Idrisi taiga, la información requerida por el modulo se obtuvo de la metadata de cada imagen.
48 Los datos que el modulo requiere de cada imagen son: Elevación solar, Offset, gain, Lmin/Lmax, centro de la longitud de onda,fecha de adquisición de la imagen
Fig 4. Modulo atmosc para realizar correcciones atmosféricas
b) Análisis de Componentes Principales (ACP) Los
componentes
principales se utilizo para corregir la imagen Landsat TM5 del año 1987, debido a que una de sus bandas tenía un bandeamiento pronunciado y no era permisible para la interpretación digital, además este método permite corregir el efecto atmosférico en cada imagen. Este método se le aplico a las imágenes ASTER del año 2009, dando buenos resultados.
49
Fig 5. Modulo ACP para realizar correcciones radiométricas
4.2.1.6. Elaboración de mosaicos Terminado todo el proceso de correcciones geométricas y radiométricas en forma individual a cada imagen, ASTER y Landsat; se elaboró un mosaico normalizado; con el fin de obtener una vista global de todo el territorio y disminuir el porcentaje de nubes existentes en cada escena. Todas las escenas constan con la misma proyección UTM WGS-84, Datum WGS-84, Zona 17 y 18Sur y remuestreadas con el mismo tamaño del píxel.
50 Fig 6. Mosaico elaborado para el año 2009, Imágenes ASTER
Fig 7. Mosaico elaborado para el año 2007, Imágenes Landsat TM5 año 2007 y ETM+2002
Fig 8. Mosaico elaborado para el año 1987, Imágenes Landsat TM5
51 4.2.1.7. Procesamiento de imágenes Consistió
en
el
análisis
de
las
respectivas imágenes de satélite, en lo que fundamentalmente se refiere al proceso de extraer la información que se encuentra almacenada dentro de los ND (Niveles Digitales) en cada imagen; en el caso de
este estudio se basó en la
identificación de coberturas para su respectiva clasificación apoyándose
en el
análisis estadístico, y su trabajo de campo. 4.2.1.7.1. Clasificación supervisada Este método requiere un previo conocimiento de las categorías existentes en la zona de estudio para proceder a extraer las muestras de entrenamiento, con el fin de obtener una imagen clasificada. Para
clasificar
las
imágenes se definió previamente la escala de trabajo y las clases de cobertura. Como las imágenes Landsat y ASTER son imágenes para trabajar a nivel regional y tomando en cuenta el tamaño del píxel de 30 x 30 m y 15 x 15 m. La escala que se definió fue a 1: 50 000 y las coberturas que se identificaron fueron las siguientes para las tres imágenes:
52 Cuadro 6. Clasificación de cobertura vegetal utilizada
CDG 1 2 3 4 5 6 7 8 9 10 11 12 13
Cobertura Bosque sobre tepuis Bosque denso Agricultura(Pastos y cultivos) Pastizal degradado Asociación bosque cultivos mixtos Asociación bosque pastizal Matorral bajo Matorral alto Matorral sobre tepuis Infraestructura civil Bancos de arena Ríos dobles Lagunas
Fuente: Equipo de Trabajo, 2010.
Los tipos de cobertura identificados y enumerados en la tabla anterior, se visualizan a través de fotografías en el anexo 1. 4.2.1.7.2. Trabajo de campo El procedimiento que se utilizó fue la interpretación visual de imágenes de satélite, con la combinación de bandas 4/5/3 RGB, utilizada para estudios de vegetación en imagnenes Landsat TM5 y ETM+7, y 3/2/1 en imágenes Aster. Todas las muestras fueron almacenadas con un punto de GPS realizando una descripción de la categoría muestreada y detalladas en el mapa impreso. Con el recorrido de campo que se realizó se pudo definir zonas que presenta la mismas características espectrales, como bosques, pastizales, cultivos, aéreas intervenidas, etc.
53
Fig 9. Mapa de puntos de muestreo recolectados en campo 4.2.1.7.3.
Recolección
de
firmas
espectrales Utilizando
el
módulo
Clasificador
(Classifier-Signatura Editor), del software Erdas 9,1; se identificaron por cada área de entrenamiento un total de 30 firmas espectrales por categoría, para obtener una separabilidad de clases entre bandas. 4.2.1.7.4. Análisis estadístico Algunos de los métodos estadísticos para determinar la separabilidad de firmas con propósitos de clasificación son: Divergencia, Divergencia Transformada, Jeffreys-Matusita y Bhattacharyya. Siendo Divergencia Transformada y Bhattacharyya las mejores técnicas según Mausel, et al., (1990).
En ERDAS imagine 8.5, se utilizó la técnica de Divergencia Transformada, para la cual se utilizó el criterio propuesto por Jensen (1996); donde menciona que valores de 2000 (entre categorías) son
54 considerados excelentes, valores sobre 1900 son de alta separabilidad, y valores menores a 1700 son considerados pobremente separables. Otros autores señalan que valores sobre 1700 las categorías alcanzan un aceptable nivel de precisión y que bajo este umbral, las firmas evaluadas no son separables y por ende representan las mismas características (Perkins 1997). 4.2.1.7.5. Fase de asignación Una vez analizadas y reagrupadas las firmas se ejecutó la clasificación teniendo en cuenta algunos tipos de clasificadores: 1) Clasificador de mínima distancia 2) Clasificador de paralepípedos 3) Clasificador de Mahalanobis distance 4) Clasificador de Máxima Probabilidad Se utilizó el clasificador de Máxima Probabilidad, debido a que fue el mejor que discrimino las coberturas de uso del suelo. 4.2.1.7.6. Análisis post clasificación Este
análisis
se
lo
utilizó
para
reorganizar aquellos píxeles que se categorizaron en forma incorrecta, agrupar categorías y ordenar las clases finales. 4.2.1.7.7. Validación Con el fin de obtener una precisión aceptable del trabajo realizado, se procedió a tomar muestras con los datos de campo para comprobar la valides de la clasificación, y mediante análisis estadístico obtener el porcentaje de certeza con que se realizó la clasificación. Los
resultados
estadístico de la clasificación y validación se observan en el anexo 1.
del
análisis
55 4.2.1.8.
Edición
de
resultados
geográficos La edición de resultados se la realizó en el software ArcGis 9,3; en donde se elaboró la base de datos y toda la presentación de mapas para su impresión. 4.2.2.
DETERMINAR ANÁLISIS
LA
TASA
DE
MULTITEMPORAL
DEFORESTACIÓN
EN
DE
SATELITALES,
IMÁGENES
BASE
AL
PERÍODO 1987 y 2009 4.2.2.1. Identificación de cambios en la cobertura Vegetal y uso del Suelo Utilizando la metodología para generar la imagen clasificada del año 2009, se procedió a clasificar el mosaico de las imágenes Landsat TM5 del año 1987. Donde se identificaron las clases que fueran comparables con las clases de la imagen del año 2009, haciendo una simplificación en las categorías de la imagen de coberturas actuales; la leyenda que se utilizó para las dos imágenes fue: -
Bosque
-
Agricultura
-
Matorral
-
Infraestructura Civil
-
Banco de Arena
-
Cuerpos de Aguas Para identificar los cambios producidos en el período de
veinte dos años, se utilizó la técnica de tabulación cruzada, utilizando la tabla de datos de cobertura de cada imagen. Esto se logró haciendo un cruce entre las dos imágenes de cobertura de las dos fechas, en donde se generó una imagen de cambios debido a la sobreposición de
56 los dos mapas de cobertura generados del año 1987, 2009; el cambio se lo observó de acuerdo al valor que registra la imagen actual con respecto de su valor anterior. En la siguiente tabla se muestra el cruce de los dos periodos Cuadro 7. Cambios debido a la sobreposición de los dos mapas cobertura año de 1987-2009. Cobertura 2002
Cambios
Bosque Agricultura Matorral Infraestructura Banco de arena Cuerpos de agua Cobertura 1987
1987
Bosque
1
Agricultura
2
Matorral
3
Infraestructura
4
Banco de arena
5
Cuerpos de agua
6
1
2
3
4
5
6
Fuente: Equipo de Trabajo, 2010.
4.2.2.2. Cálculo de la tasa de deforestación La tasa de deforestación se calculó aplicando la fórmula que se describe a continuación:
S 1 t 1 1 * *100 S 2 n
Donde: t=
tasa de deforestación estimada en %
S1=
Superficie inicial ha.
S2=
Superficie final ha.
n=
Número de años
57 4.2.3. ELABORACIÓN DEL MODELO DE SIMULACIÓN DEL PROCESO DE DEFORESTACIÓN DE LA PROVINCIA
Para la simulación de los patrones de deforestación, se trabajo con el modulo LCM Land Change Modeler for Ecological Sustainability (Modelador de Cambios en el Terreno para el Sustento Ecológico), disponible en el software Idrisi Taiga; integrado para analizar los cambios en la cubierta de terreno, proyectar su curso en el futuro y evaluar sus implicaciones en el cambio del hábitat y la biodiversidad. 4.2.3.1. Preparación de datos Los datos que el modulo LCM requieren, se adecuaron a la zona de estudio para la cual se construyo una máscara con los limites de las asociaciones que conforman los centros shuar que están dentro del CGPSHA, todos los mapas generados en la base de datos, se proyectaron a cuadriculas de 100 x 100, con el fin de optimizar la capacidad de las computadoras. A continuación se muestra la máscara que se utilizo para realizar la modelación.
Fig 10. Marcara del territorio del CGPSHA
Ver anexo 3, se describe las características de la máscara.
58 Las variables a utilizar fueron importadas al software Idrisi, en donde de acuerdo a la aplicabilidad como factor de cambio se fueron creando. Ver anexo 4. Las variables a utilizar como patrones de deforestación son: Variables ambientales -
Mapa de cobertura vegetal del año 1987
-
Mapa de cobertura vegetal del año 2002
-
Mapa de cobertura vegetal del año 2009
-
Mapa de pendientes
-
Modelo de elevación digital del terreno
-
Mapa de evidencia de cambio del terreno
-
Mapa de distancia a areas de cambio
Variables socioeconomicas -
Distancia a rios
-
Distancia a poblados
-
Distancia a vias
-
Mapa de densidad poblacional
-
Mapa de centro de desarrollo rural
4.2.3.2.Corrida del modelo El primer paso realiza el analisis de los cambios entre dos fechas 1987-2002, y hacer una evaluacion de los cambios ocurridos en forma global, y con esto analizar la tendencia de los cambios entre 1987-2002. Ver anexo 4.
59
Fig 11. Modulo de Change analysis
En en el segundo panel se hizo una analisis de las potenciales areas de transicion, obteniendo mejores resultados con las transiciones de bosque a agricultura y agricultura a bosque, obsevandose en el analisis estas como las de mayor influencia en la tendencia de la deforestación. Ver anexo 4. Aquí se genera una imagen de evidencia del cambio utilizando, la imagen de cambios de cada transición, con la imagen de la priemra fehca; genradas en el primer panel. Seguido se hace el test a cada variable a utilizar como patron de deforestación, el modulo valida si las variables son o no aceptadas como validas para ingresarlas. El valor minimo que se necesita para ingresar la variable y el programa asuma que pueda influenciar en la deforestacion en un valor de 0.15, y el ideal 0.40.
Fig 12. Evaluacion de las areas potenciales de transición
60 Finalmente se desplega el modulo Change Prediction, donde se genera los escenarios de deforestación, en este caso se creo un escenario de deforestacion al 2009, El escenario creado al 2009, se le aplico la validacion utilizando el modulo ROC, donde se obtuvo el porcentaje de aceptación del modelo generado con las variables utilizadas, mediante el analisis estadistico donde sugiere obtener valores sobre el 80%. Para hacer este analisis fue necesario hacer una imagen boleana de las categorias analizadas, utilizando el modulo crosstab y reclas. Ver anexo 4. La validación tambien incluye comparar con la imagen actual de cobertura del año 2009, en donde se identifica mediante el mapa los pixeles que con certeza fueron bien modelados, y tambien donde no hubo certeza en lo generado como predicción. Ver anexo 4.
Fig 13. Generacion de los escenarios de predicción El siguiente paso fue ir generando los escenarios previstos hasta el año 2025, en intervalos de cinco años.
61
CAPITULO 5. RESULTADOS Y DISCUSION En el presente capítulo se da a conocer el análisis de los datos que se obtuvieron al terminó de aplicar las metodologías diseñadas para el desarrollo de este estudio.
5.1. BASE DE DATOS GEOGRÁFICA DE
COBERTURA
VEGETAL DEL CGPSHA DE LOS AÑOS 1987 Y 2009
5.1.1. INFORMACIÓN BASE ESCALA 1:50 000
La información base recopilada y actualizada, se encuentra almacenada en formato digital con extensión shp.
Se encuentran
separadas por capas o temas con su respectiva base de datos o atributos, la misma que puede ser desplegada, consultada y actualizada según sea el caso.
A
continuación se ilustra en las siguientes imágenes la estructura espacial y descriptiva de cada tema:
Fig 14. Mapa de poblados actualizada
62
Fig 15. Mapa de puntos Altos actualizada
Fig 16. Mapa de red vial
63
Fig 17. Mapa de red hĂdrica
Fig 18. Mapa de curvas de nivel
64 5.1.1.2. Tratamiento de imágenes satelitales Con
la
aplicación
de
las
correcciones
geométricas y atmosféricas a las imágenes de satélite descritas en la metodología, se muestra el cambio que hay tanto en la imagen original y la corregida.
Cabe mencionar que la corrección geométrica sirve para asignar coordenadas geográficas a la imagen y ubicarse espacialmente en el terreno. Otro de los tratamientos radiométricos que se realizo fue la aplicación de componentes principales, al mosaico de imágenes de 1987, donde se pudo corregir el bandeamiento que presentaba una de las bandas.
La fórmula simplificada del método de Chávez utilizada para la corrección atmosférica, ayudó a eliminar los efectos atmosféricos de absorción y dispersión como son la bruma, polvo, vapor de agua, aerosoles, mezcla de gases, etc. Ya que estos afectan a las longitudes de onda que captan los satélites al momento que realizan la toma.
A continuación en las figuras 18 y 19 se muestra un fragmento de la imagen satelital Aster, aplicada las correcciones geométricas y atmosféricas.
65
a) Sin corrección
b) Con corrección Fig 19. Fragmento de imagen Aster con corrección atmosférica
En la siguiente grafica se muestra el tratamiento de ACP (Componentes Principales), al mosaico Landsat TM5 del año 1987.
66
a) Sin corrección
b) Con corrección ACP Fig.20. Fragmento de imagen Landsat con corrección de análisis de componentes
Es muy evidente el cambio que se observa en las dos imágenes después de aplicar los componentes principales, se aumenta considerablemente la calidad visual de la imagen con respecto a la original y se elimina el problema del bandeado. 5.1.2. Base de datos de cobertura vegetal de los años 1987 y 2009 La base de datos que se muestra a continuación, es el resultado del riguroso proceso al tratamiento de las imágenes de satélite como se describe en el capitulo anterior, donde se ha llegado a obtener los datos de coberturas geográficos para las tres fechas de estudio.
67 5.1.2.1. Génesis de la cobertura vegetal actual Partiendo de la génesis de la cobertura vegetal, como origen del paisaje puede visualizarse como un proceso de transformación de la cobertura vegetal natural original a una cobertura vegetal actual en la que se encuentran diferentes niveles de interacción antropogénica. En el territorio del CGPSHA se diferencian cinco tipos de paisaje: Cultivado, manejado, natural, suburbano y otras coberturas en el cuadro se presenta la descripción de la cobertura vegetal por tipo de paisaje. Cuadro. 8. Descripción de la génesis de la cobertura vegetal por tipo de paisaje Tipo de paisaje
Cobertura vegetal
Área/ha
%
12540.19
5.61
Pastizal degradado
2917.85
1.30
Asociación bosque cultivos mixtos
7317.30
Cultivado
Agricultura(Pastos y cultivos)
Natural
Manejado
Asociación bosque pastizal
Matorral bajo
9.91
Matorral alto
200.01
Bosque sobre tepuis Bosque denso Matorral sobre tepuis
Suburbano
7628.29
3.41
187825.43 83.98 1039.72
Ríos dobles Lagunas
TOTAL
Tipo de uso recomendado
Sistema de Técnicas de produccion con producción con intensidad de bajo nivel de 3.27 desarrollo económico impacto ecológico bajo 0.19 Sistema de Sistemas conservación seminaturales de restauración de 0.00 protección por areas de en sucesión natural proceso de 0.09 deterioro Sistemas de conservación natural con alto interes ecológico
Sistemas de conservación permanente
Génesis de cobertura
346.48
0.15
127.79
0.06
3284.79 12.28
1.47 0.01
%
23190
10.37
209.9
0.09
2E+05
87.85
Cobertura vegetal seminatural
Cobertura vegetal natural
Sistemas de asentamientos con crecimiento demográfico y alto nivel económico
Asentamientos humanos y desarrollo socioeconómico
Cobertura vegetal cultural
Otras coberturas
Otras coberturas
Otras coberturas
346.7
3425
223664.89
Fuente: Equipo de Trabajo, 2010.
A nivel general la vegetación se agrupó en 3 tipos de cobertura vegetal clasificada en base a su génesis, donde se observa que:
Área/ha
Cobertura vegetal cultural
0.46
Infraestructura civil
Bancos de arena Otras coberturas
414.85
Uso actual
0.46
1.54
68 La cobertura vegetal cultural (o antrópica) cuya fisonomía, estructura y composición es el resultado de procesos predominantemente antropogénicos, donde se encuentran elementos vegetales intencionalmente introducidos y cultivados, está representada por A mixtos, asociación agricultura(Pastos y cultivos), pastizal degradado, asociación bosque cultivos mixtos, representan el 10% de la superficie del CGPSHA, lo cual indica una moderada intervención antrópica que ha transformado la cobertura natural original en cobertura antrópica. La
cobertura
vegetal
seminatural se refiere a aquellas coberturas vegetales cuya Fisonomía, estructura y composición es el resultado de procesos naturales y antropogénicos, pero donde no se encuentran elementos vegetales intencionalmente introducidos. Está representada por las siguientes coberturas: Matorral alto, Matorral bajo. Tiene un porcentaje muy bajo en relación al area de estudio con solo el 0.09%. Le sigue la cobertura vegetal natural cuya fisonomía, estructura y composición, es el resultado de procesos fundamentalmente no antropogénicos, está representada por coberturas naturales como: Bosque denso, bosque sobre tepuis, matorral sobre tepuis. Representa el 87 % del total de la cuenca, esta vegetación natural se distribuye en toda las partes de la zona con topografías muy escarpadas, y siendo de difícil acceso para su aprovechamiento en sectores bien pronunciados.
69
Fig 21. Niveles de transformación del paisaje en el territorio del CGPSHA
En el mapa se puede observar los sitios donde se está desarrollando actividades de cambio del paisaje, especial interés se encuentra en los sectores donde el desarrollo socioeconómico se está poniendo en marcha como es la ampliación de la vía a la ciudad de Santiago de Tiwintza, con un 10 % del total del territorio. Sin embargo la cobertura vegetal natural muestra un alto nivel de conservación con un 87% del total del territorio. 5.2.1.2. COBERTURA VEGETAL Y USO DEL SUELO
El mapa de cobertura vegetal y uso de la tierra, da una aproximación importante, para evaluar la cubierta vegetal actual de los ecosistemas existentes o que han sido transformados o mayormente afectados y en función de los cuales puede definirse una serie de estrategias encaminadas a la conservación y desarrollo del territorio del CGPSHA, dando un énfasis a la conservación y manejo, con fines de protección hídrica para el
70 suministro de agua en cantidad y calidad, y a la vez que se garantiza la conservación de la biodiversidad en este sector amazónico. En el cuadro siguiente se presenta la superficie en hectáreas y porcentaje, ordenadas de mayor a menor, referente a los tipos de cobertura vegetal presentes en el territorio. Cuadro 9. Cobertura vegetal del territorio del CGPSHA
Cobertura vegetal Bosque denso Agricultura(Pastos y cultivos) Bosque sobre tepuis Asociación bosque cultivos mixtos Ríos dobles Pastizal degradado Matorral sobre tepuis Asociación bosque pastizal Infraestructura civil Matorral alto Bancos de arena Lagunas Matorral bajo
Área/ha % 187825.43 83.98 12540.19 5.61 7628.29 3.41 7317.30 3.27 3284.79 1.47 2917.85 1.30 1039.72 0.46 414.85 0.19 346.48 0.15 200.01 0.09 127.79 0.06 12.28 0.01 9.91 0.00
Fuente: Equipo de Trabajo, 2010.
Es importante mencionar que el bosque denso tiene el mayor porcentaje de superficie con el (84%) distribuido en todo el territorio con un buen nivel de conservación, le sigue la categoría de Agricultura (Pastos y cultivos) con el 5.6%, donde se están desarrollando actividades productivas tanto por las centros Shuar y aéreas de Colonos. Un buen remanente de bosque sobre tepuis alcanza un valor de 3.41%, se observa también el matorral que se desarrolla sobre este con un 0.46%, siendo este ecosistema de gran importancia como hábitat de flora y fauna se encuentra ubicado en sectores donde su geología está compuesto por areniscas, muy fácil de identificar en las imágenes de satélite, algunas de las especies importantes de este ecosistema se puede revisar en anexo 2.
71 La asociación bosque cultivos ocupa el 3.47%, siendo estas aéreas donde las comunidades shuar mayormente trabajan estos bosques, teniendo en su interior mezclas con cacao, café, guadua, palma, etc. Es importante recalcar la gran cantidad de bosque en regeneración por la poca ocupación a la agricultura que han sido abandonados. El potencial hídrico se puede diferenciar con un 1.47%, del territorio son ríos grandes y navegables, donde se desarrollan actividades de pesca para consumo interno de la población. Esta categoría es de interés ecológico por el impacto que está causando al territorio, el pastizal degradado con 1.30%, son sitios discriminables donde la cobertura vegetal a perdido vigorosidad debido al sobrepastoreo del ganado en sitios con pendiente fuerte, o actividades de desarrollo humano como minería, quemas, tala raza. Es un fuerte indicar de erosión de los suelos. La asociación bosque pastizal con 0.2% no es discriminable en el análisis digital de las imágenes de satélite, pero observado con los recorridos de campo es el resultado de bosques que han sido intervenidos para actividades agrícolas, que con el tiempo han sido aprovechadas para la ganadería en forma limitada, y más bien se denota sectores donde la regeneración está dando origen a nuevos bosques. La infraestructura civil con un 0.15% está desarrollando un importante crecimiento en el territorio y con un impacto ecológico muy notorio, como es la ampliación de la vía de cuatro carriles hacia San José de Morona. Las
coberturas
vegetales
mencionadas arriba son las principales entre la totalidad del territorio, que representan una mayor superficie y que deben ser contempladas en la planificación del manejo.
72
Cuadro 10. Descripción de atributos por tipo de cobertura vegetal existente en el territorio del CGPSHA
Cobertura vegetal presente en el territorio del CGPSHA Asociación bosque/cultivos mixtos
Carácter (aplicable sólo a vegetación natural, pero adaptable a vegetación artificial) Cubierta Biotipo dominante Tamaño Funcionalismo
Fisonomía
La vegetación característica del bosque es cerrada y la de los cultivos entrelazada en su mayor parte pero tambien discontinua
En bosque dominan Medio: Arboles: 10-30 m ; los árboles, y en arbustos: 1,1-2,50 m ; hierbas: cultivos generalmente 0,51-2 m las hierbas, y arbustos
En zona muy lluviosas los árboles son el tipo biológico dominante; la mayoria son perennifolios
Agricultura pastizal/cultivo
Formación artificial o Vegetación abierta o claro, cuyos cultivada dominada por pasto individuos característicos no se tocan (Setaria sphacelata, Melinis entre sí minutiflora) y cultivos de Theobroma cacao, Coffea spp., Musa spp., Carica papaya, Psidium guajaba, Zea mays, Allium cepa
Mayormente Bajo: Arboles: (>5,1 m) 8-15 m dominado por hierbas ; arbustos: < 5 m ; hierbas: < 0,5 y a veces arbustos m. cultivados
Los cultivos generalmente La vegetación son de ciclo corto y anuales; siempreverde y, en menor superficie permanentes, y los pastos generalmente perennes
Pasto degradado
Formación artificial dominada por cultivos de pasto (Pennisetum clandestinum, Setharia sphacelata, Eragrostis curvala, Festuca spp., Lolium spp., Azonopus spp., Cynodon, spp., Panicum spp. Entre otros)
Matorral alto
Matorral: Formación dominada por plantas leñosas, generalmente ramificadas desde abajo, de más de 0,5 y menos de 5 metros de altura, el dosel es generalmente irregular. Matorral: Formación dominada por plantas leñosas, generalmente ramificadas desde abajo, de más de 0,5 y menos de 5 metros de altura, el dosel es generalmente irregular.
Matorral bajo
Formación compuesta por pequeños relictos de bosque natural intervenido y vegetación cultivada (Theobroma cacao, Coffea spp., Musa spp., Carica papaya) Manihot sculenta
Fenológico
Generalmente en zonas con constante precipitación la vegetación es siempreverde.
es
Vegetación característica individualmente entrelazada
Arbustos: Planta leñosa de tamaño mediano generalmente de menos de cinco metros de altura, que se ramifica desde la base (a veces ya en la porción hipogea) sin que exista un tronco preponderante.
Alto: arbustos: > 2,51 Generalmente perennifolias: Especies m ; Medio: arbustos: que tienen hojas durante todo el año 1,1-2,50 m ; Baja: arbustos: < 1 m
Siempreverde carcaterístico de bosques amazonicos
Vegetación característica individualmente entrelazada
Arbustos: Planta leñosa de tamaño mediano generalmente de menos de cinco metros de altura, que se ramifica desde la base (a veces ya en la porción hipogea) sin que exista un tronco preponderante. Identificable en la composición 4/5/3 del Landsat, puede confundir con areas quemadas y pastiza degradado
Alto: arbustos: > 2,51 Generalmente perennifolias: Especies m ; Medio: arbustos: que tienen hojas durante todo el año 1,1-2,50 m ; Baja: arbustos: < 1 m
Siempreverde carcaterístico de bosques amazonicos
73
Matorral tepuis
sobre Matorral: Formación dominada Vegetación abierta o Arbustos: Planta leñosa de tamaño mediano Alto: arbustos: > m ; Constituye esta una formación en que Las
Matorral ralo alto
Matorral ralo bajo
Bosque denso
por plantas leñosas, generalmente ramificadas desde abajo, de más de 2,5 y menos de 5 metros de altura, el dosel es generalmente irregular . Entre las especies mas representativas se pueden encintrar: Ilex sp, Weinmania sp., Clusia sp., Schefflera sp., Miconia sp., Steospermatium robustum. Matorral: Formación dominada por plantas leñosas, generalmente ramificadas desde abajo, de más de 0,5 y menos de 5 metros de altura, el dosel es generalmente irregular. Matorral: Formación dominada por plantas leñosas, generalmente ramificadas desde abajo, de más de 0,5 y menos de 5 metros de altura, el dosel es generalmente irregular.
claro, cuyos individuos característicos no se tocan entre sí
generalmente de menos de cinco metros de Medio: arbustos: 1,1altura, que se ramifica desde la base (a veces 2,50 m ; Baja: ya en la porción hipogea) sin que exista un arbustos: < 1 m tronco preponderante.
los árboles de hoja caduca son el tipo biológico dominante, representado por un gran número de especies diferentes, especies que pierden sus hojas durante la estación seca.
condiciones climáticas, y el piso altitudinal la ubican en zonas siempreverdes.
Vegetación abierta o claro, cuyos individuos característicos no se tocan entre sí
Arbustos: Planta leñosa de tamaño mediano generalmente de menos de cinco metros de altura, que se ramifica desde la base (a veces ya en la porción hipogea) sin que exista un tronco preponderante.
Alto: arbustos: > 2,51 m ; Medio: arbustos: 1,1-2,50 m ; Baja: arbustos: < 1 m
Generalmente son siempreverdes
Vegetación abierta o claro, cuyos individuos característicos no se tocan entre sí
Arbustos: Planta leñosa de tamaño mediano generalmente de menos de cinco metros de altura, que se ramifica desde la base (a veces ya en la porción hipogea) sin que exista un tronco preponderante.
Alto: arbustos: > 2,51 m ; Medio: arbustos: 1,1-2,50 m ; Baja: arbustos: < 1 m
Bosque: Formado por árboles de más de 5 - 30 metros de altura, forma por lo menos un estrato o dosel más o menos continuo, cubriendo al menos el 40% de la superficie siempre o al menos durante una época del año. Las especies caracteristicas de esta formacion son: Elaeagia pastoensis, Ceiba pentandra, Cinchona sp., Compsoneura morona-santiagoensisi; Dacryodes peruviana
Vegetación cerrada o densa: Vegetación característica individualmente entrelazada
Arboles: Planta leñosa y vivaz de por lo Arboles: > 25,1 m ; menos cinco metros de altura. El tronco arbustos: > 2,51 m ; comunmente simple, se ramifica a una cierta hierbas: > a 2,1 m. altura formando una copa de aspecto más o menos característico para cada especie. A veces el tallo o tronco no se ramifica y termina en un penacho de hojas que se denomina estipite. Planta perenne, de tronco leñoso y elevado, que se ramifica a cierta altura del suelo (Microsoft® Encarta® 2007).
Constituye esta una formación en que los árboles de hoja caduca son el tipo biológico dominante, representado por un gran número de especies diferentes, especies que pierden sus hojas durante la estación seca. Generalmente caducifolias: Constituye esta una formación en que los arbustos de hoja caduca son el tipo biológico dominante, representado por un gran número de especies diferentes, especies que pierden sus hojas durante la estación seca. Generalmente perennifolias: Especies que tiene hojas durante todo el año
Generalmente Son deciduos
Generalmente Siempreverde de coordillera amazonica
74
Bosque sobre tepuis
Bosque: Formado por árboles de más de 10 a 20 metros de altura, forma por lo menos un estrato o dosel más o menos continuo, cubriendo al menos el 40% de la superficie siempre o al menos durante una época del año. Las especies caracteristicas tenemos Stenopadus (Asteraceae), Digomphia (Bignoniaceae), Everardia (Cyperaceae), Euceraea (Flacourtiaceae), Phainantha (Melastomataceae), Pterozonium (Pteridaceae), Perissocarpa (Ochnaceae), Retiniphyllum (Rubiaceae), Bonnetia (Theaceae), y Aratitiyopea (Xyridaceae).
Vialidad/actividades civiles Bancos de arena Lagunas Ríos
Fuente: Equipo de Trabajo, 2010.
Vegetación cerrada o densa: Vegetación característica individualmente entrelazada
Arboles: Planta leñosa y vivaz de por lo Arboles: 10-20 m ; Generalmente perennifolias: Especies menos cinco metros de altura. El tronco arbustos: 1,1-2,50 m ; que tiene hojas durante todo el año comunmente simple, se ramifica a una cierta hierbas: 0,51-2 m. altura formando una copa de aspecto más o menos característico para cada especie. A veces el tallo o tronco no se ramifica y termina en un penacho de hojas que se denomina estipite. Planta perenne, de tronco leñoso y elevado, que se ramifica a cierta altura del suelo (Microsoft® Encarta® 2007).
Desarrollo de actividades socioeconomicas y crecimiento demografico Siempre formado en los margenes de los rios Son embalses de origen natural Afuentes naturales de gran importancia hidrica
Generalmente Siempreverde: se encuntran en la estribación de la coordillera amazonico
75
Fig 22. Mapa de cobertura vegetal y uso actual del suelo
76 Para observar cada tipo de cobertura ver anexo 1. 5.2.1.3. Imágenes Categorizadas para Analisis Multitemporal Con el objetivo de obtener las áreas de cambio
se procedió a simplificar la leyenda temática de la
clasificación del 2009 en seis tipos de clases que se detallan a continuación: Bosque, Agricultura, Matorral, Infraestructura Civil, Banco de Arena, agua. En lo que respecta a la clasificación de la cobertura para este análisis, no se tomó en cuenta la descripción de bosque denso y bosque sobre tepuis, solo se clasificó en un solo tipo de bosque y matorral. Esto con el fin de obtener las áreas de cambio, a sabiendas que la deforestación es el resultado de la pérdida total o parcial del bosque a otro tipo de cobertura. Con estas leyendas se procedió a clasificar los mosaicos de las imágenes Landast del año 1987 y 2002 5.2.1.3.1.Cobertura Vegetal año 1987 La cobertura vegetal que se determinó para el año 1987, se describe en el cuadro donde se muestra toda la información de la base geográfica del área de estudio para este año. Cuadro 11. Base de datos de la cobertura vegetal del territorio del CGPSHA del año 1987.
Clase Bosque Agricultura Matorral Infraestructura Banco de arena Agua
Cobertura 1987 ha % 235377.8 14583.9 1893.8 53.7 88.5 3962.5 255960.5
Fuente: Equipo de Trabajo, 2010.
91.9 5.6 0.7 0.02 0.03 1.54 100
77 En
este
periodo
se
determina que el bosque cubre el 92% del total del territorio, la agricultura el 5.6, la infraestructura civil apenas el 0,02% llegando a establecer que la agricultura era la principal actividad de desarrollo a lo interno de las comunidades Shuar, casi sin ningún impacto con obras civiles a excepción de la pista de aterrizaje como los más representativo de este categoría. Los ríos y los bancos de arena son categorías que están presentes en el territorio pero no tienen ninguna importancia sobre la deforestación. Netamente todo el territorio presenta para la fecha un importante recurso forestal. A
continuación
se
muestra
el
Fig 23. Mapa de cobertura vegetal del año 1987
mapa
de
cobertura
vegetal
78 5.2.1.3.2. Cobertura vegetal año 2009 Cuadro 12. Base de datos de la cobertura vegetal del territorio del CGPSHA del año 2009 simplificada.
Cobertura 2009 Clase ha Bosque 229596.9 Agricultura 20517.3 Matorral 1600.3 Infraestructura 348.3 Banco de arena 171.1 Agua 3745.5 255979.3
% 89.6935134 8.01523574 0.62514984 0.13607455 0.06682382 1.46320261 100
Fuente: Equipo de Trabajo, 2010.
Para este periodo el Bosque posee el 89% del territorio, la agricultura con el 8%, el matorral con el 0.6%, la infraestructura civil con el 0.13%, donde se sigue manteniendo el recurso forestal, la agricultura sigue siendo la principal actividad de desarrollo económico de la zona, y no se muestra tanto impacto el desarrollo de las actividades civiles dentro del territorio. A continuación se muestra en la figura 23, el mapa de cobertura vegetal del añ0 2009 con categorías agrupadas.
79
Fig 24. Mapa de cobertura vegetal del territorio CGPSha del año 2009
5.2.3.
TASA
DE
DEFORESTACIÓN
EN
BASE
AL
ANÁLISIS
MULTITEMPORAL DE IMÁGENES SATELITALES EN EL PERÍODO 1987 Y 2009 5.2.3.1. Cambios de la cobertura vegetal 1987-2009 El cambio que se registra para la provincia en el periodo de 1987-2002, se detallan en el cuadro 13. Cuadro 13. Cambio que presentan las categorías en el período de 1987-2009
Cambios Cobertura 1987 Bosque Agricultura Matorral Infraestructura Banco arena Agua
Bosque 1987 1 1 222269.57 2 6684.51 3 301.89 4 0.44 5 29.79 6 285.29
Fuente: Equipo de Trabajo, 2010.
Cobertura 2009 Agricultura Matorral Infraestructura Banco arena Agua 2 3 4 5 6 12504.39 129.57 190.33 21.85 255.19 7616.47 1.18 100.92 41.03 138.17 115.51 1469.01 2.71 0.38 4.27 14.82 0 38.54 0 0.01 26.21 0.32 2.79 18.75 10.67 237.88 0.17 13.02 89.02 3337.14
80
Cambios Cambio negativo(Deforestación) Cambio negativo(Desarrollo socioeconómico Cambio positivo(Regeneración)
Ha 12824.2
% 5.01
233.9 6988.0
0.10 2.73
No evaluado(Movimiento cauce ríos) Sin cambio
4511.9 231393.5900
1.75 100
Fuente: Equipo de Trabajo, 2010.
Analizando las tablas en este periodo se puede evidenciar una pérdida del bosque es 12824.29 ha, lo que representa alrededor de 583 ha/año, transformadas actividades de desarrollo agrícola como pastizales y cultivos representando el 5% del territorio, la construcción de vías y asentamientos humanos con el
0,1%, sigue siendo bajo en comparación para el
territorio total. Se observa que durante este periodo se regeneró alrededor de 6988 ha, representando el 2.7% de áreas agrícolas a bosques, esto es muy evidente constatarlo, debido a que se puede observar gran cantidad de potreros abandonados y que se encuentran en proceso de recuperación esto dentro del territorio y en su zona de influencia. Las áreas no evaluadas corresponden a los sitios de la parte baja de los ríos donde hay un cambio pronunciado de los cauces en las fechas de estudio, produciendo un cambio no provocado por el hombre. El cambio neto a otras coberturas es de 6069.7 Ha, representando el 2.6% de pérdida total de bosque. La tasa de deforestación para el periodo es de -0.11 %, con una pérdida de 262,7 ha/año, no recuperables.
81
236000.000 235000.000 234000.000 233000.000 232000.000 231000.000 230000.000 229000.000 1985
1990
1995
2000
2005
2010
2015
Tendencia de la deforestación Fig 25. Tendencia de la deforestación para el periodo del 1987-2009
La gráfica nos indica claramente que el proceso de deforestación en la zona del CGPSHA, se da con un ritmo de deforestación no acelerado. A continuación en la siguiente figura 25 se muestra el mapa de cambios
Fig 26. Mapa de cambio de uso del suelo periodo 1987-2009
El mapa nos indica claramente que los sectores donde más deforestación se ubica son en las zonas de propiedad de colonos.
82 Una de las actividades importantes que se detecto como causa de la deforestación es la construcción de una trocha de 43 km de largo por 40 metros de ancho, para el tendido eléctrico desde el sector la Victoria hacia Banderas, en donde el bosque fue cortado a tala raza. En la siguiente figura 26 se muestra la apertura de trocha detectada como anomalía en la imagen Aster del 2009.
Fig 27. Anomalía detectada desde la imagen de Satélite
83
Fig 28. Apertura de trocha para tendido eléctrico sector las peñas. En la siguiente imagen se puede observar el impacto producido en el bosque, por la apertura de la trocha.
Fig 29. Tendido eléctrico puesto en marcha en el sector las Peñas
84
Fig 30. Construcción de trocha para tendido eléctrico sector la Victoria.
En la foto se observa el impacto negativo producido al bosque por la construcción de la trocha, en donde se ha cortado a tala raza. A continuación se muestran algunos de los cambios más significativos detectados en las imágenes de satélite.
a) Año 1987
85
b) Año 2009 Es evidente el cambio producido entre la una fecha y la otra según como se analiza las imágenes de satélite. Muy evidente identificar los cortes del bosque con fines de ampliación de la frontera agrícola, aunque no en gran medida.
86
Fig 31. Panorámica de corte a tala raza con fines de ampliación agrícola.
Algo importante es la regeneración con que en algunos sectores se está desarrollando, por el abandono de potreros y cultivos sin ningún manejo, esto da lugar a nuevas formaciones de bosques.
Fig 32. Potrero sin ningún tipo de manejo
87 En la figura 31 se muestra uno de los sitios identificados como regeneración, donde se observa su recuperación. Cabe mencionar que la ganadería si bien es cierto existe en la zona pero no en la cantidad que se pudiera esperar, por las áreas abiertas como potreros. Esto es un problema ya que no se está aprovechando de buena manera su territorio para esta actividad, esto también se evidencia en su zona de influencia. En las siguientes figuras se muestra algunos de estos sitios identificados en campo.
Fig 33. Pastizales subutilizados
Como se muestra en las figuras en el sector de la parte baje de Santiago, se identificaron muchos potreros con poca cantidad de ganado, esto provoca que haya una subutilización de estas tierras para algún tipo de desarrollo agroproductivo. A lo largo del territorio no se observo sitios específicos para el apilamiento de madera en cantidades mayores, sino pequeños bloques para consumo interno. Como es evidente los sectores donde existió madera de gran valor comercial han sido explotados hace tiempos atrás.
88
Fig 34. Pequeños depósitos de madera identificados a la largo del territorio.
En las siguientes figuras se puede observar el proceso de regeneración que se observa en la zona de estudio
Fig 35. Regeneración identificada en las imágenes de satélite
89 5.2.4. MODELO DE SIMULACIÓN DEL PROCESO DE DEFORESTACIÓN. La simulación del proceso de deforestación genero el siguiente escenario que se muestran en la siguiente figura.
Fig 36. Mapa de predicción generado en el modulo LCM al 2020
En este periodo se estima se perderán alrededor de 34753.000 ha, con una tasa de crecimiento de -1,34%, elevándose substancialmente, esto debido al gran avance que se está desarrollando en el territorio, la construcción de nuevas vías siempre trae más desarrollo pero a su vez muy perjudicial para los bosque. En el siguiente cuadro se presenta los valores de bosque estimado hasta el año 2025, en intervalos de cinco años.
90 Cuadro 14.
Estimación de la deforestación al 2025
Cantidad Determinada Determinada Estimada Estimada Estimada Estimada Fuente. Equipo de trabajo
Año 1987 2009 2010 2015 2020 2025
Bosque/ha 235377 229596 201536 201136 200624 200416
En el siguiente grafico se muestra la tendencia que se predice seguirá la deforestación. 240000.000 235000.000 230000.000 225000.000 220000.000 215000.000 210000.000 205000.000 200000.000 1985
1990
1995
2000
2005
2010
2015
2020
2025
Fig 37. Tendencia de la deforestación al año 2020.
El escenario es desalentador si no se toman las medidas de corrección necesarias.
91 5.2.5. Análisis de los Patrones de Deforestación Variables ambientales Son las que ayudan a diagnosticar el estado actual del territorio, en este sentido se observa los sitios donde los humanos han venido realizando actividades agropecuarias, y de conservación del bosque. Esto se debe a que el humano siempre está buscando explotar los mejores sitios; como lo es terrenos con pendientes planas, suelos aptos para agricultura, buenas condiciones del clima, ríos con gran cantidad de peces, etc. Por eso se utilizo estas variables como patrón de deforestación, y combinando con las herramientas SIG, se logro identificar las zonas donde presta las características idóneas para su explotación y determinar el avance de la frontera agrícola. Variables socioeconómicas Las variables analizadas como patrones de deforestación, son el resultado de las acciones del hombre y su influencia en el desarrollo de este sector. El desarrollo de la vialidad va a causar un impacto muy fuerte en el territorio debido a la ampliación de la vía, con una capacidad de cuatro carriles; esto ha hecho que este importante sector poseedor de un recurso natural muy bien cuidado, empiece a verse alterado. La ciudad de Santiago de Tiwintza en el año 2002 estaba conformado por 24 familias, lo que da una aproximado de 400 personas, actualmente habitan cerca de 2500 personas, siendo esta la cabecera cantonal del cantón tiwintza. Aquí se están desarrollando actividades de comercio con la salida
92 hacia la ciudad de Macas y otros sectores, existe transporte interprovincial lo que facilita el intercambio de productos y mercancías. Este punto va a convertirse en el paso para la salida al río amazonas, previsto para el comercio internacional. Las comunidades que están dentro del CGPSHA, alrededor de 48 centros Shuar y cinco zonas donde habitan los colonos, se ubican cerca a la proximería de los ríos, el total de habitantes que habitan el territorio se puede ver en el siguiente cuadro. Cuadro 15. Datos de población total del territorio del CGPSHA ASOCIACION Nunkui Nunkui Nunkui Sinip Nunkui Nunkui Sinip Sinip Sinip Sinip Arutam Arutam Santiago Santiago Santiago Santiago Santiago Santiago Santiago Santiago Santiago Mayaik Mayaik Mayaik Mayaik Mayaik Mayaik
NOMBRE Shuar Ampam Unión Zamora (Kuakus) Kuankus Uwints Warints Maikiuants Tinkimints Numpatkaim Kunkuk Banderas Piunts Ayantas (Piunts) Jempekat Palomino (Tayunts) Tayunts Yapapas Kiim Kushapuk Chichis Peñas La Frontera Kaputna Kusumas Mayaik Tsapa Yumisim Paantan
TOT_FAM 11 18 29 11 65 23 18 33 22 21 51 18 24 8 16 15 15 10 20 14 16 24 24 29 22 22 17
TOT_HAB 63 54 163 62 381 156 117 219 205 189 316 54 154 25 80 81 105 46 109 92 115 116 165 239 187 158 77
93 Mayaik Mayaik Mayaik Mayaik Arutam Arutam Arutam Arutam Arutam Santiago Santiago Santiago Nunkui Arutam Santiago Santiago Cabezera cantonal Total
Tsuis Chimius Nantip Kapisunk Tiink Apunkius (Tiink) Tsuntsuim (Tiink) Waapis (Tiink) Yukutais (Tiink) Waje Suritiak Chinkianas Yunkumas Nankints Yukiakas San Miguel Santiago de Tiwintza
24 26 15 19 34 18 11 12 41 4 15 18 9 18 18 18
Fuente, Equipo de tierras del CGPSHA Total son 8324 personas las que están desarrollando actividades en la zona, una característica importante es que el CGPSHA, tiene establecido un plan de vida para sus habitantes, donde le dan mayor importancia a la conservación del bosque como su sustento de vida. Igualmente desarrollan actividades para el consumo interno de sus miembros, como es el cultivo de yuca, plátano, guadua, van cortando por partes pequeñas de bosque y posterior a esto realizan rotación de sus cultivos. En el plan de vida del CGPSHA, se elaboro un reglamento a lo interno donde tienen realizada una zonificación por centro, donde el 25%, de cada parcela muestrea será utilizada para el buen aprovechamiento de cultivos y ganadería. Analizadas estas variables se concluye con el siguiente mapa donde nos indica el potencial riesgo de deforestación.
172 130 100 124 215 54 70 81 297 20 65 54 66 54 54 540 2500 8324
94
Fig 38. Potencial de deforestación en el CGPSHA 5.3. ALTERNATIVAS DE MITIGACIÒN Las alternativas que se presentan son el resultado de todo el diagnostico previsto en el presente estudio. A) Identificados los sectores donde más se está deforestando, se encuentran los asentamientos de colonos. Aquí lo ideal será tomar acciones conjuntas con los miembros del CGPSHA, donde se pueda implementar acciones de recuperación de terrenos forestales, a través de planes de reforestación; considerando para el mismo se lo haga con especies nativas. B) El segundo es utilizar los terrenos que ya han sido trabajados para la agricultura y ganadería. Y aquí emprender programas para mejoramiento de cultivos y la inserción de ganado de excelente calidad.
95
C) Otra alternativa para mitigar el impacto de la deforestación, es emprender con actividades de turismo comunitario, hacer un invenrtario de recursos escenicos para empezar a traer turistas, y paguen por la visita a estos sectores, con recurso escenico invaluable.
Las alternativas aquí propuestas se enmarcan
dentro del
PLAN DE VIDA DEL PUEBLO SHUAR ARUTAM, como medida de mitigación al proceso de deforestación. En la siguiente figura se muestra los sectores donde se debería concentrar las alternativas de manejo aquí propuestas.
Fig 39. Alternativas propuestas para mitigar el impacto de la deforestación
96
CAPITULO 6. CONCLUSIONES Y RECOMENDACIONES CONCLUSIONES -
El territorio del CGPSHA, mantiene una cobertura boscosa en la actualidad del 89,6%, siendo muy importe para la conservación de especies de flora y fauna silvestre.
-
Las actividades de infraestructura civil como la ampliación de la vía y el crecimiento de la ciudad de Santiago de Tiwintza, es de apenas el 0.13%, en relación al territorio.
-
En el periodo de 22 años se perdió 12824.29 ha, de bosque nativo lo que representa alrededor de 583 ha/año,
-
La construcción de la trocha para la colocación de postes de luz desde el sector la Victoria hasta Banderas fue de 43 km de largo por 40 metros de ancho, dando una pérdida de bosque de 190 ha.
-
La regeneración del bosque es situó alrededor de 6988 ha, representando el 2.7% de áreas agrícolas a bosques,
-
La tasa de deforestación determinada para el periodo de estudio 19872009 es de -0.11 %
-
El modulo Land Change Modeler (LCM), estimo una pérdida de 34473 ha de bosque al año 2025, dando una tasa de deforestación de -1.34%.
RECOMENDACIONES -
Actualizar el monitoreo de la deforestación, con estudios cada cinco años.
-
Proveer de imágenes de satélite anualmente, para obtener una mejor homogeneización de los datos en menor tiempo, y así poder evaluar el cambio continuo de uso del suelo.
-
Capacitar a los técnicos del grupo de tierras, para que puedan manejar la información y actualizarla permanentemente.
-
Tomar medidas de acción, para evitar en lo posible la destrucción total del bosque, con la construcción de trochas para tendido eléctrico.
97
CAPITULO 7. BIBLIOGRAFIA
CHUVIECO E. 1996. Fundamentos de la Teledetección Espacial. Ediciones RIALP S.A. Madrid-España. 115. p.
CHUVIECO E. 2002. Teledetección Ambiental. La observación de la tierra desde el espacio.1era.Edición –Mayo. Editorial Ariel S.A.-España.
CLIRSEN 2002.
Propuesta de clasificación y Leyenda sobre Cobertura
Vegetal y Uso del Suelo. Versión a.2. Quito, Ecuador.
CHAVEZ, EW.
1988.
An Improved Dark-Object Susbtraction Technique
for Atmospheric Scatteing Correctiong of Multiespectral Data.
Remote
Sensing of Environment 24, pp 459-479.
ESTES,
J.E.;
SIMONETT.
D.S.,
1975.
Fundamentals
of
Imagen
Interpretation, em R.G. Reeves (Ed), Manual of Remote Sensing, Falls Church, American society of fotogrammetry pp. 869-1076.
ERDAS, 2001. Field Guide, Spanish. Bogotá, Colombia
FAO, 2005.
Situación Forestal en la Región de América Latina y el
caribe-2004. Oficina. Regional para América latina y el Caribe. Santiago,
http://www.pla.net.py/enlaces/cnelm/980617/deforefo.htm
http://www.aag.org/mycoe/student_guide/1%20Temas/4.Deforestacion.pdf
http://www.fao.org/mnts/glossary_es.asp#d
http://www.pnuma.org/forodeministros/12-barbados/bbdt03eBosquesTropicalesHumedos.pdf
http://www.fao.org/docrep/007/ad680s/ad680soo.html.
http://www.rlc.fao.org
LILLESAND, T.M. Y KIEFER, R. W. 2000.
Remote Sensing and Imagen
Interpretation, Nueva York, Jhon Wiley & Sons
www.dev.clirsen.com/pdfs/defo_ecuador.pdf
98
CAPITULO 7. ANEXOS
99 Anexo 1. Coberturas reconocidas en campo 1) Bosque sobre tepuis
Vista del bosque que se encuentra en las mesetas denominadas tepuis, sector de la cordillera del cรณndor.
Bosque sobre tepuis, la formaciรณn geolรณgica de areniscas, sector parte alta de la uniรณn, apertura de mina de explotaciรณn.
2) Bosque denso
100 Vista del bosque denso distribuido en todo el territorio del CGPSHA
3) Agricultura (Pastos y cultivos)
Dentro de esta categoría se puede evidenciar las actividades de pastoreo con pequeños cultivos, que nos son interpretables en las imágenes.
101 4) Pastizal degradado
Actividad producida por el sobrepastoreo del ganado, quemas y otras como se identifica en las im谩genes.
5) Asociaci贸n bosque cultivos mixtos
Algunos de los ejemplos identificados donde se mezcla el bosque con diferentes tipos de cultivos.
102 6) Asociación bosque pastizal
Vista de los sitios donde la cobertura forestal está mezclada con pastizales.
7) Matorral bajo
Esta tipo de cobertura no es muy notoria en el sector pero se puede discriminar en pequeños sectores donde habido intervención antròpico sobre los bosques o también producto de la apertura de vías. 8) Matorral alto
103 Encontrado principalmente en los sectores donde la topografía es muy fuerte con pendientes mayores al 45 %, en especial en los márgenes de los ríos.
9) Matorral sobre tepuis
10) Infraestructura civil
Explotación de canteras para la obtención de material petreo para el lastrado de vías. Sector Yaupi. 11) Ríos dobles y bancos de arena
104 Río Zamora
Río Santiago
Una de las características importantes de sus ríos que son anchos y muy caudalosos
12) Lagunas
Una de las dos lagunas más grandes existentes en el territorio, con una belleza escénica única. 13) Análisis estadístico Mosaico imagen Landsat TM5 2009 Distance measure: Jefferies-Matusita Using bands: 1 2 3 Taken 3 at a time Class
105 1 Bosque sobre tepuis 2 agricultura dos 3 agricultura tres 5 agua 6 banco de arena 7 bosque 8 bosque dos 9 civil 10 matorral bajo 11 nube 12 pastodegradado 13 sombras Separability Listing Bands
AVE
MIN
Class Pairs:
1: 2 1: 3 1: 5 1: 6 1: 7 1: 8 1: 9 1:10 1:11 1:12 1:13 2: 3 2: 5 2: 6 2: 7 2: 8 2: 9 2:10 2:11 2:12 2:13 3: 5 3: 6 3: 7 3: 8 3: 9 3:10 3:11 3:12 3:13 5: 6 5: 7 5: 8 5: 9 5:10 5:11 5:12 5:13 6: 7 6: 8 6: 9 6:10 6:11 6:12 6:13 7: 8 7: 9 7:10 7:11
106 7:12 7:13 8: 9 8:10 8:11 8:12 8:13 9:10 9:11 9:12 9:13 10:11 10:12 10:13 11:12 11:13 12:13 1 2 3
1396
838
1414 1414 1414 1414 1317 1413 1414
1402 1414 1410 1414 1299 1414 1414 1414 1355 1414 1414 1414 1414 1414 1414 1414 1388
838 1414 1414 1414
1413 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1336 1414 1404 1414 1401 1414 1414 1414 1414 1414 1414 1414 1411 1258 1414 1414 1342 1414 1414 1414 1414 Best Minimum Separability Bands
AVE
MIN
Class Pairs:
1: 2 1: 3 1: 5 1: 6 1: 7 1: 8 1: 9 1:10 1:11 1:12 1:13 2: 3 2: 5 2: 6 2: 7 2: 8 2: 9 2:10 2:11 2:12 2:13 3: 5 3: 6 3: 7 3: 8 3: 9 3:10 3:11 3:12 3:13 5: 6 5: 7 5: 8 5: 9 5:10 5:11 5:12 5:13 6: 7 6: 8 6: 9 6:10
107 6:11 6:12 6:13 7: 8 7: 9 7:10 7:11 7:12 7:13 8: 9 8:10 8:11 8:12 8:13 9:10 9:11 9:12 9:13 10:11 10:12 10:13 11:12 11:13 12:13 1 2 3
1396
838
1414 1414 1414 1414 1317 1413 1414
1402 1414 1410 1414 1299 1414 1414 1414 1355 1414 1414 1414 1414 1414 1414 1414 1388
838 1414 1414 1414
1413 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1336 1414 1404 1414 1401 1414 1414 1414 1414 1414 1414 1414 1411 1258 1414 1414 1342 1414 1414 1414 1414 Best Average Separability Bands
AVE
MIN
Class Pairs:
1: 2 1: 3 1: 5 1: 6 1: 7 1: 8 1: 9 1:10 1:11 1:12 1:13 2: 3 2: 5 2: 6 2: 7 2: 8 2: 9 2:10 2:11 2:12 2:13 3: 5 3: 6 3: 7 3: 8 3: 9 3:10 3:11 3:12 3:13 5: 6 5: 7 5: 8 5: 9 5:10
108 5:11 5:12 5:13 6: 7 6: 8 6: 9 6:10 6:11 6:12 6:13 7: 8 7: 9 7:10 7:11 7:12 7:13 8: 9 8:10 8:11 8:12 8:13 9:10 9:11 9:12 9:13 10:11 10:12 10:13 11:12 11:13 12:13 1 2 3
1396
838
1414 1414 1414 1414 1317 1413 1414
1402 1414 1410 1414 1299 1414 1414 1414 1355 1414 1414 1414 1414 1414 1414 1414 1388
838 1414 1414 1414
1413 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1414 1336 1414 1404 1414 1401 1414 1414 1414 1414 1414 1414 1414 1411 1258 1414 1414 1342 1414 1414 1414 1414 Mosaico imรกgenes Landsat tm 1987 Distance measure: Jefferies-Matusita Using bands: 1 2 3 4 Class 1 agricultura 2 agriculturados
109 3 bosque humedo 4 bosque sobre tepuis 5 matorral bajo 6 nubes 7 sombra 8 agua 9 banco de arena 10 pasto degradado Separability Listing
Bands
AVE
MIN
Class Pairs:
1: 2 1: 3 1: 4 1: 5 1: 6 1: 7 1: 8 1: 9 1:10 2: 3 2: 4 2: 5 2: 6 2: 7 2: 8 2: 9 2:10 3: 4 3: 5 3: 6 3: 7 3: 8 3: 9 3:10 4: 5 4: 6 4: 7 4: 8 4: 9 4:10 5: 6 5: 7 5: 8 5: 9 5:10 6: 7 6: 8 6: 9 6:10 7: 8 7: 9 7:10 8: 9 8:10 9:10 1 2 3 4
1393 1192
1388 1402 1414 1414 1311 1414 1414
1414 1411 1192 1396 1414 1404 1414 1414 1414 1401 1225 1360 1411 1414
110 1414 1414 1362 1355 1414 1414 1414 1414 1405 1414 1414 1414 1292 1386 1414 1414 1414 1412 1413 1414 1414 1414 1414 1381 Best Minimum Separability Bands
AVE
MIN
Class Pairs:
1: 2 1: 3 1: 4 1: 5 1: 6 1: 7 1: 8 1: 9 1:10 2: 3 2: 4 2: 5 2: 6 2: 7 2: 8 2: 9 2:10 3: 4 3: 5 3: 6 3: 7 3: 8 3: 9 3:10 4: 5 4: 6 4: 7 4: 8 4: 9 4:10 5: 6 5: 7 5: 8 5: 9 5:10 6: 7 6: 8 6: 9 6:10 7: 8 7: 9 7:10 8: 9 8:10 9:10 1 2 3 4
1393 1192
1388 1402 1414 1414 1311 1414 1414
1414 1411 1192 1396 1414 1404 1414 1414 1414 1401 1225 1360 1411 1414 1414 1414 1362 1355 1414 1414 1414 1414 1405 1414 1414 1414 1292 1386 1414 1414 1414 1412 1413 1414 1414 1414 1414 1381 Best Average Separability
111 Bands
AVE
MIN
Class Pairs:
1: 2 1: 3 1: 4 1: 5 1: 6 1: 7 1: 8 1: 9 1:10 2: 3 2: 4 2: 5 2: 6 2: 7 2: 8 2: 9 2:10 3: 4 3: 5 3: 6 3: 7 3: 8 3: 9 3:10 4: 5 4: 6 4: 7 4: 8 4: 9 4:10 5: 6 5: 7 5: 8 5: 9 5:10 6: 7 6: 8 6: 9 6:10 7: 8 7: 9 7:10 8: 9 8:10 9:10 1 2 3 4
1393 1192
1388 1402 1414 1414 1311 1414 1414
1414 1411 1192 1396 1414 1404 1414 1414 1414 1401 1225 1360 1411 1414 1414 1414 1362 1355 1414 1414 1414 1414 1405 1414 1414 1414 1292 1386 1414 1414 1414 1412 1413 1414 1414 1414 1414 1381
112
14) Validaci贸n
113
Anexo2. Características de las principales especies que se desarrollan dentro del CGPSHA
Cuadro1. Especies características del bosque sobre tepui en el territorio del CGPSHA
NOMBRE CIENTIFICO
FAMILIA
Arboles 10 a 20 m de altura Clethra castaneifolia
CLETHRACEAE
Vismia
CLUSIASEAE
Panopsis
PROTEACEAE
Brunellia
BRUNELLIACEAE
Guatteria
ANNONACEAE
Matayba
SAPINDACEAE
Arboles de hasta 5 m Weinmannia auriformis
CUNONIACEAE
Schradera sp Matorrales de 2 a 5 m Ilex
AQUIFOLIACEAE
Weinmania
CUNONIACEAE
Clusia
CLUSIASEAE
Persea
LAURACEAE
Drimys
WINTERRACEAE
Schefflera
ARALIACEAE
Miconia
MELASTOMATACEAE
Steospermatium robustum
ARACEAE
Hierbas Paepalanthus
ERIOCAULACEAE
Pseudonoseris chachapoyensis
ASTERACEAE
Sphaeradenia
CYCLANTACEAE
Purdiaea nutans CYRILLACEAE Fuente: Estudio de alternativas de manejo para el área de el Quimi, Cantón Gualaquiza, provincia de Morona Santiago, 2004
114
Cuadro 2. Especies representativas del bosque denso, alturas de 15 a 30 m distribuidos a lo largo del territorio CGPSHA.
NOMBRE CIENTIFICO
FAMILIA
Pourouma
CECROPIACEAE
Dacryodes occidentalis
BURCERACEAE
Terminalia chiriquenses
COMMELINACEAE
Iriartea deltoidea
ARECACEAE
Oenocarpus bataua
ARECACEAE
Otoba glycycarpa
MYRISTICACEAE
Leonia glycycarpa
VIOLACEAE
Clarisia racemosa
MORACEAE
Ceiba pentandra
BOMBACACEAE
Gyranthera sp.
BOMBACACEAE
Palicourea sp
RUBIACEAE
Vochysia sp Weinmannia sp
CUNONIACEAE
Caryodendron orinocense
EUPHORBIACEAE
Xeroxylon sp
ARECACEAE
Remigia sp
RUBIACEAE
Ruagea glabra
MELIACEAE
Tetrorchidium sp
EUPHORBIACEAE
Faramea coerulescens K. Schum.
RUBIACEAE
Coussarea paniculata (Vahl) Standl.
RUBIACEAE
Neea sp.
NYCTAGINACEAE
Iryanthera sp.
MYRISTICACEAE
Inga sp.
FABACEAE
Elaeagia pastoensis L. E. Mora
RUBIACEAE
Roucheria punctata (Ducke) Ducke
LINACEAE
Saurauia prainiana Buscal.
ACTINIDIACEAE
Tapirira guianensis Aubl. Compsoneura morona-santiagoensisi Janovec ined.
ANACARDIACEAE
Guarea kunthiana A. Juss.
MELIACEAE
Cassearia sp
FLACOURTIACEAE
Mabea nitida Spruce ex Benth.
EUPHORBIACEAE
Glycydendron amazonicum Ducke
EUPHORBIACEAE
Dussia tessmannii Harms
FABACEAE
Dacryodes peruviana (LOes.) H.J. Lam
BURSERACEAE
Nectandra reticulata (Ruiz & Pav.) Mez
LAURACEAE
MYRISTICACEAE
115
Podocarpus oleifolius D. Don ex Lamb
PODOCARPACEAE
Elaeagia sp.
RUBIACEAE
Meliosma condorensis X. Cornejo SABIACEAE Fuente: Herbario de la Universidad Nacional de Loja
Cuadro 3. Especies representativas del bosque denso, altura de รกrboles de 5 a 15 m distribuidos a lo largo del territorio CGPSHA.
NOMBRE CIENTIFICO
FAMILIA
Alchornea sp Drymis granadensis L.f Siparuna Warszewiczia coccinea (Vahl) Klotzsch Bellucia sp. Faramea dudleyi Steyerm. Macrolobium sp. Clusia weberbaueri Engl. Guatteria sp. Beilschmiedia sp. Centronia laurifolia D. Don Talauma sp. Styrax sp Chaetocarpus sp. Humiriatrum mapirense Cuatrec Cinchona sp. Weinmannia reticulata Ruiz & Pav. Stilpnophyllum oellgaardii L. Andersson Guateria sp. Mollinedia sp. Hedyosmun sp. Brunellia sp. Viburnum sp. Randia Sorocea steinbachii C.C. Berg Trichilia pallida Sw. Solanum
EUPHORBIACEAE WINTERACEAE MONIMIACEAE RUBIACEAE MELASTOMATACEAE RUBIACEAE FABACEAE CLUSIACEAE ANNONACEAE LAURACEAE MELASTOMATACEAE MAGNOLIACEAE STYRACACEAE EUPHORBIACEAE HUMIRIACEAE RUBIACEAE CUNONIACEAE RUBIACEAE ANNONACEAE MONIMIACEAE CHLORANTHACEAE BRUNELLIACEAE CAPRIFOLIACEAE RUBIACEAE MORACEAE MELIACEAE SOLANACEAE
Fuente: Herbario de la Universidad Nacional de Loja
116
Cuadro 4. Especies representativas del bosque denso de รกrboles de hasta 5m distribuidos a lo largo del territorio CGPSHA.
NOMBRE CIENTIFICO
FAMILIA
Ocotea sp
LAURACEAE
Persea
LAURACEAE
Alchornea
EUPHORBIACEAE
Weinmannia sp
CUNONIACEAE
Ilex
AQUIFOLIACEAE
Schefflera sp
ARALIACEAE
Cinchona
RUBIACEAE
Clusia
CLUSIASEAE
Stilphophyllum Gaiadendron Desfontainia spinosa Ruiz & Pavon Besleria comosa C. V. Morton Miconia sp. Shefflera sp. Carica sp Blakea sp. Ternstroemia sp. Palicourea loxensis C.M. Taylor
RUBIACEAE LORANTHACEAE LOGANIACAE GESNERIACEAE MELASTOMATACEAE ARALIACEAE CARICACEAE MELASTOMATACEAE THEACEAE RUBIACEAE
Fuente: Herbario de la Universidad Nacional de Loja
117
Cuadro 5. Especies representativas de arbustos distribuidos a lo largo del territorio CGPSHA
NOMBRE CIENTIFICO Gaultheria sp, Pernettya sp. Vallea stipularis L. f. Weinmannia loxensis Harling. Peperomia sp. Weinmannia sp. Ternstroemia sp. Symplocos fuscata B. Stahl Desfontainia spinosa Ruiz & Pav. Monnina sp. Senna bacillaris (L. f.) H.S. Irwin & Barneby Psychotria sp. Palicourea sp. Psychotria platypoda DC. Pseuderanthemun sp. Psychotria caerulea Ruiz & Pav Psychotria pilosa Ruiz & Pav Piper sp. Retiniphyllum sp. Clusiella elegans Plach & Triana Heisteria acuminata (Humb. & Bonpl.) Engl. Eschweilera sp. Allophylus sp. Dendrobangia sp. Centropogon sp. Myrsine sp.
FAMILIA ERICACEAE ERICACEAE ELAEOCARPACEAE CUNONIACEAE PIPERACEAE CUNONIACEAE THEACEAE SYMPLOCACEAE LOGANIACEAE POLYGALACEAE FABACEAE RUBIACEAE RUBIACEAE RUBIACEAE ACANTHACEAE RUBIACEAE RUBIACEAE PIPERACEAE RUBIACEAE CLUSIACEAE OLACACEAE LECYTHIDACEAE SAPINDACEAE ICACINACEAE CAMPANULACEAE MYRSINACEAE
Fuente: Herbario de la Universidad Nacional de Loja
118
Cuadro 6. Especies
representativas
de hierbas distribuidas a lo largo del
territorio CGPSHA.
NOMBRE CIENTIFICO Columnea guttata Poepp. Pearcea hispidissima (Wiehler) L. P. Kvis & L. E. Skog Monopyle Diastema scabrum (Poepp.) Benth. ex Walp. Allophylus Amphidasya Besleria quadrangulata L.E. Skog Pearcea sprucei (Britton) L.P. Kvist & L.E. Skog. Gasteranthus wendlandianus (Hanst.) Wiehler. Pearcea sprucei (Britton) L.P. Kvist & L.E. Skog var. sprucei Elaphoglossum sp. Selaginella Cremosperma congruens C.V. Morton Salpingia maranonensis Wurdack Drymonia Allopectus grandicalyx J.L Clark & L.E. Skog Allopectus cf. teuscheri (Raymond) Wiehler Adiantum sp. Coccocypselum sp. Clidemia sp. Sanchezia sp Peperomia sp. Pitcairnia aphelandriflora Lem. Everardia montana Ridl. Fuente: Herbario de la Universidad Nacional de Loja
FAMILIA GESNERIACEAE GESNERIACEAE GESNERIACEAE GESNERIACEAE SAPINDACEAE RUBIACEAE GESNERIACEAE GESNERIACEAE GESNERIACEAE GESNERACEAE DRYOPTERIDACEAE SELAGINELLACEAE GESNERIACEAE MELASTOMATACEAE GESNERIACEAE GESNERIACEAE GESNERIACEAE PTERIDACEAE RUBIACEAE MELASTOMATACEAE ACANTHACEAE PIPERACEAE BROMELIACEAE CYPERACEAE
119
Anexo 3. CaracterĂsticas del ĂĄrea de estudio file format : IDRISI Raster A.1 file title : Vector data imported from ArcView ShapeFile Type Polygon data type : integer file type : binary columns rows
: 763 : 675
ref. system : utm-18s ref. units : m unit dist. : 1.0000000 min. X
: 112238.0000000
max. X
: 188538.0000000
min. Y
: 9611526.0000000
max. Y
: 9679026.0000000
pos'n error : unknown resolution : unknown min. value : 0 max. value : 1 display min : 0 display max : 1 value units : classes value error : unknown flag value : none flag def'n : none legend cats : 0 lineage
: This file was created by the POLYRAS module with the command line:
lineage
:
120
Anexo 4. Variables generadas mediante modelaci贸n en Idrisi Taiga, como patrones de deforestaci贸n.
Fig. 1. Cobertura vegetal a帽o 1987
121
Fig. 2.
Mapa de
cobertura vegetal del a単o 2002, para validar el modelo
Fig.
3. Mapa
122 de cobertura vegetal aĂąo 2009
Fig. 4. Mapa de distancias a zonas de cambio agrĂcola.
123 Fig. 5. Distancia a centros poblados
Fig. 6. Distancia a vĂas aĂąo 1987
124 Fig 7. Distancia a zonas de cambio total entre dos fechas 1987-2009
Fig. 8. Mapa de evidencia al cambio
125 Fig. 9. Modelo de elevaci贸n digital del terreno
Fig. 10. Distancia a centros rurales
Fig 11. Mapa de pendientes
126
Fig. 12. Mapa de distribución de la población
Resultados de la validación del modelo mediante el análisis estadístico Result of ROC** =============== ROC =
0.906
****************************************************************** The following section list detailed statistics for each threshold. ****************************************************************** With each threshold, the following 2x2 contingency table is calculated _________________________________________________________________________ Reality (reference image) -----------------------------------------------Simulated by threshold 1 0 ------------------------------------------------------------------------1 A(number of cells) B(number of cells) 0 C D For the given reference image: A+C=14004 B+D=501021 _________________________________________________________________________ No. Exp. Thrhlds(%) Act. Thrhlds(%) Act. raw cuts A True posi.(%) B False posi.(%) ------------------------------------------------------------------------------------------------------------1 0.0000 0.0000 0.0000 0 0.0000 0 0.0000 2 1.0000 1.0000 0.3287 1036 7.3979 4114 0.8211
127 3 8385 4 12253 5 16450 6 20564 7 24991 8 29562 9 33865 10 38078 11 42758 12 47301 13 51802 14 56507 15 61257 16 66045 17 70920 18 75839 19 80779 20 85758 21 90771 22 95786 23 100824 24 105869 25 110943 26 116017 27 121111 28 126204 29 131299 30 136397 31 141515 32 146631 33 151754 34 156881 35 162006 36 167132 37 172264 38 177399 39 182540 40 187683
2.0000 1.6736 3.0000 2.4456 4.0000 3.2833 5.0000 4.1044 6.0000 4.9880 7.0000 5.9004 8.0000 6.7592 9.0000 7.6001 10.0000 8.5342 11.0000 9.4409 12.0000 10.3393 13.0000 11.2784 14.0000 12.2264 15.0000 13.1821 16.0000 14.1551 17.0000 15.1369 18.0000 16.1229 19.0000 17.1166 20.0000 18.1172 21.0000 19.1182 22.0000 20.1237 23.0000 21.1307 24.0000 22.1434 25.0000 23.1561 26.0000 24.1728 27.0000 25.1894 28.0000 26.2063 29.0000 27.2238 30.0000 28.2453 31.0000 29.2664 32.0000 30.2889 33.0000 31.3123 34.0000 32.3352 35.0000 33.3583 36.0000 34.3826 37.0000 35.4075 38.0000 36.4336 39.0000 37.4601
1.9999
0.2691
1915
13.6747
3.0000
0.2107
3198
22.8363
4.0000
0.1362
4151
29.6415
5.0000
0.0876
5187
37.0394
6.0001
0.0477
5911
42.2094
7.0000
0.0315
6490
46.3439
8.0000
0.0217
7337
52.3922
9.0000
0.0121
8274
59.0831
9.9999
0.0064
8744
62.4393
11.0000
0.0040
9352
66.7809
12.0000
0.0021
10001
71.4153
13.0000
0.0012
10446
74.5930
14.0001
0.0007
10847
77.4564
15.0000
0.0004
11209
80.0414
16.0000
0.0002
11484
82.0051
17.0000
0.0002
11715
83.6547
17.9999
0.0001
11925
85.1542
19.0000
0.0001
12097
86.3825
20.0000
0.0001
12234
87.3608
21.0000
0.0001
12369
88.3248
22.0001
0.0000
12482
89.1317
23.0000
0.0000
12587
89.8815
24.0000
0.0000
12663
90.4242
25.0000
0.0000
12739
90.9669
25.9999
0.0000
12795
91.3668
27.0000
0.0000
12853
91.7809
28.0002
0.0000
12909
92.1808
29.0000
0.0000
12960
92.5450
30.0003
0.0000
12994
92.7878
31.0002
0.0000
13028
93.0306
32.0002
0.0000
13055
93.2234
33.0001
0.0000
13078
93.3876
34.0001
0.0000
13103
93.5661
35.0002
0.0000
13128
93.7446
36.0002
0.0000
13146
93.8732
37.0001
0.0000
13161
93.9803
38.0003
0.0000
13171
94.0517
39.0002
0.0000
13178
94.1017
128 41 192831 42 197981 43 203093 44 207458 45 212608 46 217758 47 222909 48 228059 49 233209 50 238359 51 243509 52 248660 53 253810 54 258960 55 264111 56 269261 57 274411 58 279561 59 284711 60 289862 61 295012 62 300162 63 305313 64 310463 65 315613 66 320763 67 325913 68 331064 69 336214 70 341364 71 346515 72 351665 73 356815 74 361965 75 367115 76 372266 77 377416 78 382566
40.0000 38.4876 41.0000 39.5155 42.0000 40.5358 43.0000 41.4070 44.0000 42.4349 45.0000 43.4628 46.0000 44.4909 47.0000 45.5189 48.0000 46.5468 49.0000 47.5747 50.0000 48.6026 51.0000 49.6307 52.0000 50.6586 53.0000 51.6865 54.0000 52.7146 55.0000 53.7425 56.0000 54.7704 57.0000 55.7983 58.0000 56.8262 59.0000 57.8543 60.0000 58.8822 61.0000 59.9101 62.0000 60.9382 63.0000 61.9661 64.0000 62.9940 65.0000 64.0219 66.0000 65.0498 67.0000 66.0779 68.0000 67.1058 69.0000 68.1337 70.0000 69.1618 71.0000 70.1897 72.0000 71.2176 73.0000 72.2455 74.0000 73.2734 75.0000 74.3015 76.0000 75.3294 77.0000 76.3573
40.0002
0.0000
13180
94.1160
41.0001
0.0000
13180
94.1160
41.9999
0.0000
13217
94.3802
43.0002
0.0000
14004
100.0000
44.0002
0.0000
14004
100.0000
45.0001
0.0000
14004
100.0000
46.0003
0.0000
14004
100.0000
47.0002
0.0000
14004
100.0000
48.0002
0.0000
14004
100.0000
49.0001
0.0000
14004
100.0000
50.0001
0.0000
14004
100.0000
51.0002
0.0000
14004
100.0000
52.0002
0.0000
14004
100.0000
53.0001
0.0000
14004
100.0000
54.0003
0.0000
14004
100.0000
55.0002
0.0000
14004
100.0000
56.0002
0.0000
14004
100.0000
57.0001
0.0000
14004
100.0000
58.0001
0.0000
14004
100.0000
59.0002
0.0000
14004
100.0000
60.0002
0.0000
14004
100.0000
61.0001
0.0000
14004
100.0000
62.0003
0.0000
14004
100.0000
63.0002
0.0000
14004
100.0000
64.0002
0.0000
14004
100.0000
65.0001
0.0000
14004
100.0000
66.0001
0.0000
14004
100.0000
67.0002
0.0000
14004
100.0000
68.0002
0.0000
14004
100.0000
69.0001
0.0000
14004
100.0000
70.0003
0.0000
14004
100.0000
71.0002
0.0000
14004
100.0000
72.0002
0.0000
14004
100.0000
73.0001
0.0000
14004
100.0000
74.0001
0.0000
14004
100.0000
75.0002
0.0000
14004
100.0000
76.0002
0.0000
14004
100.0000
77.0001
0.0000
14004
100.0000
129 79 78.0000 78.0003 0.0000 14004 100.0000 387717 77.3854 80 79.0000 79.0002 0.0000 14004 100.0000 392867 78.4133 81 80.0000 80.0002 0.0000 14004 100.0000 398017 79.4412 82 81.0000 81.0001 0.0000 14004 100.0000 403167 80.4691 83 82.0000 82.0001 0.0000 14004 100.0000 408317 81.4970 84 83.0000 83.0002 0.0000 14004 100.0000 413468 82.5251 85 84.0000 84.0002 0.0000 14004 100.0000 418618 83.5530 86 85.0000 85.0001 0.0000 14004 100.0000 423768 84.5809 87 86.0000 86.0003 0.0000 14004 100.0000 428919 85.6090 88 87.0000 87.0002 0.0000 14004 100.0000 434069 86.6369 89 88.0000 88.0002 0.0000 14004 100.0000 439219 87.6648 90 89.0000 89.0001 0.0000 14004 100.0000 444369 88.6927 91 90.0000 90.0001 0.0000 14004 100.0000 449519 89.7206 92 91.0000 91.0002 0.0000 14004 100.0000 454670 90.7487 93 92.0000 92.0002 0.0000 14004 100.0000 459820 91.7766 94 93.0000 93.0001 0.0000 14004 100.0000 464970 92.8045 95 94.0000 94.0003 0.0000 14004 100.0000 470121 93.8326 96 95.0000 95.0002 0.0000 14004 100.0000 475271 94.8605 97 96.0000 96.0002 0.0000 14004 100.0000 480421 95.8884 98 97.0000 97.0001 0.0000 14004 100.0000 485571 96.9163 99 98.0000 98.0001 0.0000 14004 100.0000 490721 97.9442 100 99.0000 99.0002 0.0000 14004 100.0000 495872 98.9723 101 100.0000 100.0000 0.0000 14004 100.0000 501021 100.0000 ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------No info of location and no info of quantity: N(n) = 0.5000 Perfect info of location and perfect info of quantity: P(p) = 1.0000 Perfect info of location and no info of quantity: P(n) = 0.5272 No info of location and perfect info of quantity: N(p) = 0.9471 No info of location and no info of quantity: PerfectChance = 0.5000 No info of location and perfect info of quantity: PerfectQuantity = 0.4471 Perfect info of location given no info of quantity:PerfectLocation = 0.0529 ---------------------------------------------------------------------------No. M(m) N(m) P(m) M(p) M(n) --------------------------------------------------1 0.9728 0.9728 0.9728 0.9471 0.5000 2 0.9668 0.9634 0.9828 0.9566 0.5049 3 0.9602 0.9539 0.9928 0.9557 0.5044 4 0.9552 0.9444 0.9972 0.9579 0.5056 5 0.9489 0.9350 0.9872 0.9612 0.5073 6 0.9430 0.9255 0.9772 0.9649 0.5092 7 0.9358 0.9161 0.9672 0.9675 0.5105 8 0.9280 0.9066 0.9572 0.9695 0.5115 9 0.9213 0.8972 0.9472 0.9726 0.5131 10 0.9149 0.8877 0.9372 0.9762 0.5150 11 0.9068 0.8782 0.9272 0.9779 0.5158 12 0.8991 0.8688 0.9172 0.9803 0.5170 13 0.8916 0.8593 0.9072 0.9828 0.5184 14 0.8834 0.8499 0.8972 0.9846 0.5193
130 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91
0.8749 0.8663 0.8574 0.8483 0.8391 0.8298 0.8203 0.8108 0.8013 0.7917 0.7820 0.7723 0.7625 0.7527 0.7429 0.7331 0.7233 0.7134 0.7035 0.6936 0.6837 0.6738 0.6639 0.6539 0.6440 0.6340 0.6240 0.6140 0.6041 0.5972 0.5872 0.5772 0.5672 0.5572 0.5472 0.5372 0.5272 0.5172 0.5072 0.4972 0.4872 0.4772 0.4672 0.4572 0.4472 0.4372 0.4272 0.4172 0.4072 0.3972 0.3872 0.3772 0.3672 0.3572 0.3472 0.3372 0.3272 0.3172 0.3072 0.2972 0.2872 0.2772 0.2672 0.2572 0.2472 0.2372 0.2272 0.2172 0.2072 0.1972 0.1872 0.1772 0.1672 0.1572 0.1472 0.1372 0.1272
0.8404 0.8310 0.8215 0.8121 0.8026 0.7931 0.7837 0.7742 0.7648 0.7553 0.7459 0.7364 0.7269 0.7175 0.7080 0.6986 0.6891 0.6797 0.6702 0.6608 0.6513 0.6418 0.6324 0.6229 0.6135 0.6040 0.5946 0.5851 0.5757 0.5662 0.5567 0.5473 0.5378 0.5284 0.5189 0.5095 0.5000 0.4905 0.4811 0.4716 0.4622 0.4527 0.4433 0.4338 0.4243 0.4149 0.4054 0.3960 0.3865 0.3771 0.3676 0.3582 0.3487 0.3392 0.3298 0.3203 0.3109 0.3014 0.2920 0.2825 0.2731 0.2636 0.2541 0.2447 0.2352 0.2258 0.2163 0.2069 0.1974 0.1879 0.1785 0.1690 0.1596 0.1501 0.1407 0.1312 0.1218
0.8872 0.8772 0.8672 0.8572 0.8472 0.8372 0.8272 0.8172 0.8072 0.7972 0.7872 0.7772 0.7672 0.7572 0.7472 0.7372 0.7272 0.7172 0.7072 0.6972 0.6872 0.6772 0.6672 0.6572 0.6472 0.6372 0.6272 0.6172 0.6072 0.5972 0.5872 0.5772 0.5672 0.5572 0.5472 0.5372 0.5272 0.5172 0.5072 0.4972 0.4872 0.4772 0.4672 0.4572 0.4472 0.4372 0.4272 0.4172 0.4072 0.3972 0.3872 0.3772 0.3672 0.3572 0.3472 0.3372 0.3272 0.3172 0.3072 0.2972 0.2872 0.2772 0.2672 0.2572 0.2472 0.2372 0.2272 0.2172 0.2072 0.1972 0.1872 0.1772 0.1672 0.1572 0.1472 0.1372 0.1272
0.9861 0.9876 0.9887 0.9896 0.9904 0.9911 0.9916 0.9922 0.9926 0.9930 0.9933 0.9936 0.9938 0.9940 0.9943 0.9944 0.9945 0.9947 0.9947 0.9948 0.9948 0.9949 0.9949 0.9949 0.9949 0.9949 0.9948 0.9947 0.9949 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0.5201 0.5208 0.5214 0.5218 0.5223 0.5226 0.5229 0.5232 0.5234 0.5236 0.5238 0.5239 0.5240 0.5241 0.5242 0.5243 0.5244 0.5244 0.5245 0.5245 0.5245 0.5246 0.5246 0.5246 0.5246 0.5246 0.5245 0.5245 0.5246 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272 0.5272
131 92 0.1172 0.1123 0.1172 1.0000 0.5272 93 0.1072 0.1028 0.1072 1.0000 0.5272 94 0.0972 0.0934 0.0972 1.0000 0.5272 95 0.0872 0.0839 0.0872 1.0000 0.5272 96 0.0772 0.0745 0.0772 1.0000 0.5272 97 0.0672 0.0650 0.0672 1.0000 0.5272 98 0.0572 0.0556 0.0572 1.0000 0.5272 99 0.0472 0.0461 0.0472 1.0000 0.5272 100 0.0372 0.0366 0.0372 1.0000 0.5272 101 0.0272 0.0272 0.0272 0.9471 0.5000 --------------------------------------------------No. Kno Klocation Kquantity Kstandard ------------------------------------------------------1 0.946 0.000 1.058 0.000 2 0.934 0.179 1.023 0.095 3 0.920 0.163 1.010 0.138 4 0.910 0.204 0.994 0.194 5 0.898 0.267 0.973 0.214 6 0.886 0.337 0.952 0.234 7 0.872 0.385 0.931 0.235 8 0.856 0.423 0.909 0.229 9 0.843 0.483 0.888 0.235 10 0.830 0.550 0.867 0.243 11 0.814 0.583 0.846 0.234 12 0.798 0.627 0.825 0.231 13 0.783 0.675 0.804 0.230 14 0.767 0.708 0.783 0.223 15 0.750 0.738 0.761 0.216 16 0.733 0.765 0.740 0.209 17 0.715 0.786 0.719 0.201 18 0.697 0.803 0.698 0.193 19 0.678 0.819 0.677 0.185 20 0.660 0.832 0.656 0.177 21 0.641 0.842 0.635 0.169 22 0.622 0.852 0.613 0.162 23 0.603 0.861 0.592 0.155 24 0.583 0.869 0.571 0.149 25 0.564 0.874 0.550 0.142 26 0.545 0.880 0.529 0.136 27 0.525 0.883 0.508 0.130 28 0.505 0.887 0.486 0.125 29 0.486 0.891 0.465 0.120 30 0.466 0.895 0.444 0.115 31 0.447 0.897 0.423 0.110 32 0.427 0.899 0.402 0.105 33 0.407 0.900 0.381 0.101 34 0.387 0.901 0.360 0.097 35 0.367 0.903 0.338 0.093 36 0.348 0.904 0.317 0.089 37 0.328 0.904 0.296 0.086 38 0.308 0.904 0.275 0.082 39 0.288 0.904 0.254 0.079 40 0.268 0.903 0.233 0.076 41 0.248 0.902 0.211 0.073 42 0.228 0.900 0.190 0.070 43 0.208 0.903 0.169 0.067 44 0.194 1.000 0.148 0.071 45 0.174 1.000 0.127 0.069 46 0.154 1.000 0.106 0.066 47 0.134 1.000 0.085 0.064 48 0.114 1.000 0.063 0.061 49 0.094 1.000 0.042 0.059 50 0.074 1.000 0.021 0.057 51 0.054 1.000 -0.000 0.054 52 0.034 1.000 -0.021 0.052 53 0.014 1.000 -0.042 0.050 54 -0.006 1.000 -0.063 0.048 55 -0.026 1.000 -0.085 0.047 56 -0.046 1.000 -0.106 0.045 57 -0.066 1.000 -0.127 0.043 58 -0.086 1.000 -0.148 0.041 59 -0.106 1.000 -0.169 0.040 60 -0.126 1.000 -0.190 0.038 61 -0.146 1.000 -0.212 0.037 62 -0.166 1.000 -0.233 0.035 63 -0.186 1.000 -0.254 0.034
132 64 -0.206 1.000 -0.275 0.032 65 -0.226 1.000 -0.296 0.031 66 -0.246 1.000 -0.317 0.030 67 -0.266 1.000 -0.338 0.028 68 -0.286 1.000 -0.360 0.027 69 -0.306 1.000 -0.381 0.026 70 -0.326 1.000 -0.402 0.025 71 -0.346 1.000 -0.423 0.024 72 -0.366 1.000 -0.444 0.023 73 -0.386 1.000 -0.465 0.022 74 -0.406 1.000 -0.486 0.020 75 -0.426 1.000 -0.508 0.019 76 -0.446 1.000 -0.529 0.018 77 -0.466 1.000 -0.550 0.017 78 -0.486 1.000 -0.571 0.017 79 -0.506 1.000 -0.592 0.016 80 -0.526 1.000 -0.613 0.015 81 -0.546 1.000 -0.635 0.014 82 -0.566 1.000 -0.656 0.013 83 -0.586 1.000 -0.677 0.012 84 -0.606 1.000 -0.698 0.011 85 -0.626 1.000 -0.719 0.011 86 -0.646 1.000 -0.740 0.010 87 -0.666 1.000 -0.761 0.009 88 -0.686 1.000 -0.783 0.008 89 -0.706 1.000 -0.804 0.008 90 -0.726 1.000 -0.825 0.007 91 -0.746 1.000 -0.846 0.006 92 -0.766 1.000 -0.867 0.006 93 -0.786 1.000 -0.888 0.005 94 -0.806 1.000 -0.909 0.004 95 -0.826 1.000 -0.931 0.004 96 -0.846 1.000 -0.952 0.003 97 -0.866 1.000 -0.973 0.002 98 -0.886 1.000 -0.994 0.002 99 -0.906 1.000 -1.015 0.001 100 -0.926 1.000 -1.036 0.001 101 -0.946 0.000 -1.058 0.000 -----------------------------------------------------No. CorrectChance CorrectQuantity CorrectLocation ErrorLocation ErrorQuantity -------------------------------------------------------------------------------------1 0.500 0.473 0.000 0.000 0.027 2 0.500 0.463 0.003 0.016 0.017 3 0.500 0.454 0.006 0.033 0.007 4 0.500 0.444 0.011 0.042 0.003 5 0.500 0.435 0.014 0.038 0.013 6 0.500 0.426 0.017 0.034 0.023 7 0.500 0.416 0.020 0.031 0.033 8 0.500 0.407 0.021 0.029 0.043 9 0.500 0.397 0.024 0.026 0.053 10 0.500 0.388 0.027 0.022 0.063 11 0.500 0.378 0.029 0.020 0.073 12 0.500 0.369 0.030 0.018 0.083 13 0.500 0.359 0.032 0.016 0.093 14 0.500 0.350 0.033 0.014 0.103 15 0.500 0.340 0.035 0.012 0.113 16 0.500 0.331 0.035 0.011 0.123 17 0.500 0.322 0.036 0.010 0.133 18 0.500 0.312 0.036 0.009 0.143 19 0.500 0.303 0.037 0.008 0.153 20 0.500 0.293 0.037 0.007 0.163 21 0.500 0.284 0.037 0.007 0.173 22 0.500 0.274 0.037 0.006 0.183 23 0.500 0.265 0.037 0.006 0.193 24 0.500 0.255 0.036 0.006 0.203 25 0.500 0.246 0.036 0.005 0.213 26 0.500 0.236 0.036 0.005 0.223 27 0.500 0.227 0.036 0.005 0.233 28 0.500 0.217 0.035 0.004 0.243 29 0.500 0.208 0.035 0.004 0.253 30 0.500 0.199 0.035 0.004 0.263 31 0.500 0.189 0.034 0.004 0.273 32 0.500 0.180 0.034 0.004 0.283 33 0.500 0.170 0.033 0.004 0.293 34 0.500 0.161 0.033 0.004 0.303 35 0.500 0.151 0.032 0.003 0.313
133 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101
0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.491 0.481 0.472 0.462 0.453 0.443 0.434 0.424 0.415 0.405 0.396 0.387 0.377 0.368 0.358 0.349 0.339 0.330 0.320 0.311 0.301 0.292 0.283 0.273 0.264 0.254 0.245 0.235 0.226 0.216 0.207 0.197 0.188 0.178 0.169 0.160 0.150 0.141 0.131 0.122 0.112 0.103 0.093 0.084 0.074 0.065 0.056 0.046 0.037 0.027
0.142 0.132 0.123 0.113 0.104 0.095 0.085 0.076 0.066 0.057 0.047 0.038 0.028 0.019 0.009 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.032 0.031 0.031 0.030 0.030 0.029 0.029 0.028 0.031 0.030 0.030 0.029 0.029 0.028 0.028 0.027 0.027 0.026 0.026 0.025 0.024 0.024 0.023 0.023 0.022 0.022 0.021 0.021 0.020 0.020 0.019 0.018 0.018 0.017 0.017 0.016 0.016 0.015 0.015 0.014 0.014 0.013 0.013 0.012 0.011 0.011 0.010 0.010 0.009 0.009 0.008 0.008 0.007 0.007 0.006 0.005 0.005 0.004 0.004 0.003 0.003 0.002 0.002 0.001 0.001 0.000
0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
0.323 0.333 0.343 0.353 0.363 0.373 0.383 0.393 0.403 0.413 0.423 0.433 0.443 0.453 0.463 0.473 0.483 0.493 0.503 0.513 0.523 0.533 0.543 0.553 0.563 0.573 0.583 0.593 0.603 0.613 0.623 0.633 0.643 0.653 0.663 0.673 0.683 0.693 0.703 0.713 0.723 0.733 0.743 0.753 0.763 0.773 0.783 0.793 0.803 0.813 0.823 0.833 0.843 0.853 0.863 0.873 0.883 0.893 0.903 0.913 0.923 0.933 0.943 0.953 0.963 0.973
El resultado obtenido dentro del modelo estad铆stico nos permiti贸 validar la corrida con 0.90; que es un valor ideal para la validaci贸n.
134
Fig 12. Mapa de validaci贸n del modelo predictivo al 2009 Los Hits corresponden a los pixeles que se predijeron correctamente, los amarillos a falsos cambios y los misses a categor铆as que se clasificaron en forma incorrecta.